پنج ترندی که مهندسی هوش مصنوعی ۲۰۲۶ رو تعریف کرد
هوش مصنوعیخلاصهٔ کامل‌تر
ریچارد مک‌منس تو گزارشش از AI Engineer World's Fair 2026 می‌نویسه سه سال بعد از اینکه swyx اصطلاح «مهندس هوش مصنوعی» رو ساخت، این حوزه به بلوغ رسیده و کارهایی مثل ساخت ایجنت کدنویسی، طراحی هارنس، مدیریت کانتکست و ارزیابی خروجی مدل دارن به بخشی از مهندسی نرم‌افزار جریان اصلی تبدیل می‌شن.
ترند اول: تمرکز از خود ایجنت به سیستم اطرافش منتقل شده. نویسنده برای نشون دادنش دو مقالهٔ لیلیان ونگ رو مقایسه می‌کنه؛ مقالهٔ ۲۰۲۳ که ایجنت رو با برنامه‌ریزی، حافظه و ابزار توصیف می‌کرد، و مقالهٔ ۲۰۲۶ که می‌گه هارنس — یعنی مدیریت گردش‌کار، کانتکست، دسترسی‌ها، ارزیابی و وضعیت پایدار — به‌اندازهٔ خود مدل مهم شده. امسال دیگه اسمی از AutoGPT نبود و بحث حول Claude Code و Codex و Gemini CLI و Cursor و Warp می‌چرخید.
نکتهٔ ظریفی هم کنارش هست: حتی شرکت‌های پیشرو کاملاً نمی‌دونن مدل‌هاشون چطور دارن تغییر می‌کنن. تو یکی از کی‌نوت‌ها گفته شد «مدل‌ها رشد داده می‌شن، طراحی نمی‌شن» و از یه «سرریز توانایی» حرف زده شد که باعث میشه مدل به‌شکل ناهموار باهوش‌تر بشه — دلیل بیشتری برای ساختن سیستم ارزیابی و پایش.
ترند دوم مهندسی حلقه‌هاست. واژهٔ پرتکرار کنفرانس «loop» بود و ایدهٔ غالب اینه که آدم بره تو «حلقهٔ بیرونی» و کار عمدتاً خودگردان ایجنت‌ها تو «حلقهٔ درونی» انجام بشه؛ حلقهٔ درونی سیستم اصلیه که با کاربر کار می‌کنه و حلقهٔ بیرونی سیستمیه که اون رو مطالعه و نگهداری می‌کنه. جمع‌بندی ادی عثمانی اینه: «ایجنت‌ها می‌تونن بخش بزرگ‌تری از حلقهٔ اجرای درونی رو ببرن، ولی حلقهٔ بیرونی هنوز مهندسیه.» منتقدها هم بودن؛ یکی گفته «هایپ داره از انضباط جلو می‌زنه».
ترند سوم ورود این سبک کار به سازمان‌هاست، عمدتاً از راه نقش تازه‌ای به اسم «مهندس مستقر» (FDE) که مستقیم کنار تیم مشتری کار می‌کنه. به گفتهٔ حاضران، چالش اصلی سازمان‌ها ارکستراسیون و نگهداری همهٔ یکپارچه‌سازی‌هاست و معیار موفقیت اینه که بعد از رفتن تیم، چیزی که ساخته شده خاموش نشه. اصطلاح «کارخانهٔ نرم‌افزار» هم زیاد شنیده شد: انتخاب اینکه کدوم بخش چرخهٔ عمر خودکار بشه و آدم کجا وارد حلقه بشه.
ترند چهارم اینه که ایجنت‌های کدنویسی دارن جای IDE رو به‌عنوان رابط اصلی توسعه‌دهنده می‌گیرن. سال ۲۰۲۳ کمک هوش مصنوعی یعنی تکمیل چند خط کد بود؛ حالا ابزارها هدف کلی رو می‌فهمن، کدبیس رو می‌گردن، چند فایل رو تغییر می‌دن، تست اجرا می‌کنن و قبل از تحویل روی کار خودشون تکرار می‌کنن. یکی از مدیران ورسل گفته ایجنت‌ها عملاً یه نوع نرم‌افزار جدیدن: زیرساختشون شبیهه، ولی تعامل و خروجی‌شون خیلی پویاتر و کمتر قابل‌پیش‌بینیه.
ترند پنجم skills ـه؛ مفهومی که آنتروپیک با معرفی مهارت‌های ایجنت برای Claude محبوبش کرد. به تعریفی که تو گزارش نقل شده، مهارت‌ها گردش‌کارها، دروازه‌های کیفیت و بهترین‌روش‌های مهندس‌های ارشد رو رمزگذاری می‌کنن. یکی از سخنران‌های گوگل دیپ‌مایند نشون داده مهارت‌ها نیاز به کد ارکستراسیون رو کم می‌کنن: «ایجنت‌ها فقط فایل‌ان.» هشدار هم بود: اگه همه از یه مهارت مشترک برای طراحی رابط استفاده کنن، خروجی همه شبیه هم میشه.
جمع‌بندی نویسنده اینه که سه سال پیش بحث سر این بود که آیا مدل‌ها اصلاً می‌تونن ایجنت باشن، و جواب معمولاً منفی بود. حالا که کار می‌کنن و مقیاس هم گرفتن، کنفرانس تونسته سراغ مسائل بزرگ‌تر بره: سیستم‌های قابل اتکا، ارکستراسیون تیم‌های ایجنت، مدیریت کانتکست و ارزیابی خروجی. به گفتهٔ نویسنده، «مهندس هوش مصنوعی» بیشتر از اینکه یه عنوان شغلی تازه باشه، داره تبدیل میشه به توصیف مسیری که کل مهندسی نرم‌افزار داره می‌ره.
نکات کلیدی:
- تمرکز از خود ایجنت به هارنس اطرافش منتقل شده: کانتکست، دسترسی، ارزیابی و وضعیت پایدار
- الگوی حلقهٔ درونی/بیرونی: ایجنت اجرا می‌کنه، آدم جهت و نظارت رو نگه می‌داره
- نقش «مهندس مستقر» (FDE) دروازهٔ ورود این سبک کار به سازمان‌هاست
- ایجنت‌های کدنویسی دارن جای IDE رو به‌عنوان رابط اصلی توسعه‌دهنده می‌گیرن
- مهارت‌ها (skills) به لایهٔ مشترک همهٔ پلتفرم‌ها تبدیل شدن و نیاز به کد ارکستراسیون رو کم می‌کنن
- هشدار تکرارشونده: خودگردانی بدون ساختار، به‌جای اهرم، آشغال تولید می‌کنه
