وقتی همه Senior شخصی خودشان را دارند؛ اثر پنهان هوش مصنوعی بر تعاملات درونتیمی
تا همین چند سال پیش، وقتی وسط یک کار گیر میکردیم، معمولاً اولین گزینه یک انسان بود؛ همکار کناری، یکی از بچههای تیم، یک برنامهنویس ارشد یا همان کسی که همه میدانستند «این قسمت سیستم را فقط او میفهمد».
امروز گزینه دیگری همیشه در دسترس است: هوش مصنوعی.
سریع جواب میدهد، خسته نمیشود، سؤال تکراری را به رویمان نمیآورد و اگر ساعت دو نصف شب درباره خطای عجیب Kubernetes از او سؤال کنیم، نمیگوید: «داداش فردا صبح نمیشد؟»
این اتفاق از نظر بهرهوری جذاب است. اما یک سؤال مهم کمتر مطرح میشود: وقتی برای پیدا کردن پاسخ کمتر به سراغ یکدیگر میرویم، چه اتفاقی برای روابط داخل تیم میافتد؟
پژوهشهای تازه نشان میدهند تجربه مثبت کمک گرفتن از AI میتواند تمایل افراد برای کمک گرفتن از همکاران را کاهش دهد. از طرف دیگر، شواهدی هم وجود دارد که نشان میدهد استفاده درست از AI میتواند افراد را برای همکاریهای مهمتر آزاد کند و حتی ارتباط میان بخشهای مختلف سازمان را افزایش دهد.
پس مسئله «AI یا انسان» نیست.
مسئله این است که چه چیزهایی را از AI بپرسیم و چه چیزهایی را هنوز از یکدیگر بپرسیم.
یک سؤال ساده که دیگر پرسیده نمیشود
فرض کنید روی یک پروژه کار میکنید و وسط کار به مسئلهای میرسید که دربارهاش مطمئن نیستید.
تا چند سال پیش احتمالاً برای یکی از همکارانتان پیام میفرستادید:
«یه دقیقه وقت داری؟ میخوام نظرت رو درباره این قسمت بدونم.»
همین سؤال ساده ممکن بود به یک گفتوگوی پنج دقیقهای تبدیل شود.
همکارتان تجربه مشابهی تعریف میکرد. شما نکتهای یاد میگرفتید. شاید متوجه میشدید مسئلهای که فکر میکردید جدید است، تیم سه ماه قبل دقیقاً با آن درگیر بوده. شاید حتی وسط همان مکالمه میفهمیدید اصلاً مشکل جای دیگری است.
امروز مسیر کوتاهتر است.
پنجره ChatGPT، Copilot یا ابزار مشابهی را باز میکنیم، سؤال را مینویسیم و چند ثانیه بعد یک جواب نسبتاً مرتب تحویل میگیریم.
تمام.
ظاهراً چند دقیقه صرفهجویی کردهایم.
اما یک چیز هم حذف شده است:
آن گفتوگوی پنج دقیقهای.
و شاید ارزش آن پنج دقیقه بیشتر از چیزی باشد که در نگاه اول به نظر میرسد.
تیمها فقط در جلسهها ساخته نمیشوند
وقتی درباره تعامل درونتیمی حرف میزنیم، معمولاً ذهنمان سراغ جلسات هفتگی، Daily Meeting، One-on-One، Retrospective یا برنامههای Team Building میرود.
ولی رابطه واقعی میان اعضای تیم اغلب جای دیگری ساخته میشود.
در همین سؤالهای کوچک:
«تو قبلاً با این مشتری کار کردی؟»
«به نظرت این راهحل زیادی پیچیده نیست؟»
«این Pull Request رو یه نگاه میکنی؟»
«این رفتار سیستم طبیعیه یا من دارم عقل خودمو از دست میدم؟»
و البته یکی از قدیمیترین جملات تاریخ برنامهنویسی:
«روی سیستم من که کار میکنه!»
این مکالمات فقط برای ردوبدل کردن اطلاعات نیستند.
در همین تعاملهای کوچک است که میفهمیم چه کسی چه چیزی بلد است، چه کسی تجربه یک بحران مشابه را دارد، چه کسی روی جزئیات حساس است و چه کسی وقتی Production آتش گرفته، برخلاف بقیه هنوز میتواند جمله کامل بسازد.
کمکم یک نقشه ذهنی از تواناییهای تیم شکل میگیرد.
و این نقشه، یکی از داراییهای نامرئی هر تیم است.
فرسایش تعاملات کوچک
میتوان برای این تغییر یک اسم ساده انتخاب کرد:
فرسایش تعاملات کوچک.
یعنی تیم ظاهراً هنوز سالم است.
جلسات برگزار میشوند.
پیامهای Slack یا Teams همچنان ردوبدل میشوند.
Taskها Done میشوند.
Sprint تمام میشود.
ولی تعداد آن گفتوگوهای کوتاه و غیررسمی که باعث انتقال دانش و ساختن رابطه میشدند، آرامآرام کاهش پیدا میکند.
این تغییر آنقدر تدریجی است که احتمالاً هیچ داشبورد مدیریتی هم برایش چراغ قرمز روشن نمیکند.
هیچ نموداری نمیگوید:
«هشدار: علی این ماه ۳۷ درصد کمتر از همکارانش نظر خواسته است.»
اما ممکن است اثرش چند ماه بعد ظاهر شود؛ وقتی اعضای تیم کمتر از دانش یکدیگر خبر دارند یا هرکس در جزیره خودش مشغول حل مسئله است.
چرا پرسیدن از AI اینقدر راحتتر است؟
کمک گرفتن از یک انسان همیشه یک هزینه اجتماعی کوچک دارد.
حتی اگر طرف مقابل بهترین همکار دنیا باشد، ممکن است قبل از سؤال کردن با خودمان فکر کنیم:
«نکنه سؤال خیلی سادهای باشه؟»
«الان سرش شلوغه.»
«دیروز هم ازش سؤال کردم.»
«شاید فکر کنه من این کار رو بلد نیستم.»
AI تقریباً تمام این اصطکاکها را حذف کرده است.
میتوانیم یک سؤال را پنج بار بپرسیم.
بعد بگوییم:
«سادهتر توضیح بده.»
بعد:
«باز هم سادهتر.»
و در نهایت:
«طوری توضیح بده که انگار ساعت پنج عصر پنجشنبه است و مغزم دیگر همکاری نمیکند.»
هیچکس هم ناراحت نمیشود.
پژوهشی که در سال ۲۰۲۵ در Academy of Management Proceedings منتشر شد، دقیقاً همین موضوع را بررسی کرده است.
نتایج سه آزمایش از پیش ثبتشده نشان داد وقتی افراد تجربه خوبی از کمک گرفتن از هوش مصنوعی دارند، ممکن است در آینده تمایل کمتری برای مراجعه به همکاران داشته باشند.
یکی از علتها واضح است: کمک گرفتن از AI احساس بدهکار بودن کمتری ایجاد میکند و نگرانی درباره اینکه دیگران ما را کمتوان یا کمدانش ببینند نیز کاهش مییابد.
از نظر فردی، این راحتی فوقالعاده است.
از نظر تیمی، داستان کمی پیچیدهتر میشود.
در یک تیم برنامهنویسی چه اتفاقی ممکن است بیفتد؟
فضای توسعه نرمافزار مثال بسیار خوبی برای دیدن این تغییر است؛ چون سؤال پرسیدن و کمک گرفتن همیشه بخشی از کار یک برنامهنویس بوده است.
مثال اول: باگی که AI حل میکند، ولی داستانش را نمیداند
فرض کنید یک برنامهنویس تازهوارد با خطای عجیبی در سیستم پرداخت مواجه شده است.
خطا میگوید:
500 Internal Server Error
که اگر بخواهیم به زبان انسانی ترجمهاش کنیم، تقریباً میشود:
«یه مشکلی هست. خودت پیداش کن.»
برنامهنویس لاگ را به AI میدهد.
AI چند احتمال پیشنهاد میکند، بخشی از کد را بررسی میکند و حتی شاید راهحل درستی هم ارائه دهد.
عالی است.
اما یکی از برنامهنویسان قدیمی تیم احتمالاً چیزی میداند که در هیچ Repository و Documentationای نوشته نشده:
«این سرویس وقتی درخواست retry میشه، اگر تراکنش قبلی هنوز lock باشه همین رفتار رو نشون میده. دو سال پیش سر همین موضوع سه ساعت Production خوابید.»
این اطلاعات فقط «دانش فنی» نیست.
حافظه سازمانی است.
AI ممکن است کد را بفهمد، ولی لزوماً تاریخچه تصمیمهای تیم، اشتباههای گذشته و دلیل بعضی انتخابهای عجیب را نمیداند.
و هر پروژه قدیمی حداقل چند تصمیم عجیب دارد که توضیح رسمیشان این است:
«فعلاً دست نزن، بعداً توضیح میدم.»
آن «بعداً» هم معمولاً هیچوقت نمیرسد.
مثال دوم: Junior Developerی که دیگر سؤال نمیپرسد
یک برنامهنویس Junior را تصور کنید که تازه وارد تیم شده است.
قبلاً روزانه چند سؤال از Senior تیم میپرسید:
«چرا اینجا Repository Pattern استفاده کردیم؟»
«چرا این سرویس جداست؟»
«این قسمت رو بهتر نیست Refactor کنیم؟»
«اصلاً کی اینو نوشته؟»
در مورد سؤال آخر معمولاً بهتر است زیاد پیگیری نکند؛ چون احتمال دارد همان Senior روبهرویش نوشته باشد.
حالا فرض کنیم همین برنامهنویس تمام سؤالها را از AI میپرسد.
از یک جهت اتفاق خوبی افتاده است. سریعتر یاد میگیرد و برای مسائل ساده مزاحم دیگران نمیشود.
اما اتفاق دیگری هم رخ میدهد.
Senior دیگر نمیبیند Junior روی چه مفاهیمی مشکل دارد.
Junior هم کمتر با منطق تصمیمهای داخل همین شرکت آشنا میشود.
بعد از شش ماه ممکن است هزار سؤال فنی از AI پرسیده باشد، اما هنوز نداند چرا تیمشان بعضی تصمیمها را به یک روش خاص میگیرد.
یادگیری اتفاق افتاده است؛
ولی منتورینگ اتفاق نیفتاده است.
این دو یکی نیستند.
جالب اینکه یک مطالعه Microsoft Research در سال ۲۰۲۵ با ۸۶۰ توسعهدهنده نشان داد برنامهنویسان برای استفاده از AI در کارهایی مثل کدنویسی، تست و مستندسازی استقبال زیادی نشان میدهند، اما نسبت به استفاده از آن در فعالیتهای انسانیتر و رابطهمحور، مانند Mentoring، محدودیت بیشتری قائلاند.
شاید خود توسعهدهندگان هم بهصورت شهودی احساس کردهاند که بعضی کارها فقط انتقال اطلاعات نیستند.
مثال سوم: Pull Requestی که خیلی سریع آماده شده است
AI میتواند سرعت تولید کد را بالا ببرد.
این دیگر فقط یک ادعا نیست.
در مجموعهای از آزمایشهای میدانی روی ۴۸۶۷ توسعهدهنده در Microsoft، Accenture و یک شرکت Fortune 100، پژوهشگران افزایش حدود ۲۶ درصدی تعداد وظایف تکمیلشده را برای توسعهدهندگانی که به ابزارهای کدنویسی مبتنی بر AI دسترسی داشتند گزارش کردند.
پس بله، AI واقعاً میتواند سرعت ایجاد خروجی را بالا ببرد.
اما حالا یک وضعیت آشنا را تصور کنید.
قبلاً یک برنامهنویس برای یک قابلیت جدید ۲۰۰ خط کد مینوشت و Pull Request باز میکرد.
حالا با کمک AI همان فرد در همان زمان ۶۰۰ خط کد تولید میکند.
بهرهوری؟
ظاهراً سه برابر.
فقط یک نفر هست که احتمالاً هنوز از شنیدن این خبر خوشحال نشده:
کسی که باید آن ۶۰۰ خط را Code Review کند.
اینجا اهمیت تعامل تیمی بیشتر میشود، نه کمتر.
اگر AI سرعت تولید کد را افزایش دهد ولی شیوه Review، توضیح تصمیمها و انتقال Context تغییر نکند، ممکن است صرفاً گلوگاه را از مرحله تولید کد به مرحله بررسی کد منتقل کرده باشیم.
سرعت فرد بیشتر شده، اما لزوماً سرعت تیم نه.
و توسعهدهندگان هم چندان سادهلوح نیستند
نظرسنجی ۲۰۲۵ Stack Overflow تصویر جالبی از این رابطه نشان میدهد.
۸۴ درصد پاسخدهندگان گفتهاند از ابزارهای AI در فرایند توسعه استفاده میکنند یا قصد استفاده از آن را دارند و ۵۱ درصد برنامهنویسان حرفهای گفتهاند این ابزارها را روزانه استفاده میکنند.
پس AI دیگر ابزار حاشیهای نیست.
اما بخش جالبتر آمار اعتماد است.
۴۶ درصد توسعهدهندگان گفتهاند به دقت خروجی ابزارهای AI بیاعتمادند؛ درحالیکه ۳۳ درصد گفتهاند به آن اعتماد دارند.
و فقط درصد بسیار کوچکی اعتماد بسیار بالایی به خروجی AI دارند.
حتی ۶۶ درصد توسعهدهندگان یکی از بزرگترین دردسرهای AI را جوابهایی دانستهاند که «تقریباً درستاند، ولی کاملاً درست نیستند.»
برنامهنویسها دقیقاً میدانند این جمله چقدر ترسناک است.
کدی که کاملاً غلط باشد معمولاً زود لو میرود.
کدی که ۹۵ درصد درست است، همان موجود مرموزی است که جمعه شب در Production خودش را معرفی میکند.
وقتی AI جواب میدهد، ولی باز هم دنبال یک انسان میگردیم
در همان نظرسنجی Stack Overflow، وقتی از توسعهدهندگان پرسیده شد در آیندهای که AI بتواند اکثر وظایف برنامهنویسی را انجام دهد، چه زمانی هنوز از یک انسان کمک خواهند گرفت، یکی از مهمترین پاسخها زمانی بود که به جواب AI اعتماد ندارند.
این نکته جالبی است.
شاید نقش همکار متخصص از «کسی که جواب را میداند» آرامآرام به «کسی که میتوان به قضاوتش اعتماد کرد» تغییر کند.
AI ممکن است ده راهحل برای یک مشکل پیشنهاد دهد.
اما همچنان ممکن است در نهایت رو به همکار باتجربهمان کنیم و بگوییم:
«این پیشنهادش منطقیه؟»
و او بعد از سه ثانیه نگاه کردن بگوید:
«نه.»
گاهی همین «نه» از سه صفحه توضیح AI ارزشمندتر است.
چون پشت آن سالها تجربه، شناخت سیستم و چند Production Incident دردناک خوابیده است.
خطر واقعی: وقتی دانش بین انسان و ماشین حبس میشود
یکی از مهمترین پیامدهای این تغییر، چیزی است که شاید در ابتدا به چشم نیاید.
فرض کنید پنج عضو یک تیم هر روز دهها سؤال کاری از AI میپرسند.
هرکدام چیزهای جدیدی یاد میگیرند.
اما اگر این دانش وارد مکالمات تیمی، Code Reviewها، مستندات یا تصمیمهای مشترک نشود، چه اتفاقی میافتد؟
افراد باهوشتر میشوند.
ولی تیم الزاماً باهوشتر نمیشود.
این تفاوت مهمی است.
دانشی که فقط در تاریخچه چت یک نفر با AI باقی بماند، هنوز به دانش سازمانی تبدیل نشده است.
برای تبدیل شدن به دانش تیمی باید جایی میان آدمها گردش کند.
اما تصویر کاملاً منفی نیست
اینجا نباید به نتیجه ساده و البته جذاب «AI ما را از هم دور میکند» برسیم.
چون پژوهش دیگری که در سال ۲۰۲۵ در Academy of Management Proceedings منتشر شد، تصویر متفاوتی ارائه میکند.
این پژوهش بیش از ۸.۴ میلیون تعامل انسان با انسان در یک شرکت فناوری را بررسی کرد.
نتایج نشان داد افرادی که GenAI را پذیرفته بودند، در شبکه ارتباطی سازمان موقعیت مرکزیتری پیدا کردند، ارتباط بیشتری با رهبران داشتند و روابط بیشتری با افراد دارای نقشهای متفاوت ایجاد کردند.
همکاری بین واحدهای مختلف و بعضی تعاملات غیررسمی نیز افزایش پیدا کرده بود.
پس AI الزاماً ارتباط انسانی را کم نمیکند.
حتی ممکن است با حذف کارهای کمارزش، انرژی افراد را برای تعاملات مهمتر آزاد کند.
تفاوت اصلی در این است:
AI جای چه نوع گفتوگویی را گرفته است؟
همه سؤالها ارزش یکسانی ندارند
اگر یک برنامهنویس بخواهد بداند چطور یک تاریخ را در JavaScript فرمت کند، شاید واقعاً لازم نباشد Senior Developer تیم را از Flow خارج کند.
AI، مستندات و جستوجو گزینههای بسیار مناسبی هستند.
اما سؤالهای دیگری جنس متفاوتی دارند:
«چرا معماری این قسمت اینطوری طراحی شده؟»
«اگر این سرویس رو جدا کنیم چه ریسکی برای تیم Ops ایجاد میشه؟»
«این تغییر در آینده Maintenance رو سخت نمیکنه؟»
«فکر میکنی این تصمیم از نظر محصول هم منطقیه؟»
«اگر جای مشتری بودی، این رفتار سیستم رو چطور میدیدی؟»
اینجا دیگر مسئله فقط اطلاعات نیست.
پای تجربه، Context، قضاوت و مسئولیت مشترک وسط است.
و اینها دقیقاً بخشهایی هستند که ارزش تعامل انسانی را بالا میبرند.
یک قانون ساده: پاسخ را از AI بگیر، قضاوت را با تیم بساز
شاید یکی از بهترین الگوهای استفاده از AI در تیمها این باشد:
اطلاعات اولیه را از AI بگیر؛ تصمیم نهایی را در گفتوگو با انسانها بساز.
مثلاً بهجای اینکه از همکارمان بپرسیم:
«OAuth دقیقاً چطور کار میکنه؟»
میتوانیم ابتدا از AI بخواهیم مفهوم را توضیح دهد.
بعد با شناخت اولیه سراغ همکار برویم و سؤال بهتری بپرسیم:
«برای معماری ما بین این دو روش کدوم منطقیتره؟ من این مزایا و ریسکها رو پیدا کردم، چیزی هست که با توجه به تجربه سیستم خودمون نبینم؟»
این بار AI گفتوگو را حذف نکرده است.
کیفیت گفتوگو را بالا برده است.
شاید تیمهای آینده به «تعامل عمدی» نیاز داشته باشند
در گذشته خیلی از تعاملات تیمی به اجبار اتفاق میافتاد.
برای دسترسی به اطلاعات باید با کسی حرف میزدیم.
برای فهمیدن بخشی از سیستم باید از سازندهاش سؤال میکردیم.
برای یاد گرفتن یک تکنیک باید کنار یک فرد باتجربه مینشستیم.
AI بخشی از این اجبار را از بین برده است.
این اتفاق لزوماً بد نیست.
اما احتمالاً از این به بعد نمیتوانیم انتظار داشته باشیم تعامل خوب در تیم کاملاً خودبهخود اتفاق بیفتد.
باید بخشی از آن را آگاهانه طراحی کنیم.
مثلاً:
در Code Review فقط نگوییم «Looks Good To Me».
درباره دلیل تصمیمها هم صحبت کنیم.
یافتههای مهمی که با کمک AI به دست آمدهاند در تیم به اشتراک گذاشته شوند.
جلسات فنی فقط Status Update نباشند و فضای بحث واقعی داشته باشند.
Junior Developer تشویق شود بعد از تحقیق اولیه با AI، همچنان سؤالهای عمیقترش را از اعضای تیم بپرسد.
و مدیران فقط تعداد Taskهای بستهشده را نبینند؛ کیفیت جریان دانش بین افراد را هم جدی بگیرند.
یک سؤال مهم برای مدیران فنی
فرض کنید بعد از ورود ابزارهای AI، خروجی هر برنامهنویس تیم شما ۳۰ درصد افزایش پیدا کرده است.
خبر خوبی است.
اما همزمان اعضای تیم ۴۰ درصد کمتر درباره مسائل فنی با یکدیگر صحبت میکنند.
آیا تیم شما واقعاً بهتر شده است؟
پاسخ احتمالاً به چیزی بستگی دارد که اندازهگیری آن از تعداد Commit و Story Point سختتر است:
آیا اعضای تیم هنوز از یکدیگر یاد میگیرند؟
اگر پاسخ مثبت باشد، AI احتمالاً دارد نقش یک شتابدهنده را بازی میکند.
اگر پاسخ منفی باشد، ممکن است پنج برنامهنویس بسیار بهرهور داشته باشیم که هرکدام در جزیره شخصی خودشان کار میکنند.
و پنج جزیره، هرچقدر هم سریع کد بنویسند، هنوز یک تیم نیستند.
نتیجهگیری
بزرگترین تأثیر هوش مصنوعی بر محیط کار شاید چیزهایی نباشد که بهوضوح میبینیم.
همه میبینیم که گزارشها سریعتر نوشته میشوند.
کد سریعتر تولید میشود.
مستندات زودتر آماده میشوند.
و خطایی که قبلاً نیم ساعت Stack Overflow زیرورو میکردیم، حالا شاید با یک سؤال حل شود.
اما تغییر مهمتر ممکن است در چیزهایی باشد که دیگر اتفاق نمیافتند.
سؤالی که دیگر از همکارمان نمیپرسیم.
Pull Requestی که دیگر دربارهاش بحث نمیکنیم.
تجربهای که دیگر منتقل نمیشود.
و گفتوگوی کوتاهی که میتوانست به شناخت بیشتر دو عضو تیم از یکدیگر منجر شود، اما این بار بین یک انسان و یک مدل زبانی باقی مانده است.
هوش مصنوعی لزوماً دشمن تعامل تیمی نیست.
حتی ممکن است بهترین ابزار چند دهه اخیر برای حذف کارهای تکراری و آزاد کردن زمان انسانها برای مسائل مهمتر باشد.
اما این اتفاق خودبهخود نمیافتد.
شاید یکی از مهمترین مهارتهای تیمهای آینده این باشد که تشخیص دهند:
چه چیزی را باید از هوش مصنوعی بپرسیم و چه چیزی را هنوز باید از یکدیگر بپرسیم.
چون یک تیم خوب فقط مجموعهای از آدمهایی نیست که سریعتر کار میکنند.
تیم خوب مجموعهای از آدمهایی است که هنوز به سراغ یکدیگر میروند؛ حتی وقتی یک پنجره چت در چند ثانیه میتواند جوابشان را بدهد.
و شاید در عصر AI، همین رفتار ساده تبدیل به یک مزیت رقابتی شود.
منابع
Bai, Y., Xue, Q. Y., & Zheng, L. (2025). From Colleagues to AI: How AI is Redefining Help-Seeking Behaviors in the Workplace. Academy of Management Proceedings. DOI: 10.5465/AMPROC.2025.20452abstract
Hu, S., Zhu, L., Liao, H., & Huang, Z. (2025). The Effects of Human-AI Collaboration on Human-Human Collaboration: A Network Perspective. Academy of Management Proceedings. DOI: 10.5465/AMPROC.2025.21132abstract
Stack Overflow. (2025). Stack Overflow Developer Survey 2025 – Artificial Intelligence. دادههای مربوط به استفاده، اعتماد، چالشها و اثر AI بر توسعهدهندگان.
Cui, Z. K., Demirer, M., Jaffe, S., Musolff, L., Peng, S., & Salz, T. (2025). The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers. Microsoft Research.
Kumar, A., Bajpai, Y., Gulwani, S., Soares, G., & Murphy-Hill, E. (2025). Why AI Agents Still Need You: Findings from Developer-Agent Collaborations in the Wild. IEEE/ACM International Conference on Automated Software Engineering (ASE).
Choudhuri, R., Badea, C., Bird, C., Butler, J., DeLine, R., & Houck, B. (2025). AI Where It Matters: Where, Why, and How Developers Want AI Support in Daily Work. Microsoft Research.
Brooks, A. W., Gino, F., & Schweitzer, M. E. (2015). Smart People Ask for (My) Advice: Seeking Advice Boosts Perceptions of Competence. Management Science, 61(6), 1421–1435.
