News - ظهور معمار شناختی

نقش توسعه‌دهنده با سرعت در حال تغییر است. در KubeCon North America 2025 در آتلانتا، با امیلیو سالوادور، معاون ارشد استراتژی و روابط توسعه‌دهندگان در GitLab، نشستیم تا درباره چشم‌اندیشی او برای تحول توسعه‌دهندگان نرم‌افزار از کدنویسان مستقل به مدیران تیم‌های ترکیبی صحبت کنیم. «ما معتقدیم تعداد توسعه‌دهندگان بیشتر می‌شود، اما آنچه انجام می‌دهند فراتر از کدنویسی خواهد بود. … توسعه‌دهنده در حال تبدیل شدن به مدیر تیمی است که از انسان‌ها و عامل‌ها تشکیل می‌شود.» سالوادور به The New Stack گفت. در این قسمت از The New Stack Makers، درباره اینکه چگونه هوش مصنوعی نقش‌های توسعه‌دهنده را بازتعریف می‌کند، چرا GitLab یک پلتفُرم ارکستراسیون عامل‌ها می‌سازد و اینکه آینده با «عامل متا» چگونه به نظر می‌رسد، صحبت کردیم. معماران شناختی و نگهبانان هوش مصنوعی در مقاله‌ای که سالوادور اخیراً در The New Stack منتشر کرده است، دو واژه برای مسیری که توسعه‌دهندگان به سوی آن می‌روند معرفی کرده است. اولی، «معمار شناختی»، به این اشاره دارد که توسعه اکنون کمتر به نوشتن توابع منفرد و بیشتر به تقسیم‌بندی مسائل بزرگ به بخش‌هایی است که به عامل‌های هوش مصنوعی یا اعضای تیم انسانی سپرده می‌شود. «در گذشته توسعه‌دهندگان تنها یک کار داشتند که باید انجام می‌دادند — این فایل JSON را بخوانند یا آن را پارس کنند»، سالوادور توضیح داد. «حال اندازهٔ مسئله بسیار بزرگتر است و باید بیشتر شبیه معمار فکر کنید که مسئلهٔ بزرگی را می‌گیرد، آن را به قطعات کوچکتر تقسیم می‌کند و سپس آن قطعات را به عوامل مختلف یا سایر اعضای تیم واگذار می‌کند.» دومین نقش، «نگهبان هوش مصنوعی»، حقیقت‌سنجی‌ای است: توسعه‌دهندگان به کیفیت کد تولیدشده توسط هوش مصنوعی بی‌اعتماد می‌شوند. سالوادور به شرکت‌های بزرگی اشاره کرد که ادعا می‌کنند ۸۰ درصد از کدشان اکنون توسط هوش مصنوعی نوشته می‌شود، اما هر خط کدی که این عامل‌ها می‌نویسند همچنان توسط یک انسان بازبینی می‌شود. «افرادی خواهند بود که انطباق، امنیت و کیفیت کد را نظارت کنند—این‌ها همیشه انسان خواهند بود»، او گفت. «من هیچ بانکی اروپایی را نمی‌بینم که برنامه‌ای را پیاده کند که توسط فردی امضا نشده تا نشان دهد که برنامه درست است.» پارادوکس هوش مصنوعی: کدنویسی سریع‌تر، گلوگاه‌های ثابت با وجود اینکه توسعه‌دهندگان بیشتر از هوش مصنوعی کد می‌نویسند — یا دست کم فکر می‌کنند چنین است — اکثر شرکت‌ها بهره‌وری قابل توجهی از تیم‌های نرم‌افزاری خود مشاهده نکرده‌اند. GitLab آن را «پارادوکس هوش مصنوعی» می‌نامد. گرچه توسعه‌دهندگان اکنون می‌توانند کد را سریع‌تر بنویسند، این دستاوردها از بین می‌رود زیرا باقی چرخه توسعه نرم‌افزار به اندازه کافی همگام نشده است. تست، بررسی‌های امنیتی و انطباق گلوگاه‌های جدیدی می‌شوند. «شما فقط به اندازه کندترین چرخ خود می‌توانید سریع باشید»، سالوادور گفت. «بنابراین وقتی به پیاده‌سازی هوش مصنوعی در سراسر چرخه توسعه نرم‌افزار خود فکر می‌کنید، باید رویکردی استراتژیک‌تر اتخاذ کنید. باید کل چرخه توسعه نرم‌افزار خود را بررسی کرده و هوش مصنوعی را در هر مرحله به کار ببرید، و گرنه با همان گلوگاه‌ها روبه‌رو خواهید شد—even اگر همه چیز را درست انجام دهید.» پلتفرم Duo Agent گیت‌لب با هدف گسترش قابلیت‌های هوش مصنوعی فراتر از کدنویسی به سمت برنامه‌ریزی، امنیت، انطباق و استقرار طراحی شده است. همچنین این پلتفرم برای توسعه‌پذیری طراحی شده است، زیرا هیچ فروشندهٔ واحدی نمی‌تواند با فضای همیشه در حال تغییر ابزارها و مدل‌های هوش مصنوعی همگام شود. «هر هفته ابزار جدیدی وجود دارد، مدل جدیدی می‌آید، هر هفته یک عامل جدید وجود دارد»، سالوادور گفت. «ابزاری که امروز شگفت‌انگیز به نظر می‌رسد، شش ماه دیگر در بازار نخواهد بود.» عامل متا شاید جذاب‌ترین پیش‌بینی سالوادور باشد: ظهور آنچه او از آن نام می‌برد «عامل متا»، یک عامل هوش مصنوعی مبتنی بر نقش که عملاً یک عضو کامل تیم توسعه است، با آدرس ایمیل، شماره تلفن و شناسهٔ Slack. «می‌توانید با آن عامل متا به همان روشی که با هر کدام از اعضای تیم خود ارتباط برقرار می‌کنید، ارتباط برقرار کنید»، او گفت. «می‌توانید وظایف واگذار کنید و آن‌ها به عنوان عاملِ عامل‌ها عمل خواهند کرد.» این ایده این است که این عامل متا نه تنها منتظر شما نیست، بلکه فعال است و ۲۴/۷ روی برنامه‌ها نظارت می‌کند. ایده‌آل این است که بتواند مشکلات را قبل از پیش آمدن تشخیص دهد و به‌طور خودکار اصلاحاتی ارائه کند. هیجان دربارهٔ عامل‌ها در برابر واقعیت با وجود اینکه دیدگاه کلی او نسبت به میدان، سالوادور از سرعت پذیرش کند در شرکت‌ها نیز آگاه است. او به بازدید اخیر از بانکی بزرگ در اروپا که هنوز از مین‌فریم‌ها و COBOL استفاده می‌کند اشاره کرد. «فکر می‌کنم هیجان زیادی وجود دارد»، او گفت. «برای شرکت‌ها، سرعت پذیرش به‌طور قابل توجهی نسبت به آنچه ما باور داریم کندتر است.» او به Dora گزارش امسال گوگل اشاره کرد که نشان داد پیش از این، بهره‌وری از هوش مصنوعی «تقریباً نامشهود» بود. اکنون این دستاوردها وجود دارند، اما زمان لازم بود تا هم فناوری بهبود یابد و هم توسعه‌دهندگان بیاموزند چگونه از آن به‌طور مؤثری استفاده کنند. «هوش مصنوعی ابزار شگفت‌انگیزی است، اما مانند هر ابزار دیگری باید بدانید چگونه از آن استفاده کنید»، سالوادور گفت. «وقتی عامل انسانی و مدیریت تغییر را نادیده می‌گیرید، چیزها به سرعت اتفاق نمی‌افتند.» راهنمایی او برای تیم‌هایی که تازه کار خود را آغاز می‌کنند این است که کوچک فکر کنند. فقط یک برنامه واحد را انتخاب کنید، با تیمی کوچک کار کنید و آنها را در تمام چرخه از کدنویسی تا استقرار راهنمایی کنید. «اگر بتوانید به توسعه‌دهندگان کمک کنید این فرایند یادگیری را تسریع کنند، آنگاه می‌توانند این دانش را در سراسر سازمان شما گسترش دهند»، او گفت.