آیا هوش مصنوعی برنامه‌نویس‌ها را بیکار می‌کند؟

سؤال ساده به نظر می‌رسد؛ پاسخ ساده نیست. تیترها اغلب بین دو قطب می‌افتند: «دیگر کسی کدنویسی نمی‌کند» یا «هیچ‌چیز عوض نشده». شواهد رسمی‌تر از هر دو قطب فاصله دارد: ابزارهای هوش مصنوعی (AI) در جریان کار برنامه‌نویس جا باز کرده‌اند، اعتماد به دقت خروجی پایین آمده، و در افق بازار کار جهانی نقش‌های نرم‌افزاری هنوز در فهرست رشد قرار دارند.

این متن سه منبع را کنار هم می‌گذارد: نظرسنجی توسعه‌دهندگان Stack Overflow ۲۰۲۵، پژوهش‌های منتشرشدهٔ GitHub دربارهٔ Copilot، و گزارش Future of Jobs ۲۰۲۵ مجمع جهانی اقتصاد (WEF). هدف تصمیم‌گیری است، نه تسلی یا وحشت. اگر منبعی در زمان نگارش کامل باز نشد، همان را صریح می‌گوییم و عدد اختراع نمی‌کنیم.

پاسخ کوتاه

سه قاب جدا را مخلوط نکنید:

• جابه‌جایی شغل (displacement): حذف نقش شغلی به‌عنوان یک واحد استخدام. در نظرسنجی Stack Overflow ۲۰۲۵، اکثریت برنامه‌نویس‌ها هنوز AI را تهدید مستقیم شغل خود نمی‌بینند؛ ولی این «اکثریت» کمی نسبت به ۲۰۲۴ کمتر شده است.
• تغییر وظیفه (task-change): بخش‌هایی از کار — پیش‌نویس کد، جست‌وجوی نمونه، بازنویسی تکراری — به ابزار منتقل می‌شود؛ مسئولیت صحت، معماری، امنیت و مالکیت محصول می‌ماند.
• مکمل بودن (complement): ابزار سرعت یا پوشش کار را بالا می‌برد وقتی انسان خروجی را راستی‌آزمایی و یکپارچه می‌کند؛ همان ابزار وقتی بدون بازبینی وارد production شود ریسک و بازکار ایجاد می‌کند.

گزارش WEF ۲۰۲۵ نقش Software and Applications Developers را هم در میان سریع‌ترین رشدها (درصدی) و هم در میان بزرگ‌ترین رشد خالص مطلق می‌گذارد. هم‌زمان، روند AI و پردازش اطلاعات را همزمان خالق و جابه‌جاکنندهٔ میلیون‌ها شغل در کل اقتصاد می‌داند — نه لزوماً «حذف همهٔ برنامه‌نویس‌ها». پژوهش آزمایشگاهی GitHub سرعت انجام یک تکلیف کنترل‌شده را بالا نشان می‌دهد؛ این با «حذف شغل» یکی نیست.

AI بیشتر نقشهٔ وظایف داخل نقش را جابه‌جا می‌کند تا اینکه یک‌شبه عنوان شغلی را پاک کند. تصمیم درست این است که کجا مکمل است و کجا باید انسان مالک بماند.

چه چیزی را واقعاً اندازه می‌گیریم؟

«بیکار شدن» یک ادعا دربارهٔ بازار کار است. «سریع‌تر تمام کردن یک تکلیف در آزمایشگاه» ادعایی دربارهٔ بهره‌وری لحظه‌ای است. «اعتماد نداشتن به خروجی AI» ادعایی دربارهٔ کیفیت ادراک‌شده است. این سه را یکی کردن، نتیجه‌گیری غلط می‌سازد.

در عمل، سازمان‌ها معمولاً ابتدا بودجهٔ ابزار و انتظار سرعت می‌گذارند، بعد تازه با هزینهٔ بازبینی، بدهی فنی و حادثهٔ امنیتی روبه‌رو می‌شوند. برنامه‌نویس هم بین ترس از جایگزینی و فشار «باید با AI کار کنی» گیر می‌افتد. چارچوب درست این است: کدام وظایف جابه‌جا می‌شوند، کدام مهارت‌ها کمیاب‌تر می‌شوند، و مالکیت نهایی با کیست.

Stack Overflow Developer Survey ۲۰۲۵: پذیرش بالا، اعتماد پایین

طبق بیانیهٔ رسمی Stack Overflow (۲۹ ژوئیهٔ ۲۰۲۵)، بیش از ۴۹٬۰۰۰ پاسخ از ۱۷۷ کشور برای نظرسنجی سال پانزدهم جمع شده است. صفحهٔ کامل نتایج در https://survey.stackoverflow.co/2025/ اعلام شده؛ در زمان تهیهٔ این متن، واکشی مستقیم همان صفحهٔ نتایج گاهی قطع یا timeout شد، بنابراین اعداد زیر از بیانیهٔ مطبوعاتی رسمی و خلاصهٔ رهبری Stack Overflow نقل می‌شود — نه از جدول‌های جزئی‌ای که باز نشدند.

پذیرش ابزار AI ادامه دارد: ۸۴٪ گفته‌اند از AI در فرایند توسعه استفاده می‌کنند یا قصد دارند استفاده کنند؛ این رقم نسبت به ۷۶٪ در ۲۰۲۴ بالا رفته است. هم‌زمان، ۴۶٪ گفته‌اند به دقت خروجی ابزارهای AI اعتماد ندارند؛ این بی‌اعتمادی نسبت به ۳۱٪ سال قبل بیشتر شده است. در خلاصهٔ رهبری Stack Overflow، تنها ۲۹٪ گفته‌اند به دقت خروجی اعتماد دارند (کاهش از ۴۰٪ در ۲۰۲۴)، و فقط ۳٪ «اعتماد بسیار بالا» گزارش کرده‌اند.

۴۵٪ از پاسخ‌دهندگان یکی از ناامیدی‌های کلیدی را زمان‌بر بودن اشکال‌زدایی کد تولیدشده با AI دانسته‌اند. این با روایت «کدنویسی دیگر تمام شد» نمی‌خواند؛ بیشتر با روایت «پیش‌نویس سریع + بازبینی گران» سازگار است.

تهدید شغل از نگاه خود برنامه‌نویس‌ها

برخلاف تیترهای پرهیجان، اکثریت — ۶۴٪ — هنوز AI را تهدید شغل خود نمی‌دانند. این سهم نسبت به ۶۸٪ در ۲۰۲۴ کمی افت کرده است. یعنی ترس مطلق نیست، اما روند کاملاً ایستا هم نیست.

ایجنت‌ها هنوز اکثریت نیستند

دربارهٔ AI agents: ۳۱٪ فعلاً استفاده می‌کنند، ۱۷٪ قصد دارند، و ۳۸٪ قصد استفاده ندارند. در میان کسانی که در کار از ایجنت استفاده کرده‌اند، ۶۹٪ با افزایش بهره‌وری موافق بوده‌اند. این دو جمله با هم مهم‌اند: بهره‌وری ادراک‌شده در زیرمجموعهٔ کاربران ایجنت بالاست، اما خودِ پذیرش گسترده نیست.

جمع‌بندی این منبع: ابزارها وارد جریان کار شده‌اند؛ اعتماد و کیفیت ادراک‌شده عقب مانده؛ اکثریت هنوز «جابه‌جایی کامل شغل من» را روایت غالب نمی‌دانند. این مکمل بودن مشروط است، نه جایگزینی قطعی.

پژوهش GitHub دربارهٔ Copilot: سرعت آزمایشگاهی، نه حکم بازار کار

پست رسمی GitHub با عنوان «quantifying GitHub Copilot’s impact on developer productivity and happiness» هنوز منتشر است. پژوهش ترکیبی از نظرسنجی بیش از ۲٬۰۰۰ توسعه‌دهنده و یک آزمایش کنترل‌شده است: نوشتن یک HTTP server با JavaScript با/بدون Copilot.

• گروه با Copilot تکلیف را به‌طور میانگین حدود ۵۵٪ سریع‌تر تمام کرد (میانگین حدود ۱ ساعت و ۱۱ دقیقه در برابر ۲ ساعت و ۴۱ دقیقه).
• نرخ تکمیل تکلیف ۷۸٪ در برابر ۷۰٪ بود.
• تفاوت سرعت از نظر آماری معنادار گزارش شده (P=.0017) و فاصلهٔ اطمینان ۹۵٪ برای درصد افزایش سرعت [۲۱٪، ۸۹٪] اعلام شده است.

این یعنی در یک تکلیف محدود و کنترل‌شده، کمک تکمیل کد می‌تواند زمان را کم کند. این نتیجه را نمی‌توان مستقیم به «نیاز کمتر به استخدام برنامه‌نویس در همهٔ صنایع» تعمیم داد: دامنهٔ تکلیف، اندازهٔ نمونه، و تعریف بهره‌وری با پیچیدگی محصول واقعی یکی نیست.

در پژوهشی جدا دربارهٔ کیفیت کد، GitHub یک آزمایش تصادفی با ۲۰۲ توسعه‌دهندهٔ با حداقل پنج سال تجربه گزارش کرده است. یافتهٔ کلیدی اعلام‌شده: احتمال عبور از هر ده unit test برای گروه با Copilot حدود ۵۳٫۲٪ بیشتر بوده و در ارزیابی کارشناسی، خوانایی و نرخ تأیید نیز بهتر گزارش شده است. باز هم این مطالعه دربارهٔ کیفیت خروجی در یک تکلیف است، نه دربارهٔ حذف نقش شغلی.

اختلاف با Stack Overflow اینجا روشن می‌شود: GitHub در شرایط آزمایشی سرعت (و در مطالعهٔ کیفیت، کارکرد تست‌شده) را مثبت می‌بیند؛ Stack Overflow در میدان واقعی، بی‌اعتمادی به دقت و زمان اشکال‌زدایی را برجسته می‌کند. هر دو می‌توانند همزمان درست باشند اگر «پیش‌نویس سریع» و «هزینهٔ راستی‌آزمایی» را جدا ببینید.

Future of Jobs ۲۰۲۵: برنامه‌نویس در فهرست رشد، AI هم خالق و هم جابه‌جاکننده

فصل ۲ گزارش Future of Jobs ۲۰۲۵ (انتشار ۷ ژانویهٔ ۲۰۲۵) از ترکیب نظر کارفرمایان بزرگ با داده‌های اشتغال ILO برآورد می‌کند که تا ۲۰۳۰ حدود ۱۷۰ میلیون شغل جدید و ۹۲ میلیون جابه‌جایی ایجاد شود؛ رشد خالص حدود ۷۸ میلیون شغل. این اعداد کل اقتصاد است، نه فقط نرم‌افزار.

در فهرست سریع‌ترین رشد شغلی به‌صورت درصدی، نقش‌هایی مثل Big Data Specialist، FinTech Engineers، AI and Machine Learning Specialists و Software and Applications Developers جلو هستند. همان گزارش Software and Applications Developers را در میان نقش‌هایی می‌آورد که بیشترین رشد خالص مطلق را هم می‌سازند.

دربارهٔ فناوری AI و پردازش اطلاعات، برآورد گزارش این است که حدود ۱۱ میلیون شغل ایجاد و حدود ۹ میلیون جابه‌جا شود — بیش از هر روند فناوری دیگر از نظر همزمانی خلق و حذف. گسترش دسترسی دیجیتال حتی خلق و حذف بزرگ‌تری دارد (۱۹ میلیون در برابر ۹ میلیون). یعنی روایت WEF «AI همهٔ شغل‌ها را می‌خورد» نیست؛ روایت «تحول همزمان» است.

گزارش همچنین می‌گوید امروز حدود ۴۷٪ وظایف کاری عمدتاً فقط توسط انسان، ۲۲٪ عمدتاً توسط فناوری، و ۳۰٪ با ترکیب انجام می‌شود؛ تا ۲۰۳۰ انتظار تقسیم نزدیک به مساوی بین این سه است. کاهش سهم «فقط انسان» بیشتر به اتوماسیون نسبت داده شده تا به همکاری انسان-ماشین. برای برنامه‌نویس، ترجمهٔ عملی این است: سهم بیشتری از وظایف ممکن است خودکار یا نیمه‌خودکار شود، بدون اینکه عنوان نقش لزوماً از فهرست رشد حذف شود.

چرا منابع با هم «مخالف» به نظر می‌رسند؟

اختلاف واقعی کمتر از «آمار دروغ» است و بیشتر از «سؤال متفاوت». اگر بپرسید «آیا تکلیف CRUD را سریع‌تر می‌نویسم؟» پاسخ آزمایشگاهی GitHub اغلب مثبت است. اگر بپرسید «آیا به خروجی AI برای production بدون بازبینی اعتماد دارید؟» پاسخ Stack Overflow محتاط است. اگر بپرسید «آیا کارفرمایان تا ۲۰۳۰ هنوز به Software Developers نیاز دارند؟» پاسخ WEF در جهت رشد است، همراه با جابه‌جایی وظایف در کل اقتصاد.

دادهٔ ادارهٔ آمار کار آمریکا (BLS) در این متن استفاده نشده است؛ در زمان پژوهش برای این مقاله به‌عنوان منبع باز و تأییدشده وارد جریان کار نشد. بنابراین هیچ رقم BLS اینجا نیست.

سه سناریوی تصمیم برای فرد و تیم

۱) جابه‌جایی واقعی کجا محتمل‌تر است؟

جابه‌جایی بیشتر سراغ نقش‌هایی می‌رود که کارشان تقریباً همان تولید متن/کد تکراری با مشخصات پایدار و بازبینی ضعیف است — نه سراغ کسی که نیاز را می‌شکافد، محدودیت را مذاکره می‌کند، سیستم را در حادثه پایدار نگه می‌دارد، و مسئولیت امنیت و داده را می‌پذیرد. WEF کاهش سریع نقش‌های دفتری و تکراری را برجسته می‌کند؛ برنامه‌نویسی حرفه‌ای کاملاً با «صندوقدار» یکی نیست، اما بخش‌های تکراری داخل نقش برنامه‌نویس شبیه همان منطق‌اند.

۲) تغییر وظیفه یعنی چه در کار روزانه؟

زمان بیشتری روی تعریف مسئله، مرز سیستم، بازبینی، تست، مشاهدهٔ production و توضیح به ذی‌نفعان می‌رود؛ زمان کمتری روی نوشتن boilerplate از صفر. Stack Overflow نشان می‌دهد اشکال‌زدایی خروجی «تقریباً درست» خودش یک هزینه است. کسی که فقط prompt می‌نویسد و مالکیت نمی‌گیرد، در task-change بازنده است.

۳) مکمل بودن چه شرطی دارد؟

مکمل بودن وقتی معنی دارد که سرعت آزمایشگاهی GitHub با عادت راستی‌آزمایی Stack Overflow ترکیب شود: پیشنهاد را بگیرید، اما اعتماد پیش‌فرض ندهید. برای ایجنت‌ها، پذیرش هنوز کامل نیست؛ بهره‌وری ادراک‌شده در کاربران فعلی بالا گزارش شده، ولی نگرانی دقت و امنیت در روایت‌های وابسته به همان نظرسنجی پررنگ است.

چه کار کنید اگر نگران شغل‌اید؟

1. مهارت‌هایی را تقویت کنید که در task-change کمیاب می‌مانند: صورت‌بندی مسئله، طراحی قرارداد API، مشاهده‌پذیری، امنیت کاربردی، مالکیت حادثه.
2. AI را برای پیش‌نویس و اکتشاف به کار ببرید؛ برای تصمیم معماری و دادهٔ حساس، مسیر بازبینی انسانی اجباری بگذارید.
3. نمونهٔ کار قابل‌نمایش بسازید که نشان دهد می‌توانید خروجی AI را اصلاح، تست و پایدار کنید — نه فقط تولید کنید.
4. روایت بازار را از روایت شخصی جدا کنید: رشد نقش در WEF تضمین استخدام فرد خاص نیست؛ بی‌اعتمادی در Stack Overflow هم به معنی «حذف شغل شما فردا» نیست.

جمع‌بندی

پاسخ صادقانه به «آیا AI برنامه‌نویس را بیکار می‌کند؟» این است: جایگزینی کامل نقش، با داده‌های رسمی فعلی، روایت غالب نیست؛ تغییر ترکیب وظایف و فشار روی کیفیت بازبینی، روایت قوی‌تر است. Stack Overflow پذیرش را بالا و اعتماد را پایین نشان می‌دهد و اکثریت را هنوز غیرتهدیدجو می‌بیند. GitHub در آزمایشگاه سرعت (و در مطالعهٔ کیفیت، کارکرد) را مثبت گزارش می‌کند. WEF توسعه‌دهنده نرم‌افزار را در مسیر رشد می‌گذارد و همزمان AI را موتور خلق و جابه‌جایی در کل اقتصاد می‌داند.

اگر فقط یک تصمیم بگیرید: روی مکمل بودن مشروط سرمایه‌گذاری کنید — سرعت ابزار را بگیرید، مالکیت انسان را رها نکنید.

منابع و مراجع

• Stack Overflow — Press release, 2025 Developer Survey (۲۹ ژوئیه ۲۰۲۵): https://stackoverflow.co/company/press/archive/stack-overflow-2025-developer-survey/
• Stack Overflow — 2025 Developer Survey results hub: https://survey.stackoverflow.co/2025/ (واکشی مستقیم صفحه در زمان نگارش گاهی timeout شد؛ اعداد از بیانیهٔ رسمی و خلاصهٔ رهبری نقل شد)
• Stack Overflow — Leaders TL;DR, AI adoption/trust: https://stackoverflow.co/internal/resources/2025-stack-overflow-developer-survey-for-leaders/ai-adoption/
• GitHub Blog — Quantifying Copilot impact on productivity and happiness: https://github.blog/news-insights/research/research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/
• GitHub Blog — Does Copilot improve code quality?: https://github.blog/news-insights/research/does-github-copilot-improve-code-quality-heres-what-the-data-says/
• World Economic Forum — Future of Jobs Report 2025, Jobs outlook: https://www.weforum.org/publications/the-future-of-jobs-report-2025/in-full/2-jobs-outlook/
• World Economic Forum — Future of Jobs Report 2025 PDF: https://reports.weforum.org/docs/WEF_Future_of_Jobs_Report_2025.pdf

اگر مسیر یادگیری یا تغییر نقش روزمره برایتان مهم‌تر از تیتر بیکاری است، ادامه را در مقاله‌های هم‌خانواده دربارهٔ تغییر کار برنامه‌نویس و ورود به حوزه بخوانید — بدون عجله برای «ترک شغل» بر اساس یک نمودار.