🏎 فرمول یکی که هنوز پیستش رو نساختن!
راننده‌های فرمول یک قبل از مسابقه، پیچ‌وخم‌های پیست رو بارها مرور می‌کنن. می‌دونند کجا باید ترمز کنن، کجا گاز بدن و کدوم پیچ‌ها خطرناک‌ترن.
حالا تصور کنین مسابقه‌ای برگزار شده که راننده‌ها با سرعت تمام در حال حرکت‌اند، اما برگزارکننده‌ها هنوز دارن چند کیلومتر جلوتر پیست رو می‌سازن! جالب‌تر اینکه خود طراحان پیست هم فقط یک طرح کلی از مسیر آینده دارن و هنوز دقیقاً نمی‌دونن پیچ بعدی قراره به کجا برسه.
به نظرم وضعیت امروز ما توی tech، خصوصاً با ظهور AI، خیلی با این مثال فرق نداره. ماشین‌هامون هر سال سریع‌تر می‌شن، اما میدان دیدمون لزوماً بیشتر نشده. فقط فاصله‌ی بین چیزهایی که امروز می‌دونیم و اونچه که هنوز نمی‌دونیم رو سریع‌تر طی می‌کنیم.
مثلاً امروز، در اکتبر ۲۰۲۶، واقعاً چقدر می‌تونیم درباره‌ی توانمندی‌های AI در ژانویه‌ی ۲۰۲۷ با اطمینان صحبت کنیم؟
در موج‌های قبلی فناوری، مثلاً فراگیر شدن معماری‌های توزیع‌شده، معمولاً فرصت بیشتری برای یادگیری، تجربه کردن و تطبیق مهارت‌هامون داشتیم. البته اون دوران هم برای همه آروم و قابل پیش‌بینی نبود. اما حالا چرخه‌ی تغییر برخی ابزارها و مهارت‌ها به‌قدری کوتاه شده که ممکنه هنوز چیزی رو درست یاد نگرفته باشیم و نسخه‌ی جدیدش از راه برسه.
مسئله دیگه فقط سرعت حرکت نیست؛ سرعت یادگیری، فراموش کردن دانسته‌های منسوخ و سازگار شدن با مسیر جدیده.
اما این مسابقه، یه ویژگی جالب دیگه هم داره: بعضی از مهارت‌هایی که دیروز برای رانندگی ضروری بودن، امروز دیگه مزیت رقابتی محسوب نمیشن که هیچ؛ کسی هم براشون تره خرد نمی‌کنه.
یادتون هست یه روزگاری برای خرید یه کامپیوتر ساده‌ی خونگی باید دست‌به‌دامن «آقای مهندس» می‌شدیم؟ چند سال بعدش، دیگه نیازی به «آقای مهندس» نبود. کافی بود به کامبیز، خدمات کامپیوتری محله، سفارش می‌دادیم؛ تلفنی چهار تا قطعه از بازار می‌گرفت، سرهم می‌کرد و تحویل می‌داد.
بعدتر همین کارها رو جمال، پسرِ خاله‌‌اعظم، انجام می‌داد که از تأمین VPN فامیل تا تنظیم تلویزیون مادربزرگ، همه‌چیز روی سبیلش بود!
و امروز؟ شما با یه دست لقمه‌ی کوکو رو می‌دی سمت خندق بلا، و با اون‌یکی دستت، لپ‌تاپ موردنظرت رو آنلاین سفارش می‌دی.
سؤال: آیا صنعت سخت‌افزار از بین رفت؟ اتفاقاً نه. سخت‌افزار پیچیده‌تر، قدرتمندتر و توی خیلی از بخش‌ها تخصصی‌تر شد. چیزی که تغییر کرد، دسترسی به محصول و ارزش اقتصادی بعضی لایه‌های خدمات واسطه‌ای بود.
چیزی که روزی دانش تخصصی و کمیاب به حساب میومد، به‌تدریج، تبدیل به یه کار ساده و روتین، خودکار یا در دسترس عموم شد.
البته تمام خدمات کامپیوتری‌ها تعطیل نشدن؛ و تمام تکنسین‌های مونتاژ هم بیکار نشدن. بعضی‌شون متخصص شدن، بعضی‌شون هم حوزه‌ی فعالیتشون رو تغییر دادن و بعضی‌شون هم احتمالاً الان دارن کنار دفتر مشق و مداد رنگی، خدمات پرینت و کپی ارائه می‌دن.
حالا همین فرایند رو توی صنعت نرم‌افزار تصور کنید.
این روزها شبکه‌های اجتماعی پر شده از دوستانی که با چند تا Agent، یه‌شبه محصول (بخونید پروتوتایپ) ساختن. بعضی از این تجربه‌ها واقعاً ارزشمندن. اتفاقاً پایین اومدن هزینه‌ی آزمودن ایده‌ها یکی از جذاب‌ترین دستاوردهای AI است. ولی بعضی‌هاشون هم وزن شوآفش بیشتر از هر چیز دیگه‌ایه. اما ساختن چیزی که روی لپ‌تاپ خودمون کار می‌کنه یا نهایتاً روی VPS اجاره‌ای‌مون، الزاماً به معنی ساختن یه محصول نرم‌افزاری نیست. آیا کاربر واقعی داره؟ مسئله‌ای رو حل می‌کنه؟ و اگه قراره تجاری باشه، کسی حاضره بابتش هزینه کنه؟ هزینه‌ی زیرساخت و توکن‌هاش قابل توجیه و بازگشته؟ امنیت و پایداری داره؟ شیش ماه دیگه می‌شه توسعه‌اش داد؟ وقتی توی محیط پروداکشن مشکلی پیش بیاد، کسی می‌تونه ریشه‌ی مشکل رو پیدا کنه؟
اینجاست که فاصله‌ی یک دمو جذاب با یه محصول مهندسی‌شده خودش رو نشون می‌ده.
البته خیلی از محصولات موفق هم از روز اول محصول کامل نبودن. خیلی‌هاشون از یه آزمایش کوچیک شروع شدن. اشکالی هم نداره کسی صرفاً برای یادگیری یا سرگرمی چیزی بسازه.
ایراد از جایی شروع می‌شه که توانایی ابزار رو با دانش و توانایی خودمون اشتباه بگیریم.
ما انسان‌ها قرن‌هاست سعی کردیم سر از چجوری کار کردن هر چیزی در بیاریم؛ حتی سازوکار بدن خودمون رو که محصول طراحی مهندسی خودمون نیست، هنوز به‌طور کامل نمی‌شناسیم. قرن‌هاست داریم روی بدنمون مطالعه می‌کنیم و همچنان چیزهای تازه کشف می‌کنیم.
حالا جالبه که به نقطه‌ای رسیدیم که سیستم‌هایی رو خودمون طراحی و آموزش می‌دیم، اما نمی‌تونیم تمام رفتارهای آموخته‌شده‌ی اون‌ها رو دقیقاً توضیح بدیم. می‌دونیم شبکه‌های عصبی چجوری ساخته و آموزش داده می‌شن، ولی اینکه دقیقاً چه الگوها و بازنمایی‌هایی یاد گرفتن و چرا در شرایط مشخص خروجی خاصی تولید می‌کنن، هنوز از موضوعات جدی پژوهشیه.
پس اگه با ابزاری که خودتون سازوکارش رو درست نمی‌شناسید، خروجی خیره‌کننده‌ای تولید کردید، خوشحال باشید، تجربه کنید، یاد بگیرید و حتی گاهی، و به اندازه، بهش افتخار کنید. اما تمام توانایی‌های ابزار رو به حساب دانایی خودتون نگذارید.
اخوی! اینکه سوار آسانسور بشی و به طبقه‌ی پنجاهم برسی، معناش این نیست که پنجاه طبقه پله‌نوردی بلدی! البته بلد بودن کار با آسانسور هم بد نیست، خصوصاً وقتی دیگران هنوز دنبال پله می‌گردن!
این حرف به معنی بی‌ارزش بودن مهارت استفاده از ابزار نیست. اتفاقاً استفاده‌ی ماهرانه از ابزار خودش تخصصه. اما باید فرق بین استفاده از فناوری، ساختن محصول با فناوری و توسعه‌ی خود فناوری رو بدونیم.
همه هم قرار نیست طراح موتور فرمول یک باشن. راننده‌ی خوب، مهندس مسابقه و طراح موتور هرکدوم مهارت و ارزش خاص خودشون رو دارن. مسئله اینه که بدونیم توی کدوم نقش هستیم و چه ارزشی خلق می‌کنیم.
به گمان من AI قرار نیست لزوماً تمام مهندس‌های نرم‌افزار رو حذف کنه، همون‌طور که ساده‌تر شدن خرید کامپیوتر، صنعت سخت‌افزار رو نابود نکرد. اما می‌تونه بخشی از مهارت‌ها، خدمات و مدل‌های کسب‌وکار فعلی رو کم‌ارزش یا حتی غیرضروری کنه.
از اون طرف، پیچیدگی‌های تازه‌ای هم ایجاد می‌کنه که به دانش و تخصص تازه نیاز دارن (مثل امنیت، یا compliance)
شاید سؤال مهم امروز این نباشه که AI می‌تونه کد بنویسه یا نه. این سؤال رو تا حد زیادی پشت سر گذاشتیم. بلکه سؤال مهم‌تر اینه که وقتی تولید کد ارزون‌تر و آسون‌تر می‌شه، ارزش واقعی مهندس نرم‌افزار کجا خواهد بود؟
در شناخت مسئله؟ طراحی سیستم؟ تصمیم‌گیری بین چند راه‌حل؟ مدیریت پیچیدگی؟ امنیت، پایداری و مسئولیت نتیجه؟ یا توی حوزه‌هایی که هنوز حتی نمی‌دونیم به وجود خواهند آمد؟
شاید ترکیبی از همه‌ی این‌ها، شاید هم چیزی که امروز به اندازه‌ی کافی بهش توجه نمی‌کنیم.
برای همین بد نیست بین این‌همه هیاهوی «AI فلان کار رو کرد» و «Agent بهمان شغل رو حذف کرد»، گاهی از خودمون بپرسیم:
دانش و مهارت واقعی ما کجای زنجیره‌ی ارزش قرار داره؟ چقدر از ارزشی که خلق می‌کنیم حاصل توانایی خودمونه و چقدرش متکی به قابلیت‌هاییه که ابزارها در اختیارمون گذاشتن؟
و مهم‌تر از اون، آیا در حال یاد گرفتن رانندگی در مسیرهای ناشناخته هستیم، یا هنوز تمام اعتبار حرفه‌ای‌مون رو به عوض کردن دنده‌ای گره زدیم که ممکنه ماشین نسل بعدی اصلاً بهش نیازی نداشته باشه؟
🏁 پیست هنوز تموم نشده، مسابقه هم متوقف نمی‌شه. قرار نیست همه طراح موتور باشن، اما بهتره هرکدوم بدونیم چرا هنوز پشت فرمون نشستیم.