تصور کنید در دنیایی مشغول به کار هستید که دیگر جایی برای «کارآموز» یا «برنامه‌نویس تازه‌کار» نیست و نردبان شغلی مستقیماً از تخصص ارشد شروع می‌شود. این کابوس برای بسیاری از مهندسان جوان، اکنون به استراتژی رسمی استخدام در یکی از پیشروترین آزمایشگاه‌های هوش مصنوعی جهان تبدیل شده است.
طبق اعلام جک کلارک (Jack Clark)، یکی از بنیان‌گذاران Anthropic، در مصاحبه‌ای با نشریه Reason در ۲۶ ژوئن ۲۰۲۶، این شرکت به‌طور مشخص از استخدام نیروهای سطح پایین (Entry-level) چشم‌پوشی می‌کند تا پژوهشگرانی با تجربه بالا را جذب کند. کلارک معتقد است در عصر فعلی، «شهود متخصص» (Senior Intuition) موتور اصلی پیشبرد نوآوری است، زیرا وظایفی که پیش‌تر نیازمند تیم‌های بزرگی از مهندسان جونیور بود، اکنون توسط خودِ مدل‌ها انجام می‌شود.
همان‌طور که در تحلیل قبلی ما درباره‌ی تلاش‌های Anthropic برای محافظت از مدل‌هایش در برابر حملات استخراجی شرکت‌هایی مثل علی‌بابا اشاره کردیم، این آزمایشگاه اکنون روی بهینه‌سازی لایه‌ی انسانی خط تولید پژوهش تمرکز کرده است. آن‌ها به هوش مصنوعی زاینده (Generative AI) — که شبیه به دستیاری است که تمام متون دنیا را خوانده و حالا سریع‌ترین راه اجرای ایده‌ها را می‌شناسد — نه به عنوان جایگزین کلی نیروی کار، بلکه به عنوان یک «تقویت‌کننده» برای متخصصان می‌نگرند. این رویکرد با تلاش‌های موازی این شرکت برای پر کردن شکاف سواد هوش مصنوعی در سازمان‌های غیرپودی هم‌راستا است تا تخصص در سطوح مختلف سازمان‌ها توزیع شود.
به نقل از کلارک، این تغییر مکانیکی در نحوه انجام پژوهش‌ها رخ داده است:
- مقیاس‌پذیری متخصص: پیش از این، پژوهشگران ارشد برای اجرای آزمایش‌ها به تیم‌های بزرگی نیاز داشتند تا کدها را بنویسند و داده‌ها را مدیریت کنند.
- نقش Claude: اکنون مدل Claude — مانند یک مدیر پروژه فوق‌سریع که تمام کارهای اجرایی و تکراری را بر عهده می‌گیرد — مراحل اجرا و تکرار (Iteration) را به‌طور خودکار مدیریت می‌کند.
- نتیجه: شرکت‌ها اکنون روی «بازدهیِ شهود» سرمایه‌گذاری می‌کنند؛ یعنی یک متخصص ارشد مجهز به ابزارهای AI، خروجی‌ای بیشتر از یک تیم کامل جونیور در گذشته تولید می‌کند.
این روند یک پارادوکس اقتصادی خطرناک ایجاد می‌کند. طبق گزارش این مصاحبه، هوش مصنوعی می‌تواند رشد GDP را به سطحی بسیار بالاتر از روندهای تاریخی برساند، اما هم‌زمان باعث جهشی در نرخ بیکاری شود که معمولاً فقط در دوران رکودهای شدید دیده می‌شود. این تغییر در توزیع بار کاری، یادآور پیش‌بینی‌های برایان آرمسترانگ درباره انتقال حجم عملیات هوش مصنوعی به مدل‌های ارزان‌قیمت است که نشان می‌دهد اتوماسیون در حال بلعیدن لایه‌های اجرایی است. برای شما به این معناست که پله‌ی اول نردبان حرفه‌ای در حال حذف شدن است.
در حال حاضر هیچ دولتی برای سناریویی که در آن بهره‌وری به شدت افزایش می‌یابد اما بازار کار جوانان فرو می‌پاشد، آماده نیست. این تغییر نشان می‌دهد که «توانایی جهت‌دهی به هوش مصنوعی» جایگزین «توانایی نوشتن کد» شده و به ارز اصلی بازار کار تبدیل شده است.
گام بعدی شما
- اگر در ابتدای مسیر شغلی هستید، تمرکز خود را از یادگیری سینتکس زبان‌های برنامه‌نویسی به سمت «تفکر سیستمی» و «مدیریت مدل‌های استدلالی» ببرید.
- مهارت‌های نظارتی و هدایت مدل‌ها (AI Orchestration) را جایگزین مهارت‌های اجرایی صرف کنید.
- تحلیل‌های مربوط به تغییر ساختار نیروی کار در سایر آزمایشگاه‌های تراز اول (Tier-1) را دنبال کنید تا بفهمید آیا مدل «فقط متخصصان» به استاندارد صنعت تبدیل می‌شود یا خیر.
اما تأثیر این حذفِ نیروهای تازه‌کار بر کیفیت بلندمدت کدها و امنیت سیستم‌ها، ابعادی پیچیده‌تر دارد که در گزارش‌های آتی بررسی خواهیم کرد.
گفتگو