برای آخرین به روزرسانی ها و مطالب اختصاصی در مورد پوشش هوش مصنوعی پیشرو در صنعت ، به خبرنامه های روزانه و هفتگی ما بپیوندید. بیشتر بدانید
هنگامی که داروی آمودی ، مدیرعامل انسان شناسی اظهار داشت که AI در مدت شش ماه 90 ٪ کد را می نویسد ، دنیای برنامه نویسی برای انقراض گسترده مهار شده است. اما در داخل Salesforce ، واقعیت متفاوتی از قبل شکل گرفته است.
جیش گووینداراجان ، معاون ارشد رئیس جمهور AI Salesforce ، در طی مصاحبه اخیر به من گفت: “حدود 20 ٪ از کل کد Apex که در 30 روز گذشته نوشته شده است از Agentforce آمده است.” تیم وی نه تنها کد تولید شده را دنبال می کند ، بلکه کد در واقع به تولید تبدیل می شود. این اعداد شتاب را نشان می دهد که نادیده گرفتن آن غیرممکن است: 35000 کاربر فعال ماهانه ، 10 میلیون خط کد پذیرفته شده و ابزارهای داخلی که در هر ماه 30،000 ساعت توسعه دهنده صرفه جویی می کنند.
با این حال ، توسعه دهندگان Salesforce ناپدید نمی شوند. آنها در حال تحول هستند.
Govindarajan اذعان داشت: “اکثریت قریب به اتفاق توسعه – حداقل آنچه من آن را پیش نویس کد می نامم – توسط هوش مصنوعی نوشته خواهد شد.” “اما آنچه توسعه دهندگان با آن پیش نویس اول انجام می دهند ، اساساً تغییر کرده است.”
از خط کد گرفته تا کنترل استراتژیک: چگونه توسعه دهندگان به خلبانان فناوری تبدیل می شوند
مهندسی نرم افزار همیشه خلاقیت را با Tedium آمیخته است. اکنون هوش مصنوعی دومی را اداره می کند و توسعه دهندگان را به سمت سابق سوق می دهد.
Govindarajan توضیح داد: “شما از یک نقش صرفاً فنی به سمت استراتژیک تر حرکت می کنید.” “نه فقط” من چیزی برای ساختن دارم ، بنابراین من آن را می سازم ، “اما” چه چیزی باید بسازیم؟ مشتری واقعاً چه می خواهد؟ “
این تغییر در سایر اختلالات تکنولوژیکی آینه دارد. هنگامی که ماشین حساب ها جایگزین محاسبات دستی شدند ، ریاضیدانان از بین نرفتند – آنها با مشکلات پیچیده تری روبرو شدند. هنگامی که دوربین های دیجیتال اتاق های تاریک را کشتند ، عکاسی به جای قرارداد گسترش یافت.
Salesforce معتقد است کد به همان روش کار می کند. با کاهش هزینه های ایجاد نرم افزار ، توسعه دهندگان آنچه را که همیشه فاقد آن بودند به دست می آورند: زمان.
Govindarajan گفت: “اگر ایجاد یک نمونه اولیه کار یک بار هفته ها طول بکشد ، اکنون ساعت ها طول می کشد.” “به جای اینکه به مشتریان یک سندی را نشان دهید که آنچه را که ممکن است بسازید توصیف می کنید ، به سادگی آنها را به آنها می دهید. سپس بر اساس واکنش آنها تکرار می شوید.”
“Vibe Coding” در اینجا است: چرا مهندسان نرم افزار اکنون به جای تایپ کردن هر دستور ، AI را در حال ارکستر هستند
رمزگذارها شروع به تصویب آنچه که “برنامه نویسی VIBE” نامیده می شود-اصطلاحی است که توسط بنیانگذار OpenAI آندره کارپتی ساخته شده است. این عمل شامل دادن دستورالعمل های سطح بالا به جای دستورالعمل های دقیق ، سپس پالایش آنچه تولید می کند.
نوع جدیدی از برنامه نویسی وجود دارد که من آن را “برنامه نویسی Vibe” می نامم ، جایی که شما کاملاً به ویب ها تسلیم می شوید ، نمادها را در آغوش می گیرید و فراموش می کنید که کد حتی وجود دارد. این امکان پذیر است زیرا LLMS (به عنوان مثال Cresor Composer W Sonnet) خیلی خوب می شوند. همچنین من فقط با آهنگساز با Superwhisper صحبت می کنم …
– Andrej Karpathy (Karpathy) 2 فوریه 2025
Govindarajan گفت: “شما فقط به آن نوعی جهت سطح بالا می دهید و اجازه می دهید هوش مصنوعی از خلاقیت خود برای تولید پیش نویس اول استفاده کند.” “این دقیقاً همانطور که می خواهید کار نخواهد کرد ، اما به شما چیزی می دهد تا با آن بازی کنید. شما با گفتن” این خوب به نظر می رسد ، بیشتر از این ، یا “این دکمه ها شوخی می کنند ، من به آنها احتیاج ندارم.”
او این روند را با همکاری موسیقی مقایسه می کند: “هوش مصنوعی ریتم را تنظیم می کند در حالی که توسعه دهنده ملودی را تنظیم می کند.”
در حالی که هوش مصنوعی در تولید برنامه های کاربردی تجاری ساده ، Govindarajan اعتراف می کند که محدودیت هایی دارد. “آیا شما قصد دارید پایگاه داده نسل بعدی را با برنامه نویسی VIBE بسازید؟ بعید است. اما آیا می توانید یک UI واقعا جالب ایجاد کنید که باعث ایجاد تماس های پایگاه داده شود و یک برنامه تجاری خارق العاده ایجاد کند؟”
ضرورت کیفیت جدید: چرا استراتژی های آزمایش باید تکامل یابد زیرا هوش مصنوعی کد تولید بیشتری را ایجاد می کند
AI فقط کد را متفاوت نمی نویسد – به کنترل کیفیت متفاوتی نیاز دارد. Salesforce پس از کشف این که کد تولید شده توسط دستگاه خواستار رویکردهای تأیید جدید است ، مرکز تست AgentForce خود را توسعه داد.
Govindarajan توضیح داد: “اینها سیستم های تصادفی هستند.” “حتی با دقت بسیار بالا ، سناریوهایی در جایی وجود دارند که ممکن است شکست بخورند. شاید در مرحله 3 یا مرحله 4 یا مرحله 17 از 17 مرحله انجام شود. بدون ابزار تست مناسب ، شما نمی دانید.”
ماهیت غیر قطعی از خروجی های AI به این معنی است که توسعه دهندگان باید متخصص در آزمایش مرزی و تنظیم نگهبان شوند. آنها باید نه تنها نحوه نوشتن کد ، بلکه نحوه ارزیابی آن را بدانند.
فراتر از تولید کد: چگونه هوش مصنوعی کل چرخه توسعه نرم افزار را فشرده می کند
این تحول فراتر از برنامه نویسی اولیه گسترش می یابد تا چرخه عمر کامل نرم افزار را در بر بگیرد.
Govindarajan گفت: “در مرحله ساخت ، ابزارها کد موجود را درک می کنند و آن را به صورت هوشمندانه گسترش می دهند ، که همه چیز را تسریع می کند.” “سپس آزمایشات – آزمون رگرسیون تولید ، ایجاد موارد آزمایشی برای کد جدید – همه اینها می تواند انجام شود.”
این اتوماسیون جامع آنچه را که Govindarajan “یک حلقه به طور قابل توجهی محکم تر” بین ایده و اجرای می نامد ، ایجاد می کند. توسعه دهندگان سریعتر می توانند آزمایش و پالایش کنند ، جاه طلب تر می توانند تبدیل شوند.
تفکر الگوریتمی هنوز مهم است: چرا اصول علوم کامپیوتر در دوره هوش مصنوعی ضروری است
Govindarajan غالباً سؤالات اضطراب آور را در مورد آینده مهندسی نرم افزار مطرح می کند.
وی گفت: “از من خواسته می شود كه آیا مردم هنوز باید علوم رایانه را مطالعه كنند یا خیر.” “جواب کاملاً بله است ، زیرا تفکر الگوریتمی ضروری است. تجزیه مشکلات بزرگ به قطعات قابل کنترل ، درک اینکه چه نرم افزاری می تواند حل کند ، چه نیازهای کاربر را الگوبرداری می کند ، این مهارت ها با ارزش تر می شوند ، نه کمتر.”
آنچه تغییر می کند این است که چگونه این مهارت ها آشکار می شوند. به جای تایپ کردن هر شخصیت راه حل بر اساس کاراکتر ، توسعه دهندگان ابزارهای AI را به سمت نتایج بهینه راهنمایی می کنند. انسان قضاوت را ارائه می دهد. دستگاه سرعت را فراهم می کند.
Govindarajan تأکید کرد: “شما هنوز هم به شهود خوبی برای ارائه دستورالعمل های مناسب و ارزیابی بازده نیاز دارید.” “این طعم واقعی طول می کشد تا به آنچه AI تولید می کند و تشخیص می دهد چه کار می کند و چه چیزی نمی داند.”
ارتفاع استراتژیک: چگونه توسعه دهندگان به جای مجریان فنی ، شرکای تجاری می شوند
با استفاده از کدگذاری ، نقش های توسعه دهنده مستقیماً به استراتژی تجارت متصل می شوند.
Govindarajan توضیح داد: “توسعه دهندگان نقش های نظارتی را به عهده می گیرند و مأمورین را راهنمایی می کنند که از طرف آنها کار می کنند.” “اما آنها مسئولیت آنچه مستقر می شود ، مسئولیت پذیر هستند.
این ارتفاع ، توسعه دهندگان را به تصمیم گیرندگان نزدیک تر می کند و بیشتر از جزئیات اجرای-ارتقاء و نه حذف.
Salesforce از این انتقال با ابزارهایی که برای هر مرحله طراحی شده است پشتیبانی می کند: AgentForce برای توسعه دهندگان تولید کد ، سازنده نماینده امکان سفارشی سازی را فراهم می کند ، و مرکز آزمایش AgentForce قابلیت اطمینان را تضمین می کند. آنها با هم ، بستری را برای توسعه دهندگان تشکیل می دهند تا در این نقش های گسترده رشد کنند.
چشم انداز این شرکت تضاد کاملی با روایت “توسعه دهندگان محکوم” می کند. مهندسان نرم افزار که سازگار با منسوخ هستند ، ممکن است خود را از همیشه ضروری تر کنند.
در زمینه ای که بازسازی روتین است ، هوش مصنوعی نشان دهنده قدرتمندترین کامپایلر است – که نه فقط چگونه کد نوشته شده است ، بلکه چه کسی آن را می نویسد و چرا. برای توسعه دهندگان که مایل به به روزرسانی مدل های ذهنی خود هستند ، آینده کمتر شبیه خاتمه و بیشتر شبیه متعالی است.