Orchestrating human–AI software delivery: a retrospective longitudinal field study of three software modernization programs
تُظهر هذه الدراسة الميدانية الاسترجاعية الطولية لثلاثة برامج لتحديث البرمجيات أنه في حين أدت تكوينات التعاون المبكرة بين الذكاء الاصطناعي والبشر إلى تحسين السرعة على حساب الجودة، فإن التكوينات الناضجة التي تدمج التحقق من معايير القبول، والمراجعة الأصلية للمستودع، والتنفيذ الهجين قد سرعت جداول تسليم المشاريع بشكل كبير مع تقليل مشكلات التحقق وزيادة تغطية الإصدار الأول في الوقت ذاته.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم بناء البرمجيات، لطالما فُهم العمل كحرفة بشرية. حيث تجتمع فرق من المهندسين لفهم مشكلة ما، ورسم مخطط لها، وكتابة الكود الذي يجعل البرنامج يعمل، ثم يقضون وقتاً طويلاً في فحص هذا الكود بحثاً عن الأخطاء قبل إصداره للجمهور. ولعقود من الزمن، كان مقياس النجاح في هذا المجال هو مدى سرعة الإنسان في إتمام هذه الخطوات. ومؤخراً، دخل نوع جديد من المساعدين إلى الورشة: الذكاء الاصطناعي. يمكن لهذه الأنظمة قراءة كميات هائلة من الكود واقتراح أسطر نصية جديدة في ثوانٍ معدودة. أشارت التقارير الأولية إلى أن مجرد تسليم هذه الأدوات للمبرمجين الأفراد سيجعلهم أسرع، تماماً مثل إعطاء نجار منشاراً كهربائياً بدلاً من المنشار اليدوي. لكن بناء نظام برمجيات ضخم لا يقتصر فقط على قطع الخشب بشكل أسرع؛ بل يتعلق بالتأكد من أن كل قطعة تتناسب مع الأخرى، وأن الهيكل متين، وأن المنتج النهائي يعمل كما هو مخطط له. وقد أصبح السؤال الحاسم للصناعة هو ما إذا كان هؤلاء المساعدون الأذكياء يمكنهم حقاً تحسين العملية الكاملة لبناء النظام، أم أنهم سيكتفون فقط بتسريع الخطوات الأولية مع خلق مشكلات جديدة لاحقاً.
لقد شرع فريق من الباحثين في محاولة الإجابة على هذا السؤال من خلال مراقبة كيفية استخدام شركة حقيقية لهذه الأدوات بمرور الوقت. لم يجروا تجربة منضبطة في مختبر حيث يمكنهم عزل متغير واحد، بل نظروا إلى الوراء في ثلاثة مشاريع برمجية كبرى كانت الشركة قد أنجزتها بالفعل. كانت هذه المشاريع مهام جسيمة: تضمن أحدها نقل نظام مصرفي من لغة قديمة تسمى "كوبول" (COBOL) إلى لغة حديثة، وكان الآخر تحديثاً ضخماً لمنصة محاسبية كبيرة، والثالث كان تحديثاً لتطبيق طلبات الرهن العقاري. فحص الباحثون كيفية تسليم هذه المشاريع تحت خمس إعدادات مختلفة؛ بدأوا بالنهج التقليدي، حيث يقوم البشر بكل العمل، ثم انتقلوا عبر أربع نسخ متتالية من منصة جديدة تجمع بين المهندسين البشر ووكلاء الذكاء الاصطناعي.
كان الإصدار الأول من هذه المنصة الجديدة عبارة عن مجموعة من الأدوات. في هذا الإعداد، عمل وكلاء الذكاء الاصطناعي كمساعدين للمهندسين الأفراد؛ حيث كان بإمكانهم تحليل الكود القديم، وكتابة الوثائق، وحتى تنفيذ مهام محددة بمفردهم. كانت النتائج هنا متباينة؛ فقد وجد الفريق أن المراحل المبكرة من المشاريع، مثل فهم الكود القديم والتخطيط للكود الجديد، أصبحت أسرع بكثير. ومع ذلك، جاءت هذه السرعة بتكلفة؛ فبسبب افتقار سير العمل إلى نظام مركزي للتحقق من العمل أثناء تقدمه، تضررت جودة المخرجات النهائية. وقد تسللت المزيد من الأخطاء إلى مراحل الاختبار المتأخرة، واضطر الفريق لقضاء وقت أطول في إصلاحها. كان الأمر كما لو أن البنائين تعلموا رص الطوب بسرعة مضاعفة، لكنهم كانوا يرصونه في أماكن خاطئة، مما يتطلب وقتاً طويلاً لهدمه والبدء من جديد.
تغيرت القصة مع انتقال الباحثين إلى النسخ اللاحقة من المنصة. لم يكن الفرق الجوهري في أن الذكاء الاصطناعي أصبح أكثر ذكاءً فحسب، بل في أن الطريقة التي يعمل بها البشر والآلات معاً قد أُعيد تنظيمها بالكامل. في الإعداد الأكثر تقدماً، لم يعد الذكاء الاصطناعي مجرد أداة للأفراد، بل أصبح جزءاً من فريق منسق. أنشأ النظام مساحة عمل مشتركة حيث ترتبط الخطة والكود وعملية المراجعة ببعضها البعض. وأصبح بإمكان وكلاء الذكاء الاصطناعي الآن التحقق من عملهم الخاص مقابل قواعد محددة قبل أن يراه أي بشري، ويمكنهم تقديم الكود الخاص بهم للمراجعة بنفس الطريقة التي يفعلها البشر. كما قدم هذا الإصدار نهجاً هجيناً حيث يعمل البشر والآلات جنباً إلى جنب في نفس المهام، ويتشاركون المسؤولية.
وعندما قارن الباحثون الإعداد النهائي الأكثر تقدماً بالنهج التقليدي الذي يعتمد على البشر فقط، كانت النتائج مذهلة. انخفض الوقت الإجمالي لإكمال المشاريع الثلاثة من ستة وثلاثين أسبوعاً إلى ما يزيد قليلاً عن تسعة أسابيع. لم يكن الأمر مجرد مسألة عمل أسرع؛ بل تحسنت جودة العمل أيضاً. فقد انخفض عدد الأخطاء المكتشفة خلال مرحلة الاختبار النهائي بشكل كبير، من أكثر من ثماني مشكلات لكل مائة مهمة إلى مشكلتين فقط. علاوة على ذلك، ارتفعت نسبة المتطلبات التي تم استيفاؤها بشكل صحيح في الإصدار الأول من أكثر من سبعين بالمائة إلى أكثر من تسعين بالمائة. كما قام الباحثون بنمذجة الجهد المطلوب، حيث قدروا أن العمل الذي قام به الفريق الجديد، والذي ضم وكلاء الذكاء الاصطناعي، يعادل نقصاً في الجهد المطلوب من الخبراء البشريين رفيعي المستوى بنسبة 87% مقارنة بالطريقة القديمة للعمل.
وقد لاحظ الباحثون بعناية أن هذه النتائج تصف ما حدث في هذه الشركة المحددة مع هذه المشاريع المحددة. لم يدّعوا أن الذكاء الاصطناعي وحده هو الذي تسبب في هذه النتائج، بل اقترحوا أن السحر يكمن في التنسيق (Orchestration). فالإصدارات الأولى، التي اكتفت بمنح الأدوات للأفراد، حسنت السرعة لكنها أضرت بالجودة. أما الإصدارات اللاحقة، التي دمجت الذكاء الاصطناعي في سير عمل منظم مع سياق مشترك وضوابط صارمة، فقد حسنت السرعة والجودة معاً. وتوحي الدراسة بأن مستقبل تسليم البرمجيات لا يكمن في استبدال البشر بالآلات، ولا في مجرد إعطاء الآلات للبشر لاستخدامها كما يحلو لهم، بل إن المكاسب الكبرى تأتي عندما يتم نسج البشر والآلات معاً في نظام واحد منسق حيث يعوض كل منهما نقاط ضعف الآخر.
يقدم هذا البحث صورة واضحة لكيفية نضوج الذكاء الاصطناعي في العالم الحقيقي. فهو يتجاوز الفكرة البسيطة المتمثلة في كونه مساعداً سريعاً في الكتابة، ليظهر كيف يمكن لفريق من البشر والآلات أن يعمل ككيان موحد. وتشير البيانات إلى أنه عندما يتم دمج الذكاء الاصطناعي في سير عمل يتضمن التخطيط والتحقق والمراجعة، فإنه يمكن أن يساعد الفرق على تسليم أنظمة معقدة بشكل أسرع وبأخطاء أقل. وبينما تقتصر الدراسة على منظمة واحدة ولا يمكنها إثبات أن هذا سيحدث في كل مكان، إلا أنها توفر سجلاً وصفياً قوياً لما هو ممكن عندما يتم التعامل مع التكنولوجيا ليس فقط كأداة، بل كشريك في عملية مصممة بعناية. والمسار المستقبلي، كما تشير الأدلة، لا يتعلق بمدى سرعة كتابة الآلة للكود، بل بمدى جودة تنظيم الفريق للعمل بحيث يمكن للآلة والإنسان بناء شيء أفضل معاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.