جدول المحتويات
- 1. ما الذي يحدث الآن — تطور أدوات الترميز بالذكاء الاصطناعي
- 2. مهام البنية التحتية التي "يستطيع" AI تنفيذها
- 3. مهام البنية التحتية التي "لا يستطيع" AI تنفيذها
- 4. التأثير على مهندسي الشبكات
- 5. كيف يتغير الواقع في الميدان فعلياً
- 6. كيف يبقى مهندس البنية التحتية في عصر AI
- 7. الخلاصة — ليس "استبدالاً" بل "تطوراً"
- الأسئلة الشائعة
"طلبت من Claude Code كتابة كود Terraform لإطلاق مثيل EC2، فخرج كود IaC خلال 30 ثانية. ألا يعني هذا أن عمل مهندس البنية التحتية في طريقه للزوال؟"
كثيرون يشعرون بهذا القلق. فعلاً، تطور أدوات الترميز بالذكاء الاصطناعي مذهل، وفي مجال البنية التحتية أصبح توليد الكود وإنشاء ملفات التهيئة وتحليل السجلات أسرع بكثير. كما أن Codex (وكيل الترميز) الذي أطلقته OpenAI في 2025 بارع في توليد كود البنية التحتية تلقائياً.
فهل يصبح مهندسو البنية التحتية والشبكات حقاً بلا حاجة؟
الإجابة المختصرة: الواقعي هو أن ما يحدث هو "تغير في الدور" وليس "استبدالاً". في هذا المقال نحلل بدقة ما يجيده AI وما يعجز عنه في مجال البنية التحتية، ونقدم استراتيجيات ملموسة ينبغي للمهندس اتباعها.
1. ما الذي يحدث الآن — تطور أدوات الترميز بالذكاء الاصطناعي
لنبدأ بفهم ما أصبحت أدوات الترميز بالذكاء الاصطناعي قادرة عليه في مجال البنية التحتية.
أبرز أدوات AI وقدراتها في مجال البنية التحتية
| الأداة | المزود | نقاط القوة في مجال البنية التحتية |
|---|---|---|
| Claude Code | Anthropic | توليد Terraform و Docker و Ansible و K8s manifest وغيرها. بارع في التعديل بفهم كامل للمشروع |
| Codex (CLI) | OpenAI | تنفيذ الكود والتحقق منه في بيئة sandbox. يجمع بين توليد IaC والتحقق التلقائي |
| GitHub Copilot | GitHub/MS | إكمال داخل المحرر. يتنبأ بإكمال Terraform و YAML الموجود |
| Amazon Q Developer | AWS | متخصص في AWS. قوي في توليد CloudFormation و CDK وسياسات IAM |
| Google Cloud Assist | دعم إعدادات بيئة GCP. تكامل مع Vertex AI |
الملفت هو أن هذه الأدوات تجاوزت مجرد إكمال الكود وبدأت تعمل كـ "وكلاء" فعليين. Claude Code يقرأ ويكتب الملفات وينفذ الأوامر، و Codex ينفذ الكود في sandbox ويتحقق من النتائج.
نطاق ما يمكن فعله يتوسع بسرعة
في 2024 كان AI يكتفي بإخراج قوالب Terraform بسيطة، لكن بين 2025 و 2026 أصبحت الأمور التالية ممكنة.
- قراءة كود البنية التحتية الحالي والإشارة إلى مشاكل الأمان
- "أريد نشر هذا التطبيق على AWS" ← اقتراح هيكل متكامل من VPC والشبكات الفرعية و SG و ALB و ECS/EKS
- تحليل سجلات الإنتاج وعرض أسباب محتملة وحلول مقترحة
- بناء خطوط CI/CD من الصفر
- توليد وتعديل Kubernetes manifest و Helm chart
بهذه السرعة من التطور، من الطبيعي أن يشعر البعض بأن "مهندسي البنية التحتية لم يعودوا مطلوبين". لكن هذه مجرد زاوية واحدة من "ما يستطيع AI فعله".
2. مهام البنية التحتية التي "يستطيع" AI تنفيذها
يتفوق AI خصوصاً في المهام "القابلة للتعبير بالكود" و "ذات الأنماط" و "القائمة على النصوص".
① توليد Infrastructure as Code (IaC)
Terraform و CloudFormation و Pulumi و Ansible و Chef — توليد كود أدوات IaC هذه هو أحد أقوى مجالات AI.
| المهمة | دقة AI | ملاحظات |
|---|---|---|
| تعريف موارد Terraform | ◎ عالية | الموارد الرئيسية لـ AWS/GCP/Azure تقريباً دقيقة |
| Ansible playbook | ◎ عالية | يجيد تركيب الحزم الشائعة وتغييرات الإعدادات |
| Docker / docker-compose | ◎ عالية | يدعم البناء متعدد المراحل وإعدادات الشبكة |
| K8s manifest / Helm | ○ متوسط-عالي | التهيئات الأساسية دقيقة. الموارد المخصصة المعقدة تحتاج مراجعة |
| خطوط CI/CD | ○ متوسط-عالي | توليد سير عمل GitHub Actions و GitLab CI وغيرها |
② توليد وتحسين ملفات التهيئة
nginx.conf و apache.conf وقواعد iptables/nftables وملفات وحدات systemd — توليد ملفات التهيئة هذه أيضاً من مهارات AI. إذا طلبت "اكتب إعداد nginx reverse proxy لهذا التطبيق مع دعم SSL"، ستحصل على إعداد يتبع أفضل الممارسات.
③ تحليل السجلات وكشف الشذوذ
استخراج الأنماط من كميات ضخمة من السجلات هو مجال يسيطر عليه AI.
- تلخيص سجلات syslog و journald و CloudWatch Logs النصية
- تصنيف أنماط الأخطاء وتحليل ترددها
- إجابة فورية على "ما هي الأخطاء التي ازدادت في آخر ساعة؟"
- اقتراح الأسباب المحتملة والحلول المستنتجة من السجلات
④ توليد الوثائق والأدلة تلقائياً
يمكن لـ AI قراءة كود البنية التحتية الحالي وتوليد مسودات لشرح الرسوم التخطيطية وأدلة التشغيل وأدلة الاستجابة للأعطال. وهذه من أكثر المهام كراهية لدى مهندسي البنية التحتية (رغم أهميتها).
⑤ فحوصات الأمان
فحص الصلاحيات المفرطة في سياسات IAM والتحقق من قواعد مجموعات الأمان وفحص توافق كود Terraform مع معايير CIS Benchmark وغيرها من مراجعات الأمان الروتينية — AI قادر على دعمها جميعاً.
3. مهام البنية التحتية التي "لا يستطيع" AI تنفيذها
هذا هو لُبّ الموضوع. عدم فهم حدود AI بدقة قد يؤدي إلى السيناريو الأسوأ: "لنكل كل شيء لـ AI" ← حادث كارثي.
① الأعمال في الطبقة المادية
من البديهي أن AI لا يمكنه القيام بأعمال مادية.
- تركيب الأجهزة في خزائن الخوادم وتمديد الكابلات
- استبدال الأقراص الصلبة/SSD المعطلة
- الإعداد والاستبدال المادي لأجهزة الشبكة (الموجهات، المبدلات، جدران الحماية)
- إدارة الدخول والخروج من مراكز البيانات والأمان المادي
قد تفكر "مع تقدم التحول السحابي، ألن تصبح الأعمال المادية غير ضرورية؟". لكن حوالي 60% من الشركات اليابانية تستخدم بيئات على الأرض بالتوازي (وفق دراسة IDC Japan)، ولن تختفي البنية التحتية المادية قريباً.
② الحكم التجاري أثناء الأعطال
عند حدوث عطل في الإنتاج، الأهم هو الحكم التجاري على ماذا يُعطى الأولوية.
- "قاعدة البيانات معطوبة. الاستعادة من النسخة الاحتياطية ستفقد بيانات آخر ساعتين. نستعيد أم نحاول الإصلاح؟"
- "كل من الخدمة A والخدمة B معطلتان. الموارد محدودة، أيهما نستعيد أولاً؟"
- "اشتباه بانتهاك أمني. هل نوقف الخدمة للتحقيق أم نحقق أثناء التشغيل؟"
هذه القرارات تتطلب ليس فقط المعرفة التقنية بل أيضاً مراعاة شاملة لـ التأثير على الأعمال ووعود العملاء (SLA) والمخاطر القانونية والتنسيق مع الإدارة العليا، وهي أمور لا يمكن تفويضها لـ AI. يستطيع AI "عرض الخيارات" لكنه لا يستطيع "اتخاذ قرار مع تحمل المسؤولية".
③ التعامل مع أنماط الأعطال غير المعروفة
AI قوي في الأنماط الموجودة في بيانات التدريب، لكنه ضعيف أمام أعطال لم يختبرها أحد بعد.
- أخطاء غير معلنة من جانب مزود السحابة
- أعطال مركبة لعدة أنظمة (شبكة + DNS + خلل التطبيق في وقت واحد)
- أعطال متقطعة بسبب تقادم الأجهزة
في مثل هذه الحالات، "الحدس" لدى المهندسين ذوي الخبرة — أي القدرة على الاستدلال من حالات مشابهة سابقة — يصبح حاسماً.
④ المسؤولية النهائية عن الأمان
حتى لو قال AI "هذا الإعداد آمن"، فهذا ليس ضماناً. عند حدوث حادث أمني، تقع المسؤولية القانونية والأخلاقية على الإنسان وليس على AI.
- إبلاغ الجهات الرقابية والتعامل مع تسرب البيانات الشخصية
- إجراء التحقيق الجنائي الرقمي وحفظ الأدلة
- وضع خطط منع التكرار وإبلاغ الإدارة العليا
- إبلاغ العملاء والتواصل معهم
⑤ إدارة الموردين والتفاوض
مزودو السحابة، ومشغلو مراكز البيانات، و ISP، وموردو الأمان — يتضمن عمل مهندس البنية التحتية الكثير من المفاوضات الخارجية. التفاوض على شروط العقد والاتفاق على SLA والتنسيق أثناء الأعطال — كلها مجالات إنسانية بحتة لا يستطيع AI القيام بها.
4. التأثير على مهندسي الشبكات
هندسة الشبكات تحتل موقعاً خاصاً نوعاً ما ضمن البنية التحتية. لنلقِ نظرة على تأثير AI عليها بشكل منفصل.
مهام الشبكات التي يمكن لـ AI أتمتتها
| المهمة | قدرة AI | أمثلة |
|---|---|---|
| توليد قواعد ACL/جدار الحماية | ◎ | إعطاء المتطلبات يولد قواعد iptables/nftables/SG تلقائياً |
| اقتراح تصميم VLAN/الشبكات الفرعية | ○ | إنشاء مسودة تصميم IP بناءً على المتطلبات |
| توليد إعدادات أجهزة الشبكة | ○ | توليد إعدادات Cisco IOS و Junos (يحتاج تحقق) |
| تحليل حركة المرور | ◎ | كشف الشذوذ وتحليل أنماط بيانات NetFlow/sFlow |
| إعدادات BGP/OSPF | △ | الإعدادات الأساسية ممكنة، لكن سياسات التوجيه المعقدة تحتاج مراجعة |
مهام الشبكات التي يصعب على AI تنفيذها
- تصميم وتنفيذ التمديدات المادية: تخطيط الطابق وتمرير الكابلات وترتيب لوحات التوصيل
- مسح الموجات وتصميم WLAN: يحتاج مسحاً ميدانياً فعلياً. تحديد مواد الجدران ومصادر التداخل
- عزل الأعطال في الطبقة 1: انقطاع الكابلات وأعطال المنافذ وانخفاض مستوى الإشارة الضوئية تحتاج تحققاً مادياً
- التنسيق مع مشغلي الاتصالات: إدخال خطوط جديدة وتغيير النطاق الترددي وتعديل التكوينات الاحتياطية
- ترحيل الشبكات الكبيرة: التخطيط والتنفيذ لترحيل مئات الأجهزة. الترحيل المرحلي لتقليل وقت التوقف
لأن هندسة الشبكات تعتمد بشكل كبير على الطبقة المادية، فإن الاستبدال الكامل بـ AI أصعب منه في البنية التحتية للخوادم. لكن AI يساهم بشكل كبير في تسريع توليد الإعدادات واستكشاف الأخطاء.
5. كيف يتغير الواقع في الميدان فعلياً
لنرَ — ليس نظرياً — بعض الأنماط لكيفية استخدام AI فعلياً في الميدان.
النمط 1: تسريع تطوير IaC
في إحدى الشركات الناشئة، يستخدم مهندس البنية التحتية Claude Code لتوليد كود Terraform. ما كان يستغرق 30 دقيقة إلى ساعة لتعريف مورد AWS واحد، أصبح يتم في 5 إلى 10 دقائق بصيغة "إعطاء المتطلبات لـ AI ثم المراجعة والتعديل".
لكن النقطة المهمة هي أن الكود الذي يولده AI لا يُطبَّق مباشرة على الإنتاج. يجب أن يراجعه الإنسان دائماً ويضيف تعديلات من منظور الأمان وتحسين التكلفة.
النمط 2: دعم الاستجابة الأولية للأعطال
عند حدوث عطل في الإنتاج، يُطلب أولاً من AI تحليل السجلات وتضييق الأسباب المحتملة. ثم يقوم الإنسان بالقرار النهائي وأعمال الاستعادة. إنه نمط تقسيم عمل.
- قبل: متابعة السجلات بالعين لتحديد السبب تستغرق 30 دقيقة إلى ساعة
- بعد: AI يضيّق الأسباب المحتملة إلى 3 خلال 5 دقائق ← الإنسان يتحقق ويتصرف
يُختصر MTTR (متوسط زمن الاستعادة)، لكن تنشأ مخاطرة جديدة وهي "القيام بعمل استعادة خاطئ نتيجة الوثوق الأعمى بنتائج تحليل AI"، لذا يجب أن يقوم بالقرار النهائي مهندس ذو خبرة.
النمط 3: تسريع تدريب المهندسين المبتدئين
كان يُقال إن مجال البنية التحتية "لا يمكن فعل شيء فيه دون خبرة"، لكن منحنى التعلم أصبح أكثر ليونة بفضل AI.
- "اشرح معنى كود Terraform هذا" ← AI يشرح سطراً بسطر
- "لماذا يجب تقييد المنفذ 22 في مجموعة الأمان هذه؟" ← AI يوضح الخلفية والأسباب
- "لا أفهم كيف أقرأ سجل العطل هذا" ← AI يعلمك هيكل السجل ومواضعه المهمة
هذا ليس "المهندس لم يعد ضرورياً" بل تأثير "تسريع نمو المهندس".
النمط 4: تحقيق فريق بنية تحتية من شخص واحد
تشغيل البنية التحتية الذي كان يتطلب فريقاً من 3 إلى 5 أشخاص أصبح ممكناً بـ شخص أو اثنين بفضل دعم AI. ينخفض عدد الأفراد، لكن يُطلب من الأفراد الباقين مهارات أعلى وقدرة حكم أعمق.
6. كيف يبقى مهندس البنية التحتية في عصر AI
إليك الاستراتيجيات الملموسة. سنرتب مجموعة المهارات التي لا يستبدلها AI بل يزيد من قيمتها.
① اكتساب مهارة إتقان AI
الاستراتيجية الأهم والأسرع مفعولاً. المهندس الذي يستخدم AI كـ "أداة" بدلاً من "تهديد" تصبح إنتاجيته أضعافاً.
- دمج أدوات AI مثل Claude Code و Codex و Copilot في العمل اليومي
- إتقان كتابة التعليمات (prompts) المناسبة لـ AI
- الحفاظ على القدرة التقنية للتحقق من مخرجات AI وتصحيحها
للاطلاع على كيفية استخدام كل أداة AI مجاناً، راجع "كيفية استخدام AI مجاناً [أحدث إصدار 2026]".
② التحول نحو "التصميم والهندسة المعمارية"
ما يجيده AI هو "كتابة الكود"، وليس تحديد "ماذا وكيف نصمم".
- تصميم البنية السحابية: القدرة على تحقيق التوازن بين التوفر وقابلية التوسع وتحسين التكلفة
- استراتيجية السحابة المتعددة: القدرة على فهم خصائص AWS و GCP و Azure واستخدامها بشكل مناسب
- تصميم DR (التعافي من الكوارث): من تعريف RPO/RTO إلى وضع خطوات الاستعادة
③ تعميق التخصص في الأمان
الأمان هو المجال "الأكبر أثراً عند خطأ AI". لذا يُرجَّح أن الطلب على المهندسين ذوي التخصص الأمني سيزداد بدلاً من النقصان مع انتشار AI.
- تصميم وتنفيذ هندسة الثقة المعدومة (Zero Trust)
- مهارات الاستجابة لحوادث الأمان
- التوافق مع معايير الامتثال (ISMS و PCI DSS و GDPR وغيرها)
④ امتلاك منظور SRE (Site Reliability Engineering)
فكرة SRE التي طرحتها Google — "معالجة التشغيل كمشكلة هندسة برمجيات" — تزداد أهميتها في عصر AI.
- تصميم وتشغيل SLI/SLO/SLA
- اتخاذ القرارات بناءً على ميزانية الأخطاء
- دفع الأتمتة (AI أحد وسائل الأتمتة)
- بناء ثقافة Postmortem (مراجعة الأعطال)
⑤ زيادة نقاط التلامس مع الأعمال
الأصعب على AI استبداله هو مهارة الربط بين التقنية والأعمال.
- اقتراحات تحسين تكلفة البنية التحتية وتقاريرها للإدارة العليا
- تعريف متطلبات البنية التحتية وتقدير تكاليفها للأعمال الجديدة
- القدرة على ترجمة المخاطر التقنية إلى مخاطر تجارية وشرحها
7. الخلاصة — ليس "استبدالاً" بل "تطوراً"
لنلخص خلاصة هذا المقال.
| المنظور | الخلاصة |
|---|---|
| هل يستبدل AI مهندس البنية التحتية؟ | الاستبدال الكامل: لا. لكن الطلب على "المهندس الذي يُحرِّك يديه فقط" سينخفض حتماً |
| مجالات قوة AI | توليد كود IaC وإنشاء ملفات التهيئة وتحليل السجلات وإعداد الوثائق — "المهام الروتينية القابلة للتعبير بالكود" |
| مجالات يحتاجها الإنسان | الأعمال المادية، والحكم أثناء الأعطال، والمسؤولية الأمنية، والتفاوض مع الموردين، وتصميم البنية |
| التأثير على عدد الأفراد | من المحتمل أن تتقلص أحجام الفرق. لكن الأفراد الباقين يُطلب منهم مهارات أعلى |
| التأثير على مهندسي الشبكات | الاستبدال أصعب بسبب اعتماده على الطبقة المادية. لكن تسريع توليد الإعدادات يتقدم |
الرسالة الأهم هي أن "مهندس البنية التحتية الذي يتقن AI" سيكون الأعلى قيمة في السوق. بتولي AI للمهام الروتينية، يستطيع المهندس التركيز على التصميم والحكم والاستراتيجية الأكثر تقدماً.
هذا ليس "تهديداً" بل "فرصة تطور". لا تخَف من AI — اجعله سلاحك. تلك هي استراتيجية البقاء لمهندس البنية التحتية في عصر AI.
لمعرفة أساسيات تكنولوجيا المعلومات وكيفية البدء بالتطوير باستخدام AI، راجع أيضاً "دليل المبتدئين لتطوير خدمات AI".
الأسئلة الشائعة
س. هل يُفضَّل التوقف عن التوجه لمهنة مهندس البنية التحتية الآن؟
لا، بل هذه فرصة. مع ظهور أدوات AI، انخفض حاجز تعلم مجال البنية التحتية. لكن مهارة "تثبيت Linux على خادم وإعداد nginx" فقط غير كافية. المطلوب هو القدرة على تصميم البنية السحابية، ومعرفة الأمان، والقدرة على إتقان أدوات AI. بعبارة أخرى، يُرجَّح استمرار ارتفاع الطلب على المهندسين الذين يمتلكون هذه المهارات.
س. هل ستنخفض قيمة شهادات الشبكات مثل CCNA؟
قيمة الشهادات ذاتها لن "تختفي"، لكن بعض المهارات التي تثبتها الشهادة (مثل حفظ أوامر الإعداد) يمكن استبدالها بـ AI. المهم هو فهم المبادئ الأساسية للشبكات (نموذج OSI المرجعي، عمل TCP/IP، مفاهيم بروتوكولات التوجيه) الذي يُكتسب من الدراسة للشهادات، وهذه المعرفة تحتفظ بقيمتها حتى في عصر AI. لأن المعرفة الأساسية ضرورية للحكم على صحة مخرجات AI.
س. عند حدوث عطل في الإنتاج بسبب AI، من يتحمل المسؤولية؟
حالياً، الإنسان (ومنظمته) الذي قرر تطبيق الكود الذي ولّده AI على الإنتاج هو من يتحمل المسؤولية. AI أداة ولا يمكن أن يكون جهة قانونية مسؤولة. هذا مثل أنه إذا فشلت وصفة طبخ بسبب السكين، فإن شركة السكاكين ليست مسؤولة. لذلك، يجب دائماً أن يراجع الإنسان ويتحقق من كود البنية التحتية الذي يولده AI قبل تطبيقه.
س. هل تأثير AI أقل في البيئات المحلية (on-premise)؟
في البيئات المحلية التي تكثر فيها الأعمال المادية (تركيب الأجهزة واستبدالها والتمديدات)، تأثير AI أقل مقارنة بالبيئات السحابية. لكن في المهام النصية مثل إدارة الإعدادات (إدارة تهيئة الخوادم بـ Ansible وغيرها) وإعدادات المراقبة وإعداد الوثائق، يبقى تأثير AI كبيراً حتى في البيئات المحلية. سيتطور تقسيم عمل طبيعي: "المادي للإنسان، المنطقي (الإعدادات والكود) بدعم AI".
س. كيف أختار بين Claude Code و Codex؟
Claude Code يعمل في الطرفية المحلية وبارع في توليد وتعديل الكود بفهم كامل للمشروع الحالي. من جهة أخرى، Codex يستطيع تنفيذ الكود والتحقق منه في بيئة sandbox، لذا فهو مناسب لـ توليد كود IaC جديد مع التحقق من عمله. عملياً، استخدم Claude Code لتعديل وتوسيع البنية التحتية الحالية، واستخدم Codex لبناء نماذج أولية جديدة — هذا تقسيم فعّال. لكن الأدوات تتطور بسرعة، لذا الأفضل تجربة الاثنين واختيار الأنسب لسير عملك.
س. هل يجب على الشركات الصغيرة تبنّي إدارة البنية التحتية بـ AI؟
نعم، بل الشركات الصغيرة هي الأكثر استفادة. حتى الشركات التي لا تستطيع توظيف مهندس بنية تحتية متفرغ، يمكن لمطوريها أن يتولوا إدارة البنية التحتية كمهمة إضافية بدعم من أدوات AI. لكن ننصح بشدة بعدم الوثوق الأعمى بمخرجات AI في المهام الحرجة مثل إعدادات الأمان والنسخ الاحتياطية، وأن يراجعها إنسان يمتلك معرفة موثوقة.
![20 أداة ذكاء اصطناعي توليدي لتطوير الألعاب! دليل شامل للرسم والموسيقى والبرمجة [2026]](https://az-arte.com/images/articles/ai-gamedev-tools-featured-ar.svg)
![تواريخ قطع المعرفة لأدوات الذكاء الاصطناعي التوليدي الرئيسية [2026] مقارنة شاملة](https://az-arte.com/images/articles/ai-cutoff-featured-ar.svg)
![ما أفضل أطر العمل للتطوير بمساعدة الذكاء الاصطناعي التوليدي؟ مقارنة شاملة [2026]](https://az-arte.com/images/articles/ai-friendly-frameworks-ar.svg)