به نظرم این روزا دیگه هرکی یه دستی تو کار برنامهنویسی داره، حداقل اسم ابزارهای هوش مصنوعی رو شنیده یا حتی امتحانشون کرده. ولی واقعاً قضیه به این سادگی نیست که بگیم همه ازش راضیان! بعضیا میگن با این ابزارا سرعتشون شده دو برابر؛ بعضیا هم شاکیان که فقط دردسرش بیشتر شده و کد بیکیفیت تحویل میدن. خلاصه که هنوز همه به یه نتیجه نرسیدن.
حتی غولهای تکنولوژی مثل مایکروسافت و گوگل هم روش مانور میدن. مثلاً ساتیا نادلا (مدیرعامل مایکروسافت) و ساندار پیچای (مدیر گوگل) گفتن الان حدود یهچهارم کد شرکتهاشون رو هوش مصنوعی مینویسه! دایریو آمودی (مدیر Anthropic) هم تو یکی از پیشبینیهاش گفته تا چند ماه دیگه ۹۰٪ کدها با هوش مصنوعی نوشته میشن! جالبه چون هم کدنویسی خودش یک نوع زبانه و هم همیشه بهش زیاد نیاز داریم؛ تازه هزینهی انسانی بالایی هم داره.
ولی بین خودمون بمونه، وقتی بری تو دل کار، میبینی داستان کمی پیچیدهتره. مصاحبه MIT Technology Review با بیشتر از ۳۰ نفر از برنامهنویسها و مدیرهای فنی، نشون میده که هیشکی یه تجربهی یکسان نداره. بعضیا از هوش مصنوعی زده شدن چون فهمیدن محدودیت زیاد داره و حتی بهرهوری ادعایی توی واقعیت اونقدری هم که میگن نیست. مخصوصاً که سرعت پیشرفت ابزارا هم داره همه چیز رو هی تغییر میده، هر روز یه چیزی جدید میاد و باید دوباره عادت کنی بهش.
کدنویسی با هوش مصنوعی دقیقاً چه شکلیه؟
تا همین چند سال پیش (۲۰۱۶)، AI کدنویسی بیشتر حکم یه Auto Complete واسه برنامهنویسا رو داشت: فقط حدس میزد خط بعدی چیه. ولی الان داستان فرق داره. مدلهایی مثل Anthropic، OpenAI و Google ابزاری ساختن که میتونن حتی کل پروژه رو تحلیل کنن، تو چند تا فایل و به صورت همزمان باگ پیدا کنن، حتی داکیومنت بنویسن و خلاصه با یک گفتگوی ساده به زبان عادی (یعنی با همون زبان خودمون و نه دستورات خشک) راه میفتن.
موضوع جذابترش این «عاملها» یا همون Agents هستن — ابزاری که خودشون میتونن با یه توضیح کلی، خودشون پروژه رو از صفر تا صد بسازن. این یعنی مدلهای جدید AI رفتن فراتر از فقط تولید چند خط کد و حالا میتونن مرحله به مرحله مسئله رو حل کنن و حتی ابزارای خارجی رو هم به کار بگیرن، دقیقاً همون چیزی که بوریس چرنِی (مدیر پروژه Claude Code) بهش اشاره کرده.
آیا واقعاً AI بهرهوری رو اینقدر میبره بالا؟
یه سری آمار جالب داریم. بر اساس نظرسنجی Stack Overflow تو ۲۰۲۵، حدود ۶۵٪ برنامهنویسها هفتهای یه بار حداقل از این ابزارا استفاده میکنن. اوایل تقریباً همه شرکتا اعلام کردن با این هوش مصنوعی برنامهنویسا ۲۰ تا ۵۵٪ سریعتر کاراشون رو تموم میکنن. ولی مشاوره Bain & Company (توی یه گزارش جدید) میگه این صرفهجوییها تو عمل «چنگی به دل نمیزنه». دانشگاه METR هم توی یه تست نشون داد وقتی از کارشناسها پرسیدن چقدر سریعتر شدن، گفتن ۲۰٪، ولی واقعاً ۱۹٪ کندتر بودن!
آمار GitClear هم جالبه: مهندسا از ۲۰۲۲ تقریباً ۱۰٪ کد بیشتری تولید کردن (کدی که حذف نشده یا سریع تغییر نکرده)، احتمالاً به خاطر AI. ولی کیفیت بعضی شاخصهای کد هم افت جدی داشته. همین تجربه متناقض، باعث شده خیلیا شک کنن واقعاً AI معجزه میکنه یا نه.
دغدغه کدنویسهای حرفهای چیه؟
برنامهنویسهای حرفهای میگن AI واسه تولید قالبهای تکراری کد (بهش میگن Boilerplate)، تست نویسی، رفع باگ و توضیح دادن کد به تازه واردها عالیه. حتی میتونه به غیر فنیها کمک کنه نسخه اولیه نرمافزار رو سریع بسازن. ولی مسائل عدیدهای وجود داره:
۱. مشکل محدودیت حافظه (Context Window) — مدلهای LLM فقط میتونن حجم محدودی از اطلاعات رو تو ذهنشون نگه دارن، یعنی به سرعت یادشون میره چی داشتن مینوشتن یا کار قبلی چی بود.
۲. مدلها یه وقتایی جواب غلط یا ناکامل میدن. “Hallucination” یعنی هوش مصنوعی بعضی وقتا کلاً جداول و اطلاعات مزخرف میسازه؛ مثلاً یه کتابخونهای رو معرفی میکنه که اصلاً وجود نداره!
۳. رعایت نکردن استانداردهای هر پروژه — تو هر تیم برنامهنویسی یه سری قانون نانوشته و سبک خاص وجود داره. AI معمولاً اینو نمیفهمه و یه نسخه متفاوت تولید میکنه.
۴. وقتی کاربر خودش به موضوع مسلط نیست، ممکنه AI حسابی گیجش کنه و کلی وقتش رو حروم کنه تا بفهمه کجای کار اشتباه بوده.
۵. افزایش «بدهی فنی» یا همون Technical Debt — اینو اینجوری توضیح بدم: هرچی سر و ته کار رو بزنی که زودتر برسونی، بعداً باید چندبرابر وقت برای مرتب کردن و نگهداری بذاری. AI این فرایند رو (متاسفانه) خیلی بیشتر کرده.
تازه یه بحث امنیتی هم داریم. بعضیا میگن AI ممکنه باعث افزایش مشکلات امنیتی بشه. مثلاً مدلهایی بودن که پکیجهای غیرواقعی رو معرفی کردن و بعضی هکرها هم از این موضوع سواستفاده میکنن!
راحت شدیم یا به دردسر افتادیم؟
جالبه بدونی با وجود همه این حرفا، هنوز استقبال از AI داره بیشتر میشه، حتی خیلیا مثل مدیران Coinbase کارمندایی که با AI کار نمیکردن رو اخراج کردن! منتقدها میگن چرا آمار رشد برنامهها، سایتها و پروژهها منفجر نشده، پس اون صرفهجویی کجاست؟ حالا بعضیا معتقدن اگر کل فرایندها (مثل بررسی بازخورد مشتری و تصمیمات محصولی) هم با AI اتومات بشه، اون موقع سرعت واقعاً معنیدار میشه.
یه سری از برنامهنویسای حرفهای هم بودن که اولش از هوش مصنوعی ناامید شدن، ولی کمکم قلق کار کردن باهاش دستشون اومد و حالا میگن بالای ۹۰٪ کدشون رو مدلها مینویسن! بعضیا (مثل آرمن روناشر) تجربه کردن که باید کلی آزمون و خطا بکنی تا بفهمی هر مدل تو چه نوع پروژههایی جواب میده و کجا گیر میکنه. نیکو وستردیل هم از تجربش گفته که برای یه پروژهی عظیم (۱۰۰ هزار خط!) تقریباً همه رو با راهنمایی مدل نوشته. میگه: اگر ساختار و معماری کل رو به مدل بگی و درست مدیریت کنی، نتیجه واقعاً عالی میشه.
یادگیری با هوش مصنوعی خودش چالش جالبیه. یکی ممکنه تو بعضی پروژهها ۲۰ برابر سریعتر بشه، یه وقتایی هم برعکس فقط گیر میافته تو حلقه باطل!
یه مشکل جدید: نسل جدید برنامهنویسا
شاید مهمترین ایراد، این باشه که افراد کمتری یاد میگیرن که واقعاً خودشون کدنویسی کنن. یه تحقیق استنفورد نشون داده تو سالهای اخیر (۲۰۲۲ تا ۲۰۲۵) تعداد برنامهنویسای ۲۲ تا ۲۵ سال تقریباً ۲۰٪ کم شده — دقیقاً همزمان با اوج گرفتن هوش مصنوعی تو این رشته. این یعنی اگه مدتی دستت از ابزار کوتاه بشه، حتی کارهای ساده هم یادت میره و حس میکنی گیج شدی. خلاصه شاید نسل جدید دیگه حوصلهی کدنویسی دستی مثل قبلو نداشته باشه.
اما…
با وجود همه این حرفا، واقعیت اینه که آینده به سمت برنامهنویسی با کمک هوش مصنوعی میره. مدلها هر روز دارن بهتر میشن. مثلاً ویژگی جدیدی که Anthropic به مدلش اضافه کرده باعث شده مدیریت حافظهش خیلی بهتر بشه. یا حتی تِگمارک (استاد MIT) داره ایدهی “Vericoding” رو مطرح میکنه، یعنی تولید کد صد درصد بدون باگ و با اثبات ریاضی — چیزی که فعلاً فقط تو پروژههای بسیار حساس مثل سیستم پرواز یا رمزنگاری استفاده میشه.
و حتی شاید تعدد و سرعت تولید کد باعث بشه برای نگهداری بهش اونقدری وابسته نباشیم. الکس وردن (مهندس Intuit) میگه شاید دیگه لازم نیست این همه کد تکراری رو کش بدیم یا بار نگهداری زیاد بشه؛ هر بخش نرم افزار روایت مستقل داشته باشه و به راحتی جایگزین بشه. به قول خودش: “آیا واقعاً آینده مهمه که انسانها دیگه کد تولید شده توسط هوش مصنوعی رو بررسی کنن؟”
نتیجه؟
کدنویسی با هوش مصنوعی هنوز کلی چالش داره؛ از شور و اشتیاق تو دنیای برنامهنویسا تا ناامیدی، از یادگیری تا ایستادن جلوی مشکلات فنی و امنیتی و حتی نگرانی بابت نسل آینده. اما هر کاری هم بکنیم، دیگه به عقب برنمیگردیم — زمانش رسیده فرهنگ کارمون رو تغییر بدیم و فکری به حال آموزش و شکل تیمسازی با این ابزارهای جدید بکنیم!
منبع: +
