هوش مصنوعی قرار بود برنامه‌نویسی را سریع‌تر و ساده‌تر کند، اما حالا روی دیگر این فناوری در حال نمایان شدن است؛ وابستگی بیشتر به ابزارهای کدنویسی AI، دشوارتر شدن مرز میان کار و زندگی و افزایش زمانی که توسعه‌دهندگان صرف بررسی خروجی‌های تولیدشده می‌کنند. از سوی دیگر، داده‌های جهانی و نظرسنجی از برنامه‌نویسان ایرانی نشان می‌دهد AI دیگر یک ابزار جانبی نیست و به بخش ثابتی از فرایند توسعه نرم‌افزار تبدیل شده است.

هوش مصنوعی در چند سال گذشته به یکی از ابزارهای ثابت در محیط کار برنامه‌نویسان تبدیل شده است. ابزارهایی مانند GitHub Copilot، Claude Code و Cursor می‌توانند در چند ثانیه کد تولید کنند، خطاها را توضیح دهند، تست بنویسند، ماژول‌ها را بازنویسی کنند و حتی بخش‌هایی از فرایند توسعه نرم‌افزار را به‌صورت خودکار پیش ببرند.

اما در کنار افزایش بهره‌وری، مسئله دیگری نیز در حال پررنگ شدن است: وابستگی به هوش مصنوعی و دشوار شدن توقف کار.

بر اساس نظرسنجی شرکت آموزشی Coddy Tech از ۳۰۵ توسعه‌دهنده، ۸۰ درصد شرکت‌کنندگان گفته‌اند استفاده آن‌ها از هوش مصنوعی بیشتر از آنکه یک مزیت باشد، به نوعی «وابستگی» تبدیل شده است. در همین نظرسنجی، ۴۳ درصد توسعه‌دهندگان گفته‌اند حتی زمانی که تصمیم داشته‌اند کار را متوقف کنند، بعد از ساعات کاری به کدنویسی با هوش مصنوعی ادامه داده‌اند. ۳۲ درصد نیز اعلام کرده‌اند که برای ادامه کار، خواب خود را به تعویق انداخته‌اند و ۳۹ درصد گفته‌اند ابزارهای هوش مصنوعی خاموش کردن ذهن از کار را برایشان دشوارتر کرده است.

در نگاه اول، چنین آماری ممکن است یک مسئله مرتبط با عادت کاری به نظر برسد، اما وقتی ابزارهای هوش مصنوعی می‌توانند بدون توقف کد تولید کنند، اصلاح کنند و نسخه‌های جدید ارائه دهند، مرز میان «بهره‌وری بیشتر» و «کار بیشتر» نیز باریک‌تر می‌شود.

وقتی کدنویسی با AI پایان ندارد

یکی از ویژگی‌های ابزارهای جدید کدنویسی مبتنی بر هوش مصنوعی این است که فرایند توسعه نرم‌افزار را به یک چرخه تقریباً بی‌پایان تبدیل می‌کنند. توسعه‌دهنده می‌تواند از ابزار بخواهد یک بخش از کد را بنویسد؛ سپس همان کد را اصلاح کند، نسخه دیگری پیشنهاد دهد، عملکرد آن را بهینه کند، خطاها را برطرف کند یا ساختار آن را تغییر دهد. هر پاسخ می‌تواند آغاز درخواست بعدی باشد.

در نتیجه، برخلاف شیوه سنتی کار که در آن یک وظیفه انجام می‌شود و پایان مشخصی دارد، استفاده از ابزارهای هوش مصنوعی می‌تواند یک چرخه دائمی دریافت بازخورد و اصلاح ایجاد کند.

نمونه‌ای از این وضعیت را کوئنتین روسو، مدیر فناوری و هم‌بنیان‌گذار شرکت Rootly، در تجربه شخصی خود توصیف کرده است. او از شبی گفته بود که بدون وجود هیچ مهلت کاری یا اختلالی که نیاز به رفع داشته باشد، نیمه‌شب مشغول تماشای Claude Code بوده که یک ماژول را بازنویسی می‌کرد و خودش نمی‌توانسته کار را متوقف کند. روسو این تجربه را نوعی کشش اعتیادآور توصیف کرده و گفته است این وضعیت روی خواب او اثر گذاشته است.

مسئله فقط تعداد ساعت‌هایی نیست که برنامه‌نویس پشت سیستم می‌گذراند. نگرانی اصلی این است که مرز میان «می‌توانم بیشتر کار کنم» و «باید کار را متوقف کنم» در حال کمرنگ شدن است.

برنامه‌نویسان ایرانی هم از موج AI جا نمانده‌اند

این روند فقط به بازارهای جهانی محدود نیست. نتایج «گزارش جامعه برنامه‌نویسان ایران» کوئرا نیز نشان می‌دهد ابزارهای هوش مصنوعی به بخش قابل‌توجهی از فرایند کاری توسعه‌دهندگان ایرانی راه پیدا کرده‌اند.

در این نظرسنجی که با مشارکت بیش از ۵ هزار برنامه‌نویس انجام شده، ۸۰ درصد پاسخ‌دهندگان اعلام کرده‌اند که از هوش مصنوعی برای برنامه‌نویسی استفاده می‌کنند. کدنویسی، یادگیری و دیباگ نیز از مهم‌ترین کاربردهای AI در میان شرکت‌کنندگان بوده است.

این آمار نشان می‌دهد استفاده از هوش مصنوعی در میان برنامه‌نویسان ایرانی دیگر یک فناوری حاشیه‌ای یا آزمایشی نیست و به بخشی از جریان روزمره توسعه نرم‌افزار تبدیل شده است.

با این حال، این عدد نباید با وابستگی یا اعتیاد به AI اشتباه گرفته شود. نظرسنجی کوئرا میزان استفاده از ابزارهای هوش مصنوعی را اندازه‌گیری کرده، نه وابستگی روانی یا افزایش ساعات کاری ناشی از آن. بنابراین برای ادعای وجود اعتیاد به AI در میان برنامه‌نویسان ایرانی، همچنان به پژوهش‌های اختصاصی‌تری نیاز است.

با این وجود، قرار گرفتن این داده در کنار آمار جهانی، تصویری روشن از سرعت ورود AI به محیط کاری برنامه‌نویسان ارائه می‌دهد؛ فناوری‌ای که حالا در بخش‌هایی مانند تولید کد، یادگیری و رفع خطا در کنار توسعه‌دهنده قرار گرفته است.

بهره‌وری بیشتر، فرسودگی شغلی بیشتر؟

در نگاه اول، افزایش استفاده از هوش مصنوعی باید به معنای کاهش فشار کاری باشد؛ چرا که بخش زیادی از کارهای تکراری و زمان‌بر به ابزارهای AI سپرده می‌شود. با این حال، اگر سازمان‌ها این افزایش سرعت را نه برای کاهش فشار، بلکه برای افزایش خروجی مورد انتظار کارکنان به کار بگیرند، نتیجه می‌تواند متفاوت باشد.

در این حالت، برنامه‌نویسی که با کمک AI یک وظیفه را سریع‌تر انجام می‌دهد، زمان آزاد بیشتری پیدا نمی‌کند؛ بلکه ممکن است از او انتظار برود در همان زمان، وظایف بیشتری انجام دهد، قابلیت‌های بیشتری توسعه دهد و درخواست‌های بیشتری را به سرانجام برساند.

یافته‌های نظرسنجی Coddy نیز همین تناقض را نشان می‌دهد. ۷۴ درصد توسعه‌دهندگان شرکت‌کننده گفته‌اند استفاده سنگین از هوش مصنوعی احتمال افزایش حقوق یا ارتقای شغلی آن‌ها را بیشتر کرده است؛ اما هم‌زمان ۵۱ درصد گفته‌اند این شیوه کار احتمال فرسودگی شغلی آن‌ها را نیز افزایش داده است.

به این ترتیب، هوش مصنوعی می‌تواند هم‌زمان ابزار افزایش بهره‌وری و عاملی برای افزایش فشار کاری باشد؛ مسئله‌ای که نحوه استفاده سازمان‌ها از این فناوری را به اندازه خود فناوری مهم می‌کند.

هوش مصنوعی قرار است برنامه‌نویسان را حذف کند یا نقش آنها را تغییر دهد؟

در ایران نیز بحث درباره تأثیر هوش مصنوعی بر آینده شغلی برنامه‌نویسان جدی‌تر شده است. ایسنا در گزارشی به نقل از یک عضو هیئت علمی دانشگاه تبریز،، به نقش ابزارهای هوش مصنوعی در تغییر فرایند برنامه‌نویسی پرداخته است.

در این گزارش، ابزارهایی مانند GitHub Copilot به‌عنوان دستیارهایی معرفی شده‌اند که می‌توانند کدنویسی را سرعت دهند، بخشی از کدهای تکراری را تولید کنند و در رفع خطاها به برنامه‌نویسان کمک کنند. با این حال، ورود AI به برنامه‌نویسی به معنای حذف برنامه‌نویسان نیست؛ بلکه ماهیت و مهارت‌های موردنیاز این شغل را تغییر می‌دهد.

این تغییر را می‌توان یکی از حلقه‌های مهم زنجیره‌ای دانست که از تولید کد با AI آغاز می‌شود و به نظارت، ارزیابی و اصلاح خروجی آن می‌رسد.

در چنین شرایطی، برنامه‌نویس به جای آنکه تمام کد را از ابتدا بنویسد، باید بخش بیشتری از زمان خود را صرف تعریف مسئله، بررسی خروجی و اطمینان از صحت عملکرد نرم‌افزار کند.

به بیان دیگر، هوش مصنوعی برنامه‌نویس را از چرخه توسعه نرم‌افزار خارج نمی‌کند؛ بلکه بخشی از کار او را از «نوشتن کد» به «هدایت و راستی‌آزمایی کد» منتقل می‌کند.

Vibe Coding؛ وقتی برنامه‌نویس بیشتر هدایت می‌کند تا کد بنویسد

یکی از مفاهیمی که هم‌زمان با گسترش ابزارهای کدنویسی مبتنی بر هوش مصنوعی مطرح شده، Vibe Coding یا «کدنویسی حسی» است؛ روشی که در آن کاربر به جای نوشتن مستقیم بخش قابل‌توجهی از کد، خواسته خود را با زبان طبیعی برای ابزار AI توضیح می‌دهد و مدل هوش مصنوعی کد مورد نیاز را تولید و اصلاح می‌کند.

Vibe Coding با هر نوع استفاده از هوش مصنوعی در برنامه‌نویسی یکسان نیست. تفاوت اصلی در میزان اتکای توسعه‌دهنده به خروجی تولیدشده است. در استفاده معمول از AI، برنامه‌نویس همچنان کد را بررسی و درک می‌کند؛ اما در Vibe Coding، بخش بزرگ‌تری از تولید و اصلاح کد به ابزار هوش مصنوعی سپرده می‌شود.

همین نقطه می‌تواند محل شکل‌گیری یکی از نگرانی‌های اصلی درباره وابستگی به AI باشد. هرچه فاصله برنامه‌نویس از جزئیات کد بیشتر شود، اهمیت نظارت، آزمایش و راستی‌آزمایی خروجی نیز بیشتر خواهد شد.

در واقع، مسئله اصلی Vibe Coding این نیست که AI می‌تواند کد تولید کند؛ مسئله این است که چه کسی مسئولیت تشخیص درست یا غلط بودن آن کد را بر عهده می‌گیرد.

بدهی راستی‌آزمایی؛ هزینه‌ای که AI پنهان می‌کند

یکی دیگر از چالش‌های کدنویسی با هوش مصنوعی، مسئله‌ای است که می‌توان آن را «بدهی راستی‌آزمایی» نامید.

هوش مصنوعی می‌تواند کد را در چند ثانیه تولید کند، اما سرعت تولید کد به معنای درست بودن آن نیست. توسعه‌دهنده همچنان باید بررسی کند که کد تولیدشده همان کاری را انجام می‌دهد که باید انجام دهد، با معماری نرم‌افزار سازگار است، آسیب‌پذیری امنیتی ایجاد نمی‌کند و در شرایط مختلف عملکرد مناسبی دارد.

این موضوع زمانی اهمیت بیشتری پیدا می‌کند که خروجی AI در نگاه اول کاملاً درست به نظر برسد، اما یک خطای کوچک در آن وجود داشته باشد. داده‌های نظرسنجی سال ۲۰۲۵ Stack Overflow نیز این مشکل را تأیید می‌کند. ۴۵ درصد توسعه‌دهندگان گفته‌اند یکی از اصلی‌ترین دلخوری‌هایشان دریافت پاسخ‌هایی است که «تقریباً درست، اما نه کاملاً درست» هستند.

در چنین شرایطی، بخشی از زمانی که قرار بود با هوش مصنوعی صرفه‌جویی شود، به مرحله بررسی، آزمون و خطایابی منتقل می‌شود. در واقع، AI سرعت تولید را بالا می‌برد، اما مسئولیت تشخیص درست یا غلط بودن خروجی را از بین نمی‌برد.

اعتماد به AI بیشتر شده یا کمتر؟

شاید مهم‌ترین تناقض در رابطه توسعه‌دهندگان با هوش مصنوعی همین‌جا دیده شود: استفاده از AI در حال افزایش است، اما اعتماد به خروجی آن هم‌پای این رشد افزایش پیدا نکرده است.

بر اساس نظرسنجی ۲۰۲۵ Stack Overflow، حدود ۸۰ درصد توسعه‌دهندگان از ابزارهای هوش مصنوعی در جریان کاری خود استفاده می‌کنند؛ با این حال، میزان اعتماد به دقت خروجی AI به ۲۹ درصد رسیده است. همچنین میزان موافقت مثبت توسعه‌دهندگان با ابزارهای AI نیز نسبت به سال قبل کاهش یافته است.

این وضعیت یک پیام مهم دارد: توسعه‌دهندگان بیش از گذشته از هوش مصنوعی استفاده می‌کنند، اما الزاماً بیش از گذشته به آن اعتماد ندارند. دلیل این مسئله نیز تا حد زیادی روشن است. برنامه‌نویس می‌داند که یک خروجی به‌ظاهر صحیح می‌تواند در بخشی از کد دارای خطا باشد و همین موضوع او را مجبور می‌کند خروجی AI را با دقت بیشتری بررسی کند.

بنابراین هرچه حجم کد تولیدشده توسط AI بیشتر شود، نیاز به سازوکارهای کنترل کیفیت، تست، امنیت و بازبینی انسانی نیز بیشتر خواهد شد.

مسئله فقط کدنویسی با هوش مصنوعی نیست

آنچه در حال تغییر است، ابزارهای مورد استفاده برنامه‌نویسان نیست؛ بلکه الگوی کار کردن آن‌هاست. اگر هوش مصنوعی برای حذف کارهای تکراری و زمان‌بر استفاده شود، می‌تواند واقعاً بهره‌وری را افزایش دهد. اما اگر سرعت AI به معیاری برای افزایش دائمی حجم کار تبدیل شود، نتیجه می‌تواند افزایش فشار، بزرگ‌تر شدن حجم کدهای تولیدشده و بیشتر شدن زمان مورد نیاز برای بررسی آن‌ها باشد.

در این شرایط، Pull Requestهای بزرگ‌تر، تغییرات بیشتر برای بررسی، وابستگی‌های بیشتر برای اعتبارسنجی و ریسک‌های عملیاتی بیشتر، بخشی از هزینه پنهان استفاده گسترده از AI خواهند بود.

بنابراین مسئله آینده توسعه نرم‌افزار دیگر فقط این نیست که آیا هوش مصنوعی می‌تواند کد بنویسد؟ پاسخ این سؤال تا حد زیادی مشخص است. پرسش مهم‌تر این است که آیا برنامه‌نویسان می‌توانند همچنان کنترل پایان کار را در دست داشته باشند؟

هوش مصنوعی می‌تواند کدنویسی را سریع‌تر کند؛ اما اگر هر وظیفه سریع‌تر، بهانه‌ای برای انجام وظیفه بعدی باشد، ممکن است فناوری‌ای که قرار بود زمان بیشتری برای انسان ایجاد کند، در نهایت فقط سرعت رسیدن به فرسودگی شغلی را افزایش دهد.