البرمجة بالحدس ماتت — وشركتك الناشئة ربما أطلقت كارثة أمنية

أندريه كارباثي — المؤسس المشارك لـ OpenAI والرئيس السابق للذكاء الاصطناعي في تسلا — صاغ مصطلح "البرمجة الحدسية" في فبراير 2025، واصفاً أسلوباً في التطوير حيث "تستسلم تماماً للحدس"، وتقبل الكود المُولد بالذكاء الاصطناعي دون فهم كل سطر بالضرورة. أطلق عليه قاموس كولينز لقب كلمة العام لعام 2025. انتشرت الأدوات بشكل كبير: Cursor، Replit، Bolt، Lovable، و Claude Code جذبت مليارات من تمويل رؤوس الأموال المخاطرة. أفادت GitHub أن 46% من جميع الأكواد الجديدة المُرسلة اليوم مُولدة بالذكاء الاصطناعي. في دفعة شتاء 2025 من Y Combinator، كان لدى 25% من الشركات الناشئة قواعد أكواد مُولدة بالذكاء الاصطناعي بنسبة 95% أو أكثر. كان الحدس مثالياً.

بعد أربعة عشر شهراً، وصلت الآثار الجانبية. وأعلن كارباثي نفسه أن البرمجة الحدسية عفا عليها الزمن — ليس لأن الأدوات لا تعمل، بل لأن الصناعة انتقلت إلى شيء أفضل وأصعب: الهندسة العمليّة، حيث يقوم المطورون بتنظيم عملاء الذكاء الاصطناعي بدلاً من قبول مخرجاتهم بشكل أعمى. البيانات تفسر سبب ضرورة هذا التحول.

أرقام الأمان التي لا يريد أحد الحديث عنها

البيانات حول أمان الكود المُولد بالذكاء الاصطناعي واضحة ومثيرة للقلق. شركة الأمان Tenzai بنت 15 تطبيقاً متطابقاً باستخدام خمس أدوات برمجة حدسية شائعة — Claude Code، OpenAI Codex، Cursor، Replit، و Devin. النتيجة: 69 ثغرة أمنية عبر تلك التطبيقات. ستة منها كانت حرجة — بمعنى أنه يمكن استغلالها للحصول على وصول غير مصرح به، أو سرقة البيانات، أو السيطرة على الأنظمة. هذا لم يكن اختباراً لحالات نادرة؛ كانت تطبيقات ويب عادية مبنية بأوامر عادية.

الدراسات الأوسع تؤكد النمط. بين 40% و 62% من الكود المُولد بالذكاء الاصطناعي يحتوي على عيوب أمنية، حسب الدراسة والأداة. الذكاء الاصطناعي يفشل في الحماية من البرمجة النصية عبر المواقع (XSS) بنسبة 86% من الوقت — واحدة من أكثر ثغرات الويب الأساسية والمفهومة جيداً. طلبات السحب المؤلفة بالذكاء الاصطناعي تُظهر معدلات ثغرات أمنية أعلى بـ 2.74 مرة من الكود المكتوب بشرياً. في مارس 2026 وحده، تم إسناد 35 CVE (الثغرات والتعرضات الشائعة) جديدة مباشرة للكود المُولد بالذكاء الاصطناعي — ارتفاعاً من 6 في يناير. خط الاتجاه يتسارع مع وصول المزيد من الكود المُولد بالذكاء الاصطناعي للإنتاج.

حادثة أمازون بلورت المشكلة للجماهير المؤسسية. وفقاً لـ Financial Times، انقطاع خدمة أمازون في ديسمبر كان بسبب روبوت برمجة الذكاء الاصطناعي. الشركة واجهت لاحقاً أربع حوادث حرجة في أسبوع واحد. مذكرة داخلية من أمازون اعترفت أن الضمانات "لم تُؤسس بشكل كامل بعد" — اعتراف مذهل لإحدى أكثر منظمات الهندسة تطوراً في العالم. أمازون تطلب الآن من المهندسين الكبار الموافقة على أي تغييرات كود بمساعدة الذكاء الاصطناعي يقوم بها المهندسون المبتدؤون والمتوسطون. الشركة التي ريادت الحوسبة السحابية على نطاق واسع اضطرت لإضافة حراس بشريين خصيصاً لأن كود الذكاء الاصطناعي لا يمكن الوثوق به.

مقاييس جودة الكود تحكي نفس القصة من زاوية مختلفة. تخبط الكود — معدل كتابة الكود وإرساله ثم إعادة كتابته — ارتفع بنسبة 41%. تكرار الكود زاد أربع مرات. إعادة التنظيم الدقيقة التي تحافظ على صحة قواعد الأكواد مع الوقت انهارت من 25% من الأسطر المُغيرة في 2021 إلى أقل من 10% بحلول 2024. ورقة أكاديمية في يناير 2026 جادلت أن البرمجة الحدسية "تقتل المصادر المفتوحة بهدوء" عبر تقليل مشاركة المطورين مع المشرفين الذين يحافظون على البنية التحتية الحرجة. عندما يتوقف المطورون عن قراءة الكود لأن الذكاء الاصطناعي يُولده، يتوقفون أيضاً عن المساهمة في مشاريع المجتمع التي يعتمد عليها كودهم.

لماذا السرعة بدون فهم تخلق قنابل موقوتة

المشكلة الأساسية مع البرمجة الحدسية ليست أن الذكاء الاصطناعي يُولد كوداً سيئاً — بل أن المطورين يشحنون كوداً لا يفهمونه. عندما يكتب إنسان ثغرة، الإنسان يفهم الكود المحيط جيداً بما فيه الكفاية لإيجاد وإصلاح المشكلة أثناء تصحيح الأخطاء. عندما يُولد الذكاء الاصطناعي ثغرة، المطور الذي طلبها غالباً لا يستطيع تحديد المشكلة لأنه لم يفهم منطق الكود في المقام الأول. الخطأ يصبح صندوقاً أسود داخل صندوق أسود.

هذا يخلق ديناً تقنياً مركباً. كل قطعة من الكود المُولد بالذكاء الاصطناعي التي لا يفهمها المطور بالكامل تضيف طبقة غامضة أخرى للنظام. عندما تتفاعل هذه الطبقات — وهي تفعل دائماً، في النهاية — الأخطاء الناتجة صعبة التشخيص بشكل استثنائي لأن لا أحد في الفريق لديه نموذج ذهني لكيفية عمل النظام فعلاً. يعرفون فقط ما أخبروا الذكاء الاصطناعي أنهم يريدونه. الفجوة بين النية والتنفيذ تنمو بصمت حتى يفشل الإنتاج بطرق لا يستطيع أحد تفسيرها.

مشكلة حرق النقاط تجعل هذا أسوأ. تحليل واحد من مجتمعات بناة التطبيقات وجد أن مستخدمي Lovable حرقوا 400 نقطة على إصلاح الأخطاء وحده — بمعنى أنهم أنفقوا موارد كبيرة لإصلاح كود ولده الذكاء الاصطناعي بشكل خاطئ، باستخدام نفس الذكاء الاصطناعي لمحاولة الإصلاحات، مولدين مشاكل جديدة في العملية. هذه الدورة — توليد، اكتشاف خطأ، طلب من الذكاء الاصطناعي الإصلاح، إدخال خطأ جديد، تكرار — هي الجانب المظلم للتطوير بمساعدة الذكاء الاصطناعي. كل جولة تحرق نقاط أو وقت حوسبة، وقاعدة الكود تتراكم بطبقات من الرقع فوق الرقع التي لم يراجعها أي إنسان بشكل شامل.

ما الذي حل محل البرمجة الحدسية (وما الذي يعمل فعلاً)

الصناعة انقسمت في أوائل 2026 على خط متوقع: المطورون ذوو الخبرة الذين يستخدمون أدوات الذكاء الاصطناعي رأوا مكاسب إنتاجية حقيقية بنسبة 10-30%، بينما المطورون عديمو الخبرة الذين يستخدمون نفس الأدوات أنتجوا مخرجات أكثر بجودة أسوأ. الفرق ليس الأداة — بل ما إذا كان الإنسان يفهم ما يُولده الذكاء الاصطناعي.

المهندسون ذوو الخبرة يستخدمون أدوات برمجة الذكاء الاصطناعي كمسرعات للأنماط المفهومة جيداً: عمليات CRUD، تكاملات API، تنسيق البيانات، دوال الأدوات، الكود النمطي. يراجعون المخرجات، يفهمون تداعياتها، ويلتقطون القضايا الأمنية قبل الإرسال. الذكاء الاصطناعي يوفر الوقت في التنفيذ؛ الإنسان يوفر الحكم والهندسة المعمارية وضمان الجودة. هذا ما يسميه كارباثي الآن "الهندسة العمليّة" — تنظيم عملاء الذكاء الاصطناعي بدلاً من قبول مخرجاتهم بشكل غير نقدي. تحسن الإنتاجية بنسبة 10-30% للبرمجة بالذكاء الاصطناعي المحكومة بشكل صحيح حقيقي ومستدام.

غير المطورين الذين حاولوا بناء برامج إنتاج من خلال الأوامر الخالصة — وعد البرمجة الحدسية الأصلي — اصطدموا بجدران الصيانة خلال أسابيع. بيانات Reddit من مجتمعات البناة تُظهر نمط "الهجرة العكسية": المستخدمون الذين تركوا منصات عدم البرمجة لأدوات برمجة الذكاء الاصطناعي عادوا للبناة المرئيين بعد تجربة عبء صيانة الكود المُولد بالذكاء الاصطناعي. المنصات التي تجمع بين مساعدة الذكاء الاصطناعي والبناء المرئي المنظم تظهر كأرضية متوسطة عملية لغير المطورين.

للمطورين، النقطة العملية واضحة: أدوات برمجة الذكاء الاصطناعي تحويلية عندما تُقترن بالحكم الهندسي. إنها كارثية عندما تُستخدم كبديل للحكم الهندسي. المهارة الوحيدة للذكاء الاصطناعي التي تهم تنطبق هنا كما في أي مكان آخر: القدرة على تقييم مخرجات الذكاء الاصطناعي وممارسة الحكم حول ما إذا كانت صحيحة وآمنة ومناسبة للإنتاج. محسن الأوامر المجاني يساعد في كتابة أوامر برمجة أكثر تحديداً تُنتج مخرجات أفضل في المحاولة الأولى، مما يقلل دورات التكرار التي تُعقد مشاكل الجودة. للتحسين بنقرة واحدة داخل ChatGPT، Claude، و Gemini، TresPrompt يجلبه مباشرة لسير عملك.

الأسئلة الشائعة

هل البرمجة الحدسية سيئة دائماً؟

لا — إنها سيئة لأنظمة الإنتاج. للنماذج الأولية، واستكشاف الأفكار، والتعلم، وصف ما تريده ورؤية الذكاء الاصطناعي يُولده مفيد حقاً. المشكلة عندما يُشحن كود النماذج الأولية للإنتاج بدون مراجعة أو اختبار أمني أو فهم بشري لمنطقه. البرمجة الحدسية كاستكشاف جيدة. البرمجة الحدسية كهندسة خطيرة.

هل Claude Code جزء من مشكلة البرمجة الحدسية؟

Claude Code، مثل أي أداة برمجة بالذكاء الاصطناعي، يمكن استخدامها بمسؤولية أو بغير مسؤولية. ما يميز Claude Code عن أدوات البرمجة الحدسية الخالصة هو سير عمله العمليّ — يُجري اختبارات، يحلل الأخطاء، ويكرر على الحلول بدلاً من مجرد توليد الكود مرة واحدة. لكن حتى مخرجات Claude Code يجب أن يراجعها مطور يفهم قاعدة الكود. الأداة تساعد الهندسة؛ لا تحل محلها.

هل يجب أن أتوقف عن استخدام أدوات برمجة الذكاء الاصطناعي؟

بالطبع لا — مكاسب الإنتاجية حقيقية للمطورين ذوي الخبرة. الاستجابة الصحيحة هي الحوكمة، وليس الامتناع. راجع الكود المُولد بالذكاء الاصطناعي قبل الإرسال. أجر مسوحات أمنية على مخرجات الذكاء الاصطناعي. افهم منطق ما يُولده الذكاء الاصطناعي، خاصة للمصادقة والترخيص ومعالجة البيانات. استخدم الذكاء الاصطناعي لـ 80% من الكود الذي يتبع الأنماط العادية، واكتب الـ 20% الحرجة بنفسك.

كيف أجعل الكود المُولد بالذكاء الاصطناعي أكثر أماناً؟

ثلاث ممارسات: (1) اشمل متطلبات الأمان في أوامرك — "تأكد من التحقق من المدخلات في جميع الحقول المواجهة للمستخدم، استخدم استعلامات معاملة للوصول لقاعدة البيانات، نفذ حماية CSRF." تعليمات الأمان المحددة تُنتج كوداً أكثر أماناً. (2) أجر ماسحات أمان آلية (Snyk، SonarQube، Semgrep) على جميع الأكواد المُولدة بالذكاء الاصطناعي قبل الإرسال. (3) اطلب مراجعة كود بشرية لأي كود مُولد بالذكاء الاصطناعي يلمس المصادقة أو الترخيص أو معالجة المدفوعات أو معالجة البيانات الشخصية.

ما الفرق بين البرمجة الحدسية والهندسة العمليّة؟

البرمجة الحدسية: وصف ما تريد ← قبول أي شيء يُولده الذكاء الاصطناعي ← شحنه. الهندسة العمليّة: تعريف المهمة ← الذكاء الاصطناعي يُولد حلاً ← الذكاء الاصطناعي يُجري اختبارات ← الذكاء الاصطناعي يحدد الفشل ← الذكاء الاصطناعي يكرر ← الإنسان يراجع النتيجة ← الإنسان يوافق أو يعيد التوجيه. الفرق هو حلقة التغذية الراجعة والإشراف البشري. الهندسة العمليّة تستخدم الذكاء الاصطناعي كمتعاون؛ البرمجة الحدسية تستخدم الذكاء الاصطناعي كبديل.

إفصاح: بعض الروابط في هذا المقال روابط تابعة. نوصي فقط بالأدوات التي اختبرناها شخصياً ونستخدمها بانتظام. انظر سياسة الإفصاح الكاملة لدينا.