چرا هوش مصنوعی جای برنامهنویسها رو نمیگیره
هوش مصنوعیخلاصهٔ کاملتر
آرویند نارایانان و سایاش کاپور تو این مقاله که اولین قسمت از یه مجموعهست، سراغ شغلی رفتن که هوش مصنوعی توش از همهجا جلوتره و سریعتر هم پذیرفته شده: مهندسی نرمافزار. ادعای اصلیشون اینه که شواهد کافی هست تا این روایت که هوش مصنوعی بعد از رسیدن به یه سطح خاص باعث اخراجهای گسترده میشه رو رد کنیم. به گفتهٔ نویسندهها وقتی این موضوع حتی تو حوزهای با کمترین موانع قانونی صادق نباشه، بقیهٔ مشاغل احتمالاً بیشتر هم در امانن.
نویسندهها میگن بیشتر خبرهای اخراج بهخاطر هوش مصنوعی در واقع نوعی «AI washing» یا شستوشوی تبلیغاتیه. مثلاً تو ماجرای شرکت Block، Snap و Intuit، گزارشهای بعدی نشون داده دلیل واقعی اخراجها فشار مالی یا تغییر ساختار بوده، نه جایگزینی نیروی انسانی با هوش مصنوعی. حتی یه نظرسنجی نشون داده ۵۹ درصد از مدیرهای استخدام تو آمریکا اعتراف کردن که موقع توضیح توقف استخدام یا اخراج، روی هوش مصنوعی تأکید میکنن چون پیش سهامدارها بهتر جا میافته تا گفتن مشکلات مالی.
جالبه که به گفتهٔ نویسندهها اخراج اصلاً سیگنال درستی برای سنجش بهرهوری هوش مصنوعی نیست. تحقیقات نشون میده اثر هوش مصنوعی بیشتر از مسیر کند شدن استخدام خودش رو نشون میده، نه افزایش اخراج؛ چون بیرون کردن کارمندهای فعلی یعنی از دست دادن همون دانش ضمنی و سرمایهٔ سازمانی که اصلاً لازمه تا آدم بتونه از هوش مصنوعی درست استفاده کنه. دادههای فدرال رزرو هم میگه اشتغال هنوز داره رشد میکنه، فقط بعد از ChatGPT حدود ۳ واحد درصد در سال کندتر از حالت بدون هوش مصنوعی.
قلب استدلال مقاله مدلیه به اسم ساندویچ تصمیم-اجرا-تحویل (decide-execute-deliver). نویسندهها کار مهندس نرمافزار رو سه لایه میبینن: تصمیمگیری و مشخصکردن اینکه چی باید ساخته بشه، اجرا یعنی طراحی و پیادهسازی، و تحویل یعنی تست و راستیآزمایی و پاسخگو بودن نسبت به خروجی. هوش مصنوعی لایهٔ وسط یعنی اجرا رو حسابی فشرده کرده، ولی دو سر ساندویچ تقریباً دستنخورده موندن. به گفتهٔ اونها این محدودیت ربطی به ضعف توانایی مدلها نداره و با قویتر شدن مدل هم برطرف نمیشه.
شاهد این مدل یه مقالهٔ تحقیقاتیه که روی ۱۰۰ هزار توسعهدهنده تو GitHub انجام شده: ایجنتهای هوش مصنوعی تعداد خطوط کد نوشتهشده رو هشت برابر کردن، ولی این فقط به ۳۰ درصد انتشار بیشتر منجر شده. یعنی نوشتن کد هیچوقت گلوگاه اصلی نبوده؛ یه مطالعهٔ دیگه هم میگه توسعهدهندهها بسته به تحقیق فقط ۹ تا ۶۱ درصد وقتشون رو صرف خود کدنویسی میکنن.
نویسندهها بین دو مفهوم هم تفکیک قائل میشن: vibe coding که توش کاربر فقط به ایجنت میگه چی کار کنه و کد رو نه نظارت میکنه نه بازبینی، در مقابل agentic engineering که توش آدم همچنان کنترل و مسئولیت خروجی رو دست خودش نگه میداره. به گفتهٔ اونها نظارت بر ایجنتها بهطور غافلگیرکنندهای وقتگیر و خستهکنندهست، و کسی نمیتونه نرمافزار جدی رو با استخدام آدمهای بیمهارت بهجای مهندس نرمافزار منتشر کنه.
نتیجهگیری مقاله با خوشبینی محتاطانهست: نهتنها شغل مهندسی نرمافزار از بین نمیره، بلکه بهخاطر ارزونتر شدن ساخت نرمافزار، تقاضا براش حتی ممکنه بیشتر بشه. نویسندهها این رو با کشسانی قیمتی نرمافزار و مفهوم پارادوکس جوونز توضیح میدن و یادآوری میکنن که شغل برنامهنویسی تو آمریکا از نزدیک صفر در دههٔ ۱۹۵۰ به میلیونها نفر امروز رسیده.
نکات کلیدی:
- روایت اخراجهای گستردهٔ ناشی از هوش مصنوعی با دادهها جور درنمیاد و بیشترش «شستوشوی تبلیغاتی»ـه
- اثر واقعی هوش مصنوعی از مسیر کند شدن استخدامه، نه افزایش اخراج
- مدل «ساندویچ تصمیم-اجرا-تحویل»: هوش مصنوعی فقط لایهٔ اجرا رو فشرده میکنه
- نوشتن کد هیچوقت گلوگاه نبوده؛ تصمیمگیری و پاسخگویی دست آدم میمونه
- vibe coding با agentic engineering فرق داره و نباید قاطی بشن
- تقاضا برای مهندس نرمافزار حتی ممکنه بهخاطر ارزونتر شدن نرمافزار بیشتر بشه
