ماذا حدث
أفاد موقع 36Kr أن استطلاع النظام البيئي للمطورين لعام 2026 الذي أجرته شركة JetBrains Research وجد نموًا سريعًا في استخدام وكيل ترميز الذكاء الاصطناعي بين أكثر من 15000 مطور محترف في جميع أنحاء العالم. وبحسب ما ورد استخدم حوالي 90% وكيل برمجة الذكاء الاصطناعي في العمل مرة واحدة على الأقل في الأسبوع، بينما استخدم 68% واحدًا يوميًا. شمل الاستطلاع مطوري البرامج والمهندسين بالإضافة إلى أدوار الذكاء الاصطناعي/تعلم الآلة وDevOps والهندسة المعمارية والبيانات وضمان الجودة.
تفيد تقارير 36Kr أن شركة JetBrains Research استطلعت آراء أكثر من 15000 مطور محترف في جميع أنحاء العالم من أجل استطلاع النظام البيئي للمطورين لعام 2026، مع وصف ما يقرب من 90% من المشاركين بأنهم مطورين أو مبرمجين أو مهندسي برمجيات. كانت فترة المسح المبلغ عنها من مايو إلى يوليو 2026. ويقول المصدر إن الاستطلاع غطى أيضًا مهندسي الذكاء الاصطناعي/تعلم الآلة، ومهندسي DevOps، والمهندسين المعماريين، ومهندسي البيانات، ومهندسي ضمان الجودة، لذا فإن نتائجه الرئيسية تصف جمهورًا عريضًا من التكنولوجيا المهنية بدلاً من مبرمجي التطبيقات التقليدية فقط.
وفقًا لـ 36Kr، استخدم حوالي 90% من المطورين المحترفين وكلاء برمجة الذكاء الاصطناعي في العمل مرة واحدة على الأقل في الأسبوع، ويستخدمهم 68% يوميًا. يتضمن تعريف JetBrains المعلن للوكيل الوكلاء الذين يعملون محليًا والوكلاء المستندين إلى السحابة. يقدم المصدر هذه الأرقام كدليل على أن الوكلاء ينتقلون إلى ما هو أبعد من إكمال التعليمات البرمجية العرضية أو الإجابة على الأسئلة نحو المشاركة في مهام التطوير الأكبر.
تشير تقارير 36Kr إلى أن معدل اعتماد Claude Code في مكان العمل ارتفع من حوالي 18% في يناير 2026 إلى 39% في مايو ويوليو. وفي الولايات المتحدة، بلغت النسبة المبلغ عنها 47%. تم الإبلاغ عن نسبة مشاركة تسمية Claude Code باعتبارها أداة ترميز الذكاء الاصطناعي الأساسية أو الأكثر استخدامًا بنسبة 31%. تم الإبلاغ عن نسبة اعتماد GitHub Copilot في مكان العمل بنسبة 21% في شهري مايو ويوليو، بانخفاض من 29% إلى 31% تقريبًا بين منتصف عام 2025 وأوائل عام 2026. ويقول المصدر إن كلا المنتجين كان لديهما وعي بنسبة 79%. كما تشير أيضًا إلى ارتفاع اعتماد OpenAI Codex من 3% إلى 16%، وانخفاض Cursor من 18% إلى 12%، ووصول OpenCode مفتوح المصدر إلى 7%، وGoogle Antigravity إلى 6%، وأدوات JetBrains الخاصة تصل إلى حوالي 9%.
لماذا يهم
تشير الأرقام إلى أن أدوات ترميز الذكاء الاصطناعي أصبحت جزءًا من العمل البرمجي الروتيني، على الرغم من أن الاستطلاع لا يحدد مقدار إنجازات وكلاء العمل الإنتاجي أو مدى موثوقية مخرجاتهم. يصف حساب 36Kr أيضًا التحول في المنافسة في السوق من المساعدة المستندة إلى المحرر إلى الأدوات التي يمكنها التعامل مع مهام التطوير الأوسع، بما في ذلك تغييرات قاعدة التعليمات البرمجية والاختبار والتنفيذ المتكرر.
إن التصنيف المذكور مهم لأنه يشير إلى أن سوق تطوير البرمجيات المدعومة بالذكاء الاصطناعي قد يكون مجزأً حول أشكال مختلفة من المساعدة. يصف 36Kr Claude Code وCodex بأنهما وكيلان يمكنهما العمل خارج بيئة التطوير المتكاملة التقليدية، في حين يتم عرض الانخفاض المبلغ عنه في Cursor جنبًا إلى جنب مع نمو الوعي المستمر. إذا كان النمط تمثيليا، فإن الاعتراف بالأداة والاستخدام المتكرر في مكان العمل يصبحان مقياسين متميزين للقوة التنافسية.
تشير معدلات الاستخدام الأسبوعية واليومية المعلنة أيضًا إلى تغيير محتمل في كيفية تخصيص فرق البرمجيات للعمل. يمكن استخدام الوكلاء للتنقل في المستودع، وتعديل التعليمات البرمجية، وتنفيذ الاختبار، وتصحيح الأخطاء، ومهام أخرى متعددة الخطوات بدلاً من إنشاء المقتطفات فقط. يمكن أن يؤثر ذلك على سير عمل المطورين، وممارسات المراجعة، والإعداد، والطلب على الأدوات التي تدير الأذونات، والاختبار، والتحكم في الإصدار، ومسارات التدقيق. ومع ذلك، لا يُظهر المصدر أن الوكلاء يكملون هذه المهام بشكل مستقل بنجاح أو أنهم يقللون وقت التطوير.
بالنسبة للمشترين والعمال، فإن أرقام التبني وحدها لا تعد دليلا كاملا. لا يوفر الاستطلاع كما هو موضح معدلات الخطأ، أو الحوادث الأمنية، أو قياسات جودة التعليمات البرمجية، أو التكلفة الإجمالية، أو مزيج المهام، أو دليل على أن أحد المنتجات يحقق نتائج أفضل من منتج آخر. كما أنها لا تحدد ما إذا كان بإمكان المشاركين اختيار أدوات متعددة، أو كيفية قياس "الاستخدام"، أو كيفية تعيين العينة أو ترجيحها، أو ما إذا كانت النتائج معممة على الشركات الصغيرة، أو أماكن العمل غير التقنية، أو المطورين خارج المجموعة التي شملها الاستطلاع. هذه الحدود تجعل الأرقام مفيدة باعتبارها لقطة سريعة للتبني، وليس كحكم على الإنتاجية.
الآلية التفاعلية: كيف تعمل فعليًا
استكشف التكنولوجيا الأساسية وراء هذا التطور بشكل تفاعلي.
crm_get_transaction(id='4092').An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
ماذا تشاهد بعد ذلك
الأسئلة الرئيسية هي ما إذا كان Claude Code يمكنه الحفاظ على تقدمه المبلغ عنه، وما إذا كان OpenAI Codex يستمر في اكتساب التبني، وما إذا كان GitHub Copilot أو Cursor سيعكسان الانخفاضات المبلغ عنها. وتشمل الأدلة الأكثر فائدة المنهجية، وترجيح العينة، والإنتاجية على مستوى المهمة، ومعدلات الخطأ، والتكاليف، والضوابط الأمنية، والمقارنات المستقلة لأداء الأدوات في العالم الحقيقي.
التطور التالي الذي يجب مراقبته هو ما إذا كانت الفجوة المبلغ عنها ستستمر في الدراسات الاستقصائية اللاحقة. يعد انتقال Claude Code من 18% إلى 39% في أرقام المصدر أمرًا جوهريًا، ولكن فترة مسح واحدة لا يمكن أن تظهر ما إذا كانت الزيادة تعكس التبني الدائم، أو التجريب المؤقت، أو التغييرات في صياغة السؤال، أو الاختلافات في مجتمع المستجيبين. إن المتابعة باستخدام نفس الأسئلة وطريقة أخذ العينات من شأنها أن تجعل تفسير الاتجاه أسهل.
ستكون Codex وGitHub Copilot وCursor نقاط مقارنة مهمة. تشير 36Kr إلى نمو قوي لـ Codex، وانخفاض لـ Copilot، وانخفاض لـ Cursor على الرغم من الوعي العالي بـ Cursor. يجب أن تميز التقارير المستقبلية مدى توفر مكان العمل عن حالة الأداة الأساسية، وتكرار الاستخدام، والاستخدام المدفوع، واستخدام كود الإنتاج اللاحق. هذه الفروق يمكن أن تغير معنى التصنيف الحالي.
قد يأتي الدليل الأكثر أهمية من عمليات النشر والتقييمات التي تقيس المهام المكتملة بدلاً من الاستخدام المعلن. تشمل المؤشرات المفيدة معدلات النجاح التي تم تدقيقها بشكل مستقل، وعبء المراجعة، والانحدارات، واختبار الأداء، وحماية الأمان والخصوصية، وضوابط الأذونات، ووقت الاستجابة، والتكلفة لكل مهمة مكتملة. لا يقوم المصدر بالإبلاغ عن هذه التدابير، ولا يؤكد بشكل مستقل نتائج المسح الأساسية التي أجرتها شركة JetBrains Research. وإلى أن يتوفر مثل هذا الدليل، فإن أوضح استنتاج مدعوم هو أن شركة 36Kr تشير إلى استخدام واسع النطاق ومتزايد لوكلاء تشفير الذكاء الاصطناعي، إلى جانب إعادة توزيع اعتماد الأدوات. تصف الأرقام مجتمعة التبني والوعي في مكان العمل، وليس جدول دوري محدد للقدرات التقنية. وتكون قيمتها أكبر عند قراءتها جنبًا إلى جنب مع نطاق الاستطلاع، والفترة الزمنية المحددة، والأسئلة المنهجية التي تظل دون إجابة في الحساب المتاح.