تصور کنید یک فروشگاه آنلاین می‌سازید و در اولین تراکنش Stripe، کل سیستم به دلیل یک خطای کوچک در کدِ هوش مصنوعی فرو می‌پاشد. اگر تا به حال شاهد شکست یک محصول SaaS بوده‌اید که توسط AI ساخته شده، در واقع با پیامدهای «کدنویسی حسی» (Vibe Coding) روبرو شده‌اید؛ وضعیتی که در آن شما دستور می‌دهید، امیدوار می‌مانید و دعا می‌کنید هوش مصنوعی جریان پرداخت را درست پیاده کند.
این شکست‌ها به این دلیل رخ می‌دهند که هوش مصنوعی زاینده (Generative AI) — شبیه آشپزی است که تمام دستورپخت‌های دنیا را حفظ است اما گاهی فراموش می‌کند اجاق را روشن کند — در ساخت زیرساخت‌های قابل‌اعتماد مشکل دارد. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی ناپایداری عامل‌های هوش مصنوعی اشاره کردیم، تکیه بر تخمین مدل برای کدهای حساس، ریسک عملیاتی را بالا می‌برد.
برای حل این مشکل، شرکت WebsitePublisher.ai در ۱۴ مه ۲۰۲۶ رویکرد جدیدی به نام WAVE coding را معرفی کرد. طبق گزارش وب‌سایت dev.to، در این روش هوش مصنوعی دیگر کد زیرساختی نمی‌نویسد؛ بلکه صرفاً ماژول‌های نرم‌افزاری اثبات‌شده و پیش‌ساخته را انتخاب می‌کند.
این تیم توانست تنها در ۱۶ روز، ۷۸ ادغام (Integration) مختلف را عرضه کند. این «تکه‌های پازل» روی سرورهای خود شرکت اجرا می‌شوند و از طریق پروتکل MCP در ۹ پلتفرم مختلف، از جمله Claude، ChatGPT و GitHub Copilot در دسترس هستند. در این سیستم، قصد کاربر از اجرای فنی جدا شده است. برای یک فروشگاه، مدل دیگر وب‌هوک (Webhook) استرایپ را نمی‌نویسد، بلکه یک ماژول تست‌شده‌ی Stripe را فراخوانی می‌کند.
بر اساس مستندات این شرکت، دستاوردهای کلیدی این روش عبارتند از:
- تجارت الکترونیک: کاتالوگ محصولات، سبد خرید و ارسال MyParcel.
- ارتباطات: ایمیل‌های SMTP و سیستم‌های چندلایه ضداسپم.
- داده‌ها: رندرینگ سمت سرور برای سئو و جداول داده‌ی اعتبارسنجی‌شده.
این تغییر، هوش مصنوعی را از یک تولیدکننده‌ی «انرژی تصادفی» به یک سازمان‌دهنده‌ی دقیق تبدیل می‌کند. نتیجه برای توسعه‌دهندگان، حذف کامل توهم (Hallucination) — مثل دوستی که با اطمینان خاطره‌ای ساختگی را تعریف می‌کند — در تنظیمات و استقرار سریع‌تر است. این متد پیش از این برای راه‌اندازی یک بازی پیش‌بینی جام جهانی برای ۳۰ هزار هوادار باشگاه PSV به کار گرفته شد.
گام بعدی شما
- پروتکل MCP را بررسی کنید تا ببینید ابزارهای شما چگونه می‌توانند به «تکه‌های پازل» تبدیل شوند.
- در پروژه‌های خود، بخش‌های حساس زیرساختی را از بخش‌های خلاقانه کدنویسی AI جدا کنید.
- مدل‌های استدلالی را برای انتخاب ماژول به جای نوشتن کد خام به کار بگیرید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو