قبل عامٍ أعلن Cloudflare عن هدف طموح: توظيف 1,111 متدرب في 2026، إشارة إلى مُحلِّل DNS العام 1.1.1.1. الآن، بعد مرور سنة، يُظهر التقرير أن 750 متدربًا شاركوا في 48 فريقًا عبر تسع مكاتب، وما زال العدد في تصاعد.
إنجازات المتدربين
- «Cache Transcoding»: أشار المتدرب عاشي إلى ضغط الأصول باستخدام Zstandard داخل البروكسي، ما قلل حجم التخزين إلى ثلثه تقريبًا.
- تحسين نظام إدارة المحتوى EmDash: نواه صعد إلى صيانة CMS، وأضاف تحسينات على مكتبة الوسائط ومحرر المحتوى.
- CryptoLabe: أداة AI داخلية تساعد في اكتشاف واستخدام التشفير عبر قاعدة الشيفرة، تدعم التحضير للأمان بعد‑كمّي.
- توسيع رؤية ما بعد‑الكمّي في Logpush وLog Explorer لتزويد العملاء ببيانات حول تقدمهم.
- دراسة BGP: المتدربة إيلينا قيّمت تعديل سمة ORIGIN في 70 % من المسارات، ودعت لإزالتها من اختيار المسار.
- إطلاق ميزات مثل Protected Quick Tunnels، دعم Rust الأصلي في Workers، وBEACON لقياس سرعة الويب.
دور الذكاء الاصطناعي في البرنامج
ذكّر Cloudflare أن AI لم يكن بديلاً عن التعلم أو المسؤولية، بل أداة تُسرّع الفهم وتقلّص الفترات بين الفكرة والتنفيذ. استخدم المتدربون الذكاء الاصطناعي لفهم قواعد الشيفرة غير المألوفة، مقارنة المتطلبات بالإنجازات، وتوليد نماذج أولية بسرعة.
كما أشار أحد المتدربين إلى أن “كيف كان المتدربون السابقون ينجزون شحنًا في 12 أسبوعًا دون AI؟”. إذ أصبح بإمكان المتدربين رسم خريطة مشروع في أيام بدلاً من أسابيع، ما أتاح لهم التركيز على الأسئلة الصعبة: ما الذي نُبني؟ من سيستخدمه؟ كيف نتحقق من صحته؟
ما يعنيه ذلك للمطورين
بالنسبة لنا كمهندسين ومصممين، تُظهر تجربة Cloudflare أن دمج أدوات AI في بيئات التدريب يمكن أن يختصر منحنى التعلم ويزيد من إنتاجية الفرق الصغيرة. إذا كنت تدير برنامج تدريب أو تبحث عن طرق لتسريع توطين المواهب، فكر في:
- توفير أدوات AI للمساعدة في استكشاف الكود وتوليد نماذج أولية.
- إسناد مهام حقيقية للمتدربين من اليوم الأول، مع توجيه واضح من المشرفين.
- قياس تأثير المشاريع عبر مؤشرات قابلة للمتابعة، مثل تقليل حجم التخزين أو تحسين زمن الاستجابة.
في النهاية، يوضح التقرير أن الجمع بين طاقة المتدربين الجدد والذكاء الاصطناعي لا يخلق مجرد تجارب تعليمية، بل ينتج منتجات وخدمات تصل إلى ملايين المستخدمين حول العالم.
المصدر: blog.cloudflare.com