پیشرفتهای هوش مصنوعی، مخصوصاً مدلهای زبانی بزرگ (LLM)، دارن با یه سرعت باورنکردنی دنیای فناوری و ذات مهندسی نرمافزار رو دگرگون میکنن. ما تو دیوار، این تحول رو نه فقط ظهور AI Software Engineer، بلکه تکامل تمام نقشهای مهندسی میدونیم. باور داریم که هوش مصنوعی داره به یه مهارت و ابزار اصلی برای همه مهندسها تبدیل میشه و مرزهای سنتی بین تخصصها کمکم محو میشن، هرچند عمق تخصصی تو حوزههای مهم همچنان حیاتی هستند. این نگاه ما به مهندسی و آینده تیمهای فنیمونه.
آینده مهندسی، ذاتاً با هوش مصنوعی گره خورده و ما در دیوار نه تنها این آینده رو پذیرفتهایم، بلکه فعالانه در حال ساختن اون هستیم. ما مهندسی با هوش مصنوعی رو عامل بازتعریف تجربه کاربری و خلق ارزشهای جدید برای کاربرها میبینیم. این نقش تو دیوار در تقاطع مهندسی نرمافزار، درک عمیق از قابلیتها و محدودیتهای هوش مصنوعی و تفکر محصولی ایستاده.
مهندس هوش مصنوعی در دیوار، پیش از هر چیز یک مهندس نرمافزار هست. هوش مصنوعی و LLMها براش نه فقط یه ابزار، بلکه بخش جداییناپذیر تفکر روزمره برای حل مسئله هستند. این فرد ترکیبی از یک مهندس نرمافزار، متخصص کاربرد مدلهای زبانی و فردی با درک عمیق از محصول و نیاز کاربره. اینجا خبری از کار صرفاً آکادمیک با مدلها توی نوتبوک نیست! کارمون کاربردیتر، محصولمحورتر و عمیقاً با مهندسی نرمافزار آمیخته است. مسئولیت اصلی، راهبری کامل چرخه سیستمهای هوشمند از ایده تا اجراست:
از فهم عمیق یک نیاز مبهم محصولی یا یک چالش فنی و شناسایی فرصتهای کاربرد AI با ذهنیتی کنجکاو و آزمایشمحور.
تا طراحی راهحل با در نظر گرفتن توازن میان دقت و مقیاسپذیری با تکنولوژی امروز یا چند ماه آینده
سپس، توسعه و طراحی تجربه کاربری، تعریف معیارهای ارزیابی دقیق و تأثیر بر کاربر، تحلیل خطا و بهبود مستمر سیستم.
در نهایت، او مسئول استقرار و پایش مداوم این سیستمها در محیط عملیاتی است؛
این فرآیند ذاتاً تکرارشونده (iterative) و با توجه به ماهیت نوپا و پرابهام کار با LLMها، نیازمند چابکی بالاست.
وقتی LLM کار میکنیم، با سیستمهایی سروکار داریم که ذاتاً غیرقطعی هستن. برخلاف سیستمهای سنتی، یهو ممکنه جوابی کاملاً بیربط یا نادرست تولید کنه. اینجاست که کار واقعی شروع میشه: ریشهیابی دقیق مشکل. آیا پرامپتها ایراد داره؟ دادههای ورودی مشکل داره؟ ابزارها (Tools) و توضیحاتشون دقیق نیست؟ یا شاید خود مدل محدودیت داره؟ شاید کل معماری سیستم نیاز به بازنگری داره و باید مسئله رو باید مدل دیگه طرح کنیم.
این یعنی ساعتها کلنجار رفتن با پرامپتها، کاویدن تریسهای سیستم واسه فهمیدن دلیل یه رفتار، تحلیل مثالهای خطا واسه دستهبندی مشکلات و پیدا کردن ایدههای جدید. یه بخش مهم دیگه از کار، طراحی و پیادهسازی سیستمهای ارزیابی مقیاسپذیره که کمکمون میکنه سریعتر محصول رو بهتر کنیم، مثلاً "LLM as Judge"هایی که با خروجی مطلوب ما تو محصول نهایی هماهنگ باشن.
علاوه بر اینا، مهارتهای کلیدی مهندسی نرمافزار مثل طراحی ماژولار، کد مقایس پذیر و قابل تست، الگوهای طراحی مناسب ، دیپلوی و مانیتورینگ مستمر سرویس ها هم خیلی مهمه. همچنین مدیریت وابستگیهای پیچیده در سیستمهای و طراحی API های انعطافپذیر و قابل توسعه، بخش جداییناپذیر کار است.
برای موفقیت تو نقش جدید مهندسی، یه ترکیب خاص از مهارتهای نرم، طرز فکر و تواناییهای فنی لازمه:
۱. مهارتهای نرم و طرز فکر کلیدی:
هنر حل مسئله و مدیریت ابهام: باید بتونی مسائل پیچیده و مبهم رو به تیکههای کوچکتر بشکنی و راهحلهای خلاقانه پیدا کنی. این یعنی بتونی با ابهام کنار بیای، آزمایشهای هوشمندانه طراحی کنی و راهحلهایی بسازی که نهتنها امروز کار کنن، بلکه با پیشرفت سریع مدلهای زبانی، تو آینده هم تکامل پیدا کنن.
مالکیت کامل (End-to-End): انتظار میره که نه فقط یک جزء کوچک، بلکه کل چرخه حیات یک محصول رو از ایده تا اجرا و بهبود مستمر، متعلق به خودت بدونی. با نگاهی جامع به تمام اجزای سیستم، وابستگیها و تاثیرات متقابلشون روی کاربر
نگاه کاربر-محور: تمرکزت باید روی ساختن چیزی باشه که واقعاً به درد کاربر بخوره و تجربهش رو بهتر کنه. این یعنی باید رفتار کاربر رو با دقت بررسی کنی، نیازهاش رو عمیق بفهمی و بتونی تجربه کاربری خوبی با سیستمهای هوشمند براش بسازی.
کنجکاوی و یادگیری مداوم: آدمی باشی که دائم دنبال یادگیریه و از آزمون و خطا و شکستهای تو مسیر (Fail Fast) استقبال میکنه.
تصمیم گیری هوشمندانه: باید بین دقت، سرعت، هزینهها و مقیاسپذیری تعادل ایجاد کنی. این نیازمند چابکی تو تصمیمگیری و تطبیق سریع با شرایط جدیده.
۲. مهارتهای فنی و مهندسی ضروری:
پایههای مهندسی نرمافزار: تسلط رو زبانهای برنامهنویسی مثل پایتون یا Go، توانایی نوشتن کد تمیز و قابل تست، و درک عمیق از اصول طراحی سیستم و معماری سرویسها، ستون اصلی موفقیتته.
تجربه با LLMها و چرخه توسعه: با مدلهای زبانی و چرخه کامل توسعه AI آشنا باشی. این شامل آمادهسازی دادهها، طراحی آزمایشها، تحلیل دقیق برای فهمیدن نقاط ضعف، و ساختن سیستمهای ارزیابی مقیاسپذیر برای سنجش کیفیت محصوله.
استقرار، پایش و بهبود مستمر: کار یه مهندس AI با انتشار اولیه محصول تازه شروع میشه! تو استقرار سیستمها، پایش مداوم عملکردشون، و بهبود مستمر بر اساس دادهها و بازخوردها مهارت داشته باشی.
کار در لبه هوش مصنوعی با چالشهای خاصی همراهه. این حوزه خیلی سریع در حال تغییره و باید همیشه در حال یادگیری باشیم. یکی از واقعیتهای کار با LLMها اینه که ساختن یه نمونه اولیه که ۷۰ درصد مواقع کار کنه، زیاد سخت نیست. چالش اصلی از جایی شروع میشه که بخوایم اونو به یه محصول واقعی، قابل اتکا و باکیفیت تبدیل کنیم. اینجاست که نیاز به فرایندهای ارزیابی دقیق، بررسی و تولید داده واقعی، تحلیل خطاها و تکرارهای متعدد این چرخه برای بهبود خودش رو نشون میدهد. هدف ما ارائه راهحلهایی که با پیشرفت مدلهای هوشمندتر، سیستمهای ما هم هوشمندتر و مفیدتر بشند.
با تمام این چالشها، آیندهای که پیش رو داریم واقعاً هیجانانگیزه. ما تو دیوار دنبال اینیم که ایجنتهای هوشمند تخصصی و عمومیتری بسازیم تا هوش مصنوعی رو خیلی عمیقتر با محصولات و خدماتمون یکپارچه کنیم. میخوایم از این تکنولوژی جدید برای کمک به بخشهای مختلف فرآیند توسعه و عملیاتمون هم حسابی استفاده کنیم.
کار در دیوار یعنی فرصت حل مسائل واقعی با مقیاس چند میلیون کاربر و دیدن تأثیر مستقیم کارت روی زندگی آدمها. اینجا هوش مصنوعی یه موضوع فانتزی و آزمایشی نیست؛ یه سرمایهگذاری جدیه و همه بهش باور داریم. اینجا همه به ابزارهای بهروزه دسترسی داریم. حاضریم برای ایده های خوب کلی ریسورس خرج کنیم و مهمتر از همه، فرهنگیه که تشویقت میکنه کار رو درست، اصولی و مهندسیشده انجام بدی. اینجا فرصت داری خطاکنی، آزمایش کنی و یادبگیری، اما در نهایت iterative یه محصول پایدار و باکیفیت تحویل بدی.
باور ما اینه که بهزودی، مرزهای سنتی بین تخصصهای مهندسی کمرنگتر میشه و هوش مصنوعی به جزء جداییناپذیر تفکر و ابزار همه اعضای تیم تبدیل خواهد شد. این نقش، در واقع تصویری از آینده تمام مهندس های دیوار است؛ مسیری که همه با هم در حال طی کردن اون هستیم. هدفمون ساختن تیمی از مهندس هاست که با AI و بر پایه اون، محصولات و سیستمهای نوآورانه و تأثیرگذار میسازن. اگه خودت رو مشتاق همراهی با این تحول و ساختن آینده مهندسی میبینی و اگر فکر میکنی مهارتها و انگیزه لازم برای رشد در این مسیر رو داری، از تو دعوت میکنیم نگاهی به فرصت همکاری با ما به عنوان AI Software Engineer بندازی.
