حتماً شما هم زیاد میشنوید که هوش مصنوعی دیر یا زود جای انسانها و بهخصوص برنامهنویسان را میگیرد. شاید حتی خودتان هم چند باری کدهای پیچیده و باگهای اعصابخردکن را به چتجیپیتی یا کلود سپردهاید و از سرعت بالای آنها شگفتزده شدهاید؛ اما کوشی جان (Koshy John)، مدیر ارشد مهندسی نرمافزار در مایکروسافت، در یادداشتی میگوید ماجرا چیز دیگری است.
او میگوید از گفتوگو با مدیران مهندسی در شرکتهای بزرگ فناوری به این برداشت رسیده که مهندسی نرمافزار کمکم آدمها را به دو گروهِ نهچندان دقیق تقسیم میکند.
- گروه اول، از این فناوری برای حذف کارهای وقتگیر و افزایش سرعت استفاده میکند؛ سپس زمانِ باقیمانده را به بخشهای مهمترِ کار اختصاص میدهد، مثلاً تعریف دقیق مشکل، سبکسنگین کردن راهکارها، پیشبینی خطرات احتمالی و رسیدن به راهکار درست.
- گروه دوم اما از هوش مصنوعی برای «فرار از فکر کردن» کمک میگیرد. آنها صرفاً درخواست خود را قالب یک «پرامپت» (Prompt) کپی میکنند و خروجیِ آماده را تحویل میگیرند. سپس این خروجی را طوری در جلسات ارائه میدهند که انگار حاصلِ تلاشِ خودشان است. این کار شاید در نگاه اول شبیه به «بهرهوری» و «سرعت» به نظر برسد، اما در واقع یک بنبستِ شغلی بزرگ است.
برنامهنویسان موفقِ آینده کسانی نیستند که همهی کارها را بهتنهایی انجام میدهند، بلکه آنهایی هستند که کارهای تکراری را به ماشین میسپارند، اما تمام فرایندهای طیشده را به خوبی درک میکنند. این مهندسان بهجای اینکه «فرایند تفکر» را کاملاً به هوش مصنوعی واگذار کنند، آن را ارتقا میدهند.
خطرِ بزرگِ سپردنِ تفکر به هوش مصنوعی
هوش مصنوعی همین حالا میتواند در عرض چند ثانیه کد بنویسد، خلاصهی جلسات روزانه را آماده کند و مفاهیم بسیار پیچیده را توضیح دهد. این قابلیتها فوقالعادهاند، اما خطر اصلی این نیست که هوش مصنوعی انسانها را تنبل میکند؛ خطرِ واقعی این است که باعثِ «تظاهر به تخصص داشتن» میشود، بدون اینکه واقعاً تخصصی در کار باشد.
زیاد پیش میآید که مشکلی را در قالب پرامپت به یک مدل زبانی بدهیم، پاسخِ منطقی دریافت کنیم و سپس آن پاسخ را طوری برای دیگران تکرار کنیم که انگار خودمان کاملاً متوجهاش شدهایم.
وقتی دانشآموزی از روی دستِ شخص دیگری تقلب میکند، حداقل یک انسانِ واقعی با اندکی دانش، پاسخ ابتدایی را نوشته است؛ اما هنگام کار با هوش مصنوعی، استدلالی ارائه میشود که توسط ماشین تولید شده و کاربر گاهی آن را نمیفهمد، نمیتواند از آن دفاع کند و قادر نیست در صورت بروز مشکل، خودش استدلال را از نو خلق کند.
هر بار که خروجیِ آمادهی سیستم را جایگزینِ درکِ ذهنی خود میکنیم، فرصتِ طلاییِ تمرین برای تصمیمگیری را از دست میدهیم. در واقع ما در حال فدا کردن مهارتهای بلندمدت خود، برای حفظ ظاهری موفق در ارائهی راهحلهای کوتاهمدت هستیم.
برنامهنویس حرفهای چگونه رفتار میکند؟
بهترین برنامهنویسان قطعاً بیشترین استفاده را از هوش مصنوعی خواهند داشت، اما رویکرد آنها کاملاً متفاوت است. آنها «برخی» از کارها را به AI میسپارند، مانند:
- نوشتن کدهای تکراری پایه (Boilerplate)
- ساختار اولیهی تستها (Unit Tests)
- پیشنهاد برای بازطراحیِ و تمیز کردن کدها (Refactoring)
- خلاصهسازی داکیومنتها و مستندات
اما در کنارِ اینها، وظایف اصلی زیر را خودشان برعهده میگیرند:
- پرسشهای دقیقتر و عمیقتری از سیستم میپرسند و پرامپتها را مهندسی میکنند.
- بهجای واکنش نشان دادن به باگهای سطحی، مشکلِ اصلی را پیدا میکنند.
- بهجای استفاده از کدهای پیچیده و پرزرقوبرقِ ماشین، کدهای ساده و تمیز (Clean Code) مینویسند.
- در نهایت کارها را با اولویتبندی فکرشدهای پیش میبرند که بیشترین ارزش افزوده را برای محصول نهایی خواهد داشت.
ارزشِ واقعیِ کار یک برنامهنویس چیست؟
سالهاست که «توسعهی نرمافزار» با «تولیدِ کد» اشتباه گرفته میشود. اگر این شغل فقط دربارهی تولیدِ کدهای درست بود، هوش مصنوعی به راحتی و خیلی زودتر جایگزینِ بسیاری از برنامهنویسان میشد. اما وظیفهی یک برنامهنویس هرگز محدود به تایپ کد نیست و بخش پنهانتر کار، توانایی قضاوت و درکِ عمیقِ اوست.
برنامهنویسِ واقعی کسی است که محدودیتهای پنهان را پیش از Downtime و قطعیِ سرورها میبیند. او متوجه میشود که تیم در حالِ حل کردنِ مشکلِ اشتباه است. او میتواند یک نیاز مبهم را به مجموعهای از تصمیماتِ شفاف تبدیل کند و واقعیت را ایرادیابی (Debug) کند.
هوش مصنوعی هم میتواند بازوی اجرایی این فرایندها باشد، اما هرگز نمیتواند نقش مدیر فرایندها را ایفا کند. پس برنامهنویسِ واقعی جای خود را به ماشین نمیدهد، بلکه به کمک آن بهشدت توانمندتر میشود.
هشدارِ مهم به برنامهنویسانِ تازهکار
توجه به این نکات برای کسانی که به تازگی وارد بازار کار شدهاند یا در حال کارآموزیاند، حکم مرگ و زندگی را دارد. مهارتهای پایه در همین سالهای اول شکل میگیرند. توانمندیهای ارزشمندی مانند پیدا کردن خطا، سلیقه در معماریِ نرمافزار، تفکرِ انتقادی و قابلیت تجزیه و تحلیل، همگی نیازمند زمان و تجربهاند.
این مهارتها فقط از طریق درگیریِ ذهنی با «لاگِ ارورها» (Error Logs) ساخته میشوند. شما باید اشتباه کنید تا متوجه شوید چرا یک ایده در دنیای واقعی دوام نمیآورد. اگر برنامهنویسانِ تازهکار از هوش مصنوعی برای دور زدنِ این چالشها استفاده کنند، تیشه به ریشهی آیندهی شغلی خود زدهاند.
کسی که برای یافتنِ پاسخِ هر باگی بلافاصله به ChatGPT پناه میبرد، ممکن است در ماههای اول در چشم مدیران بسیار سریع و کارآمد به نظر برسد، اما به مرور دچار مشکل خواهد شد.
بگذارید یک مثالِ ملموس بزنیم: تکیه کردنِ کامل به هوش مصنوعی در ابتدایِ مسیرِ برنامهنویسی، درست مانند استفادهی همیشگی از برنامههای مسیریاب است. تا زمانی که چشمبسته فقط به صدای اپلیکیشن گوش میدهید، هرگز نقشهی شهر و کوچهپسکوچهها در ذهنِ شما ثبت نمیشود. اگر یک روز گوشی خاموش شود یا اینترنت وصل نشود، دیگر حتی راه خانهی خودتان را هم پیدا نخواهید کرد!
نقش مدیران کسبوکارها در عبور از بحران
یکی از ویژگیهای بارزِ مدیریتِ اصولی در عصر کنونی، تواناییِ تشخیص پاسخ ماشینی از استدلال انسانی است. مدیرانی که این تفاوت را متوجه نمیشوند، صرفاً به ظاهرِ کدها و سرعت بالای پرسنل پاداش میدهند. در این میان، ارزشهای تخصصیتر به راحتی نادیده گرفته میشوند.
این موضوع یک خطرِ فاجعهبار برای استارتاپها و شرکتهاست. اگر کسبوکاری اجازه دهد کدهای کپیشده از هوش مصنوعی رواج پیدا کنند، فضای علمیِ آن سازمان خیلی زود نابود میشود. جلسات Code Review بیمعنی میشود و مستنداتِ پروژهها، به متونِ طولانی اما غیرکاربردی تبدیل میشوند.
چالشِ امروزِ سازمانها فقط نصب ابزارهای جدید و دادن اکانتهای پریمیوم هوش مصنوعی به کارمندان نیست، بلکه حفاظت از فضایی است که در آن «تفکر واقعی» زنده بماند. سازمانها به فرآیندِ مصاحبهای نیاز دارند که شیوهی استدلالِ افراد را بسنجد، نه صرفاً کدهایی که حفظ کردهاند.
اگر مدیران یک کسب و کار به درستی عمل نکنند، نیروهای برتر و قدیمیترِ گروه خیلی زود تبدیل به افرادی میشوند که باید جور کدهای ضعیف و بیکیفیتِ بقیه را بکشند؛ مسیری که در نهایت به استعفای نخبگان و افت شدید کیفیت محصول منتهی خواهد شد.
آدرس مطلب: https://nooshdaroo.ir/safe-ecommerce-selling/ai-role-in-programming-skills/
