قسمت اول

قسمت دوم: ساختن نرم‌افزار که فقط کد نوشتن نیست!

اصل داستان، یکپارچه‌سازی و تحویل دادنِ کده. اصلاً شما می‌دونستید که یه زمانی مایکروسافت هر سه سال یکبار نسخه جدید ویندوز رو منتشر می‌کرد و «به طور متوسط، آماده شدن هر نسخه از ایده اولیه تا تکمیل نهایی حدود سه سال طول می‌کشید، اما فقط حدود شش تا نه ماه از این زمان صرف توسعه کدهای «جدید» می‌شد؟ بقیه زمان صرف یکپارچه‌سازی، تست، و دوره‌های آلفا و بتا (نسخه‌های آزمایشی اولیه) می‌شد» منبع

نوشتن کد فقط یه بخش خیلی مهمه، ولی تنها بخش ماجرا نیست. اصلاً خبر داشتید که (طبق یه تحقیق جدید خود مایکروسافت) توسعه‌دهنده‌ها فقط ۲۰ درصد از وقتشون رو صرف کدنویسی یا بازنویسی و مرتب‌سازی کد (که بهش میگن رفکتورینگ) می‌کنن؟ (همونجایی که اون آمار XYZ درصدی تولید کد توسط هوش مصنوعی مطرح میشه و به این بخش مربوطه).

وقتی با تیم‌ها و مشتری‌ها سر و کار داریم و نرم‌افزار می‌سازیم، خیلی جاها می‌بینم که هوش مصنوعی به زور می‌تونه کمکی بکنه.

فکرشو بکنید، اگه ذی‌نفعان پروژه (همون‌هایی که پروژه براشون مهمه و توش نقش دارن) دیگه جواب تلفن و ایمیل شما رو ندن، درگیر بازی‌های سیاسی داخلی شرکت خودشون بشن، و نتونن تکلیفشون رو با نیازمندی‌های پروژه روشن کنن چی؟ آیا ChatGPT (یا هر «ایجنت» خفن دیگه‌ای که فکرشو بکنید) می‌تونه بیفته دنبال مشتری، تمام تناقضات توی نیازمندی‌ها رو پیدا کنه و به رخشون بکشه، با کل تیم ارتباط برقرار کنه و ریسک‌های اصلی پروژه رو کم کنه؟


حتی اگه نیازمندی‌هایی داشته باشید که به نظر خیلی دقیق و پالایش شده میان... چقدر طول می‌کشه تا هر کدوم از اعضای تیم واقعاً متوجه بشن اون «چیزی» که دارن برای رسیدن بهش تلاش می‌کنن، دقیقاً چیه؟ چقدر طول می‌کشه تا تیم به یه توافق داخلی برسه که چطور باید دور اون هدف اصلی سازماندهی بشن، محدوده کار رو چطور خُرد کنن، و چطور نیازمندی‌های بیزینسی رو به جزئیات فنی و پیاده‌سازی ربط بدن؟ آیا ابزارهای هوش مصنوعی مولد (Gen-AI) می‌تونن اونقدر به دینامیک تیم سرعت بدن که تیم به جای چند هفته، فقط تو چند روز از مراحل اولیه شکل‌گیری و بحث و جدل (forming and storming) عبور کنه و سریع به هماهنگی و عملکرد بالا (norming and performing) برسه؟

من اینو همیشه به چشم می‌بینم: آدما ذاتاً تو فکر کردن کُند هستن، مغز ما تو اینکه چقدر اطلاعات می‌تونه پردازش کنه، یا اینکه چقدر ارتباطات اجتماعی می‌تونیم بسازیم و حفظ کنیم، محدودیت‌های طبیعی داره. اینکه یه عالمه متن تولید کنیم که کمتر کسی حوصله خوندنش رو داره (و تعداد خیلی کمتری هم سعی می‌کنن واقعاً بفهمنش) هیچ مشکلی رو حل نمی‌کنه.

با توجه به وضعیت فعلی و مسیری که ابزارهای هوش مصنوعی تو توسعه نرم‌افزار دارن پیش میرن، من اونا رو بیشتر شبیه ابزارهای افزایش بهره‌وریِ جدا افتاده می‌بینم که تهش، این آدمیزاده که گلوگاه کاره. پیشرفت خیلی کمی تو این زمینه شده که ایجنت‌های هوش مصنوعی بتونن تمام اون کارهای ریز و درشتی رو که یه کارمند آدم تو کارای روزمره‌اش انجام میده، پوشش بدن. حتی اگه هوش مصنوعی خیلی خیلی مستقل‌تر هم بشه (autonomy بالاتری پیدا کنه)، آدما هنوزم نیاز به زمان دارن تا تصمیم بگیرن، دیدگاه‌هاشون رو کامل‌تر کنن و تغییر بدن، با هم حرف بزنن، و به توافق برسن.


بهره‌وری

آخرش، کسب‌وکارها دنبال اینن که کار بیشتری با تلاش و هزینه کمتری انجام بشه. اینکه هوش مصنوعی رو بیاریم تو تیم‌های توسعه و بعد هزینه‌ها یا تعداد نیروها رو با یه عدد جادویی (که نمی‌دونم چرا همیشه بین ۲۰ تا ۳۰ درصده!) کم کنیم – به نظر نمیاد این روش خیلی جواب بده. هنوز تا یه جهش و تغییر خفن بزرگ تو بهره‌وری توسعه‌دهنده‌ها تو کل این صنعت فاصله داریم.


—-

💡 مثل همیشه کنجکاو بمونید :)

🆔 @MdDaily