چرا دوران Vibe Coding با هوش مصنوعی رو به پایان است؟

هیجان کاذب و سفره‌ای که پهن شده

اگر نگاهی به فید لینکدین و توییتر فارسی بیندازیم، چه می‌بینیم؟ سیل بی‌پایانی از دموهای ۳۰ ثانیه‌ای که در آن شخصی با یک پرامپت ساده در Claude یا ChatGPT، ادعا می‌کند که «کلون Airbnb را در ۱۰ دقیقه ساختم» یا «دیگر نیازی به برنامه نویس نداریم». اصطلاح جدیدی برای این پدیده شکل گرفته به نام Vibe Coding، یعنی توسعه نرم‌افزار بر اساس حس و حال، سرعت و خروجی‌های بصری فوری، بدون درگیر شدن با پیچیدگی‌های فنی زیرساختی. ظاهر ماجرا جذاب، دموکراتیک و سریع است. انگار دوران رنج کشیدن با کانفیگ‌های Webpack و دیباگ کردن‌های طولانی تمام شده است.

اما به عنوان مهندس نرم افزار، باید بگویم این یک سراب است. ما در اوج قله توهم هستیم و به زودی وارد فاز Hangover خواهیم شد، جایی که واقعیت‌های عملیاتی خودشان را نشان می‌دهند و بازار متوجه می‌شود که دموهای جذاب، لزوما نرم‌افزارهای پایداری نیستند.

توهم سرعت: وقتی کدنویسی با مهندسی نرم‌افزار اشتباه گرفته می‌شود

بزرگترین دروغی که این روزها فروخته می‌شود، یکسان دانستن Code Generation یا تولید کد با مهندسی نرم‌افزار است. درواقع تولید کد، شاید تنها ۱۰ تا ۱۵ درصد از چرخه حیات یک نرم‌افزار واقعی باشد. پس ۹۰ درصد باقی‌مانده کجاست؟

• معماری سیستم و انتخاب پترن‌های صحیح
• مدیریت State در مقیاس بالا
• امنیت و مدیریت دسترسی‌ها (IAM)
• تست‌نویسی (Unit, Integration, E2E)
• CI/CD پایپ‌لاین‌ها و استراتژی‌های دیپلوی
• مانیتورینگ، لاگینگ و عیب‌یابی در محیط Production

ساختن یک MVP (حداقل محصول قابل ارائه) با هوش مصنوعی، دقیقا شبیه به ساختن دکور یک شهر در سینما است. از نمای روبرو، شما یک قصر باشکوه می‌بینید، اما اگر در را باز کنید و پشت آن بروید، می‌بینید که کل سازه با چند تکه چوب و چسب نگه داشته شده است. نه لوله‌کشی دارد، نه سیم‌کشی برق و نه فونداسیون. هوش مصنوعی عالی کد می‌زند، اما سیستم طراحی نمی‌کند. پرامپت‌ها هرچقدر هم مهندسی شده باشند، نمی‌توانند جایگزین درک عمیق از Race Conditionها در دیتابیس یا گلوگاه‌های I/O در ترافیک بالا شوند.

بدهی فنی پنهان: بمب ساعتی در پروژه‌های AI-Base

اگر فنی‌تر صحبت کنیم، مشکلی که کدهای تولید شده با AI به‌ویژه توسط افراد بی تجربه ایجاد می‌کند، یک نوع بدهی فنی (Technical Debt) با بهره مرکب است.

معضل Context

مدل‌های زبانی LLM هنوز دید کاملی از کل پروژه ندارند. آن‌ها معمولا فایل‌-محور یا تابع-محور کد می‌زنند. وقتی شما تکه‌های کد تولید شده توسط AI را کنار هم می‌گذارید، معمولا با معماری اسپاگتی مدرن مواجه می‌شوید: وابستگی‌های پنهان، کدهای تکراری همراه نقض اصل DRY و ساختارهای ناسازگار.

کابوس نگهداری (Maintainability Crisis)

این خطرناک‌ترین بخش ماجراست. کدی که توسط AI نوشته شده، معمولا خوانایی ظاهری دارد، اما منطق آن ممکن است پیچیده و غیربهینه باشد. وقتی باگی در پروداکشن رخ می‌دهد، کسی که اصول مهندسی نرم افزار را بلد نیست و فقط پرامپت‌نویس بوده، کاملا فلج می‌شود و نمی‌تواند کد را دیباگ کند چون چرایی نوشتن آن کد را نمی‌داند. فقط می‌داند که (به هوش مصنوعی گفتم دکمه کار کند و کار کرد). حالا که دکمه کار نمی‌کند، هیچ ابزاری جز تلاش مجدد پرامپت ندارد.

شکست در مقیاس (Scalability)

پروژه‌های Vibe Coding برای دمو و ۱۰ کاربر اول عالی هستند. اما به محض اینکه ترافیک بالا می‌رود، کوئری‌های غیربهینه دیتابیس (N+1 Query Problem)، مدیریت حافظه ضعیف و عدم وجود Caching مناسب، سیستم را زمین می‌زند.

هزینه مضاعف: تاوان ارزان‌دوستی

در حال حاضر، بسیاری از شرکت‌ها و کارفرماها خوشحال هستند و فکر می‌کنند با استخدام چند نیروی جونیور مجهز به ChatGPT یا اکانت‌های Claude، هزینه‌های توسعه را به شدت کاهش داده‌اند. اما بیایید ۶ ماه تا یک سال آینده را پیش‌بینی کنیم. قانون قدیمی مهندسی هنوز پابرجاست: “Buy nice or buy twice” (یا جنس خوب بخر یا دو بار بخر).

زمانی که فیچرهای جدید باعث شکستن فیچرهای قبلی می‌شوند، زمانی که دیتابیس زیر بار قفل می‌کند و زمانی که باگ‌های امنیتی یکی پس از دیگری ظاهر می‌شوند، این شرکت‌ها با بحران جدی مواجه خواهند شد. آن زمان، مجبورند به سراغ “مهندسان درست و حسابی” یا “مهندس نرم افزار واقعی” بیایند. و حالا حدس بزنید چه می‌شود؟ هزینه ریفکتور کردن یا بازنویسی کامل آن کدهای کثیف و غیرقابل نگهداری، بسیار بیشتر از هزینه توسعه اصولی اولیه خواهد بود! ما به زودی شاهد موجی از پروژه‌هایی خواهیم بود که نیازمند یک تیم نجات برای پاکسازی گندکاری‌های دوران Vibe Coding هستند.

وضعیت اکوسیستم ایران: آشوب روی آشوب

اگر این وضعیت در سیلیکون‌ولی نگران‌کننده باشد، در ایران “فاجعه‌بار” خواهد بود! اکوسیستم نرم‌افزاری ما همین الان هم با چالش‌های بزرگی دست‌ و پنجه نرم می‌کند:

• زیرساخت‌های ناپایدار (اینترنت و تحریم‌ها)
• کدهای قدیمی و Legacy با کیفیت پایین
• فرهنگ مدیریتی که اغلب “سرعت” را به “کیفیت” ترجیح می‌دهد

حالا در دوره Vibe Coding ورود لشکری از توسعه‌دهندگان بی تجربه و سطحی که فقط با ابزارهای AI کار می‌کنند و درک عمیقی از سیستم عامل، شبکه و دیتابیس ندارند، کیفیت عمومی نرم‌افزار در ایران را از چیزی که هست پایین‌تر می‌آورد. ما با خطر ایجاد نسلی از برنامه‌نویسان مواجهیم که درواقع یک اپراتور هوش مصنوعی هستند، نه حل‌کننده مسئله! کسانی که اگر اینترنت قطع شود یا هوش مصنوعی پاسخ اشتباه بدهد، توانایی نوشتن یک الگوریتم مرتب‌سازی ساده یا طراحی یک اسکیما دیتابیس را ندارند.

فرصت‌ها و تهدیدها برای مهندسان واقعی

آیا باید از هوش مصنوعی ترسید؟ خیر. هوش مصنوعی قدرتمندترین ابزاری است که تاکنون به دست ما رسیده. خود من روزانه ساعت‌ها از آن استفاده می‌کنم. اما پیام من به مهندسان واقعی، دانشجویان کامپیوتر و کسانی که دغدغه کیفیت دارند این است: فریب هایپ و مارکتینگ را نخورید.

سفره‌ای که الان پهن شده، فقط پر از غذاهای فست‌فودی و ارزان است! اما وقتی گرد و خاک این هیجان فرو نشست، ارزش اصول بنیادی (Fundamentals) هزار برابر خواهد شد.

• الگوریتم‌ها و ساختمان داده‌ها
• طراحی سیستم (System Design)
• الگوهای طراحی (Design Patterns)
• درک عمیق از نحوه کارکرد کامپیوتر و شبکه

این‌ها چیزهایی هستند که اپراتور هوش مصنوعی نمی‌تواند جایگزین کند. در عصر هوش مصنوعی، “مهارت کدنویسی” شاید کم‌ارزش شود، اما مهارت مهندسی نرم افزار واقعی به کالایی لوکس، کمیاب و بسیار گران‌قیمت تبدیل خواهد شد.