تا امروز یک تصور غالب وجود داشت:
هوش مصنوعی آمده تا هزینه توسعه نرمافزار را کاهش دهد.
اما یک پیشبینی از گارتنر این روایت را به چالش میکشد:
تا سال ۲۰۲۸، هزینه کدنویسی با هوش مصنوعی ممکن است از میانگین حقوق یک توسعهدهنده بیشتر شود.
نه به این دلیل که هوش مصنوعی ناکارآمد است.
نه به این دلیل که توسعهدهندهها حذف میشوند.
بلکه به یک عامل سادهتر و عمیقتر:
در مدل سنتی، هزینه توسعه نرمافزار ساده بود:
حقوق توسعهدهندهها
ابزارها
زیرساخت
اما در مدل جدید یک لایه مهم اضافه شده است:
هزینه فکر کردن ماشینها
هر تعامل با هوش مصنوعی یعنی مصرف:
پرامپت
کانتکست
فایلها
ریپازیتوریها
بازنویسیها
اجرای عاملها
و تکرارهای متعدد تولید کد
و هر کدام از اینها یعنی:
مصرف توکن بیشتر → هزینه بیشتر
تا همین چند وقت پیش، ابزارها ساده قیمتگذاری میشدند:
به ازای هر کاربر
با یک هزینه ثابت
اما امروز مدل در حال تغییر است:
قیمتگذاری بر اساس مصرف واقعی
یعنی:
هرچه بیشتر استفاده کنی → بیشتر پرداخت میکنی
هرچه استفاده پیچیدهتر باشد → هزینه غیرقابل پیشبینیتر میشود
اینجا یک خطای رایج شکل میگیرد:
«ما با هوش مصنوعی بهرهوری تیم را چند برابر کردیم»
این جمله ممکن است درست باشد.
اما سؤال مهمتر چیز دیگری است:
اگر یک توسعهدهنده سریعتر کد تولید کند، اما پشت صحنه:
هزاران یا میلیونها توکن مصرف شود
چندین مدل درگیر شوند
چندین بار بازتولید انجام شود
آیا واقعاً هزینه کاهش یافته است؟
یا فقط هزینه از یک جا به جای دیگر منتقل شده است؟
هوش مصنوعی دیگر فقط یک ابزار کمکی نیست.
در حال تبدیل شدن است به:
یک لایه عملیاتی در فرآیند توسعه نرمافزار
و هر لایه عملیاتی، بدون کنترل، به یک مرکز هزینه تبدیل میشود.
مسئله فقط ابزار نیست.
مسئله این است که:
استفاده بدون کنترل
در عمل چه اتفاقی میافتد؟
استفاده از مدلهای قویتر برای کارهای ساده
بزرگ شدن بیدلیل کانتکست
ورود دادههای غیرضروری
تکرار چندباره تولید کد
زنجیرهای شدن درخواستها بین عاملها
در نهایت:
هیچکس دقیق نمیداند چه چیزی ارزش تولید کرده و چه چیزی فقط هزینه ساخته است
این دیگر سؤال اصلی نیست:
کدام ابزار بهتر کد میزند؟
سؤال اصلی این است:
کدام سازمان میتواند مصرف هوش مصنوعی را کنترل کند؟
بلوغ بعدی در استفاده از AI، ابزار نیست. مدیریت است.
اینها مهم میشوند:
چه کاری را انسان انجام دهد، چه کاری را AI
شکستن کار قبل از سپردن به مدل
نه همیشه بهترین مدل، بلکه مدل مناسب
کنترل آنچه وارد سیستم میشود
دید واقعی به هزینه
نه فقط مصرف، بلکه ارزش تولید شده
نه استفاده پراکنده، بلکه سیستممند
اگر این اتفاق نیفتد، یک تناقض جدی شکل میگیرد:
سازمانهایی که برای کاهش هزینه سراغ AI رفتند،
ممکن است بعدها بفهمند:
گرانترین بخش تیم توسعه نه انسانها، بلکه مصرف AI بوده است
هوش مصنوعی توسعهدهنده را حذف نمیکند.
اما نقش او را تغییر میدهد.
توسعهدهنده آینده فقط کسی نیست که کد مینویسد.
بلکه کسی است که میفهمد:
چه کاری را خودش انجام دهد
چه کاری را به AI بسپارد
و چه کاری را بین انسان و ماشین تقسیم کند
در کنار کدنویسی و پرامپتنویسی، یک مهارت جدید در حال شکلگیری است:
طراحی اقتصاد استفاده از هوش مصنوعی در توسعه نرمافزار
شاید تا امروز سؤال این بود:
چطور AI را وارد تیم توسعه کنیم؟
اما سؤال واقعی برای ۲۰۲۸ این است:
چطور اجازه ندهیم AI بودجه توسعه را کنترلناپذیر کند؟
منبع: Gartner — ۲۴ ژوئن ۲۰۲۶
