وقتی هوش مصنوعی به راحتی کد می زنه، نقش اصلی ما برنامه نویس ها چیه؟
این روزها با مدل هایی مثل Claude و ChatGPT، توسعه نرم افزار دیگه مثل گذشته کاری فرسایشی و طاقت فرسا نیست. بهش می گی چی می خوای و در کسری از ثانیه کدی تمیز تحویلت می ده.
خطاها رو خیلی سریع برطرف می کنه و حتی برای ساختار پروژه پیشنهادهای فنی و جذابی میده و میتونه با agent های مختلف پیاده سازیش هم کنه.
اما درست وسط همین راحتی و جذابیت های اولیه، یک دام بزرگ پنهان شده: «فکر می کنیم چون هوش مصنوعی کار یک متخصص رو انجام می ده، دیگه لازم نیست خودمون از پشت صحنه و معماری قضیه سر دربیاریم!»
واقعیت اینه که بازی عوض شده. چالش اصلی امروز دیگه صرفا نوشتن سینتکس نیست، بلکه
«تصمیم گیری مهندسی» است.
کدی که کار می کنه، اما در آینده سیستم رو دچار بحران می کنه!
فرض کنید دارید سیستم ثبت نام کاربرها رو پیاده می کنید. Claude پیشنهاد می ده:
«شماره موبایل کاربر رو کلید اصلی (Primary Key) توی دیتابیس بگذاریم.»
کدی که می ده کاملا درسته، تست ها هم پاس می شن و سیستم به ظاهر بدون هیچ مشکلی کار می کنه. اما آیا واقعا تصمیم درستی گرفتیم؟
- اگه ۶ ماه دیگه کاربر شماره موبایلش رو عوض کنه چی؟
- اگه خط به شخص دیگه ای واگذار بشه چطور؟
- اگه فردا روزی خواستیم قابلیت ورود با گوگل یا ایمیل رو اضافه کنیم، چه اتفاقی می افته؟
شش ماه بعد با رشد تعداد کاربرها، تازه متوجه می شیم کل معماری داده رو روی یک تصمیم اشتباه بنا کردیم و تغییر دادنش یک چالش فوق العاده پرهزینه و سخته.
اینجا هوش مصنوعی اشتباه نکرده بود، کد اون بی نقص بود، اما تصمیمی بود که ما بدون تحلیل عواقب بلندمدت، تاییدش کردیم. شاید هم حتی روحمون خبر نداشت که این تصمیم رو گرفتیم.
هوش مصنوعی توی اتاق جلسات استراتژی شما حضور نداره!
این موضوع فقط مخصوص برنامه نویسی نیست. از AI برای سئوی سایت راهنمایی می خواهید،
پیشنهاد میده فلان صفحه رو به خاطر ورودی ارگانیک پایین، کلاً noindex یا حذف کنید. این پیشنهاد بر اساس معیارهای الگوریتمی کاملا منطقیه.
اما آیا هوش مصنوعی اهداف کلان بیزینس شما رو می شناسه؟
- می دونه همون صفحه با ورودی کم، بالاترین نرخ فروش و بیشترین سودآوری رو برای شرکت داره؟
- از برنامه های توسعه محصول در ماه آینده باخبره؟
کی تصمیم‌میگیره اول رو long tail کار کنیم یا روی کلمات پر فروش. یه صفحه رو noindex کنیم یا پاک کنیم . میتونیم کنونیکال کنیم یا حتی ریدایرکت.
مسئولیت این تصمیمات واسه بیزینس با کیه؟
اینجاست که مرز بین «پیشنهاد دادن» و «تصمیم گرفتن» مشخص میشه. هوش مصنوعی تسلط کاملی روی ساختار و اهداف سازمان نداره و فقط یک مسیر رو پیشنهاد می کنه.
این وظیفه ماست که این پیشنهادها رو به چالش بکشیم و بپرسیم:
۱. چرا این راه حل؟
۲.این انتخاب چه بدهی فنی (Technical Debt) یا هزینه پنهانی برای سیستم ایجاد می کنه؟
۳. در صورت بروز مشکل در آینده، چقدر انعطاف پذیری برای تغییر معماری داریم؟
ارزش مهندسی نرم افزار کم نشده، بلکه لایه و سطح کارش بالاتر رفته. ما دیگه قرار نیست سر این رقابت کنیم که کی سریع تر سینتکس پایتون یا زبان های دیگه رو تایپ می کنه، بلکه
داریم از نقش یک کدنویس ساده به سمت «معمار نرم افزار و مهندس محصول» حرکت می کنیم.
شاید حتی نیاز نباشه هیچ زبانی رو دستی بنویسیم و فقط با زبان گفتار بگیم چی می خوایم، اما باز هم مسئولیت تصمیم گیری مهندسی از دوش ما برداشته نمی شه.
وقتی ساختن ابزارها ساده تر می شه، پرسش اصلی دیگه «چگونه ساختن» نیست، بلکه اینه:
«اصلا چرا باید این قابلیت رو بسازیم و ساختنش چه عواقبی برای سیستم و بیزینس داره؟»
شاید این روزها به جای اینکه از خودمون بپرسیم: «امروز چقدر کد زدم و چند خط کد نوشتم؟»
بهتر باشه این سوال رو مطرح کنم و با خودمون صادق باشیم: «کدوم تصمیم های مهم فنی رو بدون اینکه عواقب بلندمدتش رو درک کنم، به هوش مصنوعی واگذار کردم؟»
متخصص موفق آینده کسی نیست که سریع تر کد میزنه بلکه کسیه که با تکیه بر دانش و تحلیل خودش، تصمیم های بهتری می گیره.
نظر و تجربه شما چیه؟ توی پروژه هاتون چقدر به تصمیم های هوش مصنوعی تکیه می کنید؟ تا حالا پیش اومده کدی که AI داده اولش عالی کار کنه اما بعدا براتون بدهی فنی یا دردسر درست کنه؟
خوشحال می شم تجربیاتتون رو باهام به اشتراک بگذارید.
همچنین نسخه انگلیسی این مقاله رو تو مدیومم منتشر کردم.
