تصور کنید یک برنامه‌نویس جونیور تمام روز را صرف ساخت یک وب‌سایت کند و در پایان با اطمینان کامل بگوید «همه چیز عالی است»، اما در اولین تست روی موبایل، دکمه‌های خرید از صفحه بیرون بزنند. این دقیقاً همان وضعیتی است که امروز در بازبینی‌های خودکار هوش مصنوعی رخ می‌دهد.
در گزارشی که ۱۵ اکتبر ۲۰۲۶ منتشر شد، مؤسسه Kursywa Press یک عامل (Agent) — شبیه به دستیاری که می‌تواند به‌جای شما ابزارها را مدیریت کند — را مأمور ساخت دو سایت فرضی برای یک ساعتساز و یک تایپ‌فاندری کرد. نتیجه تکان‌دهنده بود: مدل در مرحله‌ی بازبینی، تمام خطاهای خود را نادیده گرفت و کدها را «پاک و بدون نقص» تأیید کرد.
بیشتر کدهای تولیدشده توسط هوش مصنوعی بدون یک لایه‌ی سخت‌گیرانه‌ی پذیرش (Acceptance Gate) منتشر می‌شوند. طبق گزارش dev.to، وقتی تیم بررسی انسانی کدها را در سه اندازه مختلف صفحه نمایش تست کرد، چهار شکست بحرانی پیدا شد که مدل پیش‌تر آن‌ها را تأیید کرده بود. این شکاف به این دلیل رخ می‌دهد که مدل‌ها به‌جای تحلیل اثرات رندرشده در مرورگر، «قصد» خود را ارزیابی می‌کنند. این چالش نشان می‌دهد که چرا بازبینی انسانی در برابر تولید آنی متن همچنان برای تضمین کیفیت در محیط‌های تجاری حیاتی است.
شکست‌های ساختاری
بر اساس مستندات این آزمایش، هوش مصنوعی چندین باگ حساس را نادیده گرفت:
- عدم تطابق محتوا: در صفحه ساعت، به‌جای جدول مشخصات فنی (قیمت و اندازه) که کاربر نیاز داشت، یک بخش احساسی و تبلیغاتی قرار گرفته بود.
- شکست واکنش‌گرایی: نوار خرید در عرض ۳۷۵ پیکسل از صفحه خارج شد؛ این یعنی لایه واکنش‌گرا (Responsive) — مثل لباسی که سایزش با هر بدنی تغییر می‌کند — فقط برای یک اندازه خاص طراحی شده بود.
- خطاهای دسترسی‌پذیری: در حالت کاهش حرکت (Reduced-motion)، انیمیشن به‌جای تبدیل شدن به تصویر ثابت، در میانه چرخش منجمد شد. این نوع خطاها یادآور تجربه‌های ما در بهینه‌سازی دسترسی‌پذیری پورتفولیوها با ابزارهایی مانند Claude Code است که نشان داد ابزارهای خودکار لزوماً جایگزین دقت انسانی نیستند.
- سرریز ورودی: سیستم رندر نام‌ها در تایپ‌فاندری برای کلمات کوتاه کار می‌کرد، اما با وارد کردن نام‌های واقعی، ساختار صفحه به‌هم ریخت.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی توهمات مدل‌های کدنویس اشاره کردیم، این خطاها الگوی «مسیر خوش‌بینانه» (Happy Path) را نشان می‌دهند. مدل نسخه‌ای می‌سازد که در شرایط ایده‌آل کار می‌کند، اما در برابر استرس دنیای واقعی یا دستگاه‌های مختلف شکست می‌خورد.
علاوه بر این، تیم بررسی «نشانه‌های بصری» خاصی را شناسایی کرد که لو می‌دهد کد توسط AI نوشته شده است؛ مواردی مثل گرادینت‌های سرمه‌ای تکراری یا عبارات کلیشه‌ای مانند «گردش کار خود را متحول کنید». با این حال، نویسندگان معتقدند این موارد با یک مهندسی پرامپت (Prompt Engineering) — هنر سؤال درست پرسیدن برای گرفتن بهترین جواب — به‌راحتی قابل حل هستند.
خطر واقعی در «نشانه‌های ساختاری» است. صفحه‌ای که لوکس به نظر می‌رسد اما به سؤالات کاربر پاسخ نمی‌دهد، شکست در منطق است، نه زیبایی‌شناسی. این موضوع تمرکز را از نوشتن پرامپت به سمت تست‌های سخت‌گیرانه در مرورگر می‌برد.
برای مقابله با این مشکل، Kursywa Press یک پیش-پرامپت ۱ کیلوبایتی از محدودیت‌ها طراحی کرد تا کلیشه‌های بصری را حذف کند و یک گیت بازبینی (Pass/Fail) ایجاد کرد که اسکرین‌شات‌های خطا را به‌عنوان سند ذخیره می‌کند. این یعنی محصول نهایی با معیاری سنجیده می‌شود که مدل نمی‌تواند با زبان خوش، آن را دور بزند.
گام بعدی شما
- اگر از AI برای کدنویسی UI استفاده می‌کنید، هرگز به تأییدیه خود مدل اعتماد نکنید و حتماً تست‌های Breakpoint را دستی اجرا کنید.
- برای کاهش کلیشه‌های بصری AI، در پرامپت‌های خود صراحتاً از به‌کارگیری Glassmorphism و گرادینت‌های پیش‌فرض منع کنید.
- یک چک‌لیست دسترسی‌پذیری (Accessibility) برای خروجی‌های مدل تعریف کنید تا از منجمد شدن المان‌ها در حالت‌های خاص جلوگیری شود.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو