توهم زمان‌های آزاد با هوش مصنوعی؛ چرا کارایی بیشتر به معنای خستگی بیشتر است؟ — AI promised less work. I've never worked more
خلاصه
این مقاله تجربیات یک معاون فناوری را بررسی می‌کند که چگونه استفاده از ایجنت‌های هوش مصنوعی برای توسعه نرم‌افزار، برخلاف وعده کاهش کار، حجم وظایف و خستگی ذهنی او را به شدت افزایش داده است. این مطلب نشان می‌دهد که چگونه هزینه پایین پیاده‌سازی با هوش مصنوعی، ما را به پذیرش پروژه‌های بیشتر و تعویض مدام کانتکست ترغیب می‌کند.
وعده اولیه ابزارهای هوش مصنوعی جذاب بود: نوشتن کمتر کدهای تکراری (boilerplate)، سپردن کارهای خسته‌کننده به ایجنت‌ها و بازگشت زودهنگام به خانه. بسیاری از توسعه‌دهندگان از این ابزارها برای تسریع کارها استفاده می‌کنند، اما واقعیت چیز دیگری است. برای یک مهندس نرم‌افزار، کار با چندین ایجنت همزمان به معنای مدیریت چندین تسک موازی است؛ یکی در حال پیاده‌سازی تغییرات است، دیگری باگ‌های پروداکشن را بررسی می‌کند و سومی روی ریویو کدها کار می‌کند. هیچ‌کدام تمام‌وقت به شما نیاز ندارند، اما همه آن‌ها گاهی نیازمند تصمیم‌گیری شما هستند.
بار کاری جدید در برابر بار کاری سنتی
پیش از این، یک مهندس فول‌استک (Full Stack) روی دو یا سه تسک جدی در هفته تمرکز می‌کرد؛ مانند یک فیچر جدید، یک باگ پیچیده یا یک مایگریشن. این کارها انرژی‌بر بودند، اما ذهن تنها درگیر یک مسئله مشخص بود. امروزه ماجرا متفاوت است. هر ایجنت با سوال، برنامه پیشنهادی یا diff برمی‌گردد و شما باید مدام بین مخازن مختلف، مشکلات گوناگون و تصمیمات متنوع سوئیچ کنید.
بررسی تاریخچه مشارکت‌های GitHub نویسنده در شرکت Bold.org نشان می‌دهد که فعالیت او پس از سال‌های اوج در نقش مهندس فول‌استک (سال ۲۰۲۰)، با ارتقا به سمت‌های مهندس ارشد (Principal Engineer) و معاون فناوری (VP of Technology) سیر نزولی داشته است. اما با ورود ایجنت‌های هوش مصنوعی، تعداد کامیت‌ها، پول ریکوئست‌ها و ریویوها دوباره اوج گرفته و حتی رکورد سال‌های گذشته را شکسته است. نکته جالب اینجاست که نقش سازمانی او مدیریت است، نه کدنویسی تمام‌وقت؛ اما چون کدنویسی ارزان‌تر شده، دامنه کارهایی که پذیرش آن‌ها توجیه‌پذیر است به شدت وسیع‌تر شده است.
چرخه‌های انفجار کاری و فرسودگی
روند استفاده از هوش مصنوعی خطی نیست، بلکه به شکل دوره‌های انفجار (Bursts) نمایان می‌شود:
- شروع هیجان‌زده: با انتشار یک مدل جدید یا ابزار تازه، ایده‌های زیادی به ذهن می‌رسد و چندین ایجنت موازی راه‌اندازی می‌شوند.
- فرسودگی ذهنی: پس از چند هفته، حجم بالای بررسی‌ها، خواندن کدها و مدیریت کانتکست‌ها باعث خستگی مفرط می‌شود.
- بازگشت به تعادل: توسعه‌دهنده برای مدتی سرعت را کم می‌کند تا انرژی از دست رفته بازیابی شود.
نکته غافلگیرکننده این است که حتی در ماه‌های کم‌کارتر نیز سطح فعالیت به دوران پیش از هوش مصنوعی برنمی‌گردد، زیرا همیشه کارهای کوچکی باقی مانده‌اند که با یک prompt سریع انجام می‌شوند.
دیدگاه جامعه هکرنیوز
بحث‌های شکل‌گرفته پیرامون این مقاله در Hacker News ابعاد جالبی را روشن کرد:
- برخی کاربران اشاره کردند که فناوری‌های جدید در تاریخ هیچ‌گاه به کاهش ساعت کار کارگر منجر نشده‌اند، بلکه کارفرماها از آن‌ها برای استخراج خروجی بیشتر استفاده کرده‌اند.
- عده‌ای معتقدند ابزارهای هوش مصنوعی پیچیدگی اطلاعات و حجم مواردی را که باید در ذهن نگه داشت به شدت افزایش داده‌اند، که این موضوع خود خطاهای انسانی را بالا می‌برد.
- در مقابل، گروهی نیز گزارش دادند که با اتوماسیون وظایفی مثل کارهای اداری و زیرساختی، توانسته‌اند وقت بیشتری برای زندگی شخصی و کارهای خلاقانه بیرون از میز کار پیدا کنند.
چرا این موضوع برای مهندسان اهمیت دارد؟
مشکل اصلی اینجاست که ظرفیت ما برای پیاده‌سازی ایده‌ها به لطف هوش مصنوعی به شدت رشد کرده، اما ظرفیت ذهنی ما برای تفکر، تمرکز و مدیریت این حجم از اطلاعات تغییر نکرده است. ابزارهای هوش مصنوعی زمان ما را پس نگرفته‌اند، بلکه به ما اجازه داده‌اند کار بسیار بیشتری را در همان بازه زمانی تقبل کنیم؛ و این همان نقطه‌ای است که مرز میان بهره‌وری و فرسودگی شغلی (Burnout) را بسیار باریک می‌کند.
این مطلب به‌صورت کاملاً خودکار و با هوش مصنوعی از مقالهٔ اصلی و بحث هکرنیوز تهیه شده و ممکن است خطا داشته باشد. حقوق مطلب اصلی متعلق به نویسندهٔ آن است. قوانین و گزارش مشکل