‏کدنویسی اجنتیک: دامی که باید ازش حذر کرد

این روزها یه روایت داره توی صنعت تکنولوژی خیلی باب می‌شه: «کدنویسی سنتی مُرده و آینده متعلق به Spec Driven Development (SDD) هست.» توی این رویکرد، توسعه‌دهنده نقش «هماهنگ‌کننده» داره؛ یعنی پلن می‌ده، هدایت می‌کنه، و اجنت‌های AI هم کدها رو می‌نویسن. ظاهراً قرار هست که انسان «سلیقه‌ی خوب» رو بیاره و خروجی‌ها رو بررسی کنه، اما عملاً فاصله‌اش با کد روزبه‌روز بیشتر می‌شه.

نویسنده استدلال می‌کنه که این «انتزاع جدید» با انتزاع‌های قبلی مثل FORTRAN یا کامپایلرها فرق اساسی داره. وقتی برنامه‌نویس‌ها نگران FORTRAN بودن، نگرانی‌هاشون نظری و حدسی بود. اما الان دیگه نظری نیست؛ داده‌ها و شواهد واقعی نشون می‌ده که ابزارهای AI داره مهارت‌های فنی توسعه‌دهنده‌ها رو می‌خوره، و این نه فقط برای جونیورها، بلکه برای سنیورهای باتجربه هم صدق می‌کنه.

سایمون ویلیسون، توسعه‌دهنده‌ای با نزدیک به ۳۰ سال تجربه، اعتراف کرده که دیگه «مدل ذهنی محکمی از اینکه اپلیکیشن‌ها چی می‌تونن بکنن و چطور کار می‌کنن» نداره. این یعنی هر فیچر جدید سخت‌تر از قبل می‌شه برای تحلیل. این مشکل برای یه باتجربه‌ی ۳۰ ساله قابل توجهه؛ تصور کن برای یه جونیور که اصلاً اون پایه رو نداره چی می‌شه.

آنتروپیک خودش توی یه مطالعه به یه تناقض جالب اشاره کرده: استفاده‌ی مؤثر از Claude نیاز به نظارت داره، و نظارت درست نیاز به همون مهارت‌های کدنویسی داره که استفاده‌ی زیاد از AI اون‌ها رو فرسایش می‌ده. این «پارادوکس نظارت» هست.

Sandor Nyako، مدیر مهندسی نرم‌افزار لینکدین که ۵۰ مهندس زیر نظرش داره، این مشکل رو توی تیمش دیده و به اعضا گفته از AI برای «تکالیفی که نیاز به تفکر انتقادی یا حل مسئله دارن» استفاده نکنن. به قول خودش: «برای رشد مهارت، آدم‌ها باید با سختی دست و پنجه نرم کنن. چطور کسی می‌تونه دقت AI رو زیر سؤال ببره وقتی تفکر انتقادی نداره؟»

یه نکته مهم دیگه هم اینه که LLMها اشتباه قسمت رو تسریع می‌کنن. قبل از AI، اولویت یه توسعه‌دهنده‌ی خوب این بود: درک کد، رعایت استانداردها، کمترین خطوط ممکن، و در آخر سرعت. اما اجنت‌های AI این لیست رو کاملاً برعکس می‌کنن و سرعت رو می‌ذارن اول. وقتی سرعت به‌زور تحمیل می‌شه، دقت پایین می‌ریزه.

همچنین نکته‌ای که کمتر بهش توجه می‌شه اینه که بعضی از توسعه‌دهنده‌ها «با کد فکر می‌کنن». نوشتن کد فقط یه کار مکانیکی نیست؛ یه فرآیند فکری عمیقه که شامل امنیت، پرفورمنس، تجربه کاربری و قابلیت نگهداری می‌شه. وقتی این فرآیند به AI واگذار می‌شه، اون بخش از تفکر هم از دست می‌ره.

نکات کلیدی:

• کدنویسی اجنتیک مهارت‌های فنی رو فرسایش می‌ده، حتی در توسعه‌دهنده‌های باتجربه
• «پارادوکس نظارت»: نظارت درست روی AI نیاز به همون مهارت‌هایی داره که AI از بین می‌بره
• جونیورها بیشترین آسیب رو می‌بینن چون مرحله‌ی یادگیری از طریق نوشتن کد رو از دست می‌دن
• سرعت تولید کد لزوماً چیزی نبود که به اون نیاز داشتیم؛ خصوصاً کدی که کامل درکش نمی‌کنیم
• وابستگی به ابزارهای خاص (vendor lock-in) و قطعی‌های سرویس می‌تونه کل تیم رو فلج کنه
• هزینه توکن‌ها برخلاف حقوق ثابت کارمند، متغیر و غیرقابل پیش‌بینی‌ان