تصور کنید یک توسعه‌دهنده باسابقه بتواند بدون تایپ کردن حتی یک خط کد، محصولی تجاری را در کمتر از دو هفته به بازار برساند. این اتفاق برای دیوید گویرتز (David Gewirtz)، استاد سابق علوم کامپیوتر و نوآور حوزه هوش مصنوعی، با کمک کلود (Claude) و کلود کد (Claude Code) رخ داد. او توانست یک کتابخانه دارایی‌های ۳۰ ساله را به یک محصول مدرن و پولی تبدیل کند.
این پروژه درست در زمانی اتفاق افتاد که صنعت در حال بحث درباره کدنویسی بر اساس حس (Vibe Coding) است؛ رویکردی که برنامه‌نویس را از درگیر شدن با دستورات پیچیده (Syntax) دور می‌کند و او را به یک ارکستراتور یا هماهنگ‌کننده سطح بالا تبدیل می‌کند. در این حالت، هوش مصنوعی دیگر یک جعبه جادویی برای دریافت دستور نیست، بلکه شریکی است که نیاز به هدایت و اصلاح مداوم دارد. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی عامل‌های خودمختار اشاره کردیم، مرز بین «برنامه‌نویسی» و «مدیریت محصول» در حال محو شدن است. این تغییر پارادایم دقیقاً همان چیزی است که در بررسی تغییر ماهیت توسعه‌دهندگان در عصر مقیاس‌پذیری به آن پرداختیم، جایی که نقش کدنویس جای خود را به مدیریت هوشمند می‌دهد.
باستان‌شناسی دارایی‌های دیجیتال
داستان از یک سفر به خاطرات شروع شد. سی سال پیش، گویرتز اولین شرکت نرم‌افزاری خود را تأسیس کرد و محصولی به نام Icon Factory را برای HyperCard معرفی کرد. این محصول چندین جایزه برد و برای سال‌ها هزینه زندگی کارکنانش را تأمین کرد. تمام این آیکون‌های اولیه سیاه و سفید بودند تا با زیبایی‌شناسی HyperCard همخوانی داشته باشند.
در سال ۱۹۹۷، در پاسخ به درخواست مشتریان برای داشتن آیکون‌های رنگی برای دسکتاپ Finder، او Icon Gallery را خلق کرد؛ یک محصول جعبه‌ای شامل بیش از ۲ هزار آیکون با ابعاد ۳۲ در ۳۲ پیکسل. این محصول از طریق خرده‌فروشی، سفارشات پستی و پست مستقیم فروخته می‌شد. این یکی از آخرین محصولات نرم‌افزاری جعبه‌ای او بود که پیش از ظهور وب و تغییر مسیر صنعت تولید کرد.
سریع‌تر پیش می‌رویم تا به ۲ سپتامبر ۲۰۲۶ برسیم. گویرتز در حال مرتب کردن برخی از قفسه‌های دفترش بود که بسته‌بندی اصلی Icon Gallery را پیدا کرد. بعدها، در حالی که مشغول نوشتن داستان‌های تاریخی اپل برای ZDNET بود، یک فایل قدیمی Macromedia Director را روی سرورش پیدا کرد که حاوی تمام ۲۳۳۸ آیکون سه دهه پیش بود. Director در دوران سی‌دی-روم (CD-ROM) بسیار محبوب بود اما بعدها مانند HyperCard و دیگر برنامه‌های قدیمی به تاریخ پیوست.
او این فایل باستانی را به کلود داد و درخواست ساده‌ای کرد: «این یک فایل قدیمی Macromedia Director است که شامل کتابخانه بزرگی از آیکون‌هاست. می‌توانی آیکون‌ها را در پوشه‌های مجزا تفکیک کنی؟» کلود هیچ شکایتی از منسوخ بودن فرمت فایل نکرد. مدل صرفاً پرسید که فرمت فایل خروجی چه باشد و آیا پیکسل‌های لبه سفید باید شفاف (Transparent) شوند یا خیر.
طبق گزارش زدنت (ZDNET)، هوش مصنوعی این استخراج را در عرض ۴ دقیقه و طی ۳۰ مرحله به پایان رساند. در زمانی کمتر از آنچه طول می‌کشد تا یک فنجان قهوه دم شود، هوش مصنوعی داده‌های باینری منسوخ را به بیش از ۲ هزار تصویر PNG تبدیل کرد که بر اساس موضوع سازماندهی شده بودند. این موفقیت اولیه ثابت کرد که هوش مصنوعی زاینده (Generative AI) — مثل یک مترجم خبره که زبان‌های مرده را می‌فهمد و به زبان امروز برمی‌گرداند — می‌تواند داده‌های میراثی (Legacy Data) را بدون نیاز به ابزارهای بازیابی تخصصی استخراج کند.
از مفهوم تا محصول
در روز یکشنبه ۲۰ سپتامبر، حوالی ظهر، گویرتز تصمیم گرفت یک مرورگر و تغییردهنده اندازه (Resizer) برای این آیکون‌ها بسازد. او از کلود دسکتاپ (Claude Desktop) برای استراتژی و از کلود کد برای ساخت واقعی استفاده کرد. در عرض چند ساعت، او به یک نمونه اثبات مفهوم (Proof of Concept) رسید که می‌توانست بیت‌مپ‌های ۳۲ در ۳۲ پیکسل را تا ابعاد ۱۰۲۴ در ۱۰۲۴ پیکسل مقیاس‌بندی کند.
برای تبدیل این ابزار به یک محصول تجاری قابل فروش، هوش مصنوعی چندین بهبود در ویژگی‌ها پیشنهاد داد تا آن را به یک «نسخه سی‌امین سالگرد» تبدیل کند که آیکون‌های رترو ساخته شده با دست را در دنیای هنر هوش مصنوعی جشن بگیرد:
- تغییر رنگ (Recoloring): ویژگی‌ای که به طراحان اجازه می‌دهد آیکون‌ها را با رنگ‌های خاص برند یا هویت بصری خود تطبیق دهند.
- سازماندهی: پیاده‌سازی مجموعه‌ها (Collections) و علاقه‌مندی‌ها برای مدیریت بهتر توسط کاربر.
- یکپارچگی: قابلیت «Export to Slack» که توسط یکی از دوستانش پیشنهاد شد تا بتوان از این آیکون‌های رترو به عنوان ایموجی استفاده کرد.
- سهولت در استفاده: قابلیت کشیدن و رها کردن (Drag-and-drop) آیکون‌ها در پیام‌های متنی، پیشنهادی که توسط همسر گویرتز داده شد.
- همگام‌سازی ابری: افزودن همگام‌سازی iCloud تا کاربران بتوانند در چندین دستگاه مک به مجموعه‌های خود دسترسی داشته باشند.
واقعیت کدنویسی بر اساس حس
گویرتز تأکید می‌کند که این یک معجزه «تک‌پرامپتی» نبود. او طی چهار روز توسعه فعال، ۵۰۲ دستور مجزا به کلود کد داد. این یک کدنویسی تمام‌وقت نبود؛ او این پروژه را با معاینات سالانه پزشکی، کار با پیمانکار خانه و نوشتن سه مقاله جامع برای ZDNET مدیریت کرد.
او هوش مصنوعی را دقیقاً همان‌طور مدیریت کرد که در طول دوران حرفه‌ای‌اش برنامه‌نویسان انسانی را مدیریت می‌کرد: ارائه دستورات کوتاه و متوالی در فواصل زمانی بین سایر اولویت‌های شغلی. او به هوش مصنوعی به عنوان یک شریک کاری در انتهای یک تاریخچه چت نگاه می‌کرد. این شراکت شامل اصطکاک‌های زیاد و تکرارهای مکرر بود.
برای مثال، گویرتز مجبور شد کلود را متقاعد کند که یک مستطیل انتخاب کشیدنی (Drag-selection rectangle) پیاده کند. کلود در ابتدا فکر می‌کرد این رویکرد غیرضروری است و گویرتز مجبور شد توضیح دهد که مک‌ها از سال‌های پیش از ۱۹۹۷ از انتخاب کشیدنی پشتیبانی می‌کردند. او همچنین مجبور شد یک باگ عملکردی را اصلاح کند که در آن کد، تصاویر را برای هر پیش‌نمایش در اندازه کامل فشرده می‌کرد و در هر درخواست تغییر اندازه، کل پنجره را ۴۸۲ بار بازسازی می‌کرد.
گویرتز اشاره کرد که هوش مصنوعی حتی در برابر دستورات مقاومت می‌کرد، «بداخلاق» می‌شد و از تکالیفش شکایت می‌کرد، که این تجربه را به‌طور عجیبی انسانی می‌کرد. از برخی جهات، او کلود را انسانی‌تر از برخی افرادی یافت که در گذشته با آن‌ها کار کرده بود.
امنیت و انطباق با اپ‌استور
یک کشف حیاتی در هنگام پیاده‌سازی پرداخت‌های درون‌برنامه‌ای رخ داد. پس از اثبات کارکرد مکانیسم پرداخت، گویرتز از کلود پرسید آیا باید نگران کاربرانی باشند که برنامه را می‌خرند، تمام آیکون‌ها را صادر می‌کنند و سپس درخواست بازگشت وجه (Refund) می‌دهند؟ کلود پیشنهاد کرد که با بازگشت وجه نجنگند، که این با سبک نشر بلندمدت گویرتز همخوانی داشت: اگر کسی کد را نمی‌خواهد، مجبورش نکنید برای آن پول بپردازد.
با این حال، این موضوع منجر به یک درک امنیتی شد: تمام ۲۱۴۶ آیکون به صورت فایل‌های PNG باز در داخل اپلیکیشن قرار داشتند. هر کاربر می‌توانست روی برنامه راست‌کلیک کند، گزینه «Show Package Contents» را انتخاب کند و کل کتابخانه را بدون پرداخت هزینه بدزدد.
برای حل این مشکل، تیم رمزنگاری را پیاده کرد. برنامه اکنون از یک فایل رمزگذاری شده واحد استفاده می‌کند و تصاویر را به‌صورت پویا در لحظه درخواست رمزگشایی می‌کند. این موضوع با فاسد کردن عمدی نسخه‌ها برای تست بررسی و اجرای موتور رمزگشایی برنامه روی تک‌تک آیکون‌ها برای اطمینان از تطابق کامل با نسخه‌های اصلی تأیید شد.
انطباق با قوانین همچنین نیازمند نظارت دستی بود. کلود درباره منشأ مجموعه «سخت‌گیر» شد و نگران این بود که چه کسی مالک آیکون‌هاست تا برنامه از فیلتر بررسی اپ‌استور رد شود. گویرتز مجبور شد به مدل ثابت کند که شرکتش وارث قانونی آن سازمان اصلی است.
کلود همچنین آیکون‌های خاصی را علامت‌گذاری کرد که احتمالاً اپل آن‌ها را مسدود می‌کرد، از جمله لوگوی Caterpillar و سری که شبیه به شخصیت چارلی براون بود. علاوه بر این، گویرتز چندین آیکون مربوط به شلیک گلوله را حذف کرد و اشاره کرد که این‌ها در سال ۱۹۹۷ تم محبوبی بودند اما در سال ۲۰۲۶ «کاملاً نابه‌جا» به نظر می‌رسند.
گلوگاه ارسال برنامه
در حالی که کدها با سرعت تولید می‌شدند، هزینه‌های اداری و خلاقانه همچنان انسانی باقی ماند. گویرتز اپلیکیشن را در روز یکشنبه ۲۷ سپتامبر، حوالی ظهر ارسال کرد. اپل ابزار را چهار روز بعد پذیرفت و برنامه در اپ‌استور فعال شد.
یکی از بزرگ‌ترین غافلگیری‌ها، الزامات گرافیکی بود. اپل تا ۱۰ تصویر با ابعاد ۲۸۸۰ در ۱۸۰۰ برای صفحه معرفی اجازه می‌دهد. ساخت این تصاویر سه روز زمان برد — تقریباً به اندازه کل زمان ساخت خود برنامه. گویرتز توصیف کرد که کلود، جمینای (Gemini) و ChatGPT در ساخت این تصاویر تبلیغاتی خاص «وحشتناک، بدبخت، ناموفق، ناکارآمد و در مجموع کاملاً بی‌کفایت» بودند. او در نهایت مجبور شد این کار را به صورت دستی در فتوشاپ «مانند انسان‌های غارنشین» انجام دهد.
او همچنین با یک محدودیت فنی در TestFlight مواجه شد. در یک روز چهارشنبه، او بین ساعت ۶:۴۹ صبح تا ۹:۲۰ شب، ۲۱ بیلد (Build) را برای تنظیم دقیق ظاهر و حس برنامه آپلود کرد. اپل بیلد ۲۲ام را رد کرد و او را مجبور به انتظار یک روز کامل کرد که پروژه را ۲۴ ساعت به تأخیر انداخت.
درس‌های فنی برای توسعه‌دهندگان هوش مصنوعی
بر اساس این دوی ۱۱ روزه، گویرتز چندین قانون قطعی برای کار با عامل‌های هوش مصنوعی پیشنهاد می‌دهد تا از افتادن در «سوراخ‌های خرگوش بی‌فایده» جلوگیری شود:
- ثبت تصمیمات: به هوش مصنوعی بگویید هر تصمیم را در یک فایل
.mdثبت کند. - اندازه‌گیری به جای حدس: از ابزارها و تحلیل‌های قطعی استفاده کنید. به جای اینکه از مدل «برداشت» یا «نظر» بگیرید، از او بخواهید اسکریپت‌های پایتون برای استخراج نتایج بنویسد.
- مدیریت پنجره متنی: مصرف پنجره متنی (Context) را زیر نظر داشته باشید. وقتی مصرف به حدود ۷۵٪ رسید، پیشرفت را ذخیره کرده و گفتگو را ری‌استارت کنید، زیرا مدل بعد از آن نقطه «احمق‌تر و احمق‌تر» می‌شود.
- تست خصمانه (Adversarial Testing): بعد از هر جلسه، عامل‌های فرعی مجزایی را برای بررسی کار و بررسی سرتاسری (End-to-End) برنامه قبل از ارسال نهایی به کار بگیرید.
- اعتبارسنجی انسانی: از تسترهای خارجی استفاده کنید، زیرا نه توسعه‌دهنده و نه هوش مصنوعی قادر به شناسایی همه خطاها نیستند.
- کنترل نسخه: از شاخه‌های Git برای آزمایش طراحی‌های بصری استفاده کنید؛ این کار اجازه می‌دهد اگر هوش مصنوعی نتیجه‌ای «هولناک» تولید کرد، فوراً به حالت قبل برگردید. در یک مورد، کلود یک طراحی بصری جدید را در یک ساعت ساخت، اما گویرتز در ۳۰ ثانیه آن را رد کرد و فوراً به نسخه قبلی بازگشت.
این آزمایش ثابت می‌کند که یک فرد اکنون می‌تواند کل چرخه حیات یک اپلیکیشن تجاری — از بازیابی داده‌ها و رمزنگاری تا ارسال به اپ‌استور — را بدون کدنویسی دستی مدیریت کند. گلوگاه دیگر توانایی نوشتن دستورات (Syntax) نیست، بلکه توانایی مدیریت یک شریک دیجیتال است. این بهره‌وری خیره‌کننده تا حد زیادی مدیون سخت‌افزارهای مدرن است؛ برای درک اینکه چرا سیستم‌های فعلی چنین قدرتی دارند، پیشنهاد می‌کنیم معماری تراشه‌های اپل و ایده‌آل بودن آن‌ها برای هوش مصنوعی محلی را مطالعه کنید.
اگر به دنبال عرضه ابزار ساخته شده با هوش مصنوعی هستید، به یاد داشته باشید که ثبت‌نام به عنوان توسعه‌دهنده اپل ۹۹ دلار در سال هزینه دارد. علاوه بر این، کسب‌وکارهای جدید اپ‌استور با فروش زیر یک میلیون دلار می‌توانند به عنوان «کسب‌وکار کوچک» درخواست دهند تا کمیسیون‌های اپل از ۳۰٪ به ۱۵٪ کاهش یابد.
گام بعدی شما
- اگر ایده‌ای برای ابزار کوچک دارید، با Claude Code شروع کنید اما از همان ابتدا یک فایل مستندات برای ثبت تصمیمات مدل بسازید.
- برای کاهش هزینه‌ها، اگر فروش شما زیر یک میلیون دلار است، برای طرح Small Business اپل درخواست دهید تا کمیسیون از ۳۰٪ به ۱۵٪ کاهش یابد.
- به جای تکیه بر مدل برای کارهای بصری نهایی، ابزارهای تخصصی گرافیکی را در کنار هوش مصنوعی نگه دارید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو