شرکت «آنتروپیک» می‌گوید که مدل هوش مصنوعی «کلود» آن در آینده ممکن است مهندسی نرم‌افزار را خودکارسازی کند.

هوش مصنوعی با سرعتی شگفت‌انگیز در حال پیشرفت است و تأثیرات آن بر زندگی روزمره را نمی‌توان انکار کرد. این موضوع در هیچ حوزه‌ای به اندازه مهندسی نرم‌افزار آشکار نیست.

به نقل از یوسی استراتژیز، در رویداد اخیراً برگزارشده در داووس، توجه زیادی به یک فناوری معطوف شد که موج‌ قابل توجهی را ایجاد کرده بود. این فناوری، مدل هوش مصنوعی مولد «کلود»(Claude) شرکت «آنتروپیک»(Anthropic) بود. این مدل هوش مصنوعی، امکانات بی‌سابقه‌ای را برای خودکارسازی وظایفی فراهم می‌کند که زمانی نیازمند کار عملی مهندسان ماهر بودند.

پتانسیل خودکارسازی مبتنی بر هوش مصنوعی مدت‌هاست که در تئوری مورد بحث قرار گرفته اما اکنون به نظر می‌رسد که به ارائه استقلال کامل برای پروژه‌های نرم‌افزاری نزدیک شده است.

به گفته رهبران صنعت، مدل‌هایی مانند کلود می‌توانند به زودی بر هر مرحله از تولید نرم‌افزار، از نوشتن کد اولیه گرفته تا آزمایش، اشکال‌زدایی و نگهداری مداوم نظارت داشته باشند. پیش‌بینی‌های کنونی نشان می‌دهند این سیستم‌ها ظرف ۶ تا ۱۲ ماه ممکن است بخش عمده‌ای از آنچه را که امروز کل گروه‌های نرم‌افزاری مدیریت می‌کنند، تحت مدیریت خود قرار دهند.

برای سازمان‌هایی که محصولات دیجیتال تولید می‌کنند، گردش کار می‌تواند به طور چشمگیری تغییر کند. برنامه‌نویسی دیگر بر فعالیت‌های روزانه تسلط نخواهد داشت و در عوض، ماشین‌ها به سرعت تحت نظارت انسان کد تولید می‌کنند.

پتانسیل واقعی برای بهبود سرعت و کارآیی به مهندسان باتجربه امکان می‌دهد تا به جای رسیدگی به وظایف فنی تکراری، بر هدایت مسیر پروژه تمرکز کنند.

تغییر در نقش مهندسان نرم‌افزار

به نظر می‌رسد ظهور هوش مصنوعی در نقش‌ توسعه‌دهنده، به جای منسوخ کردن انسان‌ها می‌تواند هم انتظارات و هم مسئولیت‌ها را تغییر ‌دهد. گروه‌هاها ممکن است کوچک‌تر شوند؛ در حالی که پیچیدگی مشارکت‌های فردی افزایش خواهد یافت. زمان کمتری صرف تایپ خطوط کد خواهد شد و تلاش بیشتری برای نظارت بر خروجی خودکار، هدایت عوامل هوشمند و تضمین کیفیت کلی صورت خواهد گرفت.

این تکامل، الزامات مهارتی جدیدی را به همراه خواهد آورد. مهندسی سریع که هنر ساخت دستورالعمل‌های مؤثر برای سیستم‌های هوش مصنوعی است، محوری خواهد شد. افرادی که قادر به استخراج رفتار قابل اعتماد و کارآمد از الگوریتم‌های پیشرفته هستند، به طور فزاینده‌ای مورد توجه قرار خواهند گرفت. پیشینه‌های برنامه‌نویسی سنتی ممکن است همیشه ضروری نباشند و در عوض، سازگاری و تفکر راهبردی در کنار تخصص فنی اهمیت پیدا خواهد کرد.

مهندسی سریع و هماهنگ‌سازی اپراتورها

در این چشم‌انداز در حال تحول، مهندسی سریع به عنوان یک رشته متمایز ظهور می‌کند. ایجاد درخواست‌های دقیق و بدون ابهام برای مدل‌های هوش مصنوعی مستقیماً بر بهره‌وری و دقت نتایج تأثیر می‌گذارد. دانستن نحوه هدایت یک هوش مصنوعی به سمت نتایج خاص، ترکیبی از مهارت فنی و حل مسئله خلاقانه است.

فراتر از دستورالعمل‌ها، هماهنگ‌سازی چندین عامل یا مدیریت گردش‌های کاری مشترک آنها به همان اندازه حیاتی است. مهندسان ممکن است شبکه‌هایی از هوش مصنوعی تخصصی را پیکربندی کنند که هر کدام مسئول اجزای گوناگون یک برنامه بزرگتر هستند. همگام‌سازی موفقیت‌آمیز این همکاران دیجیتال، تحویل روان و منسجم پروژه را تضمین می‌کند.

شکل‌ دادن به مسئولیت‌ها و نظارت

نظارت انسانی از بین نخواهد رفت، بلکه حتی ضروری‌تر هم خواهد شد. تضمین کیفیت به سمت بالادست تغییر می‌کند، زیرا بررسی و اعتبارسنجی باید خطاهای ظریف ایجادشده توسط فناوری‌های خودکار را شناسایی کند. ملاحظات اخلاقی و پاسخگویی همچنان به طور جدی با مهندسان باقی خواهد ‌ماند. ماشین‌ها کار را به اجرا در خواهند آورد، اما انسان‌ها هم مسئولیت فرآیند و هم مسئولیت محصول نهایی را حفظ خواهند کرد.

در نتیجه، مهندسان باید دیدگاه خود را گسترش دهند و نه تنها کد، بلکه پایداری در سطح سیستم، کاهش سوگیری و اعتماد کاربر را نیز در نظر بگیرند. مهارت‌های نرم مانند ارتباطات و رهبری در کنار تیزبینی فنی اهمیت بیشتری پیدا خواهند کرد.

محدودیت‌ها، فرصت‌ها و چشم‌انداز در حال تحول

همه جنبه‌های توسعه نرم‌افزار را نمی‌توان یا نباید به طور کامل به هوش مصنوعی واگذار کرد. شهود انسانی هنگام طراحی سیستم‌های پیچیده یا پرداختن به موارد نادر، ضروری است. با وجود این، با افزایش اعتماد به مدل‌هایی مانند کلود، واگذاری بیشتر وظایف پرزحمت به عوامل خودمختار اجتناب‌ناپذیر به نظر می‌رسد.

هم استارت‌آپ‌ها و هم شرکت‌های فناوری باسابقه، فرصت بی‌نظیری را برای بازنگری در راهبردهای استخدام دارند و ارزش بیشتری را برای متفکران جامع‌نگر و ماهر در هماهنگی قابلیت‌های هوش مصنوعی قایل می‌شوند. با تکامل این حوزه احتمالاً برنامه‌های بازآموزی گسترده و آموزش مداوم پدیدار خواهند شد و به متخصصان کمک خواهند کرد تا شکاف بین تخصص سنتی و خواسته‌های محیط کار مبتنی بر هوش مصنوعی آینده را پر کنند.