AI coding के दावों का भ्रम: 'shovelware' की बाढ़ आखिर क्यों नहीं दिख रही

• हाल में AI coding tools द्वारा productivity बढ़ाने के दावों को डेटा से परखने पर पता चला कि वास्तव में न तो गति और न ही output में कोई स्पष्ट बढ़ोतरी दिखती है
• METR research के अनुसार, developers को लगा कि AI coding tools से productivity 20% बढ़ी, लेकिन वास्तव में 19% घट गई
• अनगिनत प्रचार संदेशों, कंपनियों और developers के बढ़ा-चढ़ाकर किए गए 10x productivity दावे बाज़ार की वास्तविकता या नए software releases में दिखाई नहीं देते
• Shovelware (बड़े पैमाने पर बने apps, low-quality software) में उछाल जैसी कोई घटना नहीं दिखी, यानी कोई ठोस बदलाव नज़र नहीं आता
• GitHub, Copilot, Cursor, Google, OpenAI जैसी कंपनियों और कुछ developers द्वारा किए गए productivity के अतिरंजित दावे का investment, restructuring, salary setting में दुरुपयोग हो रहा है
• मुख्य निष्कर्ष: “जब तक वास्तव में ज़्यादा software नहीं बन रहा, तब तक यह दावा कि AI coding developers को 10x बना देता है, एक मिथक है”; इसलिए developers को दबाव में आए बिना डेटा के आधार पर जवाब देना चाहिए

---

परिचय: software developers, AI coding से नाराज़

• लंबे समय तक software developer के रूप में काम करते हुए programming पर गर्व और पहचान बनी रही
• AI-based coding tools के शुरुआती दौर में उम्मीद थी, लेकिन हालिया research (METR) के बाद संदेह बढ़ा
  • लेखक को खुद लगता था कि AI coding उन्हें लगभग 25% तेज़ बनाती है, लेकिन METR research में नतीजा उल्टा 19% धीमा निकला
• इस research ने दिखाया कि AI tools की प्रभावशीलता को लेकर developers की निजी धारणा और वास्तविक मापे गए डेटा एक-दूसरे के बिल्कुल उलट हैं
• खुद प्रयोग करने पर भी महसूस हुआ कि AI का इस्तेमाल वास्तविक programming समय पर सकारात्मक असर नहीं डालता

प्रत्यक्ष सत्यापन: AI बनाम random comparison experiment

• काम की हर unit पर AI इस्तेमाल करने और न करने के बीच समय का अंतर (Delta) मापने वाला experiment अपनाया गया
• 6 हफ्तों के experiment से मिले डेटा में statistically significant difference नहीं मिला
• छोटे sample के बावजूद यह रुझान दिखा कि AI का इस्तेमाल वास्तव में 21% तक धीमा कर सकता है (METR research के समान)
• अगर सच में 2x या 10x सुधार होता, तो वह डेटा में साफ़ दिखता
• फिलहाल AI coding का सपना हक़ीक़त नहीं बना है और ज़मीन पर बदलाव नहीं दिखता

उम्मीद बनाम हक़ीक़त: Shovelware की बाढ़ क्यों नहीं

• अगर AI coding की productivity revolution सच होती, तो तरह-तरह के apps, services, games की बाढ़ आ जानी चाहिए थी
• AI coding tools की marketing messaging ("Built to make you extraordinarily productive" आदि) हर तरफ़ दिखाई देती है
• Google, OpenAI, GitHub Copilot आदि भी developers के लिए 25% speed increase या 10x productivity का दावा करते हैं
• लेकिन वास्तविक नए software release डेटा (GH Archive, BigQuery आदि) में तेज़ growth या विस्फोट जैसी स्थिति नहीं दिखती
• 2022 के बाद AI coding के बड़े पैमाने पर फैलने के बावजूद, दुनिया भर में नए releases और projects के आँकड़ों में कोई बड़ा बदलाव नहीं है

बाज़ार पर असर और developers की वास्तविकता

• AI-First strategy, FOMO, mass layoffs और developers की salary cuts जैसे सामाजिक प्रभाव भी industry में दिख रहे हैं
• लेकिन वास्तविक development environment में AI tools productivity revolution देने में विफल हैं
• learning curve या tool proficiency भी इस पूर्ण productivity gap को समझाने के लिए पर्याप्त नहीं हैं

निष्कर्ष: ठंडे दिमाग से data-driven judgment की ज़रूरत

• अभी तक नए software shipment/output में कोई बदलाव नहीं है, यह डेटा से पुष्टि करना सबसे अहम है
• AI से 10x coder बनने के दावे के समर्थन में कोई सबूत नहीं है
• developers को दबाव के आगे झुकना नहीं चाहिए, बल्कि खुद देखे गए डेटा के आधार पर tool चुनना चाहिए

आम आपत्तियों के जवाब

1. "अगर prompt engineering सही से सीख ली जाए, तो 10x developer बन सकते हैं"

   • अगर वास्तव में 10x productivity हासिल करने वाले लोग होते, तो दुनिया भर में नए software production की मात्रा दोगुने से भी ज़्यादा हो चुकी होती
   • दावों से ज़्यादा महत्वपूर्ण सबूत वास्तविक output (apps, projects आदि) है

2. "यह अभी शुरुआती चरण में है, समय लगेगा"

   • इस क्षेत्र में अरबों डॉलर invest हो चुके हैं और यह पहले से real-world work में लागू है
   • आज लिए गए फैसले लोगों की ज़िंदगी पर सीधे असर डाल रहे हैं

3. "अभी adopt नहीं किया तो पीछे रह जाएंगे"

   • GitHub Copilot के डेटा में भी skill बढ़ने के साथ वास्तविक productivity growth बहुत मामूली है (29% → 34% acceptance rate)

4. "quality बेहतर हुई है, बस quantity वही है"

   • industry-wide quality उल्टे गिरी है और testing भी कम हुई है
   • अगर यह सचमुच 10x coder tool होता, तो Shovelware की भरमार वास्तविकता बन चुकी होती

5. "सब कुछ अब websites के इर्द-गिर्द है, और आजकल domain names की किसी को परवाह नहीं; Vercel जैसी सेवाओं के subdomains ही सब कुछ हैं"

   • फिर भी बहुत से users अब भी अलग domain को पसंद करते हैं

6. ".ai domains में तेज़ बढ़ोतरी (इस साल 47%) = वास्तविक वृद्धि"

   • नए domains की बढ़ोतरी सिर्फ AI startups के pivot की वजह से है, कुल नए domains में कोई विस्फोटक बढ़ोतरी नहीं है
   • domains की कुल संख्या इस दावे का समर्थन नहीं करती

7. "development का मूल काम code के बाहर होता है"

   • बड़ी कंपनियों के बजाय individual/small developer environment में वास्तव में code ही केंद्र में होता है
   • फिर भी छोटे-छोटे coding urges को पूरा करने वाले नए projects की संख्या इतनी नहीं बढ़ी कि वह साफ़ दिखाई दे

समापन

• developers वास्तव में पहले से ज़्यादा release नहीं कर रहे हैं
• AI coding के 10x productivity दावे को डेटा से खारिज किया जा सकता है
• industry के FOMO और marketing narrative से प्रभावित हुए बिना वास्तविक output के आधार पर मूल्यांकन करना चाहिए
• लेखक का संदेश: “अगर आप पर दबाव बनाया जा रहा है, तो डेटा और charts दिखाइए। 10x productivity के दावों पर सबूत मांगिए।”