الذكاء الاصطناعي صنع عبء عمل منتج جديدًا: كيف يتقاسمه مديرو المنتج والمهندسون
لم يُلغِ الذكاء الاصطناعي عمل المنتج؛ بل نقل عنق الزجاجة إلى الحكم والمراجعة والمسؤولية. هنا البيانات، وعقد من ثلاثة مسارات بين مدير المنتج والهندسة، وفحص لطاقة المراجعة.
لم يُلغِ الذكاء الاصطناعي عمل المنتج؛ بل نقله. أصبح إنتاج المسودات والنماذج الأولية والشيفرة رخيصًا، بينما أصبح تحديد ما يستحق الانتباه، ومراجعة ما أُنتج، وتحمّل مسؤولية ما يصل إلى المستخدمين أغلى. هذا هو عبء عمل المنتج الجديد في زمن الذكاء الاصطناعي. الفرق ذات التبنّي العالي للذكاء الاصطناعي تدمج 98% أكثر من طلبات السحب (pull requests)، لكن زمن المراجعة يرتفع 91%. الحل هو عقد واضح حول من يُعدّ، ومن يقرر، ومن يتحمل مسؤولية الإنتاج.
أبرز النقاط
لدى أكثر من 10,000 مطوّر، أنجزت الفرق ذات التبنّي العالي للذكاء الاصطناعي 21% مهام أكثر ودمجت 98% طلبات سحب أكثر، لكن زمن مراجعة طلبات السحب ارتفع 91% وحجمها 154%، دون تحسّن قابل للقياس على مستوى الشركة (Faros AI، 2025).
وجد بحث DORA لعام 2025 أن الذكاء الاصطناعي بات يرفع إنتاجية التسليم لكنه ما زال يخفض الاستقرار، لأن ازدياد حجم التغييرات يُغرق الضوابط الضعيفة.
27% من العمل المدعوم بالذكاء الاصطناعي في Anthropic كان مهامّ لم تكن لتُنجز لولاه. الإنشاء الأرخص يعني مزيدًا مما يجب تقييمه.
ارتفعت حصة مديري المنتج من التوظيف التقني من 16% في 2021 إلى 21% في 2026، بينما انخفض توظيف مهندسي البرمجيات في الولايات المتحدة إلى أقل من نصف ذروته في 2022.
قسّم العمل إلى ثلاثة مسارات: أتمتة تحضير مدير المنتج، وإبقاء حكم المنتج بشريًا، ومشاركة مسؤولية الإنتاج مع الهندسة.
ما عبء العمل الجديد الذي خلقه الذكاء الاصطناعي لفرق المنتج؟
العبء الجديد هو التقييم. عندما يصبح الإنشاء رخيصًا، يستطيع الفريق إنتاج أعمال مرشّحة أكثر مما يستطيع الحكم عليه. أوضح قياس يأتي من دراسة القياس عن بُعد التي أجرتها Faros AI عام 2025 على أكثر من 10,000 مطوّر في 1,255 فريقًا (Faros AI، 2025). في الفرق ذات التبنّي العالي للذكاء الاصطناعي:
أنجز المطورون 21% مهام أكثر ودمجوا 98% طلبات سحب أكثر.
نما متوسط حجم طلب السحب 154%.
نما زمن مراجعة طلبات السحب 91%، وتصفه Faros بأنه عنق الزجاجة الرئيسي.
ارتفعت الأخطاء لكل مطوّر 9%.
لم يُظهر التسليم على مستوى الشركة تحسّنًا ملحوظًا.
وجد برنامج DORA من Google النمط نفسه على مستوى النظام. فتقريره لعام 2025، المبني على قرابة 5,000 محترف تقني، وجد أن تبنّي الذكاء الاصطناعي بات مرتبطًا إيجابيًا بإنتاجية التسليم، عكسًا لنتيجة 2024، لكنه ما زال مرتبطًا سلبًا بالاستقرار. ويعزو المؤلفون ذلك إلى أن ارتفاع حجم التغييرات يُغرق الضوابط الضعيفة مثل الاختبار الآلي وحلقات التغذية الراجعة (Google Cloud، 2025).
كما يخلق عملًا جديدًا كليًا. وجدت دراسة Anthropic على موظفيها أن 27% من العمل المدعوم بالذكاء الاصطناعي كان مهامّ لم تكن لتُنجز بدونه (Anthropic، 2025). بعض ذلك ذو قيمة. وكله يحتاج إلى من يقرر إن كان ينبغي أن يوجد.
أين انتقل العمل
النشاط
قبل أدوات البرمجة بالذكاء الاصطناعي
مع أدوات البرمجة بالذكاء الاصطناعي
كتابة مسودة أولى (مواصفة، شيفرة، نموذج أولي)
بطيئة، نادرة
سريعة، وفيرة
اختيار المسودة التي تُتابَع
ضمني، لأن القليل منها كان موجودًا
قرار صريح ومتكرر
مراجعة التغييرات
متناسبة مع حجم الفريق
تنمو أسرع من الفريق
إبقاء الإنتاج مستقرًا
أحجام تغيير مألوفة
تغييرات أكبر وأكثر تكرارًا
ربط العمل بأدلة العملاء
كثيرًا ما يُتجاوز
يُتجاوز بتكلفة أعلى
التعلّم مما أُطلق
شهريًا في أفضل الأحوال
مطلوب أسبوعيًا لمواكبة الوتيرة
من يتحمل عبء عمل المنتج الجديد؟
كل دور يتحمل حصة مختلفة.
الدور
العمل الجديد الذي خلقه الذكاء الاصطناعي
ما ينبغي التوقف عنه
مدير المنتج
الاختيار بين مسودات ونماذج أولية كثيرة؛ كتابة موجزات يستطيع الوكلاء اتباعها؛ التحقق من أن ما أُطلق يطابق القرار
كتابة تقارير الحالة ومسودات المواصفات الأولى يدويًا
المهندس
مراجعة تغييرات أكبر وأكثر تكرارًا؛ حماية البنية والأمان والموثوقية؛ صيانة سياق الوكلاء
كتابة الشيفرة المتكررة
مدير الهندسة
تحديد طاقة المراجعة؛ إبقاء الدفعات صغيرة؛ وضع سياسة استخدام الذكاء الاصطناعي
عدّ الأسطر أو الإيداعات أو الاقتراحات المقبولة
المؤسس أو رئيس المنتج
قول لا بتكرار أكبر، لأن نعم أصبحت رخيصة
اعتبار سرعة العرض التجريبي دليلًا
تعكس بيانات التوظيف هذا التحوّل. تُظهر بيانات TrueUp وLive Data Technologies التي حلّلها Lenny Rachitsky أن إدارة المنتج كانت الدور الأساسي الوحيد الذي نمت حصته من التوظيف، من 16% في 2021 إلى 21% في أواخر 2026، بينما وظّفت الشركات الأمريكية نحو 113,000 مهندس برمجيات في العام المنتهي في أبريل 2026، مقابل 239,000 عند ذروة 2022 (Lenny's Newsletter، 2026). مهندسون أقل لكل مدير منتج يعني أن كل مدير منتج أقرب إلى مخرجات أكثر. يتناول مقالنا عن نسبة مديري المنتج إلى المهندسين في عصر الذكاء الاصطناعي ما يفعله ذلك بالوظيفة.
ما عقد الثلاثة مسارات بين مدير المنتج والهندسة؟
العقد يجعل التقسيم صريحًا قبل بدء العمل، حتى لا يكتشف أحد الفجوة في الإنتاج.
المسار 1: أتمتة العمل الآلي لمدير المنتج
استخدم الذكاء الاصطناعي حيث توجد المدخلات، ويتكرر التحويل، ويستطيع إنسان فحص المخرجات. مرشحون جيدون:
تجميع الملاحظات وإزالة تكرارها
استخراج المحاور من المكالمات ومحادثات الدعم
ملخص بحثي أولي مع روابط المصادر
مسودة موجز من أدلة معتمدة
تذاكر مرشّحة من موجز روجع
ملاحظات الإصدار وتحديثات أصحاب المصلحة وإدخالات سجل القرارات
يظل مدير المنتج مسؤولًا عن أي مشكلة تستحق الانتباه، ولمن هي، وأي أدلة قوية بما يكفي، وأي مقايضة يقوم بها الفريق، وماذا تتنبأ به الفرضية، وما الذي يُحتسب تعلّمًا، وما الذي لا ينبغي بناؤه. يستطيع الذكاء الاصطناعي تحدّي صياغة ما وإيجاد الأدلة الناقصة. لكن ينبغي ألا يحوّل بصمت نمطًا معقولًا إلى التزام في خارطة الطريق. نسرد هذه في ما لا ينبغي لمديري المنتج تفويضه إلى الذكاء الاصطناعي أبدًا.
المسار 3: شارك عقد الإنتاج مع الهندسة
يتفق مدير المنتج والهندسة معًا على:
البنية وحدود النظام
الأمان والخصوصية والاحتفاظ بالبيانات
الموثوقية والأداء وتكلفة التشغيل
التقييم والسلوك البديل لميزات الذكاء الاصطناعي
الصلاحيات والإجراءات التي لا رجعة فيها
الإطلاق التدريجي وقابلية الرصد والتراجع
يجلب مدير المنتج المستخدم والمشكلة والأدلة والنتيجة المقصودة. وتجلب الهندسة قيود النظام وأنماط الفشل وتكلفة إبقاء الوعد صحيحًا في الإنتاج. وصف Martin Fowler للهندسة الوكيلية (agentic engineering) عام 2026 يقولها بوضوح: يظل البشر مسؤولين عما تفعله البرمجية، وفهم مجال المشكلة يزداد أهمية لا أقل (Fowler، 2026).
المسار
يملكه مدير المنتج
تملكه الهندسة
الناتج المشترك
1. أتمتة التحضير
القواعد، مراجعة الاستثناءات
الأدوات والوصول إلى البيانات
مسودات مرتبطة بالمصادر
2. حكم المنتج
المشكلة، الأدلة، المقايضة، النتيجة
مدخلات الجدوى
سجل القرار
3. عقد الإنتاج
أثر المستخدم، معايير القبول
البنية، الأمان، الموثوقية
موجز بضوابط وخطة تراجع
هل ينبغي لمديري المنتج أن يصبحوا بنّائين؟
نعم، إن كان «مدير المنتج البنّاء» يعني مديرًا يبني بما يكفي لتحسين قرار منتج. لا، إن كان يعني مديرًا يملك أنظمة إنتاج دون مهارات الهندسة والمراجعة والمساءلة اللازمة لتشغيلها بأمان.
يستطيع مدير المنتج البنّاء جعل تفاعل ما ملموسًا، وكشف الغموض في متطلب، واختبار سير عمل مع المستخدمين، واستكشاف سؤال بالبيانات، وإنشاء نموذج أولي قابل للتخلص منه، وأتمتة عمل التنسيق الخاص به. وينبغي ألا يستخدم الذكاء الاصطناعي لتجاوز مراجعة البنية، أو لإطلاق تغييرات حساسة دون مراجعة أمنية، أو لتحويل تجربة إلى وعد إنتاجي عن طريق الخطأ.
تعريف عملي واحد: مدير المنتج البنّاء يبني بما يكفي لتحسين القرار، لا لتجنّب اتخاذه. يتناول مقالنا الأطول عن هل ينبغي لمديري المنتج أن يصبحوا بنّائين المهارات المطلوبة.
كيف ينبغي لمديري المنتج إدارة المهندسين وبنّائي الذكاء الاصطناعي الآن؟
مهمة المدير ليست تعظيم المخرجات المولّدة. بل جعل النظام جديرًا بالثقة بما يكفي لتتحرك المخرجات المولّدة بأمان. ثماني قواعد تشغيلية:
فضّل الدفعات الصغيرة. التغييرات الأصغر أسهل في المراجعة والاختبار والتراجع. تُدرج DORA العمل بدفعات صغيرة ضمن سبع قدرات تضخّم فوائد الذكاء الاصطناعي (Google Cloud، 2025).
أبقِ معايير القبول قريبة من الأدلة. ينبغي أن يرى المهندسون سبب وجود العمل، لا ما تقوله التذكرة فحسب.
حسّن السياق المتاح للأدوات. يسمّي نموذج DORA البيانات الداخلية المتاحة للذكاء الاصطناعي ونظم البيانات السليمة قدراتٍ قائمة بذاتها. يوضح دليلنا عن منح وكلاء البرمجة بالذكاء الاصطناعي سياق المنتج ما ينبغي تضمينه.
انشر سياسة لاستخدام الذكاء الاصطناعي. أولى قدرات DORA هي موقف واضح ومُعلَن من الذكاء الاصطناعي: أي الأدوات مسموح بها، وأي بيانات يجوز أن تراها، وأي إجراءات تحتاج إلى موافقة.
نموذج التشغيل أهم من اختيار الأداة. وجد استطلاع Product Institute لعام 2026 على 309 من قادة المنتج أن 47% من المؤسسات ذات نموذج التشغيل الناضج تقول إن الذكاء الاصطناعي يعزّز طريقة عملها، مقابل 29% من ذوات النموذج غير الناضج. وبين المؤسسات ذات النموذج الضعيف، تقول 42% إن الذكاء الاصطناعي يكشف نقاط ضعف أو يزيد الأمور سوءًا (Product Institute، 2026).
كيف تتحقق من أن طاقة المراجعة تواكب الوتيرة؟
قِس الطابور لا المخرجات. فحص أسبوعي بسيط:
عُدّ التغييرات المفتوحة هذا الأسبوع والتغييرات التي روجعت.
دوّن الوسيط الزمني بالساعات من الفتح حتى أول مراجعة.
دوّن الوسيط لحجم التغيير بالأسطر أو الملفات.
إذا تجاوز المفتوح المُراجَع لأسبوعين متتاليين، أو تضاعف وسيط زمن المراجعة، فضع حدًا للعمل الجاري قبل إضافة مزيد من مهام الوكلاء.
مثال محسوب (توضيحي)
لنفترض أن فريقًا من خمسة مهندسين ومدير منتج كان يدمج 20 تغييرًا أسبوعيًا قبل أدوات البرمجة بالذكاء الاصطناعي، بوسيط 150 سطرًا لكل منها، وأول مراجعة خلال أربع ساعات. بعد ستة أسابيع من اعتماد الوكلاء، يفتح الفريق 40 تغييرًا أسبوعيًا بوسيط 380 سطرًا. أصبحت المراجعات تستغرق 11 ساعة لتبدأ، وينتظر 12 تغييرًا في نهاية كل أسبوع.
يضع الفريق حدًا قدره ثلاثة تغييرات مفتوحة مولّدة بالوكلاء لكل مهندس، ويطلب من الوكلاء تقسيم أي تغيير يتجاوز 200 سطر، ويجعل مدير المنتج يفحص كل تغيير مقابل معايير قبول موجزه قبل مراجعة الهندسة. خلال ثلاثة أسابيع ينخفض الطابور إلى ثلاثة تغييرات وتعود أول مراجعة إلى خمس ساعات. تستقر المخرجات عند نحو 30 تغييرًا مدموجًا أسبوعيًا: أقل من الذروة، وأكثر من قبل، وقابلة للمراجعة. أرقامك ستختلف؛ المهم هو المنهج.
قالب: مراجعة أسبوعية لعبء العمل بالذكاء الاصطناعي
انسخ هذا إلى ملاحظات اجتماع فريقك الأسبوعي.
التغييرات المفتوحة / التي روجعت / المدموجة هذا الأسبوع:
الوسيط الزمني حتى أول مراجعة:
الوسيط لحجم التغيير:
التغييرات المولّدة بالوكلاء التي لا تزال مفتوحة:
النماذج الأولية المنشأة / المرقّاة إلى خارطة الطريق / المتقاعدة:
عمل مولَّد غير مرتبط بقرار:
أين أزال الذكاء الاصطناعي الاحتكاك؟
أين أضاف عبء مراجعة أو تشغيل؟
ماذا نوقف أو نقلّص أو نتراجع عنه؟
السطر الخاص بالعمل غير المرتبط هو الأنفع. كل ما يُولَّد دون قرار وراءه هو عبء العمل الجديد في أنقى صوره.
ما الأخطاء الشائعة؟
الاحتفاء بالمخرجات. ارتفاع 98% في طلبات السحب المدموجة لا يعني كثيرًا إذا ارتفع زمن المراجعة والأخطاء أيضًا. راقب النظام لا الفرد.
ترك المراجعة لمن هو متاح. المراجعة الآن أندر طاقة في الفريق. خطّط لها كأي طاقة أخرى.
تحويل مدير المنتج إلى مهندس بدوام جزئي. البناء للتعلّم أمر جيد. أما الإطلاق إلى الإنتاج دون مراجعة هندسية فينقل المخاطرة ولا يزيلها.
تجاهل منظور المطورين. وجد استطلاع Atlassian لعام 2025 على 3,500 مطوّر ومدير أن المطورين يقضون 16% من وقتهم في البرمجة وأن 63% يقولون إن القادة لا يفهمون نقاط ألمهم (Atlassian، 2025). اسأل المهندسين أين يقع العبء الجديد قبل أن تقرر.
تخطيط القوى العاملة دون الوكلاء. يقترح مؤشر اتجاهات العمل 2025 من Microsoft نسبة الإنسان إلى الوكيل مقياسًا للتخطيط، ووجد أن 36% من القادة يتوقعون أن تصبح إدارة الوكلاء جزءًا من عملهم خلال خمس سنوات (Microsoft، 2025). لا بد أن يوجّه أحدٌ هؤلاء الوكلاء ويراجعهم؛ فخصّص ميزانية لوقته.
أين يندرج Specky
بُني Specky حول هذا العقد. فهو يقرأ مكالمات العملاء والملاحظات وSlack وJira والتحليلات في Product Graph، فيحمل الموجز أو التذكرة استشهادات مضمّنة بالأدلة التي وراءه. ويمنح خادم MCP الخاص به وكلاء البرمجة سياق المنتج نفسه، فتبدأ الهندسة بالسبب لا بالطلب فقط. وبعد الإطلاق، يتحقق Specky مما إذا كان الرهان قد نجح. يحتفظ مدير المنتج بالحكم؛ وتحتفظ الهندسة بالإنتاج؛ ولا يفقد أحد الخيط بينهما.
الأسئلة الشائعة
هل ينبغي لمديري المنتج تعلّم البناء بالذكاء الاصطناعي؟
نعم، عندما يساعدهم البناء على اختبار سؤال منتج أو توضيح متطلب أو إزالة عمل آلي متكرر. النماذج الأولية طريقة سريعة لتُري مستخدمًا أو مهندسًا ما تقصده. ومع ذلك ينبغي لمديري المنتج إشراك الهندسة في بنية الإنتاج والأمان والموثوقية والتشغيل، لأن الشيفرة المولّدة التي تصل إلى المستخدمين تصبح مسؤولية الهندسة.
كيف ينبغي لمديري المنتج إدارة المهندسين الذين يستخدمون أدوات البرمجة بالذكاء الاصطناعي؟
ضع عقد قرار واضحًا، وأبقِ العمل في دفعات صغيرة، واطلب من الوكلاء توثيق الافتراضات والاختبارات، وحدّد حدود البيانات والصلاحيات، وقِس نتائج المنتج والتسليم بدل الحجم المولَّد. راقب زمن المراجعة وحجم التغيير كل أسبوع؛ فهما أولى علامات تفوّق المخرجات على طاقة الفريق على فحصها.
لماذا زاد الذكاء الاصطناعي عبء عملنا بدل أن يقلّله؟
لأن الإنشاء أصبح أرخص أسرع مما أصبح التقييم. وجدت Faros AI أن الفرق عالية الاستخدام للذكاء الاصطناعي دمجت 98% طلبات سحب أكثر بينما ارتفع زمن المراجعة 91%. ووجدت Anthropic أن 27% من العمل المدعوم بالذكاء الاصطناعي لم يكن ليُنجز بدونه. مزيد من المسودات والنماذج الأولية والتغييرات يحتاج كله إلى من يقرر إن كان ينبغي أن يوجد وإن كان يعمل.
ما الدور الصحيح لمدير المنتج البنّاء؟
مسرّع للقرار. يُنشئ مدير المنتج البنّاء ما يكفي للتعلّم والمواءمة، عبر النماذج الأولية واستكشاف البيانات والتنسيق المؤتمت، ثم يعمل مع الهندسة لتحويل اتجاه مُتحقَّق منه إلى برمجية آمنة وقابلة للصيانة. الاختبار هو هل حسّن البناء قرارًا، لا هل أطلق مدير المنتج شيفرة.
هل سيحلّ الذكاء الاصطناعي محل مديري المنتج؟
تقول البيانات لا. حصة مديري المنتج من التوظيف التقني نمت منذ 2021، بينما يمتص الذكاء الاصطناعي مهامّ مثل التوليف والتوثيق وتقارير الحالة. اختيار المشكلات واتخاذ المقايضات وتحمّل النتائج ما زالت تحتاج إلى إنسان. اطّلع على مراجعتنا لـبيانات 2026 حول هل يمكن للذكاء الاصطناعي أن يحلّ محل مديري المنتج.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing