یک مهندس نرمافزار مدعی شده است که در شرکت محل کارش، از تولید کد و تست گرفته تا رفع باگ و تهیه گزارش، تقریباً همهچیز به Claude Code سپرده شده و کارکنان فقط خروجی هوش مصنوعی را تأیید میکنند. این تجربه، به ما میگوید که آیا آینده مهارت برنامهنویسی و کیفیت نرمافزار در خطر است و روزی میرسد که مهندسان به اپراتورهای فشردن دکمه Enter تبدیل میشوند؟
هوش مصنوعی با ابزارهایی مانند Claude Code و ChatGPT Codex، برنامهنویسی را سریعتر از همیشه کرده است؛ اما آیا سرعت بیشتر تولید کد به معنای مهندس نرمافزار توانمندتر است؟ روایت یک برنامهنویس از محیط کاری خود، نگرانی تازهای را مطرح میکند: تیمهایی که بهجای درک و بررسی کد، بیشتر زمانشان را صرف دستور دادن به هوش مصنوعی و تأیید خروجی آن میکنند.
اگر این روند به الگوی رایج شرکتهای فناوری تبدیل شود، مسئله فقط سرعت کدنویسی نیست. آینده مهارت، درک فنی و مسئولیتپذیری در مهندسی نرمافزار نیز زیر سؤال خواهد رفت.
وقتی توسعه نرمافزار به گفتوگو با AI خلاصه میشود
ماجرا از پستی در شبکه اجتماعی X آغاز شد که یک مهندس نرمافزار با نام کاربری v0xium منتشر کرد. او که نام شرکت محل کارش را اعلام نکرده، نوشته است تقریباً تمام مراحل توسعه، از مشخصات محصول و تولید کد گرفته تا تست، تیکت و گزارش، با کمک Claude Code، ابزار کدنویسی Anthropic انجام میشود.
ساعت کاری فرقی نکرده، تنها کار برنامهنویس از سر و کله زدن با کدها به چت با چتباتها تبدیل شده
به گفته این مهندس، کارکنان برای انتشار سریعتر قابلیتها تحت فشار هستند، اما فرصت کافی برای بررسی خروجی یا فهمیدن سازوکار کد تولیدشده ندارند. او مدعی شده کارکنان روزانه ۱۲ تا ۱۳ ساعت کار میکنند، ولی بخش قابل توجهی از این زمان صرف گفتوگو با مدل و فشردن دکمه Enter میشود.
او همچنین از افزایش باگها، کاهش رضایت شغلی و ناتوانی افراد در درک کدی که تولید میکنند، انتقاد کرده است. البته این اظهارات، تجربه شخصی یک مهندس درباره شرکتی نامشخص است و نمیتوان آن را به تمام تیمهای توسعه یا کل صنعت نرمافزار تعمیم داد.
فهمیدن کُدها قربانی سرعت میشود
استفاده از هوش مصنوعی برای تولید کد، نوشتن تست یا تهیه مستندات بهخودیخود مشکلزا نیست. این ابزارها میتوانند کارهای تکراری را سریعتر کنند و به توسعهدهندگان فرصت بیشتری برای حل مسائل پیچیده بدهند.
مسئله زمانی شکل میگیرد که شرکتها افزایش سرعت تولید را با افزایش کیفیت اشتباه بگیرند. کدی که در چند دقیقه تولید میشود، همچنان به بررسی، تست و ارزیابی معماری نیاز دارد. اگر مشکلی در محیط واقعی رخ دهد، باید فردی بتواند علت آن را تشخیص دهد و راهحل مناسبی ارائه کند.
خطر جهانی پر از کُد، ولی عاری از ادراک آن ما را تهدید میکند؟
در روایت مهندس ناشناس، فشار برای انتشار سریعتر قابلیتها ظاهراً فرصت انجام همین مراحل را کاهش داده است. در چنین شرایطی، ممکن است حجم کد بیشتر شود، اما تعداد افرادی که واقعاً آن را میفهمند، کاهش پیدا کند.
برنامهنویس سازنده است یا تأییدکننده خروجی مدل؟
مهندسی نرمافزار فقط به نوشتن خطوط کد محدود نمیشود. طراحی راهحل، انتخاب معماری، تشخیص خطا و درک محدودیتهای سیستم، بخش مهمی از این حرفه هستند.
هوش مصنوعی میتواند نقش برنامهنویس را تغییر دهد، اما این تغییر نباید به حذف مهارتهای فنی منجر شود. یک مهندس توانمند باید بتواند خروجی مدل را به چالش بکشد، فرضیات نادرست آن را تشخیص دهد و در صورت نیاز راهحل دیگری ارائه کند.
خطر زمانی ایجاد میشود که فرد بدون داشتن چنین تواناییهایی، صرفاً به تولید دستورهای مناسب و تأیید خروجی مدل وابسته باشد. در این وضعیت، ممکن است کد اولیه با سرعت زیادی تولید شود، اما تیم در زمان بروز مشکل توانایی کافی برای نگهداری و اصلاح آن را نداشته باشد.
آیا نگرانیها بهجاست؟
هنوز نمیتوان گفت استفاده از هوش مصنوعی الزاماً مهارت برنامهنویسان را کاهش میدهد. برخی پژوهشها از افزایش سرعت و حجم کار توسعهدهندگان با کمک ابزارهای AI خبر دادهاند. در مقابل، مطالعاتی نیز درباره خطاهای کد، مشکلات نگهداری و خطر وابستگی بیش از حد به خروجی مدل هشدار دادهاند.
بنابراین مسئله دقیقتر این نیست که هوش مصنوعی خوب است یا بد. پرسش اصلی این است که آیا محیط کاری به توسعهدهنده فرصت میدهد خروجی مدل را بفهمد و مهارتهای خود را حفظ کند، یا فقط از او انتشار سریعتر نتیجه را میخواهد؟
مسئولیت این موضوع نیز تنها بر عهده برنامهنویسان نیست. اگر یک شرکت زمان کافی برای بازبینی کد، تست امنیتی، رفع باگ و یادگیری در اختیار کارکنان قرار ندهد، مشکل در سطح مدیریت و طراحی فرایند توسعه نیز وجود دارد.
هوش مصنوعی قرار بود توانایی برنامهنویس را بیشتر کند، نه اینکه جای خالی فهم او را پشت حجم بیشتری از کد پنهان کند.
آینده برنامهنویسی به تعداد خطوط کد وابسته نیست
هوش مصنوعی میتواند ابزار قدرتمندی برای توسعهدهندگان باشد، اما افزایش حجم کد تولیدشده، بهتنهایی نشانه موفقیت یک تیم نرمافزاری نیست. نرمافزار باید درست کار کند، قابل نگهداری باشد و سازندگانش بتوانند در زمان بروز مشکل آن را اصلاح کنند.
شاید موجی از برنامهنویسانی که فقط بلدند Enter بزنند هنوز در راه نباشد، اما اگر شرکتها استفاده از AI را با آموزش، بررسی فنی و مسئولیتپذیری همراه نکنند، ممکن است بهجای تربیت مهندسان توانمندتر، نسلی از توسعهدهندگان را پرورش دهند که تولید کد را بلدند، اما درک آن برایشان دشوار است.
نظر خود را اضافه کنید.
برای ارسال نظر وارد شوید
ارسال نظر بدون عضویت در سایت