تكفي عطلة نهاية أسبوع واحدة. بضع ساعات من المحادثة مع أداة ذكاء اصطناعي، وإذا بين يديك تطبيق فيه تسجيل للمستخدمين ولوحة تحكم ومحاكاة للدفع، يُبهر الجميع في اجتماع يوم الاثنين. هذا إنجاز حقيقي، ولسنا ضده. تبدأ المشكلة عندما تُوضع النسخة نفسها، من دون تغيير، أمام مستخدمين حقيقيين وبيانات حقيقية ومهاجمين حقيقيين.

هذا المقال موجّه إلى الرئيس التنفيذي أو المؤسس أو مدير المنتج الذي يملك نموذجاً أولياً بُني بالذكاء الاصطناعي، أو يكتب فريقه جزءاً كبيراً من الكود بمساعدته، ويحتاج الآن إلى أن يقرر كيف يحوّله إلى منتج يمكن للأعمال الاعتماد عليه. نشرح ما هو الـ Vibe Coding بالضبط، ولماذا تعمل مخرجاته في العرض التجريبي وتنهار في بيئة الإنتاج (production)، وماذا تقول أحدث الأدلة، وما مراحل الطريق من النموذج الأولي إلى نظام يعمل في الإنتاج.

ملخص للمديرين

  • الـ Vibe Coding هو بناء البرمجيات بوصف ما تريده للذكاء الاصطناعي، من دون قراءة الكود الذي يولّده أو فهمه. وهو ممتاز للنماذج الأولية واختبار الأفكار، لكنه لا يكفي لنظام يحتفظ ببيانات المستخدمين وأموالهم.
  • معيار الـ Vibe Coding هو «إنه يعمل». أما معيار الإنتاج فهو أن يعمل بأمان واستقرار، وأن يكون قابلاً للرصد والصيانة، ومعظم ذلك لا يظهر في العرض التجريبي.
  • وفق أحدث بيانات Veracode، ما زال الكود المولّد بالذكاء الاصطناعي يُدخل ثغرات في أكثر من ثلث الاختبارات الأمنية.
  • الحل ليس التخلي عن الذكاء الاصطناعي، بل أن يمرّ الكود المولّد، مثل أي كود آخر، عبر بوابة هندسية: مراجعة، واختبارات، وفحص أمني، وفصل للبيئات، ورصد، ومالك واضح.

ما هو الـ Vibe Coding؟

صاغ مصطلح Vibe Coding، أو «البرمجة بالإحساس»، أندريه كارباثي، أحد مؤسسي OpenAI والمدير السابق للذكاء الاصطناعي في تسلا، في فبراير ٢٠٢٥. وصف بذلك أسلوب عمل يقول فيه المبرمج ما يريده للذكاء الاصطناعي بلغة عادية، ويقبل التغييرات من دون قراءتها، وإذا ظهر خطأ أعاد نص الخطأ إلى الأداة نفسها، إلى حدّ أن تنسى، بتعبيره، أن هناك كوداً أصلاً. وانتشر المصطلح بسرعة جعلت قاموس كولينز يختاره كلمةَ عام ٢٠٢٥.

جزء من هذا التعريف يسقط عادةً: قال كارباثي في المنشور نفسه إن هذا الأسلوب ليس سيئاً «لمشاريع عطلة نهاية الأسبوع التي تُرمى بعد ذلك». أي أن صاحب المصطلح طرحه للنماذج الأولية السريعة، لا للأنظمة التي تعتمد عليها الأعمال.

ويرسم مارتن فاولر الحدّ نفسه في ملاحظته عن الـ Vibe Coding: هو بناء البرمجيات عبر توجيه نموذج لغوي بالأوامر من دون النظر إلى الكود الذي يولّده. وهذا يختلف عن البرمجة بمساعدة الذكاء الاصطناعي، حيث يستخدم المهندس الذكاء الاصطناعي ليعمل أسرع، لكنه يقرأ كل تغيير ويفهمه ويتحمّل مسؤوليته.

Vibe Coding الهندسة بمساعدة الذكاء الاصطناعي
من يقرأ الكود لا أحد، أو الأداة وحدها المهندس المسؤول عن ذلك التغيير
معيار الصحة «يعمل على الشاشة» اختبارات مؤتمتة ومراجعة وسلوك في الإنتاج
الأمان والصلاحيات ما وضعته الأداة افتراضياً مصمَّمة ومراجَعة
مناسب لـ النماذج الأولية، وعرض الفكرة، والأدوات الشخصية منتج يحتفظ ببيانات المستخدم أو أمواله أو ثقته

لا علاقة لهذا الفرق بمقدار استخدام الذكاء الاصطناعي. فريق يكتب الذكاء الاصطناعي معظم كوده يمكن أن يعمل بأسلوب هندسي كامل، وشخص بنى نموذجاً بسيطاً واحداً بالـ Vibe Coding يمكن أن يترك بيانات كل مستخدميه مكشوفة للعموم. السؤال الحقيقي: هل فهم أحدٌ الكود وتحمّل مسؤوليته؟

لماذا ينجح العرض التجريبي ويفشل الإنتاج

تتحسّن أداة الذكاء الاصطناعي على ما تراه أنت وتعلّق عليه: هل تفتح الصفحة؟ هل يعمل الزر؟ هل تظهر البيانات؟ وكل ما لا يُرى لا مكان له في حلقة التغذية الراجعة هذه.

المشكلة أن معظم متطلبات الإنتاج من هذا النوع بالضبط. في العرض التجريبي لا يوجد مستخدم يجب ألا يرى بيانات مستخدم آخر. ولا توجد ألف طلب متزامنة، ولا خدمة خارجية تتوقف، ولا مهاجم يستدعي الـ API مباشرة، ولا مطوّر سيضيف ميزة جديدة بعد ستة أشهر. والنموذج الأولي الذي بُني على معيار «إنه يعمل» وحده يكون فارغاً في هذه النقاط غير المرئية بالذات.

ما يُظهره العرض التجريبي وما يحتاجه الإنتاج: الجزء الخفي من البرمجيات المبنية بالذكاء الاصطناعي

الأدلة: ما شهدناه خلال الثمانية عشر شهراً الماضية

هذا القلق ليس نظرياً. بعض البيانات والحوادث العلنية تكشف النمط بوضوح:

  • أمان الكود المولّد. منذ يوليو ٢٠٢٥ تختبر Veracode الكود الذي يولّده أكثر من ١٠٠ نموذج لغوي على ٨٠ مهمة برمجية ذات مخاطر أمنية معروفة. في التقرير الأول احتوى الكود المولّد على ثغرة أمنية في ٤٥٪ من الحالات، مع أنه كان صحيحاً من حيث الصياغة في كل الحالات تقريباً، وبقي هذا المعدل شبه ثابت حتى صيف ٢٠٢٦. ويُظهر تحديث أكتوبر ٢٠٢٦ أول تحسّن ملموس: انخفض معدل الثغرات إلى ٣٨٪. أي أنه ما زال أكثر من الثلث.
  • تطبيقات بقواعد بيانات مكشوفة. في ٢٠٢٥ أظهر باحثون أن سياسات الأمان على مستوى الصفوف (Row Level Security) في قواعد بيانات التطبيقات المبنية بمنصة Lovable كانت غير كافية، ما سمح لمهاجم غير مسجّل الدخول بقراءة الجداول أو تعديلها. سُجّلت المشكلة بالمعرّف CVE-2025-48757، وبحسب التقارير شملت أكثر من ١٧٠ مشروعاً.
  • Moltbook. في مطلع ٢٠٢٦ أظهر الفريق الأمني في Wiz أن Moltbook، وهي شبكة اجتماعية لوكلاء الذكاء الاصطناعي قال مؤسسها إنه لم يكتب بنفسه سطراً واحداً من كودها، كان مفتاح الاتصال بقاعدة بياناتها موجوداً في الكود الذي يعمل في المتصفح، من دون تفعيل الحماية على مستوى قاعدة البيانات. وكانت النتيجة صلاحية قراءة وكتابة على قاعدة بيانات الإنتاج بالكامل، بما في ذلك نحو ١٫٥ مليون رمز API وعشرات الآلاف من عناوين البريد الإلكتروني. أُصلحت المشكلة خلال ساعات من الإبلاغ عنها، لكن قبل ذلك كان بإمكان أي شخص يفتح كود الصفحة أن يصل إلى البيانات نفسها.
  • وكيل حذف قاعدة البيانات. في يوليو ٢٠٢٥ حذف وكيل البرمجة في Replit قاعدة بيانات الإنتاج في مشروع تجريبي، رغم تعليمات صريحة بتجميد التغييرات. وكان من الأسباب أن بيئة التطوير والبيئة الحقيقية كانتا تستخدمان قاعدة بيانات واحدة في ذلك الوقت. وبعد الحادثة تعهّدت Replit بالفصل التلقائي بين قاعدة بيانات التطوير وقاعدة بيانات الإنتاج.

القاسم المشترك بين هذه الحوادث ليس الذكاء الاصطناعي نفسه. لا شيء من هذه الأخطاء جديد: قاعدة بيانات بلا حماية، ومفاتيح في كود المتصفح، وبيئة واحدة مشتركة بين التطوير والإنتاج، كلها أخطاء يعرفها المهندسون منذ سنوات. ما تغيّر هو السرعة والحجم: صار ممكناً أن تُبنى هذه الأخطاء وتُنشر في عطلة نهاية أسبوع، من دون أن يرى الكودَ أحدٌ يعرفها.

ثمانية أنماط للفشل في البرمجيات المبنية بالذكاء الاصطناعي

عندما نراجع نموذجاً أولياً بُني بالذكاء الاصطناعي تمهيداً لنقله إلى الإنتاج، هذه هي الأماكن التي ننظر إليها أولاً:

# النمط ما تراه في الكود النتيجة في الإنتاج
١ التحكم في الصلاحيات في الواجهة فقط الزر مخفي عن المستخدم العادي، لكن الـ API يجيب من دون تحقق؛ وسياسات الوصول في قاعدة البيانات معطّلة أو مفتوحة أكثر من اللازم يستطيع أي شخص لديه قليل من الفضول الوصول إلى بيانات الجميع
٢ مفاتيح وكلمات مرور في المكان الخطأ مفاتيح API أو كلمة مرور قاعدة البيانات أو رمز خدمة الدفع في كود المتصفح أو في مستودع الكود إساءة استخدام الحسابات، وفواتير الخدمات المدفوعة، وتسريب البيانات
٣ بيئة واحدة لكل شيء التطوير والاختبار والإنتاج على قاعدة بيانات واحدة وخادم واحد؛ ووكيل البرمجة لديه صلاحية على الإنتاج تجربة واحدة أو أمر خاطئ يُتلف البيانات الحقيقية
٤ اختبارات للمسار المتفائل فقط لا توجد اختبارات، أو كتب الذكاء الاصطناعي لكوده اختبارات تتحقق من الحالة الصحيحة وحدها كل تغيير جديد يكسر شيئاً في مكان آخر ولا ينتبه أحد
٥ اعتماديات بلا حساب حزم كثيرة أو قديمة أو غير مستخدمة؛ وأحياناً حزمة اقترحتها الأداة ولا يُعرف إن كانت الحزمة الأصلية ثغرات معروفة ومخاطر في سلسلة التوريد
٦ بيانات بلا ترحيل ولا نسخ احتياطي تغيّرت بنية قاعدة البيانات يدوياً أو مباشرة من الأداة؛ ولا نسخة احتياطية، أو لم تُختبر استعادتها قط فقدان البيانات وغياب طريق للعودة
٧ أخطاء صامتة الأخطاء تُبتلع في الكود؛ ولا سجلات منظّمة ولا تتبّع للأخطاء ولا تنبيهات المستخدمون هم من يبلّغون عن الأخطاء، لا النظام
٨ كود لا يفهمه أحد منطق مكرر في عدة أماكن، وبنية غير متسقة، وغياب للتوثيق؛ و«الكاتب» الوحيد هو الأداة يصبح كل تغيير بطيئاً وخطراً، وترتفع تكلفة الصيانة

وهناك أمران آخران لا يظهران عادةً حتى أول يوم مزدحم: الأداء تحت الحِمل، مثل استعلامات تُنفَّذ لكل صف على حدة أو صفحات تحمّل كل البيانات دفعة واحدة؛ وغياب تحديد معدل الطلبات لواجهات API تقف خلفها خدمة مدفوعة، ومنها النماذج اللغوية نفسها.

إنقاذ، أم إعادة بناء جزئية، أم بداية من الصفر؟

أول سؤال يطرحه المدير بعد مراجعة صادقة: «هل نحتفظ بهذا الكود أم نتخلص منه؟» والإجابة نادراً ما تكون أحد الطرفين. الهدف ليس إعادة كتابة ما أحسن الذكاء الاصطناعي بناءه، بل سدّ الفجوة بدقة بين «يعمل على جهازي» و«يعمل بأمان في الإنتاج».

حالة قاعدة الكود القرار المعتاد
نموذج البيانات سليم، والمسارات الأساسية تعمل، والكود مفهوم بعد المراجعة الاستمرار على قاعدة الكود نفسها مع تحصين الأمان والاختبارات ومسار النشر
معظم النظام سليم، لكن جزءاً حساساً (التحقق من الهوية، الدفع، الصلاحيات) بُني بشكل خاطئ إعادة بناء ذلك الجزء بتصميم صحيح والإبقاء على الباقي
نموذج البيانات أو الحدود الأساسية للنظام خاطئة، والمشكلات الأمنية منتشرة في كل مكان بناء نواة جديدة، مع استخدام النموذج الأولي مواصفاتٍ حيةً للمنتج

وحتى في الحالة الثالثة لا يفقد النموذج الأولي قيمته. فالنسخة التي عمل عليها مستخدمون حقيقيون هي أدق وثيقة متطلبات يمكن أن يملكها فريق، أدق من أي وثيقة تُكتب قبل البناء. وقد شرحنا لماذا تحسم قرارات نموذج البيانات وحدود النظام الكثير في معمارية البرمجيات للمديرين.

الطريق من النموذج الأولي إلى الإنتاج

تحويل نموذج أولي بُني بالذكاء الاصطناعي إلى نظام إنتاج ليس مشروعاً غامضاً بلا نهاية. له أربع مراحل، ولكل مرحلة مخرج واضح:

  1. تقييم الجاهزية. مراجعة صادقة للمعمارية وقاعدة الكود، ومراجعة للأمان والاعتماديات، وقائمة بالمخاطر مرتبة حسب الأهمية. ومخرج هذه المرحلة قرار بالإنقاذ أو إعادة البناء الجزئية أو البداية من جديد، مع تقدير مبني على الكود الفعلي لا على التخمين.
  2. التحصين. سدّ الثغرات عالية الخطورة قبل أي ميزة جديدة: التحكم في الصلاحيات على الخادم وفي قاعدة البيانات، وإخراج المفاتيح من الكود وتغيير المفاتيح المكشوفة، وفصل البيئات، ونسخ احتياطي مُختبَر.
  3. شبكة الأمان. اختبارات مؤتمتة للمسارات الحرجة في الأعمال، وخط CI/CD ببوابة للجودة والأمان، وترحيلات مرقّمة لقاعدة البيانات. ومن هنا فصاعداً يمرّ كل تغيير عبر هذا المسار، سواء كتبه إنسان أو ذكاء اصطناعي.
  4. التشغيل والملكية. تتبّع الأخطاء، والرصد والتنبيهات، وتوثيق النشر والتراجع، ومالك واضح للنظام بعد الإطلاق. فالبرمجيات التي لا يتحمّل أحد مسؤولية تشغيلها تبقى وحيدة عند أول حادثة جدية، مهما كان بناؤها جيداً.
الطريق من نموذج أولي مبني بالذكاء الاصطناعي إلى نظام إنتاج في أربع مراحل

ترتيب هذه المراحل مهم. فإضافة ميزات جديدة إلى نظام ما زال يفتقر إلى تحكم صحيح في الصلاحيات أو إلى نسخ احتياطي يعني توسيع السطح نفسه الذي قد يتسرّب منه شيء غداً.

لا تتخلَّ عن الذكاء الاصطناعي، بل ضع أمامه بوابة

لا يعني كل ما سبق أن على الفرق التوقف عن كتابة الكود بالذكاء الاصطناعي. السرعة حقيقية، والفريق الذي يتجاهلها يتأخر. وتصف أبحاث DORA الذكاء الاصطناعي بأنه «مضخِّم»: يضخّم ما هو موجود أصلاً في عمليات الفريق، انضباطاً كان أو فوضى. وقد تناولنا ذلك بتفصيل أكبر في مقال DevOps في مشاريع تطوير البرمجيات.

فالسؤال الصحيح إذن: ما البوابات التي يمرّ بها الكود المولّد بالذكاء الاصطناعي قبل أن يصل إلى المستخدم؟ في الفريق الهندسي لدى Dropp، يراجع كل طلب دمج (Pull Request) مطوّرٌ وذكاءٌ اصطناعي معاً. وقبل النشر يفحص SonarQube جودة الكود ويفحص Trivy الثغرات المعروفة، والكود الذي لا يجتاز هذه البوابة لا يُنشر، سواء كتبه إنسان أو آلة. ونطبّق الانضباط نفسه من خلال تحويل البرمجيات المبنية بالذكاء الاصطناعي إلى أنظمة إنتاج على البرمجيات التي بُنيت خارج هذا المسار.

قائمة تحقق قبل الانتقال إلى الإنتاج

قبل أن تضع برمجيات بُنيت بالذكاء الاصطناعي أمام مستخدمين حقيقيين، أجب عن هذه الأسئلة. وإذا كانت الإجابة عن أي منها «لا أعرف»، فمن هناك يبدأ العمل.

  1. هل قرأ أحدٌ غير الأداة نفسها الكودَ وتحمّل مسؤوليته؟
  2. هل يُطبَّق التحكم في الصلاحيات على الخادم وفي قاعدة البيانات، لا في الواجهة فقط؟
  3. هل يخلو كود المتصفح ومستودع الكود من أي مفاتيح أو كلمات مرور أو رموز؟
  4. هل بيئات التطوير والاختبار والإنتاج منفصلة، من دون وصول مباشر لأدوات الذكاء الاصطناعي إلى الإنتاج؟
  5. هل للمسارات الحرجة (التسجيل، وتسجيل الدخول، والدفع، وكل ما يمسّ بيانات المستخدم) اختبارات مؤتمتة؟
  6. هل رُوجعت الاعتماديات وفُحصت، وهل تعرف الغرض من كل منها؟
  7. هل تغييرات قاعدة البيانات مرقّمة، وهل اختُبرت استعادة النسخة الاحتياطية مرة واحدة على الأقل؟
  8. هل تُتتبَّع الأخطاء وتصل تنبيهاتها إلى الفريق قبل أن يلاحظها المستخدمون؟
  9. هل اختُبر النظام تحت الحِمل المتوقع، وهل لواجهات API المدفوعة حدود لمعدل الطلبات؟
  10. هل مستودع الكود والحسابات والصلاحيات باسم مؤسستك؟
  11. هل من الواضح من سيشغّل النظام ويستجيب للحوادث بعد الإطلاق؟

الخلاصة

قلّص الـ Vibe Coding المسافة بين الفكرة والنسخة العاملة من أشهر إلى أيام، ولهذا قيمة حقيقية. لكن النسخة العاملة ليست بعد منتجاً يمكن الاعتماد عليه. ما يحوّل العرض التجريبي إلى إنتاج هو الانضباط الهندسي المعتاد نفسه: شخص يفهم الكود، واختبارات وبوابة أمنية في مسار النشر، وبيئات منفصلة، ورصد، ومالك يُسأل عن النظام بعد الإطلاق. لم يُلغِ الذكاء الاصطناعي هذا الانضباط، بل جعله أكثر أهمية.

إذا كان لديك نموذج أولي بُني بالذكاء الاصطناعي ويجب الآن أن يصمد أمام مستخدمين حقيقيين، يمكن للفريق الهندسي في Dropp أن يبدأ بمراجعة جاهزية للإنتاج: نقيّم المعمارية والأمان والاعتماديات والاختبارات، ونوضح ما الذي يجب أن يبقى، وما الذي يحتاج إلى تحصين، وما الذي يجب أن يُبنى من جديد. التفاصيل في صفحة تحويل البرمجيات المبنية بالذكاء الاصطناعي إلى أنظمة إنتاج.

الأسئلة الشائعة

ما هو الـ Vibe Coding ببساطة؟

هو بناء البرمجيات بإخبار أداة ذكاء اصطناعي بما تريد وقبول الكود الذي تولّده، من دون أن يقرأ أحد ذلك الكود أو يفهمه. صاغ المصطلح أندريه كارباثي في فبراير ٢٠٢٥، واختاره قاموس كولينز كلمةَ عام ٢٠٢٥.

هل الكود المولّد بالذكاء الاصطناعي غير آمن؟

ليس بطبيعته، لكن لا يمكن الوثوق به من دون مراجعة. تُظهر أحدث بيانات Veracode أن الكود المولّد احتوى على ثغرات في نحو ٣٨٪ من الاختبارات الأمنية. ولهذا يجب أن يمرّ كود الذكاء الاصطناعي بالمراجعة والاختبار والفحص الأمني نفسها التي يحتاجها أي كود آخر.

هل الـ Vibe Coding مناسب لبناء نسخة أولية (MVP)؟

لاختبار الفكرة وعرضها على المستخدمين أو المستثمرين، نعم. لكن إذا كانت النسخة الأولية ستتعامل مع بيانات مستخدمين حقيقيين أو مع الدفع، فيجب على الأقل أن يكون التحكم في الصلاحيات وإدارة المفاتيح وفصل البيئات والنسخ الاحتياطي جاهزة قبل الإطلاق.

ما الفرق بين الـ Vibe Coding والبرمجة بمساعدة الذكاء الاصطناعي؟

في الـ Vibe Coding لا يقرأ أحد الكود. أما في البرمجة بمساعدة الذكاء الاصطناعي فيستخدم المهندس الذكاء الاصطناعي من أجل السرعة، لكنه يراجع كل تغيير ويفهمه ويتحمّل مسؤوليته. الفرق ليس في مقدار استخدام الذكاء الاصطناعي، بل في وجود مالك وبوابة للجودة.

هل نحتاج إلى إعادة كتابة كل الكود الذي بناه الذكاء الاصطناعي؟

غالباً لا. بعد مراجعة دقيقة، تستمر معظم النماذج الأولية مع تحصين الأمان والاختبارات ومسار النشر، أو يُعاد بناء أجزائها الحساسة فقط. وتكون البداية من الصفر منطقية عندما يكون نموذج البيانات أو الحدود الأساسية للنظام خاطئة.

كم يستغرق نقل النموذج الأولي إلى الإنتاج؟

يعتمد ذلك على حجم قاعدة الكود وحالتها، ولا يمكن إعطاء رقم موثوق من دون رؤية الكود. ولهذا يبدأ الطريق الصحيح بتقييم للجاهزية، مخرجه قائمة بالمخاطر، وقرار بشأن قاعدة الكود، وتقدير مقسّم على مراحل.

شاركنا احتياجك وسنتواصل معك في أقرب وقت.

الهاتف

البريد الإلكتروني

info@droppgroup.com

واتساب

راسلنا
تم بنجاح
تم إرسال رسالتك بنجاح. سنتواصل معك قريبًا.
خطأ
حدث خطأ. يرجى المحاولة مرة أخرى لاحقًا.
خطأ