إذا كنت طالباً في علوم الحاسب أو خريجاً جديداً تبحث عن وظيفتك الأولى في البرمجة، فقد سمعت جملة تتكرر: «الوكيل Agent يكتب الكود الآن، فلماذا توظف الشركات مبرمجاً مبتدئاً Junior؟». وإذا كنت قائد فريق، فقد سمعت السؤال نفسه من الجهة الأخرى: هل ما زال توظيف المبتدئين يستحق الوقت والمال، أم يكفي فريق صغير من أصحاب الخبرة مع أدوات الذكاء الاصطناعي AI؟
وهذا المقال لكما معاً. ففي جزئه الأول نجمع ما تقوله الأدلة عن الوظيفة الأولى تحديداً: كم نقص توظيف الخريجين، ولماذا، ومن يستفيد من الأدوات أكثر، وما الذي يحدث لتعلم المبتدئ حين يعتمد عليها. وفي جزئه الثاني نحول هذه الأدلة إلى خطوات عملية: ماذا يتعلم المبتدئ، وكيف يستخدم الأدوات دون أن تضعفه، وماذا يضع في ملفه ليقنع من يقابله، وكيف يستقبل القائد المبتدئ في فريق يعمل بالوكلاء. وهو المقال الرابع في مرحلة «الذكاء الاصطناعي ومستقبل مهنة المبرمج»، بعد مقال بيانات الوظائف الذي عرض الصورة العامة لسوق العمل.
وسوف نناقش في هذا المقال ما يلي:
- ماذا تقول البيانات عن توظيف الخريجين الجدد في 2025 و2026، وما الأسباب التي يذكرها أصحابها.
- لماذا تفيد الأدوات المبتدئ أكثر من الخبير في الإنتاج، وتضره أكثر في التعلم.
- ماذا يطلب أصحاب العمل من المبتدئ الآن، من تحليل أكثر من مليون إعلان وظيفة.
- تسع خطوات عملية للمبتدئ، مع خطة أسبوعية، وقنوات الدخول في المملكة.
- ماذا يفعل قائد الفريق مع المبتدئين في فريق يعمل بالوكلاء.
الخلاصة السريعة Quick Summary
السبب ليس الذكاء الاصطناعي وحده: الهبوط بدأ مع رفع أسعار الفائدة في 2022، وتقرير SignalFire نفسه يرى أن الفائدة قد تكون السبب الأكبر.
الأداة تساعد المبتدئ في الإنتاج: في تجارب Copilot الميدانية زاد إنتاج الأقل خبرة 27% إلى 39%، مقابل 8% إلى 13% للأكثر خبرة.
ولكنها قد تضر تعلمه Learning: في تجربة Anthropic حصل من تعلم مكتبة جديدة بالأداة على 50% في الاختبار، مقابل 67% لمن كتب بيده.
ما يطلبه أصحاب العمل الآن: مراجعة الكود Code Review، والاختبار Testing، والنشر، والأساسيات. والمراجعة تضاعفت في إعلانات المبتدئين من 7.8% في 2020 إلى 18.5% في منتصف 2026.
القاعدة للمبتدئ: تعلم الأساسيات بيدك، واستخدم الأداة لتسأل وتفهم لا لتسلم التفكير، وابن دليلاً على أنك تستطيع أن تحكم على الكود لا أن تكتبه فقط.
والأرقام في هذا المقال من المصادر الأصلية كما قرأناها في 20 نوفمبر 2026، وكل رقم معه مصدره وتاريخه وحدوده.
ماذا تقول البيانات Data عن الوظيفة الأولى؟
عرضنا الصورة العامة لسوق العمل في مقال بيانات الوظائف من هذه المرحلة، وهنا نأخذ منها ما يخص المبتدئ تحديداً، ونضيف مصادر تنظر إلى الخريجين وحدهم.
توظيف الخريجين في شركات التقنية: تقرير SignalFire
في مايو 2025 نشرت شركة الاستثمار SignalFire تقرير «حالة المواهب التقنية State of Talent 2025»، من بيانات مستمدة من ملفات LinkedIn، ووجدت ما يلي:
- أكبر 15 شركة تقنية بالقيمة السوقية: الخريجون الجدد 7% فقط من الموظفين الجدد، وتوظيفهم أقل 25% من 2023، وأقل من نصف ما كان في 2019.
- الشركات الناشئة Startups: الخريجون أقل من 6% من الموظفين الجدد، وتوظيفهم أقل 11% من 2023، وأقل بأكثر من 30% من 2019.
ولكن لاحظ ما كتبه التقرير نفسه عن السبب: أن نهاية المال الرخيص وارتفاع أسعار الفائدة قد يكونان السبب الأكبر، لا الذكاء الاصطناعي. فالشركات حين يصبح المال أغلى توظف من ينتج من اليوم الأول، وتقلل الاستثمار في من يحتاج إلى سنة من التدريب. المصدر: تقرير SignalFire، مايو 2025.
الإعلانات التي تطلب خبرة قليلة: Burning Glass Institute
وفي يوليو 2025 نشر معهد Burning Glass Institute تقريراً بعنوان «No Country for Young Grads»، ووجد أن بطالة حملة الشهادات الجامعية بين 20 و24 سنة ارتفعت من 5.2% في 2018 و2019 إلى 6.2% في السنتين حتى يونيو 2025. والأهم لنا أن انخفاض الإعلانات التي تطلب خبرة ثلاث سنوات أو أقل تركز في الوظائف المتوسطة والعالية في تعرضها لنماذج اللغة، بينما زادت الوظائف المبتدئة قليلة التعرض منذ 2022. المصدر: تقرير No Country for Young Grads، يوليو 2025.
الأصغر سناً في دراسة Stanford
وفي نسخة أغسطس 2026 من دراسة Stanford التي فصلناها في مقال الوظائف، كان العاملون بين 22 و25 سنة في المهن الأكثر تعرضاً للذكاء الاصطناعي أقل بنسبة 19% مما كانوا سيكونون عليه، وجاء الفرق أساساً من توظيف أقل لا من فصل أكثر، وتركز حيث يستبدل الذكاء الاصطناعي المهام لا حيث يساعد العامل. والباحثون يصفون نتائجهم بأنها مؤشرات وصفية مبكرة لا تقديرات سببية. المصدر: صفحة دراسة Canaries in the Coal Mine.
ومن يحصل على الوظائف الجديدة؟ Senior أم Junior
وفي يوليو 2026 وجد مختبر Indeed Hiring Lab أن إعلانات تطوير البرمجيات في الولايات المتحدة ارتفعت قرابة 15% منذ فبراير 2025، ولكن 71% من الزيادة كانت في الوظائف المتقدمة Senior. أي أن السوق يتعافى، ولكن من الأعلى إلى الأسفل. المصدر: تحليل Indeed Hiring Lab، يوليو 2026.

الأداة تساعد المبتدئ أكثر في الإنتاج Productivity
وهنا المفارقة: الأدلة التي تقول إن باب الدخول أضيق، تقابلها أدلة تقول إن المبتدئ هو أكثر من يستفيد من الأداة في عمله اليومي.
تجارب Copilot الميدانية
في ثلاث تجارب عشوائية Randomized Trials داخل Microsoft وAccenture وشركة ثالثة من أكبر 100 شركة أمريكية، شارك فيها 4,867 مطوراً، درس الباحث Cui وزملاؤه أثر أداة GitHub Copilot. والنتيجة العامة زيادة 26.08% في المهام المنجزة. ولكن التوزيع بحسب الخبرة هو المهم:
| الفئة | الزيادة في الإنتاج مع الأداة |
|---|---|
| الأقصر مدة في الشركة Short Tenure | من 27% إلى 39% |
| الأطول مدة في الشركة Long Tenure | من 8% إلى 13% |
| المستوى المبتدئ Junior | من 21% إلى 40% |
| المستوى المتقدم Senior | من 7% إلى 16% |
وكان الأقصر مدة أكثر استخداماً للأداة أيضاً. ولكن الباحثين يقولون إن تقديرات الفئات فيها ضجيج كثير وليست ذات دلالة إحصائية بالمعايير المعتادة، رغم أن اتجاهها واحد في كل المقاييس. ولاحظ أن الدراسة قاست الإنتاج، مثل طلبات الدمج Pull Requests، لا جودة الكود، وأن الأداة كانت إكمالاً تلقائياً Autocomplete لا وكيلاً. المصدر: ورقة Cui وزملائه (نسخة فبراير 2025).
ونمط مشابه Pattern خارج البرمجة
وقد ظهر النمط نفسه في مجالات أخرى. ففي دراسة Erik Brynjolfsson وDanielle Li وLindsey Raymond على 5,179 موظف دعم عملاء، زادت المشكلات المحلولة في الساعة 14% في المتوسط، و34% للموظفين الجدد والأقل مهارة، مع أثر قليل جداً على الخبراء. وفي تجربة Fabrizio Dell'Acqua وزملائه على 758 مستشاراً في شركة BCG، تحسن الأقل أداء 43% مقابل 17% للأعلى أداء في المهام التي تجيدها الأداة. وهذان مجالان غير البرمجة، فخذهما دليلاً على النمط لا على الأرقام.
ولكن تجربة BCG نفسها تحمل تحذيراً مهماً: في المهام التي تقع خارج ما تجيده الأداة، كان من استخدمها أقل احتمالاً للوصول إلى الإجابة الصحيحة بفارق 19 نقطة مئوية، لأنهم وثقوا بإجابة تبدو مقنعة وهي خاطئة. وهذا بالضبط الخطر على المبتدئ: أنه لا يعرف بعد أين تنتهي قدرة الأداة. المصدر: ورقة Generative AI at Work في NBER، وورقة Navigating the Jagged Technological Frontier.
ولكنها قد تضر تعلمه Learning
الإنتاج اليوم شيء، والمهارة بعد سنة شيء آخر. وهنا الأدلة تقول شيئاً مختلفاً.
تجربة Anthropic: 50% مقابل 67%
في يناير 2026 نشرت Anthropic تجربة عشوائية على 52 مهندساً أغلبهم في بداية مسارهم، طلب منهم أن يتعلموا مكتبة Trio في Python ويبنوا بها ميزتين، ثم يجيبوا عن اختبار في فهمها. وقد عرضنا أرقامها الأساسية في مقال هل يجعلك وكيل البرمجة أسرع فعلاً؟: متوسط من استخدم الأداة 50% ومن كتب بيده 67%، وأكبر فرق في أسئلة تصحيح الأخطاء Debugging، والسرعة لم تختلف تقريباً.
والذي يهم المبتدئ أكثر من المتوسط هو طريقة الاستخدام، فقد قسم الباحثون المشاركين بحسب طريقة تعاملهم مع الأداة:

- أنماط بنتيجة أقل من 40%: تسليم الكتابة كلها للأداة Delegation، وكانت أسرع مجموعة، والاعتماد المتزايد عليها خطوة بعد خطوة، وتصحيح الأخطاء بالأداة مرة بعد مرة.
- أنماط بنتيجة 65% أو أكثر: أن تولد الكود ثم تقرأه وتفهمه، والجمع بين طلب الكود وطلب شرحه، وسؤال الأداة عن المفاهيم فقط ثم الكتابة باليد، وكانت هذه المجموعة ثاني أسرع مجموعة.
والعينة صغيرة، وكل نمط فيه عدد قليل من الأشخاص، والاختبار جاء مباشرة بعد المهمة، فلا يقيس المهارة بعد أشهر. ولكن الرسالة واضحة: من استخدم الأداة ليسأل ويفهم تعلم تقريباً بقدر من كتب بيده وكان أسرع، ومن استخدمها ليتجنب التفكير لم يتعلم. المصدر: صفحة الدراسة لدى Anthropic.
دراسات أخرى عن المتعلمين Learners
- طلاب الثانوية والرياضيات (Bastani وزملاؤه، PNAS يونيو 2025): نحو 1,000 طالب في تركيا. من استخدم مساعداً عاماً تحسن أداؤه في التمارين 48%، ولكنه حصل على درجة أقل 17% في الاختبار بعد سحب الأداة. ومن استخدم نسخة مصممة كمعلم لا يعطي الحل مباشرة تحسن في التمارين 127%، واختفى الضرر تقريباً.
- طلاب البرمجة المبتدئون (Prather وزملاؤه، ICER 2024): دراسة نوعية على 21 طالباً بتتبع حركة العين والمقابلات. الطلاب الذين كانوا يعانون أصلاً زادت صعوبتهم، وخرجوا بوهم الكفاءة Illusion of Competence، أي أنهم ظنوا أنهم فهموا وهم لم يفهموا.
- في الاتجاه الآخر (Kazemitabaar وزملاؤه، CHI 2023): 69 متعلماً بين 10 و17 سنة استخدموا Codex في تمارين منظمة، فأنجزوا أكثر وحصلوا على درجات أعلى، ولم يتراجعوا في مهام التعديل اليدوي، وبعد أسبوع كان احتفاظهم بالمعرفة أفضل قليلاً دون دلالة إحصائية. أي أن الاستخدام المنظم قد يفيد.
وقد فصلنا قواعد التعلم مع المساعد وسياسات الجامعات في مقال التعلم مع الذكاء الاصطناعي دون أن يفكر بدلاً منك، فلن نكررها هنا. المصدر: ورقة The Widening Gap، وورقة Kazemitabaar وزملائه.
ماذا يطلب أصحاب العمل Employers من المبتدئ الآن؟
أحدث وأوسع مصدر في هذا تقرير نشره معهد Burning Glass Institute مع منظمة Break Through Tech في نوفمبر 2026 بعنوان «The Consequence Gap»، حلل فيه أكثر من مليون إعلان لوظائف تقنية مبتدئة في 32 مهنة، وتحدث مع 54 ممارساً في 46 جهة. وهذه أهم نتائجه:

- مراجعة الكود Code Review تضاعفت: من 7.8% من الإعلانات في 2020 إلى 15.6% في 2025، ثم 18.5% في يونيو 2026. وقال الممارسون إن المراجعة اليوم تعني غالباً مراجعة ما أنتجته الأداة، وإنها مهارة مختلفة: تبحث فيها عن كود يبدو صحيحاً وهو خاطئ، أو صحيح ولكنه مكلف أو معقد أو غير آمن.
- الاختبار والنشر: الاختبار Software Testing زاد 4.9 نقطة في النصف الأول من 2026 إلى 17.9%، والنشر المستمر CI/CD في نحو 19.4% من الإعلانات في 2025.
- لغات أقل وأساسيات أكثر: 12 من 16 لغة وأداة تتبعها التقرير قلت في الإعلانات، والاستثناء Python التي ارتفعت من 22% إلى 33%. ولم يقل أي ممارس إن الأساسيات صارت أقل أهمية، بل أكدوا قراءة الكود وفهم هياكل البيانات Data Structures والخوارزميات وتصحيح الأخطاء والاختبار ومعرفة الحل غير الآمن.
- مهارات الذكاء الاصطناعي تنمو من قاعدة صغيرة: تطوير وكلاء الذكاء الاصطناعي AI Agent Development ارتفع من 0.14% في 2024 إلى 1.8% في 2025 ثم 7.5% في منتصف 2026.
- التدريب نادر: 44% فقط من الطلاب الجامعيين الذين يريدون تدريباً مدفوعاً Paid Internship يحصلون عليه.
وأوضح جملة في التقرير قالها أحد الممارسين: «nobody is vibe-coding their way into a tech engineering job»، أي لا أحد يدخل وظيفة هندسة برمجيات بالفايب كودنج Vibe Coding. وقال آخر إن السبب الأول لرسوب المرشحين في المقابلة التقنية أنهم لا يقيمون نتائج الأداة بعين ناقدة. المصدر: تقرير The Consequence Gap، نوفمبر 2026.
لماذا ما زال توظيف المبتدئين Hiring منطقياً؟
قبل الخطوات العملية، سؤال يهم القائد والمبتدئ معاً: إذا كان الوكيل يكتب الكود، فلماذا توظف شركة مبتدئاً؟ وأوضح جواب جاء من داخل شركة تبيع هذه الأدوات. ففي مقابلة مسجلة في أغسطس 2025، وصف Matt Garman المدير التنفيذي لخدمات Amazon السحابية AWS فكرة استبدال الموظفين المبتدئين بالذكاء الاصطناعي بأنها من أسوأ الأفكار التي سمعها، كما نقلت The Register. وكانت حجته أن المبتدئين غالباً أقل الموظفين تكلفة وأكثرهم استخداماً للأدوات الجديدة، وأن الشركة التي لا توظفهم لن يكون فيها بعد عشر سنوات أحد تعلم شيئاً.
وهذه حجة اقتصادية قبل أن تكون عاطفية: أصحاب الخبرة الذين يراجعون عمل الوكلاء اليوم كانوا مبتدئين قبل عشر سنوات، والشركة التي لا تبني هذا الخط تشتري الخبرة من السوق بسعر أعلى، أو لا تجدها. وقد جمعنا أقوال قادة التقنية الأخرى عن الموضوع، بما فيها المتناقضة، في مقال مستقل من هذه المرحلة.
تسع خطوات Steps للمبتدئ
الآن نحول الأدلة إلى خطوات. وكل خطوة معها سببها من الأدلة السابقة، والمقال الذي يفصلها على الموقع.
الخطوة 1: تعلم الأساسيات Fundamentals بيدك أولاً
اكتب بيدك الحل الأول لكل شيء جديد تتعلمه: هياكل البيانات، والخوارزميات الأساسية، ولغة واحدة بعمق. والسبب أن تجربة Anthropic وجدت أكبر فرق في تصحيح الأخطاء، وتقرير Burning Glass وجد أن الممارسين يريدون الأساسيات أكثر لا أقل، وأنك لا تستطيع أن تحكم على ما تعطيك الأداة إذا لم تعرف شكل الحل الجيد. واختر لغة واحدة وتعمق فيها بدل قائمة طويلة، فالتقرير نفسه يقول إن العمق في لغة واحدة صار أهم من معرفة سطحية بلغات كثيرة. وقد وضعنا تمارين لذلك في مقال تمارين Kata.
الخطوة 2: استخدم الأداة Tool كما استخدمها أصحاب النتائج العالية
اسأل الأداة عن المفاهيم، واطلب الشرح مع الكود، واقرأ كل سطر تأخذه حتى تستطيع أن تشرحه. وحين يظهر خطأ، حاول أن تفهمه بنفسك قبل أن تلصقه في المحادثة. والسبب أن هذه هي الأنماط التي حصلت على 65% أو أكثر في تجربة Anthropic، وكانت مع ذلك سريعة. وقاعدة بسيطة تساعدك: إذا لم تستطع أن تشرح لزميل لماذا يعمل هذا الكود، فهو ليس كودك بعد.
الخطوة 3: تعلم مراجعة الكود Code Review
راجع كود غيرك في مشاريع مفتوحة المصدر، وراجع ما تكتبه الأداة لك كأنه طلب دمج من زميل جديد. وابحث فيه عن الأخطاء المنطقية، والحالات الحدية Edge Cases، والتعقيد غير اللازم، والمشكلات الأمنية. والسبب أن المراجعة أسرع مهارة نمواً في إعلانات المبتدئين. وقد شرحنا كيف تراجع كود الأداة في مقال مراجعة كود الذكاء الاصطناعي.
الخطوة 4: تعلم الاختبار Testing
اكتب اختبارات Tests لكل مشروع تبنيه، وتعلم أن تكتب اختباراً يفشل حين يكون الكود خاطئاً، لا اختباراً يمر دائماً. والسبب أن الاختبار ثاني أسرع مهارة نمواً في الإعلانات في 2026، وأنه طريقتك الوحيدة لتعرف هل كود الأداة صحيح فعلاً. وانظر مقال أتمتة الاختبارات بالذكاء الاصطناعي.
الخطوة 5: تعلم كيف يصل الكود إلى المستخدم Deployment
تعلم Git جيداً، وانشر مشروعاً واحداً على الأقل إلى سيرفر حقيقي عبر خط نشر CI/CD Pipeline، وراقبه بعد النشر. والسبب أن أصحاب العمل يطلبون من المبتدئ اليوم أن يتعامل مع الكود في بيئة الإنتاج Production، لا في مشروع جامعي فقط، وأن CI/CD من أكثر المهارات طلباً في الإعلانات.
الخطوة 6: تعلم العمل مع الوكيل Agent بطريقة صحيحة
تعلم أن تكتب مواصفة Spec واضحة قبل أن تطلب كوداً، وأن تعطي الوكيل السياق Context الذي يحتاجه، وأن تقسم العمل إلى خطوات صغيرة تتحقق من كل منها. والسبب أن أصحاب العمل بدأوا يختبرون في المقابلات قدرة المرشح على التفكير في الأدوات والسياق والتكلفة. وقد شرحنا ذلك في مقالي التطوير من المواصفة وهندسة السياق.
الخطوة 7: ابن دليلاً على الحكم Judgment لا على الكتابة
مشروعك الشخصي Personal Project في 2026 يجب أن يبين ما لا تستطيع الأداة أن تفعله وحدها: لماذا اخترت هذا التصميم، وما الذي جربته ولم ينجح، وكيف اختبرت، وما الخطأ الذي وجدته في كود الأداة وكيف أصلحته. اكتب ذلك في ملف README وفي سجل القرارات. والسبب أن الكود نفسه صار سهل الإنتاج، فلم يعد وحده دليلاً على شيء. وانظر مقالي المشروع الشخصي وحسابك على GitHub.
الخطوة 8: اختر مجالاً Domain
تعلم مجالاً واحداً بجانب البرمجة: المالية، أو الصحة، أو التعليم، أو الخدمات الحكومية. والسبب أن الأداة تعرف البرمجة العامة جيداً، ولكنها لا تعرف لماذا وضعت شركتك هذه القاعدة في الفوترة، ولا ما يحتاجه المستخدم في مجالك. ومعرفة المجال من الأشياء التي تجعل عملك مكملاً للأداة لا بديلاً عنها، كما شرحنا في مقال مرونة الطلب.
الخطوة 9: استخدم قنوات الدخول Entry Channels
الباب أضيق، فاستخدم كل القنوات. وفي المملكة توجد قنوات رسمية تستحق أن تعرفها:
| القناة | ما هي | المدة والمقابل | المصدر |
|---|---|---|---|
| تمهير Tamheer | تدريب على رأس العمل لحملة الدبلوم أو البكالوريوس من صندوق تنمية الموارد البشرية هدف | من 3 إلى 6 أشهر، بمكافأة 3,000 ريال شهرياً، لمن عمره 30 سنة أو أقل | صفحة البرنامج لدى هدف |
| أكاديمية طويق Tuwaiq Academy | معسكرات تقنية من شهر إلى تسعة أشهر، وبرامج قصيرة | تذكر الأكاديمية في صفحتها الرئيسية أكثر من 55,000 خريج، ونسبة توظيف 82% لخريجي المعسكرات | موقع الأكاديمية |
| التدريب التعاوني والصيفي Internship | تدريب خلال الدراسة أو بعدها | بحسب الجهة | مقال كيف تجد تدريباً |
ومثال على السنة الأولى بالمال: إذا حصلت على فرصة تمهير مدتها ستة أشهر، فمجموع المكافأة 18,000 ريال خلال السنة الأولى، ولا شيء في السنة التي بعدها من البرنامج نفسه، لأن البرنامج يسمح بفرصتين بمجموع ستة أشهر فقط. والأهم من المكافأة أن تخرج منه بعمل حقيقي في بيئة إنتاج تستطيع أن تتحدث عنه في المقابلة. وقد فصلنا مراحل البحث والعرض الوظيفي في مقال أول وظيفة تقنية.
خطة أسبوعية مقترحة Weekly Plan
هذه خطة مقترحة لمن يدرس أو يبحث عن وظيفة ويستطيع أن يخصص نحو 15 ساعة في الأسبوع، وليست نتيجة دراسة، فعدلها بحسب وقتك:
| النشاط | الساعات في الأسبوع | بالأداة أم دونها | الخطوة |
|---|---|---|---|
| تمارين أساسيات بيدك (هياكل بيانات، خوارزميات، لغتك الأساسية) | 4 | دونها، ثم قارن بحلها | 1 |
| مشروع شخصي واحد تبنيه مع الوكيل | 5 | بها، مع قراءة كل سطر | 2 و6 و7 |
| كتابة اختبارات للمشروع ونشره | 2 | بها وبدونها | 4 و5 |
| مراجعة كود في مشروع مفتوح المصدر أو لزميل | 2 | دونها أولاً | 3 |
| قراءة في مجال تختاره | 1 | كما تريد | 8 |
| كتابة ما تعلمته (README أو تدوينة قصيرة) | 1 | دونها | 7 |

في المقابلة Interview: كيف تبين أنك تحكم على الكود؟
إذا كان السبب الأول للرسوب في المقابلات الآن هو عدم تقييم نتائج الأداة، كما قال أحد ممارسي تقرير Burning Glass، فهذا يعطيك فرصة. فإليك ما تفعله في المقابلة:
- فكر بصوت عال: قل لماذا اخترت هذا الحل، وما البديل الذي تركته، وما الحالة التي قد يفشل فيها.
- إذا سمح لك باستخدام الأداة: اقرأ ما تعطيك قبل أن تقبله، وقل بصوت عال ما الذي تتحقق منه فيه.
- اختبر قبل أن تقول إنك انتهيت: اكتب حالة اختبار واحدة على الأقل، وجرب حالة حدية.
- تحدث عن خطأ وجدته: قصة حقيقية عن خطأ وجدته في كود الأداة في مشروعك، وكيف عرفته، أقوى من أي شهادة.
وقد فصلنا الاستعداد للمقابلة في مقال كيف تستعد لمقابلة مطور برمجيات في أسبوعين.
لقائد الفريق Team Lead: كيف تستقبل المبتدئ في فريق يعمل بالوكلاء؟
إذا قررت أن توظف مبتدئاً، فالأدلة السابقة تعطيك قواعد واضحة. فالأداة سوف تجعله منتجاً بسرعة، وهذا يغريك بأن تعطيه مهام كثيرة، ولكنها قد تمنعه من التعلم إذا لم تضع له حدوداً:
- مهام للتعلم ومهام للإنتاج: في الأشهر الثلاثة الأولى، حدد مهام يكتب فيها الحل الأول بيده، ثم يقارنه بحل الأداة.
- اشرح ما تدمجه: اطلب منه أن يشرح كل طلب دمج يرفعه، سطراً سطراً إذا لزم، وارفض الطلب الذي لا يستطيع شرحه، مهما كان صحيحاً.
- المراجعة تعليم: اجعله يراجع طلبات أصحاب الخبرة، لا العكس فقط، فالمراجعة أسرع طريقة ليتعلم كيف يفكر الفريق.
- تصحيح الأخطاء بيده: حين يتعطل شيء، اجعله يحاول ساعة قبل أن يلجأ إلى الأداة، فهذا ما وجدت تجربة Anthropic أنه أكثر ما يضعف.
- مرشد Mentor: خصص له زميلاً يجلس معه أسبوعياً.
- اكتب ذلك في السياسة: ضع قواعد المبتدئين في سياسة الفريق للذكاء الاصطناعي، كما شرحنا في مقال سياسة الذكاء الاصطناعي لفريق البرمجة.
وللخطة الكاملة لأول ثلاثة أشهر انظر مقالي استقبال المهندس الجديد والإرشاد Mentorship، ومن جهة المبتدئ مقال أول تسعين يوماً في وظيفتك التقنية الأولى.
أخطاء شائعة Common Mistakes
- أن تترك البرمجة لأن «الوكيل يكتب الكود»: البيانات لا تقول إن المهنة تختفي، بل إن بابها أضيق ومتطلباتها تغيرت.
- أن تسلم الأداة كل التفكير: هذا النمط كان الأسرع والأقل تعلماً في تجربة Anthropic.
- أن ترفض الأداة كلياً: أصحاب العمل يتوقعون أن تعرف العمل معها، والاستخدام المنظم قد يفيد التعلم.
- أن تجمع لغات كثيرة سطحياً: العمق في لغة واحدة مع الأساسيات أهم الآن من قائمة طويلة.
- أن تعرض مشروعاً لا تستطيع شرحه: أول سؤال في المقابلة سوف يكشف ذلك.
- أن تنسب كل صعوبة إلى الذكاء الاصطناعي: أسعار الفائدة وتباطؤ التوظيف بعد 2022 جزء كبير من القصة.
- للقائد: أن يوقف توظيف المبتدئين كلياً: يوفر اليوم، ويدفع غداً حين لا يجد أصحاب خبرة.
قائمة تحقق Checklist
- أكتب الحل الأول بيدي لكل موضوع جديد أتعلمه.
- أستطيع أن أشرح كل سطر في مشروعي، بما فيه ما كتبته الأداة.
- راجعت كود غيري هذا الشهر.
- في مشروعي اختبارات، وهو منشور على سيرفر حقيقي عبر خط نشر.
- كتبت في README قراراتي، وخطأ وجدته في كود الأداة وكيف أصلحته.
- أعرف مجالاً واحداً بجانب البرمجة.
- سجلت في القنوات المناسبة لي: تمهير، أو طويق، أو تدريب تعاوني.
- للقائد: عندي قواعد مكتوبة للمبتدئين في استخدام الأدوات، ومرشد لكل مبتدئ.
الخلاصة
- الوظيفة الأولى لم تختف، ولكن الباب أضيق: توظيف الخريجين في أكبر شركات التقنية أقل 25% من 2023، والأصغر سناً في المهن الأكثر تعرضاً أقل 19% من المتوقع.
- جزء كبير من السبب أسعار الفائدة وتباطؤ التوظيف منذ 2022، والذكاء الاصطناعي أحد الأسباب لا كلها.
- الأداة تزيد إنتاج المبتدئ أكثر من الخبير، ولكنها قد تضعف تعلمه إذا سلمها التفكير.
- أصحاب العمل يطلبون الآن المراجعة والاختبار والنشر والأساسيات، ويختبرون في المقابلة قدرتك على تقييم ما تعطيك الأداة.
- الخطوات التسع: الأساسيات بيدك، واستخدام الأداة للفهم، والمراجعة، والاختبار، والنشر، والعمل الصحيح مع الوكيل، ودليل على الحكم، ومجال، وقنوات الدخول.
- القائد الذي يوظف المبتدئين ويضع لهم قواعد يبني خبرة الفريق للسنوات القادمة.
وفي المقال القادم من هذه المرحلة بإذن الله نعرض ما قاله قادة التقنية عن البرمجة بالذكاء الاصطناعي، بتواريخه ومصادره الأصلية. ومقالات هذه المرحلة:
دليلمفارقة جيفونز Jevons Paradox: هل يزيد رخص البرمجة الطلب؟ماذا قال Jevons عن الفحم سنة 1865، وماذا وجدت أبحاث أثر الارتداد بعده، وهل تنطبق شروطه على البرمجيات حين يكتب الوكيل الكود.
دليلمرونة الطلب Demand Elasticity: اقتصاد وظائف البرمجةلماذا يتوقف مصير وظائف البرمجة مع الذكاء الاصطناعي على مرونة الطلب، وماذا قاس الاقتصاديون منها، وكيف تقدرها في سوقك.
دليلوظائف المبرمجين في عصر AI: ماذا تقول البيانات فعلاً؟ما تقوله بيانات الوظائف الرسمية والبحثية عن أثر الذكاء الاصطناعي على المبرمجين حتى نهاية 2026، وما الذي لا تقوله.
دليلماذا يقول قادة التقنية عن البرمجة بالذكاء الاصطناعي AI؟ما قاله قادة شركات التقنية عن البرمجة بالذكاء الاصطناعي من مصادره الأصلية، وكيف تفرق بين القياس والتوقع قبل أن تبني عليه قراراً.
دليلالمهارات التي ترتفع قيمتها حين يكتب الوكيل Agent الكودعشر مهارات ترتفع قيمتها مع وكلاء البرمجة، ولكل منها الدليل من إعلانات الوظائف والدراسات وقوته، وكيف تتدرب عليها بعمل حقيقي.وأقرب المقالات المنشورة إلى هذا الموضوع:
دليلالتعلم مع الذكاء الاصطناعي AI دون أن يفكر بدلاً منكما تقوله التجارب وسياسات الجامعات عن استخدام مساعدات الذكاء الاصطناعي في الدراسة، وقواعد عملية لكل مهمة حتى ترفع تعلمك ولا تستبدله.
دليلأول وظيفة تقنية: من البحث إلى العرض الوظيفي Job Offerأين تبحث عن أول وظيفة تقنية في المملكة، وكيف تتبع طلباتك وتمر من مراحل التوظيف، وماذا تقرأ في العرض قبل أن توقع.
دليلأول تسعين يوماً First 90 Days في وظيفتك التقنية الأولىخطة لأول ثلاثة أشهر في وظيفتك التقنية الأولى، من فترة التجربة والأسبوع الأول إلى السؤال ومراجعة الكود وأول خطأ ومحادثة التقييم.
دليلمشروع شخصي Personal Project يعلمك ويقنع من يقابلككيف تختار فكرة مشروع شخصي وتختبرها، وتحدد نطاقها وتكملها في ثمانية أسابيع، وتعرضها بطريقة يفهمها المقابل في دقيقتين.
دليللماذا تتمرن دون ذكاء اصطناعي؟ تمارين Kata لك ولفريقكما الذي تقوله الأبحاث عن تسليم التفكير للأدوات، وكيف يحفظ روتين صغير من التمارين تحلها بيدك مهارتك وحدك ومع فريقك.
دليلهل يجعلك وكيل البرمجة Coding Agent أسرع فعلاً؟ما الذي قاسته دراسات Copilot وGoogle وMETR وDORA بالضبط، ولماذا تختلف أرقامها، وكيف تقيس الأثر في فريقك أنت.سجل التحديثات
- 2026-11-20: كتابة المقال من تقرير SignalFire (مايو 2025)، وتقريري Burning Glass Institute (يوليو 2025 ونوفمبر 2026)، ودراسة Stanford بنسخة أغسطس 2026، وتحليل Indeed Hiring Lab (يوليو 2026)، وورقة Cui وزملائه (فبراير 2025)، وأوراق Brynjolfsson وزملائه وDell'Acqua وزملائه، وتجربة Anthropic (يناير 2026)، وأوراق Bastani وPrather وKazemitabaar، وصفحتي برنامج تمهير وأكاديمية طويق، كما قرأناها في 20 نوفمبر 2026.