کدنویسی با AI جا افتاد؛ حالا مسئلهٔ CIOها چیز دیگهایه
هوش مصنوعیخلاصهٔ کاملتر
گزارش InformationWeek با یه تناقض شروع میشه که باید هر CIO رو نگران کنه: طبق آخرین نظرسنجی Stack Overflow از بیشتر از ۴۹ هزار توسعهدهنده، ۸۴٪ از ابزارهای AI استفاده میکنن یا قصد استفاده دارن؛ ولی مطالعهٔ ۲۰۲۶ پلتفرم DX Research روی ۱۲۱ هزار توسعهدهنده نشون میده رشد بهرهوری حدود ۱۰٪ متوقف شده، اون هم در حالی که ۹۳٪ سراغ AI میرن.
به گفتهٔ نویسنده، این عدد فقط یه نشونهست. تغییر عمیقتر اینه که AI صرفاً سرعت ساخت نرمافزار رو عوض نکرده؛ داره عوض میکنه که توسعهدهنده اصلاً چیکار میکنه، تیمها چطور چیده میشن و — مهمتر از همه — نسل بعدی مهندسها چطور یاد میگیرن.
کای چوانگ، مدیر ارشد اطلاعات Circles، میگه کار توسعهدهندههاش از کدنویسی مستقیم به سمت طراحی و معماری سیستم رفته و سرعت این جابهجایی غافلگیرش کرده؛ به گفتهٔ او همین که تیم به خروجی اعتماد کرد، گذار به تولید کد تقریباً کامل با AI خودبهخود و بدون هیچ دستور از بالا اتفاق افتاد. تو UiPath هم راگو مالپانی میگه خیلی بیشتر از نصف کدی که به پروداکشن میره رو ایجنتهای کدنویس نوشتن و توسعهدهندهها دارن به بازبین و طراح سیستم تبدیل میشن.
اریک براون از West Monroe مهارت کمیاب امروز رو اینطور تعریف میکنه: دونستن اینکه چی باید ساخته بشه، چطور معماری بشه، امن هست یا نه، و اصلاً نتیجهٔ کسبوکاری رو جلو میبره یا نه. به گفتهٔ او شرکتهایی برندهن که کل چرخهٔ عمر توسعه رو حول AI بازطراحی کنن؛ اونایی که فقط ابزار دست توسعهدهنده میدن، فعالیت بیشتری میگیرن نه لزوماً نتیجهٔ بهتر.
نکتهٔ دوم گزارش اینه که شاید اصلاً چیز درستی اندازه گرفته نمیشه. فیل لزلی از Cornerstone Research میگه تو بیشتر از یک میلیون رکورد زمانی، سهم ساعتهای تحلیلگرها عملاً تغییری نکرده، ولی ترکیب کار عوض شده: زمان کمتر روی کدنویسی و دیباگ، زمان بیشتر روی تفسیر و روششناسی. تو بانک آمریکا هم که بیشتر از ۱۸ هزار توسعهدهنده از دستیار کدنویسی استفاده میکنن، بازدهی بالای ۲۰٪ گزارش شده، ولی مدیر ارشد فناوریش میگه سرعت خام اصل ماجرا نیست.
براون پیشنهاد میده بهجای شمردن seat و توکن و خط کد — که همهشون معیار فعالیتن — داشبوردی ساخته بشه که زمان چرخه از ایده تا پروداکشن، تعداد دیپلوی، نرخ شکست تغییرات، نقصهای فرارکرده، آسیبپذیریهای امنیتی و سهم کد AI که اصلاح جدی انسانی میخواد رو دنبال کنه. دادهها هم دلیلش رو نشون میدن: تحلیل GitClear روی ۲۱۱ میلیون خط کد میگه churn بین ۲۰۲۰ تا ۲۰۲۴ تقریباً دو برابر شده و بازآرایی کد از ۲۵٪ به زیر ۱۰٪ افت کرده، و بنچمارک ۲۰۲۶ شرکت Opsera میگه بازبینی pull request های تولیدشده با AI ۴.۶ برابر بیشتر طول میکشه و ۱۵ تا ۱۸ درصد آسیبپذیری امنیتی بیشتری دارن.
ولی جدیترین ریسک تو معیارهای امسال پیدا نمیشه. کارهای روتینی که AI الان جذب کرده — رفع باگ، مستندسازی، پوشش تست — دقیقاً همون چیزی بود که توسعهدهندهٔ تازهکار باهاش پخته میشد. براون هشدار میده اگه این پله برداشته بشه و مدل کارآموزی تازهای جاش نیاد، دو سه سال دیگه شکاف استعداد درست میشه. لزلی هم حذف نقشهای سطح ورودی رو «تقریباً یه در یکطرفه» میدونه، چون مدل کارآموزی همون چیزیه که قضاوت آدمهای ارشد رو میسازه.
راهحل پیشنهادی، نگه داشتن نیروی تازهکار با تعریف تازهست: کسی که بلده سؤال درست بپرسه، نیت کسبوکاری پشت نرمافزار رو بفهمه و ارزیابی کنه که خروجی AI واقعاً مسئله رو حل میکنه یا نه. همزمان، حکمرانی از حاشیه به مرکز کار میاد — به گفتهٔ مالپانی تمرکز داره از بازبینی خطبهخط کد به حکمرانی کل چرخهٔ عمر نرمافزار جابهجا میشه: تست، دیپلوی، دسترسیها، قابلیت ممیزی و رفتار زمان اجرا.
نکات کلیدی:
- ۸۴٪ توسعهدهندهها سراغ AI رفتن ولی رشد بهرهوری حدود ۱۰٪ متوقف شده
- نقش توسعهدهنده داره از نویسندهٔ کد به بازبین و طراح سیستم تغییر میکنه
- معیارهای رایج (seat، توکن، خط کد) فعالیت رو میسنجن، نه نتیجهٔ کسبوکاری
- GitClear: تقریباً دو برابر شدن churn کد و افت بازآرایی از ۲۵٪ به زیر ۱۰٪
- Opsera: بازبینی PRهای AI ۴.۶ برابر طولانیتر و ۱۵ تا ۱۸ درصد آسیبپذیرتر
- حذف نقشهای سطح ورودی، شکاف استعداد دو سه ساله میسازه چون مسیر کارآموزی از بین میره
- حکمرانی کل چرخهٔ عمر داره جای بازبینی خطبهخط کد رو میگیره
