هل سيحل الذكاء الاصطناعي محل المبرمجين الطبيين؟ المهنة التي تواجه أعلى مخاطر أتمتة في الرعاية الصحية

الوظيفة الصحية التي يستهدفها الذكاء الاصطناعي

إذا كنت واحداً من حوالي 224,900 مبرمج طبي [حقيقة] يعملون في الولايات المتحدة، فمن المحتمل أنك لاحظت التغييرات بالفعل. البرمجيات تزداد ذكاءً. اقتراحات الترميز تتحسن. والسؤال الذي كان يبدو نظرياً — "هل سيأخذ الذكاء الاصطناعي وظيفتي؟" — بدأ يبدو ملموساً جداً.

إليك التقييم الصريح: يواجه الترميز الطبي مخاطر أتمتة 73 من 100 وتعرضاً إجمالياً للذكاء الاصطناعي 68% [حقيقة]. هذه من بين أعلى الأرقام في مجال الرعاية الصحية بأكمله. تحليلنا يصنّف هذه المهنة كـأتمتة وليس تعزيز، بمعنى أن المسار الأساسي يتجه نحو استبدال المهام وليس تعزيز القدرات البشرية. هذه ليست رسالة مريحة، لكنها رسالة مهمة يجب سماعها بوضوح حتى تتمكن من التخطيط وفقاً لذلك.

مع ذلك، الصورة الكاملة أكثر دقة مما يوحي به الرقم الرئيسي. وهناك خطوات محددة وعملية يمكن للمبرمجين الطبيين اتخاذها الآن للبقاء في المقدمة.

ما يستطيع الذكاء الاصطناعي فعله بالفعل

لننظر إلى البيانات على مستوى المهام، لأن هذا هو المكان الذي يصطدم فيه الواقع.

تعيين رموز ICD وCPT للسجلات الطبية عند 82% أتمتة [حقيقة]. هذه هي الوظيفة الأساسية للترميز الطبي، والذكاء الاصطناعي بارع فيها بشكل ملحوظ. يمكن لأنظمة معالجة اللغة الطبيعية الآن قراءة الوثائق السريرية واستخراج التشخيصات والإجراءات وتعيين رموز ICD-10 وCPT وHCPCS الصحيحة بمعدلات دقة تنافس المبرمجين البشريين ذوي الخبرة في الحالات الروتينية.

العبارة المفتاحية هي "الحالات الروتينية". الذكاء الاصطناعي يتعامل مع الزيارات المباشرة والموثقة جيداً بشكل ممتاز. لكن حالة أورام معقدة بأمراض مصاحبة متعددة ووثائق متناقضة وإجراءات تمتد عبر إرشادات ترميز متعددة؟ هنا لا تزال الخبرة البشرية مهمة وستستمر كذلك لسنوات قادمة.

معالجة مطالبات التأمين وحل تناقضات الفواتير عند 75% أتمتة [حقيقة]. يمكن لمعالجة المطالبات المدعومة بالذكاء الاصطناعي تحديد أنماط الرفض الشائعة والإشارة إلى المعلومات المفقودة واقتراح التصحيحات وحتى التنبؤ بالمطالبات التي من المرجح أن تُرفض قبل تقديمها.

مراجعة الوثائق السريرية لدقة الترميز عند 68% أتمتة [حقيقة]. يمكن لأدوات الذكاء الاصطناعي الآن مسح ملاحظات الأطباء وتحديد فجوات التوثيق واقتراح استفسارات للحصول على تفاصيل سريرية إضافية.

ضمان الامتثال لأنظمة وإرشادات الترميز عند 55% أتمتة [حقيقة]. الامتثال التنظيمي هو مشهد معقد ومتغير باستمرار حيث أصبحت أدوات الذكاء الاصطناعي بارعة في الإشارة إلى مخاطر التدقيق المحتملة وتتبع تغييرات الإرشادات.

الجدول الزمني للتعرض: سريع ومتسارع

على عكس العديد من المهن حيث ينمو التعرض للذكاء الاصطناعي ببطء، الترميز الطبي على مسار حاد:

• 2023: التعرض الإجمالي عند 52%، والاعتماد الملاحظ عند 28% [حقيقة]
• 2024: التعرض عند 60%، والاعتماد الملاحظ عند 38% [حقيقة]
• 2025: التعرض الحالي عند 68%، والاعتماد الملاحظ عند 48% [حقيقة]
• 2027 (متوقع): التعرض يصل إلى 79%، ومخاطر الأتمتة عند 80% [تقدير]
• 2028 (متوقع): التعرض عند 83%، ومخاطر الأتمتة 83% [تقدير]

بحلول 2028، يصل التعرض النظري إلى 94% [تقدير]. الفجوة بين التعرض النظري والملاحظ تضيق في الترميز الطبي أسرع من أي مهنة صحية أخرى تقريباً. لأن الترميز هو أساساً مهمة مطابقة أنماط وتصنيف — وهو تحديداً ما يفعله الذكاء الاصطناعي بأفضل شكل.

لماذا لا يختفي المبرمجون الطبيون غداً

رغم تلك الأرقام الصريحة، يتوقع مكتب إحصاءات العمل نمواً وظيفياً بنسبة +8% حتى 2034 [حقيقة]. كيف يمكن ذلك؟

عدة عوامل تلعب دوراً. نظام الرعاية الصحية الأمريكي ينمو مع شيخوخة السكان التي تولّد المزيد من الزيارات التي تحتاج ترميزاً. التعقيد التنظيمي للترميز الطبي يستمر في الازدياد. والأهم من ذلك، أنظمة الذكاء الاصطناعي لا تزال تحتاج رقابة بشرية، خاصة للحالات المعقدة والتدقيق ومراجعات الامتثال.

السؤال الحقيقي ليس ما إذا كان الطلب على عمل الترميز سيختفي، بل ما إذا كانت طبيعة العمل ستتحول. الصورة الناشئة هي أن عدداً أقل من البشر سيكون مطلوباً لمعالجة نفس حجم الترميز الروتيني، لكن البشر المتبقين سيقومون بعمل أعلى قيمة: تدقيق مخرجات الذكاء الاصطناعي، والتعامل مع الحالات المعقدة، وإدارة الامتثال.

الأجر السنوي المتوسط البالغ حوالي 48,780 دولار [حقيقة] يعكس متطلبات المهارة الحالية للمهنة. المبرمجون الذين يتطورون إلى أدوار التدقيق والامتثال يمكنهم توقع تعويض أعلى.

ماذا يجب أن يفعل المبرمجون الطبيون الآن فوراً

نافذة التكيف المهني الاستراتيجي مفتوحة، لكنها لن تبقى مفتوحة للأبد. إليك ما تقترحه البيانات.

تعلّم تدقيق مخرجات ترميز الذكاء الاصطناعي. المهارة الأكثر قيمة في المستقبل القريب لن تكون تعيين الرموز بل مراجعة الرموز المُعيّنة بالذكاء الاصطناعي والتحقق منها وتصحيحها.

تخصّص في التعقيد. الذكاء الاصطناعي يتعامل مع الترميز الروتيني جيداً. يعاني مع الأورام والصدمات وحالات الأنظمة المتعددة والحالات التي تكون فيها الوثائق غامضة أو متناقضة. التخصص في مجالات الترميز عالية التعقيد يجعلك أصعب استبدالاً وأكثر قيمة.

اسعَ نحو أدوار تحسين التوثيق السريري والامتثال. تحسين التوثيق السريري وامتثال الترميز مجالان يظل فيهما الحكم البشري ضرورياً وحيث تؤدي المسارات المهنية إلى تعويض أعلى.

افهم التكنولوجيا. لا تحتاج أن تصبح مبرمجاً حاسوبياً، لكن فهم كيفية عمل أدوات الترميز القائمة على معالجة اللغة الطبيعية وحدودها وكيفية تحسينها يجعلك جزءاً من الحل.

استكشف البيانات الكاملة للمبرمجين الطبيين على AI Changing Work لرؤية مقاييس الأتمتة التفصيلية والجدول الزمني الكامل للتعرض.

ذو صلة: الذكاء الاصطناعي في الأدوار الإدارية الصحية

• هل سيحل الذكاء الاصطناعي محل فنيي الفوترة الطبية؟ — جانب معالجة المطالبات
• هل سيحل الذكاء الاصطناعي محل فنيي المعلومات الصحية؟ — مهنة وثيقة الصلة
• هل سيحل الذكاء الاصطناعي محل الممرضات؟ — لماذا الرعاية المباشرة هي القصة المعاكسة
• هل سيحل الذكاء الاصطناعي محل ممرضات الرعاية التلطيفية؟ — الدور الأكثر مقاومة للذكاء الاصطناعي في الرعاية الصحية

استكشف جميع تحليلات المهن على مدونتنا.

المصادر

• Anthropic. (2026). The Anthropic Labor Market Impact Report.
• Brynjolfsson, E., et al. (2025). Generative AI at Work.
• Eloundou, T., et al. (2023). GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models.
• U.S. Bureau of Labor Statistics. Medical Records Specialists — Occupational Outlook Handbook.
• O*NET OnLine. 29-2072.00 — Medical Records Specialists.

سجل التحديثات

• 2026-03-30: النشر الأولي

---

يستند هذا التحليل إلى بيانات من تقرير أنثروبيك لتأثيرات سوق العمل (2026) وEloundou وآخرون (2023) وBrynjolfsson وآخرون (2025) وتوقعات مكتب إحصاءات العمل الأمريكي. تم استخدام التحليل بمساعدة الذكاء الاصطناعي في إنتاج هذا المقال.