تصور کنید ساعت ۲ صبح است و مشتری یک فایل زیپ حاوی وب‌سایتی را برای شما می‌فرستد که توسط ابزارهایی مثل Lovable، Supabase یا Bolt ساخته شده و می‌گوید: «فقط چند دقیقه زمان می‌برد تا درستش کنی». در سال ۲۰۲۶، این سناریو به استاندارد جدید تحویل نرم‌افزار تبدیل شده است؛ چرا که فاصله میان «دانستن اینکه چه می‌خواهم» و «دانستن اینکه چگونه آن را بسازم» به‌طور کامل از بین رفته است.
این تغییر در حالی رخ می‌دهد که صنعت وارد چرخه جایگزینی سریع مدل‌ها شده است. ما شاهد الگویی هستیم که در آن Astra جایگزین Claude می‌شود، همان‌طور که کلود پیش‌تر Gemini را کنار زد و جمینای به نوبه خود گوگل را به حاشیه راند. این یک چرخه «خودکشی دیجیتال» است که در آن هیچ‌کس حتی برای مدل‌های قدیمی گل نمی‌فرستد. این وضعیت یک «مجتمع صنعتی-جنازه‌ای» ایجاد کرده است که در آن عبارت «مدل جدید منتشر شد» به جای اینکه به عنوان یک ابزار معرفی شود، به عنوان یک ویژگی شخصیتی بازاریابی می‌شود و به نظر می‌رسد هر مراسم تدفین مدل قدیمی، یک اسپانسر یکسان دارد: یک لینک افیلیت در بیوگرافی توییتر یا اینستاگرام.
همان‌طور که در تحلیل قبلی ما درباره‌ی ابزارهایی مثل Drawgent و اتصال Claude Code به بوم‌های زنده (Live Canvases) اشاره کردیم، تمرکز اکنون از «چگونگی تولید کد» به «چه کسی از این هرج‌ومرج جان سالم به در می‌برد» تغییر کرده است. صنعت در واقع دارد به همان قبرستانی بازمی‌گردد که از آن آمده بود و با تعجب می‌پرسد به‌جز یک لغزنده (Slider) برای تنظیم سطح تفکر مدل، واقعاً چه چیزی بین محصولات تغییر کرده است.
حلقه بازخورد مشتری و هوش مصنوعی
به نقل از گزارشی که در ۲۶ سپتامبر ۲۰۲۶ در dev.to منتشر شد، محرک‌های اصلی اکوسیستم فعلی مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — دیگر آژانس‌های برنامه‌نویسی نیستند، بلکه مستقیماً مشتریان هستند. این کاربران معمولاً متخصصان حوزه‌ی خود هستند اما سواد فنی ندارند؛ آن‌ها به ابزارهای AI اعتیاد پیدا کرده‌اند چون این ابزارها نیاز به پرداخت هزینه به یک برنامه‌نویس برای ترجمه ایده‌ها به کد را دور می‌زنند. این رویکرد کاربرمحور در ابزارهای هوش مصنوعی، مشابه تحولی است که در مدیریت زیرساخت‌ها رخ داده و رویکردهای جدیدی برای حذف پیکربندی‌های تکراری و ساده‌سازی دسترسی به APIها را به ارمغان آورده است.
آژانس‌ها دیگر تامین‌کننده این رشد نیستند؛ حتی بسیاری از آن‌ها مشتریانی ندارند که حاضر باشند هزینه اشتراک ChatGPT Plus تیم را پرداخت کنند. در عوض، بازار توسط مشتریانی تغذیه می‌شود که ساعت ۱۱ شب با کارت اعتباری در دست، کد تولید می‌کنند. این وضعیت یک پارادوکس خطرناک در محیط‌های عملیاتی ایجاد کرده است:
- مشتریانی که در سال ۲۰۱۹ نمی‌توانستند یک حلقه for را بخوانند، در سال ۲۰۲۶ هم نمی‌توانند.
- آن‌ها اکنون به یک پنجره چت بیشتر از یک آژانس قراردادی اعتماد می‌کنند، چون AI با آن‌ها «مهربان‌تر» است.
- هوش مصنوعی یک رابط کاربری صیقل‌خورده ارائه می‌دهد، اما کد زیرین همچنان یک جعبه سیاه است.
- فاصله میان «می‌دانم چه می‌خواهم» و «نمی‌خواهم برای ساختنش به تو پول بدهم»، به مدل کسب‌وکار اصلی این دوران تبدیل شده است.
بحران تولیدات «فقط بر اساس حس»
وقتی این سایت‌های تولیدشده توسط AI خراب می‌شوند، زنجیره شکست به‌صورت بازگشتی عمل می‌کند. مشتریان اغلب پروژه‌هایی را می‌فرستند که فقط بر اساس «حس» (Vibes-only) ساخته شده‌اند و در حالی که به نتیجه افتخار می‌کنند، از مهندس می‌خواهند که «فقط یک نگاه سریع به آن بیندازد».
مهندسان هنگام باز کردن کد متوجه می‌شوند که اصلاً نمی‌فهمند AI به چه چیزی فکر می‌کرده است. وقتی از AI می‌خواهند کد را توضیح دهد، مدل هم سوال را نمی‌فهمد؛ فقط عذرخواهی می‌کند و دوباره چیزی دیگر می‌نویسد. این منجر به چرخه‌ای می‌شود که در آن سیستم در محیط عملیاتی می‌پاشد، مشتری وحشت می‌کند و در نهایت تقصیر را به گردن مهارت مهندس انسانی می‌اندازند، نه لایه‌های متعدد انتزاعی که هیچ‌کس درخواستشان را نداده بود.
این وضعیت منجر به ظهور «فایل زیپ ساعت ۲ صبح» شده است؛ پوشه‌ای فشرده بدون نقشه راه، بدون سند محدوده پروژه (Scope Document) و بدون فایل طراحی. این معادل مدرن همان «یک تماس کوتاه» است. در این موارد، مشتری ممکن است عبارت «یک اوبر برای سبزیجات می‌خواهم» را در یک جعبه متن تایپ کند، یک فایل زیپ دریافت کند که خودش هم می‌ترسد آن را استخراج کند و سپس ساعت ۲ صبح با انرژی «جلسه فوری» با برنامه‌نویس تماس بگیرد تا درباره پوشه‌ای صحبت کند که هنوز حتی بازش نکرده است.
اخراج سئو از بازی
این گسست به بازاریابی دیجیتال هم رسیده است. در حالی که اینفلوئنسرها و فروشندگان دوره‌های ۲۹۹ دلاری با استفاده از اسلایدهای متحرک و تایمرهای شمارش معکوس ادعا می‌کنند «سئو مرده است»، واقعیت یک تغییر مالکیت است.
سئو نمرده است، بلکه صاحب‌خانه جدیدی پیدا کرده است. قبلاً سئو یعنی ده لینک آبی، اما حالا یک «نمای کلی AI» (AI Overview) است که کلیک را قبل از رسیدن کاربر به صفحه‌ای که چهار ماه برای بهینه‌سازی‌اش وقت صرف شده، می‌بلعد. این مرگ نیست، بلکه اخراج است.
این وضعیت یک اقتصاد «کار رایگان» ایجاد می‌کند که در آن اتفاقات زیر رخ می‌دهد:
- سایت‌ها توسط AI Overview نقل‌قول می‌شوند اما هیچ کلیک واقعی دریافت نمی‌کنند.
- محتوا برای پاسخ به سوالات در صفحه‌ای استفاده می‌شود که سازنده اصلی هرگز بازدیدکننده‌ای در آن نخواهد داشت.
- صورت‌حساب این کار هرگز صادر نمی‌شود و این یک تغییر خاموش و عجیب در اعداد ترافیک است که لینکدین ترجیح می‌دهد آن را «تحول» بنامد.
واقعیت مهندسان «سوخته»
برخلاف ادعاهایی که می‌گوید برنامه‌نویسان پس از عرضه GPT-6 Astra تمام شده‌اند (Cooked)، این حرفه ناپدید نشده، بلکه مهاجرت کرده است. طنز ماجرا این است که این ادعاها اغلب توسط مهندسانی پست می‌شود که با لپ‌تاپ‌های خریداری‌شده توسط شرکتشان کار می‌کنند.
تا زمانی که AI زبان برنامه‌نویسی خودش را اختراع نکند، به مهندسان نیاز است. اما ماهیت کار تغییر کرده است:
- نقش‌های جونیور به‌شدت کوچک شده‌اند و استخدام‌های سطح ابتدایی در اعداد واقعی کاهش یافته است.
- شغل از «تایپ کردن تابع» به «توضیح دادن به AI که چرا تابعی که نوشته غلط است» تغییر کرده است.
- هوش مصنوعی ۶۰٪ آسان یک تیکت را هندل می‌کند و ۴۰٪ آزاردهنده را برای انسان می‌گذارد تا ساعت ۱ صبح حل کند، چون AI «هم‌زمان با اعتمادبه‌نفس زیاد، اشتباه می‌کرد».
در واقع، «اجاق گاز هوشمندِ» AI غذا را می‌پزد، اما مهندس هنوز کسی است که باید غذای سوخته را قبل از رسیدن به مشتری بچشد. AI جایگزین مهندس نشد، فقط اجاق گاز را به خانه مهندس منتقل کرد.
این تغییر یعنی مهارت فنی اکنون ارزشمندتر از همیشه است؛ نه برای خلق کردن، بلکه برای نجات دادن. توانایی پیمایش در چهارده لایه انتزاع تولیدشده، تنها چیزی است که مانع از فروپاشی کامل سیستم‌های عملیاتی می‌شود. با حرکت به سمت عامل‌های خودمختار، معیار حیاتی بعدی نمرات بنچمارک نخواهد بود، بلکه «زمان بازیابی» (Recovery Time) برای فجایع تولیدشده توسط AI است. باید منتظر ظهور فریم‌ورک‌های تخصصی «پاک‌سازی AI» باشیم که خوانایی کد را بر سرعت تولید اولویت می‌دهند.
گام بعدی شما
- اگر مهندس هستید، روی یادگیری «مهندسی معکوس کدهای AI» تمرکز کنید؛ این مهارت در سال ۲۰۲۶ بیشتر از کدنویسی خالص درآمدزا است.
- اگر مشتری هستید، هرگز کدی را که بدون مستندات (Documentation) تحویل گرفته‌اید به محیط عملیاتی منتقل نکنید.
- منتظر ظهور فریم‌ورک‌های تخصصی «پاک‌سازی AI» باشید که خوانایی کد را بر سرعت تولید اولویت می‌دهند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو