قرار بود هوش مصنوعی بیاد تا کارها سریع‌تر بشه و وقت آزاد بیشتری برای زندگی داشته باشیم، اما خروجی عملی برای خیلی از مهندسا برعکس شده: ساعت‌های کاری طولانی‌تر، کار بعد از تایم اداری و خستگی بیشتر. این موضوع صرفاً یک حس مشترک توی شبکه‌های اجتماعی نیست، بلکه پژوهش‌های اخیر میدانی هم دقیقاً دارن همین پارادوکس رو ثبت می‌کنن.

مطالعه میدانی هشت‌ماهه پژوهشگرهای دانشگاه Berkeley Haas نشون داده دسترسی به ابزارهای هوش مصنوعی، به‌جای کم کردن بار کاری، باعث متراکم‌تر شدن کارها شده. وقتی ساختن یک پروتوتایپ اولیه با AI خیلی سریع و ارزان تموم میشه، افراد مسئولیت‌های خارج از تخصص خودشون رو هم گردن می‌گیرن و تسک‌های جدید می‌سازن. گزارش Atlassian هم نشون میده ۹۲ درصد نیروها میگن محدوده‌ی وظایفشون از شرح شغل اولیه‌شون فراتر رفته، چون انجام کارهای تیم‌های دیگه با AI راحت‌تر به نظر می‌رسه.

اصل ماجرا پدیده‌ای به اسم Vibe Coding و توهم بازدهی بالاست. تولید کردن کدهای اولیه واقعاً چند دقیقه بیشتر طول نمی‌کشه، ولی مهندسی نرم‌افزار هیچ‌وقت فقط نوشتن کد خام نبوده. گزارش DORA نشون میده ذخیره‌ی زمانی که AI در نوشتن کد ایجاد می‌کنه، مستقیماً سرازیر میشه توی پروسه‌های Verification، بازبینی‌های سنگین، دیباگ، تست امنیت، Performance و رسیدگی به معماری در مقیاس Production. حتی مطالعه METR روی توسعه‌دهنده‌های باسابقه نشون داد با اینکه افراد حس می‌کردن ۲۰ درصد سریع‌تر شدن، در عمل به خاطر زمان تمیزکاری و عیب‌یابی کدهای تولیدی، تسک‌ها ۱۹ درصد بیشتر طول کشیده بود.

علت این وضعیت یک اصل اقتصادی آشناست: وقتی هزینه‌ی تولید چیزی شدیداً افت می‌کنه، سازمان‌ها مصرفش رو بالا می‌برن نه اینکه کار رو تعطیل کنن. اگر قبلاً توی دو هفته یک Feature پیاده می‌شد، الان با AI پنج فیچر نیمه‌کاره تولید میشه و همه‌ی اون‌ها هم نیاز به Code Review، ادغام و مانیتورینگ دارن.

خلاصه‌ی ماجرا اینه که هوش مصنوعی هزینه‌ی ساخت پیش‌نویس اول رو تقریباً صفر کرده، اما هزینه‌ی مسئولیت فنی، صحت‌سنجی و نگهداری در Production سر جاشه. گلوگاه سیستم حذف نشده، فقط از مرحله‌ی «کدنوشتن» به سمت «تست، اعتبارسنجی و نگهداری» جابه‌جا شده.

source: https://www.universityofcalifornia.edu/news/ai-promised-free-workers-time-uc-berkeley-haas-researchers-found-opposite

🛠 Join @LLMEngineers Community