تصور کنید به جای نوشتن منطق یک برنامه، تمام روزتان را صرف بازبینی و اصلاح کدهایی کنید که یک ماشین با اطمینان کامل اما اشتباه تولید کرده است. این کابوسِ امروز بسیاری از مهندسانی است که ترجیح میدهند شغل خود را عوض کنند تا اینکه مجبور شوند مدیرِ عاملهای هوش مصنوعی (AI Agents) باشند.
این تنش در حالی رخ میدهد که هوش مصنوعی زاینده (Generative AI) — شبیه به دستیاری که از تکمیل جملات ساده عبور کرده و حالا میخواهد کل پروژه را مدیریت کند — از حالت اتوکامپلیت به جریانهای کاری عاملمحور تغییر مسیر داده است. به گزارش هکر نیوز (Hacker News)، در ۹ سپتامبر ۲۰۲۶ بحثهای گستردهای شکل گرفت که نشان میدهد برای بسیاری از توسعهدهندگان، این تغییر نه یک ارتقا، بلکه تغییر در شرح شغلی است؛ از «خالق نرمافزار» به «بازرس کدهای ماشینی».
همانطور که در تحلیلهای قبلی ما دربارهی امنیت مدلهای بازمتن اشاره کردیم، اعتماد به خروجیهای مدلها همیشه یک ریسک بوده است. طبق بررسیهای صورتگرفته در این گفتگوها، مقاومت در برابر پذیرش این ابزارها در سه محیط مشخص بیشتر دیده میشود:
- صنایع تحت نظارت: تیمهای تولید محصولات پزشکی در آمریکا به دلیل سختگیریهای قانونی و بررسیهای حقوقی، همچنان از روشهای سنتی استفاده میکنند.
- پروژههای طبقهبندیشده: پروژههای دولتی یا امنیتی به دلیل محیطهای ایزوله (Air-gapped) یا بدبینی مدیران فنی، از ترندهای تجاری عقبترند.
- استفاده پژوهشی: برخی توسعهدهندگان مدلهای زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — را فقط برای جستوجوی دانش یا کارهای مکانیکی مثل تغییر نام متغیرها به کار میبرند.
با این حال، این پناهگاههای «سنتی» در حال کوچک شدن هستند. به نقل از یکی از توسعهدهندگان، حتی در شرکتهای تحت نظارت نیز مدیران ارشد اکنون دستور دادهاند که هوش مصنوعی در مراحل تست، تاییدیه و مدیریت نیازمندیها فعال شود.
برای شما به عنوان توسعهدهنده، این یعنی «برنامهنویس بدون هوش مصنوعی» به موجودی کمیاب تبدیل میشود. اما ریسک واقعی، عقب ماندن از سرعت نیست، بلکه به ارث بردن «Slop» یا همان کدهای بیکیفیت و توهمزده است. مهندسانی که بیش از حد سریع به این ابزارها اعتماد کردند، حالا زمان بیشتری را صرف پاکسازی بدهیهای فنی (Technical Debt) میکنند تا نوشتن منطق اصلی برنامه.
اگر در برابر این تغییر مقاومت میکنید، شاید در بخشهای دولتی یا پزشکی موقتاً در امان باشید. اما با ورود هوش مصنوعی به لایهی تاییدیه، توانایی «بازرسی و ممیزی» کدهای ماشینی احتمالاً ارزشمندتر از توانایی نوشتن کد از صفر خواهد شد.
گام بعدی شما
- تمرکز خود را از «نوشتن سریعتر» به «بازبینی دقیقتر» تغییر دهید.
- ابزارهای ممیزی کد (Code Audit) را یاد بگیرید تا بتوانید کیفیت خروجی عاملها را بسنجید.
- در پروژههای حساس، استراتژی ترکیبی (انسان برای معماری، ماشین برای پیادهسازی) را پیاده کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو