مهندسان ارشد کد‌های «سالم» هوش مصنوعی را به دلیل بدهی فنی رد می‌کنند

تصور کنید کدی را تحویل می‌گیرید که دقیقاً همان کاری را می‌کند که خواسته‌اید، اما هیچ‌کس در تیم شما نمی‌تواند توضیح دهد این کد چطور کار می‌کند. این کابوس جدید مهندسان ارشدی است که اکنون ترجیح می‌دهند کدهای «سالم» را رد کنند تا سیستم‌هایشان را از فروپاشی نجات دهند.

به گزارش وب‌سایت vinibrasil.com در ۲۱ ژوئن ۲۰۲۶، برنامه‌نویسان ارشد به‌طور فزاینده‌ای درخواست‌های ادغام (Pull Requests) تولیدشده توسط عامل‌های هوش مصنوعی (AI Agents) را رد می‌کنند؛ حتی زمانی که این کدها از تمام تست‌های خودکار (CI) عبور کرده و در محیط محلی بدون خطا اجرا می‌شوند.

این اصطکاک زمانی رخ می‌دهد که عامل‌های کدنویسی — که مثل یک خط تولید فست‌فود، سرعت را فدای تغذیه و کیفیت می‌کنند — سرعت پیاده‌سازی را به‌شدت بالا می‌برند. در این حالت، گلوگاه از «نوشتن کد» به «بازبینی کد» منتقل می‌شود. همان‌طور که در تحلیل قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، سرعت بدون نظارت ساختاری منجر به بحران می‌شود. بازبینیِ حجم عظیمی از تغییراتی که انسان از ابتدا معماری آن‌ها را طراحی نکرده، باعث ایجاد بار ذهنی (Cognitive Overload) می‌شود.

طبق این گزارش، مهندسان برای حفظ سلامت سیستم، معیارهای سخت‌گیرانه‌ای را برای پذیرش خروجی عامل‌ها وضع کرده‌اند:

• اگر رویکرد به‌کاررفته توسط انسان به‌سادگی قابل توضیح نباشد.
• اگر حجم تغییرات (Diff) بسیار بیشتر از پیچیدگی واقعی مسئله باشد.
• اگر هوش مصنوعی پیش از اثبات نیاز، انتزاع‌های (Abstractions) جدیدی معرفی کند.
• اگر کد کار کند اما استدلال درباره کل سیستم را دشوارتر کند.

این وضعیت نشان‌دهنده‌ی چرخش در گردشِ کار توسعه‌دهندگان است. پیش از این، یک برنامه‌نویس روزها وقت صرف گشت‌وگذار در کد و آزمایش می‌کرد و سپس اولین خط را می‌نوشت. اکنون با هوش مصنوعی، فاصله بین تعریف مسئله و پیاده‌سازی به چند ثانیه رسیده است. نتیجه این است که مهندس به‌جای راندن ابزار، توسط ابزار رانده می‌شود.

برای توسعه‌دهنده مدرن، ارزش واقعی دیگر در «تولید خروجی» نیست، بلکه در «قضاوت برای هرس کردن» آن است. نقش برنامه‌نویس از یک تایپیست که اولین پیشنهادِ کارآمد را می‌پذیرد، به یک ناظر تبدیل شده است که تضمین می‌کند راهکارها مقیاس‌پذیر و توسعه‌پذیر باقی بمانند.

گام بعدی شما

• تمرکز خود را از یادگیری «نحو کدنویسی» به «معماری سیستم‌ها» منتقل کنید.
• در بازبینی کدهای AI، ابتدا از مدل بخواهید منطق طراحی‌اش را به‌صورت متنی توضیح دهد و سپس کد را بررسی کنید.
• معیارهای رد (Rejection Criteria) را در مستندات تیم خود تعریف کنید تا استانداردهای کیفی حفظ شود.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.