باسم محارمة: يرصد 4 مهارات تعيد رسم مستقبل هندسة الذكاء الاصطناعي

يعيد التطور المتسارع في أدوات الذكاء الاصطناعي تشكيل طبيعة العمل البرمجي، ولا يقتصر تأثيره على تسريع كتابة الأكواد، وإنما يمتد إلى المهارات التي يحتاجها المطور والمهندس حتى يظل قادرًا على المنافسة في سوق يتغير بوتيرة متسارعة.

وفي هذا السياق، يسلط باسم محارمة، الرئيس السابق للمركز الوطني للأمن السيبراني في الأردن (NCSC-Jordan) وأحد المتخصصين في الأمن السيبراني والذكاء الاصطناعي، الضوء على خريطة المهارات الجديدة في هندسة الذكاء الاصطناعي، مستندًا إلى طرح Andrew Ng، مؤسس Coursera، بشأن التحول الكبير الذي طرأ على طريقة بناء البرمجيات مقارنة بعام 2022.

وبحسب محارمة، فإن امتلاك المهارات المناسبة يفتح أمام المتخصصين فرصًا جديدة في المشروعات والوظائف، لكن وسط الزخم الكبير المحيط بالذكاء الاصطناعي، تبرز الحاجة إلى تحديد المهارات التي تحمل قيمة فعلية داخل بيئة العمل.

وتستند خريطة مهارات هندسة الذكاء الاصطناعي إلى تحليل أكثر من 10 آلاف إعلان وظيفي، إلى جانب مقابلات مع خبراء ومديري توظيف واستطلاعات، لتحديد 4 مهارات أساسية لمن يريد بناء مسار مهني جاد في هذا المجال.

بناء ونشر تطبيقات الذكاء الاصطناعي

لم يعد التعامل مع الذكاء الاصطناعي مجرد استخدام لنموذج جاهز، إذ تختلف طبيعة مخرجات أنظمة AI عن البرمجيات التقليدية، ما يجعل فهم كيفية بناء الأنظمة واختبارها وتحسينها عنصرًا أساسيًا.

وتشمل المهارات المطلوبة فهم نماذج اللغة الكبيرة LLMs، وتقنيات RAG، ووكلاء الذكاء الاصطناعي Agents، إلى جانب أدوات التقييم Evals وتحليل الأخطاء، بهدف الوصول إلى تطبيقات أكثر موثوقية وقدرة على العمل في بيئات حقيقية.

أساسيات هندسة البرمجيات

رغم أن أدوات الذكاء الاصطناعي أصبحت أكثر قدرة على كتابة البرمجيات، فإن ذلك لا يعني تراجع أهمية المعرفة الهندسية، بل على العكس، تصبح معرفة التكلفة وقابلية التوسع والأمان والخصوصية أكثر أهمية عند تقييم الحلول التي تنتجها تلك الأدوات.

وبالتالي، يحتاج المطور إلى توجيه أدوات الذكاء الاصطناعي واتخاذ القرارات الهندسية المناسبة، بدلًا من تركها تحدد بمفردها طريقة بناء النظام.

استخدام Coding Agents

أصبحت وكلاء البرمجة من الأدوات الرئيسية في عملية التطوير، لكن قيمتها لا تأتي من تشغيلها فقط، وإنما من قدرة المطور على إدارتها بكفاءة.

ويشمل ذلك إدارة الـContext، وتحديد متى يحتاج العمل إلى التخطيط ومتى ينتقل إلى التنفيذ، إلى جانب توفير أدوات تحقق للـAgent تساعد على إنتاج كود أكثر قوة، مع تقليل الوقت واستهلاك الـTokens.

تشكيل المنتج وتحديد ما يجب بناؤه

مع ارتفاع قدرة الـAgents على تنفيذ المهام البرمجية، تنتقل أهمية أكبر إلى الجانب الذي لا يتعلق بالتنفيذ نفسه، وإنما بتحديد ما الذي ينبغي بناؤه.

وهنا تبرز أهمية فهم الأعمال والعملاء، وامتلاك حس منتجي يسمح بتحديد المشكلة التي تستحق الحل، وتحويلها إلى منتج قابل للتنفيذ.

فكلما أصبحت أدوات الذكاء الاصطناعي أفضل في الإجابة عن سؤال «كيف نبني؟»، أصبحت قدرة الإنسان على الإجابة عن سؤال «ماذا نبني؟ ولماذا؟» أكثر أهمية.

التعلم المستمر.. المهارة التي تجمع كل ما سبق

ولا تنفصل هذه المهارات عن عامل أكثر أهمية، وهو القدرة على التعلم المستمر، خصوصًا أن أدوات الذكاء الاصطناعي ونماذجه وأساليب تطويره تتغير بسرعة.

ومن ثم، لا يحتاج المطور إلى انتظار الحصول على مسمى وظيفي يحمل اسم AI Engineer حتى يبدأ في تطوير هذه المهارات، لأن الذكاء الاصطناعي أصبح بالفعل جزءًا من بيئة تطوير البرمجيات، وأصبحت القدرة على التعامل معه بكفاءة عنصرًا أساسيًا في مستقبل العمل الهندسي.

التحول الحقيقي لا يتعلق إذن باستبدال المطور بالذكاء الاصطناعي، وإنما بإعادة توزيع الأدوار؛ من التركيز على كتابة الكود فقط، إلى فهم المشكلة، وتوجيه الأدوات، وتقييم النتائج، واتخاذ القرارات، وتحديد المنتجات التي تستحق أن تُبنى.