چرا هوش مصنوعی مهندسی نرم‌افزار را به یک شغل کارگری (یقه آبی) تبدیل می‌کند

در تاریخ ۲ سپتامبر ۲۰۲۶، محققان دانشکده مدیریت اسلون MIT یافته‌ای را منتشر کردند که روایت غالب در مورد هوش مصنوعی و آینده کدنویسی را در هم شکست. پس از ردیابی توسعه‌دهندگانی که از ابزارهای هوش مصنوعی مولد استفاده می‌کردند، اقتصاددانان دریافتند که در حالی که فعالیت کدنویسی خام تا ۱۸۰٪ افزایش یافته است، انتشار واقعی نرم‌افزار تنها ۳۰٪ رشد داشته است. مرت دمیرر، دانشیار MIT اسلون، گفت: «ما می‌شنویم که آنها می‌توانند کاری را که قبلاً یک روز کامل طول می‌کشید، در عرض چند دقیقه انجام دهند.» با این حال، داده‌ها یک گلوگاه بزرگ را آشکار کردند: نوشتن سینتکس دیگر بخش دشوار کار نبود، اما بررسی، ادغام و ایمن‌سازی آن کد همچنان به قضاوت انسانی نیاز داشت.[3]

این گلوگاه اساساً در حال تغییر تعریف مهندس نرم‌افزار است. در تمام دوران محاسبات شخصی، برنامه‌نویسی به عنوان یک هنر دستی و نخبه‌گرا تلقی می‌شد. توسعه‌دهندگان به عنوان جادوگران زبده‌ای دیده می‌شدند که منطق پیچیده را از فایل‌های متنی خالی بیرون می‌کشیدند. امروز، ادغام مدل‌های زبان بزرگ (LLM) مانند گیت‌هاب کُوپایلوت (GitHub Copilot) و کلاد کد (Claude Code) در حال از بین بردن این رمز و راز است. این حرفه به سرعت در حال صنعتی شدن است و از یک هنر انحصاری به یک شغل کارگری ساختاریافته و در دسترس تبدیل می‌شود.[5]

این تغییر در نحوه توزیع کار روزانه مهندسی قابل مشاهده است. یک مطالعه در دسامبر ۲۰۲۵ از دانشگاه تیلبورگ (Tilburg University) که ۲۷۵۵ پروژه متن‌باز را تجزیه و تحلیل کرد، نشان داد که ابزارهای هوش مصنوعی مانع ورود توسعه‌دهندگان تازه‌کار را به شدت کاهش داده و به آنها اجازه می‌دهد کدهای تکراری (Boilerplate) را با سرعت بی‌سابقه‌ای تولید کنند. با این حال، این انفجار در خروجی خام، بار نگهداری شدیدی ایجاد کرد. توسعه‌دهندگان ارشد ۱۹٪ کاهش در بهره‌وری خود را تجربه کردند، زیرا مجبور بودند زمان خود را صرف بررسی و رفع اشکال کدهای تولید شده توسط هوش مصنوعی کنند، به جای اینکه خودشان ویژگی‌های جدید بنویسند.[2]

این پویایی، به جای جایگزینی نیروی کار انسانی، منعکس‌کننده صنعتی شدن کلاسیک مشاغل فیزیکی است. در یک کارخانه نساجی قرن نوزدهم، اختراع ماشین بافندگی برقی نیاز به کارگران را از بین نبرد؛ بلکه نقش آنها را از بافندگی دستی به کار با ماشین‌آلات و نگهداری از آنها تغییر داد. توسعه نرم‌افزار مدرن دقیقاً همان مدل کارخانه دیجیتال را اتخاذ می‌کند. مهندسان به طور فزاینده‌ای به عنوان بازرس و معمار سیستم عمل می‌کنند و خروجی ژنراتورهای سینتکس خودکار را مدیریت می‌کنند، نه اینکه هر خط کد را به صورت دستی تایپ کنند.[5]

اقتصاددانان کار استدلال می‌کنند که این تحول یک مزیت خالص برای نیروی کار است. دیوید آتور، اقتصاددان MIT، در مجله نوئما (Noema Magazine) نظریه‌پردازی کرد که هوش مصنوعی به عنوان یک «فناوری وارونگی» عمل می‌کند. هوش مصنوعی با ارائه راهنمایی و محافظت در زمان واقعی، به کارگرانی که آموزش‌های پایه دیده‌اند اجازه می‌دهد وظایف تصمیم‌گیری با ریسک بالا را انجام دهند که قبلاً در انحصار متخصصان نخبه و دارای مدارک عالی بود. آتور استدلال می‌کند این پویایی می‌تواند «قلب طبقه متوسط و مهارت متوسط بازار کار ایالات متحده» را که جهانی‌سازی قبلاً آن را تهی کرده بود، احیا کند.[4]

داده‌های اشتغال به شدت از تز تقویت (Augmentation) حمایت می‌کنند تا وحشت جایگزینی. اداره آمار کار ایالات متحده (BLS) در حال حاضر ۱۵٪ رشد اشتغال برای توسعه‌دهندگان نرم‌افزار را بین سال‌های ۲۰۲۴ تا ۲۰۳۴ پیش‌بینی می‌کند. این نرخ بسیار فراتر از میانگین ملی برای سایر مشاغل است. علاوه بر این، میانگین دستمزد این حرفه ۱۳۳,۰۸۰ دلار است که نشان می‌دهد شرکت‌ها همچنان مایلند برای نظارت انسانی هزینه بالایی بپردازند. اگر هوش مصنوعی واقعاً در حال از بین بردن این حوزه بود، پیش‌بینی‌های دولتی و فشارهای دستمزدی باید نشان‌دهنده یک بازار در حال فروپاشی می‌بود.[1]

آزمایش‌های اولیه شرکت‌ها صرفه‌جویی‌های زمانی عظیمی را پیش‌بینی می‌کردند، اما اغلب عامل انسانی را دست کم می‌گرفتند. یک مطالعه در سال ۲۰۲۳ توسط مک‌کینزی و شرکا (McKinsey & Company) نشان داد که توسعه‌دهندگان می‌توانند برخی وظایف کدنویسی را تا دو برابر سریع‌تر هنگام استفاده از هوش مصنوعی مولد تکمیل کنند. با این حال، همانطور که داده‌های اخیر MIT نشان می‌دهد، سرعت خام در سطح فردی به طور خودکار به محصولات عرضه شده تبدیل نمی‌شود. گلوگاه به سادگی در خط مونتاژ به سمت تضمین کیفیت، تست امنیتی و معماری سیستم حرکت می‌کند.[3]

این صنعتی شدن خطراتی را برای کسانی که از انطباق سر باز می‌زنند، به همراه دارد. توسعه‌دهندگان تازه‌کاری که تمام ارزش پیشنهادی‌شان بر ترجمه مشخصات واضح به کدهای پایه متکی است، در حال مشاهده خودکار شدن کامل آن وظایف خاص هستند. بازار دیگر برای سرعت خام تایپ پولی نمی‌دهد. در عوض، مدیران استخدام فعالانه به دنبال نامزدهایی هستند که قضاوت فنی عمیق، مهارت‌های طراحی سیستم و توانایی هماهنگ‌سازی چندین عامل هوش مصنوعی به طور همزمان را نشان دهند.[5]

دموکراتیک شدن کدنویسی همچنین به این معنی است که صنعت نرم‌افزار بالاخره می‌تواند برای پاسخگویی به تقاضای نامحدود مقیاس‌پذیر شود. از آنجایی که تقریباً هر بخش از اقتصاد جهانی—از مراقبت‌های بهداشتی گرفته تا لجستیک و کشاورزی—به نرم‌افزار سفارشی نیاز دارد، کاهش هزینه تولید صرفاً اشتها برای برنامه‌های کاربردی جدید را افزایش می‌دهد. هنگامی که هزینه تولید کد به صفر نزدیک می‌شود، ارزش انسانی که می‌داند چه کدی باید تولید شود، به شدت افزایش می‌یابد.[5]

معیار تعیین‌کننده برای دهه آینده مهندسی نرم‌افزار، خطوط کد نوشته شده نخواهد بود، بلکه مقیاس سیستم‌هایی است که یک انسان می‌تواند با خیال راحت مدیریت کند. چالش فوری این است که برنامه‌های علوم کامپیوتر دانشگاهی و بوت‌کمپ‌های کدنویسی با چه سرعتی برنامه‌های درسی خود را بازنویسی خواهند کرد تا نظارت بر هوش مصنوعی، معماری سیستم و تضمین کیفیت را آموزش دهند، نه صرفاً تولید سینتکس.[5]