نمونهٔ اولیهٔ هوش مصنوعی شما یک سند نیاز است، نه یک محصول

نمونهٔ اولیه‌ای که با هوش مصنوعی ساخته‌اید، ارزان‌ترین سند نیازی است که خواهید نوشت و گران‌ترین محصولی که صاحبش خواهید شد. هر دو نیمهٔ این جمله هم‌زمان درست است، چون یک کد را در دو لحظهٔ متفاوت توصیف می‌کنند. امروز یک آخر هفته پرامپت‌نویسی چیزی به شما می‌دهد که کاربر را وارد می‌کند، کارت می‌گیرد و شبیه نرم‌افزار است — و این واقعاً ارزشمند است، چون بحث دربارهٔ دامنهٔ کار را سریع‌تر از هر سندی تمام می‌کند. اشتباه، فروختنِ همان چیزی است که بحث را تمام کرد. حالا دادهٔ عمومی کافی دربارهٔ سرنوشت کدِ نوشتهٔ هوش مصنوعی پس از انتشار وجود دارد که بتوان بر پایه‌اش برنامه ریخت، و الگویی که نشان می‌دهد این است: صورت‌حساب سال دوم می‌رسد.

نمونهٔ اولیه واقعاً به چه دردی می‌خورد؟

به تصمیم‌گیری دربارهٔ اینکه چه بسازید، نه به خودِ ساختن. نمونهٔ اولیهٔ در حال کار به پرسش‌هایی جواب می‌دهد که سند مکتوب فقط سرشان بحث می‌کند: مشتری واقعاً کدام سه صفحه را باز می‌کند، آیا کسی بدون تماس تلفنی مسیر آشناسازی را تا آخر می‌رود، و صفحهٔ قیمت مجبور است چه چیزی را اعتراف کند. این جواب‌ها را در چند روز می‌گیرید نه در یک فاز کشف، و از کدی که تولیدشان کرده ارزشمندترند. پس پیش از آنکه اولین صفحه‌اش ساخته شود، وظیفهٔ نمونهٔ اولیه را بنویسید — قرار است پس از اینکه چیزی به شما گفت، حذف شود. نمونهٔ اولیه‌ای که توان حذفش را ندارید، بدون آنکه کسی تصمیم گرفته باشد، همین حالا تبدیل به محصول عملیاتی شده است.

چرا کد بعد از انتشار گران‌تر می‌شود؟

چون دستیارهای هوش مصنوعی خیلی راحت‌تر کد اضافه می‌کنند تا اینکه کد موجود را عوض کنند، و نگهداری عمدتاً یعنی عوض‌کردن کد. GitClear و GitKraken ۶۲۳ میلیون تغییر واقعی کد را از ۲۰۲۳ تا ۲۰۲۶ بررسی کردند و دیدند تکرار کد ۸۱٪ بالا رفته، بازاستفاده از کد ۷۰٪ پایین آمده، بازآرایی کد قدیمی از ۲۰۲۳ تا ۷۴٪ افت کرده، پیوستگی کارکردی ۳۵٪ کم شده و پنهان‌سازی خطا در ۲۰۲۶ نسبت به سال پایه ۴۷٪ بیشتر شده است (LeadDev، ۷ ژوئیه ۲۰۲۶). این‌ها را کنار هم بگذارید، یک عادت را توصیف می‌کنند: وقتی چیزی لازم می‌شود، به‌جای گسترش پیاده‌سازی موجود، یک پیاده‌سازی تازه ظاهر می‌شود. پژوهشی جداگانه روی ۳۰۴٬۳۶۲ کامیت نوشتهٔ هوش مصنوعی در ۶٬۲۷۵ مخزن GitHub، ۴۸۴٬۶۰۶ مشکل متمایز پیدا کرد؛ در همهٔ دستیارها بیش از ۱۵٪ کامیت‌ها دست‌کم یک مشکل وارد کرده بودند — از ۱۷٫۳٪ برای GitHub Copilot تا ۲۸٫۷٪ برای Gemini — و ۲۴٫۲٪ از مشکلات ردیابی‌شده هنوز در HEAD زنده بودند (arXiv 2603.28592، ۳۰ مارس ۲۰۲۶). بیشترشان هم از جنس خرابی نیستند: ۸۹٫۱٪ بوی بد کد، ۵٫۸٪ باگ زمان اجرا و ۵٫۱٪ مسئلهٔ امنیتی. همین توزیع است که مشکل را در روز انتشار نامرئی می‌کند. بوی بد کد ساعت ۲ بامداد به شما زنگ نمی‌زند؛ بعداً صورت‌حساب می‌فرستد، به اندازهٔ ساعت‌هایی که تغییر یک قاعده طول می‌کشد.

کدام بخش‌ها را اول بازسازی کنید؟

از جایی شروع کنید که یک نقص، پول یا هویت یا اعتماد را می‌برد: پرداخت، احراز هویت، نقش‌ها و دسترسی‌ها، و مرزی که دادهٔ یک مشتری را از مشتری دیگر جدا نگه می‌دارد. همین‌جاهاست که بوی بد کد دیگر یک ایراد سلیقه‌ای نیست. مسائل امنیتی فقط ۵٫۱٪ از یافته‌های آن پژوهش کامیت‌ها بودند، و همین سهم کوچک است که نمی‌توانید سرِ جایش بگذارید، چون حالت شکستش نشت داده است نه یک بعدازظهر کُند. هر چیز ظاهری می‌تواند خیلی بیشتر از دفتر حساب، نوشتهٔ هوش مصنوعی بماند. باقی نمونهٔ اولیه هم کار هدررفته نیست: مدل داده، ترتیب صفحه‌ها و تصمیم‌های قیمت‌گذاری‌اش همان سند نیازی است که به بازسازی تحویل می‌دهید، و دقیقاً به همین دلیل ساخت دوم از ساخت اول سریع‌تر است.

ساخت نسخهٔ واقعی چقدر هزینه دارد؟

خدمت «Custom SaaS & Product Development» ما از MVP تا محصول عملیاتی از ۲۰٬۰۰۰ دلار شروع می‌شود، و معمولاً ۱۰ تا ۲۰ هفته تا یک هستهٔ آمادهٔ بهره‌برداری با پرداخت، احراز هویت و پایش. این مبلغ شامل تعیین دامنه و تعریف MVP، طراحی تجربه و رابط کاربری، مهندسی full-stack روی چارچوب‌های امروزی، معماری چندمستأجری با جداسازی درست داده، احراز هویت همراه نقش‌ها و دسترسی‌ها، صورت‌حساب اشتراکی که درست پیاده شده باشد، کارهای پس‌زمینه و صف‌ها، سامانه‌های ایمیل و اعلان، پایه‌های امنیتی، پایش و ثبت رویداد و خط لولهٔ استقرار، و مستندسازی به‌همراه تحویل یا نگه‌داشت محصول است. هیچ‌کس نمی‌تواند از دل این عدد بازار به شما قول بدهد، و هر جایی که قول بدهد دارد دربارهٔ مشتریان شما حدس می‌زند. چیزی که این عدد می‌خرد، محصولی است که سال دومش کمتر از سال اولش خرج بردارد.