Building Faster with AI – بناء أسرع مع الذَّكاء الاصطناعي

نسلط الضَّوء في هذه المقالة على أبرز الأفكار والرؤى التي استعرضها أندرو نغ حول الكيفية التي أعاد بها الذكاء الاصطناعي صياغة مشهد ريادة الأعمال؛ فمع الطَفرة المتسارعة في النَّماذج اللغوية والأدوات الذكية، لم يعد بناء المنتجات الرياديّة والاجتماعيّة عمليةً معقدة تستغرق أشهرًا من العمل، بل أصبح رحلةً أكثر سرعة ومرونة، تُمكّن روّاد الأعمال من تحويل أفكارهم إلى نماذج أولية قابلة للتجرِبة والتّطوير والابتكار بوتيرة غير مسبوقة.

ما الذي يميّز الذّكاء الاصطناعي الوكيلي عن النّماذج التّقليديّة؟

أوضح أندرو نغ Andrew Ng أنَّ الفارق الجوهري بين النّماذج التّقليدية والنّماذج الوكيلية يكمن في آلية التفكير والتّنفيذ؛ فبدلًا من الاكتفاء بإجابة مباشرة كما في النماذج التقليدية، يعمل الذكاء الاصطناعي الوكيلي ضمن حلقة تكرارية (Iterative Workflow) يتناوب فيها بين التّفكير، والبحث، والتّحقق، والمراجعة، ثم يعيد تحسين مخرجاته حتى يصل إلى النتيجة المنشودة.

يحاكي هذا الأسلوب طريقة عمل الباحث أو المهندس، ويمنح النموذج قدرةً أعلى على معالجة المهام المعقّدة التي تتطلّب الاستدلال والتّخطيط واتّخاذ القرار.

هل ينبغي أن تكون فكرتك عامة أم محددة؟

يشير أندرو نغ إلى أنَّ أفضل وسيلة لاختبار أية فكرة هي تحويلها إلى نموذج أولي بسيط (prototype) وواضح بأسرع وقت ممكن؛ فكلَّما كانت الفكرة محددة وقابلة للتجربة، أصبح من الأسهل الحكم عليها: هل تستحق الاستمرار أم ينبغي التّخلي عنها؟ وبذلك تُختصر أشهر من الجدل النّظري إلى أيام قليلة من التّجريب العملي.

لماذا يُعدُّ بناء النّموذج الأولي أسرع بعشر مرات من تطوير المنتج النهائي؟

يفرّق أندرو نغ بين مسارين في تطوير البرمجيات، لكلّ منهما هدف مختلف:

• تطوير منتج إنتاجي متكامل (Production Software)، وهو مسار يراعي متطلبات الأمان، وقابلية التّوسُّع، والتّكامل مع الأنظمة القائمة (Legacy Systems)؛ إذ يسهم الذكاء الاصطناعي في رفع إنتاجية فرق التطوير بنسبة تتراوح بين 30% و50%.
• تطوير نموذج أولي (Prototype)، يهدف إلى التحقق من صلاحية الفكرة واختبارها بسرعة، من دون الانشغال في هذه المرحلة بتفاصيل النّشر أو البنية التّحتية أو متطلَّبات الأمان والتَّوسُّع. وفي هذا النوع من التطوير، قد تصل الزيادة في سرعة الإنجاز إلى عشرة أضعاف (10×).

ويؤكِّد أندرو نغ أنَّ هذه القفزة في سرعة بناء النماذج الأولية غيّرت أسلوب عمل الشَّركات النَّاشئة؛ فبدلًا من استثمار أشهر في تطوير منتج واحد قد لا يلقى قبولًا في السوق، أصبح بإمكانها بناء عشرات النماذج الأولية، واختبارها مع المستخدمين، ثم اختيار الحل الأكثر توافقًا مع احتياجاتهم قبل الشروع في تطوير المنتج النّهائي؛ وبهذا تنتقل الشَّركات من الرهان على فكرة واحدة إلى التجريب السريع القائم على الأدلة والبيانات؛ ما يزيد احتمالية الوصول إلى توافق حقيقي بين المنتج والسوق (Product-Market Fit).

كيف تطوَّرت أدوات البرمجة من مساعد ذكي إلى مهندس برمجيات وكيل؟

استعرض أندرو نغ التحول المتسارع الذي شهدته أدوات تطوير البرمجيات في السّنوات الأخيرة. فقد بدأت الرحلة بأدوات الإكمال التلقائي للشيفرة، مثل GitHub Copilot، التي ساعدت المطورين على تسريع كتابة الأكواد. ثم تطورت إلى بيئات تطوير متكاملة مدعومة بالذكاء الاصطناعي، مثل Cursor وWindsurf، القادرة على فهم سياق المشروع، وتقديم دعم أكثر شمولًا في أثناء عملية التطوير.

أما اليوم، فقد دخلنا مرحلة جديدة مع ظهور المساعدين البرمجيين الوكيلين (Agentic Coding Assistants)، مثل Claude Code وCodex، الذين لم يعودوا يقتصرون على اقتراح الشيفرة، بل أصبحوا قادرين على فهم المتطلبات، ووضع خطة للتنفيذ، وكتابة الشيفرة، وتشغيل الاختبارات، واكتشاف الأخطاء، وإصلاحها بصورة شبه مستقلة.

وانطلاقًا من هذا التحول، يؤكد أندرو نغ أنَّ القيمة الحقيقية لم تعد تكمن في كتابة الشيفرة البرمجية نفسها، بل في القدرة على فهم المشكلة، وتصميم الحل المناسب، وصياغة المتطلَّبات بوضوح، وتسريع تحويل الأفكار إلى منتجات قابلة للاختبار؛ فمع ازدياد اعتماد الذكاء الاصطناعي على تنفيذ المهام البرمجية، ينتقل دور المهندس تدريجيًا من كاتب للشيفرة إلى مصمم للحلول وقائد لعملية التطوير.

هل ما تزال القرارات التقنية قرارات نهائية لا رجعة فيها؟

استشهد أندرو نغ بمفهومٍ شائع داخل شركة أمازون لتصنيف القرارات بحسب سهولة التراجع عنها:

• One-way Door: قرارات لا يمكن التراجع عنها أو يصعب تعديلها بعد اتخاذها، ولذلك تستوجب دراسة متأنية قبل الإقدام عليها.
• Two-way Door: قرارات يمكن الرجوع عنها أو تعديلها بسهولة، ومن ثم ينبغي اتخاذها بسرعة، مع الاستعداد لتصحيح المسار عند الحاجة.

ويرى أندرو نغ أن تطور أدوات الذكاء الاصطناعي غيّر طبيعة كثير من القرارات التقنية. فاختيارات كانت تُعد في السابق قرارات مصيرية، مثل تصميم البنية المعمارية للنظام أو اختيار بعض التقنيات الأساسية، أصبحت اليوم أقل تكلفة وأسهل تعديلًا بفضل القدرة على إعادة بناء الشيفرة، وإعادة هيكلة الأنظمة، وتجربة بدائل متعددة بسرعة كبيرة.

ومن هذا المنطلق، يدعو رواد الأعمال إلى التخلي عن ثقافة التردد والسعي إلى الكمال منذ البداية، وتبنّي ثقافة التجريب السريع، والتكرار المستمر، واتخاذ القرارات القابلة للمراجعة والتعديل. فسرعة التعلم والتكيف أصبحت اليوم أكثر قيمة من محاولة الوصول إلى القرار المثالي من المحاولة الأولى.

كيف تحصل على تغذية راجعة فعّالة دون انتظار المنتج الكامل؟

يشدد أندرو نغ على أن أسرع طريق إلى بناء منتج ناجح لا يمر عبر الكمال، بل عبر التغذية الراجعة المبكرة. ولهذا يقترح مسارًا تدريجيًا للحصول على آراء المستخدمين، يبدأ بأبسط الخطوات وأقلها تكلفة، ثم يتوسع تدريجيًا كلما نضج المنتج:

• جرّب المنتج بنفسك.
• اعرضه على عدد قليل من الزملاء أو الأصدقاء.
• اطلب آراء مجموعة محدودة من المستخدمين الجدد.
• أرسل النموذج الأولي إلى مئات المختبرين.
• وسّع نطاق الاختبارات ليشمل آلاف المستخدمين.
• وعند اكتمال نضج المنتج، أطلقه رسميًا وأجرِ اختبارات A/B لتحسينه اعتمادًا على بيانات الاستخدام الفعلية.

ويؤكد أندرو نغ أن التغذية الراجعة السريعة أكثر قيمة من السعي إلى الكمال منذ البداية؛ فكلما وصل المنتج إلى المستخدمين الحقيقيين في وقت أبكر، ازدادت سرعة اكتشاف مواطن القوة والقصور، وتسارع الوصول إلى توافق حقيقي بين المنتج واحتياجات السوق. فالشَّركات النَّاشئة الناجحة لا تبني منتجًا كاملًا أولًا ثم تبحث عن رأي المستخدمين، بل تتعلم من المستخدمين أثناء عملية البناء نفسها..

لماذا أصبح الفهم التقني للذكاء الاصطناعي ميزةً تنافسية؟

يشير أندرو نغ إلى أن كثيرًا من المجالات، مثل التسويق، والمبيعات، والموارد البشرية، وحتى تقنيات تطوير تطبيقات الهواتف الذكية، أصبحت معارفها وأفضل ممارساتها متاحة على نطاق واسع، ولم تعد تمثل عنصرًا فارقًا بين الشَّركات. أما الذكاء الاصطناعي، فما يزال ميدانًا سريع التطور، تتغير أدواته وتقنياته بوتيرة متسارعة، الأمر الذي يجعل الفهم التقني العميق أحد أهم مصادر التميز التنافسي.

ولا تقتصر قيمة هذا الفهم على الإلمام بالمفاهيم النظرية، بل تمتد إلى اتخاذ قرارات تقنية أكثر دقة وكفاءة، مثل تحديد مستوى الأداء الواقعي الذي يمكن توقعه من تطبيقات الذكاء الاصطناعي، واختيار المنهج الأنسب لبناء الحلول، سواء بالاعتماد على Prompting أو Fine-tuning أم Agentic Workflows، فضلًا عن تحسين كفاءة الأنظمة وتقليل زمن الاستجابة، ولا سيما في التطبيقات الصوتية والأنظمة التي تعمل في الزمن الحقيقي.

ويؤكد أندرو نغ أن الشَّركات التي تمتلك فهمًا تقنيًا راسخًا لا تبني منتجات أفضل فحسب، بل تتخذ قراراتها بسرعة أكبر، وتستثمر مواردها بكفاءة أعلى، وتتمكن من مواكبة التطور المتسارع في تقنيات الذكاء الاصطناعي بثقة ومرونة.

كيف أصبح الذكاء الاصطناعي التوليدي منصةً لبناء المنتجات المبتكرة؟

يشبّه أندرو نغ أدوات الذكاء الاصطناعي التوليدي بمجموعة من اللبنات البرمجية الذكية التي يمكن تركيبها وإعادة توظيفها بمرونة لبناء تطبيقات وخدمات جديدة. فبدلًا من تطوير كل مكوّن من الصفر، أصبح بإمكان المطورين ورواد الأعمال دمج نماذج وتقنيات جاهزة، مثل النماذج اللغوية، وأنظمة الرؤية الحاسوبية، وتحويل الكلام إلى نص، وتوليد الصور، ضمن منظومة واحدة تؤدي وظيفة متكاملة.

ويؤكد أن هذا التحول خفض الحواجز التقنية والمالية أمام الابتكار، ومنح الشَّركات النَّاشئة القدرة على تطوير منتجات أكثر تطورًا في وقت أقصر وبتكلفة أقل. وأتاح لها استثمار هذه المكونات الذكية بطرائق إبداعية لإنتاج حلول جديدة لم تكن ممكنة بالسهولة نفسها في السابق؛ ما يسرّع وتيرة الابتكار، ويعزز فرص النمو، ويمنح الشَّركات مرونة أكبر في التجريب وتطوير المنتجات.

هل ينبغي بناء الميزة التَّنافسية منذ اليوم الأول؟

يشدد أندرو نغ على أن الانشغال المبكر ببناء الحصون التنافسية Moats ليس ما يصنع نجاح الشَّركات النَّاشئة؛ فالأولوية الحقيقية ينبغي أن تنصب على بناء منتج يلبّي احتياجات العملاء، ويجدون فيه قيمة تدفعهم إلى استخدامه باستمرار.

ويرى أنَّ معظم المزايا التنافسية المستدامة لا تُصنع منذ الانطلاقة، بل تتشكل تدريجيًا مع اكتساب المنتج الزخم، واتساع قاعدة المستخدمين، وترسيخ العلامة التجارية، وتراكم الخبرات والبيانات. أما الانشغال المبكر بالتخطيط بعيد المدى أو السّعي إلى بناء حواجز يصعب على المنافسين تجاوزها، فقد يبدد الوقت والموارد قبل التَّأكُّد من وجود منتج يحقق توافقًا حقيقيًا مع احتياجات السوق.

ومن هنا، يدعو أندرو نغ رواد الأعمال إلى التركيز أولًا على بناء منتج يحبه العملاء؛ فالميزة التنافسية ليست نقطة البداية، بل ثمرة النجاح والاستمرار.

هل يجب الالتزام بنموذج ذكاء اصطناعي واحد؟

اختتم أندرو نغ محاضرته بنصيحة عملية تعكس طبيعة سوق الذكاء الاصطناعي سريع التغير، مؤكدًا أنَّ الولاء ينبغي أن يكون لنتائج التقييم، لا لأسماء النماذج أو شهرتها؛ ولهذا، ينصح ببناء منظومة تقييم (Evaluation Suite) تضم مجموعة من الاختبارات التي تُمثِّل المهام الحقيقية التي يؤديها التطبيق، بحيث تُستخدم لمقارنة أداء النماذج المختلفة بصورة موضوعية ومستمرة.

ونظرًا إلى انخفاض تكلفة الانتقال بين النماذج الأساسية (Foundation Models)، لم يعد هناك مُسوِّغ للارتباط بنموذج واحد على المدى الطويل. فالنموذج الأمثل اليوم قد يتراجع غدًا أمام نموذج أكثر دقة، أو أسرع استجابة، أو أقل تكلفة؛ لذلك، ينبغي اعتماد النموذج الذي يحقق أفضل النتائج على اختباراتك الخاصة، مع الاستعداد لاستبداله كلما ظهرت بدائل أكثر كفاءة.

ويؤكد أندرو نغ أنَّ المرونة في اختيار النماذج، والاعتماد على التقييم المستمر، أصبحا من أهم العوامل التي تمنح الشَّركات النَّاشئة قدرةً أكبر على الابتكار، وخفض التّكاليف، ومواكبة التّطور المتسارع في تقنيات الذكاء الاصطناعي.

رابط المحاضرة تجدونه هنا