> ## Content Index
> Fetch the complete content index at: https://arabroot.io/llms.txt
> Use this file to discover other available public pages before exploring further.

# مفارقة جيفونز Jevons Paradox: هل يزيد رخص البرمجة الطلب؟
- URL: https://arabroot.io/articles/مفارقة-جيفونز-jevons-paradox-والطلب-على-البرمجيات/
- Published: 2026-11-20T03:48:34.000Z
- Updated: 2026-11-20T04:48:37.000Z
- Description: ماذا قال Jevons عن الفحم سنة 1865، وماذا وجدت أبحاث أثر الارتداد بعده، وهل تنطبق شروطه على البرمجيات حين يكتب الوكيل الكود.
- Author: فريق عرب رووت
- Tags: الأدلة التقنية, التطوير مع وكلاء الذكاء الاصطناعي

إذا كنت تسمع كل أسبوع أن الذكاء الاصطناعي AI سوف يجعل كتابة الكود أرخص بكثير، ثم تسأل نفسك: وماذا يحدث للمبرمجين إذا صار عملهم أرخص؟ فهذا المقال لك. والسؤال قديم جداً، أقدم من الحاسب نفسه، فقد سأله اقتصادي إنجليزي سنة 1865 عن الفحم، ووصل إلى جواب ما زال الاقتصاديون يناقشونه حتى اليوم.

وفي أواخر يناير 2025، بعد أن نشرت شركة DeepSeek الصينية نموذجاً قيل إن تدريبه كلف أقل بكثير من منافسيه، كتب Satya Nadella المدير التنفيذي لشركة Microsoft منشوراً قصيراً يقول فيه إن «مفارقة جيفونز Jevons Paradox تضرب من جديد»، وإن استخدام الذكاء الاصطناعي سوف يرتفع بشدة كلما صار أكفأ وأرخص، كما [نقلت Fortune في اليوم نفسه](https://fortune.com/2025/01/27/microsoft-ceo-satya-nadella-deepseek-optimism-jevons-paradox/?ref=arabroot.io). ومنذ ذلك اليوم صار اسم Jevons يتكرر في كل نقاش عن مستقبل البرمجة، وغالباً دون أن يقرأ أحد ما كتبه الرجل فعلاً، أو ما قالته الأبحاث بعده.

وهذا المقال من مرحلة «الذكاء الاصطناعي ومستقبل مهنة المبرمج» في مسار التطوير مع وكلاء الذكاء الاصطناعي، وهو أول مقالاتها. وسوف نناقش في هذا المقال ما يلي:

- ماذا قال William Stanley Jevons في كتابه «مسألة الفحم The Coal Question» بالضبط، وبأي أرقام.
- ما هو أثر الارتداد Rebound Effect، وكيف قاسه الباحثون في الطاقة خلال أربعين سنة، ومتى تتحقق المفارقة ومتى لا تتحقق.
- قصص حقيقية من خارج الفحم: الإضاءة، والحوسبة، وأجهزة الصراف الآلي ATM، والنسيج.
- هل تنطبق الشروط نفسها على البرمجيات حين يكتب الوكيل Agent جزءاً كبيراً من الكود؟
- ما الذي لا تقوله المفارقة، وكيف تقرأ الأخبار التي تستشهد بها، وقائمة أسئلة تطبقها على شركتك أو فريقك.

## الخلاصة السريعة Quick Summary

💡

**الفكرة:** عندما يصبح استخدام مورد أكفأ، تنخفض تكلفة ما ينتجه، فيزيد الناس استخدامه، وقد يزيد الاستهلاك الكلي بدل أن ينقص.  
**من قالها:** Jevons في كتاب «مسألة الفحم» سنة 1865: انخفض الفحم اللازم لطن الحديد في اسكتلندا إلى أقل من الثلث، وتضاعف استهلاك الفحم الكلي عشر مرات.  
**ماذا وجدت الأبحاث الحديثة:** الارتداد موجود دائماً تقريباً، ولكن تجاوزه 100% (أي أن يزيد الاستهلاك فعلاً) ليس القاعدة، وأقرب ما يكون إليه مع التقنيات العامة الواسعة في بداية انتشارها.  
**على البرمجيات:** كتابة الكود بالذكاء الاصطناعي تقنية عامة ما زالت في بدايتها، وهذا يرجح أن يزيد الطلب على البرمجيات، ولكنه لا يضمن أن يزيد عدد المبرمجين أو أجورهم.  
**القاعدة:** اسأل دائماً: هل هناك طلب مكبوت ينتظر أن تنخفض التكلفة؟ وأين يذهب العمل الذي لا يستطيع الوكيل أن يقوم به؟

والأرقام في هذا المقال من النصوص الأصلية للكتب والأوراق والتقارير كما قرأناها في 20 نوفمبر 2026، وكل رقم معه رابط مصدره، وما كان مثالاً افتراضياً فقد كتبنا ذلك بجانبه.

## من هو Jevons، ولماذا كتب عن الفحم؟

كان William Stanley Jevons اقتصادياً إنجليزياً، وهو من مؤسسي ما يسمى بالمدرسة الحدية Marginal Revolution في الاقتصاد، أي فكرة أن قيمة الشيء تحددها الوحدة الأخيرة التي تشتريها منه، وليس مجموع ما فيه من عمل. وفي سنة 1865 نشر كتاباً بعنوان «مسألة الفحم The Coal Question»، ثم صدرت طبعته الثانية سنة 1866، وكان سؤاله فيه مقلقاً لبريطانيا في ذلك الوقت: هل سوف ينفد الفحم الرخيص؟

وكانت بريطانيا تعيش على الفحم بالمعنى الحرفي، فالمصانع والقطارات والسفن وأفران الحديد كلها تعمل به. وكان الرد الشائع على قلق النفاد أن المهندسين يحسنون الآلات كل سنة، فتحتاج كل آلة إلى فحم أقل، وبالتالي سوف يكفي الفحم مدة أطول. وهنا جاء Jevons بالجواب الذي جعل اسمه مشهوراً حتى اليوم.

ففي الفصل السابع من الكتاب، وعنوانه «عن الاقتصاد في الوقود Of the Economy of Fuel»، كتب جملته المعروفة: «It is wholly a confusion of ideas to suppose that the economical use of fuel is equivalent to a diminished consumption. The very contrary is the truth». ومعناها أن من الخلط أن تظن أن استخدام الوقود بكفاءة يعني استهلاكاً أقل، فالصحيح هو العكس تماماً.

ولاحظ تفصيلاً صغيراً يغفل عنه أكثر من يستشهد بالجملة: Jevons قالها عن الفحم المستخدم في الصناعة، واستثنى صراحة الفحم الذي تستهلكه البيوت للتدفئة. والسبب، كما سوف نرى، أن الصناعة كانت تستطيع أن تتوسع بلا حد تقريباً كلما رخص الإنتاج، أما البيت فلا يحتاج أن يدفئ نفسه عشر مرات أكثر لأن الفحم صار أرخص.

المصدر: [النص الكامل للطبعة الثانية 1866 على archive.org](https://archive.org/details/bub%5Fgb%5F5IgBAAAAQAAJ) (الفصل السابع، صفحة 123)، و[الفصل السابع في مكتبة Econlib](https://www.econlib.org/library/YPDBooks/Jevons/jvnCQ.html?chapter%5Fnum=9&ref=arabroot.io).

## حجة Jevons بالأرقام: الآلة البخارية Steam Engine وأفران الحديد

لم يكتف Jevons بالجملة، بل قدم أرقاماً من عصره. والأرقام مهمة هنا، لأنها تبين أن الفكرة لم تكن تخميناً، بل قراءة لما حدث فعلاً في الصناعة البريطانية خلال قرن كامل.

### كفاءة الآلة البخارية Efficiency: عشر مرات في أقل من مئة سنة

كان المهندسون في ذلك الوقت يقيسون كفاءة الآلة البخارية بمقياس اسمه «الأداء Duty»، وهو عدد أرطال الماء التي ترفعها الآلة مسافة قدم واحدة بكل مكيال Bushel من الفحم. وقد جمع Jevons في الفصل نفسه هذا الجدول:

| السنة         | الآلة                                       | الأداء Duty (رطل ماء يرفع قدماً بكل مكيال فحم) |
| ------------- | ------------------------------------------- | ---------------------------------------------- |
| 1769          | متوسط الآلات الجوية القديمة من نوع Newcomen | 5,590,000                                      |
| 1772          | آلة Smeaton                                 | 9,450,000                                      |
| 1776          | آلة Watt                                    | 21,600,000                                     |
| 1779 إلى 1788 | آلة Watt بالتمدد Expansive Working          | 26,600,000                                     |
| 1830          | متوسط آلات Cornwall                         | 43,350,000                                     |
| 1859          | أفضل آلة                                    | 80,000,000                                     |

وكتب Jevons بعد الجدول أن كفاءة الآلة زادت في أقل من مئة سنة عشر مرات على الأقل. والذي حدث بعد ذلك هو أن الآلة البخارية، بعد أن كانت تستخدم أساساً لضخ الماء من المناجم، صارت رخيصة التشغيل بما يكفي لتدخل المصانع والقطارات والسفن. فلم يعد الفحم يستخدم في عمل واحد بكفاءة أعلى، بل صار يستخدم في أعمال لم تكن موجودة أصلاً عندما كانت الآلة مكلفة.

### أفران الحديد Iron Furnaces في اسكتلندا: الثلث في الطن والعشرة أضعاف في الكل

والمثال الأوضح في الكتاب جاء من صناعة الحديد في اسكتلندا. ففي القرن التاسع عشر ظهرت طريقة الهواء الساخن Hot Blast التي ابتكرها James Neilson، وهي أن يسخن الهواء قبل أن يدفع إلى الفرن. وبحسب الفصل الخامس عشر من الكتاب، خفضت هذه الطريقة الفحم اللازم لإنتاج طن من الحديد الزهر من سبعة أطنان إلى طنين أو طنين ونصف.

ولو كانت كمية الحديد ثابتة، لنقص استهلاك الفحم إلى أقل من الثلث. ولكن الحديد الاسكتلندي صار أرخص، فزاد الطلب عليه، وزاد الإنتاج كما يلي بحسب أرقام Jevons نفسه:

![رسم بالأعمدة لصناعة الحديد في اسكتلندا: الفحم لكل طن حديد انخفض من 7 أطنان إلى طنين، وإنتاج الحديد ارتفع من 37,500 طن سنة 1830 إلى 1,160,000 طن سنة 1863، فارتفع استهلاك الفحم الكلي من 262,500 طن إلى 2,320,000 طن](https://arabroot.io/content/images/2026/11/jevons-paradox-software-01-scottish-iron.webp)

انخفض الفحم في الطن الواحد إلى أقل من الثلث، وارتفع الإنتاج نحو 31 مرة، فتضاعف استهلاك الفحم الكلي قرابة تسع مرات بحسب حساب Jevons

والحساب الذي قام به Jevons بسيط: في سنة 1830 أنتجت اسكتلندا 37,500 طن من الحديد، وبسبعة أطنان من الفحم لكل طن يكون الاستهلاك 262,500 طن من الفحم. وفي سنة 1863 أنتجت 1,160,000 طن، وبطنين لكل طن يكون الاستهلاك 2,320,000 طن. ولذلك كتب في الفصل السابع أن خفض الفحم في كل طن حديد إلى أقل من الثلث تبعه في اسكتلندا استهلاك كلي أكبر بعشر مرات.

وقد يتساءل البعض: هل استمر هذا إلى الأبد؟ والإجابة لا. فبحسب [السلسلة الرسمية لإنتاج الفحم في المملكة المتحدة منذ 1853](https://www.gov.uk/government/statistical-data-sets/historical-coal-data-coal-production-availability-and-consumption?ref=arabroot.io) التي تنشرها وزارة أمن الطاقة البريطانية DESNZ، كان متوسط الإنتاج 71.5 مليون طن سنوياً في 1853 إلى 1862، ثم وصل إلى ذروته 292 مليون طن سنة 1913، ثم بدأ يهبط حتى صار 92.8 مليون طن سنة 1990 وأقل من مليون طن في 2025\. أي أن المفارقة صدقت قرابة نصف قرن بعد الكتاب، ثم جاء النفط والكهرباء والغاز وتغيرت الصورة كلها. وهذه ملاحظة مهمة لما سوف نقوله عن البرمجيات: الطلب الذي يرتفع مع انخفاض التكلفة لا يرتفع بلا نهاية.

### والمفاجأة: Jevons نفسه طبقها على العمل

وأكثر ما يهمنا في هذا الفصل فقرة لا يذكرها إلا القليل. فبعد جملة الوقود مباشرة كتب Jevons أن هذه قاعدة لها أمثلة كثيرة، وضرب مثلاً بالآلات التي توفر العمل: الآلة الجديدة تخرج العمال من عملهم في البداية، ولكن الطلب على المنتجات التي رخصت يزيد إلى درجة أن مجال العمل يتسع كثيراً بعد ذلك، وكثيراً ما يجد العامل نفسه الذي وفرت الآلة عمله أن عمله الأكفأ صار مطلوباً أكثر من قبل.

ومثاله كان الخياطات وآلة الخياطة Sewing Machine، فقد كتب أنهن لم يتضررن منها في أي حالة تقريباً، بل حصلن على أجور لم تكن تخطر على بال. وبالطبع هذه ملاحظة رجل من القرن التاسع عشر، وليست دراسة بالأرقام، ولكنها تبين أن السؤال الذي نسأله اليوم عن المبرمجين هو نفسه السؤال الذي رآه Jevons قبل 160 سنة: هل يقل العمل حين يصبح أكفأ، أم يزيد لأن الناس يطلبون أكثر مما ينتجه؟

المصدر: [The Coal Question، الطبعة الثانية 1866](https://archive.org/details/bub%5Fgb%5F5IgBAAAAQAAJ)، الفصل السابع (صفحات 123 إلى 135) والفصل الخامس عشر «عن تجارة الحديد Of the Iron Trade» (صفحات 316 و317)، و[مقتطفات الفصل في مشروع تاريخ الطاقة بجامعة Yale](https://energyhistory.yale.edu/files/2023/06/Jevons-The-Coal-Question.pdf?ref=arabroot.io).

## كيف تعمل المفارقة؟ الآلية Mechanism خطوة بخطوة

قبل أن ننتقل إلى الأبحاث الحديثة، لنكتب الآلية بكلمات بسيطة، لأن كل نقاش بعد ذلك يعتمد عليها. والمفارقة تمر بأربع خطوات:

1. **تتحسن الكفاءة Efficiency:** تحتاج الوحدة الواحدة من الناتج إلى مورد أقل. في الفحم: فحم أقل لكل طن حديد. وفي البرمجيات: ساعات مبرمج أقل لكل ميزة Feature.
2. **تنخفض التكلفة Cost:** لأن المورد جزء من تكلفة الناتج، فإن الناتج نفسه يصبح أرخص.
3. **يزيد الطلب Demand:** يشتري الناس أكثر من الشيء نفسه، ويستخدمونه في أعمال جديدة لم تكن مجدية من قبل.
4. **يتغير الاستهلاك الكلي Total Consumption:** وهنا السؤال كله. فإذا زاد الطلب بنسبة أقل من انخفاض المورد في الوحدة، نقص الاستهلاك الكلي. وإذا زاد بنسبة أكبر، زاد الاستهلاك الكلي، وهذه هي المفارقة.

![مخطط من أربع خطوات: تتحسن الكفاءة فيقل المورد في كل وحدة، فتنخفض تكلفة الوحدة، فيزيد الطلب والاستخدامات الجديدة، ثم نتيجتان: إذا كان الطلب قليل الاستجابة نقص الاستهلاك الكلي، وإذا كان كثير الاستجابة زاد الاستهلاك الكلي وهي مفارقة جيفونز](https://arabroot.io/content/images/2026/11/jevons-paradox-software-02-mechanism.webp)

كل شيء يتوقف على الخطوة الثالثة: كم يزيد الطلب حين تنخفض التكلفة؟

ولاحظ أن الخطوة الثالثة هي التي تقرر النتيجة، وليس التقنية نفسها. فالتقنية نفسها في الفحم كانت ستعطي نتيجة معاكسة لو أن أحداً لم يرد حديداً أكثر. والاقتصاديون يسمون مقدار استجابة الطلب للسعر باسم «مرونة الطلب السعرية Price Elasticity of Demand»، وقد خصصنا لها مقالاً كاملاً بعد هذا المقال في المرحلة نفسها، لأنها مفتاح نقاش الوظائف كله. والذي يكفينا هنا قاعدة واحدة: المفارقة تحتاج إلى طلب يستجيب بقوة لانخفاض السعر، وهذا ما يسميه الاقتصاديون طلباً مرناً Elastic Demand.

## أثر الارتداد Rebound Effect: ماذا وجدت أربعون سنة من الأبحاث؟

بعد Jevons بقيت الفكرة في الكتب قرابة قرن، ثم عادت بقوة في السبعينيات والثمانينيات من القرن العشرين، عندما بدأت الحكومات تفرض معايير كفاءة على الأجهزة والسيارات لتوفير الطاقة. وسأل بعض الاقتصاديين سؤال Jevons نفسه: هل توفر هذه المعايير الطاقة فعلاً، أم أن الناس يستخدمون أكثر لأن التشغيل صار أرخص؟

### المصطلحات: الارتداد المباشر وغير المباشر والارتداد العكسي Backfire

وأنتجت هذه الأبحاث مصطلحات تساعدنا على الكلام بدقة. فالباحثون يسمون الفرق بين التوفير المتوقع هندسياً والتوفير الذي حدث فعلاً باسم «أثر الارتداد Rebound Effect»، ويقيسونه بنسبة مئوية:

| المصطلح                                          | المعنى ببساطة                                    | مثال من الطاقة                              | ما يقابله في البرمجيات                                       |
| ------------------------------------------------ | ------------------------------------------------ | ------------------------------------------- | ------------------------------------------------------------ |
| الارتداد المباشر Direct Rebound                  | تستخدم الشيء نفسه أكثر لأنه صار أرخص             | سيارة أكفأ في الوقود، فتقودها مسافات أطول   | ميزة أرخص في البناء، فتبني ميزات أكثر في المنتج نفسه         |
| الارتداد غير المباشر Indirect Rebound            | المال الذي وفرته تنفقه على شيء آخر يستهلك المورد | ما وفرته في الوقود تنفقه على السفر بالطائرة | ما وفرته الشركة في مشروع تنفقه على مشروع برمجي آخر           |
| الارتداد على مستوى الاقتصاد Economy-wide Rebound | يتغير الاقتصاد كله: أسعار وصناعات وأعمال جديدة   | طاقة أرخص تجعل صناعات جديدة مجدية           | برمجيات أرخص تجعل منتجات وشركات جديدة ممكنة                  |
| الارتداد العكسي Backfire                         | أن يتجاوز الارتداد 100%، فيزيد الاستهلاك الكلي   | فحم Jevons في اسكتلندا                      | أن يزيد العمل البرمجي الكلي رغم أن كل ميزة تحتاج إلى عمل أقل |

فارتداد بنسبة 30% مثلاً يعني أن ما كان يفترض أن يوفر 100 وحدة وفر 70 فقط، لأن الناس استخدموا 30 وحدة إضافية. والارتداد بنسبة 100% يعني أن التوفير ضاع كله، وأكثر من 100% يعني أن المفارقة حدثت كما وصفها Jevons.

### فرضية Khazzoom وBrookes

في سنة 1980 نشر الاقتصادي Daniel Khazzoom ورقة عن معايير الكفاءة الإلزامية للأجهزة المنزلية في مجلة Energy Journal، وقال فيها إن التوفير الحقيقي أقل من المتوقع لأن الناس يستخدمون الأجهزة الأكفأ أكثر. وبعده كتب الاقتصادي البريطاني Leonard Brookes في الثمانينيات والتسعينيات أن تحسين الكفاءة على مستوى الاقتصاد كله قد يزيد الطلب على الطاقة. وفي سنة 1992 جمع Harry Saunders الفكرتين وسماهما «فرضية Khazzoom وBrookes Khazzoom-Brookes Postulate» في ورقة في المجلة نفسها، وبين أن نماذج النمو الاقتصادي المعروفة تسمح بالارتداد العكسي في ظروف معقولة.

### تقرير UKERC 2007: أكبر مراجعة للأدلة

وفي أكتوبر 2007 نشر مركز أبحاث الطاقة البريطاني UKERC تقريراً كتبه Steve Sorrell، وهو مراجعة لمئات الدراسات عن الارتداد. وخلاصة التقرير في نقاط:

- **الارتداد المباشر في البيوت:** للتدفئة والتبريد والسيارات الخاصة في الدول المتقدمة، يرجح أن يكون أقل من 30%، وقد يكون قريباً من 10% في النقل. أي أن هذه التحسينات توفر 70% أو أكثر مما يتوقعه المهندسون.
- **أرقام محددة:** في النقل بالسيارات الخاصة كان مدى التقديرات من 5% إلى 87%، وأفضل تقدير من 10% إلى 30% من 17 دراسة بثقة عالية. وفي تدفئة البيوت كان المدى من 1.4% إلى 60%، وأفضل تقدير من 10% إلى 30% من 9 دراسات بثقة متوسطة.
- **على مستوى الاقتصاد:** الارتداد 10% على الأقل وكثيراً ما يكون أعلى، وبعض الدراسات تشير إلى أنه قد يتجاوز 50% في حالات كثيرة. ولكن التقرير يقول بصراحة إن الثقة في هذه التقديرات قليلة.
- **فرضية Khazzoom وBrookes:** لا يمكن اعتبارها مثبتة، ولكنها أقرب إلى الصحة في حالة خاصة نشرحها في القسم التالي.
- **الدول النامية:** قد يتجاوز الارتداد المباشر فيها 100%، لأن هناك طلباً كثيراً لم يشبع بعد.

![مقياس أفقي لأثر الارتداد من صفر إلى أكثر من 100%: صفر يعني أن التوفير تحقق كله، ومن 10% إلى 30% أفضل تقدير UKERC للتدفئة والسيارات، و50% وأكثر قد يحدث على مستوى الاقتصاد، و100% يعني أن التوفير ضاع، وأكثر من 100% هو الارتداد العكسي Backfire أي مفارقة جيفونز](https://arabroot.io/content/images/2026/11/jevons-paradox-software-03-rebound-scale.webp)

أغلب ما قيس في البيوت يقع في المنطقة اليمنى من المقياس، والارتداد العكسي حالة خاصة وليس القاعدة

وفي سنة 2016 نشر Kenneth Gillingham وDavid Rapson وGernot Wagner مراجعة أخرى في مجلة Review of Environmental Economics and Policy بعنوان «أثر الارتداد وسياسة كفاءة الطاقة»، وخلصوا إلى أن الأبحاث لا تقدم دعماً يذكر لفرضية الارتداد العكسي، وأن الارتداد نفسه في الغالب أمر جيد للناس، لأنه يعني أنهم يحصلون على خدمة أكثر بالمال نفسه. وفي 2021 نشر Saunders وزملاؤه مراجعة لأربعين سنة من الأبحاث في Annual Review of Environment and Resources، وقالوا إن الارتداد على مستوى الاقتصاد قد لا يكون صغيراً، دون أن يضعوا رقماً واحداً له.

المصدر: [تقرير UKERC عن أثر الارتداد، أكتوبر 2007](https://ukerc.ac.uk/publications/the-rebound-effect-an-assessment-of-the-evidence-for-economy-wide-energy-savings-from-improved-energy-efficiency/?ref=arabroot.io)، و[ورقة Gillingham وزملائه (النسخة العاملة من مؤسسة RFF)](https://media.rff.org/documents/RFF-DP-14-39.pdf?ref=arabroot.io)، و[مراجعة Saunders وزملائه 2021](https://escholarship.org/content/qt4qx06981/qt4qx06981.pdf?ref=arabroot.io).

## متى تتحقق المفارقة؟ أربعة شروط Conditions من الأبحاث

أهم جملة في تقرير UKERC بالنسبة لنا ليست الأرقام، بل وصفه للحالة التي تقترب فيها المفارقة من الصحة. فقد كتب أن فرضية Khazzoom وBrookes تبدو أقرب إلى الصحة في التحسينات المرتبطة بالتقنيات العامة الواسعة General-Purpose Technologies، وخاصة عندما يتبناها المنتجون لا المستهلكون، وعندما يحدث التحسن في مرحلة مبكرة من تطورها وانتشارها، وضرب مثلاً بالآلة البخارية ثم المحرك الكهربائي في بداية القرن العشرين. وقال إنها أبعد عن الصحة في تقنيات الكفاءة المخصصة لغرض واحد، مثل العزل الحراري للبيوت.

ومن هذا الوصف ومن أمثلة Jevons نستخرج أربعة شروط:

| الشرط                      | ماذا يعني                                      | الفحم في القرن التاسع عشر                   | عزل البيوت                       |
| -------------------------- | ---------------------------------------------- | ------------------------------------------- | -------------------------------- |
| تقنية عامة General-Purpose | تدخل في أعمال كثيرة مختلفة، لا في عمل واحد     | نعم: مصانع وقطارات وسفن وأفران              | لا: التدفئة فقط                  |
| يتبناها المنتجون Producers | الشركات تستخدمها لتنتج أكثر وأرخص              | نعم: المصانع والأفران                       | لا: صاحب البيت يستهلك            |
| مرحلة مبكرة Early Stage    | لم تصل بعد إلى كل الاستخدامات الممكنة          | نعم: الآلة كانت تنتشر من المناجم إلى كل شيء | لا: التدفئة منتشرة أصلاً         |
| طلب مكبوت Unmet Demand     | أعمال كثيرة تنتظر أن تنخفض التكلفة لتصبح مجدية | نعم: الحديد الرخيص فتح سكك الحديد والجسور   | لا: لن تدفئ البيت أكثر مما تحتاج |

وكلما اجتمعت الشروط الأربعة، صار احتمال أن يزيد الاستهلاك الكلي أكبر. وكلما غابت، صار التوفير هو النتيجة الغالبة. وسوف نطبق هذه الشروط على البرمجيات بعد أن نرى ثلاث قصص أخرى من خارج الفحم.

## ثلاث قصص حقيقية بعد الفحم Coal

### الإضاءة Lighting: أرخص ثلاثة آلاف مرة واستهلاك أكبر 25 ألف مرة

أوضح مثال حديث للمفارقة هو الضوء. ففي سنة 2006 نشر Roger Fouquet وPeter Pearson في مجلة Energy Journal دراسة عن سعر الضوء واستهلاكه في المملكة المتحدة من سنة 1300 إلى سنة 2000، أي من الشموع إلى المصابيح الكهربائية. وأرقامهم، بالمقارنة بين سنة 1800 وسنة 2000، كما يلي:

![أربع بطاقات أرقام لإضاءة المملكة المتحدة بين 1800 و2000: تكلفة خدمة الإضاءة أقل من جزء من ثلاثة آلاف، والدخل للفرد أكبر 15 مرة، واستهلاك الفرد من الضوء أكبر 6,500 مرة، والاستهلاك الكلي أكبر 25,000 مرة](https://arabroot.io/content/images/2026/11/jevons-paradox-software-04-light.webp)

كلما رخص الضوء، وجد الناس له استخدامات جديدة: شوارع ومصانع تعمل ليلاً ولوحات إعلانية وشاشات

فقد صارت تكلفة خدمة الإضاءة أقل من جزء من ثلاثة آلاف مما كانت عليه سنة 1800، وزاد الدخل للفرد 15 مرة فقط، ولكن استهلاك الفرد من الضوء زاد 6,500 مرة، والاستهلاك الكلي 25,000 مرة. ولاحظ أن الناس لم يستخدموا الضوء الرخيص لإنارة الغرفة نفسها أكثر فقط، بل صنعوا به أشياء لم تكن ممكنة: الشوارع المضاءة، والعمل في نوبات ليلية، والإعلانات المضيئة، والشاشات. وهذا هو الشرط الرابع في الجدول السابق: طلب مكبوت ينتظر أن ينخفض السعر.

وفي سياق قريب نشر William Nordhaus ورقة مشهورة سنة 1994 (ثم فصلاً في كتاب من NBER سنة 1996) عن تاريخ الإضاءة، وبين فيها أن مؤشرات الأسعار التقليدية بالغت في تقدير ارتفاع سعر الضوء منذ بداية القرن التاسع عشر بمعامل بين 900 و1,600، أي أن الضوء رخص أكثر بكثير مما تقوله الإحصاءات الرسمية. وهذا الرقم ليس هبوط سعر الضوء نفسه، بل خطأ المؤشرات في قياسه، فلا تخلط بينه وبين رقم Fouquet وPearson.

المصدر: [ملخص دراسة Fouquet وPearson، Energy Journal 2006](https://ideas.repec.org/a/sae/enejou/v27y2006i1p139-178.html?ref=arabroot.io)، و[ورقة Nordhaus عن تاريخ الإضاءة، Cowles 1994](https://econpapers.repec.org/RePEc:cwl:cwldpp:1078?ref=arabroot.io).

### الحوسبة Computing: أرخص سبعة تريليونات مرة

والمثال الأقرب إلى عالمنا هو الحوسبة نفسها. ففي مارس 2007 نشر Nordhaus في مجلة Journal of Economic History دراسة عن قرنين من نمو إنتاجية الحوسبة، من الحساب باليد إلى الحاسب الحديث. ووجد أن أداء الحوسبة تحسن بمعامل بين 1.7 تريليون و76 تريليون بحسب المقياس المستخدم، وأن تكلفة العملية الحسابية الواحدة انخفضت بمعامل سبعة تريليونات بالأسعار الثابتة لسنة 2006\. وكان الانخفاض نحو 37% سنوياً بين 1945 و1980، ثم نحو 64% سنوياً بعد 1980.

وهل قل ما ننفقه على الحوسبة لأن العملية صارت أرخص؟ بالطبع لا. فالحاسب الذي كان يملأ غرفة في جامعة صار في جيب كل شخص، وصارت الحوسبة تدخل في السيارة والثلاجة والساعة. وهذا المثال يهمنا لسبب آخر: البرمجيات نفسها هي التي نشرت الحوسبة الرخيصة، فكلما رخص الحاسب زاد الطلب على من يكتب له البرامج. والسؤال اليوم معكوس: ماذا يحدث حين يرخص كتابة البرنامج نفسه؟

وهناك رقم أحدث في الاتجاه نفسه، فبحسب [تقرير مؤشر الذكاء الاصطناعي AI Index 2025 من جامعة Stanford](https://hai.stanford.edu/ai-index/2025-ai-index-report?ref=arabroot.io)، انخفضت تكلفة استخدام نموذج بمستوى أداء GPT-3.5 أكثر من 280 مرة بين نوفمبر 2022 وأكتوبر 2024\. وقد شرحنا كيف تحسب هذه التكلفة بالتوكنات في مقال [تكلفة الذكاء الاصطناعي بالتوكنات](https://arabroot.io/articles/%D8%AA%D9%83%D9%84%D9%81%D8%A9-%D8%A7%D9%84%D8%B0%D9%83%D8%A7%D8%A1-%D8%A7%D9%84%D8%A7%D8%B5%D8%B7%D9%86%D8%A7%D8%B9%D9%8A-%D8%A8%D8%A7%D9%84%D8%AA%D9%88%D9%83%D9%86%D8%A7%D8%AA/).

المصدر: [Nordhaus، Two Centuries of Productivity Growth in Computing، مارس 2007](https://doi.org/10.1017/S0022050707000058?ref=arabroot.io).

### الصراف الآلي ATM وموظفو البنوك: العمل الذي تغير ولم يختف

والقصة الثالثة عن العمل مباشرة، وهي الأكثر استشهاداً في نقاش الوظائف. ففي مارس 2015 نشر الاقتصادي James Bessen مقالاً في مجلة Finance & Development التي يصدرها صندوق النقد الدولي IMF بعنوان «Toil and Technology»، وذكر فيه أن عدد موظفي الصرافة Bank Tellers الذين يحتاجهم فرع بنك في المدن الأمريكية انخفض من 20 إلى 13 بين 1988 و2004 بعد انتشار أجهزة الصراف الآلي، ولكن البنوك صارت تفتح فروعاً أكثر لأن الفرع صار أرخص، فزاد عدد الفروع في المدن 43%، ولم ينخفض عدد وظائف موظفي الصرافة.

والذي تغير هو العمل نفسه، فقد صار موظف الفرع يقضي وقتاً أقل في عد النقود ووقتاً أكثر في الحديث مع العملاء عن منتجات البنك. وهذا هو جوهر ما قاله Jevons عن الخياطات: العامل نفسه بقي، ولكن عمله الأكفأ صار يستخدم في شيء آخر. وفي المقال نفسه ذكر Bessen أن الأنوال الآلية Power Looms في القرن التاسع عشر أتمتت 98% من العمل اللازم لنسج ياردة من القماش، ومع ذلك زادت وظائف النسج.

ولكن لهذه القصة نهاية لا يذكرها من يستشهد بها، وسوف نعود إليها في المقال القادم عن مرونة الطلب: في دراسة Bessen لسنة 2018 عن النسيج والصلب والسيارات في الولايات المتحدة، ارتفع التوظيف في كل صناعة عشرات السنين بعد الأتمتة، ثم انخفض بشدة عندما تشبع الطلب. فعمال إنتاج النسيج مثلاً كانوا أكثر من 300,000 سنة 1958 وصاروا 16,000 سنة 2011، وجزء من ذلك بسبب التجارة الخارجية. أي أن المفارقة تصدق في مرحلة، ثم تتوقف عندما يحصل الناس على ما يكفيهم.

المصدر: مقال James Bessen «Toil and Technology» في مجلة Finance & Development، المجلد 52 العدد 1، مارس 2015، و[ورقة Bessen في NBER رقم 24235، يناير 2018](https://www.nber.org/papers/w24235?ref=arabroot.io).

## هل تنطبق المفارقة على البرمجيات Software؟

الآن نعود إلى سؤالنا. فالذكاء الاصطناعي في البرمجة يجعل الكود أرخص في الإنتاج، والمورد هنا ليس الفحم بل ساعات المبرمج. فهل يزيد الطلب على البرمجيات إلى درجة أن يحتاج العالم إلى ساعات مبرمجين أكثر، أم ينقص العمل البرمجي الكلي؟ لنطبق الشروط الأربعة:

![مقارنة بين جهتين: في جهة الأسباب التي ترجح زيادة الطلب على البرمجيات: تقنية عامة تدخل كل القطاعات، ويتبناها المنتجون، وما زالت في مرحلة مبكرة، وطلب مكبوت كبير من الأنظمة الداخلية والشركات الصغيرة. وفي الجهة الأخرى ما يعمل ضدها: أن الكود ليس كل التكلفة، والمراجعة والصيانة تزيد مع الكود، وتشبع الطلب في بعض الأسواق، وأن زيادة البرمجيات لا تعني زيادة المبرمجين](https://arabroot.io/content/images/2026/11/jevons-paradox-software-05-software-conditions.webp)

الشروط الأربعة تميل لصالح زيادة الطلب على البرمجيات، ولكن هناك قوى تعمل في الاتجاه الآخر

### ما يرجح أن يزيد الطلب Demand

- **تقنية عامة:** البرمجيات تدخل في كل قطاع تقريباً: البنوك والمستشفيات والمدارس والحكومة والمتاجر. والذكاء الاصطناعي في البرمجة يخفض تكلفتها في كل هذه القطاعات معاً، وهذا يشبه الآلة البخارية التي دخلت كل صناعة، لا العزل الحراري الذي يخدم غرضاً واحداً.
- **يتبناها المنتجون:** الذي يستخدم وكيل البرمجة هو الشركة التي تبني البرمجيات، لا المستخدم النهائي. وهذا هو الشرط الذي ذكره تقرير UKERC: التحسن عند المنتج يفتح باب التوسع في الإنتاج.
- **مرحلة مبكرة:** أدوات البرمجة بالوكلاء انتشرت بشكل واسع في 2025 و2026 فقط، وما زالت تتغير كل بضعة أشهر، كما بينا في مقال [هل يجعلك وكيل البرمجة أسرع فعلاً؟](https://arabroot.io/articles/%D9%87%D9%84-%D9%8A%D8%AC%D8%B9%D9%84%D9%83-%D9%88%D9%83%D9%8A%D9%84-%D8%A7%D9%84%D8%A8%D8%B1%D9%85%D8%AC%D8%A9-coding-agent-%D8%A7%D8%B3%D8%B1%D8%B9-%D9%81%D8%B9%D9%84%D8%A7/).
- **طلب مكبوت:** في كل شركة تقريباً قائمة طويلة من الأعمال المؤجلة Backlog، وأنظمة داخلية يعمل الموظفون حولها بجداول Excel، وشركات صغيرة لا تستطيع أن تدفع لفريق برمجة كامل. وكل انخفاض في التكلفة يجعل جزءاً من هذه القائمة مجدياً لأول مرة.

### ما يعمل في الاتجاه الآخر Counter-forces

- **كتابة الكود ليست كل التكلفة:** المبرمج يقضي جزءاً كبيراً من وقته في فهم المتطلبات والاجتماعات والمراجعة Code Review والاختبار Testing والتشغيل، وهذه أجزاء لا تنخفض تكلفتها بالقدر نفسه. فإذا انخفضت كتابة الكود إلى النصف، فإن تكلفة الميزة كلها تنخفض بنسبة أقل بكثير.
- **المراجعة والصيانة تزيد مع الكود:** كل سطر يكتب يحتاج إلى من يقرؤه ويصلحه ويحدثه بعد ذلك، وقد بين تقرير DORA 2024 أن زيادة استخدام الذكاء الاصطناعي ارتبطت بثبات أقل في التسليم Delivery Stability. وهذا يعني أن جزءاً من «التوفير» يعود عملاً في مكان آخر.
- **تشبع الطلب Saturation:** بعض الأسواق مشبعة فعلاً. فالعالم لا يحتاج إلى تطبيق آلة حاسبة جديد كل يوم، ولا تحتاج الشركة إلى نظام رواتب آخر. وهذا يشبه ما حدث للنسيج بعد أن حصل الناس على ملابس كافية.
- **برمجيات أكثر لا تعني مبرمجين أكثر:** وهذه أهم نقطة، ونفصلها في القسم التالي.

## ما الذي لا تقوله المفارقة؟ Limits

أكثر خطأ نراه في الأخبار هو أن يقفز الكاتب من «الطلب على البرمجيات سوف يزيد» إلى «الطلب على المبرمجين سوف يزيد». والقفز بين الجملتين غير صحيح، والسبب أن Jevons تكلم عن المورد الذي صار أكفأ، وفي حالتنا المورد ليس واحداً، فهناك ساعات المبرمج وهناك قدرة الحوسبة التي يستخدمها الوكيل.

لنأخذ مثالاً افتراضياً بأرقام مستديرة، ليس من أي دراسة، لنرى أين المشكلة. لنفرض أن شركة تبني 20 ميزة في السنة، وكل ميزة تحتاج 100 ساعة عمل بشري، أي 2,000 ساعة في السنة. ثم جاء الوكيل فصارت الميزة تحتاج 60 ساعة بشرية فقط:

| الحالة (مثال افتراضي)         | عدد الميزات في السنة | ساعات بشرية لكل ميزة | الساعات البشرية في السنة | النتيجة                                |
| ----------------------------- | -------------------- | -------------------- | ------------------------ | -------------------------------------- |
| قبل الوكيل                    | 20                   | 100                  | 2,000                    | نقطة البداية                           |
| بعد الوكيل، والطلب ثابت       | 20                   | 60                   | 1,200                    | عمل بشري أقل بنسبة 40%                 |
| بعد الوكيل، والطلب زاد قليلاً | 28                   | 60                   | 1,680                    | عمل أقل بنسبة 16%، وارتداد جزئي        |
| بعد الوكيل، والطلب زاد كثيراً | 40                   | 60                   | 2,400                    | عمل أكثر بنسبة 20%، وهذه مفارقة جيفونز |

لاحظ أن عدد الميزات زاد في الحالات الثلاث بعد الوكيل أو بقي ثابتاً، أي أن «البرمجيات» لم تنقص أبداً. ولكن ساعات العمل البشري، وهي ما يهم من يبحث عن وظيفة، نقصت في حالتين وزادت في حالة واحدة. والذي يقرر الحالة هو سؤال واحد: كم ميزة إضافية تقرر الشركة أن تبنيها حين تصبح الميزة أرخص؟ وهذا بالضبط سؤال مرونة الطلب الذي نخصص له المقال القادم.

وهناك ثلاثة أمور أخرى لا تقولها المفارقة:

- **لا تقول متى:** حتى لو زاد العمل الكلي بعد عشر سنوات، فقد ينقص في السنتين الأولى والثانية قبل أن تظهر الاستخدامات الجديدة. والانتقال نفسه مؤلم لمن يعيشه.
- **لا تقول من:** قد يزيد العمل الكلي ويقل في الوقت نفسه لفئة معينة، مثل المبتدئين، أو لمن يكتب كوداً تكرارياً فقط. وقد وجدت دراسة Stanford التي نناقشها في مقال الوظائف أن الأثر حتى الآن يتركز في الأعمار الصغيرة في المهن الأكثر تعرضاً للذكاء الاصطناعي.
- **لا تقول كم الأجر:** قد يزيد عدد من يعملون في البرمجة وينخفض متوسط الأجر، إذا صار العمل أسهل على عدد أكبر من الناس.

وقد كتب باحثو Stanford في ورقتهم «Canaries in the Coal Mine» بنسخة أغسطس 2026 هذه الملاحظة نفسها في هامش صغير: أن زيادة إنتاجية العاملين في مهنة قد تؤدي إلى نقص التوظيف أو زيادته، بحسب أمور منها مدى مرونة الطلب على ما ينتجونه. وهذا اعتراف من أهم دراسة عن الموضوع بأن الجواب ليس في التقنية وحدها. المصدر: [ورقة Brynjolfsson وChandar وChen، نسخة أغسطس 2026](https://digitaleconomy.stanford.edu/app/uploads/2026/08/Canaries%5FAugust2026.pdf?ref=arabroot.io).

## العمل الجديد New Work: الجزء الذي ينساه الجميع

في أمثلة Jevons والإضاءة والصراف الآلي، لم يزد الطلب على الشيء القديم فقط، بل ظهرت أعمال جديدة كلياً. وهذا الجزء صعب التوقع، لأن الأعمال الجديدة لا يعرف أحد اسمها قبل أن تظهر.

وفي أغسطس 2024 نشر David Autor وزملاؤه Caroline Chin وAnna Salomons وBryan Seegmiller دراسة في مجلة Quarterly Journal of Economics بعنوان «New Frontiers»، وتتبعوا فيها المسميات الوظيفية في التعداد الأمريكي من 1940 إلى 2018\. ووجدوا أن نحو 60% من العمل في سنة 2018 كان في مسميات وظيفية أضيفت بعد 1940، أي أن أغلب الناس اليوم يعملون في وظائف لم تكن موجودة قبل ثمانين سنة. ومطور البرمجيات نفسه أحد هذه المسميات.

ولكن الدراسة نفسها تبين أن التقنية تفعل الأمرين معاً: تخلق عملاً جديداً حين تزيد الطلب وتوسع ما يمكن عمله، وتزيل عملاً قائماً حين تؤتمت المهام. وفي البرمجيات اليوم نرى بدايات الاتجاهين، فهناك أدوار جديدة حول تقييم الوكلاء وبناء الأدوات لهم وهندسة السياق Context Engineering، وهناك في الوقت نفسه مهام كتابة كود تكرارية تقل الحاجة إلى البشر فيها. المصدر: [دراسة Autor وزملائه، QJE أغسطس 2024](https://economics.mit.edu/sites/default/files/2026-04/New-Frontiers-QJE-v139%283%29-p1399-1465-Aug-2024.pdf?ref=arabroot.io).

## كيف تقرأ خبراً News يستشهد بمفارقة جيفونز؟

سوف تقرأ هذا الاسم كثيراً، في مقالات الرأي وفي منشورات المديرين التنفيذيين. فإليك أسئلة قصيرة تسألها لأي استشهاد به:

| السؤال                      | لماذا تسأله                                           | مثال على إجابة ضعيفة                                                      |
| --------------------------- | ----------------------------------------------------- | ------------------------------------------------------------------------- |
| ما هو المورد الذي صار أكفأ؟ | المفارقة تتكلم عن مورد محدد، والطلب عليه هو الذي يزيد | «الذكاء الاصطناعي» بشكل عام، دون أن يحدد هل يقصد الحوسبة أم ساعات المبرمج |
| ما الدليل على أن الطلب مرن؟ | دون طلب مرن لا توجد مفارقة                            | «التاريخ يقول ذلك»، مع مثال واحد من الفحم                                 |
| من يتكلم، وماذا يبيع؟       | من يبيع الحوسبة يستفيد إذا زاد استهلاكها              | مدير شركة سحابية يطمئن الناس بعد خبر يخفض أسعار أسهم شركته                |
| هل يتكلم عن الكل أم عن فئة؟ | الزيادة الكلية تخفي النقص عند فئات معينة              | «الوظائف سوف تزيد» دون أن يقول أي وظائف ولمن                              |
| في أي مدى زمني؟             | الزيادة قد تأتي بعد سنوات من النقص                    | لا يذكر أي تاريخ                                                          |

ولنطبق الأسئلة على منشور Nadella الذي بدأنا به. فقد قاله رئيس شركة تبيع الحوسبة السحابية التي يعمل عليها الذكاء الاصطناعي، في يوم انخفضت فيه أسهم شركات الرقائق بسبب خبر DeepSeek، والمورد الذي يتكلم عنه هو قدرة الحوسبة، لا ساعات المبرمجين. وهذا لا يجعل كلامه خاطئاً، فالأرجح أن استخدام الذكاء الاصطناعي زاد فعلاً بعد انخفاض أسعاره، ولكنه يعني أن المنشور لا يقول شيئاً مباشراً عن وظائف المبرمجين. وقد جمعنا ما قاله قادة التقنية عن البرمجة بالذكاء الاصطناعي، بتواريخه ومصادره، في مقال مستقل من هذه المرحلة.

## ماذا يعني هذا لشركتك أو فريقك Team؟

إذا كنت مديراً أو قائد فريق، فالسؤال العملي ليس هل تصدق المفارقة في العالم كله، بل هل تصدق في سوقك أنت. وإليك أسئلة تساعدك على التقدير، وكل سؤال منها يتعلق بأحد الشروط الأربعة:

1. **كم هي قائمة الأعمال المؤجلة Backlog عندك؟** إذا كانت لديك قائمة طويلة من الأعمال المفيدة التي تؤجلها كل ربع سنة لأن الفريق لا يكفي، فعندك طلب مكبوت، وانخفاض التكلفة سوف يملأ وقت الفريق بأعمال جديدة.
2. **هل يطلب عملاؤك أكثر إذا أسرعت؟** في بعض المنتجات، الميزة الجديدة تجلب عملاء جدداً أو تحفظ العملاء الحاليين، وفي أخرى المنتج مكتمل تقريباً وما يطلبه العملاء هو الثبات والسعر.
3. **أين يذهب الوقت في فريقك اليوم؟** إذا كانت كتابة الكود جزءاً صغيراً من وقت الفريق، وأغلب الوقت في المراجعة والاجتماعات والتشغيل، فإن الوكيل لن يخفض التكلفة كثيراً حتى يتغير شيء آخر. وقد شرحنا كيف تقيس ذلك في مقال [إنتاجية المطورين بعد DORA](https://arabroot.io/articles/%D8%A7%D9%86%D8%AA%D8%A7%D8%AC%D9%8A%D8%A9-%D8%A7%D9%84%D9%85%D8%B7%D9%88%D8%B1%D9%8A%D9%86-%D8%A8%D8%B9%D8%AF-dora-%D8%A7%D8%B7%D8%A7%D8%B1-space-%D9%88%D8%AA%D8%AC%D8%B1%D8%A8%D8%A9-%D8%A7%D9%84%D9%85%D8%B7%D9%88%D8%B1-devex/).
4. **هل هناك أعمال لم تفكر فيها لأنها كانت مكلفة؟** مثل نظام داخلي صغير لقسم المالية، أو تطبيق لعملاء فئة صغيرة، أو أتمتة تقرير يعده شخص يدوياً كل أسبوع. هذه هي «الاستخدامات الجديدة» في مثال الإضاءة.
5. **ما الذي يحد الفريق إذا تضاعفت كتابة الكود؟** غالباً المراجعة والاختبار والتشغيل، كما ناقشنا في مقال [هل يسلم الفريق الأكبر أسرع؟](https://arabroot.io/articles/%D9%87%D9%84-%D9%8A%D8%B3%D9%84%D9%85-%D8%A7%D9%84%D9%81%D8%B1%D9%8A%D9%82-%D8%A7%D9%84%D8%A7%D9%83%D8%A8%D8%B1-%D8%A7%D8%B3%D8%B1%D8%B9-%D9%82%D8%A7%D9%86%D9%88%D9%86-brooks/). وهذا الحد هو الذي يقرر كم من «التوفير» يتحول إلى عمل جديد فعلاً.

وإذا كانت إجاباتك تميل إلى «نعم، عندنا طلب مكبوت كبير»، فالأرجح أن الوكيل سوف يجعل فريقك يبني أكثر بالعدد نفسه، لا أن يقلل الفريق. وإذا كانت تميل إلى «منتجنا مكتمل وعملاؤنا يريدون الثبات»، فالأرجح أن التوفير سوف يظهر في التكلفة، ويجب أن تفكر من الآن في أين تضع وقت الفريق الذي توفر. ولحساب تكلفة الأدوات نفسها في السنة، راجع مقال [كم تكلف وكلاء البرمجة في السنة؟](https://arabroot.io/articles/%D9%83%D9%85-%D8%AA%D9%83%D9%84%D9%81-%D9%88%D9%83%D9%84%D8%A7%D8%A1-%D8%A7%D9%84%D8%A8%D8%B1%D9%85%D8%AC%D8%A9-coding-agents-%D9%81%D9%8A-%D8%A7%D9%84%D8%B3%D9%86%D8%A9/).

## أخطاء شائعة Common Mistakes

- **نسبة الفكرة إلى Jevons دون شرطها:** Jevons تكلم عن الفحم في الصناعة واستثنى البيوت، والشرط هو أن يكون هناك توسع ممكن في الإنتاج.
- **اعتبار المفارقة قانوناً:** المراجعات الحديثة، مثل Gillingham وزملائه 2016، لا تجد دعماً يذكر للارتداد العكسي في أغلب الحالات المقيسة. المفارقة حالة خاصة لها شروط.
- **الخلط بين البرمجيات والمبرمجين:** زيادة الطلب على البرمجيات لا تعني زيادة الطلب على ساعات البشر، كما بين المثال الافتراضي أعلاه.
- **نسيان النهاية:** النسيج والصلب والفحم البريطاني كلها زاد فيها العمل عشرات السنين ثم انخفض بشدة عندما تشبع الطلب أو ظهر بديل.
- **الاعتماد على قصة واحدة:** قصة الصراف الآلي صحيحة، ولكنها مثال واحد، ولا تكفي وحدها لتوقع ما يحدث في مهنة أخرى.
- **نسيان من يتكلم:** أكثر من يذكر المفارقة اليوم يعمل في شركات تستفيد من زيادة استهلاك الحوسبة، وهذا سبب للحذر لا لرفض الكلام.
- **خلط أرقام الإضاءة:** رقم «أرخص ثلاثة آلاف مرة» من Fouquet وPearson، ورقم «900 إلى 1,600» من Nordhaus هو خطأ مؤشرات الأسعار وليس هبوط السعر.

## قائمة تحقق Checklist

- عرفت المورد الذي صار أكفأ: ساعات المبرمج، أم قدرة الحوسبة.
- سألت هل الطلب على ما ينتجه هذا المورد مرن، وبحثت عن دليل لا عن قصة.
- طبقت الشروط الأربعة: تقنية عامة، ويتبناها المنتجون، ومرحلة مبكرة، وطلب مكبوت.
- فرقت بين زيادة العمل الكلي وما يحدث لفئة محددة مثل المبتدئين.
- سألت عن المدى الزمني، ولم تفترض أن الزيادة فورية.
- عرفت من يتكلم وماذا يبيع قبل أن تبني قراراً على كلامه.
- في فريقك: عرفت حجم قائمة الأعمال المؤجلة، وأين يذهب وقت الفريق، وما الذي يحده إذا تضاعف الكود.

## الخلاصة

- قال Jevons سنة 1865 إن استخدام الفحم بكفاءة لا يعني استهلاكاً أقل، وأثبت ذلك بأرقام الآلة البخارية وحديد اسكتلندا، حيث انخفض الفحم في الطن إلى أقل من الثلث وتضاعف الاستهلاك الكلي عشر مرات.
- وطبق الفكرة نفسها على العمل: الآلة توفر العمل، ثم يزيد الطلب على المنتجات الرخيصة فيتسع مجال العمل.
- الأبحاث الحديثة عن الطاقة وجدت أن الارتداد موجود دائماً تقريباً، ولكنه في أغلب ما قيس أقل من 100%، وأن الارتداد العكسي أقرب إلى الصحة في التقنيات العامة الواسعة في بدايتها حين يتبناها المنتجون.
- الإضاءة والحوسبة أمثلة واضحة على المفارقة، والنسيج والصلب أمثلة على أنها تتوقف حين يتشبع الطلب.
- البرمجة بالذكاء الاصطناعي تحقق أغلب شروط المفارقة، وهذا يرجح أن يزيد الطلب على البرمجيات، ولكنه لا يضمن أن يزيد الطلب على ساعات المبرمجين أو أن يتوزع بالتساوي.
- السؤال الذي يقرر النتيجة هو مرونة الطلب، وهو موضوع المقال القادم.

وفي المقال القادم من هذه المرحلة بإذن الله نشرح مرونة الطلب على العمل البرمجي بالتفصيل، ثم ننتقل إلى ما تقوله بيانات الوظائف فعلاً. ومقالات هذه المرحلة:

[![](https://arabroot.io/content/images/2026/11/demand-elasticity-software-cover-cover.webp)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.](https://arabroot.io/articles/%D9%85%D8%B1%D9%88%D9%86%D8%A9-%D8%A7%D9%84%D8%B7%D9%84%D8%A8-demand-elasticity-%D9%88%D8%A7%D9%82%D8%AA%D8%B5%D8%A7%D8%AF-%D9%88%D8%B8%D8%A7%D8%A6%D9%81-%D8%A7%D9%84%D8%A8%D8%B1%D9%85%D8%AC%D8%A9/)[![](https://arabroot.io/content/images/2026/11/ai-jobs-evidence-cover-cover.webp)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.](https://arabroot.io/articles/%D9%88%D8%B8%D8%A7%D8%A6%D9%81-%D8%A7%D9%84%D9%85%D8%A8%D8%B1%D9%85%D8%AC%D9%8A%D9%86-%D9%88%D8%A7%D9%84%D8%B0%D9%83%D8%A7%D8%A1-%D8%A7%D9%84%D8%A7%D8%B5%D8%B7%D9%86%D8%A7%D8%B9%D9%8A-ai-%D9%85%D8%A7%D8%B0%D8%A7-%D8%AA%D9%82%D9%88%D9%84-%D8%A7%D9%84%D8%A8%D9%8A%D8%A7%D9%86%D8%A7%D8%AA/)[![](https://arabroot.io/content/images/2026/11/junior-developers-ai-cover-cover.webp)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.](https://arabroot.io/articles/%D8%A7%D9%84%D9%85%D8%A8%D8%B1%D9%85%D8%AC-%D8%A7%D9%84%D9%85%D8%A8%D8%AA%D8%AF%D8%A6-junior-%D9%88%D8%A7%D9%84%D8%B0%D9%83%D8%A7%D8%A1-%D8%A7%D9%84%D8%A7%D8%B5%D8%B7%D9%86%D8%A7%D8%B9%D9%8A-%D8%A7%D9%84%D9%88%D8%B8%D9%8A%D9%81%D8%A9-%D8%A7%D9%84%D8%A7%D9%88%D9%84%D9%89/)[![](https://arabroot.io/content/images/2026/11/leaders-on-ai-coding-cover-cover.webp)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.](https://arabroot.io/articles/%D9%85%D8%A7%D8%B0%D8%A7-%D9%8A%D9%82%D9%88%D9%84-%D9%82%D8%A7%D8%AF%D8%A9-%D8%A7%D9%84%D8%AA%D9%82%D9%86%D9%8A%D8%A9-%D8%B9%D9%86-%D8%A7%D9%84%D8%A8%D8%B1%D9%85%D8%AC%D8%A9-%D8%A8%D8%A7%D9%84%D8%B0%D9%83%D8%A7%D8%A1-%D8%A7%D9%84%D8%A7%D8%B5%D8%B7%D9%86%D8%A7%D8%B9%D9%8A-ai/)[![](https://arabroot.io/content/images/2026/11/skills-that-rise-cover-cover.webp)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.](https://arabroot.io/articles/%D8%A7%D9%84%D9%85%D9%87%D8%A7%D8%B1%D8%A7%D8%AA-%D8%A7%D9%84%D8%AA%D9%8A-%D8%AA%D8%B1%D8%AA%D9%81%D8%B9-%D9%82%D9%8A%D9%85%D8%AA%D9%87%D8%A7-%D8%AD%D9%8A%D9%86-%D9%8A%D9%83%D8%AA%D8%A8-%D8%A7%D9%84%D9%88%D9%83%D9%8A%D9%84-agent-%D8%A7%D9%84%D9%83%D9%88%D8%AF/)

وأقرب المقالات المنشورة إلى هذا الموضوع:

[![](https://arabroot.io/content/images/2026/11/ai-productivity-evidence-cover-cover.webp)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.](https://arabroot.io/articles/%D9%87%D9%84-%D9%8A%D8%AC%D8%B9%D9%84%D9%83-%D9%88%D9%83%D9%8A%D9%84-%D8%A7%D9%84%D8%A8%D8%B1%D9%85%D8%AC%D8%A9-coding-agent-%D8%A7%D8%B3%D8%B1%D8%B9-%D9%81%D8%B9%D9%84%D8%A7/)[![](https://arabroot.io/content/images/2026/11/ai-coding-cost-cover-cover.webp)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.](https://arabroot.io/articles/%D9%83%D9%85-%D8%AA%D9%83%D9%84%D9%81-%D9%88%D9%83%D9%84%D8%A7%D8%A1-%D8%A7%D9%84%D8%A8%D8%B1%D9%85%D8%AC%D8%A9-coding-agents-%D9%81%D9%8A-%D8%A7%D9%84%D8%B3%D9%86%D8%A9/)[![](https://arabroot.io/content/images/2026/10/team-size-cover-cover.webp)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.](https://arabroot.io/articles/%D9%87%D9%84-%D9%8A%D8%B3%D9%84%D9%85-%D8%A7%D9%84%D9%81%D8%B1%D9%8A%D9%82-%D8%A7%D9%84%D8%A7%D9%83%D8%A8%D8%B1-%D8%A7%D8%B3%D8%B1%D8%B9-%D9%82%D8%A7%D9%86%D9%88%D9%86-brooks/)[![](https://arabroot.io/content/images/2026/11/ai-token-costs-cover-cover.webp)دليلتكلفة التوكنات Tokens في تطبيقات AI: كيف تقيسها وتخفضهاكيف تحسب تكلفة كل ميزة تستخدم نموذج لغة LLM، وتخفضها بالذاكرة المؤقتة Prompt Caching والتوجيه بين النماذج دون أن تخسر الجودة.](https://arabroot.io/articles/%D8%AA%D9%83%D9%84%D9%81%D8%A9-%D8%A7%D9%84%D8%B0%D9%83%D8%A7%D8%A1-%D8%A7%D9%84%D8%A7%D8%B5%D8%B7%D9%86%D8%A7%D8%B9%D9%8A-%D8%A8%D8%A7%D9%84%D8%AA%D9%88%D9%83%D9%86%D8%A7%D8%AA/)[![](https://arabroot.io/content/images/2026/11/space-devex-metrics-cover-cover.webp)دليلإنتاجية المطورين بعد DORA: إطار SPACE وتجربة المطور DevExماذا تقيس في فريق التطوير بعد مقاييس DORA، وكيف تجمع إطار SPACE وتجربة المطور ومقاييس التدفق في لوحة صغيرة واستبيان قصير.](https://arabroot.io/articles/%D8%A7%D9%86%D8%AA%D8%A7%D8%AC%D9%8A%D8%A9-%D8%A7%D9%84%D9%85%D8%B7%D9%88%D8%B1%D9%8A%D9%86-%D8%A8%D8%B9%D8%AF-dora-%D8%A7%D8%B7%D8%A7%D8%B1-space-%D9%88%D8%AA%D8%AC%D8%B1%D8%A8%D8%A9-%D8%A7%D9%84%D9%85%D8%B7%D9%88%D8%B1-devex/)

## سجل التحديثات

- 2026-11-20: كتابة المقال من النص الكامل لكتاب The Coal Question بطبعته الثانية 1866، وسلسلة إنتاج الفحم البريطانية الرسمية حتى 2025، وتقرير UKERC 2007، ومراجعة Gillingham وزملائه 2016، ودراسة Fouquet وPearson 2006، وورقتي Nordhaus عن الإضاءة 1994 والحوسبة 2007، ومقال Bessen 2015 وورقته 2018، ودراسة Autor وزملائه 2024، وورقة Canaries بنسخة أغسطس 2026، كما قرأناها في 20 نوفمبر 2026.