هل سيحل الذكاء الاصطناعي محل مهندسي الأنظمة المضمَّنة؟ قريباً من المعدن

إليك إحصاء يجب أن يطمئن كل من قضى سنواتٍ يتعلم الفنون الغامضة للمتحكمات الدقيقة وأنظمة التشغيل الفوري والتوافق الكهرومغناطيسي: يواجه مهندسو الأنظمة المضمَّنة نسبة تعرض 44% للذكاء الاصطناعي ومخاطر أتمتة 26% فحسب. هذه من بين أدنى الأرقام التي نقيسها عبر قطاع التقنية بأكمله — أدنى من علماء البيانات، وأدنى من مطوري الويب متعددي الأطراف، وأدنى من معظم أدوار الأمن السيبراني.

ما الذي يجعل المضمَّنة بهذه المناعة؟ ثلاثة أسباب تتضافر وتتعزز. أولاً: العمل محدَّد مادياً بطرق لا تعرفها المجالات القائمة على البرمجيات فحسب. ثانياً: سلاسل الأدوات مجزَّأة وخاصة بالبائع وضعيفة التمثيل في بيانات تدريب الذكاء الاصطناعي. ثالثاً: عواقب الأخطاء كثيراً ما تكون حيوية للسلامة، مما يجعل الشركات متحفظة جداً في السماح للذكاء الاصطناعي بكتابة البرامج الثابتة للإنتاج دون مراجعة صارمة.

تكشف هذه المقالة ما يجري لهندسة الأنظمة المضمَّنة في عام 2025، وأين يُضيف الذكاء الاصطناعي قيمة فعلاً، ولماذا يُضيف قيمةً أقل مقارنةً بالمجالات البرمجية الأخرى، وماذا يجب أن يفعل مهندس المضمَّنة بشكل مختلف — إن كان ثمة شيء — خلال السنوات الخمس القادمة. تستند البيانات هنا إلى تحليل مهام O*NET، والمؤشر الاقتصادي لأنثروبيك، ومسوحات صناعية من مجتمع كمبيوتر IEEE وتصميم الحوسبة المضمَّنة.

لماذا تملك المضمَّنة أقوى خندق دفاعي

نسبة التعرض 44% ومخاطر 26% ليستا محض صدفة. إنهما تعكسان سمات بنيوية في عمل المضمَّنة تُقاوم الأتمتة.

القرب من الأجهزة. وظيفة مهندس المضمَّنة هي تشغيل البرمجيات بشكل صحيح على شريحة محددة. اللوحة تحتوي مقاومات ومكثفات بتفاوتات معينة. المتحكم الدقيق له سجلات تتصرف بطرق مفاجئة في درجات الحرارة القصوى. مصدر الطاقة له خصائص ضجيج لا يذكرها الكتيب الفني. كل مشروع تركيبة فريدة من الحقائق المادية، ودور المهندس هو التعامل مع هذا الفرادة. المساعدات المدرَّبة على أنماط الكود المتوسطة غير ملائمة لهذا العمل.

تجزُّؤ سلاسل الأدوات. مطور الويب يستطيع العمل بنفس حزمة React وNode وTypeScript عبر مئات الوظائف. أما مهندس المضمَّنة فقد يستخدم Keil MDK لمشروع Cortex-M، وGCC للوحة Arm Linux، وESP-IDF لجهاز إنترنت الأشياء، وSDK خاص بالبائع لمعالج إشارات رقمية — كل هذا في ربع واحد. بيانات التدريب لهذه السلاسل شحيحة وقديمة. اقتراحات الكود كثيراً ما تكون خاطئة بطرق دقيقة تستغرق تشخيصاً أطول من الكتابة من الصفر.

قيود الزمن الحقيقي. كود يعمل بشكل صحيح لكن يستغرق 200 ميكروثانية إضافية يُسبِّب تذبذب وحدة تحكم المحرك أو فوات عينة المستشعر أو فوات موعد حلقة السلامة. التفكير في التوقيت يتطلب فهم تأثيرات الذاكرة المؤقتة وتأخير المقاطعات وسلوك DMA وتحكيم الناقل. هذه معرفة هندسية لا تلتقطها أدوات الذكاء الاصطناعي عموماً بشكل جيد. [ادعاء]

السلامة والتنظيم. كثير من منتجات المضمَّنة خاضع لمعايير — ISO 26262 للسيارات، وIEC 62304 للأجهزة الطبية، وDO-178C للطيران. هذه المعايير تُلزم بعمليات تطوير محددة وقابلية للتتبع وتوثيق. إنها تُعقِّد تنظيمياً استخدام الكود المولَّد بالذكاء الاصطناعي في الإنتاج دون تحقق دقيق وشامل. الشركات في الصناعات المُنظَّمة لا تُجازف بتداعيات الالتزام التنظيمي.

لتوضيح نطاق التحدي: مهندس يعمل على وحدة تحكم إلكترونية في سيارة ASIL-D يُنفق ما يتراوح بين 40-60% من وقته في توثيق المتطلبات وأثرها والاختبار المُبرهَن عليه — وهذا كله لا يمكن أن يأتي من الذكاء الاصطناعي دون تحقق بشري مُعمَّق لكل سطر.

أين يُساعد الذكاء الاصطناعي مهندسي المضمَّنة فعلاً

للتوضيح: الذكاء الاصطناعي ليس عديم الفائدة في المضمَّنة. إنه يُساعد فحسب بطرق أضيق مما في المجالات الأخرى.

سقالة برامج التشغيل. توليد الكود المتكرر لبرنامج تشغيل SPI أو UART أو I2C شيء تؤديه المساعدات بشكل معقول، خاصةً لعائلات المتحكمات الشائعة. على المهندس مع ذلك التحقق من التوقيت والسلوك الكهربائي، لكن الكتابة اليدوية تتقلص بشكل ملحوظ. فارق الوقت بين 2022 و2025 ملموس في هذا المجال.

تصميم آلة الحالة. رسم الحالات والانتقالات لبروتوكول اتصال أو روتين إدارة مستشعر نشاط نمطي يُسرِّعه الذكاء الاصطناعي. يُراجع المهندس التصميم ويُصحِّح الأخطاء قبل التطبيق، مما يوفِّر ساعات في التخطيط الأولي.

التوثيق. كتابة أدلة المرجع التقني، وتوثيق حزم دعم اللوحة، وملفات تاريخ التصميم للمنتجات المُنظَّمة. يتولى الذكاء الاصطناعي عبء النثر بينما يضمن المهندس الدقة التقنية ويُعدِّل الصياغات الدقيقة.

توليد حالات الاختبار. إنتاج وحدات اختبار أعمدة لتطبيقات آلة الحالة أو كود برامج التشغيل. تتحقق أدوات التغطية لاحقاً من أن الاختبارات تمر فعلاً بمسارات الكود المطلوبة.

قراءة أوراق البيانات. الشرائح الحديثة لها أدلة مرجعية من 500 صفحة. الذكاء الاصطناعي يستطيع تلخيص الأقسام واستخراج جداول تعيين المداخل والمساعدة في إيجاد السجل المطلوب. هذا ذو قيمة حقيقية لمهندس غارق في وثائق البائع الكثيفة.

تظهر بيانات المؤشر الاقتصادي لأنثروبيك نمواً في استخدام واجهات برمجة التطبيقات للمضمَّنة، لكن بمعدل أبطأ بكثير مقارنةً بتطوير الويب أو كود التطبيقات العام. نحو 38% فقط من مهندسي المضمَّنة يُفيدون بالاستخدام المنتظم لمساعدة الذكاء الاصطناعي مقابل 76% من مطوري الويب. [حقيقة]

أين يقصر الذكاء الاصطناعي

قائمة مهام المضمَّنة التي يتعثر فيها الذكاء الاصطناعي طويلة ومعروفة للممارسين:

تشخيص الإقلاع الأولي. حين تُشغِّل لوحة جديدة للمرة الأولى ولا يعمل شيء، قد يكون السبب: قالب لصق لحام خاطئ، مكوِّن مُبدَّل في قائمة المواد، خط طاقة مزعزع، ساعة لم تبدأ، كريستال لا يتذبذب بسبب سعة طارئة، مبرمج ذو اتصال سيئ، أو برمجيات ثابتة بها خلل تسلسل دقيق. العمل عبر هذه القائمة يستلزم التواجد على المقعل بالأوسيلوسكوب ومحلل المنطق والمقياس متعدد الاستخدامات. الذكاء الاصطناعي لا يُساعد بشكل مجدٍ هنا.

التصميم المشترك للأجهزة والبرمجيات. حين يبدأ المشروع، تُتخذ قرارات حول أي متحكم دقيق نستخدم وأي محيطيات نعتمد عليها وأي وظائف نُنفِّذ في الأجهزة مقابل البرمجيات. الحصول على هذا صحيحاً يستلزم فهم الشريحة وقيود البرمجيات بعمق. إنه أعلى قيمة مُضافة في مشروع المضمَّنة، والذكاء الاصطناعي ضعيف فيه لأنه يتطلب حكماً شاملاً على مقايضات متعددة ومتشابكة. كما أن الاختيار الخاطئ لمستوى التكامل في مرحلة مبكرة قد يُكلِّف إعادة تصميم جوهرية لاحقاً، وهو ما تتجنبه الشركات بتوظيف مهندسين ذوي خبرة ميدانية واسعة.

الطاقة والتحسين الحراري. استخلاص آخر 30% من عمر بطارية جهاز إنترنت الأشياء، أو إبقاء النظام دون حدود حرارية بتبريد سلبي، يستلزم معرفة عميقة بكل وضع تشغيل وكل مسار تيار في اللوحة. أدوات الذكاء الاصطناعي لها بصيرة محدودة باللوحة التي تعمل عليها بالتحديد. المهندس يحتاج إلى قياس حقيقي بأجهزة قياس دقيقة للتحقق من الاستهلاك الفعلي في كل حالة، وهو ما يتجاوز قدرات أي أداة برمجية حالياً.

تشخيص التوافق الكهرومغناطيسي. حين يرسب جهازك في اختبار الانبعاثات المُشعَّة عند تردد معين، يستلزم معرفة السبب تتبُّع مسارات التيار العائد وفحص المستويات الأرضية وربما إعادة تصميم أجزاء من لوحة الدوائر الكهربائية. هذا عمل فيزياء وهندسة لا يستطيع أي ذكاء اصطناعي تأديته عن بُعد. معالجة هذا النوع من المشكلات قد تستغرق أسابيع من التحقيق المتأني، وكثيراً ما تتطلب التنسيق مع مختبرات اختبار التوافق الكهرومغناطيسي الخارجية.

تحليل أعطال الميدان. حين يبدأ منتج منتشر بالتعطل في الميدان بعد ستة أشهر، قد يستلزم إيجاد السبب الجذري: سحب وحدات من الميدان وفحص المكوِّنات المعطلة تحت المجهر وإجراء اختبارات العمر المتسارعة وربط الأعطال ببدفعات التصنيع. لا شيء من هذا مُيسَّر بالذكاء الاصطناعي. الذكاء الاصطناعي في أفضل الأحوال أداة لتنظيم البيانات والفرضيات، لا بديل عن التحقيق الميداني المعمَّق.

الامتثال التنظيمي. بناء حجة سلامة لمضخة تسريب طبية، وكتابة مواصفات متطلبات النظام لوحدة تحكم إلكترونية في السيارة، أو تجميع ملف تاريخ التصميم لطلب FDA. هذه المستندات يجب أن تكون قابلة للدفاع ودقيقة، وتستغرق أسابيع من العمل الدقيق المُعمَّق.

المهام حسب مستوى الخطر

رسم خريطة مخزون مهام O*NET لمهندسي الأنظمة المضمَّنة:

تعرض مرتفع (50%+): كتابة كود برامج التشغيل المعياري؛ إنتاج وحدات اختبار أعمدة؛ توليد التوثيق؛ إجراء مراجعات الأدبيات للمكوِّنات أو المعايير الجديدة؛ صياغة مقترحات التصميم.

تعرض معتدل (25-50%): تطبيق بروتوكولات الاتصال؛ تصميم آلات الحالة؛ كتابة كود طبقة التطبيق فوق نظام تشغيل الوقت الفعلي؛ إجراء مراجعات الكود للتطبيقات الاعتيادية.

تعرض منخفض (أقل من 25%): تشخيص الإقلاع الأولي؛ التصميم المشترك للأجهزة والبرمجيات؛ عمل التوافق الكهرومغناطيسي؛ تحسين الطاقة والحرارة؛ بناء حجج السلامة؛ تحليل أعطال الميدان؛ تطوير اختبارات التصنيع.

النمط لا لبس فيه. العمل الأكثر تعرضاً للذكاء الاصطناعي هو العمل الذي كانت له نماذج كود على الإنترنت ومناقشات نشطة في المنتديات الشائعة. العمل الأقل تعرضاً هو الكامن في وثائق البائعين وملاحظات التطبيق وخبرة مهندسي المضمَّنة الشخصية — معرفة لا تظهر جيداً في بيانات التدريب. [تقدير]

الأدوار الفرعية في المضمَّنة ومساراتها المستقبلية

داخل هندسة الأنظمة المضمَّنة، يواجه كل دور فرعي مستقبلاً مختلفاً.

مهندسو البرامج الثابتة للإلكترونيات الاستهلاكية يواجهون تعرضاً معتدلاً. دورات المنتج قصيرة، وقيود السلامة أكثر مرونة، وتوليد الكود بالأنماط معقول الفائدة. مخاطر هذا الدور الفرعي نحو 35%.

مهندسو المضمَّنة في الوقت الفعلي للتحكم الصناعي يواجهون تعرضاً أدنى. يتضمن العمل تحليلاً دقيقاً للتوقيت وضمانات الوقت الفعلي الصارمة والتكامل مع بروتوكولات صناعية كـ CAN وEtherCAT. مخاطر هذا الدور نحو 22%.

مهندسو المضمَّنة الحيويون للسلامة في السيارات والطب والطيران يواجهون أدنى تعرض. تجعل العبء التنظيمي وتداعيات السلامة المهندسين البشريين محوريين في عملية التطوير. مخاطر هذا الدور نحو 15% فقط.

مهندسو Embedded Linux يواجهون تعرضاً أعلى لأن كثيراً من عملهم في تطبيقات المستخدم حيث بيانات التدريب وفيرة. هم في الأساس يكتبون تطبيقات Linux مع اعتبارات مضمَّنة، والجزء التطبيقي قابل للأتمتة بشكل ملحوظ. مخاطر هذا الدور نحو 38%.

مهندسو الإقلاع وحزم دعم اللوحة يواجهون أدنى تعرض من الجميع. عملهم في جوهره تشغيل لوحات فريدة، وهو ميداني بطبيعته لا يُستغنى عن الحضور البشري فيه. مخاطر هذا الدور نحو 12% فحسب.

ظروف السوق والتعويضات

يسوده في 2025 ثلاثة اتجاهات بارزة. الطلب على مهندسي المضمَّنة يرتفع عبر الكهربة السيارية، وابتكار الأجهزة الطبية، والموجة الثانية من نشر إنترنت الأشياء عبر القطاعات. العرض محدود لأن مسارات المضمَّنة أصعب دخولاً من تطوير الويب؛ منحنى التعلم أشد انحداراً والأدوات أقل سهولة ومرونة. والشركات التي تبني منتجات مضمَّنة تُمسك بمهنديها أطول مقارنةً بشركات البرمجيات فحسب، مما يعني أن الكفاءات المخضرمة نادراً ما تصل إلى السوق المفتوحة.

تُظهر بيانات الرواتب من Glassdoor وLevels.fyi ومسح رواتب IEEE أن كبار مهندسي المضمَّنة يكسبون بين 165,000 و285,000 دولار في الولايات المتحدة، مع متخصصي السلامة في السيارات والقطاع الطبي عند الحد الأعلى من هذا النطاق. نمو الرواتب سنةً بسنة 9%، أدنى من أدوار الذكاء الاصطناعي الحدودية لكنه ثابت ومتين ومبني على أسس بنيوية راسخة. [حقيقة]

لمهندس مضمَّنة يتساءل عن تغيير تخصصه، فالجواب في 2025 عموماً لا. المجال يتمتع بصحة جيدة، والعمل مثير للاهتمام، والتهديد من الذكاء الاصطناعي قابل للإدارة. المهندسون الراغبون في النمو ينبغي أن يفكروا في العمق — أن يصبحوا مرجعاً لعائلة متحكمات أو مجال بعينه — لا في الاتساع والتنقل بين صيحات التقنية.

ما ينبغي التركيز عليه حتى 2030

نصيحة محددة لمهندسي المضمَّنة في تخطيط السنوات الخمس القادمة:

اختر قطاعاً عمودياً وامتلكه. السيارات، والطب، والفضاء، والصناعة، وإنترنت الأشياء الاستهلاكي — لكل منها معاييره وعائلات شرائحه المهيمنة وشُحِّ كفاءاته. المهندسون المعروفون في قطاع واحد يكسبون أكثر ولديهم خيارات مهنية أوسع من العموميين الذين لا يتعمقون في أحد.

تعلَّم الأُطر التنظيمية لمجالك. ISO 26262، وIEC 62304، وDO-178C، وISA/IEC 62443 للأمن السيبراني الصناعي. المهندسون الذين يفهمون هذه الأُطر نادرون وذوو قيمة مرتفعة، ومطلوبون بشكل متزايد في كل مشروع.

حافظ على مهارات المقعل. الأوسيلوسكوب، ومحلل المنطق، وحدس تكامل الإشارة، والحام. هذه مهارات مادية لا يهددها الذكاء الاصطناعي وتُميِّز مهندسي المضمَّنة الفعليين عن المبرمجين الذين يستهدفون معالجات صغيرة فحسب.

ابقَ محدَّثاً في أنظمة التشغيل الفوري وأنماط المعدن المجرد. FreeRTOS وZephyr وThreadX وApache NuttX. معرفة كيفية استخدامها، ولكن الأهم معرفة متى لا تستخدمها وتتخلى عنها لصالح المعدن المجرد بدلاً من ذلك، معرفة رافعة عالية لا يكتسبها المبتدئون بسهولة.

ارعَ إلماماً متعدد التخصصات. كثير من مشاريع المضمَّنة يستلزم التعاون مع مصممي الأجهزة والمهندسين الميكانيكيين وفرق التحقق والجودة. المهندسون الذين يتواصلون بطلاقة مع هذه المجموعات يصبحون قيادات تقنية بسرعة. الذكاء الاصطناعي لا يهدد هذه المهارة؛ بل يُضاعف أهميتها لأن الاختناق يتحول بشكل متزايد إلى التنسيق لا سرعة الترميز. [ادعاء]

النظرة الصادقة على المدى البعيد

بعد خمس سنوات، كيف ستبدو هندسة الأنظمة المضمَّنة؟ على الأرجح مشابهة جداً لليوم مع بعض التحولات على الهامش. سيتولى الذكاء الاصطناعي المزيد من كود برامج التشغيل المتكرر وصياغة التوثيق وتصميم آلة الحالة الاعتيادي. سيقضي مهندسو المضمَّنة وقتاً أكثر في المعمارية والتشخيص والتصميم المشترك للأجهزة والبرمجيات والعمل التنظيمي. سيتطلب الدور كتابة أقل وتفكيراً أعمق وحكماً أكثر — وهو عموماً اتجاه جيد للمسيرة الهندسية.

لمهندس مضمَّنة يقرأ هذه المقالة: لقد اخترت جيداً. ما تقوم به من بين أكثر الأعمال مناعةً ضد إزاحة الذكاء الاصطناعي في قطاع التقنية بأكمله. المهارات التي تجعلك قيِّماً — الصبر على المقعل، والتفكير الدقيق في التوقيت والموارد، والإلمام بالأجهزة والبرمجيات معاً — هي تحديداً المهارات التي لا يستطيع الذكاء الاصطناعي تكرارها. استمر في بنائها وتعميقها.

للتفاصيل التشغيلية للأتمتة حسب الدور الفرعي، وبيانات الرواتب الإقليمية، والتوقعات التفصيلية لخمس سنوات، راجع ملف تعريف مهنة مهندسي الأنظمة المضمَّنة.

---

التحليل مستند إلى نمذجة الأتمتة على مستوى مهام ONET، والمؤشر الاقتصادي لأنثروبيك (2025)، ومسوحات مجتمع كمبيوتر IEEE، وتقارير صناعة تصميم الحوسبة المضمَّنة، وبيانات مرصد سياسات الذكاء الاصطناعي لمنظمة OECD. بحث ومسودة بمساعدة الذكاء الاصطناعي؛ مراجعة وتحرير بشريان من قِبَل فريق تحرير AIChangingWork.*