إذا قرأت مقالين عن الذكاء الاصطناعي AI والوظائف في يوم واحد، فقد تجد في الأول أن المبرمجين سوف يقل عددهم لأن الوكيل Agent يكتب الكود، وفي الثاني أنهم سوف يزيدون لأن البرمجيات سوف تصبح أرخص فيطلبها الناس أكثر. وكلا الكاتبين يبدو واثقاً، وكلاهما يستشهد بالتاريخ. والحقيقة أن الاقتصاديين لا يقولون أياً من الجملتين، بل يقولون: الجواب يتوقف على رقم واحد اسمه مرونة الطلب Demand Elasticity.
وهذا المقال لمن يريد أن يفهم هذا الرقم دون معادلات صعبة: ما معناه، ولماذا يقرر هل تزيد الوظائف أم تنقص، وماذا قاس الاقتصاديون منه في صناعات سابقة مثل النسيج والصلب والسيارات، وما الذي نعرفه وما الذي لا نعرفه عنه في البرمجيات. وهو المقال الثاني في مرحلة «الذكاء الاصطناعي ومستقبل مهنة المبرمج»، وقد شرحنا في المقال الأول منها مفارقة جيفونز Jevons Paradox، أي أن يزيد الاستهلاك الكلي لمورد حين يصبح استخدامه أكفأ، وهنا نشرح الشرط الذي تحتاجه تلك المفارقة.
وسوف نناقش في هذا المقال ما يلي:
- ما هي مرونة الطلب السعرية Price Elasticity of Demand، وكيف تقرأ رقمها.
- لماذا يقرر هذا الرقم ما يحدث للعمل حين ترتفع الإنتاجية Productivity، مع أرقام James Bessen عن ثلاث صناعات Industries خلال مئتي سنة.
- الطلب المشتق Derived Demand على العمل، وقواعد Hicks وMarshall الأربع، وتطبيقها على المبرمجين.
- ما الذي قاسه الاقتصاديون فعلاً عن الذكاء الاصطناعي وسوق العمل حتى الآن.
- مثال افتراضي محسوب لفريق برمجة، وأسئلة تقدر بها مرونة الطلب في سوقك أنت.
الخلاصة السريعة Quick Summary
القاعدة: إذا كانت المرونة أكبر من 1، فإن زيادة الطلب تعوض العمل الذي وفرته التقنية وتزيد عليه. وإذا كانت أقل من 1، نقص العمل الكلي.
من التاريخ: في النسيج والصلب والسيارات كان الطلب مرناً جداً في البداية ثم صار غير مرن، فزاد التوظيف عشرات السنين ثم انخفض.
في البرمجيات: لا توجد دراسة اقتصادية موثوقة تقيس مرونة الطلب على البرمجيات أو على عمل المبرمجين. كل من يذكر رقماً لها يخمن.
ما قيس حتى الآن: أثر صغير على سوق العمل ككل، وأثر واضح على توظيف الأصغر سناً في المهن التي يؤدي فيها الذكاء الاصطناعي العمل بدل الإنسان.
والأرقام في هذا المقال من الأوراق والتقارير الأصلية كما قرأناها في 20 نوفمبر 2026، وكل مثال افتراضي مكتوب بجانبه أنه افتراضي.
ما هي مرونة الطلب Price Elasticity of Demand؟
مرونة الطلب السعرية هي مقياس لقوة استجابة المشترين حين يتغير السعر. والحساب بسيط: تقسم نسبة تغير الكمية المطلوبة على نسبة تغير السعر. فإذا انخفض سعر شيء بنسبة 10% واشترى الناس منه 20% أكثر، فالمرونة 20 مقسومة على 10، أي 2. والاقتصاديون يكتبونها أحياناً بإشارة سالبة لأن السعر والكمية يتحركان عكس بعضهما، ولكننا في هذا المقال نكتبها بالقيمة الموجبة لتسهيل القراءة.
ولتقريب الفكرة، فكر في شيئين تشتريهما: الملح وتذاكر الطيران. فإذا انخفض سعر الملح إلى النصف، فلن تأكل ضعف الملح، لأنك تشتري منه ما تحتاجه فقط. أما إذا انخفضت أسعار تذاكر الطيران إلى النصف، فكثير من الناس سوف يسافرون أكثر، ويسافر أناس لم يكونوا يسافرون أصلاً. فالملح طلبه غير مرن Inelastic، والسفر طلبه مرن Elastic.
| النوع | رقم المرونة | ماذا يحدث حين ينخفض السعر 10% | ماذا يحدث للإنفاق الكلي |
|---|---|---|---|
| طلب غير مرن Inelastic | أقل من 1 | تزيد الكمية أقل من 10% | ينقص الإنفاق الكلي |
| مرونة واحدية Unit Elastic | 1 بالضبط | تزيد الكمية بقدر انخفاض السعر تقريباً | يبقى الإنفاق الكلي كما هو |
| طلب مرن Elastic | أكبر من 1 | تزيد الكمية أكثر من 10% | يزيد الإنفاق الكلي |
والعمود الأخير هو المهم لنقاش الوظائف. فالإنفاق على البرمجيات هو في النهاية أجور المبرمجين وتكلفة الأدوات والحوسبة. فإذا كان الطلب على البرمجيات مرناً، فإن انخفاض تكلفة البرمجيات يزيد ما ينفقه العالم عليها، وإذا كان غير مرن، فإن العالم ينفق عليها أقل رغم أنه يحصل على برمجيات أكثر.

ولاحظ أن المرونة ليست صفة ثابتة للشيء. فالطلب على السيارات كان مرناً جداً سنة 1910 حين كانت السيارة غالية لا يملكها إلا القليل، وصار غير مرن بعد أن صار في أغلب البيوت الأمريكية سيارة أو أكثر. وهذه أهم فكرة في المقال كله، ونفصلها في القسم التالي بالأرقام.
لماذا يقرر هذا الرقم مصير الوظائف؟ دراسة Bessen
في يناير 2018 نشر الاقتصادي James Bessen ورقة في المكتب الوطني للبحوث الاقتصادية الأمريكي NBER بعنوان «AI and Jobs: The Role of Demand»، ثم نشرت نسخة منها في مجلة Economic Policy سنة 2019. وسؤاله كان: لماذا زاد التوظيف في بعض الصناعات بعد الأتمتة Automation وانخفض في أخرى، رغم أن الإنتاجية ارتفعت فيها كلها؟
وجوابه كتبه في جملة واضحة: إذا كانت مرونة الطلب السعرية أكبر من واحد، فإن زيادة الطلب سوف تعوض أكثر من العمل الذي وفرته التقنية. والمنطق بسيط: الآلة تجعل العامل الواحد ينتج أكثر، فتحتاج الصناعة إلى عمال أقل لكل وحدة، ولكن الوحدة تصبح أرخص فيشتري الناس وحدات أكثر. فإذا زادت الوحدات بنسبة أكبر من نقص العمل في كل وحدة، زاد العمال.
ثلاث صناعات Industries خلال مئتي سنة
وقد قدر Bessen مرونة الطلب في ثلاث صناعات أمريكية في بدايتها وفي نهاية الفترة التي درسها، وهذه أرقامه:
| الصناعة | السنة المبكرة | المرونة المبكرة | السنة المتأخرة | المرونة المتأخرة |
|---|---|---|---|---|
| القطن Cotton | 1810 | 2.13 | 1995 | 0.02 |
| الصلب Steel | 1860 | 3.49 | 1982 | 0.16 |
| السيارات Automotive | 1910 | 6.77 | 2007 | 0.15 |

وفي القطن مثلاً ارتفعت إنتاجية ساعة العمل قرابة 30 مرة في القرن التاسع عشر، ولكن استهلاك القماش زاد 100 مرة، ولذلك زاد عدد العاملين في النسيج. وبين 1810 و2011 ارتفعت الإنتاجية في كل ساعة أكثر من 800 مرة، وانخفض السعر قرابة ألف مرة. ولكن بعد أن صار عند الناس ما يكفيهم من الملابس، لم يعد انخفاض السعر يزيد الطلب كثيراً، فصارت كل زيادة في الإنتاجية تعني عمالاً أقل. فعمال الإنتاج في النسيج كانوا أكثر من 300,000 سنة 1958 وصاروا 16,000 سنة 2011، وفي الصلب من أكثر من 500,000 إلى 100,000، وجزء من هذا الانخفاض سببه التجارة الخارجية وليس الأتمتة وحدها.
ويسمي بعض الاقتصاديين هذا الشكل «حرف U المقلوب Inverted U»: التوظيف يرتفع مع الأتمتة حين يكون الطلب مرناً، ثم يبلغ ذروة، ثم ينخفض حين يتشبع الطلب. والسؤال الذي يهمنا إذاً ليس هل الطلب على البرمجيات مرن، بل أين نحن على هذا المنحنى.
متى يكون الطلب مرناً Elastic؟
وكتب Bessen في الورقة نفسها متى يكون الطلب مرناً بما يكفي: حين تعالج التقنية حاجات كبيرة غير مشبعة Unmet Needs، عند أناس مختلفين في تفضيلاتهم واستخداماتهم. وحين تتجه إلى أسواق مشبعة Satiated Markets، تضيع الوظائف في الصناعة المتأثرة، وليس بالضرورة في الاقتصاد كله. وذكر ملاحظة مهمة أخرى: من 271 مهنة تفصيلية في التعداد الأمريكي سنة 1950، لم تختف بسبب الأتمتة إلا مهنة واحدة بوضوح، وهي عامل المصعد Elevator Operator. أما البقية فإما بقيت بشكل ما، وإما اختفت لأسباب أخرى مثل تراجع الطلب عليها.
ولكن لاحظ أن هذه الأرقام تقديرات من نموذج اقتصادي بنى عليه Bessen حساباته، وليست قياساً مباشراً للمرونة في كل سنة، وأن الصناعات الثلاث صناعات منتجات مادية، لا خدمات مثل البرمجيات. فخذها مثالاً تاريخياً يوضح الآلية، لا رقماً تنقله إلى البرمجيات.
المصدر: ورقة Bessen في NBER رقم 24235، يناير 2018.
الطلب المشتق Derived Demand: لماذا لا يطلب أحد المبرمج لذاته
الشركة لا توظف مبرمجاً لأنها تحب المبرمجين، بل لأنها تريد برمجيات. ولذلك يسمي الاقتصاديون الطلب على العمل «طلباً مشتقاً Derived Demand»، أي أنه مشتق من الطلب على ما ينتجه هذا العمل. فإذا زاد الطلب على البرمجيات زاد الطلب على المبرمجين، وإذا نقص نقص.
ومنذ كتاب Alfred Marshall «مبادئ الاقتصاد Principles of Economics» سنة 1890، ثم كتاب John Hicks «نظرية الأجور The Theory of Wages» سنة 1932، يدرس الاقتصاديون أربع قواعد تحدد متى يكون الطلب على عمل معين مرناً، أي متى يتغير عدد من يوظفون بقوة حين يتغير أجرهم أو تكلفة عملهم. وتسمى «قواعد Hicks وMarshall للطلب المشتق Hicks-Marshall Laws of Derived Demand»، ونطبقها هنا على المبرمجين:
| القاعدة | معناها ببساطة | ماذا تعني للمبرمجين اليوم |
|---|---|---|
| 1. مرونة الطلب على المنتج | كلما كان الطلب على المنتج النهائي مرناً، كان الطلب على العمل الذي ينتجه مرناً | هل تطلب الشركات والناس برمجيات أكثر بكثير إذا رخصت؟ هذا هو سؤال المقال كله |
| 2. سهولة الاستبدال Substitution | كلما سهل أن تستبدل العامل بآلة أو بعامل آخر، كان الطلب عليه أكثر مرونة | الوكيل يستبدل بعض المهام بسهولة، مثل كتابة كود متكرر، ويصعب أن يستبدل أخرى، مثل فهم المتطلبات وتحمل مسؤولية النظام |
| 3. حصة العمل من التكلفة Cost Share | كلما كانت أجور هذا العمل جزءاً كبيراً من تكلفة المنتج، كان أثر تغيرها أكبر | في شركات البرمجيات تكون الأجور غالباً أكبر بند في التكلفة، فأي تغير في تكلفة العمل يؤثر بقوة |
| 4. مرونة عرض المدخلات الأخرى | كلما سهل أن تحصل على المدخلات البديلة، كان الطلب على العمل أكثر مرونة | الحوسبة ونماذج اللغة صارت متاحة وتنخفض أسعارها بسرعة، وهذا يسهل الاستبدال حيث يمكن |
وللقاعدة الثالثة استثناء معروف في الكتب: لا تصدق إذا كانت سهولة الاستبدال أكبر من مرونة الطلب على المنتج. وهذا تفصيل للمتخصصين، والذي يكفيك منه أن القواعد الأربع تعمل معاً، وأن أهمها لنقاشنا هي الأولى والثانية.

المصدر: الفصل الرابع من كتاب Ehrenberg وSmith في اقتصاد العمل Modern Labor Economics.
بديل أم مكمل؟ Substitute vs Complement
القاعدة الثانية تحتاج إلى وقفة، لأن الذكاء الاصطناعي لا يستبدل «المبرمج» كله، بل يستبدل بعض مهامه ويكمل بعضها. والاقتصاديون يفرقون بين نوعين من التقنية: تقنية بديلة Substitute تقوم بالعمل بدل الإنسان، وتقنية مكملة Complement تجعل الإنسان ينجز أكثر وأفضل في عمله. والطلب على العامل ينخفض مع التقنية البديلة، ويرتفع غالباً مع التقنية المكملة.
وأوضح دليل على هذا الفرق حتى الآن جاء من دراسة Erik Brynjolfsson وBharat Chandar وRuyu Chen في مختبر الاقتصاد الرقمي بجامعة Stanford، بعنوان «Canaries in the Coal Mine». ففي نسختها المحدثة في أغسطس 2026، على بيانات رواتب من شركة ADP حتى يونيو 2026، وجد الباحثون أن من أعمارهم بين 22 و25 سنة في المهن الأكثر تعرضاً للذكاء الاصطناعي صاروا أقل بنسبة 19% مما كانوا سيكونون عليه لو ساروا مع أقرانهم في المهن الأقل تعرضاً. ووجدوا أن الانخفاض يتركز في المهن التي يستبدل فيها الذكاء الاصطناعي المهام، أما حيث يكمل العاملين فالتوظيف ثابت أو يرتفع.
وفي هامش الورقة كتب الباحثون أن زيادة إنتاجية العاملين في مهنة قد تؤدي إلى نقص التوظيف أو زيادته، بحسب أمور منها مدى مرونة الطلب على ما ينتجونه. أي أن أهم دراسة في الموضوع تعيدنا إلى سؤال هذا المقال نفسه. ونعرض بقية أرقام هذه الدراسة وحدودها في مقال الوظائف من هذه المرحلة.
المصدر: صفحة دراسة Canaries in the Coal Mine في Stanford.
كيف يستخدم مكتب إحصاءات العمل BLS هذه الفكرة؟
وقد يتساءل البعض: هل هذا كلام نظري فقط، أم أن من يضع توقعات الوظائف الرسمية يستخدمه؟ والإجابة أن مكتب إحصاءات العمل الأمريكي Bureau of Labor Statistics، واختصاراً BLS، يستخدم هذا المنطق نفسه صراحة.
ففي فبراير 2025 نشر المكتب مقالاً في مجلته Monthly Labor Review عن إدخال أثر الذكاء الاصطناعي في توقعاته، ودرس فيه حالة مطوري البرمجيات Software Developers. وقال إن الذكاء الاصطناعي مناسب جداً لمهام هذه المهنة، ولكن الإنتاجية الأعلى قد تخفض أسعار البرمجيات فتزيد الطلب عليها، وإن الذكاء الاصطناعي نفسه يخلق عملاً في بناء أنظمته وصيانتها، وخلص إلى أن المهنة لا يرجح أن ينخفض التوظيف فيها. وتوقع في دورة 2023 إلى 2033 نمواً 17.9% لمطوري البرمجيات مقابل 4.0% لكل المهن.
ثم في توقعات 2025 إلى 2035، التي حدثت صفحاتها في 27 أغسطس 2026، صار التوقع لمطوري البرمجيات نمواً 10% (من 1,717,800 إلى 1,892,600)، بينما توقع للمبرمجين Computer Programmers انخفاضاً 7% (من 110,800 إلى 102,700). وقال في سبب انخفاض المبرمجين إن عمل البرمجة يستمر في الأتمتة، وإن المبرمجين يستخدمون تقنيات منها الذكاء الاصطناعي لأتمتة المهام المتكررة، وإن بعض المهام الأعلى مهارة تنتقل إلى مطوري البرمجيات.
ولاحظ الفرق بين المهنتين بلغة هذا المقال. فالمبرمج في تصنيف BLS هو من يكتب الكود ويختبره بحسب مواصفات يضعها غيره، أي أن أغلب عمله مهام يسهل استبدالها. ومطور البرمجيات هو من يصمم النظام ويقرر ما يبنى، أي أن الأداة تكمل عمله أكثر مما تستبدله، والطلب على ما ينتجه يتوسع. وقد قال المكتب نفسه إن توقعاته تحمل عدم يقين كبيراً، وإن طرقه ليست مصممة لالتقاط التغير التقني السريع جداً.
المصدر: مقال BLS في Monthly Labor Review، فبراير 2025، وصفحة مطوري البرمجيات في دليل المهن، وصفحة المبرمجين.
كم هي مرونة الطلب على العمل Labor Demand عادة؟
هناك رقم آخر يذكره الاقتصاديون، وهو مرونة الطلب على العمل بالنسبة لأجره Own-wage Elasticity، أي كم ينقص التوظيف إذا ارتفع الأجر 10%، مع بقاء الإنتاج ثابتاً. وفي كتابه «الطلب على العمل Labor Demand» سنة 1993 جمع Daniel Hamermesh الدراسات السابقة، ووجد أن هذه المرونة تقع غالباً بين 0.15 و0.75، وأن أفضل تقدير له 0.30.
وفي سنة 2015 نشر Andreas Lichter وAndreas Peichl وSebastian Siegloch في مجلة European Economic Review تحليلاً لنتائج 151 دراسة فيها 1,334 تقديراً (في النسخة المنشورة، أما نسخة IZA المرتبطة أدناه فأصغر)، ووجدوا أن متوسط التقديرات المنشورة 0.508، ولكنهم بينوا أن الدراسات التي تجد أرقاماً أكبر تنشر أكثر، فلما صححوا هذا الانحياز صار تقديرهم المفضل 0.246، بمدى من 0.072 إلى 0.446.
وما معنى هذا لنا؟ معناه أن الطلب على العمل بشكل عام غير مرن: إذا ارتفعت تكلفة العامل أو انخفضت قليلاً، لا يتغير عدد العاملين كثيراً على المدى القصير. ولكن هذا الرقم متوسط لكل أنواع العمل في دراسات سابقة لعصر الذكاء الاصطناعي، وهو يقيس شيئاً مختلفاً عن مرونة الطلب على البرمجيات نفسها. فلا تنقله إلى المبرمجين كأنه قياس لهم.
المصدر: ورقة Lichter وPeichl وSiegloch (نسخة IZA).
ما الذي لا نعرفه: لا يوجد رقم لمرونة الطلب على البرمجيات
وهنا يجب أن نكون صريحين. بحثنا عن دراسة اقتصادية موثوقة تقيس مرونة الطلب على البرمجيات، أو على الحوسبة السحابية، أو على عمل المبرمجين تحديداً، فلم نجد دراسة نستطيع أن نضع رقمها في هذا المقال. وهناك دراسات قديمة عن الطلب على الحواسيب نفسها في التسعينيات وبداية الألفية، ولكننا لم نستطع أن نتحقق من أرقامها من نصوصها الأصلية، فتركناها.
وهذا يعني أن من يقول لك اليوم إن «مرونة الطلب على البرمجيات أكبر من 1، فالوظائف سوف تزيد»، أو العكس، يقدم رأياً وليس قياساً. وقد يكون رأياً معقولاً مبنياً على ملاحظات صحيحة، مثل طول قوائم الأعمال المؤجلة في الشركات، ولكنه يبقى رأياً. وأصعب ما في قياس هذه المرونة أن البرمجيات ليست سلعة واحدة بسعر واحد مثل القماش، بل آلاف الأنواع المختلفة، وأغلبها يبنى داخل الشركات ولا يباع في سوق له سعر.
والأقرب إلى القياس هو ما حدث فعلاً لسوق العمل بعد انتشار أدوات الذكاء الاصطناعي، وهذا ما نعرضه في القسم التالي.
ما الذي قاسه الاقتصاديون Economists حتى الآن؟
الدراسات التي قاست أثر الذكاء الاصطناعي على سوق العمل حتى الآن قليلة وحديثة، وأغلبها يجد أثراً أصغر بكثير مما توحي به العناوين:
| الدراسة | ماذا قاست | النتيجة | حدودها |
|---|---|---|---|
| Eloundou وزملاؤه، مارس 2023 | التعرض Exposure: نسبة المهام التي يمكن أن تتأثر بنماذج اللغة | نحو 80% من العاملين في الولايات المتحدة قد يتأثر 10% من مهامهم على الأقل، ونحو 19% قد يتأثر نصف مهامهم على الأقل | يقيس الإمكان، لا ما حدث، ولا يعني فقدان الوظيفة |
| Acemoglu، 2024 و2025 | تقدير نظري لأثر الذكاء الاصطناعي على الإنتاجية الكلية | زيادة لا تتجاوز 0.66% في إنتاجية عوامل الإنتاج الكلية TFP خلال عشر سنوات | نموذج مبني على افتراضات عن نسبة المهام المتأثرة |
| Humlum وVestergaard، مايو 2025 | 25,000 عامل في 7,000 مكان عمل في الدنمارك، في 11 مهنة منها مطورو البرمجيات | لا أثر ذا دلالة على الأجور أو ساعات العمل في أي مهنة، ومجال الثقة يستبعد أثراً أكبر من 1% | بيانات حتى 2024، وأدوات المحادثة لا الوكلاء |
| Brynjolfsson وزملاؤه، أغسطس 2026 | بيانات رواتب ADP في الولايات المتحدة حتى يونيو 2026 | لا دليل على إزاحة واسعة للوظائف في الاقتصاد كله، ولكن الأصغر سناً في المهن الأكثر تعرضاً أقل 19% من المتوقع | وصفية لا سببية، ويضعف الأثر حين تؤخذ الشهادة الجامعية في الحساب |
ودراسة الدنمارك تعطي تفسيراً مهماً لصغر الأثر: العاملون الذين استخدموا أدوات المحادثة قالوا إنها وفرت لهم في المتوسط 2.8% فقط من ساعات العمل، وهو أقل بكثير من نسب 15% وأكثر التي تجدها التجارب المنضبطة على مهام محددة. وفي المقابل خلقت الأدوات مهام جديدة لنحو 8.4% من العاملين. أي أن الإنتاجية الفعلية في العمل اليومي ارتفعت قليلاً، والأجور لم تنقل حتى هذا القليل، فلم يتغير شيء يذكر في سوق العمل.
وقد ناقشنا لماذا تختلف أرقام الإنتاجية بين الدراسات بالتفصيل في مقال هل يجعلك وكيل البرمجة أسرع فعلاً؟، والخلاصة المهمة هنا أن مرونة الطلب لا تعمل إلا إذا انخفضت التكلفة فعلاً، والتكلفة لا تنخفض إلا إذا ارتفعت الإنتاجية الفعلية، لا الإنتاجية في مهمة تجريبية صغيرة.
المصدر: ورقة Eloundou وزملائه GPTs are GPTs، وورقة Acemoglu في NBER، وورقة Humlum وVestergaard، مايو 2025.
مثال محسوب Worked Example لفريق برمجة (افتراضي)
لنضع كل ما سبق في مثال واحد بأرقام مستديرة. الأرقام هنا افتراضية بالكامل، وليست من أي دراسة، وهدفها أن ترى كيف تعمل الآلية. لنفرض أن قسماً في شركة يبني كل سنة 20 ميزة Feature لعملائه، وكل ميزة تحتاج 100 ساعة عمل بشري، أي 2,000 ساعة في السنة.
الخطوة 1: كم تنخفض تكلفة الميزة Feature؟
لنفرض أن الوكيل يخفض وقت كتابة الكود إلى النصف. ولكن كتابة الكود ليست كل وقت الميزة، فهناك فهم المتطلبات والتصميم والمراجعة Code Review والاختبار Testing والنشر Deployment. فإذا كانت كتابة الكود 40% من وقت الميزة، فإن الوكيل يوفر نصف هذه الأربعين، أي 20 ساعة من كل 100. فتصبح الميزة 80 ساعة، أي أن تكلفتها انخفضت 20% لا 50%.
| حصة كتابة الكود من وقت الميزة (افتراضي) | الوكيل يخفض الكتابة إلى النصف | ساعات الميزة بعد الوكيل | انخفاض تكلفة الميزة |
|---|---|---|---|
| 20% | توفير 10 ساعات | 90 | 10% |
| 40% | توفير 20 ساعة | 80 | 20% |
| 60% | توفير 30 ساعة | 70 | 30% |
وهذه أول نتيجة مهمة: أثر الوكيل على تكلفة البرمجيات أصغر من أثره على كتابة الكود، لأن الكتابة جزء فقط من العمل. وكلما زادت حصة المراجعة والاختبار والتنسيق في فريقك، كان الأثر أصغر.
الخطوة 2: كم يزيد الطلب Demand؟
الآن لنفترض أن تكلفة الميزة انخفضت 30% (الصف الأخير في الجدول)، وأن الشركة تمرر هذا الانخفاض إلى قرارها، فتبني ميزات أكثر. وكم ميزة إضافية تبني؟ هذا يتوقف على المرونة. وفي الجدول التالي حسبنا الحالات بنموذج المرونة الثابتة Constant Elasticity، وهو أن الكمية تتغير بنسبة السعر الجديد مرفوعاً إلى قوة سالبة تساوي المرونة:
| المرونة (افتراضية) | عدد الميزات في السنة | ساعات لكل ميزة | الساعات البشرية في السنة | التغير عن 2,000 ساعة |
|---|---|---|---|---|
| قبل الوكيل | 20 | 100 | 2,000 | نقطة البداية |
| 0.5 (غير مرن) | نحو 24 | 70 | نحو 1,670 | نحو 16% أقل |
| 1 (مرونة واحدية) | نحو 29 | 70 | نحو 2,000 | لا تغير تقريباً |
| 1.5 (مرن) | نحو 34 | 70 | نحو 2,390 | نحو 20% أكثر |
والحساب كما يلي، ويمكنك أن تعيده بآلة حاسبة: السعر الجديد 0.7 من القديم. وعدد الميزات الجديد يساوي 20 مضروباً في 0.7 مرفوعاً إلى سالب المرونة. فمع مرونة 0.5 يكون العدد 20 × 1.195 أي نحو 24 ميزة، ومع مرونة 1 يكون 20 × 1.429 أي نحو 29، ومع مرونة 1.5 يكون 20 × 1.707 أي نحو 34. ثم تضرب العدد في 70 ساعة. وقد قربنا الأعداد في الجدول، لذلك قد يختلف الناتج قليلاً إذا ضربت الأعداد المقربة.

ماذا يعلمنا المثال؟
- البرمجيات تزيد في كل الحالات: عدد الميزات زاد حتى في الحالة غير المرنة، ولكن العمل البشري نقص فيها.
- الفرق كبير بين الحالات: من 16% أقل إلى 20% أكثر، بالتقنية نفسها وبالانخفاض نفسه في التكلفة.
- الحد الفاصل هو المرونة 1: فوقه يزيد العمل الكلي، وتحته ينقص، وهذه هي قاعدة Bessen نفسها.
- المثال يبسط الواقع: فهو يفترض أن كل الوفر يتحول إلى قرار ببناء ميزات أكثر، وأن العمل البشري المتبقي من النوع نفسه، وفي الواقع قد يتغير نوع العمل، فيقل الكود ويزيد التصميم والمراجعة.
كيف تقدر مرونة الطلب في سوقك Market أنت؟
لن تجد رقماً منشوراً لمرونة الطلب في مجالك، ولكنك تستطيع أن تقدر الاتجاه بأسئلة عملية. وكل سؤال منها يقابل أحد شروط Bessen: هل هناك حاجات غير مشبعة، وهل المستخدمون مختلفون في حاجاتهم؟
| العلامة | تشير إلى طلب مرن | تشير إلى طلب غير مرن |
|---|---|---|
| قائمة الأعمال المؤجلة Backlog | طويلة، وفيها أعمال مفيدة تؤجل كل ربع سنة | قصيرة، وأغلبها تحسينات صغيرة |
| طلبات العملاء | العملاء يطلبون ميزات جديدة ويدفعون مقابلها | العملاء يطلبون الثبات والسعر الأقل |
| تنوع العملاء | فئات مختلفة لكل منها حاجات خاصة لم تخدم بعد | فئة واحدة حاجاتها معروفة ومخدومة |
| المنافسة | المنافس الذي يبني أسرع يكسب عملاء | السوق مستقر والحصص لا تتغير كثيراً |
| الأنظمة الداخلية | موظفون يعملون حول النقص بجداول وأعمال يدوية | الأنظمة الداخلية تغطي الحاجة |
| القيود الخارجية | لا قيود كبيرة على ما يمكن بناؤه | اللوائح أو العقود تحدد النطاق بدقة |
وإذا وجدت أغلب العلامات في العمود الأوسط، فالأرجح أن الوكيل سوف يجعل فريقك يبني أكثر بالعدد نفسه، وأن الحاجة إلى من يفهم المجال ويقرر ما يبنى سوف تزيد. وإذا وجدتها في العمود الأخير، فالأرجح أن التوفير سوف يظهر في التكلفة، وأن قرار حجم الفريق سوف يطرح نفسه، وقد ناقشنا ما يتغير في حجم الفريق مع الذكاء الاصطناعي في مقال هل يسلم الفريق الأكبر أسرع؟. وفي الحالتين، احسب تكلفة الأدوات نفسها في السنة، كما شرحنا في مقال كم تكلف وكلاء البرمجة في السنة؟، لأن جزءاً من الوفر يذهب إليها.
وماذا عن السوق السعودي Saudi Market؟
لا توجد أيضاً دراسة تقيس مرونة الطلب على البرمجيات في المملكة. ولكن الأرقام الرسمية تبين أن الطلب على العاملين في التقنية كان يرتفع في السنوات الأخيرة. فبحسب صفحة إنجازات رؤية 2030 لدى وزارة الاتصالات وتقنية المعلومات، وصل عدد العاملين في القطاع التقني إلى 411,000 بنهاية 2025، وارتفعت نسبة النساء فيه من 7% سنة 2017 إلى 35%. وبحسب خبر صندوق تنمية الموارد البشرية هدف في ديسمبر 2025، وظف القطاع 65,000 سعودي بين 2020 والنصف الأول من 2025.
وهذه أرقام عن عدد العاملين، لا عن المرونة، ولكنها تشير إلى سوق ما زال في مرحلة توسع، تدفعه مشاريع التحول الرقمي Digital Transformation في الحكومة والقطاع الخاص. وبلغة هذا المقال، السوق الذي يتوسع وفيه حاجات كثيرة لم تخدم بعد أقرب إلى الجانب المرن من المنحنى. ونعرض أرقام سوق العمل السعودي والأمريكي بتفصيل أكبر في مقال الوظائف من هذه المرحلة.
أخطاء شائعة Common Mistakes
- ذكر رقم لمرونة الطلب على البرمجيات: لا يوجد رقم موثوق منشور، فإذا رأيت رقماً فاسأل عن مصدره.
- الخلط بين إنتاجية الكتابة وتكلفة الميزة: الوكيل قد يخفض كتابة الكود إلى النصف، ولكن تكلفة الميزة تنخفض بنسبة أقل لأن الكتابة جزء من العمل فقط.
- نقل مرونة صناعة أخرى إلى البرمجيات: أرقام Bessen للقطن والصلب والسيارات توضح الآلية، ولكنها ليست أرقام البرمجيات.
- نسيان أن المرونة تتغير: الطلب المرن اليوم قد يصبح غير مرن بعد سنوات، كما حدث في كل صناعة درسها Bessen.
- معاملة المبرمجين كفئة واحدة: BLS نفسه يتوقع نمواً لمطوري البرمجيات وانخفاضاً للمبرمجين، لأن عمل كل منهما يتأثر بشكل مختلف.
- الاعتماد على تجارب المهام الصغيرة: التجربة المنضبطة على مهمة صغيرة قد تجد 50% أسرع، ودراسة الدنمارك وجدت أن العاملين وفروا 2.8% من ساعاتهم فقط.
- نسيان أن الزيادة الكلية تخفي النقص عند فئة: قد يزيد العمل في المهنة ككل وينقص للأصغر سناً، كما تشير دراسة Stanford.
قائمة تحقق Checklist
- عرفت أن مرونة الطلب هي نسبة تغير الكمية إلى نسبة تغير السعر، وأن الحد الفاصل هو 1.
- فرقت بين مرونة الطلب على البرمجيات ومرونة الطلب على العمل بالنسبة لأجره.
- حسبت حصة كتابة الكود من وقت الميزة في فريقك قبل أن تقدر أثر الوكيل على التكلفة.
- طبقت أسئلة السوق: قائمة الأعمال المؤجلة، وطلبات العملاء، وتنوعهم، والمنافسة، والأنظمة الداخلية، والقيود.
- عرفت أي مهام في فريقك يستبدلها الوكيل، وأيها يكملها.
- لم تبن قراراً على رقم مرونة لا مصدر له.
- تابعت ما يقيسه الباحثون فعلاً عن سوق العمل، لا التوقعات وحدها.
الخلاصة
- مرونة الطلب تقيس قوة استجابة المشترين لتغير السعر، وإذا تجاوزت 1 زاد الإنفاق الكلي مع انخفاض السعر.
- بحسب Bessen، إذا كانت مرونة الطلب أكبر من 1 فإن زيادة الطلب تعوض العمل الذي وفرته التقنية وتزيد عليه.
- في القطن والصلب والسيارات كان الطلب مرناً جداً في البداية ثم صار غير مرن، فزاد التوظيف ثم انخفض.
- الطلب على المبرمجين طلب مشتق من الطلب على البرمجيات، وقواعد Hicks وMarshall تبين أنه حساس للتقنية، والقاعدة الأولى هي التي تحدد الاتجاه.
- لا يوجد قياس موثوق لمرونة الطلب على البرمجيات، وما قيس حتى الآن أثر صغير على سوق العمل ككل، وأثر واضح على الأصغر سناً في المهن التي يستبدل فيها الذكاء الاصطناعي المهام.
- BLS يستخدم منطق المرونة نفسه: نمو لمطوري البرمجيات وانخفاض للمبرمجين.
- في فريقك، قدر المرونة بالعلامات، واحسب أثر الوكيل على تكلفة الميزة كلها لا على الكتابة وحدها.
وفي المقال القادم من هذه المرحلة بإذن الله نعرض ما تقوله بيانات الوظائف نفسها: BLS وStanford وIndeed وStack Overflow والمنتدى الاقتصادي العالمي وبيانات المملكة. 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.
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.
دليلالمبتدئ Junior والذكاء الاصطناعي: هل اختفت الوظيفة الأولى؟ما تقوله الأدلة عن توظيف المبرمج المبتدئ وتعلمه مع أدوات الذكاء الاصطناعي، وتسع خطوات عملية للدخول إلى المهنة ولقائد الفريق الذي يوظفه.
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:
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.
دليلكم تكلف وكلاء البرمجة Coding Agents في السنة؟أسعار Copilot وClaude وCursor والتوكنات من صفحاتها الرسمية، وتكلفة سنة لفريقك بحسب حجمه، وكيف تحسب تكلفة طلب الدمج الواحد.
دليلهل يسلم الفريق الأكبر أسرع؟ قانون Brooks والذكاء الاصطناعيماذا تقول الدراسات عن حجم فريق البرمجة وسرعة التسليم، ومتى تفيد إضافة الأشخاص، وما الذي يغيره الذكاء الاصطناعي فعلاً.
دليلالمالية لغير الماليين Finance Basics: لغة قسم الماليةشرح مبسط للغة قسم المالية: الفرق بين الربح والنقد، والقوائم المالية الثلاث، والقيد المزدوج ومركز التكلفة، مع مثال لشهر كامل في شركة صغيرة.
دليلاقتصاديات الوحدة Unit Economics: هل يربح كل عميل؟كيف تعرف أن كل عميل جديد يترك لشركتك أكثر مما كلفها، بحساب واضح لتكلفة العميل وقيمته ومثال كامل بالريال.سجل التحديثات
- 2026-11-20: كتابة المقال من ورقة Bessen في NBER (يناير 2018)، ومقال BLS في Monthly Labor Review (فبراير 2025) وصفحات دليل المهن (أغسطس 2026)، وورقة Lichter وزملائه، وأوراق Eloundou وAcemoglu وHumlum وVestergaard، وورقة Canaries بنسخة أغسطس 2026، وصفحات وزارة الاتصالات وصندوق هدف، كما قرأناها في 20 نوفمبر 2026.