تصور کنید هر هفته ۶ ساعت از زمان گران‌بهای خود را صرف کارهایی کنید که هیچ ارزش افزوده‌ای به منطق برنامه نمی‌بخشند. این دقیقاً همان حفره‌ای است که یک مهندس نرم‌افزار با تغییر استراتژی در گردش‌کار خود، آن را پر کرد.
این تغییر رویکرد در زمانی رخ می‌دهد که برنامه‌نویسان اغلب با مشکل «صفحهٔ سفید» مواجه می‌شوند؛ وضعیتی که در آن شروع کدنویسی برای سیستم‌های قدیمی یا بازسازی‌های فوری، به دلیل پیچیدگی‌های ساختاری، بسیار زمان‌بر است. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی بهره‌وری در توسعه نرم‌افزار اشاره کردیم، بیشترین هزینه در چرخه توسعه، مربوط به مرحلهٔ بازگشت به فضای ذهنی کد قدیمی و آماده‌سازی ساختارهای اولیه است. این رویکرد با مفهوم مهندسی گردش‌کار هم‌سو است که در آن تمرکز از انتخاب مدل‌های پیشرفته به بهینه‌سازی فرآیندهای عملیاتی منتقل شده است.
به نقل از گزارشی که در ۲۶ ژوئن ۲۰۲۶ در وب‌سایت dev.to منتشر شد، این gains یا دستاوردهای بهره‌وری در دو سناریوی مشخص به اوج خود رسید:
- تولید مجموعه‌آزمون‌ها (Test Suite): برای ماژولی با ۲۳ تابع که هیچ تست واحدی نداشت، توسعه‌دهنده از هوش مصنوعی زاینده (Generative AI) — شبیه به دستیاری که ساختار کلی یک نامه را می‌نویسد تا نویسنده فقط جزئیات را اصلاح کند — برای ایجاد اسکلت‌بندی استفاده کرد. کاری که معمولاً ۵ تا ۶ ساعت زمان می‌برد، به کمتر از ۹۰ دقیقه کاهش یافت.
- عیب‌یابی سریع: یک اثر ردپای پشته (Stack Trace) پیچیده از بخش‌های فراموش‌شدهٔ کد توسط مدل پردازش شد تا علت ریشه‌ای خطا در یک مرحله شناسایی شود. این کار باعث حذف ۴۵ دقیقه زمانِ صرف‌شده برای آشنایی اولیه با کد شد.
طبق این گزارش، سرعت بالا به معنای بی‌نقص بودن نبود. حدود ۲۰ درصد از تست‌های تولیدشده نیاز به اصلاحات جدی داشتند، به‌ویژه در بخش‌های شبیه‌سازها (Mock) و موارد خاص (Edge Cases). این یعنی در حالی که هوش مصنوعی اسکلت‌بندی را انجام می‌دهد، لایهٔ قضاوت و تایید نهایی همچنان بر عهده مهندس است.
این مدل از کار، نقش برنامه‌نویس را از یک «نویسنده» به یک «ویراستار» تبدیل می‌کند. در واقع، مزیت اصلی نه در مهارت نوشتن پرامپت‌ها، بلکه در تصمیم استراتژیک برای تعیین این است که کدام بخش‌های مکانیکیِ گردش‌وار به ماشین سپرده شود.
گام بعدی شما
- خسته‌کننده‌ترین کارهای مکانیکی هفتهٔ خود را شناسایی کنید.
- یک ماژول که نیاز به تست دارد را جدا کرده و ابتدا نسخهٔ پیش‌نویس را با هوش مصنوعی بسازید.
- تمرکز خود را از «نوشتن کد» به «بازبینی کد» تغییر دهید.
اما تأثیر این تغییر نقش بر بازار استخدامی برنامه‌نویسان حتی پیچیده‌تر است — به تحلیل ما درباره‌ی آیندهٔ مهندسی نرم‌افزار در عصر مدل‌های استدلالی مراجعه کنید.
گفتگو