كيف غيّر الذكاء الاصطناعي تطوير البرمجيات إلى الأبد — بناء المستقبل الوكيل مع أندريه بالتييري [MVP]

يُغيّر الذكاء الاصطناعي تطوير البرمجيات بسرعة لم نعهدها من قبل. فقد انتقل المطورون بالفعل من كتابة كل سطر من الكود بأنفسهم إلى العمل مع مساعدين ذكيين قادرين على توليد الكود، وشرح الأنظمة غير المألوفة، وإنشاء الاختبارات، وتصحيح التطبيقات، وأتمتة الأعمال المتكررة.
لكن بحسب مايكروسوفت MVP أندريه بالتيري، فإن هذا ليس سوى البداية.
في هذه الحلقة من M365.FM، يجلس ميركو بيترز مع أندريه في حوار معمّق حول الانتقال من تطوير البرمجيات التقليدي إلى التطوير بمساعدة الذكاء الاصطناعي، ووكلاء البرمجة، والبنى القائمة على الوكلاء، وMicrosoft Agent Framework، وNET.، وRAG، وهندسة السياق، والأمن، واقتصاديات الذكاء الاصطناعي التوليدي.

من NET. عام 2003 إلى عصر الذكاء الاصطناعي
يعود أندريه بنا إلى الأيام الأولى لـ NET. وC#، حين كان تعلّم تقنية جديدة من مايكروسوفت يعني غالبًا شراء تدريب رسمي والسفر إلى مدينة أخرى.
ومنذ ذلك الحين تطوّر تطوير البرمجيات عبر تطبيقات سطح المكتب، والويب، والهواتف المحمولة، والحوسبة السحابية، والحاويات، والخدمات المصغّرة، والحوسبة بلا خادم.
ويرى أندريه أن الانتقال إلى الذكاء الاصطناعي يبدو مختلفًا جوهريًا، إذ لا يقدّم مجرد منصة أو إطار عمل جديد، بل يقدّم طريقة جديدة للبشر في التفاعل مع البرمجيات.

مساعدو الذكاء الاصطناعي مقابل وكلاء البرمجة
هناك فرق مهم بين وجود مساعد ذكاء اصطناعي داخل بيئة التطوير المتكاملة وبين تفويض العمل إلى وكيل.
يستطيع المساعد شرح الكود، واقتراح إعادة الهيكلة، والإجابة عن الأسئلة، ومساعدة المطورين على فهم تطبيقاتهم.
أما الوكيل فيمكنه استلام هدف، ووضع خطة، وتقسيم العمل إلى مهام أصغر، واستخدام الأدوات، وتنسيق وكلاء إضافيين، وتنفيذ أجزاء كبيرة من الحل.
ويشرح أندريه كيف أن هذا يغيّر بالفعل طريقة عمله الخاصة، إذ يولّد الذكاء الاصطناعي الآن معظم الكود الذي كان سيكتبه يدويًا في السابق.

تطوير البرمجيات القائم على المواصفات
مع ازدياد قدرات الوكلاء، تصبح المواصفات أكثر أهمية.
فبدلًا من وصف كل تفصيل تنفيذي، يمكن للمطورين تحديد المتطلبات والبنية والقيود والسلوك المتوقع، والسماح للوكلاء بتحديد كيفية إنجاز أجزاء التنفيذ.
وهذا ينقل اهتمام المطور من مجرد إنتاج الكود نحو تحديد ما يجب بناؤه ولماذا.

إطار عمل وكيل Microsoft
ينتقل الحوار إلى Microsoft Agent Framework ودوره في إدخال قدرات الذكاء الاصطناعي إلى التطبيقات القائمة.
يشرح أندريه كيف يجمع الإطار القدرات المرتبطة بـ Semantic Kernel وAutoGen، ويزوّد المطورين بأدوات لربط النماذج، وتنسيق سير العمل، واستخدام MCP، وتطبيق RAG، ومعالجة إدخال البيانات، وكشف وظائف التطبيق للذكاء الاصطناعي.
وبالنسبة لمطوري NET.، فإن هذا يمكن أن يقلل بشكل كبير من كمية كود التكامل المطلوب.

لماذا لا يزال NET. مهمًا في عصر الذكاء الاصطناعي
لا تزال Python من أبرز اللغات في تطوير الذكاء الاصطناعي، لكن أندريه يؤكد بقوة أن NET. وC# في موقع ممتاز لتطبيقات الذكاء الاصطناعي المؤسسية.
فـ NET. يتطور بسرعة، وتمنح أدوات الذكاء الاصطناعي من مايكروسوفت مطوري C# وصولًا أصيلًا إلى قدرات الذكاء الاصطناعي الحديثة.
وبالتالي قد تمتلك المؤسسات التي طبّقت منطق أعمالها سنوات بلغة NET. ميزة كبيرة، إذ لا تحتاج بالضرورة إلى إعادة بناء كل شيء قبل إدخال الذكاء الاصطناعي، بل يمكن كشف الوظائف القائمة للوكلاء والتطبيقات المدعومة بالذكاء الاصطناعي بشكل انتقائي.

من البرمجيات الحتمية إلى الأنظمة القائمة على الوكلاء
معظم التطبيقات التقليدية حتمية إلى حد كبير:
إذا حدث X، فنفّذ Y.
أما الأنظمة القائمة على الوكلاء فتقدّم نموذجًا آخر:
هذا هو الهدف. حدّد الإجراءات اللازمة لتحقيقه.
وهذا يمثل تحولًا معماريًا كبيرًا.
فبدلًا من تحديد كل مسار ممكن بشكل صريح، يحدد المطورون بشكل متزايد الأهداف والأدوات والسياق والصلاحيات والقيود والحدود التي يمكن للذكاء الاصطناعي أن يعمل ضمنها.

أنماط التصميم لم تمت
لا يُلغي الكود المولَّد بالذكاء الاصطناعي عقودًا من معرفة هندسة البرمجيات.
فالكود النظيف، وقابلية الصيانة، والاختبار، والهندسة المعمارية، وأنماط التصميم لا تزال مهمة، لأن الذكاء الاصطناعي غالبًا ما يتعلم كيفية تنفيذ وظائف جديدة من خلال دراسة قاعدة الكود القائمة.
لذلك قد يؤدي الكود الفوضوي إلى مزيد من الكود الفوضوي.
لا يزال المطورون بحاجة إلى فهم البنية الهندسية والمبادئ الهندسية حتى عندما يتولى وكيل ذكاء اصطناعي معظم التنفيذ.

مشكلة البرمجيات العشوائية
يتوقع المطورون التقليديون أن تنتج المدخلات المتطابقة مخرجات متطابقة.
أما الذكاء الاصطناعي التوليدي فهو احتمالي.
فقد يُنتج الطلب نفسه تطبيقات أو إجابات أو سلوكيات مختلفة عبر عدة عمليات تنفيذ.
ويناقش أندريه لماذا يتطلب هذا من المطورين إعادة التفكير في الاختبار والتحقق، ولماذا تصبح الضوابط الصارمة أكثر أهمية عندما تُتاح وظائف الذكاء الاصطناعي لأعداد كبيرة من المستخدمين.

هندسة السياق أهم من كتابة الأوامر
اختيار أحدث نموذج ليس بالضرورة القرار الأهم.
يرى أندريه أن السياق هو كل شيء.
يحتاج المطورون إلى فهم المشكلة التجارية والبيئة التقنية بما يكفي لتزويد الذكاء الاصطناعي بالمعلومات الصحيحة.
السياق القليل يؤدي إلى نتائج ضعيفة، والسياق الكثير قد يُربك النموذج.
والتحدي يكمن في إيجاد المعلومات التي تهم فعلًا.

RAG والبيانات ونافذة السياق
يصبح التوليد المعزَّز بالاسترجاع (RAG) بالغ الأهمية عندما تريد المؤسسات أن تعمل أنظمة الذكاء الاصطناعي مع معرفتها الخاصة.
لكن بناء نظام RAG لا يقتصر على وضع المستندات في قاعدة بيانات متجهية.
فالبيانات تحتاج إلى التنظيف والهيكلة والتقسيم والاسترجاع، ثم إدراجها في سياق النموذج بذكاء.
ويشارك أندريه مثالًا من منصته التعليمية، حيث جرى تفريغ الدروس المصوّرة ووضع فهرس لها، حتى يتمكن المستخدمون من البحث عن المفاهيم والانتقال مباشرة إلى النقطة ذات الصلة في الفيديو.

الذاكرة وإدارة سياق الذكاء الاصطناعي
تطرح المحادثات الطويلة مع الذكاء الاصطناعي تحديًا آخر هو الذاكرة.
فعندما تمتلئ نوافذ السياق، يجب تلخيص المحادثات أو ضغطها.
ويشرح أندريه لماذا ينبغي للمطورين إدارة هذه العملية بفعالية بدلًا من افتراض أن نظام الذكاء الاصطناعي سيحتفظ دائمًا بأهم المعلومات.
وأحيانًا يكون الحل الأمثل بسيطًا بشكل مدهش: أنهِ المهمة، وأغلق المحادثة، وابدأ من جديد بسياق نظيف.
كما يمكن لملفات المواصفات وMarkdown أن توفر سياقًا دائمًا للمشروع لوكلاء البرمجة.

الأمن والصلاحيات ومبدأ أقل الامتيازات
يؤدي منح وكيل ذكاء اصطناعي الوصول إلى الأدوات وبيانات الشركة إلى آثار أمنية كبيرة.
ويوصي أندريه بمعاملة الوكلاء وفق مبادئ مشابهة لهويات البشر: أغلِق كل شيء افتراضيًا، ولا تكشف إلا ما يحتاجه الوكيل فعليًا.
فبدلًا من منح نظام ذكاء اصطناعي وصولًا غير مقيّد إلى قاعدة البيانات، ينبغي للمطورين كشف وظائف مُحكمة التحكم تعيد فقط المعلومات اللازمة لمهمة معينة.
ويصبح هذا مهمًا بشكل خاص عندما يتمكن الوكلاء من قراءة بيانات المؤسسة أو تعديلها.

حقن الأوامر وضوابط حماية الذكاء الاصطناعي
يخلق حقن الأوامر (Prompt Injection) سطح هجوم جديدًا للتطبيقات المدعومة بالذكاء الاصطناعي.
يمكن للمستخدمين التلاعب بالأوامر عمدًا، ومحاولة استرجاع معلومات خارج السياق المقصود، أو استنزاف موارد الشركة، أو إقناع نظام الذكاء الاصطناعي بتنفيذ إجراءات لم يتوقعها مصمموه.
ويستعرض النقاش أهمية تعليمات النظام، والقيود على مستوى التطبيق، والوظائف المُحكمة، والهوية، والصلاحيات، ومنصات مثل Azure AI Foundry لإنشاء حدود أمنية إضافية.

الحوكمة المالية للذكاء الاصطناعي (AI FinOps) — لا تستخدم الذكاء الاصطناعي التوليدي في كل شيء
من أكثر الدروس العملية في الحوار أن كون الذكاء الاصطناعي قادرًا على أداء مهمة ما لا يعني أنه ينبغي عليه أداؤها.
يميّز أندريه بين أعباء العمل التوليدية وأعباء العمل الحتمية.
فإذا كان لا بد أن يحدث شيء بالطريقة نفسها في كل مرة، فقد تكون البرمجة التقليدية أسرع وأرخص وأكثر موثوقية.
ويعطي المثال التالي