تطوير برمجي بمساعدة الذكاء الاصطناعي

التعلم المعزز من ردود الفعل البشرية

• هلوسة (ذكاء اصطناعي)
• غيت هاب كوبايلوت
• غيت هاب
• فيجوال ستوديو كود
• جيت براينز
• واجهة برمجة التطبيقات
• حوسبة سحابية
• فحص البرمجيات
• اختبار أداء البرمجيات
• اختبار تحميل البرمجيات
• اختبار إجهاد البرمجيات
• توثيق البرمجيات
• نشر البرمجيات
• صيانة البرمجيات

شبكة عصبونية اصطناعية

• محول (تعلم الآلة)
• محول مولد مسبق التدريب
• نموذج الأساس
• هندسة التلقين
• توليد معزز بالاستحضار
• تعليم ذاتي الإشراف

المفهوم والنطاق

وفي هذا الصدد، يعني التطوير البرمجي بمساعدة الذكاء الاصطناعي إدخال نموذج حسابي، غالبًا قائم على التعلم الآلي والتعلم العميق والنماذج اللغوية الكبيرة، داخل عملية بناء البرمجيات، بحيث يستطيع النموذج قراءة الكود المصدري واللغة الطبيعية معًا، واستقبال سياق من مشروع برمجي أو مستودع برمجيات أو ملف مفتوح داخل بيئة تطوير متكاملة أو محرر نصوص، ثم تحويل هذا السياق إلى تمثيل داخلي عددي، وحساب احتمالات للمخرجات المناسبة، وعرض نتيجة قابلة للمراجعة داخل محرر الشيفرة أو سطر الأوامر أو منصة المستودعات أو نظام مرتبط بإدارة المشاريع وهندسة البرمجيات. ويتراوح نطاق هذا المجال بين أعمال صغيرة، مثل إكمال اسم دالة، أو اقتراح وسيط لدالة، أو شرح مقطع قصير من الشيفرة المصدرية، وبين أعمال أكبر، مثل توليد اختبار وحدة، أو كتابة اختبار تكامل، أو تحويل تطبيق من لغة برمجة إلى أخرى، أو تحديث واجهة برمجة تطبيقات، أو إصلاح خطأ برمجي، أو إعداد وثيقة تقنية، أو تحليل أثر تعديل على بنية البرمجيات وصيانة البرمجيات. ويتصل المجال بمفهوم البرمجة الزوجية، لأن الأداة تعمل مشاركًا رقميًا في التفكير البرمجي، تقترح، وتشرح، وتختبر، وتعيد الصياغة، وتساعد المطور على الانتقال من الوصف إلى التنفيذ؛ وقد أظهرت دراسة تجريبية على غيت هاب كوبايلوت أن استعمال مساعد برمجي قائم على الذكاء الاصطناعي المولد جعل مجموعة المعالجة تنجز مهمة برمجية أسرع بنسبة 55.8% من مجموعة المقارنة. ويتصل المجال كذلك بمفهوم وكيل الذكاء الاصطناعي عندما تنتقل الأداة من اقتراح سطر أو دالة إلى تنفيذ مهمة متعددة الخطوات داخل المستودع؛ إذ يستطيع الوكيل في هذا النمط قراءة المستودع، وبناء خطة، وإنشاء فرع، وتعديل ملفات، وتشغيل اختبارات، وقراءة النتائج، وإعداد طلب دمج أو فرق قابل للمراجعة البشرية. وتصف وثائق GitHub Copilot cloud agent هذا الاتجاه بوصفه قدرة على البحث داخل المستودع، وإنشاء خطة تنفيذ، وإجراء تغييرات على فرع، ومراجعة الفرق، ثم إنشاء طلب سحب عند الجاهزية. وتعرض وثائق GitHub Copilot كذلك وظائف عملية متصلة بكتابة الاختبارات، وتوثيق الشيفرة القديمة، وشرح المنطق المعقد، ومراجعة الكود، وتسريع طلبات السحب، وتقليل الدين التقني، وهي وظائف تجعل المساعدة الذكية طبقة تشغيلية ممتدة داخل دورة هندسة البرمجيات لا مجرد إكمال نصي داخل المحرر.

الخلفية التاريخية

من جانب آخر، بدأت علاقة البرمجة بالأتمتة قبل ظهور النماذج اللغوية الكبيرة بعقود؛ ففي أواخر الأربعينيات وبداية الخمسينيات مثّلت غريس هوبر في الولايات المتحدة أحد الوجوه المبكرة لفكرة تخفيف عبء المبرمج عبر المترجم، إذ ارتبط اسمها بأعمال مبكرة في تحويل الأوامر الرمزية إلى تعليمات قابلة للتنفيذ، ثم جاءت محطة جون باكوس وفريقه في آي بي إم خلال الخمسينيات، حين طُورت فورتران للحاسوب IBM 704، وبدأ شحن نظامها سنة 1957، فظهر المترجم مؤسسة تقنية كاملة تنقل البرمجة من كتابة تعليمات الآلة إلى استعمال لغة عالية المستوى قريبة من تفكير المهندس والعالم. وفي السبعينيات والثمانينيات اتسع أثر هذه الحركة مع انتشار يونكس ولغة سي وظهور ثقافة الأدوات الصغيرة والمترابطة في مختبرات بل، ثم انتقلت الأتمتة من الترجمة وحدها إلى تنظيم دورة العمل البرمجي، فظهرت أدوات البناء، والمصححات، وأنظمة التحكم في الإصدارات، ثم جاءت بيئات التطوير المتكاملة لتجمع المحرر، والمترجم، والمصحح، ومدير الملفات، وأداة البناء، وواجهة المشروع في شاشة واحدة؛ ومثّل فيجوال ستوديو، الذي أعلنت مايكروسوفت عنه سنة 1997 ضمن حزمة Visual Studio 97، لحظة مؤسسية مهمة في جمع أدوات التطوير التجارية حول بيئة موحدة، بينما مثّل مشروع Eclipse، الذي أعلنته آي بي إم ومجموعة من الشركات سنة 2001 في كندا والولايات المتحدة وفضاء البرمجيات مفتوحة المصدر، ظاهرة مقابلة ربطت بيئة التطوير بمنظومة الإضافات والمجتمعات الصناعية. وفي التسعينيات وبداية الألفية الثانية ظهرت أنظمة إكمال الشيفرة التقليدية داخل المحررات وبيئات التطوير، فاعتمدت على قواعد اللغة، وفهارس الرموز، وأنواع البيانات، وتوقيعات الدوال، وأسماء المتغيرات، ثم جاءت سنة 2005 بمحطة غيت، حين أنشأه لينوس تورفالدس لخدمة تطوير نواة لينكس، فصار المستودع البرمجي نفسه مكانًا مركزيًا للمعرفة البرمجية، يحفظ التاريخ، والفروع، والاختلافات، ورسائل الإيداع، وسياق التعاون، ثم زادت أهمية هذا المكان بعد تأسيس غيت هاب سنة 2008 في سان فرانسيسكو منصة اجتماعية وتقنية للمستودعات والبرمجيات الحرة والمفتوحة المصدر. وفي العقد الثاني من القرن الحادي والعشرين دخل التعلم الآلي إلى أدوات هندسة البرمجيات عبر توصية المكتبات البرمجية، وكشف الأخطاء البرمجية، وتوقع الملفات المتأثرة بالتعديل، وتحليل سجلات الأخطاء، وترتيب تقارير العيوب، وهي ظاهرة عُرفت ضمن دراسات تعدين مستودعات البرمجيات وتحليل التاريخ البرمجي؛ ثم أدت بنى التعلم العميق والشبكات العصبية الاصطناعية إلى تمثيل الشيفرة المصدرية نصًا ذا أنماط إحصائية، أو شجرة تركيبية، أو رسمًا بيانيًا للعلاقات بين الدوال والمتغيرات والملفات، فاقتربت البرمجة من مجال معالجة اللغات الطبيعية. ثم جاء منعطف سنة 2017 مع بحث «Attention Is All You Need» الصادر عن باحثين من جوجل، ومنهم Ashish Vaswani وNoam Shazeer وNiki Parmar، إذ قدّم بنية المحوّل القائمة على آليات الانتباه، وهي البنية التي صارت أساسًا لكثير من النماذج اللغوية الحديثة، ثم زادت قوة الربط بين اللغة الطبيعية والكود المصدري مع نماذج مثل GPT-3 سنة 2020، وCodex سنة 2021، حيث وصف باحثو أوبن أيه آي Codex بأنه نموذج GPT دُرّب تدريبًا إضافيًا على كود عام من غيت هاب، ودرسوا قدرته على توليد حلول برمجية في بايثون. وفي 29 يونيو 2021 أعلنت غيت هاب، المملوكة لمايكروسوفت، المعاينة التقنية لغيت هاب كوبايلوت بوصفه «مبرمجًا زوجيًا بالذكاء الاصطناعي»، ثم أتاحته عمومًا للمطورين في 21 يونيو 2022، فتحول المجال من بحث في توليد الشيفرة إلى منتج يومي داخل فيجوال ستوديو كود وبيئات جيت براينز وفيجوال ستوديو ونيوفيم وغيرها، وصار الإكمال لا يقترح اسم دالة فقط، بل يقترح أسطرًا ودوالًا واختبارات وشروحًا ورسائل إيداع وملخصات لتغييرات المستودع. وبعد 2022، ومع انتشار تشات جي بي تي ومساعدات البرمجة الحوارية، اتسعت الظاهرة من «إكمال الشيفرة» إلى «المشاركة في دورة العمل»؛ فقد صارت الأدوات تشرح الشيفرة، وتكتب اختبارات الوحدة، وتقترح إعادة هيكلة، وتلخص طلبات الدمج، وتراجع الكود، وتعمل أحيانًا في نمط وكيل قادر على قراءة المستودع، وبناء خطة، وإنشاء فرع، وتعديل ملفات، وتشغيل اختبارات، ثم إعداد فرق أو طلب دمج للمراجعة البشرية، وبذلك انتقلت الأتمتة البرمجية تاريخيًا من مترجم يخفي لغة الآلة، إلى بيئة تطوير تجمع الأدوات، إلى مستودع يحفظ ذاكرة العمل، ثم إلى نموذج لغوي يحاول قراءة مقصد المطور وربطه بتاريخ المشروع وسياقه المؤسسي.

جودة البرمجيات

أمن تطوير البرمجيات

ضمان الجودة (برمجيات)

أمن الحاسوب

ثغرة أمنية (حوسبة)

قاعدة بيانات الثغرات الأمنية

الآلية

من جهة ثانية، يمتد التطوير البرمجي بمساعدة الذكاء الاصطناعي، وخصوصًا الذكاء الاصطناعي المولد والنماذج اللغوية الكبيرة، عبر مراحل دورة حياة تطوير البرمجيات داخل هندسة البرمجيات؛ ففي مرحلة المتطلبات تساعد الأداة في تلخيص مقابلات أصحاب المصلحة، وتحويل الوصف العام إلى حالات استخدام، وصياغة معايير قبول، وبناء مسودة أولية لوثيقة المتطلبات، وفي مرحلة التصميم تساعد في اقتراح بنية برمجية، وتوضيح حدود الوحدات والمكونات، ورسم تدفق البيانات، ومقارنة بدائل معمارية، وربط الواجهات بواجهات برمجة التطبيقات، وفي مرحلة التنفيذ تساعد داخل بيئة التطوير المتكاملة على إكمال الكود المصدري، وتوليد الدوال، وشرح المكتبات البرمجية، وتحويل الشيفرة المصدرية من نمط إلى آخر، واقتراح خوارزميات أو صيغ تحقق أو معالجة ملفات أو استدعاءات شبكية، وفي مرحلة الاختبار البرمجي تساعد في كتابة اختبارات الوحدة، واختبارات التكامل، والحالات الحدية، وبيانات الإدخال الاصطناعية، وتفسير فشل الاختبار عبر قراءة سجلات الأخطاء وربطها بالسطر المناسب، وفي مرحلة النشر تساعد في إعداد ملفات الضبط، وكتابة أوامر التشغيل، وتفسير رسائل النظام، وربط العملية بممارسات ضمان الجودة وضبط الجودة واختبار أداء البرمجيات واختبار إجهاد البرمجيات، وفي مرحلة الصيانة تساعد في شرح الشيفرة القديمة، واكتشاف التكرار، وتحسين الأسماء، واقتراح إعادة الهيكلة، ونقل المشروع إلى مكتبة أحدث أو إصدار أحدث؛ ويُعد غيت هاب كوبايلوت مثالًا مشهورًا على هذه الأدوات، إذ يمكنه اقتراح أسطر أو دوال كاملة اعتمادًا على سياق الملف والمستودع، وتلخيص طلبات السحب، والمساعدة في مراجعة الكود، بينما يمثل الوكيل البرمجي مرحلة أكثر تقدمًا تبدأ من تذكرة عمل أو مسألة داخل مستودع برمجيات، ثم يقرأ المستودع، ويحدد الملفات ذات الصلة، ويكتب خطة، وينشئ فرعًا، ويطبق تعديلات، ويشغل الاختبارات، ويقرأ النتائج، ثم يقترح رقعة أو طلب دمج قابلًا للمراجعة؛ وتشرح وثائق GitHub Copilot cloud agent أن الوكيل يستطيع البحث في المستودع، وإنشاء خطة تنفيذ، وإجراء تغييرات على فرع، ومراجعة الفرق، وإنشاء طلب سحب عند الجاهزية. وتوضح وثائق GitHub الخاصة بمراجعة الكود أن Copilot يمكن أن يراجع طلب السحب ويترك تعليقات مراجعة واقتراحات، لكنها لا تُحسب موافقة إلزامية ولا تحل محل المراجع البشري. وتوضح وثائق ملخصات طلبات السحب أن هذه الميزة تساعد في إعطاء سياق للتغييرات، لكنها تظل أداة مساعدة، وتبقى مسؤولية مراجعة الدقة على صاحب الطلب. وتزداد أهمية هذه المساعدة عندما يكون المشروع كبيرًا أو قديمًا أو ضعيف التوثيق، لأن اللغة الطبيعية تصبح طبقة ملاحة فوق البنية البرمجية، وتساعد المطور الجديد على معرفة وظيفة الوحدة، ومسار الطلب، وموضع المصادقة، وحركة البيانات من الواجهة إلى قاعدة البيانات؛ غير أن هذه الفوائد ترتبط بقيود أمنية ومؤسسية واضحة، لأن الأداة قد تولد شيفرة تحتوي على ثغرات، أو تقترح معالجة ضعيفة للمدخلات، أو تسرب سرًا، أو تستعمل دالة مهجورة، أو ترسل مقتطفات من مشروع حساس إلى خدمة خارجية، ولهذا يدخل المجال في صميم أمن الحاسوب وأمن المعلومات وأمن البيانات وتحليل البرنامج الساكن والتحكم بالوصول والصندوق الرملي وحوكمة البيانات وخصوصية المعلومات؛ ويوصي إطار NIST Secure Software Development Framework بإدخال ممارسات تطوير آمن داخل دورة حياة تطوير البرمجيات لتقليل مخاطر الثغرات، وخفض أثر الثغرات غير المكتشفة، ومعالجة أسبابها الجذرية. وتحتاج المؤسسات لذلك إلى سياسة استعمال دقيقة تحدد نوع البيانات المسموح بإدخالها، ونوع المستودعات، وطريقة حفظ السجلات، وحقوق الملكية الفكرية، ومسؤولية المراجعة، ومعايير الفحص البرمجي، وحدود عمل الوكلاء، ومسألة ترخيص البرمجيات ورخص البرمجيات الحرة والبرمجيات الحرة، لأن النموذج قد يقترح شيفرة شبيهة بأمثلة عامة، وقد يختلط استعمال الشيفرة المغلقة بخدمات سحابية أو ببيانات تدريب؛ وتوفر مبادئ منظمة التعاون الاقتصادي والتنمية للذكاء الاصطناعي إطارًا عامًا للشفافية، وقابلية التفسير، والمتانة، والأمن، والمساءلة، وتتصل هذه المبادئ مباشرة بحوكمة أدوات البرمجة الذكية داخل فرق علوم الحاسوب وهندسة البرمجيات.

المخاطر والضوابط

• انظر كذلك
• ذكاء اصطناعي
• هندسة البرمجيات
• عملية تطوير البرمجيات
• دورة حياة تطوير البرمجيات
• برمجة
• برمجيات
• برمجيات حرة
• برمجيات مفتوحة المصدر
• معالجة اللغة الطبيعية
• نموذج لغوي كبير
• تعلم الآلة
• تعلم عميق

في هذا الإطار، تنتج مخاطر التطوير البرمجي بمساعدة الذكاء الاصطناعي من طبيعة النموذج اللغوي الكبير الاحتمالية، ومن اتصال الأداة بمستودع البرمجيات وبيئة التطوير المتكاملة وغيت وغيت هاب، إذ قد تقترح الأداة كودًا مصدريًا صحيحًا من جهة التركيب النحوي، لكنه ضعيف من جهة المنطق أو الخوارزمية أو بنية البيانات أو معالجة المدخلات، وقد يفشل الناتج في حالة حدية، أو يستعمل مكتبة برمجية قديمة، أو يخفي تعقيدًا غير ظاهر، أو يقدم شرحًا واثقًا يحتاج إلى فحص برمجي وتنفيذ ومراجعة؛ ولهذا تصبح اختبارات الوحدة واختبارات التكامل والتحليل الساكن ومراجعة الشيفرة وإعادة الهيكلة عناصر مركزية في ضبط الناتج قبل اعتماده. وتزداد المخاطر في الأجزاء الحساسة من النظام، مثل المصادقة، والتفويض، والتحكم بالوصول، والتشفير، وأمن الحاسوب، وأمن المعلومات، وأمن البيانات، والمعاملات المالية، لأن خطأً صغيرًا في هذه المواضع قد ينتج ثغرة أمنية أو تسريبًا أو تجاوزًا للصلاحيات أو خللًا في سلامة البيانات؛ ولذلك تشمل الضوابط العملية تشغيل الاختبارات قبل اعتماد التعديل، واستعمال التحليل الساكن عند توفره، ومراجعة التغييرات الحساسة في المصادقة والتفويض والتشفير والماليات، وضبط صلاحيات الوكيل داخل المستودع، ووضعه عند الحاجة داخل صندوق رملي، ومنع إدخال الأسرار والمفاتيح وبيانات العملاء في الطلبات، وحفظ سجلات الأوامر والتعديلات، وربط الأداة بسياسات أمن الحاسوب وأمن المعلومات وحوكمة البيانات وخصوصية المعلومات، وتدريب المطورين على قراءة الناتج وفحصه بدل قبوله مباشرة. ويضيف استعمال أدوات مثل غيت هاب كوبايلوت ومراجعات الكود الآلية بُعدًا مؤسسيًا آخر، لأن الأداة تستطيع قراءة تعديل طويل واقتراح ملاحظات سريعة، لكنها تظل أداة مساعدة ذات حدود، وتبقى مسؤولية الاعتماد النهائي على المراجع البشري والفريق الهندسي وسياسة المؤسسة. وتربط مشروعات OWASP بتطبيقات النماذج اللغوية الكبيرة هذه المسألة بمخاطر أوسع، مثل كشف المعلومات الحساسة، وضعف ضبط المخرجات، والاعتماد الزائد على الوكلاء، وسلاسل التوريد البرمجية، وهي مخاطر تجعل هندسة البرمجيات الحديثة محتاجة إلى مزج الذكاء الاصطناعي المولد بعمليات اختبار، ومراجعة، وتدقيق، وتوثيق، وترخيص برمجي، ورخص برمجيات حرة، ومساءلة بشرية واضحة.

الأثر

وفي السياق ذاته، يؤثر المجال في هوية المبرمج وحرفته. كان المبرمج يكتب تفاصيل كثيرة بيده داخل بيئة التطوير ومحرر النصوص. صار يوجه آلة نصية قادرة على ملء الفراغ، واقتراح البدائل، وتلخيص الأخطاء البرمجية، وتحويل الوصف الطبيعي إلى شيفرة. تزداد قيمة مهارات اختيار البنية البرمجية، وتحليل المتطلبات، وتصميم اختبارات التكامل، وفهم المخاطر، والتواصل مع أصحاب المصلحة. وتتحول الحرفة من كتابة أسطر كثيرة إلى إدارة علاقة بين هدف، وسياق، ونموذج، وواجهة برمجة تطبيقات، ونظام اختبار.

وفي السياق ذاته، تجعل هذه الجغرافيا المجال جزءًا من الفجوة الرقمية العالمية. فالفرق التي تملك اتصالًا جيدًا، وحوسبة سحابية، ولغة عمل إنجليزية، ومستودعات منظمة، واختبارات كثيرة، تحصل على قيمة أعلى. أما الفرق التي تعمل في بيئات ضعيفة التوثيق، ومشاريع برمجية قديمة، ولغات محلية قليلة الموارد، فتحتاج إلى بناء سياق، وكتابة وثائق، وترتيب مستودعات، وتحديد معايير مراجعة قبل استخراج قيمة كاملة من الأداة.

في هذا الإطار، أظهرت دراسة تجريبية عن غيت هاب كوبايلوت أن المطورين الذين استعملوا مساعدًا برمجيًا قائمًا على الذكاء الاصطناعي أكملوا مهمة برمجية محددة أسرع من مجموعة المقارنة بنسبة 55.8%، وهو ما جعل أدوات البرمجة المساعدة موضوعًا متصلًا بقياس الإنتاجية، لا بمجرد الإبهار التقني. ويظل هذا القياس مشروطًا بنوع المهمة، وجودة الاختبار، ووضوح المتطلبات، وخبرة المطور، وطبيعة الشيفرة المصدرية المنتجة.

إضافةً إلى ذلك، غيّر التطوير البرمجي بمساعدة الذكاء الاصطناعي، وخصوصًا الذكاء الاصطناعي المولّد والنماذج اللغوية الكبيرة، توزيع العمل داخل فرق البرمجة وهندسة البرمجيات. فقد انتقلت بعض المهام المتكررة إلى الأداة، مثل كتابة القوالب البرمجية، وتوليد التوثيق البرمجي، وصياغة رسائل الإيداع في غيت، وتلخيص التغييرات في مستودعات البرمجيات، وكتابة اختبارات وحدة أولية، واقتراح أجزاء من الشيفرة المصدرية. وصار المطور يقضي وقتًا أكبر في صياغة الطلب، ومراجعة الناتج، وتشغيل الاختبارات، وتحسين السياق، وربط المخرجات بمتطلبات المشروع البرمجي.

إضافةً إلى ذلك، أظهر مسح Stack Overflow لعام 2025 أن 84% من المستجيبين يستعملون أدوات ذكاء اصطناعي في عملية التطوير أو يخططون لاستعمالها، وأن المسح تلقى أكثر من 49 ألف استجابة من 177 دولة. وتظهر هذه الأرقام اتساع الظاهرة جغرافيًا، ودخولها إلى العمل اليومي للمطورين المحترفين، والطلاب، وفرق الشركات الناشئة، ومجتمعات البرمجيات الحرة والمفتوحة المصدر.

من جانب آخر، ينتشر التطوير البرمجي بمساعدة الذكاء الاصطناعي عبر مناطق متعددة، لكنه يرتبط بقوة بتوزيع البنية الرقمية للدولة. ففي الولايات المتحدة تظهر شركات النماذج، ومنصات المستودعات البرمجية، ومراكز الحوسبة السحابية. وفي أوروبا تظهر تطبيقات مرتبطة بحوكمة البيانات وقوانين حماية البيانات والنظام الأوروبي العام لحماية البيانات. وفي الهند وشرق آسيا تظهر مجتمعات تطوير كبيرة تستعمل الأدوات في التعليم، والعمل الحر. وفي العالم العربي تظهر أهمية خاصة للغة، لأن كثيرًا من الأدوات تتعامل مع الشيفرة بفاعلية أعلى من تعاملها مع الطلبات باللغة العربية.

وفي هذا السياق، يؤثر هذا المجال في تعليم البرمجة وعلوم الحاسوب. يستطيع الطالب طلب شرح لدالة، ومقارنة حلين، وتوليد مثال، وقراءة تفسير مبسط لمسار الخوارزمية. وتظهر فائدة كبيرة في الوصول السريع إلى المعرفة التقنية. وتظهر كذلك حاجة تربوية إلى تعليم القراءة النقدية للشيفرة الناتجة. فالمتعلم الذي يعتمد على الأداة يحتاج إلى فهم الخوارزمية، وبنية البيانات، والتعقيد الحسابي، والاختبار، وتصحيح الخطأ، ومراجعة الشيفرة.

كذلك، يرتبط الانتشار الجغرافي كذلك بالاقتصاد الرقمي. تحتاج الفرق الصغيرة إلى أدوات تسرع بناء النماذج الأولية. وتحتاج الشركات الكبيرة إلى أدوات تخفض زمن الصيانة البرمجية. وتحتاج المؤسسات الحكومية إلى ضوابط لأمن البيانات وحوكمة البيانات والامتثال. وتحتاج الجامعات إلى مناهج تجمع بين علوم الحاسوب وأخلاقيات الذكاء الاصطناعي وهندسة البرمجيات واختبار البرمجيات.