قام مؤلف منصة تأمين عمرها 20 عاماً بتشغيل 108 تذاكر دعم عبر مسار عمل مخصص لوكيل ذكاء اصطناعي (AI-agent)، وكانت النتيجة هي سير عمل يحول مهمة تستغرق عدة ساعات لمطور خبير إلى بضع دقائق فقط، وهو تحول قد يعيد تشكيل كيفية الحفاظ على الكود القديم (legacy code) في المؤسسات.

لماذا تهم الأنظمة القديمة أكثر من الكود الجديد

تطبيق التأمين المعني هو نظام متكامل (monolith) يتكون من 2.3 مليون سطر من الكود وحوالي 1,000 حزمة PL/SQL. حجمه وحده يجعل من المستحيل على أي شخص بمفرده الإلمام بكامل قاعدة الكود. أضف إلى ذلك متاهة من معاملات التكوين (configuration parameters) الخاصة بالعملاء، والوثائق المشتتة، وأرشيف التذاكر الذي يعود إلى عام 2017، ليصبح العائق الحقيقي هو "إيجاد السياق" وليس كتابة الكود.

يركز صخب الذكاء الاصطناعي الحديث عادةً على توليد كود جديد للمشاريع الجديدة (greenfield projects). في هذه الحالة، الجزء الصعب ليس بناء جملة (syntax) لغة PL/SQL، بل تحديد الجزء الدقيق من المنطق، والتكوين ذي الصلة، والتذكرة التاريخية التي وصفت المشكلة لأول مرة. يمكن للمطور الخبير أن يقضي ساعات في تجميع الأدلة من GitLab وSVN والويكي (wikis) وتذاكر الدعم القديمة، بينما يقوم وكيل الذكاء الاصطناعي بنفس العمل في دقائق.

سير العمل في الممارسة العملية

عندما تصل تذكرة جديدة، يقوم المؤلف بتشغيل أمر واحد. يقوم الوكيل بعد ذلك بـ:

  • سحب نص التذكرة وأي ملفات مرفقة عبر واجهة برمجة تطبيقات (API) نظام التذاكر.
  • تنفيذ بحث بالكلمات المفتاحية والبحث المتجهي (vector search) عبر أرشيف التذاكر بالكامل لإظهار حالات سابقة مماثلة.
  • الاستعلام من مكتبة شخصية من سكربتات SQL القابلة لإعادة الاستخدام.
  • فحص تاريخ الكود في أنظمة التحكم في الإصدار (GitLab أو SVN).

يتم تجميع جميع النتائج في ملف واحد يقترح أيضاً الخطوة التالية — والتي عادة ما تكون إصلاحاً للكود، أو مسودة رد على العميل، أو طلباً لتشخيصات إضافية.

القدرات المدمجة

حدد المؤلف 24 "مهارة" للوكيل، مقسمة إلى أربع فئات:

  • الوصول إلى السياق – قراءة واجهات برمجة التطبيقات (APIs) والأدلة وقواعد البيانات لاستخراج الحقائق ذات الصلة.
  • المعرفة بالمجال – تفسير قواعد المحاسبة التأمينية وبنية النظام.
  • الكتابة – توليد مقتطفات (snippets) من PL/SQL وتجهيزها للنشر.
  • ما وراء العمليات (Meta) – التعرف على الأنماط وإنشاء مهارات جديدة تلقائياً عند الحاجة.

تسمح هذه المهارات للوكيل بالعمل كمهندس مبتدئ لا ينام أبداً، حيث يبرز سطر الكود أو التكوين الدقيق الذي تشير إليه التذكرة.

شبكات الأمان المدمجة في دورة العمل

تتطلب الأتمتة في بيئة الإنتاج ضمانات. يتبع المؤلف قاعدتين بسيطتين:

  1. التحقق الساكن (Static validation) – يتم تشغيل كل سكربت يتم توليده عبر EXPLAIN PLAN مقابل المخطط (schema) الحي. يتحقق هذا من وجود أخطاء في بناء الجملة أو أخطاء منطقية دون تنفيذ الكود فعلياً.
  2. تأكيد النموذج المزدوج (Dual-model confirmation) – يقوم وكيل ذكاء اصطناعي ثانٍ ومستقل بمراجعة أي تغيير يُعتبر خطيراً. إذا توصل كلا النموذجين إلى نفس النتيجة، يستمر المؤلف؛ وإلا، يتم تصعيد التذكرة للمراجعة اليدوية.

تمنع هذه الفحوصات العملية من أن تصبح "صندوقاً أسود" قد يؤدي عن غير قصد إلى كسر معاملة تأمين حرجة.

الفوائد التراكمية

يتم إرفاق مخرجات كل تذكرة مرة أخرى بسجل التذكرة، مما ينشئ قاعدة معرفية حية. عندما تظهر مشكلة مماثلة بعد أشهر أو سنوات، يمكن للوكيل قراءة ليس فقط الحل السابق ولكن أيضاً المنطق الذي أدى إليه. في الواقع، تصبح كل تذكرة يتم حلها بيانات تدريب للتذاكر المستقبلية، مما يسرع الدورة بشكل أكبر.

القيود الصادقة

  • لا يزال الاختبار اليدوي قائماً – لا يزال المؤلف يتحقق من التغييرات في بيئة اختبار قبل اعتمادها.
  • لا توجد مقاييس نهائية – بينما يبدو الوقت الذي تم توفيره كبيراً، لم يقم المؤلف بتحديد الانخفاض الدقيق في عدد الساعات.
  • الإعداد الشخصي – التنفيذ الحالي يعمل على محطة عمل واحدة؛ وسيتطلب توسيعه ليشمل فريقاً هندسة إضافية.

هذه القيود تمنع هذا النهج من أن يكون منتجاً جاهزاً للاستخدام الفوري (turnkey product)، لكنها لا تقلل من الرؤية الجوهرية: يمكن للذكاء الاصطناعي تقليص عملية جمع السياق من ساعات إلى دقائق.

ما الذي يجب مراقبته لاحقاً

تجربة المؤلف هي إثبات للمفهوم (proof-of-concept) وليست عرضاً تجارياً. تشمل الخطوات المنطقية التالية:

  • إضفاء الطابع الرسمي على المقاييس – تتبع وقت حل التذاكر قبل وبعد مسار عمل الذكاء الاصطناعي لبناء دراسة جدوى.
  • النشر على مستوى الفريق – تغليف الوكيل (agent) كخدمة مشتركة بحيث يمكن لمهندسين متعددين الاستفادة من قاعدة المعرفة نفسها.
  • التكامل مع CI/CD – إن تغذية البرامج النصية (scripts) التي تم التحقق من صحتها مباشرة في مسار التكامل المستمر قد يغلق الحلقة من التذكرة إلى مرحلة الإنتاج دون الحاجة إلى تسليم يدوي.

إذا نجحت هذه التوسعات، يمكن أن يصبح هذا النموذج معياراً للمؤسسات الأخرى التي تصارع قواعد برمجية ضخمة ومتجذرة.

الخلاصة

القيمة الحقيقية للذكاء الاصطناعي في البيئات القديمة (legacy environments) لا تكمن في الكتابة التلقائية لكود جديد، بل في إظهار السياق الصحيح فوراً. فمن خلال تحويل ساعات من العمل الاستقصائي للمطور الخبير إلى دقائق معدودة، يمكن لسير عمل وكيل الذكاء الاصطناعي (AI-agent workflow) الحفاظ على عمل الأنظمة القديمة، وتقليل تكاليف الدعم، وبناء مستودع معرفي يعزز نفسه تدريجياً. وتُظهر التجربة أنه بالنسبة للبرمجيات القديمة، فإن أكبر دفعة للإنتاجية تأتي من اختزال عملية البحث عن الإجابات، وليس من توليد كود جديد.