نُشر في الأصل لدى PwC في 14 يناير 2026. المقال الكامل متاح باللغة البرتغالية فقط في المنشور الأصلي.
الكاتبان: Ricardo Pacheco Almeida وEduardo Barroso da Silva (PwC Portugal).
vibe coding: الأصل والمعنى والأثر في البرمجة
جاء ظهور الذكاء الاصطناعي التوليدي إلى العالم بطيف كامل من المصطلحات والتخصّصات الجديدة. ومن هذه المصطلحات vibe coding، أي البرمجة بالإحساس.
ليس vibe coding تعريفاً أكاديمياً ولا حتى رسمياً، بل هو مرآة لزمنه: مفهوم «انتشر انتشاراً واسعاً» انطلاقاً من تغريدة نشرها أندريه كارباثي، عالم البيانات والمدير السابق للذكاء الاصطناعي في Tesla، مطلع عام 2025. وفي ذلك المنشور، يعلّق أندريه بأن هناك «نوعاً جديداً من البرمجة يُسمّى vibe coding، نستسلم فيه تماماً للإحساس (…)».
انتهى المصطلح إلى أن يترسّخ في خطاب هذا المجال، واليوم يمكن وصف vibe coding بأنه الاستخدام الحدسي لمساعدي البرمجة القائمين على الذكاء الاصطناعي التوليدي. فبدلاً من كتابة مواصفات مفصّلة أو كل سطر من الصياغة البرمجية، يعتمد المبرمجون على قدرة الأداة على استنتاج النية من السياق المشترك ومن المشروع نفسه ومن الشيفرة المكتوبة. يحدّد المبرمج الاتجاه، أي الإحساس، ويتولّى الحل توليد التنفيذ باستقلالية.
ومن المهم أيضاً التمييز بين vibe coding والبرمجة المُساعَدة (assisted coding) أو البرمجة الثنائية بمساعدة الذكاء الاصطناعي (AI-assisted pair programming)، وهو مفهوم ناشئ في الأوساط الأكاديمية والصناعية يستخدم فيه المبرمجون المحترفون الذكاء الاصطناعي التوليدي لتسريع مهام التطوير. غير أن البرمجة المُساعَدة لا تفترض ثقة كاملة بالأداة التي تولّد الشيفرة: فهي تسرّع فقط مهام محدّدة وواضحة المعالم يملك المبرمج معرفة مسبقة بها. إنه تغيّر في الدور، يتصرّف فيه المحترف بدرجة أقل ككاتب وبدرجة أكبر كمحرّر أو أمين على المحتوى.
الممارسات الجيدة في استخدام الذكاء الاصطناعي التوليدي
تشير بيانات حديثة من القطاع إلى أن الغالبية العظمى من المتخصّصين في التكنولوجيا يستخدمون هذه الأدوات في عملهم بالفعل. وبذلك تبدو مرحلة التجريب مع الذكاء الاصطناعي التوليدي على وشك الانتهاء، ونحن ندخل مرحلة قياس النتائج.
بالنسبة إلى المبرمجين، الانطباع العام إيجابي جداً، إذ يقلّ الاحتكاك ويشعرون بأنهم أسرع. وهم بالفعل، بالأرقام المجرّدة، ينتجون أكثر: فالفرق التي تتبنّى الذكاء الاصطناعي التوليدي على نطاق واسع قد تقدّم ما يقارب ضعف عدد طلبات الدمج (pull requests أو PRs). لكن جهد المراجعة يزداد.
لماذا هذا التفاوت؟ هناك سببان رئيسيان: فمن دون توجيه مناسب، يميل إلى توليد كتل شيفرة أكبر ومنزوعة السياق، ما يجعل المراجعة أعقد؛ وهو فعّال إلى حدّ أنه يولّد الشيفرة بكميات قد تعجز الفرق عن مراجعتها.
للاستفادة من إمكانات الذكاء الاصطناعي التوليدي، ينبغي للفرق التقنية تدريب كوادرها ووضع منهجيات شاملة وممارسات أفضل. وقبل كتابة أي شيفرة، من الضروري:
- إعداد أدلة للمطوّرين (developer handbooks) لتوجيه وكلاء الذكاء الاصطناعي التوليدي؛
- تحديد قواعد على مستوى برمجيات الذكاء الاصطناعي التوليدي (مثل Cursor Rules)؛
- ووضع إرشادات (مثل إرشادات المشروع، وبنية للمشروع مع تعريفات دلالية لكل مجلد أو وحدة).
هندسة كتابة الموجّهات وإدارة السياق
كما في أي مشروع نموذجي لتطوير حلّ ما، من الضروري أيضاً أن يكون النطاق مغلقاً ومحدّداً جيداً. فأدوات الذكاء الاصطناعي التوليدي، ولا سيما نماذج Claude، تميل دائماً إلى فعل أكثر قليلاً مما يُطلب منها. لذلك من الضروري معرفة الوظائف المطلوب تطويرها، لننشئ انطلاقاً منها مجموعة من المهام ذات الطابع التقني، موجّهة نحو الوظائف المحدّدة (backlog). وعندها يستطيع الوكيل المولِّد للشيفرة تطوير البنود الملموسة المحدّدة في قائمة المهام.
تستهلك جميع مصادر المعلومات هذه جزءاً كبيراً من نافذة السياق لدى النماذج. ونافذة السياق هي الحدّ الأقصى من المعلومات التي يستطيع النموذج «رؤيتها» ومعالجتها دفعة واحدة. وتشمل هذه المعلومات، التي تُقاس بالرموز (tokens، أي كلمات أو أجزاء من كلمات)، المُدخلات (تعليماتك وسجل المحادثة) والمُخرجات (الإجابة المولَّدة) على حدّ سواء. وهي تعمل بمثابة ذاكرة النموذج قصيرة المدى. فإذا تجاوزت محادثةٌ الحدّ، «ينسى» النموذج ما قيل في البداية ويفقد السياق السابق. ومن الضروري:
- توثيق موضوعي (بجمل قصيرة ومباشرة)؛
- تجنّب المعلومات غير ذات الصلة؛
- والتأكد من أن السياق يتّسع في نافذة النموذج.
بالنسبة إلى المؤسسات الكبرى، كما ذُكر سابقاً، لم يعد التحدي في تبنّي الأداة، بل في تحويلها إلى قيمة تجارية قابلة للقياس والتوسّع. فالشركات الناجحة تتعامل مع الذكاء الاصطناعي على أنه مسألة تحوّل، لا مسألة أدوات تكنولوجية.
يتطلّب تبنّي عقلية التحوّل هذه أن يكون طموح الشركة الاستراتيجي في الذكاء الاصطناعي التوليدي واضحاً وتدريجياً. والخطوة الأولى هي توسيع نموذج الحوكمة القائم ليشمل هذه التكنولوجيا الجديدة، بتحديد من يتولّى مسؤولية التطوير والمراقبة، وكيفية ضمان أن يكون استخدامها مسؤولاً وممتثلاً للالتزامات القانونية. ومن دون بنية الحوكمة هذه، تبقى مبادرات الذكاء الاصطناعي تجارب معزولة، عاجزة عن التوسّع ومعرّضة لمخاطر قانونية ومخاطر تمسّ السمعة.
إطار لترتيب أولويات حالات الاستخدام وتوسيع نطاقها
بعد تحديد الحوكمة، ينبغي للقيادة أن تركّز على حالات الاستخدام، لا على التكنولوجيا. ويعني ذلك:
- تحديد العمليات ذات الإمكانات الأكبر للأتمتة؛
- تقييم الأثر مقابل التعقيد في مصفوفة قرار؛
- والاختيار بين بناء الحلول أو شرائها أو تكييفها.
يعتمد نجاح التنفيذ على منظومة متماسكة من التكنولوجيا والأشخاص. وتحتاج الشركات إلى إطار لاتخاذ القرار يضمن أن تكون الأدوات قابلة للتوسّع والقرارات قابلة للتدقيق. لذلك تُعدّ إدارة التغيير أساسية، وينبغي أن تركّز على التدريب ووضع سياسات للاستخدام المسؤول تعلّم الموظفين التحقق من نتائج الذكاء الاصطناعي، لا مجرد قبولها.
وأخيراً، تقيس المؤسسات التي تستخلص القيمة ما يهمّ حقاً. فالنجاح هو الأثر القابل للقياس في مؤشرات الأعمال (KPIs) والعائد على الاستثمار (ROI). ويتطلّب ذلك مراقبة مستمرة للأداء وجمع ملاحظات المستخدمين. ولا شيء سوى هذه الدورة من التنفيذ المنهجي والتعلّم يتيح إثبات قيمة الذكاء الاصطناعي التوليدي أبعد من التجريب، بتحويل الاستثمار إلى نتائج مستدامة.
خلاصة القول، يمثّل vibe coding إغراء السرعة السهلة، لكنه فخّ يولّد ديوناً تقنية ومخاطر. البرمجة المُساعَدة الاحترافية (assisted coding) تقنية لتعزيز عملية التطوير وتسريعها. ويصبح دور المبرمج أقرب إلى دور المراجِع، بل حتى إلى دور مالك المنتج (product owner). ولا يكمن مستقبل تطوير البرمجيات في استبدال المهندس، بل في تحوّله: من «كاتب شيفرة» إلى مهندس للنية، ومدقّق ناقد للمنطق، يضمن الجودة النهائية للحلّ وأمنه وامتثاله.