تصور کنید در پایان روز، تنها ۲۰ درصد از کدهای پروژه شما توسط خودتان نوشته شده باشد و بقیه را عاملهای هوش مصنوعی هندل کرده باشند. این دیگر یک تخیل نیست، بلکه واقعیتی است که آندری کارپاتی در سال ۲۰۲۵ برای توصیف روش جدید ساخت نرمافزار به آن اشاره میکند.
صنعت فناوری حالا از فاز سادهی «چتبات» عبور کرده است. طبق گفتههای کارپاتی، ما باید به مدل زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن کتابها جواب میدهد — نه به عنوان منبع دانش، بلکه به عنوان یک «فشردهسازی ناقص» از کل اینترنت نگاه کنیم. این بهینهسازی در ساختار مدلها را میتوان در گزارشهای اخیر IBM دربارهی برتری مدلهای متراکم کوچکتر نسبت به معماریهای پیچیدهتر مشاهده کرد. همانطور که در تحلیلهای پیشین ما دربارهی آیندهی مشاغل برنامهنویسی اشاره کردیم، این تغییر دیدگاه، نحوهی تعامل توسعهدهندگان با مدلها را بهکلی عوض میکند.
به نقل از گزارشهای Y Combinator، کارپاتی در ۱۷ ژوئن ۲۰۲۵ طی رویداد AI Startup School، چارچوب نرمافزار ۳.۰ را بهطور رسمی معرفی کرد. او تکامل برنامهنویسی را به سه لایهی متمایز تقسیم میکند:
- نرمافزار ۱.۰: انسانها منطق صریح و سختکد شده را مینویسند.
- نرمافزار ۲.۰: انسانها مجموعهدادهها و اهداف را تعریف میکنند و برنامه در قالب وزنهای شبکه عصبی (Neural Network Weights) — شبیه نقشهی مترویی که سیگنال را از ورودی به جواب میرساند — یاد گرفته میشود.
- نرمافزار ۳.۰: انسانها مدلهای زبانی را با استفاده از پرامپتهای زبان طبیعی، کانتکست و ابزارها برنامهریزی میکنند. در این مسیر، ابزارهایی مانند سیستم LLARS نقش کلیدی در تبدیل شهود متخصصان به معیارهای دقیق برای ارزیابی عملکرد این مدلها ایفا میکنند.
کارپاتی به یک نقطهی عطف شخصی در دسامبر ۲۰۲۵ اشاره کرد. او متوجه شد که سهم کدنویسی دستیاش از ۸۰ درصد به ۲۰ درصد رسیده و حالا عاملها (Agents) ۸۰ درصد کار را انجام میدهند. بر اساس تحلیل او، در این جریان، خودِ برنامهنویس انسان به اصلیترین «گلوگاه» یا مانع سرعت در گردشکار هوش مصنوعی تبدیل شده است.
این تغییر برای جیب و مسیر شغلی شما چه معنایی دارد؟ یعنی مهارت برنامهنویسی در حال تغییر است. دیگر نیازی نیست در سینتکس و جزئیات دستوری استاد باشید؛ بلکه باید در لایهبندی سیستم و ارکستراسیون تخصص پیدا کنید. ارزش کار شما از «توانایی نوشتن کد» به «توانایی ارائهی دستورات دقیق و کانتکست» منتقل میشود. این رویکرد با مفاهیمی چون استفاده از واژگان ابداعی برای گسترش قابلیتهای مدلها همسو است که اجازه میدهد مهارتهای جدید بدون نیاز به بازآموزی مدلها منتقل شوند.
این گذار یکشبه اتفاق نمیافتد. کارپاتی هشدار میدهد که ما وارد «دههی عاملها» میشویم، نه فقط یک سال هیجان زودگذر.
گام بعدی شما
- گردشکارهای فعلی خود را بررسی کنید تا بفهمید در کدام بخشها خودتان گلوگاه سرعت هستید.
- به جای تمرکز بر یادگیری سینتکس زبانهای جدید، روی مهارتهای ارکستراسیون و مدیریت عاملها تمرکز کنید.
- سعی کنید بخشهای تکراری کدنویسی خود را به عاملهای هوشمند بسپارید و فقط لایهی نظارتی را حفظ کنید.
اما این تغییر در لایهی نرمافزار، فشار جدیدی به سختافزارها وارد میکند — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو