هیچکس از قصد تصمیم نمیگیرد کدنویسی را فراموش کند. این اتفاق همانطور میافتد که بیشتر مهارتها از دست میروند: یک میانبر راحت در یک زمان. زمانی خودتان regex مینوشتید؛ حالا فقط توضیح میدهید چه میخواهید و هر چه مدل تحویل میدهد را کپی میکنید. زمانی یک stack trace را خط به خط دنبال میکردید؛ حالا آن را در پنجرهٔ چت میاندازید و خلاصهاش را میخوانید. هر جایگزینی بهتنهایی منطقی است. حاصل جمع این جایگزینیها، پس از یک سال کار با کمک هوش مصنوعی، توسعهدهندهای است که وقتی ابزار روشن است میتواند ویژگیها را سریع تحویل دهد، اما وقتی ابزار خاموش است کمی یخ میزند.
این همان زیرمتن ناراحتکنندهای است که زیر رونق «vibe coding» در این ماه پنهان شده است — گزارشهایی از نزدیک شدن Lovable به ارزشگذاری ۱۳.۲ میلیارد دلاری، Replit و Factory که هرکدام سرمایهای در حد میلیاردها دلار جذب کردهاند، و SpaceX که با Grok 4.5 ساختهشده برای «عاملهای خودمختار» قیمتگذاری پیشگامان صنعت را زیر پا میگذارد. همهٔ اینها برای یک هدف بهینه شدهاند: وادار کردن شما به نوشتن کد کمتر توسط خودتان. این دقیقاً همان هدف است، و برای بخش زیادی از کارها هم معاملهای مشروع است. اما به این معناست که این صنعت طی دو سال گذشته یک آزمایش کنترلنشده روی این موضوع اجرا کرده که چقدر میتوان توانایی کدنویسی دستی را برونسپاری کرد پیش از آنکه هزینهای در پی داشته باشد، و صورتحساب آن دارد به شکلهای مشخص و قابلبررسی سررسید میشود.
جایی که این شکاف واقعاً گاز میگیرد
فرسایش مهارت یک نگرانی مبهم نیست — در سه موقعیت مشخص خودش را نشان میدهد، و ارزشش را دارد که با خودتان صادق باشید و ببینید کدامیک شما را در معرض قرار میدهد:
- مصاحبهها. بیشتر مصاحبههای فنی، بهجز تمرینهای خانگی، همچنان استفاده از هوش مصنوعی را محدود یا ممنوع میکنند. اگر روانی روزمرهٔ شما آرامآرام به سمت «میتوانم به یک مدل بگویم این را بنویسد» رفته باشد، نه «میتوانم خودم این را بنویسم»، یک راند وایتبورد یا کدنویسی زنده این شکاف را در همان لحظه، جلوی چشم کسی که تصمیم استخدام شما را میگیرد، آشکار میکند.
- قطعیها. وقتی محیط عملیاتی (production) از کار میافتد، سریعترین راه برای رفع مشکل معمولاً خواندن کدی ناآشنا تحت فشار و استدلال مستقیم دربارهٔ آن است — نه نوشتن یک پرامپت خوب دربارهٔ سیستمی که وقت توضیح دادنش را ندارید. واکنش به حوادث دقیقاً همان مهارتهایی را پاداش میدهد (خواندن سریع کد، دیباگ کردن ذهنی، دانستن سطح API از حفظ) که کمترین تمرین را دریافت میکنند وقتی یک مدل روزبهروز آنها را برایتان انجام میدهد.
- بدون اتصال، بدون دستیار. یک پرواز، یک محل کار مشتری با شبکهٔ قفلشده، یک قطعی ابزار از سمت ارائهدهندهٔ مدل — هرکدام از اینها شما را برای مدتی به کدنویسی بدون کمک بازمیگرداند. لازم نیست دائمی باشد تا اهمیت داشته باشد؛ کافی است درست همان روزی رخ دهد که باید چیزی را تحویل میدادید.
هیچکدام از اینها موقعیتهای فرضی و حاشیهای نیستند که برای فروش یک محصول ابداع شده باشند. اینها شرایط عادی یک حرفهٔ کاریاند. سؤال این است که آیا پیش از آنکه یکی از این موقعیتها شما را غافلگیر کند، متوجه این فرسایش میشوید یا نه.
ابزارهای تمرینی وارد میشوند
این همان شکافی است که ابزاری جدید به نام Atrophy CLI، طبق گزارشی در The Register در این ماه، هدف گرفته است. پیشنهاد آن صریح است: با توانایی کدنویسی مثل امتیاز الو (Elo) در شطرنج رفتار کنید، نه یک وضعیت دوتایی «میتواند کد بنویسد / نمیتواند کد بنویسد». شما با یک آزمون پایه شروع میکنید که جایگاه فعلیتان را مشخص میکند، سپس ابزار شما را در چند دستهٔ مهارتی مجزا تمرین میدهد — یادآوری نحو (syntax)، دیباگ کردن، خواندن کد، حافظهٔ API، و تجزیهٔ مسئله — و امتیاز شما را در طول زمان دنبال میکند، درست همانطور که یک موتور شطرنج پیگیری میکند که آیا واقعاً دارید بهتر میشوید یا فقط چنین حسی دارید. شعار تبلیغاتی آن کل تز را در یک خط خلاصه میکند: «اگر کمک هوش مصنوعی آرامآرام توانایی شما برای کدنویسی بدون کمک را از بین میبرد، این نمودار پیش از آنکه یک مصاحبه، یک قطعی، یا یک روز بدون وایفای این کار را بکند، آن را به شما نشان میدهد.»
انتخاب طراحیای که ارزش توجه دارد، تفکیک به دستههای جداگانه بهجای یک امتیاز ترکیبی واحد است. vibe coding همهٔ مهارتهای کدنویسی را به یک اندازه فرسوده نمیکند — ممکن است در تجزیهٔ مسئله (شکستن یک مسئله به مراحل) همچنان تیزهوش بمانید، چون این هنوز عمدتاً کار خود شماست حتی با دستیار هوش مصنوعی، در حالی که یادآوری نحو و توان خام دیباگکردن بدون کمککدنویس، بیسروصدا ضعیف میشود، چون اینها دقیقاً همان بخشهایی هستند که داشتهاید واگذارشان میکردهاید. یک امتیاز واحد این را پنهان میکند. یک امتیاز به تفکیک دسته حداقل به شما میگوید کدام عضلهٔ خاص را باید دوباره تمرین دهید، که سیگنالی مفیدتر از یک حس کلی زنگزدگی است.
یک احتیاط ضروری
ارزش دارد صریح گفته شود: Atrophy CLI جدید است، و من دادههای مستقلی ندیدهام که نشان دهد امتیازهای آن واقعاً عملکرد در مصاحبه یا حادثه را پیشبینی میکند، یا اینکه آیا تمرین منظم واقعاً افت مهارت را معکوس میکند یا فقط شما را در خود تمرینها ماهر میکند — این یک ریسک واقعی در هر ابزار تمرینی است که خود کار واقعی نیست. با آن مثل یک ابزار تشخیصی ارزشآزمایش رفتار کنید، نه یک راهحل اثباتشده. دستهای که این ابزار در حال ایجاد آن است — سنجش افت مهارت ناشی از کمک هوش مصنوعی، جدا از بهرهوری ناشی از کمک هوش مصنوعی — ایدهٔ مفیدی در اینجاست، چه این ابزار خاص در نهایت همان چیزی باشد که ماندگار میشود یا نه.
چه باید کرد، بدون از دست دادن بهرهوری
برای محافظت از خودتان در این زمینه لازم نیست کدنویسی با کمک هوش مصنوعی را کاملاً کنار بگذارید؛ این یعنی از دست دادن یک بهرهٔ بهرهوری واقعی برای پوشش دادن ریسکی که میتوانید ارزانتر مدیریتش کنید. چند عادت مشخص بیشتر کار را انجام میدهند:
- هر از گاهی چیزی را که معمولاً به مدل میسپارید — یک باگ، یک تابع کوچک، یک تبدیل داده — کاملاً بدون کمک حل کنید، و زمان خودتان را اندازه بگیرید. توجه کنید کجا مکث میکنید.
- پیش از یک دور مصاحبه یا یک شیفت کشیک (on-call)، عمداً یک بازهٔ کدنویسی بدون هوش مصنوعی انجام دهید، درست همانطور که پیش از امتحانی که ماههاست به موادش نیاز نداشتهاید، شبانه درس میخوانید.
- وقتی از کمک هوش مصنوعی استفاده میکنید، کد تولیدشده را آنقدر دقیق بخوانید که بتوانید آن را برای کس دیگری توضیح دهید، بهجای اینکه فقط پیست کنید و رد شوید — این همان قدمی است که بیشترین نقش را در این دارد که آیا این تماس، درک شما را میسازد یا فقط از کنارش عبور میکند.
- اگر ابزاری امتیازدهیمحور مثل Atrophy CLI برایتان کارآمد بود، از آن مثل یک دتکتور دود استفاده کنید، نه یک برنامهٔ تمرینی بهخودیخود — آن را هر از گاهی بررسی کنید، و اگر امتیاز یک دسته در حال افت است، بهجای تمرین با فلشکارت در آن حوزه، بروید و کار واقعی بدون کمک انجام دهید.
چارچوب صادقانه این است که کدنویسی با کمک هوش مصنوعی و توانایی کدنویسی بدون کمک، اکنون دو مهارت جداگانهاند که مدیریتشان میکنید، نه یک مهارت با یک میانبر. کارفرمایان، پنلهای مصاحبه، و کانالهای حادثهٔ ساعت سه بامداد هنوز کاملاً به این موضوع نرسیدهاند، اما متوجه خواهند شد کدام داوطلبان هر دو مهارت را زنده نگه داشتهاند.