أعتقد أن معظم الناس قد أخطأوا في فهم الأمر.
إذا فسرنا Codex كأداة برمجة مدعومة بالذكاء الاصطناعي، فإن الفارق بينه وبين Cursor وClaude Code وGitHub Copilot لا يبدو كبيرًا حقًا.
لكن إذا نظرنا إلى هدف Codex على مستوى استراتيجية OpenAI، فهو لم يكن قط هو "مساعدة المبرمجين على كتابة الأكواد".
بل هو التحقق من شيء أكبر:
هل أصبح لدى الذكاء الاصطناعي بالفعل القدرة على إنجاز أعمال معقدة بشكل مستقل؟
لماذا تختار OpenAI البرمجة باعتبارها أول سيناريو لوكيل (Agent)؟
لأن البرمجة تتمتع بأفضل بيئة تدريب ضمن جميع الأعمال المعرفية.
يمكن تحديد المتطلبات بدقة.
يمكن تنفيذ الكود تلقائيًا.
يمكن تقديم رد فوري على الأخطاء.
يمكن إكمال الاختبارات تلقائيًا.
يمكن التحقق من النتائج بشكل موضوعي.
وبالنسبة للتعلّم المعزّز، فهذا يكاد يكون حلقة بيانات مغلقة طبيعية.
بعبارة أخرى.
إذا استطاع Agent إكمال تطوير البرمجيات بشكل مستقل.
إذن نظريًا، يمكن أيضًا أن تنتقل إلى تحليل التمويل، وتشغيل السوق، والبحث القانوني، وخدمة العملاء، وتحليل البيانات، وحتى إدارة الشركات.
Coding ليس غايةً في النهاية.
إنها فقط نقطة الدخول التي يسهل على Agent اختراقها.
اكتشف كثيرون أن القدرات الجديدة التي أصدرتها OpenAI مؤخرًا تدور تقريبًا حول الاتجاه نفسه.
سياق طويل.
استدعاء الأدوات.
عمليات المتصفح.
تنفيذ على الطرفيّة (النهاية).
قدرة الذاكرة.
فهم الملفات.
استدلال متعدد الخطوات.
عندما ننظر إلى هذه القدرات بشكل منفصل، يبدو أنها لا تحمل معنى كبيرًا.
لكن عندما تضعها معًا، ستجد أنها تشكّل شيئًا آخر.
موظف رقمي حقيقي يستطيع إنجاز العمل.
وهذا هو سبب اعتقادي بأن أكبر منافس لـ OpenAI في المستقبل ليس Cursor.
بل شركات برمجيات مؤسسية مثل Salesforce وMicrosoft وSAP وServiceNow وAtlassian.
لأن OpenAI لا يريد أن يستبدل IDE.
بل سير العمل المكتبي بأكمله.
يقارن كثيرون بين Cursor وCodex.
لكنني أعتقد أن هذه تمثل فلسفتين مختلفتين تمامًا لمنتجين مختلفين.
الجوهر في Cursor هو:
يجعل المطورين أكثر كفاءة.
المطوّر يظل دائمًا هو البطل.
الذكاء الاصطناعي هو مساعد.
أما Codex فالأكثر رغبةً في تحقيقه هو:
المطوّر مسؤول فقط عن تحديد الهدف.
الذكاء الاصطناعي يخطط المهام بنفسه.
الذكاء الاصطناعي يكتب الكود بنفسه.
الذكاء الاصطناعي يشغّل الاختبارات بنفسه.
الذكاء الاصطناعي يعدّل الأخطاء بنفسه.
الذكاء الاصطناعي ينجز التسليم بنفسه.
هذا ليس Copilot.
هذا هو Autopilot.
أكبر اختلاف بينهما لا يكمن في قدرات النموذج.
فالأمر يتعلق بمن تكون لديه السيطرة.
على مدى السنوات الماضية، كان ذكاء AI coding يحل مشكلة “كتابة الكود”.
في السنوات القليلة المقبلة، ستكون مهمته الحقيقية هي حل مشكلة “تسليم البرامج”.
هذه فرضيتان مختلفتان تمامًا.
إذا طُلب اليوم من مبرمج كتابة صفحة تسجيل دخول.
يمكن للذكاء الاصطناعي أن ينجز ذلك بالفعل.
ولكن إذا طُلب من الذكاء الاصطناعي البدء من الصفر لتطوير منتج SaaS كامل.
بما في ذلك تحليل المتطلبات، وتصميم قواعد البيانات، وتطوير الواجهات، والاختبار، والنشر، وإصلاح الأخطاء، وكتابة الوثائق.
حتى اليوم، لا يوجد أي Agent قادر على إتمام ذلك بثبات.
وهذا بالضبط ما تريد OpenAI حله.
لذلك أشعر أكثر فأكثر أنه.
Codex ليس منتجًا.
إنه أقرب إلى “معمل” تجارب لدى OpenAI لـ Agent.
ما يتم تدريبه هنا ليس مجرد القدرة على كتابة الكود.
بل كيف نجعل الذكاء الاصطناعي يتعلم التخطيط والتنفيذ والتأمل والتكرار.
هذه القدرات يمكن أن تنتقل مستقبلًا إلى أي عمل معرفي.
يحب كثيرون مناقشة ما إذا كان GPT-6 سيكون أكثر ذكاءً أم لا.
لكنني أهتم أكثر بسؤال آخر.
إلى أي مدى سيكون الذكاء الاصطناعي في المستقبل أداة للإجابة عن الأسئلة.
هل ما زال بإمكانه أن يعمل نيابةً عنك كزميل فعلي؟
إذا كانت الإجابة هي ذلك.
إذن، Coding Agent ليست سوى أول قطعة دومينو في هذا العصر.
في العقد القادم، عندما ننظر إلى الوراء اليوم، قد نكتشف.
لم يكن Codex أبدًا هدفه تغيير المبرمجين.
إن ما يغيّره بالفعل هو طريقة إنتاج العمل المعرفي.