‏وقتی AI سرعت ساختن نمونه اولیه رو عوض می‌کنه

نویسنده، یه مهندس نرم‌افزار، تعریف می‌کنه که چند سال پیش بزرگ‌ترین گلوگاهش توی ساختن نمونه‌های اولیه دورریختنی (proof-of-concept هایی که فقط برای بیرون کشیدن یه ایده از سر آدم وجود دارن) خودش بود — همون زمانی که صرف اسکلت‌بندی پروژه و سیم‌کشی بخش‌های خسته‌کننده می‌شد. به گفته‌اش حالا با ایجنت‌های هوش مصنوعی اون گلوگاه تقریباً کامل از بین رفته.

اون چند مخزن تازه روی GitHub اش رو مثال می‌زنه: یه زبان سیستمی به اسم Sakoa با سیستم effect و چند backend، یه زبان نوتیشن به اسم Kato جایی بین JSON و TOML و YAML، یه CLI کوچیک به اسم Seal که سکرت‌ها رو توی credential store سیستم‌عامل نگه می‌داره، و چند تای دیگه. می‌گه چند سال پیش این لیست می‌شد سه تا مخزن با README و دو تا برنچ رهاشده؛ ولی حالا این نمونه‌ها واقعاً وجود دارن، اجرا می‌شن و بعضی‌هاشون حتی تست دارن.

نکته‌ای که می‌گه کسی بهش هشدار نداده بود، اینه که AI نه فقط سرعت کار، بلکه شکلِ کار مهندسی رو عوض می‌کنه. وقتی خودت تک‌تک خط‌ها رو تایپ نمی‌کنی، مجبوری جور دیگه‌ای فکر کنی: به مرزها، قراردادها و اینکه قطعه‌ها چطور کنار هم جفت می‌شن. عملاً قبل از اینکه سیستم وجود داشته باشه، داری prompt و spec می‌نویسی که سیستم رو به‌صورت کلی توصیف می‌کنه.

از نظر بهره‌وری، خودش به‌طور تقریبی زمان رسیدن به PR رو دنبال کرده و می‌گه حالا حدود ۴ برابر سریع‌تر از قبلِ ایجنت‌هاست. ولی به نظرش این عدد اون اثر مهم‌تر رو دست‌کم می‌گیره: حالا جنسِ کاری که می‌تونه برداره فرق کرده. کارهایی که قبلاً زیر دسته «ایده خوب، وقت نیست» پارک می‌شدن، حالا توی یه بعدازظهر جا می‌شن و هزینه امتحان کردن یه چیز اونقدر افتاده که به‌جای بحث توی یه داک، فقط امتحانش می‌کنه.

البته همه‌اش مزیت نیست. همین سرعت یعنی خودش داره کمتر کد می‌نویسه، و باید عمداً حواسش باشه که مهارت فنی دستش زنگ نزنه؛ وگرنه ابزارها با کمال میل همه‌اش رو انجام می‌دن. برای همین عمداً وقت می‌ذاره برای کارهای دستی: پیاده‌سازی یه چیز از صفر تا صد، خوندن سورس‌کد به‌جای گرفتن خلاصه، و نشستن پای debugger به‌جای پیست کردن stack trace توی چت.

طرف دیگه ماجرا لذت‌بخش‌تره: همون ساعت‌هایی که قبلاً صرف بخش‌های میانیِ اجتناب‌ناپذیر یه پروژه می‌شد، حالا آزاد شده برای کاوش، یادگیری و ساختن چیزهای عجیب فقط محض دلش. می‌گه AI جادو نیست و هنوز نسبت به تصویر کلی‌اش محتاطه، ولی واقعیت روزمره‌اش اینه که سریع‌تر حرکت می‌کنه، بزرگ‌تر فکر می‌کنه و بیشتر از قبل به نتیجه می‌رسونه.

نکات کلیدی:

• ایجنت‌های AI گلوگاه اصلی ساختن نمونه اولیه (اسکلت‌بندی و کارهای خسته‌کننده) رو تقریباً حذف کردن
• نویسنده می‌گه حدود ۴ برابر سریع‌تر به PR می‌رسه، ولی اثر مهم‌تر تغییرِ جنسِ کاریه که می‌تونه برداره
• AI آدم رو وادار می‌کنه در سطح بالاتر فکر کنه: مرزها، قراردادها و توصیف کلی سیستم با spec
• ریسکش زنگ‌زدن مهارت فنیه، چون ابزار حاضره همه کار رو بکنه؛ پس باید عمداً کار دستی نگه داشت
• هزینه پایینِ امتحان کردن، فضای کاوش و یادگیری و پروژه‌های جانبی رو باز می‌کنه