अभी क्या हो रहा है?

• सॉफ्टवेयर इंडस्ट्री में engineer burnout गहराता जा रहा है, और खासकर junior engineers द्वारा AI tools के दुरुपयोग से code quality और collaboration में समस्याएँ पैदा हो रही हैं
• senior engineers का feedback सीखने का मौका बनने के बजाय AI को देने वाले नए prompt के रूप में इस्तेमाल हो रहा है, और "AI द्वारा लिखा गया code" पूरी टीम की review क्षमता खा रहा है
• कुछ organizations में AI द्वारा बनाए गए अधूरे code को ‘achievement’ की तरह पैक करके पेश किया जाता है, जिससे AI पर निर्भरता को बढ़ावा देने वाला माहौल बन रहा है
• लेखक ने अपने सीधे अनुभव में AI code जवाब मिलने पर असहजता और अटपटापन महसूस किया, और आलोचना की कि AI उल्टा learning और mentoring culture को नुकसान पहुँचा रहा है
• AI startup ecosystem भी आखिरकार आर्थिक अलाभकारीपन, बिजली की खपत, पर्यावरणीय समस्याओं की वजह से टिकाऊ नहीं है, और मौजूदा स्थिति को वह “राजा नंगा है” जैसी धोखाधड़ी से अलग नहीं मानता

---

प्रस्तावना: अस्थिर engineering माहौल

• हाल के समय में engineers के बीच burnout की स्थिति और गंभीर हो रही है
• organizations में senior engineers से ऐसी "vibe(मीम)-based features" की समीक्षा और योगदान की उम्मीद की जाती है जो व्यावहारिक रूप से काम ही नहीं करतीं
• मेरे अनुभव में सबसे अच्छे engineers हमेशा नए team members की growth में उत्साह से मदद करना चाहते हैं

• लेकिन इनका feedback विकास के अवसर के रूप में इस्तेमाल होने के बजाय, शुरुआती developers इसे सिर्फ generative AI को भेजे जाने वाले अगले prompt में बदल देते हैं
• मैंने खुद कई junior engineers को LLM(large language model) tools का (दुरुपयोग की हद तक) इस्तेमाल करते देखा है

संगठन के भीतर के वास्तविक उदाहरण: AI दुरुपयोग का नुकसान

• हाल ही में कंपनी के town hall में मैंने junior engineers को अपना नया काम demo करते देखा
• वे feature के उद्देश्य या उसके काम करने के तरीके को भी ठीक से नहीं समझ पा रहे थे
• लेकिन बड़े organizations में असली नतीजों से अलग “success” दिखाने पर ज़्यादा ध्यान दिया जाता है
• जब एक senior manager ने इनके AI इस्तेमाल का उदाहरण साझा किया, तो उसने गर्व से कहा, “यह Claude द्वारा लिखा गया 4,000 lines का code है,” और उसे तालियाँ मिलीं

• मुझे भी एक मौजूदा feature में छोटा सा सुधार करने का अनुरोध मिला, और code review करते समय मैंने हाल का बदलाव करने वाले junior engineer से context माँगा
• मैंने Github commit URL भेजकर सवाल पूछा, लेकिन संभवतः उसने वही सामग्री LLM में डालकर वापस आए जवाब को copy करके भेज दिया
• इस प्रक्रिया में मुझे एक अजीब-सी दूरी और असहजता महसूस हुई

AI slope और code review की सीमाएँ

• एक दोस्त के अनुभव से पता चला कि एक महीने तक कई engineers LLM द्वारा auto-generated code (vibe-coded PR) को review और merge करने में अपना समय बर्बाद कर रहे थे
• एक अन्य दोस्त ने AI द्वारा बनाए गए “ढीले-ढाले code” को बार-बार review करते-करते थक जाने की बात कही
• AI की वजह से न तो code quality में सुधार हो रहा है, न learning हो रही है; बस दोहराव वाला काम बढ़ रहा है

development culture और मानवीय विकास का असली मूल्य

• हर engineer अपने साथियों और mentors की मदद से एक-एक कदम आगे बढ़ता है
• सीधे सिखाना और लोगों को grow करना ही software engineering culture का सार है
• लेकिन इस तरह का निवेश भी जब तुरंत “latest model” के training data में copy हो जाता है, तो उससे मोहभंग होना स्वाभाविक है
• तब यह बुनियादी सवाल उठता है कि क्या junior engineers के बजाय सिर्फ models को train करना ही बेहतर माना जाएगा

• ऐसा संसार एक बेहद अंधकारमय vision है

AI का इस्तेमाल न करने का प्रयोग और निष्कर्ष

• लेखक सीधे तौर पर यह प्रयोग सुझाता है: “AI का इस्तेमाल बंद करके देखिए”
• उसने खुद हाल में अपना computer reset करते समय Claude Pro subscription भी बंद कर दिया
• कुछ searches, Stack Overflow और official docs पढ़ने की प्रक्रिया ने उल्टा कहीं अधिक भरोसेमंद निष्कर्ष तक पहुँचने में मदद की
• उसे लगा कि LLM के नतीजों की तुलना में उसकी अपनी समझ accuracy और reliability दोनों में बेहतर है

generative AI tools का आर्थिक मूल्य, और उनकी मूलभूत सीमाएँ

• लेखक सवाल उठाता है: “क्या AI सच में उपयोगी है?”
• वस्तुनिष्ठ रूप से देखें तो उसके मूल्य पर गंभीर सवाल खड़े होते हैं
• AI startups का सामान्य क्रम कुछ ऐसा है:
  • “AI” को किसी मौजूदा क्षेत्र में लागू किया जाता है, और efficiency के नाम पर नए startups उभरते हैं
  • AI startup venture capital से funding जुटाने में सफल हो जाता है
  • AI service providers (OpenAI आदि) को usage fees चुकाई जाती हैं
  • AI startup खुद मुनाफा नहीं कमा पाता
• सिर्फ इस प्रक्रिया को देखें तो यह पारंपरिक VC ecosystem से बहुत अलग नहीं लगता, लेकिन असली फर्क यह है कि service providers (OpenAI आदि) भी अब तक मुनाफा नहीं कमा पाए हैं
• यह technology खुद मूल रूप से अल्पदक्ष है और बड़े पैमाने पर विस्तार के लिए अनुकूल नहीं है
• अत्यधिक बिजली की खपत और पर्यावरणीय दुष्प्रभाव भी गंभीर समस्याएँ हैं

समापन: वास्तविकता को पहचानने की ज़रूरत

• कोई चाहे तो उम्मीद कर सकता है कि Moore's law फिर से जीवित हो जाए, या ब्रह्मांड के ठंडा पड़ने से पहले सब अमीर बन जाएँ
• लेकिन वास्तविकता का सामना करने पर generative AI business एक तरह का मृगतृष्णा है और “राजा नंगा है” जैसी स्थिति को दिखाता है