کدنویسی هوشمند، توسعهدهندههای خستهتر
هوش مصنوعیخلاصهٔ کاملتر
ابزارهای کدنویسی مبتنی بر هوش مصنوعی در چند سال اخیر از یک «تکمیل خودکار باهوش» به ابزارهایی تبدیل شدن که میتونن کل اپلیکیشن رو از صفر بنویسن. این تحول به نظر میرسه بهرهوری رو بالا برده، اما سؤال اصلی اینه که آیا واقعاً کار مهندسان راحتتر شده؟
تحقیقات شرکت Smartsheet جواب جالبی داره: نه. تراکم اتوماسیون (Automation Intensity) برای کاربران سازمانی این شرکت سالانه ۵۵٪ رشد کرده و فعالیت کلی ۴۶٪ افزایش داشته. ساعتهای کاری تغییر نکرده، ولی حجم تصمیماتی که توسعهدهندهها باید در طول روز بگیرن خیلی بیشتر شده. Pratima Arora، مدیر ارشد محصول و فناوری Smartsheet، این پدیده رو اینطور توصیف میکنه: «ساعتها تغییر نکردن، ولی تراکم کار عوض شده.»
یکی از عینیترین نمونهها اینه که یه مهندس نرمافزار تونسته ۷ برابر بقیه کد تولید کنه؛ کدهایی با کیفیت بالا. اما نتیجه؟ شش نفر دیگه از تیم بیشتر وقتشون رو صرف ریویوی کد او میکردن تا نوشتن کد خودشون. این مثال نشون میده که تولید سریع کد، گلوگاه رو از نوشتن به بررسی و قضاوت منتقل کرده.
ریویوی کد بهخودیخود کار سبکی نیست. یه ریویوی مؤثر نیاز داره که بررسیکننده کل معماری سیستم رو در ذهن داشته باشه و تغییر جدید رو در اون زمینه ارزیابی کنه. این یعنی فشار روانی بالا؛ چون اگه چیزی از چشم ریویوور رد بشه، مسئولیتش با اونه. از طرف دیگه، تحقیقات نشون میده ۸۰٪ محتوای تولیدشده توسط هوش مصنوعی قبل از نهایی شدن ویرایش میشه، و برای کد هوش مصنوعی این کار سختتره چون هیچکس اون رو ننوشته و زمینهای برای درک اون وجود نداره.
نتیجه این تغییر، پدیدهای به اسم خستگی تصمیمگیری (Decision Fatigue) هست. وقتی مهندسان مجبور باشن در طول روز تصمیمات زیادی بگیرن، کیفیت اون تصمیمات بهتدریج پایین میاد. Arora به مثال نشت سورسکد اشاره میکنه که نتیجه خطای انسانی بوده: «حتی با قضاوت انسانی، گاهی اشتباه پیش میاد چون ممکنه در بعضی لحظات دقتمون کم بشه.»
راهحل پیشنهادی اینه که قضاوت انسانی جای خودش رو در سطح بالاتری از چرخه توسعه پیدا کنه. در ابتدای چرخه، تعریف نیازمندیها، محدودیتها و مشخصات؛ و در انتها، تأیید امنیت و نتایج نهایی. بهجای بررسی خطبهخط کد، باید روی خروجی نهایی و رفتار کلی سیستم تمرکز کرد. Fitz Nowlan از Smartbear میگه: «با intent، functionality و requirements فکر کن، نه با جزئیات پایینسطح API. وقتی سرعت توسعه ۱۰ برابر میشه، باید سرعت QA هم ۱۰ برابر بشه.»
نکات کلیدی:
- ابزارهای هوش مصنوعی کد بیشتری تولید میکنن، اما بار ریویو و قضاوت رو بر دوش مهندسان میذارن
- تراکم کاری توسعهدهندهها ۴۶٪ بیشتر شده، نه ساعتهای کاری کمتر
- گلوگاه اصلی SDLC از «نوشتن کد» به «قضاوت و تصمیمگیری» تبدیل شده
- خستگی تصمیمگیری میتونه کیفیت بررسیها رو پایین بیاره و خطاهای جدی ایجاد کنه
- راهحل: انسانها باید روی تعریف نیازمندیها و تأیید نتایج نهایی تمرکز کنن، نه بررسی جزئیات کد
