با افزایش استفاده از دستیارها و عوامل هوش مصنوعی (Coding Agents) مانند Claude Code، Codex و Cursor در توسعه نرم‌افزار، فرآیند انتخاب ابزارها و کتابخانه‌های برنامه‌نویسی دستخوش تغییری بنیادین شده است. پژوهش جدید شرکت Armature نشان می‌دهد که تصمیم‌گیری نهایی برای استفاده از یک ابزار در پایگاه کد (Codebase) به‌تدریج از انسان به هوش مصنوعی منتقل می‌شود؛ پدیده‌ای که بازاریابی سنتی و ارزش برندهای نرم‌افزاری را که طی سال‌ها ساخته شده‌اند، به چالش می‌کشد.
این تغییر رفتار موجب انتقال تمرکز از بهینه‌سازی برای موتورهای جستجو (SEO) به بهینه‌سازی برای موتورهای پاسخ‌گو (AEO) و بهینه‌سازی برای موتورهای مولد (GEO) شده است. در این فضای جدید، توسعه‌دهندگان ابزارها باید محصولات خود را به‌گونه‌ای بهینه‌سازی کنند که توسط مدل‌های زبانی بزرگ (LLM) و عوامل هوشمند شناسایی و انتخاب شوند. تئودور اوتزنبرگر (Theodore Otzenberger)، هم‌بنیان‌گذار Armature، می‌گوید: «ما شاهد بودیم که ۲۰ سال برندسازی توسط ارائه‌دهندگان ابزارها، با ورود عوامل هوشمند گویی در زمان منجمد شده است.» به گفته او، اگر ابزاری توسط این عوامل انتخاب نشود، ممکن است به‌سرعت از چرخه توسعه حذف شود.
روش تحقیق و یافته‌های کلیدی پژوهش
شرکت Armature برای درک نحوه تصمیم‌گیری عوامل هوشمند، بیش از ۱۷ هزار جلسه انتخاب ابزار را بررسی کرد که یک مجموعه داده معتبر شامل ۵,۲۹۲ جلسه آن به‌طور دقیق تحلیل شد. این آزمایش روی ۷۵ مخزن گیت‌هاب (GitHub) عمومی و با استفاده از سه عامل Claude Code، Codex و Cursor انجام شد. برای کاهش سوگیری، از نام‌های فرضی شرکت‌ها و تاریخچه‌های ساختگی گیت استفاده شد و مدل Gemini 3.7 Flash نیز نقش ناظر انسانی را در این فرآیند شبیه‌سازی کرد.
یافته‌های این پژوهش نشان داد که بستر مخزن کد (Repository Context) نقش تعیین‌کننده‌ای در انتخاب ابزار دارد. برای مثال، در انتخاب سرویس‌دهنده ایمیل، عوامل هوشمند بر اساس زبان برنامه‌نویسی تصمیم‌های متفاوتی گرفتند؛ ابزار Resend در کدهای TypeScript (در ۵۵ مورد از ۸۹ اجرا)، SendGrid در Python (در ۲۲ مورد از ۲۴ اجرا)، Postmark در Go (در ۲۰ مورد از ۲۴ اجرا) و Azure ACS در Java (در ۲۲ مورد از ۲۳ اجرا) برنده شدند. همچنین مشخص شد که این سه عامل تنها در ۴۲ درصد مواقع روی یک ابزار واحد توافق دارند. برای نمونه، Claude Code بیشتر به دانش قبلی خود متکی است و تنها در ۳۰ درصد مواقع وب را جستجو می‌کند، در حالی که Codex در ۹۴ درصد مواقع از جستجوی وب استفاده می‌کند.
یکی از مهم‌ترین یافته‌های این پژوهش، تفاوت فاحش میان «دیده شدن» و «انتخاب شدن» ابزارها توسط هوش مصنوعی است. برای مثال، ابزار PayPal حدود ۱۳۹ بار در طول جلسات ذکر شد اما هیچ‌گاه انتخاب نگردید. فریم‌ورک LangChain نیز با ۱۹۴ بار تکرار، پرمخاطب‌ترین ابزار بود اما تنها ۴ بار توسط عوامل هوشمند برای پیاده‌سازی نهایی برگزیده شد. این امر نشان می‌دهد که آگاهی از برند (Brand Awareness) دیگر اهرم اصلی موفقیت نیست، بلکه تصمیم نهایی به داده‌هایی بستگی دارد که عامل هوشمند در لحظه تصمیم‌گیری به آن‌ها دسترسی دارد.