اگر هنوز برای معرفی ابزارهای هوش مصنوعی خود از تقویمهای محتوایی صیقلخورده و امن استفاده میکنید، احتمالاً صدای شما در میان هزاران ابزار مشابه گم شده است. توسعهدهندگان دیگر به دنبال ارائههای تجاری نیستند؛ آنها میخواهند اصطکاک، شکستها و فرآیند خام ساخت را ببینند.
به گزارش یک راهنمای مفصل که در ۱۶ سپتامبر ۲۰۲۶ در وبسایت dev.to منتشر شد، در بازاری که هر هفته مدلهای جدیدی معرفی میشوند و توسعهدهندگان توسط گزینههای تقریباً یکسان هوش مصنوعی بمباران شدهاند، تنها رویکرد «سرعت بالا» در مدیریت روابط توسعهدهندگان (DevRel) میتواند اثرگذار باشد تا بتوان از میان این همه سر و صدا متمایز شد. اکثر شرکتها در حال حاضر از یک چرخه تولید محتوای صلب و صیقلخورده پیروی میکنند که نمیتواند با تغییرات هفتگی اکوسیستم هوش مصنوعی پیش برود. این موضوع باعث ایجاد شکافی شده است که در آن ابزارها منتشر میشوند، اما تجربه واقعی توسعهدهنده (Developer Experience) نادیده گرفته شده یا به درستی درک نمیشود. این چالشها در برخی موارد منجر به کاهش رضایت شغلی مهندسان نرمافزار به دلیل پیچیدگی مدیریت ابزارهای متعدد هوش مصنوعی شده است. برای پر کردن این شکاف، رهبران باید از مدل ارتباطات شرکتی به سمت مدلی مبتنی بر مهندسی زنده، خام و در لحظه حرکت کنند.
همانطور که در تحلیلهای قبلی ما درباره امنیت مدلهای بازمتن اشاره کردیم، اعتماد توسعهدهندگان نه با وعدههای تبلیغاتی، بلکه با شفافیت فنی جلب میشود. برای پر کردن این شکاف، رهبران باید از مدل ارتباطات شرکتی به سمت مهندسی زنده و واقعی حرکت کنند.
چارچوب ریسکپذیری
ریزِل (Rizèl)، مدیر سابق در شرکتهای Block و GitHub، استدلال میکند که تاثیرگذارترین حمایتها زمانی رخ میدهد که رهبران از قالبهای آماده فاصله بگیرند. او اشاره میکند که مدل عملیاتی مدرن برای DevRel در حال حاضر شکسته است و تیمها در یک مبارزه وجودی برای اثرگذاری قرار دارند، زیرا هر شرکتی که بخواهد به سمت هوش مصنوعی تغییر مسیر دهد، از همان دستورالعمل تکراری و خستهکننده استفاده میکند.
او در زمان عرضه GitHub Copilot در سال ۲۰۲۱، توصیههای محتاطانه داخلی را کنار گذاشت و جلسهای با عنوان «حقیقت درباره کوپایلوت» برگزار کرد. در آن زمان، تیم تمایل داشت رویکردی صبورانه داشته باشد زیرا کاربران نظرات شدید و شکاکانهای داشتند؛ آنها ادعا میکردند که «گیتهاب در حال دزدیدن کدهای ماست» و «هوش مصنوعی غیرقابل اعتماد است». ریزِل با مواجهه مستقیم و بدون پردهپوشی با این تردیدها، این جلسه را به یکی از پرتقاضاترین کارگاههای خود و یکی از محبوبترین کارگاههای زنده O'Reilly Media تبدیل کرد. این محتوا در نهایت به یک پست وبلاگی تبدیل شد و توسط توماس دومکه (Thomas Dohmke)، مدیرعامل وقت، برای مشتریان سازمانی توزیع گردید.
او در واحد TBD (یک واحد کسبوکار در شرکت Block) نیز استراتژی مشابه و خلافجهت را برای هویتهای غیرمتمرکز و پرداختهای فرامرزی به کار برد. او متوجه شد که آموزش توسعهدهندگان صرفاً در کانالهای داخلی، مانند دیسکورد، اتفاق میافتد. برای اینکه ابزارها برای عموم مردم قابل کشف باشند، او مجموعهای از پخشهای زنده در یوتیوب را آغاز کرد.
در اقدامی که از نظر برخی ریسکی به نظر میرسید، او از «رقبای» مستقیم دعوت کرد تا در این پلتفرم ظاهر شوند. این استراتژی طراحی شده بود تا ثابت کند این فناوری «عجیب یا مشکوک» نیست و فاصله بین این کار و تداعیهای رایج با ارزهای دیجیتال (Cryptocurrency) را بیشتر کند. با همکاری با شرکتهای معتبری چون Auth0 و Microsoft، TBD توانست به جوامع تثبیتشده نفوذ کند و ثابت کند که این رهبران صنعت نیز در حال بررسی موضوعات مشابهی هستند.
مقیاسبندی پذیرش عاملهای هوش مصنوعی
در زمان مدیریت DevRel متنباز در Block، تمرکز او بر goose بود؛ یک عامل (Agent) هوش مصنوعی متنباز — شبیه دستیاری که میتواند به جای شما ابزارها را اجرا کند و کارهای پیچیده را پیش ببرد. ورود او به این نقش رهبری پس از یک دوره مرخصی زایمان اتفاق افتاد؛ دورهای که او در زمانهای شیردهی به یادگیری فضای عاملمحور (Agentic Space) و ارزیابی جایگاه بازار پرداخت.
او تشخیص داد که مدلهای اولیه هوش مصنوعی در اواخر ۲۰۲۴ و اوایل ۲۰۲۵ اغلب برای دموهای زنده و صیقلخورده بیش از حد کند یا غیرقابل اعتماد بودند، که این امر باعث ایجاد «سکوتهای آزاردهنده» برای بینندگان و اصطکاک زیاد برای حامیان ابزار میشد. برای حل این مشکل، او رقابتی به نام «The Great Goose Off» را راه انداخت؛ یک مسابقه Vibe Coding (کدنویسی بر اساس حس و حال) که در آن شرکتکنندگان به چالش کشیده شدند تا «آشفتهترین» ابزارهای ممکن را بسازند.
این کار هدف را از کمالگرایی به سرگرمی تغییر داد؛ اگر عامل در ارائه خروجی صحیح شکست میخورد، تماشای آن همچنان لذتبخش بود و این موضوع فشار را از روی شرکتکنندگان برداشت. اگرچه او اعتراف میکند که با بهبود مدلها، این «ترفند» قدیمی شد، اما این استراتژی در نهایت باعث شد goose جایزه پروژه سال را در مراسم Commits.dev به میزبانی RenderATL کسب کند.
شش تاکتیک برای عصر هوش مصنوعی
برای حفظ مزیت رقابتی، ریزِل ۶ تغییر عملیاتی خاص را پیشنهاد میکند:
- دست به کد بودن (Stay Hands-On): رهبران باید به ارسال کد ادامه دهند تا استاندارد اجرا را تعیین کنند. او با مشارکت مستقیم در مخزن goose برای رفع مشکلات CLI و اپلیکیشن دسکتاپ، به یکی از برترین مشارکتکنندگان تبدیل شد. او همچنین پروژههای عمومی ساخت، مانند جایگزینی برای OpenClaw با استفاده از گردش کار «تحقیق-برنامهریزی-اجرا» و مستندات را بهطور مداوم بهروز کرد و آن را به عنوان «درِ ورودی» محصول میدید.
- تزریق لحظهای به اکوسیستم: مستندات پایه (نصب و راهنمای ویژگیها) ضروری هستند اما توجه جلب نمیکنند. وقتی توییتر فنی بهشدت روی موضوع «Ralph Loops» متمرکز بود، او بلافاصله در یک پخش زنده ابزاری ساخت که در آن یک مدل کار را انجام میداد و مدل رقیب آن را بازبینی میکرد. او سپس آن پخش زنده خام را به یک ویدئوی توضیحی صیقلخورده و یک آموزش نوشتاری تبدیل کرد که نشان میداد چگونه از goose به عنوان زیرساخت (Harness) استفاده شود.
- سرعت بر کمال (Velocity Over Perfection): ابزارهای نوظهور نمیتوانند چرخههای صیقلکاری فصلی را تحمل کنند؛ این کار فقط برای آزمایشگاههای پیشرو با انحصارات طبیعی (مانند OpenAI یا Anthropic) ممکن است. استاندارد جدید این است: «از نظر فنی دقیق، ساده برای دنبال کردن و بازبینیشده توسط همتایان». اولویت دادن به اینکه اولین کسی باشید که یک گردش کار نوظهور را توضیح میدهد، تاثیر بیشتری نسبت به ارسال یک ویدئوی کامل سه هفته دیرتر دارد.
- میتآپهای کاربردی: صبحانههای شبکهسازی گرانقیمت چهل هزار دلاری را که هیچ پذیرشی ایجاد نمیکنند، با «شبهای هک عاملهای هوش مصنوعی» جایگزین کنید. این قالب تکرارپذیر شامل ۲ تا ۳ سخنرانی فنی کوتاه ۱۵ دقیقهای و سپس هک آزاد همراه با پیتزا و نوشیدنی است. در بوستون، تیم او goose را به یک پروتکل زمینه مدل (MCP) — شبیه یک مترجم استاندارد که اجازه میدهد مدل به دادههای خارجی دسترسی داشته باشد — متصل کرد تا یک عامل صوتی زنده با یکی از حاضرین تماس تلفنی بگیرد. این بسته آماده در بیش از ۱۰ شهر بینالمللی از جمله سیدنی، آتلانتا و نیویورک تکرار شد.
- مستندات خودکار: چون عاملهای هوش مصنوعی اکنون برای استفاده از ابزارها مستندات را میخوانند، راهنماهای قدیمی باعث شکست عاملها میشود. او یک GitHub Action پیاده کرد که با هر انتشار محصول فعال میشود تا بهطور خودکار تیکتهای ردیابی برای APIهای بهروز شده یا راهنماهای ویژگیهای مفقود ایجاد کرده و آنها را بر اساس تخصص و ظرفیت اعضای تیم تقسیم کند.
- جامعه اصیل: جامعه را به جای قیفی برای فعالسازی فروش، به عنوان رابطهای واقعی ببینید. او با تکیه بر پیشینه خود در هند वेस्ट ایندیز، محلههای آمریکاییهای سیاهپوست و محیطهای کلیسا، جامعه را به معنای «حضور یافتن و ساختن روابط واقعی» میبیند. این شامل نگه داشتن زمان پاسخگویی دیسکورد زیر ۲۴ ساعت، تساهل صفر در برابر رفتارهای سمی و آوردن مهندسان داخلی به چتهاست تا لبههای واقعی خطاها (Edge Cases) را ببینند، نه داستانهای کاربر تخیلی.
تغییر در منطق DevRel
این رویکرد نشاندهنده تغییری در نگاه شرکتها به توسعهدهنده است. توسعهدهندگان دیگر به دنبال یک ارائه فروش صیقلخورده نیستند؛ آنها میخواهند اصطکاک، شکستها و فرآیند خام ساخت را ببینند. اثر مرتبه دوم این است که نقش «حامی توسعهدهنده» (Developer Advocate) در حال ادغام دوباره با نقش «مهندس توسعهدهنده» است؛ جایی که توانایی کدنویسی مهمتر از توانایی ارائه است.
این فلسفه توسط نتایج تایید شده است. مدیر سابق ریزِل او را یک «مهندس درخشان» و «رهبری طبیعی» توصیف کرد که با دقت اجرا میکند و سطح استاندارد را برای همه اطرافیانش بالا میبرد. چالش اصلی همچنان ثابت است: پیدا کردن راهی که DevRel بتواند همگام با توسعهدهندگان حرکت کند، نه پشت سر آنها.
برای خواننده، این بدان معنای آن است که ارزش یک ابزار فنی اکنون به میزان شفافیت فرآیند ساخت آن گره خورده است. اگر شرکتی از نمایش شکست یک دمو میترسد یا در واکنش به ترندهای توییتر کند است، اعتماد گروه «پذیرندگان اولیه» (Early Adopters) را که موتور رشد هوش مصنوعی هستند، از دست میدهد. در مقابل، تلاش برای اتوماسیون بیش از حد ارتباطات شرکتی بدون نظارت انسانی میتواند منجر به پدیدهای چون «هوش مصنوعی سایه» و خطرات پنهان در مدیریت خودمختار ارتباطات شود.
برای به کارگیری این درسها، رهبران DevRel باید از تلاش برای «امن بازی کردن» دست بردارند. رهبری در این عصر مستلزم ساختن در فضای باز، حرکت سریع، پذیرش ریسکهای خلاقانه و对待 جامعه به عنوان افرادی است که برایشان ارزش قائل هستید. خط لوله تولید محتوای فعلی خود را بررسی کنید و یک پروژه «امن» را شناسایی کنید که بتوان آن را با یک آزمایش عمومی و سریع جایگزین کرد.
گام بعدی شما
- خط لوله تولید محتوای فعلی خود را بررسی کنید و یک پروژه «امن» را با یک آزمایش عمومی و سریع جایگزین کنید.
- به جای برگزاری جلسات معرفی محصول، یک شب هک (Hack Night) کوچک با تمرکز بر حل یک مشکل واقعی ترتیب دهید.
- مستندات خود را از دید یک عامل هوش مصنوعی بررسی کنید؛ آیا ابزاری که مستنداتش قدیمی است، توسط مدلهای زبانی قابل استفاده است؟
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما درباره تراشههای Blackwell مراجعه کنید.
گفتگو