فراتر از کدنویسی؛ رونق هوش مصنوعی و تغییرات بازار کار فناوری، سرفصل‌های سنتی مهندسی را دگرگون می‌کند
هوش مصنوعی در حال دگرگون کردن بنیادی صنعت فناوری است؛ از شیوه ساخت و عرضه نرم‌افزار گرفته تا توسعه و گسترش آن در مقیاس وسیع. بااین‌حال، هم‌زمان با شتاب گرفتن پیشرفت فناوری در جهان، برنامه‌های درسی سنتی چهار‌ساله مهندسی اغلب نمی‌توانند هم‌پای این تحولات پیش بروند.
به گفته کارشناسان در گفت‌وگو با لایو‌مینت، این ناهماهنگی شکاف بزرگی میان آموخته‌های دانشجویان در کلاس‌های دانشگاه و مهارت‌هایی ایجاد کرده است که استخدام‌کنندگان صنعت فناوری با سرعتی فزاینده به دنبال آن‌ها هستند.
با برعهده گرفتن وظایف معمول برنامه‌نویسی به‌وسیله هوش مصنوعی مولد و مدل‌های زبانی بزرگ (LLM)، شرکت‌های فناوری دیگر حاضر نیستند صرفاً به فارغ‌التحصیلانی که توانایی نوشتن کدهای ابتدایی را دارند، دستمزدهای بالاتری بپردازند. در عوض، مدیران استخدام به‌دنبال مهارتی هستند که می‌توان آن را «قضاوت در استفاده از هوش مصنوعی» نامید؛ یعنی توانایی اشکال‌زدایی، اعتبارسنجی و طراحی معماری سیستم‌ها بر پایه کد تولیدشده به‌وسیله هوش مصنوعی.
شکاف در مهارت‌های کاربردی هنگام استخدام در صنعت فناوری
گسترش استفاده از ابزارهای کدنویسی مبتنی بر هوش مصنوعی، شیوه ارزیابی مهارت‌های فنی و برگزاری مصاحبه‌های شغلی را به‌طور اساسی تغییر داده است. کارفرمایان به‌تدریج از آزمون‌های متداول الگوریتمی فاصله می‌گیرند و بیشتر بر این تمرکز می‌کنند که داوطلبان چگونه از هوش مصنوعی برای حل مسائل پیچیده کسب‌وکار استفاده می‌کنند.
شانتانو روی، مدیرعامل و بنیان‌گذار شرکت TeamLease EdTech، به لایو‌مینت گفت: «هوش مصنوعی به‌جای از بین بردن نیاز به نیروی مهندسی، سطح انتظارات از نیروهای تازه‌کار را بالا برده است.» او با اشاره به افزایش تقاضا برای موقعیت‌هایی مانند توسعه‌دهندگان اپلیکیشن‌های هوش مصنوعی و کارشناسان عملیات مراکز داده، تأکید کرد که هرچند تسلط بر اصول پایه برنامه‌نویسی همچنان ضروری است، این مهارت به‌تنهایی دیگر کفایت نمی‌کند.
روی توضیح داد: «شکاف امروز بیش از آنکه صرفاً شکاف دانش باشد، به شکاف در مهارت‌های کاربردی مربوط می‌شود. هرچه هوش مصنوعی بیشتر در انجام کدنویسی‌های معمول کمک می‌کند، عامل متمایزکننده این است که آیا فارغ‌التحصیل می‌تواند مسئله را به‌درستی تعریف کند، سیستم‌ها را بشناسد، خروجی‌ها را اشکال‌زدایی و آزمایش کند، تصمیم‌های فنی مناسبی بگیرد و درستی نتایج تولیدشده به‌وسیله ابزارهای هوش مصنوعی را بررسی کند یا نه.»
کومار راجاگوپالان، معاون ابتکارات راهبردی و مدیر شعبه هند شرکت Dexian، نیز خاطرنشان کرد که ارزیابی‌های استخدامی جدید بیش از گذشته بر طراحی سیستم، تفکر انتقادی و اعتبارسنجی خروجی‌های هوش مصنوعی متمرکز شده‌اند.
راجاگوپالان گفت: «اکنون تمرکز ارزیابی‌ها از توانایی داوطلبان در نوشتن کد از ابتدا، به این سمت تغییر کرده است که تا چه اندازه می‌توانند از ابزارهای هوش مصنوعی برای حل مسائل واقعی استفاده کنند.»
او همچنین درباره خطر اتکای بیش‌ازحد فارغ‌التحصیلان تازه‌کار به خودکارسازی هشدار داد و گفت: «داوطلبان باید نشان دهند که منطق پشت کد را درک می‌کنند، نه اینکه کورکورانه خروجی‌های تولیدشده به‌وسیله هوش مصنوعی را بازتولید کنند.»
چرا برنامه درسی چهار‌ساله با مشکل مواجه شده است؟
به اعتقاد مؤسسات آموزشی نوین، چالش دانشگاه‌های سنتی ریشه در ساختار آن‌ها دارد.
در الگوی متداول دانشگاهی، سرفصل‌های درسی از سال‌ها قبل تعیین می‌شوند؛ درحالی‌که صنعت فناوری با سرعتی حرکت می‌کند که ممکن است چارچوب‌ها و ابزارهای آن ظرف چند فصل کاری منسوخ شوند. به همین دلیل، برنامه‌های درسی دانشگاهی به‌سختی می‌توانند همگام با تحولات صنعت پیش بروند.
این مؤسسات همچنین معتقدند تمرکز سنتی بر مباحث نظری و امتحان‌محور، با واقعیت‌های توسعه محصولات امروزی سازگار نیست.
سخنگوی مدرسه فناوری پولاریس (Polaris School of Technology)، مؤسسه‌ای متمرکز بر تربیت مهندسانی با توان رقابت در سطح جهانی، گفت: «آموزش سنتی مهندسی به دانستن پاداش می‌دهد، اما محصولات مبتنی بر هوش مصنوعی به ساختن و پیاده‌سازی پاداش می‌دهند. صنعت اکنون هر ماه چهره تازه‌ای پیدا می‌کند و برنامه درسی‌ای که چهار سال پیش تثبیت شده باشد، نمی‌تواند با این سرعت پیش برود.»
ویدیت جین، معاون ارشد و رئیس مدارس فناوری و کسب‌وکار Scaler، نیز با این دیدگاه موافق است و معتقد است ساختارهای دانشگاهی قدیمی برای پاسخ‌گویی به نیازهای کنونی شرکت‌ها بیش از حد کند عمل می‌کنند.
جین گفت: «با ظهور هوش مصنوعی، فضای فناوری به‌سرعت در حال تغییر است؛ اما متأسفانه، نهادهای دانشگاهی سنتی نمی‌توانند با چنین سرعتی تکامل پیدا کنند. برای آنکه نیروهای تازه‌کار از همان روز نخست مهارت‌های موردنیاز دنیای واقعی را داشته باشند، دانشگاه‌ها و صنعت باید به‌صورت مشترک مسئولیت تدوین برنامه درسی را برعهده بگیرند.»
ظهور برنامه‌های درسی به‌روز و همگام با صنعت
برای عبور از کندی دانشگاه‌های سنتی، نسل جدیدی از مدارس فناوری تلاش می‌کند تازه‌ترین تحولات صنعت فناوری جهان را مستقیماً وارد کلاس‌های درس کند. این مؤسسات با طراحی مشترک برنامه‌های درسی پویا در همکاری با شرکت‌های استخدام‌کننده، پروژه‌های مورد حمایت صنعت، رقابت‌های هکاتون و مشارکت عملی در توسعه کدهای واقعی را بر آموزش نظریِ انعطاف‌ناپذیر ترجیح می‌دهند.
در مدرسه فناوری پولاریس، محتوای آموزشی از برنامه‌نویسی مقدماتی در سال اول به مهندسی مدل‌های زبانی بزرگ، زیرساخت هوش مصنوعی و عملیات یادگیری ماشین (MLOps) در سال سوم می‌رسد.
سخنگوی این مؤسسه گفت: «نمی‌خواهیم دانشجویان چهار سال از عمرشان را صرف یادگیری فناوری‌هایی کنند که پیش از فارغ‌التحصیلی منسوخ می‌شوند. هدف ما این است که آن‌ها مبانی علمی را بیاموزند، تجربه عملی کسب کنند و توانایی سازگاری با تغییرات را به دست آورند تا بتوانند در کنار مهندسان سراسر جهان رقابت کنند و هم‌زمان با تحول فناوری، به ساختن و توسعه دادن ادامه دهند.»
مدرسه فناوری Scaler نیز از الگویی مشابه و به‌روز استفاده می‌کند و گاهی در واکنش به بازخوردهای مستقیم بازار، ظرف چند هفته سرفصل‌های آموزشی خود را بازنگری می‌کند. برای نمونه، هنگامی که یک استارتاپ هوش مصنوعی به دنبال استخدام «مهندسان مستقر در محل کسب‌وکار» (Forward Deployed Engineers یا FDE) بود، متخصصانی که برای حل مسائل شرکت‌ها با استفاده از هوش مصنوعی در کنار آن‌ها فعالیت می‌کنند، Scaler با کارشناسان صنعت همکاری کرد تا این تخصص را تنها در سه ماه طراحی و راه‌اندازی کند.
جین توضیح داد: «یکی از بزرگ‌ترین شکاف‌ها، فاصله میان مبانی مهندسی و کاربرد آن‌ها برای حل مسائل دنیای واقعی است. مبانی مهندسی همچنان ضروری‌اند، به‌ویژه زمانی که مهندسان باید تشخیص دهند خروجی هوش مصنوعی درست است یا نه.»
Scaler برای تقویت این قدرت تشخیص، دانشجویان را تشویق می‌کند استارتاپ‌های خود را در محیط دانشگاه راه‌اندازی کنند و مستقیماً در توسعه مدل‌های پیشرفته هوش مصنوعی مشارکت داشته باشند.
جین افزود: «ما معتقدیم صنعتی که دهه‌ها مسئولیت آموزش عملی نیروها را از طریق دوره‌های کارآموزی برعهده داشته است، اکنون باید در محیط دانشگاه نیز شریک این فرایند باشد. این همکاری به معنای اجرای پروژه‌های واقعی در دوره‌های کارآموزی، تدریس در کلاس‌ها به‌وسیله مهندسان شاغل و طراحی برنامه‌های درسی با مشارکت شرکت‌هایی است که فارغ‌التحصیلان را استخدام می‌کنند.»
اهمیت نمونه‌کارها بیش از مدرک دانشگاهی
به گفته مدیران صنعت فناوری، رونق هوش مصنوعی امکان کدنویسی را برای افراد بیشتری فراهم کرده است؛ اما در مقابل، ارزش مهارت طراحی معماری، پیاده‌سازی و توسعه فناوری‌های واقعی در مقیاس وسیع افزایش یافته است.
کارشناسان استخدام می‌گویند نسل بعدی مهندسان برای اثبات توانایی‌های خود دیگر نمی‌توانند صرفاً به ارائه مدرک دانشگاهی تکیه کنند؛ آن‌ها باید به‌طور مشخص نشان دهند چه چیزی ساخته‌اند و چه دستاوردهای عملی دارند.
راجاگوپالان از شرکت Dexian تأکید کرد: «به‌ویژه در مهندسی هوش مصنوعی، کاربرد عملی به‌اندازه دانش نظری اهمیت دارد.» برای دانشکده‌های مهندسی، پیام روشن است: باید با سرعت تحولات صنعت سازگار شوند؛ در غیر این صورت، این خطر وجود دارد که فارغ‌التحصیلانشان حتی پیش از ورود به بازار کار، مهارت‌هایی منسوخ داشته باشند.