بله، هنوز به مهندس نیاز داریم
هوش مصنوعیخلاصهٔ کاملتر
نویسنده (Matt Sayar) تعریف میکنه که چطور پروتوتایپسازی سرعتِ کارش رو زیاد کرده: از یه کلونِ ریپوی UI شروع میکنه، Claude Code رو باز میکنه، ازش میخواد مثلاً یه دکمه اضافه کنه و دادهی تستی بسازه، و بعد یه دموی کاملِ یه workflow ضبط میکنه. تو ویدیوی Loom عالی بهنظر میآد — ولی به گفتهی نویسنده اصلاً آمادهی production نیست.
نویسنده یه فهرستِ بلند از چیزهایی رو میشمره که هنوز لازمه: پشتیبانیِ backend، تستِ رگرسیون و عملکردی و امنیتی و کارایی، ملاحظاتِ مقیاسپذیری و معماری، دسترسپذیری (accessibility)، سیستمِ طراحی، نگهداریپذیری و مدیریتِ دسترسیِ کاربرها.
بعد فهرست رو خیلی طولانیتر میکنه: لاگ و متریک و tracing، مانیتورینگ و هشدار (چطور قبل از کاربر بفهمی خراب شده؟)، مدیریتِ خطا و افتِ آبرومندانه، پایپلاینِ CI/CD و استراتژیِ rollback، feature flag، مدیریتِ زیرساخت و secretها، rate limiting، منطقِ retry و idempotency، همروندی و race condition، بکاپ و بازیابیِ فاجعه، طراحیِ اسکیمای دیتابیس و migration، استراتژیِ کش، مدیریتِ PII و احراز هویت و مجوزها، multi-tenancy، انطباق با مقرراتی مثلِ GDPR و HIPAA و SOC 2، بومیسازی، حالتهای خالی/لودینگ/خطا، رفتار در شبکهی کند و آفلاین، و کلی چیزِ دیگه — نویسنده بهشوخی میگه بقیهی این فهرست رو خودِ Claude تولید کرده.
جمعبندیِ نویسنده اینه که پروتوتایپها ارتباطِ «ایده تا تحویل» رو بهتر از هر ابزارِ دیگهای روون کردن و تیمِ مهندسی هم بهشون ارجاع میده، ولی هرکی فکر کنه پروتوتایپِ وایبکدشدهش آمادهی production ه، خودش رو گول زده. نویسنده به یه مقالهی دیگه اشاره میکنه که AI عاملِ اخراجهای گسترده نیست و شاید هیچوقت نباشه، و میگه حتی بعد از جهشِ کیفیتِ کدِ AI در نوامبر، تیمشون داره مهندسِ بیشتری استخدام میکنه. کارِ جذابِ واقعی حلِ مسئلهست، نه تایپ کردنِ کد.
نکات کلیدی:
- پروتوتایپسازی با AI سریعه و برای انتقالِ ایده عالیه، ولی با محصولِ production فاصله داره
- دهها ملاحظهی واقعی (تست، امنیت، مقیاس، مانیتورینگ، انطباق و…) هنوز کارِ مهندسه
- دموی خوشگلِ Loom بهمعنیِ آماده بودن برای production نیست
- به گفتهی نویسنده، شرکتها حتی با بهترشدنِ کدِ AI دارن مهندسِ بیشتری استخدام میکنن
- کارِ اصلیِ مهندسی حلِ مسئلهی واقعیه، نه صرفِ نوشتنِ کد
