
هوش مصنوعی کدنویسی را ارزان نکرد؛ قواعد بازی را تغییر داد
این روزها یک جمله را خیلی زیاد میبینم:
«اگر میخواهی سایت یا پروژهات به مشکل بخورد، از وایب کدینگ استفاده کن.»
یا کمی فنیتر:
«کدی که با هوش مصنوعی نوشته شده قابل اعتماد نیست.»
راستش را بخواهید، اگر منظور از وایب کدینگ این باشد که یک نفر بدون اینکه دقیقاً بداند چه میخواهد، چند جمله برای هوش مصنوعی بنویسد، خروجی را کپی کند، تست نکند، معماری را بررسی نکند و مستقیم روی Production قرار دهد، من هم با این حرف موافقم.
این روش میتواند پروژه را به یک فاجعه تبدیل کند.
اما به نظرم اینجا یک اشتباه مفهومی اتفاق افتاده است.
ما داریم درباره یک ابزار جدید با ذهنیت قدیمی قضاوت میکنیم.
مسئله اصلی «وایب کدینگ» نیست.
مسئله این است که هنوز دقیقاً نمیدانیم با افزایش شدید بهرهوری ناشی از هوش مصنوعی چه کار کنیم.
وایب کدینگ دقیقاً چیست؟
وایب کدینگ را میتوان خیلی ساده اینطور توضیح داد:
به جای اینکه توسعهدهنده تمام جزئیات پیادهسازی را خودش بنویسد، مسئله و خواسته را با زبان طبیعی برای یک مدل هوش مصنوعی توضیح میدهد و مدل بخش زیادی از کد را تولید میکند.
مثلاً توسعهدهنده میتواند بگوید:
«برای این صفحه یک فرم ثبتنام بساز که Validation داشته باشد، خطاها را نمایش بدهد و با API ثبتنام ارتباط برقرار کند.»
و بخش قابل توجهی از پیادهسازی توسط AI انجام شود.
این اتفاق البته چیز کاملاً جدیدی نیست.
ما سالهاست ابزارهایی ساختهایم که بخشهایی از کار برنامهنویس را خودکار کنند.
IDEها، Autocompleteها، Frameworkها، Libraryها، Package Managerها و ابزارهای Code Generation همه بخشی از همین مسیر بودهاند.
هوش مصنوعی فقط این مسیر را با سرعت بسیار بیشتری جلو برده است.
بنابراین سؤال اصلی دیگر این نیست که:
«آیا AI میتواند کد بنویسد؟»
جواب این سؤال مشخص است.
سؤال مهمتر این است:
«وقتی AI میتواند بخش بزرگی از تولید کد را انجام دهد، نقش مهندس نرمافزار چه میشود؟»
مشکل زمانی شروع میشود که AI را «کارگر ارزانتر» ببینیم
به نظرم یکی از خطرناکترین برداشتها از هوش مصنوعی همین است.
اینکه بگوییم:
«قبلاً برای انجام این کار به دو برنامهنویس نیاز داشتیم، حالا AI داریم؛ پس همان خروجی را با همان شرایط و هزینه قبلی میگیریم.»
اینجا یک اتفاق عجیب رخ میدهد.
فناوری بهرهوری را بالا برده، اما مدل اقتصادی و ذهنیت سازمانی تغییر نکرده است.
این موضوع فقط درباره برنامهنویسی نیست.
در بسیاری از صنایع، وقتی یک تکنولوژی جدید باعث افزایش بهرهوری میشود، یک سؤال مهم مطرح میشود:
این افزایش بهرهوری قرار است کجا خرج شود؟
قرار است محصول بهتر شود؟
قیمت پایینتر بیاید؟
سرعت توسعه بیشتر شود؟
تیم کوچکتر اما متخصصتر شود؟
یا صرفاً قرار است همان خروجی قبلی را با فشار بیشتر روی آدمها تولید کنیم؟
در دنیای نرمافزار هم دقیقاً همین مسئله وجود دارد.
اگر AI باعث شود یک تیم در یک ماه کاری را انجام دهد که قبلاً سه ماه طول میکشید، این لزوماً به این معنا نیست که:
«پس ارزش کار آن تیم یکسوم شده است.»
ممکن است معنایش این باشد که حالا همان تیم میتواند زمان بیشتری روی محصول، کیفیت، آزمایش، امنیت و تجربه کاربر بگذارد.
این تفاوت بسیار مهم است.
برنامهنویس قرار نیست با AI مسابقه تایپ بدهد
اگر مزیت اصلی یک برنامهنویس تعداد خطوط کدی بود که در روز مینوشت، احتمالاً AI باید از مدتها قبل جای همه ما را میگرفت.
اما مهندسی نرمافزار هیچوقت فقط تایپ کردن کد نبوده است.
بخش مهمی از کار یک مهندس نرمافزار قبل از نوشتن حتی یک خط کد اتفاق میافتد:
فهمیدن مسئله.
پیدا کردن نیاز واقعی کاربر.
انتخاب معماری.
مدیریت State.
طراحی API.
مدیریت خطا.
امنیت.
Performance
Database Design.
Scalability.
Testing.
Observability.
و دهها تصمیم دیگری که شاید در خروجی نهایی فقط چند خط کد دیده شوند، اما پشت همان چند خط، ساعتها فکر وجود داشته باشد.
AI میتواند برای بسیاری از این موارد پیشنهاد بدهد.
حتی گاهی پیشنهاد بسیار خوبی هم بدهد.
اما یک تفاوت اساسی وجود دارد:
AI میتواند پیشنهاد بدهد؛ مسئولیت تصمیم همچنان با انسان است.
اگر فردا Database شما خراب شود، کاربر اطلاعاتش را از دست بدهد یا یک باگ امنیتی وارد Production شود، نمیتوانیم بگوییم:
«خب، ChatGPT این کد را نوشته بود.»
مسئولیت همچنان با تیمی است که آن سیستم را ساخته و منتشر کرده است.
پس آیا وایب کدینگ خطرناک است؟
بله.
اما نه به شکلی که معمولاً دربارهاش صحبت میشود.
وایب کدینگ زمانی خطرناک است که با عدم فهم ترکیب شود.
اگر توسعهدهنده نداند کدی که AI تولید کرده چه میکند، مشکل داریم.
اگر هیچ تستی وجود نداشته باشد، مشکل داریم.
اگر Code Review انجام نشود، مشکل داریم.
اگر Dependencyها بررسی نشوند، مشکل داریم.
اگر Performance اهمیت نداشته باشد، مشکل داریم.
اگر Security بررسی نشود، مشکل داریم.
اگر معماری فقط از روی چند Prompt شکل بگیرد، مشکل داریم.
اما آیا این مشکلات مخصوص AI هستند؟
نه.
یک برنامهنویس میتواند تمام این اشتباهات را بدون AI هم انجام دهد.
حتی میتواند کدی بسیار بدتر بنویسد؛ فقط با این تفاوت که خودش آن را نوشته است.
بنابراین شاید بهتر باشد به جای اینکه بگوییم:
Vibe Coding Bad
بگوییم:
Unreviewed Coding Bad.
کدی که بررسی نشده، چه توسط انسان نوشته شده باشد و چه توسط AI، کد قابل اعتمادی نیست.
اتفاقاً AI میتواند برنامهنویس بهتر را قویتر کند
این بخش ماجرا کمتر دیده میشود.
یک برنامهنویس باتجربه وقتی از AI استفاده میکند، لزوماً فقط «کدنویسی سریعتر» نمیکند.
او میتواند سریعتر ایدههای مختلف را امتحان کند.
معماریهای متفاوت را مقایسه کند.
Prototype بسازد.
Documentation تولید کند.
Test Caseهای بیشتری ایجاد کند.
Refactor کند.
کدهای قدیمی را بهتر بفهمد.
و مهمتر از همه، زمان بیشتری برای حل مسئله داشته باشد.
فرض کنید قبلاً برای پیادهسازی یک Feature ساده، بخش زیادی از زمان توسعه صرف کارهای تکراری میشد.
حالا AI میتواند آن بخش را در چند دقیقه انجام دهد.
این اتفاق نباید باعث شود بگوییم:
«پس برنامهنویس دیگر کاری ندارد.»
باید بگوییم:
«حالا برنامهنویس زمان بیشتری برای کارهای مهمتر دارد.»
البته اگر سازمان اجازه بدهد.
اینجا نقش کارفرما خیلی مهم میشود
به نظرم یکی از بزرگترین بحثهای AI در صنعت نرمافزار اصلاً فنی نیست.
اقتصادی و مدیریتی است.
کارفرمایان باید یک تصمیم مهم بگیرند:
آیا AI را به عنوان ابزاری برای کاهش بیقیدوشرط هزینه نیروی انسانی می بینند؟
یا ابزاری برای افزایش ظرفیت تیم؟
این دو نگاه نتایج کاملاً متفاوتی دارند.
در نگاه اول، AI تبدیل میشود به ابزاری برای فشار بیشتر:
«قبلاً ده روز وقت داشتی، حالا با AI پنج روزه تحویل بده.»
بعد:
«قبلاً سه نفر بودید، حالا دو نفر کافی است.»
بعد:
«AI که بیشتر کار را انجام میدهد، پس چرا هزینه توسعه اینقدر است؟»
و در نهایت کیفیت محصول پایین میآید، Technical Debt افزایش پیدا میکند و تیمی باقی میماند که دائماً در حال خاموش کردن آتش است.
اما نگاه دوم متفاوت است:
«AI بخشی از هزینه و زمان تولید را کم کرده؛ پس با ظرفیت آزادشده چه ارزش بیشتری میتوانیم ایجاد کنیم؟»
این سؤال، سؤال بهتری است.
میتوانیم Feature بیشتری بسازیم.
تست بیشتری بنویسیم.
محصول را بهتر کنیم.
UX را بهبود دهیم.
Security را جدیتر کنیم.
Performance را بهتر کنیم.
بازخورد کاربران را سریعتر وارد محصول کنیم.
یا حتی محصولاتی را بسازیم که قبل از این از نظر اقتصادی امکان ساختشان وجود نداشت.
قیمت نرمافزار نباید بر اساس تعداد خطوط کد تعیین شود
یک سوءتفاهم دیگر هم این وسط وجود دارد.
بعضیها تصور میکنند چون AI تولید کد را ارزانتر کرده، قیمت توسعه نرمافزار هم باید به همان نسبت کاهش پیدا کند.
اما قیمت یک محصول نرمافزاری فقط قیمت «تولید کد» نیست.
هزینه فهم مسئله، طراحی، معماری، تصمیمگیری، مدیریت پروژه، تست، استقرار، نگهداری، رفع باگ، امنیت و مسئولیت هم وجود دارد.
حتی اگر تولید کد تقریباً رایگان شود، هنوز ساختن یک محصول خوب رایگان نیست.
مثلاً اگر به یک مدل بگوییم:
«برای من یک سیستم حسابداری بساز.»
ممکن است چند دقیقه بعد هزاران خط کد تحویل بگیریم.
اما آیا سیستم حسابداری ساختهایم؟
نه.
ما فقط کد داریم.
ساختن محصول واقعی نیازمند فهم مشکل است.
نیازمند تصمیمگیری است.
نیازمند Validation است.
نیازمند تست با کاربر واقعی است.
و نیازمند مسئولیتپذیری است.
این همان جایی است که ارزش مهندسی نرمافزار باقی میماند.
آینده متعلق به کسی نیست که AI را بیشتر استفاده میکند
به نظرم آینده متعلق به کسی است که بتواند AI را درست در فرآیند مهندسی قرار دهد.
توسعهدهندهای که فقط Prompt مینویسد، مزیت پایداری ندارد.
چون Prompt نوشتن را دیگران هم یاد میگیرند.
اما کسی که بتواند مسئله را تجزیه کند، Context مناسب به AI بدهد، خروجی را ارزیابی کند، معماری را کنترل کند، تست طراحی کند و در نهایت مسئولیت محصول را بپذیرد، یک مهارت بسیار ارزشمند دارد.
به همین دلیل فکر میکنم نقش برنامهنویس در حال حذف شدن نیست؛
در حال تغییر کردن است.
از کسی که بخش زیادی از وقتش را صرف تولید Syntax میکند، به کسی که بخش بیشتری از وقتش را صرف تصمیمگیری میکند.
و شاید این دقیقاً همان چیزی باشد که از یک مهندس نرمافزار انتظار داریم.
در نهایت، مشکل وایب کدینگ نیست
من با کسانی که میگویند استفاده کورکورانه از AI میتواند پروژه را نابود کند، کاملاً موافقم.
اما با این نتیجه که:
«پس وایب کدینگ بد است و نباید از AI برای توسعه نرمافزار استفاده کنیم»
موافق نیستم.
AI یک ابزار است.
مثل هر ابزار دیگری میتواند فوقالعاده مفید یا فوقالعاده خطرناک باشد.
مسئله این نیست که چه کسی کد را نوشته.
مسئله این است که چه کسی تصمیم گرفته این کد وارد محصول شود و آیا توانایی ارزیابی آن را داشته است یا نه.
و از طرف دیگر، کارفرماها هم باید بپذیرند که AI قرار نیست صرفاً یک «نیروی کار ارزانتر» باشد.
اگر فناوری باعث افزایش بهرهوری شده، میتوانیم از آن برای ساختن محصولات بهتر، سریعتر و خلاقانهتر استفاده کنیم.
نه اینکه همان مسیر قبلی را با یک ابزار جدید ادامه بدهیم.
قبلاً ممکن بود مشکل ما این باشد که با منابع انسانی بیشتر، همان کار را با فشار بیشتری انجام میدادیم.
حالا خطر این است که دقیقاً همان مدل ذهنی را به AI منتقل کنیم.
فقط با یک تفاوت:
این بار به جای اینکه از آدمها بیشتر کار بکشیم، از ابزار بیشتر کار میکشیم و انتظار داریم قیمت، کیفیت، زمان و مسئولیت هیچ تغییری نکند.
به نظرم این نگاه، بزرگترین اشتباه ما در مواجهه با AI است.
هوش مصنوعی قرار نیست فقط ارزانتر کدنویسی کند.
قرار است تعریف ما از «کدنویسی» را تغییر دهد.
و شاید سؤال درست این نباشد که:
«آیا وایب کدینگ خوب است یا بد؟»
سؤال درست این است:
«حالا که تولید کد ارزانتر و سریعتر شده، با زمان و ظرفیت آزادشده قرار است چه چیزی بسازیم؟»
پاسخ این سؤال، احتمالاً آینده صنعت نرمافزار را بیشتر از خودِ وایب کدینگ تعیین خواهد کرد.