"Tokenmaxxing" تربك المطورين.. كود أكثر لا يعني إنتاجية أعلى

في وقت تتسارع فيه وتيرة اعتماد أدوات الذكاء الاصطناعي داخل عالم البرمجة، بدأت تظهر مؤشرات مقلقة حول ما يُعرف بظاهرة "Tokenmaxxing"، التي قد تمنح انطباعاً زائفاً بارتفاع الإنتاجية لدى المطورين.

ويشير مصطلح "Tokenmaxxing" إلى التوسع في استهلاك الرموز أو القدرة الحاسوبية المخصصة لتشغيل أدوات الذكاء الاصطناعي، والتي باتت تُستخدم كمقياس غير رسمي للأداء داخل بعض شركات وادي السيليكون.

غير أن خبراء يرون أن هذا المعيار يركّز على “مدخلات العمل” بدلاً من نتائجه الفعلية.

كود أكثر.. لكن بجودة أقل؟

لطالما شكّلت إنتاجية المطورين موضوعاً جدلياً، بدءاً من قياس عدد أسطر الكود، وصولاً إلى مؤشرات أكثر تعقيداً، بحسب تقرير نشره موقع "تك كرانش" واطلعت عليه "العربية Business".

لكن مع ظهور أدوات مثل Claude Code وCursor وCodex، بات المطورون قادرين على توليد كميات ضخمة من الشيفرات البرمجية بسرعة غير مسبوقة.

ورغم أن هذه الأدوات ترفع معدل قبول الكود إلى ما بين 80% و90%، إلا أن الصورة الكاملة تبدو مختلفة، وفقاً لبيانات شركات تحليل الأداء.

إذ يضطر المطورون في كثير من الحالات إلى العودة لاحقاً لإعادة تعديل الكود نفسه، ما يخفض معدل القبول الفعلي إلى ما بين 10% و30% فقط.

إعادة كتابة مستمرة وتكلفة أعلى

وتكشف بيانات شركة Waydev، التي تتابع أداء آلاف المهندسين، أن المشكلة لا تكمن في إنتاج الكود، بل في استدامته وجودته.

فالكود الناتج عن الذكاء الاصطناعي يحتاج إلى مراجعات متكررة، ما يزيد من “دوران الكود” أو ما يُعرف ب Code Churn.

وفي السياق ذاته، أظهرت تقارير شركات مثل "GitClear" و"Faros AI" و"Jellyfish" أن اعتماد أدوات الذكاء الاصطناعي أدى إلى زيادة كبيرة في حجم الكود المكتوب، لكن دون تحسن متناسب في الإنتاجية الفعلية.

ففي بعض الحالات، ارتفع معدل “دوران الكود” بنسبة وصلت إلى 861%، بينما سجّل المستخدمون المنتظمون لأدوات الذكاء الاصطناعي معدلات إعادة كتابة أعلى بنحو 9 أضعاف مقارنة بغيرهم.

كما أظهرت البيانات أن المطورين الذين يحصلون على ميزانيات أكبر من الرموز ينتجون كوداً أكثر، لكن دون كفاءة اقتصادية، إذ يحققون ضعف الإنتاجية مقابل تكلفة أعلى بعشر مرات.

فجوة بين المطورين

وتبرز الفجوة بشكل واضح بين المطورين المبتدئين وذوي الخبرة، حيث يميل المبتدئون إلى قبول الكود الناتج عن الذكاء الاصطناعي بشكل أكبر، ما يؤدي لاحقاً إلى تراكم الأخطاء وزيادة الحاجة لإعادة الكتابة.

وفي ظل هذا الواقع، تتزايد التحديات المتعلقة بمراجعة الكود والديون التقنية، حتى مع استمرار الإقبال على هذه الأدوات التي تمنح المطورين سرعة ومرونة غير مسبوقة.

مرحلة انتقالية لا رجعة فيها

ورغم هذه التحديات، يبدو أن القطاع يتجه نحو التكيّف مع الواقع الجديد، حيث ترى الشركات أن الاعتماد على الذكاء الاصطناعي في تطوير البرمجيات لم يعد خياراً، بل ضرورة.

ومع استمرار تطور هذه الأدوات، يبقى التحدي الأكبر في كيفية قياس الإنتاجية بشكل يعكس القيمة الحقيقية، لا مجرد حجم الكود أو استهلاك الموارد.