پرش به محتوای اصلی
پرش به محتوای مقاله

۸۰ درصد کدهای تولیدی آنتروپیک اکنون توسط کلود نوشته می‌شود

·۲۸ خرداد ۱۴۰۵۲ دقیقه مطالعه
تصویری از لوگوی Anthropic و آمار استفاده از Claude در نوشتن کد
تصویری از لوگوی Anthropic و آمار استفاده از Claude در نوشتن کد
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

عبور از مرحله «کمک‌گیر» (Copilot) به مرحله «نویسنده اصلی» (Author) در مقیاس ۸۰ درصدی برای کدهای محیط عملیات؛ جایی که انسان دیگر نویسنده نیست و صرفاً نقش بازبین را دارد.

اگر یک برنامه‌نویس مستقل هستید، بزرگ‌ترین گلوگاه شما دیگر تایپ کردن کد نیست؛ بلکه فشار ذهنی حاصل از بازبینی آن است. طبق اعلام شرکت آنتروپیک (Anthropic)، تا ژوئن ۲۰۲۶، حدود ۸۰ درصد از کدهای جدید در محیط تولید (Production) توسط کلود (Claude) نوشته شده است.

به گزارش وب‌سایت dev.to، این حجم از اتوماسیون نشان‌دهنده تغییری بنیادین در نحوه ساخت نرم‌افزار است. در این مدل، هوش مصنوعی بدنه اصلی منطق را می‌سازد و انسان‌ها به‌عنوان آخرین لایه تأیید عمل می‌کنند. همان‌طور که در پوشش پیشین ما درباره‌ی استفاده برنامه‌نویسان مستقل از مهارت‌های کلود برای ساخت اپلیکیشن‌های تک-فایلی دیدیم، این روند اکنون به محیط‌های حرفه‌ای و مقیاس بزرگ منتقل شده است.

در یک تیم کوچک، شما تیمی برای تقسیم بارِ بازبینی ندارید. در واقع شما در حال مدیریت تیمی از همتایان مصنوعی هستید و باید ۱۰۰ درصد خروجی را تأیید کنید، حتی اگر خودتان فقط ۲۰ درصد آن را نوشته باشید. برای بقا در این حجم از کد، توسعه‌دهندگان به‌جای خواندن خط‌به‌خط، از محدودیت‌های قابل‌تأیید استفاده می‌کنند:

  • اجرای طرح-محور: عامل‌ها (Agents) — شبیه مهندسی که ابتدا نقشه می‌کشد و بعد می‌سازد — پیش از کدنویسی، ابتدا برنامه اجرا و تست‌ها را می‌نویسند.
  • تضمین کیفیت خودکار: زیر-عامل‌های مستقل، تغییرات کد را بررسی کرده و در صورت تخلف از قوانین، درخواست‌های ادغام (PR) را رد می‌کنند. این رویکرد با سازوکار ۷ لایه‌ای Claude Code برای کاهش نرخ خطای کدنویسی همسو است که دقت خروجی‌های مدل را در محیط‌های حساس تضمین می‌کند.
  • تأیید مکانیکی: استفاده از ابزارهایی مثل AgentGuard برای تعیین بودجه زمان اجرا و مسدود کردن بیلد‌های معیوب.

تا بهار ۲۰۲۶، تقسیم کار دقیق شده است. انسان‌ها کدهای تکراری (Boilerplate) و ساختارهای پایه را که سرعت توسعه آن‌ها ۴۰ تا ۶۰ درصد بیشتر است، به مدل می‌سپارند و خود بر منطق دامنه و بازبینی نام‌گذاری‌ها تمرکز می‌کنند. بازبینی منطق همچنان یک ضرورت انسانی است، چون حجم زیاد کد به معنای کیفیت نیست.

این چرخش، هویت حرفه‌ای مهندس را از یک نویسنده به یک سردبیر تغییر می‌دهد. ریسک دیگر، سرعت پایین تحویل نیست، بلکه «رانش خاموش» (Silent Drift) است؛ جایی که منطقِ نوشته‌شده توسط هوش مصنوعی، خطاهای ظریفی ایجاد می‌کند که یک انسان خسته ممکن است متوجه نشود. برنده این رقابت، کسی است که بهترین حفاظ‌ها (Guardrails) را می‌سازد، نه کسی که سریع‌تر کد می‌زند.

گام بعدی شما

  • خط لوله CI/CD خود را بررسی کنید تا ببینید آیا از عامل‌های تضمین کیفیت خودکار پشتیبانی می‌کند یا خیر.
  • معیارهای سنجش خود را از «تعداد خطوط کد» به «درصد خروجی‌های تأییدشده مکانیکی بدون دخالت انسان» تغییر دهید.
  • روی یادگیری ابزارهای نظارتی تمرکز کنید تا دچار رانش خاموش در پروژه‌های بزرگ نشوید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این گزارش بر اساس تجربه عملی یکی از پیشروترین آزمایشگاه‌های AI، تخصص مهندسی نرم‌افزار را به سمت مدیریت سیستم‌های عامل‌محور می‌برد. اعتبار این ادعا از این است که توسط تیمی که خود مدل را ساخته و در مقیاس صنعتی به کار گرفته، بیان شده است.

تأثیر برای ایران

برای برنامه‌نویسان ایرانی، این روند یعنی تسلط بر ابزارهای بازبینی خودکار و Agentic Workflowها، سریع‌تر از یادگیری زبان‌های جدید، منجر به رشد شغلی می‌شود.

·نگاه ما
تحریریه دات‌هوش

تمرکز بر «تأیید» به‌جای «تولید»، تعریف جدیدی از تخصص برنامه‌نویسی ارائه می‌دهد. مزیت رقابتی دیگر در تسلط بر سینتکس زبان‌ها نیست، بلکه در توانایی طراحی سیستم‌های نظارتی (Guardrails) است که خطاهای احتمالی مدل را پیش از رسیدن به کاربر شکار کند.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.