- प्रस्तोता Gergely Orosz Pragmatic Engineer न्यूज़लेटर·पॉडकास्ट के संचालक हैं और Microsoft, Uber के पूर्व इंजीनियर रहे हैं; वे मैदान में देखी गई GenAI अपनाने की वास्तविकता साझा करते हैं
- CEO·संस्थापकों की बढ़ा-चढ़ाकर लगाई गई अपेक्षाओं के विपरीत, वास्तविक डेवलपर अनुभव टूल्स की सीमाओं और प्रोडक्टिविटी में अंतर के कारण अधिक जटिल तस्वीर दिखाता है
- AI डेवलपमेंट टूल startup·big tech में आंतरिक उपयोग दर ऊंची है और निवेश भी सक्रिय है, लेकिन कुछ startup और विशेष क्षेत्रों में अभी भी उपयोगिता कम बताई जा रही है
- स्वतंत्र डेवलपर और अनुभवी इंजीनियर हाल में GenAI के turning point को महसूस कर रहे हैं, और coding productivity तथा creativity के विस्तार पर सकारात्मक प्रतिक्रिया दे रहे हैं
- Kent Beck LLM अपनाने को इंटरनेट·स्मार्टफोन स्तर के paradigm shift के रूप में देखते हैं और नए प्रयासों व प्रयोगों पर जोर देते हैं
प्रस्तोता परिचय
- Gergely Orosz
- Pragmatic Engineer न्यूज़लेटर·पॉडकास्ट का संचालन
- JP Morgan, Microsoft(Skype), Skyscanner, Uber आदि में 10 वर्षों का इंजीनियरिंग अनुभव
- वर्तमान में GenAI का software engineering पर प्रभाव केंद्रित रूप से अध्ययन कर रहे हैं
बढ़ा-चढ़ाकर लगाई गई अपेक्षाएँ और हकीकत
- Microsoft CEO: "AI पूरे कोड का 30% लिख रहा है"
- Anthropic CEO: "1 साल के भीतर 100% कोड AI से जनरेट होगा"
- Google के Jeff Dean: "AI जल्द ही junior developer स्तर तक पहुंच जाएगा"
- लेकिन हकीकत:
- AI agent ने bug बनाकर सैकड़ों डॉलर की लागत पैदा की
- Microsoft Build डेमो में AI जटिल code fix करने में विफल रहा
AI डेवलपमेंट टूल startup
- Anthropic:
- सभी आंतरिक इंजीनियर Cloud Code का उपयोग करते हैं
- 90% से अधिक code AI से लिखा जाता है
- MCP(Model Context Protocol) अपनाया गया → IDE·DB·GitHub आदि से कनेक्ट करना संभव, बड़े पैमाने पर फैलाव जारी
- Windsurf: code का 95% AI द्वारा लिखा गया
- Cursor: 40~50% AI-लिखित, “आधा अच्छा चलता है और आधे में सीमाएँ हैं”
big tech की स्थिति
- Google:
- अपने IDE Cider में AI फीचर बिल्ट-इन (autocomplete·review·code search)
- पिछले 1 वर्ष में आंतरिक अपनाव तेजी से बढ़ा
- SRE संगठन 10 गुना अधिक code lines के मुकाबले infrastructure मजबूत कर रहा है
- Amazon:
- Amazon Q Developer Pro → AWS-संबंधित कामों में मजबूत
- Anthropic model(Claude) का आंतरिक documentation लिखने और evaluation season में भी सक्रिय उपयोग
- MCP server का व्यापक integration → internal tool automation का फैलाव
startup और व्यक्तिगत केस
- Incident.io:
- पूरी टीम AI के साथ सक्रिय प्रयोग करती है और Slack में tips साझा करती है
- Cloud Code अपनाने के बाद उपयोग दर तेजी से बढ़ी
- Biotech startup:
- खुद novel code लिखने की जरूरत अधिक होने से LLM की efficiency कम है
- अभी भी सीधे coding करना अधिक तेज माना जाता है
स्वतंत्र डेवलपर और अनुभवी इंजीनियर
- Armin Ronacher (Flask creator): agent को virtual intern की तरह उपयोग करते हैं, productivity बढ़ने का अनुभव
- Peter Steinberger (PSPDFKit founder): language barrier कम हुआ और “तकनीकी चिंगारी फिर से जीवित हो गई” ऐसा आकलन
- Simon Willison (Django co-creator): हालिया model सुधारों के कारण “AI coding agent व्यावहारिक चरण” में प्रवेश कर चुका है
- Brigita (Thoughtworks): LLM पूरे stack को समेटने वाला नया abstraction tool है
- Kent Beck (TDD creator): “52 साल के करियर में अभी सबसे ज्यादा आनंद आ रहा है”, LLM को इंटरनेट·स्मार्टफोन स्तर के innovation के रूप में आकलित करते हैं
बचे हुए सवाल
- CEO·संस्थापक इंजीनियरों की तुलना में अधिक उत्साहित क्यों हैं?
- वास्तविक AI tool usage rate साप्ताहिक आधार पर लगभग 50% है, अभी यह सार्वभौमिक नहीं है
- समय बचत प्रभाव: DX सर्वे के अनुसार प्रति सप्ताह 3~5 घंटे की बचत, बढ़ा-चढ़ाकर बताए गए “10x productivity” से काफी अलग
- व्यक्ति स्तर पर असर बड़ा है, लेकिन संगठन स्तर पर कम प्रभावी क्यों है?
निष्कर्ष
- LLM assembly → high-level language transition के बराबर productivity leap की संभावना रखते हैं
- लेकिन AI deterministic नहीं है, और efficiency टीम व क्षेत्र के अनुसार काफी बदलती है
- संदेश: अभी प्रयोग और सीखने का समय है, “जो चीजें सस्ती हुई हैं और संभव हुई हैं, उन्हें सक्रिय रूप से आज़माना चाहिए” इस बात पर जोर
अभी कोई टिप्पणी नहीं है.