آیا ایجنت‌های هوش مصنوعی جای برنامه‌نویس‌ها را می‌گیرند؟ واقعیت کار در سال ۲۰۲۶
ایجنت‌های کدنویسی کار برنامه‌نویس را عوض کرده‌اند، ولی نه آن‌طور که تیترها می‌گویند. چه چیزی واقعاً تغییر کرده، گلوگاه جدید کجاست و کدام مهارت‌ها ارزشمندتر شده‌اند.
- ایجنت هوش مصنوعی
- آینده برنامه نویسی
- ایجنت کدنویسی
- مهندسی نرم افزار
سؤالی که این روزها از هر برنامه‌نویسی می‌پرسند ساده است: «هوش مصنوعی شغلت را می‌گیرد؟» جواب هم در تیترها معمولاً یکی از دو حد است: یا همه بیکار می‌شوند، یا هیچ چیز عوض نمی‌شود. آنچه منابع معتبر نشان می‌دهند، بین این دو است.
ایجنت کدنویسی دقیقاً چیست؟
چت‌بات به سؤال شما جواب می‌دهد. ایجنت کار را جلو می‌برد: برنامه می‌چیند، فایل‌ها را می‌خواند و تغییر می‌دهد، دستور اجرا می‌کند، تست می‌زند و اگر خطا گرفت دوباره تلاش می‌کند. به همین دلیل نقش توسعه‌دهنده هم در حال تغییر است.
گزارش روندهای کدنویسی Anthropic این تغییر را حرکت از نوشتن کد به هدایت ایجنت‌هایی می‌داند که کد می‌نویسند. Anthropic خودش این ابزارها را می‌فروشد، پس این گزارش را نگاه یک طرف ذی‌نفع بدانید.
پس چرا همه چیز سریع‌تر نشده؟
Chris Ford، معمار ارشد Thoughtworks، در مقاله نوامبر ۲۰۲۶ مشکلاتی را توضیح می‌دهد که فقط در مقیاس بزرگ دیده می‌شوند:
- بازبینی، گلوگاه جدید است. ذهن انسان محدود است و وقتی چند ایجنت هم‌زمان کار می‌کنند، بازبینی عقب می‌ماند. او نسبت به تأیید چشم‌بسته تغییرات هشدار می‌دهد.
- زمینه مشترک مهم‌تر از اندازه مدل است. قراردادهای نانوشته تیم و تعریف «کار تمام شد» خودبه‌خود به ایجنت منتقل نمی‌شوند.
- هزینه واقعی است. ایجنت‌ها خیلی سریع‌تر از یک چت ساده توکن مصرف می‌کنند. به گفته او، مدل ارزان‌تر با ساختار کاری خوب از مدل گران با ساختار بد بهتر عمل می‌کند. پیشنهادش این است که هزینه هر کار تمام‌شده را بسنجید، نه هزینه هر توکن.
در سوی دیگر، گزارش پاییز Veracode نشان می‌دهد حدود ۴ مورد از هر ۱۰ کاری که مدل‌ها انجام می‌دهند هنوز آسیب‌پذیری امنیتی دارد. پس نیاز به کسی که بفهمد چه چیزی منتشر می‌شود از بین نرفته است.
چه چیزی واقعاً در خطر است؟
کارهایی که هم تکراری‌اند و هم خروجی‌شان راحت بررسی می‌شود، زودتر از همه خودکار می‌شوند: صفحه‌های ساده، کدهای قالبی، تبدیل داده و تست‌های ابتدایی. اگر شغل کسی فقط تبدیل یک توضیح روشن به کد است، این شغل واقعاً زیر فشار است.
اما مهندسی نرم‌افزار فقط این نیست. در کار واقعی، بخش سخت معمولاً این است که بفهمیم چه چیزی باید ساخته شود و وقتی سیستم نیمه‌شب خراب شد، چرا خراب شده است.
کدام مهارت‌ها ارزشمندتر شده‌اند؟
- طراحی سیستم: مرز سرویس‌ها، مدل داده و رفتار سیستم هنگام خطا تصمیم‌هایی هستند که ده‌ها فایل کد بر پایه آن‌ها نوشته می‌شود.
- خواندن و بازبینی کد: وقتی تولید کد ارزان می‌شود، تشخیص کد خوب از کد بد مهارت کمیاب‌تری می‌شود.
- دیباگ و شناخت پروداکشن: فهمیدن لاگ، دیتابیس، صف و شبکه.
- امنیت: به‌ویژه دسترسی، پرداخت و داده حساس.
- تعریف دقیق مسئله: ایجنت همان چیزی را می‌سازد که خواسته‌اید، حتی اگر اشتباه خواسته باشید.
- تست: بدون تست خوب، نه ایجنت می‌فهمد کارش درست است و نه شما.
ابزار عوض شده است، ولی مسئولیت نه. کسی که کد را منتشر می‌کند، هنوز باید بتواند از آن دفاع کند.
اگر برنامه‌نویس هستید چه کنید؟
- همین حالا با یک ایجنت روی پروژه واقعی کار کنید. فاصله دانستن و بلد بودن در استفاده روزمره پر می‌شود.
- هر چه ایجنت نوشت را بخوانید و تا نفهمیدید، قبول نکنید. این مهم‌ترین عادت است، به‌خصوص برای برنامه‌نویس تازه‌کار.
- برای پروژه‌تان فایل راهنما بنویسید تا قواعد تیم به ایجنت منتقل شود.
- به ایجنت دسترسی حداقلی بدهید و کلید پروداکشن را در دسترسش نگذارید.
- مبانی را رها نکنید. بدون مبانی، خطای ایجنت را تشخیص نمی‌دهید.
اگر صاحب کسب‌وکار هستید چه کنید؟
ایجنت‌ها می‌توانند هزینه و زمان ساخت را کم کنند، ولی این به معنی بی‌نیازی از مهندس نیست. کسی باید معماری را بچیند، خروجی را بازبینی کند و مسئول سیستم در روز خرابی باشد. درباره خطرهای این مسیر، مقاله وایب کدینگ و خرابی در پروداکشن را بخوانید. اگر هم می‌خواهید بدانید هزینه ساخت نرم‌افزار از چه چیزی تشکیل می‌شود، آن راهنما را ببینید.
برای صحبت درباره پروژه‌تان، با من در تماس باشید.