اگر پژوهشگر هستید، باید بدانید که گلوگاه تولید علم دیگر کدنویسی نیست، بلکه ویرایش نهایی است. طبق گزارش Anthropic در مه ۲۰۲۶، پژوهشگرانی که از عامل‌های کدنویسی (Coding Agents) استفاده می‌کنند، تقریباً ۷۵٪ بیشتر از همتایان خود مقاله در حال بررسی منتشر می‌کنند.
این تحول به معنای آن است که برای نخستین بار، وظایف محوری پژوهش‌های تجربی — از تحلیل داده‌ها تا تکرار فرضیات — به‌طور کامل به ماشین‌ها سپرده شده است. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی مدل‌های استدلالی اشاره کردیم، گذار از چت‌بات‌های ساده به سیستم‌های عامل‌محور (Agentic)، مرز بین «کمک در نوشتن» و «اجرای مستقل» را از بین برده است. این در حالی است که جامعه‌ی علوم اجتماعی اکنون با خطر ظهور «آشغال‌های هوش مصنوعی» (AI Slop) و فشار بیش از حد بر سیستم‌های داوری مقالات مواجه است.
بر اساس مستندات این مطالعه که در فوریه و مارس ۲۰۲۶ روی ۱۲۶۰ دانشمند علوم اجتماعی کمی انجام شده، نتایج متناقضی دیده می‌شود. در حالی که ۸۱٪ آن‌ها از چت‌بات‌های هوش مصنوعی زاینده (Generative AI) استفاده می‌کنند، تنها ۲۰٪ به‌طور منظم از عامل‌های کدنویسی در محیط خط فرمان (Command-line) بهره می‌برند. توزیع این پذیرش به‌شدت نابرابر است:
- احتمال استفاده از عامل‌ها در میان مردان دو برابر زنان است.
- پژوهشگران دانشگاه‌های تراز اول، ۴۰٪ بیشتر احتمال دارد این ابزارها را به کار بگیرند.
- ۹۷٪ از کاربران این ابزارها، آن‌ها را صرفاً برای تحلیل داده‌های کمی به کار می‌برند.
به گزارش این مطالعه، افزایش بهره‌وری تنها در مراحل ابتدایی خط لوله (Pipeline) متمرکز است. کاربران عامل‌ها ۱۰٪ بیشتر پروژه آغاز کرده و درخواست‌های گرنت بیشتری ارسال می‌کنند، اما هیچ شواهدی مبنی بر افزایش تعداد مقالات پذیرفته‌شده در مجلات معتبر دیده نمی‌شود. این یعنی عامل‌ها مرحله «کشف» را تسریع می‌کنند، اما «مایل آخر» یا همان صیقل دادن مقاله برای چاپ، همچنان یک گلوگاه انسانی است.
علاوه بر این، شکاف عمیق در پذیرش ابزارهایی مانند Claude Code و Codex نشان می‌دهد که هوش مصنوعی به‌جای دموکراتیزه کردن پژوهش، ممکن است نابرابری‌های موجود در دسترسی به منابع را تشدید کند. وقتی انتخاب‌های تحلیلی یک عامل بر درک جمعی ما از اقتصاد و جامعه اثر بگذارد، اعتبار متدولوژی در مخاطره قرار می‌گیرد.
گام بعدی شما
- اگر در حوزه تحلیل داده فعال هستید، بررسی کنید که آیا گردش‌کارهای شما قابلیت تبدیل به یک سیستم عامل‌محور را دارد یا خیر.
- نتایج آزمایش تصادفی در حال اجرای Anthropic را دنبال کنید تا مشخص شود آیا این افزایش ۷۵ درصدی واقعاً علیّتی است یا صرفاً نتیجه‌ی دسترسی به منابع بیشتر در دانشگاه‌های برتر است.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است؛ برای درک اینکه چگونه تراشه‌های جدید هزینه استنتاج این عامل‌ها را کاهش می‌دهند، به تحلیل ما درباره‌ی معماری Blackwell مراجعه کنید.
گفتگو