آیا در ۲۰۲۸ مهندس نرم‌افزار وجود خواهد داشت؟ پاسخ از هوش مصنوعی قدیمی‌تر است

آیا در ۲۰۲۸ مهندس نرم‌افزار وجود خواهد داشت؟ پاسخ از هوش مصنوعی قدیمی‌تر است - AI News cover

این هفته، یک آزمایشگاه هوش مصنوعی چینی یک نمونه اولیه تحقیقاتی منتشر کرد که به ابتکار خودش گفت‌وگوهای گروهی توسعه‌دهندگان و مخازن گیت‌هاب را زیر نظر می‌گیرد و سپس بدون اینکه کسی بخواهد، اصلاحات کد را پیشنهاد می‌دهد. Super-Agent دیپ‌سیک صریحاً اعتراف می‌کند که کارش ناتمام است، اما یک خط از مستنداتش از خود ابزار مهم‌تر است: بخش بزرگی از مهندسی را عامل‌های کدنویس انجام داده‌اند. کسانی که جایگزین را می‌سازند، برای ساختنش از خود جایگزین استفاده می‌کنند.

تقریباً همزمان، ویدیوی طنزی به نام «Software Engineers 2028» میان توسعه‌دهندگان دست به دست شد که حرفه را به نظارت بر ماشین‌ها و آرام کردن ذی‌نفعان تقلیل یافته تصور می‌کرد. ویدیو جنجال به پا کرد چون به یک اضطراب واقعی دست گذاشت. اگر عامل‌ها بتوانند گفت‌وگو را بخوانند، وصله را بنویسند و پول‌ریکوئست باز کنند، دقیقاً چه چیزی از شغل باقی می‌ماند؟

تاریخ پاسخی به‌شگفت دقیق دارد و از فلاپی‌دیسک شروع می‌شود. فلاپی‌دیسک ناپدید نشد چون مردم ذخیره داده را رها کردند. ناپدید شد چون کارکردش به رسانه‌های بهتر کوچید، و شیئی که روزی آن کارکرد را تعریف می‌کرد به اثر موزه‌ای تبدیل شد. عناوین شغلی هم از همان فیزیک پیروی می‌کنند. ماشین‌نویس وقتی ناپدید نشد که نوشتن تمام شد، بلکه وقتی ناپدید شد که نوشتن از یک ماشین اختصاصی و یک انسان اختصاصی جدا شد. کارکردها کوچ می‌کنند؛ عناوین کمی می‌مانند و بعد بی‌سر و صدا بازنشسته می‌شوند.

مهندسی نرم‌افزار حالا در میانه همین کوچ است. بخشی از کار که نقل‌برداری صرف است، یعنی تبدیل نیت روشن به نحو، با سرعتی چشمگیر به ماشین‌ها منتقل می‌شود. پژوهش خود گیت‌هاب دریافته است که توسعه‌دهندگان با کمک هوش مصنوعی وظایف روتین را به‌طور چشمگیر سریع‌تر انجام می‌دهند، و هر آزمایشگاه بزرگ حالا عاملی عرضه می‌کند که می‌تواند گفت‌وگوی کدنویسی برگزار کند. لایه تایپ‌کردن راه فلاپی را می‌رود.

اما یک حرفه یک لایه نیست. تایپ را بردارید و سه لایه سخت‌تر باقی می‌ماند. اولی تصمیم‌گیری درباره این است که چه چیزی باید وجود داشته باشد: چارچوب‌بندی مسئله، انتخاب مصالحه‌ها، دانستن اینکه کدام نیاز واقعی است و کدام حدس ذی‌نفع. دومی راستی‌آزمایی است: خواندن کد نوشته‌شده توسط ماشین با همان شکی که لایقش است، چون عاملی که روان می‌نویسد، روان هم خطا می‌کند. سومی مسئولیت‌پذیری است. وقتی ساعت ۲ بامداد سیستم از کار می‌افتد، کسی باید بار حقوقی، مالی و اخلاقی شکست را به دوش بکشد. هیچ مجوز، قرارداد یا دادگاهی این بار را به عامل نمی‌سپارد.

داده‌های بازار کار همان داستان را از سوی دیگر روایت می‌کند. تقاضا فرو نمی‌ریزد، جابه‌جا می‌شود. آگهی‌های استخدام به‌طور فزاینده‌ای مهندسانی می‌خواهند که بتوانند ابزارهای هوش مصنوعی را هدایت کنند، کد تولیدشده را بازبینی کنند و سیستم‌هایی طراحی کنند که مشارکت‌کنندگان غیرانسانی را در بر بگیرند. تحلیل آینده مشاغل مجمع جهانی اقتصاد پیوسته متخصصان هوش مصنوعی و یادگیری ماشین را در میان سریع‌ترین نقش‌های رو به رشد قرار می‌دهد، حتی در حالی که خودکار شدن برنامه‌نویسی روتین را پیش‌بینی می‌کند. هرم در پایین باریک و در بالا پهن می‌شود، دقیقاً همان چیزی که برای هر حرفه‌ای اتفاق می‌افتد وقتی پله ورودش مکانیزه شود.

در این شکل، ریسکی واقعی نهفته است که شایسته صداقت است نه تسکین. مهندسان ارشد زمانی با انجام آهسته و ناشیانه کار جونیور پرورش می‌یافتند. اگر ماشین‌ها کار جونیور را ببلعند، خط لوله یادگیری می‌شکند. شرکت‌هایی که امروز ارزانی کد را جشن می‌گیرند، شاید پنج سال دیگر دریافتند که دیگر کسی را ندارند که کد نوشته‌شده توسط عامل‌هایشان را بازبینی کند. پاسخ عقلایی ممنوع کردن ابزارها نیست، بلکه بازطراحی نردبان است: جفت کردن آگاهانه جونیورها با خروجی عامل‌ها، تبدیل بازبینی به مهارتی آموختنی، و پنداشتن نظارت بر ماشین‌ها به‌جای اعتراف به افول، به‌مثابه حرفه‌ای نو.

پس، آیا عنوان مهندس نرم‌افزار در ۲۰۲۸ وجود خواهد داشت؟ تقریباً قطعاً بله، چون عناوین دیر می‌میرند و نهادها محافظه‌کارند. بیمارستان‌ها قرن‌ها پس از آنکه نقش پزشک دیگر آن معنای قدیمی را نداشت، هنوز پزشک استخدام می‌کنند. اما این عنوان واقعیت روزمره‌ای متفاوت را وصف خواهد کرد: تایپ کمتر، تصمیم بیشتر؛ نوشتن کمتر، خواندن بیشتر؛ تولید کمتر، پاسخ‌گویی بیشتر درباره تولیدشده. درس فلاپی‌دیسک این نیست که چیزها ناپدید می‌شوند. درس این است که شیء رنگ می‌بازد در حالی که نیاز زنده می‌ماند، و کسانی کامیاب می‌شوند که نیاز را دنبال کنند، نه آنهایی که از شیء دفاع کنند.

برای رهبران، کنش مشخص است. نقشه بکشید کدام لایه‌های کار مهندسی شما نقل‌برداری است و کدام قضاوت، سپس صراحتاً برای لایه‌های قضاوت استخدام و آموزش کنید. ظرفیت بازبینی را پیش از نیاز بسازید، چون کد نوشته‌شده توسط عامل‌ها هم هنوز انسانی می‌خواهد که آن را بفهمد. و پیش از آنکه بازار از شما بپرسد، به مسئله کارآموزی در سازمان خودتان نگاه کنید. عنوان خودش از عهده خودش برمی‌آید. خط لوله نه.

ریاضی بیندیشید. هوشمندانه مهندسی کنید. راهبردی رهبری کنید. مسئولانه بسازید. جهانی گسترش یابید. از طریق هوش مصنوعی ارزش واقعی کسب‌وکار خلق کنید.

#ArtificialIntelligence #AIStrategy #FutureOfWork #SoftwareEngineering #ITImpress