هل سيحل الذكاء الاصطناعي محل مهندسي الدعم التقني؟ التشعب والتخصص

حين تختفي المشكلات السهلة

61%. هذه نسبة تعرّض مهندسي الدعم التقني للذكاء الاصطناعي — وهو رقم يكشف وضعًا مثيرًا للاهتمام في حوار أتمتة الذكاء الاصطناعي. بخلاف موظفي مكتب المساعدة في المستوى الأول الذين يُعالجون مشكلات بسيطة، وبخلاف مهندسي البرمجيات الذين يبنون أنظمة جديدة، يعيش مهندسو الدعم التقني في الفضاء الفوضوي لتشخيص سبب إخفاق الأنظمة القائمة بطرق غير متوقعة. ويُغيّر الذكاء الاصطناعي ذلك الفضاء بسرعة.

كان هذا الموقع الوسطي في السابق منطقةً مهنية آمنة نسبيًا. المشكلات كانت أعقد من الأتمتة وأكثر تكرارًا من هندسة البرمجيات. هذا التوازن يتفكك بسرعة. الذكاء الاصطناعي يتسلق منحنى التعقيد من الأسفل بينما يبقى عاجزًا عن التعامل مع المشكلات الصعبة حقًا في القمة، والوسط يُضغط من الجانبين.

وفقًا لتحليلنا المستند إلى تقرير أنثروبيك لتأثير الذكاء الاصطناعي على سوق العمل، يواجه مهندسو الدعم التقني حاليًا 61% تعرضًا إجماليًا للذكاء الاصطناعي [حقيقة] مع مخاطر أتمتة بنسبة 55% [حقيقة] في 2025. ومن المتوقع أن تبلغ هذه الأرقام 77% تعرضًا [تقدير] و70% مخاطر أتمتة [تقدير] بحلول 2028. هذه من الأرقام الأعلى في مجال دعم تقنية المعلومات، وتستدعي اهتمامًا جديًا.

لكن ها هو الانعطاف المفاجئ: مهندسو الدعم التقني الذين سيبقون سيتعاملون فقط مع أصعب المشكلات، وسيُعوَّضون وفق ذلك.

نمط التشعّب

ما يحدث في هندسة الدعم التقني ليس حكرًا على هذا الدور، لكنه حاد بشكل خاص هنا. العمل ينقسم إلى شطرين. في طرف منه، التذاكر الروتينية التي تتبع أنماطًا مألوفة يستوعبها أنظمة الحل المدفوعة بالذكاء الاصطناعي. في الطرف الآخر، التصعيد المعقد المتضمن لأنظمة متعددة وأعراض ملتبسة وتأثير ملحوظ على العملاء يظل بشريًا بإصرار. الوسط — العمل الأساسي الذي يقضي فيه معظم مهندسي الدعم معظم وقتهم — يتقلص من كلا الجانبين.

بالنسبة للمهندسين ذوي الخبرة، هذا يُبشّر بالخير. العمل المتبقي أكثر إثارةً وأفضل أجرًا. بالنسبة لمن يدخلون المهنة، الصورة أقل إشراقًا. العمل الذي تدرّب عليه المهندسون الجدد تاريخيًا — تعلّم منتج من خلال معالجة حجم كبير من التذاكر ذات الصعوبة المتوسطة — هو تحديدًا ما يُؤتمت. مدخل المهنة يضيق.

سلسلة الأتمتة

تشخيص المشكلات التقنية عبر التذاكر واستكشافها يبلغ 75% أتمتة [حقيقة]. يستطيع الذكاء الاصطناعي الآن تحليل سجلات الأخطاء ومطابقة الأعراض بالمشكلات المعروفة واقتراح إجراءات الإصلاح وحتى تنفيذ نصوص المعالجة الآلية. للمشكلات التي تتطابق مع أنماط معروفة، يكون حل الذكاء الاصطناعي في الغالب أسرع وأكثر اتساقًا من استكشاف الأخطاء البشري. مخططات التشخيص التي كانت الشركات تاريخيًا تُضمّنها في كتيباتها التشغيلية أصبحت بشكل فعلي سير عمل ذكاء اصطناعي.

إنشاء التوثيق التقني وصيانته يبلغ 80% أتمتة [حقيقة]، وهو من أعلى المعدلات بين مهام دعم تقنية المعلومات. يستطيع الذكاء الاصطناعي تحليل أنماط الحل وتحديد ثغرات قاعدة المعرفة وإنشاء مقالات الإرشاد وإبقاء التوثيق محدّثًا مع تطور المنتجات. مهمة تحديث الوثائق المرهقة بعد إصدار منتج باتت مؤتمتة إلى حد بعيد، مع اضطلاع البشر بدور المراجعين لا المؤلفين.

إعادة إنتاج الأخطاء البرمجية المُبلَّغ عنها وتحليلها يبلغ 62% أتمتة [حقيقة]. أدوات الاختبار المدعومة بالذكاء الاصطناعي تستطيع إعادة إنتاج المشكلات عبر بيئات مختلفة وتحديد الشروط المحددة التي تُطلق الأخطاء وحتى اقتراح تغييرات قاعدة الشفرة المحتملة المسؤولة. الساعات التي كان مهندس متمرس يقضيها في إعداد بيئات الاختبار وإعادة إنتاج مشكلات العملاء تُضغط الآن في دقائق.

الردود عبر البريد الإلكتروني والدردشة على الأسئلة الشائعة تجاوزت 78% أتمتة [تقدير]. نموذج وجود مهندسين بشريين يردون شخصيًا على كل استفسار عميل يتلاشى بسرعة للمنتجات ذات الأحجام الكبيرة من الدعم، محلّه ردود يُصيّغها الذكاء الاصطناعي ويُراجعها إنسان — وبشكل متزايد ردود يُرسلها الذكاء الاصطناعي مباشرةً.

المكافأة البشرية

إدارة التصعيد والتنسيق بين الفرق يظل عند 30% أتمتة [حقيقة]. حين يُبلّغ عميل حرج عن خطأ يتضمن تفاعلات بين طبقات الشبكة وقاعدة البيانات والتطبيق، يستلزم التنسيق بين ثلاثة فرق هندسية وإدارة توقعات العميل وقيادة الحل حكمًا بشريًا ومهارات شخصية لا يستطيع الذكاء الاصطناعي تكرارها. المهندس القادر على الجلوس في غرفة الأزمات وإبقاء أصحاب المصلحة المتعددين متوافقين خلال حادث كبير يُنجز عملًا يُعجز الأتمتة.

تحليل السبب الجذري للإخفاقات الجديدة يبلغ 35% أتمتة [حقيقة]. يتميز الذكاء الاصطناعي في مطابقة الأنماط، لكن أنماط الإخفاق الجديدة — تلك التي لم يرها أحد من قبل — تستلزم توليد فرضيات إبداعية واستبعادًا منهجيًا يظل قوةً بشرية مميزة. المهندس القادر على النظر في مجموعة غريبة من الأعراض وتكوين نظرية متماسكة حول ما يحدث يُمارس نوعًا من الحكم لا تستطيع أنظمة الذكاء الاصطناعي الحالية إعادة إنتاجه بموثوقية.

إدارة علاقات العملاء للحسابات الاستراتيجية يظل عند 22% أتمتة [تقدير]. نموذج الحساب المسمّى، حيث يُخصَّص مهندسون بعينهم لعملاء مؤسسيين بعينهم، يستمر لأسباب وجيهة. تلك العلاقات تنطوي على ثقة وتاريخ وملاحة سياسية لا يستطيع الذكاء الاصطناعي الحفاظ عليها. يتوقع العملاء الأكبر معرفة مهندس الدعم شخصيًا، والمزودون الذين يحاولون استبدال تلك العلاقة بروبوتات يخسرون أعمالًا.

حلقات تغذية راجعة المنتج إلى الهندسة تقع عند نحو 28% أتمتة [تقدير]. يستطيع الذكاء الاصطناعي تجميع بيانات التذاكر وتحديد نقاط الألم الشائعة، لكن العمل المتمثل في المناصرة من أجل تحسينات بعينها وبناء علاقات مع مديري المنتج وتحديد أولويات الإصلاحات بين المتطلبات المتنافسة يظل بشريًا. مهندسو الدعم الذين يُوصلون ألم العملاء بفعالية إلى خارطة طريق المنتج يُولّدون قيمة راسخة.

مراجعات ما بعد الحوادث والتواصل الموجّه للعملاء يظل بشريًا بإصرار عند نحو 24% أتمتة [تقدير]. حين يكون عميل رئيسي قد عانى من انقطاع ويريد فهم ما حدث وما سيمنع تكراره، تنطوي المحادثة الناتجة على اعتبارات هندسية وقانونية وتتعلق بإدارة الحسابات لا يستطيع إلا إنسان أول دمجها. تُكتب تقارير ما بعد الحوادث المشتركة مع العملاء بمساعدة الذكاء الاصطناعي بشكل متزايد، لكن عمل إعادة بناء الثقة يجري وجهًا لوجه.

التوقعات الصناعية وتشعّب الأجور

يتشعّب مشهد هندسة الدعم على طول خطوط التعويض كما يتشعب على طول خطوط المهام. الدعم التقني الروتيني يستوعبه الذكاء الاصطناعي، بينما يزداد الدعم المعقد عالي المخاطر قيمةً. الشركات مستعدة لدفع أسعار متميزة للمهندسين القادرين على حل مشكلات تعجز عنها الذكاء الاصطناعي، ويحصل بعض مهندسي الدعم الأوائل في التخصصات على تعويضات إجمالية مقارنة بمهندسي البرمجيات من المستوى المتوسط [تقدير].

يُفرز هذا التشعب خيارًا استراتيجيًا واضحًا للمهندسين في المجال. مسار أقل مقاومةً — الاستمرار في التعامل مع التذاكر متوسطة التعقيد بتعويض معتدل — هو باب يُغلق ببطء. مسارات النمو إما تصاعدية نحو الأدوار المتخصصة الأولى، أو جانبية نحو أدوار متاخمة مثل هندسة الحلول وهندسة نجاح العملاء وعلاقات المطورين. الوسط يتقلص.

مثال من الواقع

تأملي حالة بريا، مهندسة دعم تقني في شركة SaaS كبرى. قبل أربع سنوات، كانت تتعامل مع مزيج متقارب من التذاكر متوسطة التعقيد عبر المنتج. اليوم، تُعالَج تذاكر التعقيد المتوسط في معظمها بالذكاء الاصطناعي قبل وصولها إلى قائمة انتظارها. تحوّل عملها إلى طرفين: مشكلات متعددة المنتجات تستلزم خبرةً عميقة، وعلاقات عملاء مؤسسيين عالية اللمس لا يستطيع الذكاء الاصطناعي الحفاظ عليها.

أصبحت أيضًا، بشكل غير متوقع، من المتقنين لأدوات الذكاء الاصطناعي التي تنشرها شركتها. تضاعفت إنتاجيتها في الحالات المعقدة تقريبًا لأن الذكاء الاصطناعي يتولى جمع المعلومات الأولية وتحليل السجلات وتوليد الفرضيات، تاركًا لها عمل الحكم الذي تنفرد به. نما تعويضها بنحو 30% على مدى أربع سنوات، مما يعكس إنتاجيتها المتزايدة وارتفاع صعوبة الحالات التي تُعالجها.

نصيحتها للمهندسين المبتدئين الداخلين إلى المجال اليوم مباشرة: لا تُخطط للقضاء سنوات في العمل متوسط التعقيد لبناء مهاراتك، لأن ذلك العمل يختفي. عوضًا عن ذلك، ابحث بشكل متعمد عن أصعب المشكلات مبكرًا، حتى حين يكون ذلك مزعجًا، لأن ثمة تأسيس مسيرة راسخة يجري هناك.

بناء مسيرة مهنية صامدة

تخصّص في نظام بيئي منتج معقد. الخبرة العميقة في منصة بعينها (Salesforce أو AWS أو Kubernetes أو SAP) تجعلك الشخص الذي تستدعيه الشركات حين تُخفق أتمتة استكشاف الأخطاء. مزيج الشهادة والخبرة الحقيقية يصعب تكراره ويحمي مسيرتك من ضغط الأتمتة.

طوّر مهارات نجاح العملاء. التطور من الدعم التفاعلي إلى نجاح العملاء الاستباقي يُفرز أدوارًا تمزج الخبرة التقنية بإدارة العلاقات. هذه أصعب في الأتمتة وأفضل تعويضًا عادةً من أدوار الدعم التقليدية.

تعلّم العمل مع الذكاء الاصطناعي، لا ضده. أكثر مهندسي الدعم فعاليةً عام 2026 يستخدمون الذكاء الاصطناعي شريكًا تشخيصيًا — يتركون له التحليل الأولي بينما يركزون على حل المشكلات الإبداعي الذي لا يستطيعه. المهندسون المقاومون لأدوات الذكاء الاصطناعي في موقع إنتاجي متراجع يتراكم مع الوقت.

فكّر في التحول إلى DevOps أو SRE. تمنحك خبرة الدعم التقني مهارات استكشاف أخطاء ممتازة وفهمًا للأنظمة. إضافة البنية التحتية كرمز ومهارات الأتمتة يُحوّل ذلك إلى مسار مهني في DevOps أو SRE، حيث الطلب والتعويض كلاهما أعلى بشكل ملحوظ.

النظرة إلى 2030

بحلول نهاية هذا العقد، توقّع أن تبدو هندسة الدعم التقني أشبه بدور هجين بين هندسة البرمجيات وإدارة علاقات العملاء. عمل الاستكشاف الصرف الذي عرّف الدور لعقود سيُؤتمت إلى حد بعيد. ما يتبقى هو العمل الاستراتيجي والعلائقي والمعقد الذي يستلزم العمق التقني والحكم البشري معًا.

المهندسون الذين سيتفوقون هم من يُدركون هذا التحول مبكرًا ويُعيدون تشكيل مجموعات مهاراتهم بوعي. أما من يأملون في الحفاظ على دور الدعم التقليدي إلى أجل غير محدد فسيجدون العمل إما يختفي أو يتحوّل تحتهم. البشارة أن الوجهة — دور أكثر استراتيجيةً وأفضل تعويضًا — أفضل حقًا من نقطة الانطلاق. والخبر غير السار أن الانتقال متطلب ولا يرحم.

ثمة قلق حقيقي أيضًا على صعيد المهنة بوجه عام: إذا اختفى عمل التذاكر المتوسطة الذي علّم المهندسين الجدد مهنتهم، كيف يكتسبون الحدس الذي يجعل المهندسين الأوائل ذوي قيمة لا تُقدَّر؟ القطاع لم يُجب عن هذا السؤال بعد، والمهندسون الذين سيخترقون الحاجز هم من يسعون إلى المشكلات الصعبة عمدًا في وقت مبكر من مسيرتهم، رافضين الانتظار حتى تُحال إليهم تلقائيًا.

للاطلاع على بيانات أتمتة المهام بالتفصيل، تفضل بزيارة صفحة مهنة مهندسي الدعم التقني لدينا.

المصادر

• Anthropic. (2026). تقرير أنثروبيك لتأثير الذكاء الاصطناعي على سوق العمل.
• مكتب إحصاءات العمل الأمريكي. أخصائيو دعم الحاسوب.
• O\*NET OnLine. أخصائيو دعم مستخدمي الحاسوب.

تاريخ التحديثات

• 2026-03-25: النشر الأولي
• 2026-05-12: إضافة تحليل نمط التشعب والتوقعات الصناعية مع سياق التعويض ومثال واقعي لمهندس دعم أول ونظرة إلى 2030

---

_أُنجز هذا التحليل بمساعدة الذكاء الاصطناعي. جميع نقاط البيانات مصدرها أبحاث محكّمة وإحصاءات حكومية رسمية. لمزيد من التفاصيل المنهجية، تفضل بزيارة صفحة الإفصاح عن الذكاء الاصطناعي لدينا._

ذو صلة: ماذا عن المهن الأخرى؟

يُعيد الذكاء الاصطناعي تشكيل كثير من المهن:

• هل سيحل الذكاء الاصطناعي محل مهندسي الشبكات؟
• هل سيحل الذكاء الاصطناعي محل مهندسي قواعد البيانات؟
• هل سيحل الذكاء الاصطناعي محل سائقي الشاحنات؟
• هل سيحل الذكاء الاصطناعي محل المصممين الجرافيكيين؟

_استكشف تحليلات جميع المهن الـ1,016 على مدونتنا._