افزایش سرعت تولید کد توسط AI، چالش جدید زیرساخت‌های قدیمی

مارتین رینولدز، مدیر ارشد فناوری در Harness می‌گوید: «پنج‌سالگی کوپایلوت باید یک نقطه عطف می‌بود، اما سوی تاریک ماجرا هماهنگ نبودن سرعت پیشرفت زیرساخت‌های نرم‌افزاری و سیستم‌های CI/CD با حجم کد تولید شده توسط AI است.»

ترافیک کُشنده در پایپ‌لاین‌ها و هدررفت بودجه شرکت‌ها در نتیجه Code Agentهایی است که این روزها برای افزایش خروجی برنامه‌نویسان به کار گرفته می‌شوند. این خروجیِ زیاد زمانی که وارد محیط‌های یکپارچه‌سازی و استقرار پیوسته (CI/CD) سنتی و دستی می‌شود، یک ترافیک سنگین و خارج از کنترل را ایجاد می‌کند که شاید بتوان گفت علاوه بر هزینه‌های بالا، زمان زیادی از برنامه‌نویسان را می‌گیرد.

گرفتار شدن در چرخه مالی معیوب شرکت‌ها عملاً در حال پرداخت هزینه‌ای مضاعف هستند؛ از یک طرف برای لایسنس و اشتراک ابزارهای هوش مصنوعی پول می‌پردازند و از طرف دیگر با قبض‌های نجومی و غیرمنتظره‌ی پردازش ابری روبه‌رو می‌شوند. این هزینه‌ی زیرساخت، صرف پردازش و تست حجم عظیمی از کدهایی می‌شود که در نهایت درصد بالایی از آن‌ها به دلیل خطاهای ظریف منطقی یا باگ‌های امنیتی رد می‌شوند.

سیستم‌های سنتی توسعه نرم‌افزار (SDLC) که برای دریافت روزانه دو یا سه Pull Request از سمت برنامه‌نویسان طراحی شده بودند، حالا زیر بهمنِ کدهای تولیدشده توسط هوش مصنوعی در حال فروپاشی هستند. برای عبور از این بحران، تیم‌های فنی ناچار شده‌اند کلاسترهای ابری (مانند کوبرنتیز) را به‌شدت تغییر دهند تا محیط‌های تستیِ موقت بسازند. همچنین مجبور شده‌اند به جای اسکن‌های زمان‌برِ شبانه، تست‌های امنیتی را مستقیماً به داخل محیط برنامه‌نویسی (IDE) منتقل کنند تا خطاهای هوش مصنوعی همان ابتدا و قبل از ورود به مخزن اصلی کد برطرف شود.

هشدار گارتنر: هزینه‌ی توکن‌ها از حقوق برنامه‌نویس پیشی می‌گیرد! ماجرا فقط به ترافیک زیرساخت ختم نمی‌شود؛ آینده‌ی هزینه‌ها به‌شدت نگران‌کننده است. موسسه گارتنر هشدار داده است که با تغییر مدل‌های قیمت‌گذاری به سمت «پرداخت بر اساس مصرف توکن»، تا سال ۲۰۲۸ هزینه استفاده از هوش مصنوعی برای کدنویسی، از میانگین حقوق یک برنامه‌نویس هم فراتر خواهد رفت.

وقتی برنامه‌نویسان سرعت و راحتی را به مدیریت هزینه‌ها ترجیح می‌دهند، بدون یک نظارت سخت‌گیرانه، صورت‌حساب مصرف توکن‌ها سر به فلک می‌کشد و محاسبه بازگشت سرمایه (ROI) برای شرکت‌ها غیرممکن می‌شود. گارتنر برای مهار این بحران مالی، پنج راهکار کلیدی را به مدیران فنی پیشنهاد داده است:

• ایجاد چارچوب تصمیم‌گیری: دقیقاً تعیین کنید چه تسک‌هایی باید کاملاً توسط انسان، کدام به‌صورت ترکیبی و کدام تماماً توسط هوش مصنوعی انجام شود.
• انتخاب هوشمندانه مدل‌ها: وظایف ساده و پرتکرار را به مدل‌های ارزان‌تر و کوچک‌تر بسپارید و مدل‌های پیشرفته (و گران‌قیمت) را فقط برای کارهای پیچیده و ارزشمند رزرو کنید.
• مهندسی کانتکست (Context): به برنامه‌نویسان آموزش دهید که اطلاعات اضافی و بی‌ربط را پیش از ارسال به هوش مصنوعی حذف کنند تا با کاهش حجم ورودی، مصرف توکن به حداقل برسد.
• تعیین گاردریل و محدودیت: برای مصرف توکن در کارهای روزمره سقف تعیین کنید و هشدارهای لحظه‌ایِ اتوماتیک را در سیستم پیاده‌سازی کنید.
• بررسی مداوم هزینه‌ها: در جلسات دوره‌ای ارزیابی تیم‌ها (Sprint Retrospectives)، میزان مصرف توکن‌ها را زیر ذره‌بین ببرید تا جلوی هدررفت بودجه گرفته شود.

پیش‌نیاز ورود به عصر Agentic AI دنیای برنامه‌نویسی با سرعت به سمت سیستم‌های کاملاً خودمختار (Agentic AI) می‌رود؛ سیستم‌هایی که می‌خواهند بدون دخالت انسان کل مخازن کد را مدیریت کرده و باگ‌ها را برطرف کنند. اما رها کردن این عامل‌های هوشمند در سیستم‌های قدیمیِ تحویل نرم‌افزار، قماری خطرناک است. برنده‌های واقعی در سال‌های آینده تیم‌هایی هستند که پیش از سپردن کارها به هوش مصنوعی، انرژی خود را روی بازسازی کامل چرخه‌ی توسعه نرم‌افزار و ارتقای پایه‌ایِ زیرساخت‌های قدیمی می‌گذارند.