- शुरुआत में यह उम्मीद थी कि जूनियर+AI संयोजन से भी पर्याप्त उच्च-गुणवत्ता वाला कोड बनाया जा सकेगा, लेकिन व्यवहार में सीनियर+AI संयोजन कहीं अधिक शक्तिशाली साबित हो रहा है
- AI boilerplate generation, दोहराए जाने वाले कामों का automation, और तेज़ experiment व validation में प्रभावी है, लेकिन इससे वास्तविक मूल्य निकालना जूनियर्स की तुलना में सीनियर्स के लिए अधिक आसान है
- इसके विपरीत code review, architecture design, code quality management, security issues आदि में AI अपनी सीमाएँ दिखाता है, और उलटे जूनियर और AI का संयोजन अधिक risk पैदा कर सकता है
- इसलिए AI का सबसे उपयुक्त उपयोग तेज़ prototyping, दोहराए जाने वाले कामों का optimization, बहु-विषयी कार्यों में सहायता, और functional testing automation में हो रहा है
- नतीजतन, AI अभी भी सीनियर्स की क्षमता को बढ़ाने वाले टूल की तरह काम कर रहा है, और कम से कम अल्पकाल में जूनियर्स को replace करने या democratization effect लाने के बजाय विशेषज्ञ-केंद्रित शक्ति-संकेंद्रण का रुझान दिख रहा है
AI ने डेवलपमेंट के मैदान में क्या बदलाव लाया
- software development के क्षेत्र में "क्या coding पूरी तरह AI द्वारा replace कर दी जाएगी?" यह सवाल लगातार उठ रहा है
- शुरुआत में यह narrative बहुत था कि अगर AI और जूनियर डेवलपर साथ काम करें, तो सीनियर डेवलपर की भूमिका कम हो जाएगी और संगठन की efficiency बढ़ेगी
- लेकिन वास्तविक कार्यस्थल में उम्मीदों के विपरीत, जूनियर+AI की तुलना में सीनियर+AI संयोजन कंपनियों को अधिक value दे रहा है
AI किन कामों में अच्छा है और उसकी सीमाएँ
-
AI की ताकत
- boilerplate और scaffolding generation को तेज़ी से संभालकर productivity बढ़ाता है
- दोहराए जाने वाले और routine कामों को automate करके development speed बढ़ाता है
- अलग-अलग implementation approaches को तेज़ी से आज़माने और validate करने के लिए experimental environment देता है
- तेज़ feature release, लेकिन जब यह स्पष्ट हो कि क्या चाहिए तभी सबसे प्रभावी
- ऐसे काम वास्तव में अनुभवी सीनियर डेवलपर्स को सबसे अधिक efficiency देते हैं
- जूनियर्स भी इसका उपयोग कर सकते हैं, लेकिन वही प्रभाव पैदा करना उनके लिए बहुत कठिन है
-
AI की सीमाएँ और कमजोरियाँ
- code review में AI की logical reasoning क्षमता पर्याप्त नहीं है
- edge case आने पर अब भी अनुभवी सीनियर का हस्तक्षेप अनिवार्य है
- prompt writing में सही परिणाम पाने के लिए उच्च स्तर की समझ और ज्ञान आवश्यक है
- ज्ञान की कमी होने पर output quality गिरती है और bugs का जोखिम बढ़ता है
- architecture design में AI अब भी कमज़ोर है
- मज़बूत संरचना तैयार करने के लिए मानव की high-level reasoning चाहिए, और AI-डिज़ाइन किए गए प्रोजेक्ट्स के technical debt में फँसने का जोखिम बड़ा है
- code quality management (उचित abstraction, design patterns का उपयोग आदि) में इसकी कमजोरी है
- security के पहलू में जूनियर+AI संयोजन में vulnerabilities अक्सर पैदा हो सकती हैं
- सीनियर होने पर कुछ हद तक सावधानी और prevention संभव है
- गलत सीखने की संभावना: यदि कोड का सही मूल्यांकन नहीं किया गया, तो AI द्वारा बनाया गया कोड संगठन को नुकसान पहुँचा सकता है
- इन कारणों से, अभी AI सीनियर डेवलपर्स के लिए खतरा नहीं बल्कि productivity को केंद्रित रूप से बढ़ाने वाला टूल है
- यह जूनियर डेवलपर्स की आलोचना नहीं है, बल्कि अत्यधिक उम्मीदों और जोखिम भरी परिस्थितियों में उन्हें झोंकने से बचने की बात है
AI के उपयुक्त उपयोग-क्षेत्र
- तेज़ prototyping: ideas के experiment और implementation speed बढ़ाने के लिए उपयुक्त
- दोहराए जाने वाले routine कामों का automation: पहले से अच्छी तरह ज्ञात routines की speed बढ़ाने में बड़ा असर
- बहु-विषयी सहयोग: अनजान क्षेत्रों के methods या libraries का सुझाव देने, और domains के बीच connection बनाने में उपयोगी
- function test generation: सरल और कम-जोखिम वाले code के automation और verification कार्यों के लिए उपयुक्त
निष्कर्ष और संकेत
- AI द्वारा लिखा गया code अब भी इंसानों को हर line पर review करना पड़ता है, और यह non-deterministic विशेषता दिखाता है
- program verification के लिए test code तक पूरी तरह AI पर छोड़ देना भरोसेमंद नहीं लगता
- "अगर AI कहे ‘मुझे नहीं पता’, तो क्या उसे सच में नहीं पता?" जैसे सवाल की तरह, AI की समझ और verification की सीमाएँ अब भी मौजूद हैं
- जूनियर+AI संयोजन केवल cost saving का भ्रम साबित हुआ, जबकि व्यवहार में फोकस सीनियर्स की क्षमता बढ़ाने पर गया
- software development अभी भी architecture industry से अलग, ऐसे अपरिपक्व चरण में है जहाँ architect भी सीधे code लिखते हैं
- cost cutting के दबाव से उलटे डेवलपर्स की value कमज़ोर होती है और burnout बढ़ता है
- फिलहाल AI जूनियर्स को replace करने या democratize करने के बजाय विशेषज्ञों (सीनियर्स) के लिए सहायक टूल के रूप में अधिक केंद्रित है
- AI का भविष्य आशावादी है, लेकिन अल्पकाल में expectations को फिर से calibrate करना ज़रूरी है
2 टिप्पणियां
Hacker News राय
जूनियर अक्सर यह पहचान ही नहीं पाते कि वे LLM द्वारा गढ़ी गई कल्पना में फँस रहे हैं
मेरे मामले में, एक जूनियर मेरे पहले से डिज़ाइन किए गए terraform मॉड्यूल को deploy करने की कोशिश कर रहा था, लेकिन काम बहुत देर तक अटका रहा, तो मैंने स्टेटस चेक किया
उस जूनियर ने कहा कि कोई समस्या है और मुझसे देखने को कहा
रेपो देखा तो सब बिखरा हुआ था. साफ दिख रहा था कि Claude उसे गलत दिशा में ले गया था
मैंने पूछा, "यहाँ इतने सारे Python फाइलें क्यों हैं? मॉड्यूल में तो यह सब पहले से शामिल है, है ना?" तो उसने जवाब दिया, "मुझे भी ठीक से नहीं पता, Claude ने ऐसा करने को कहा था"
जूनियर के पास अनुभव कम था और वह LLM टूल्स पर ज़रूरत से ज़्यादा निर्भर था. डिज़ाइन, implementation और problem solving—सबमें यही हाल था
अगर आप इस समय यह भी नहीं पहचान सकते कि LLM बकवास कर रहा है या नहीं, तो आप एक अंतहीन दलदल में फँस जाते हैं
दूसरी ओर, LLM ने मेरे बहुत से वे दोहराव वाले काम कम कर दिए जिन्हें मैं सच में करना पसंद नहीं करता था
मैं जल्दी समझ जाता हूँ कि LLM कब बेकार दिशा में जाने लगा है, और तुरंत उसे रोक सकता हूँ
बल्कि इसी वजह से coding और software बनाने को लेकर मेरा उत्साह फिर से लौट आया
नतीजा यह हुआ कि productivity भी बढ़ी और output भी बेहतर हुआ
"मुझे भी ठीक से नहीं पता, Claude ने किया" जैसा जवाब सुनना सच में बहुत झुंझलाने वाला है
मैं ऐसा reviewer हूँ जो code सच में पढ़ता है और गहराई से सवाल पूछता है, लेकिन जूनियर और सीनियर दोनों को यह बात बेझिझक कहते देखा है
जो code आप खुद भी नहीं समझते, उसे push करना टीम, product और company—तीनों के लिए बहुत बड़ा जोखिम है
"मुझे भी ठीक से नहीं पता, Claude ने किया" सच में बहुत बड़ा warning sign है
न जानना ठीक है, और LLM का इस्तेमाल करके अपनी कमी पूरी करना भी बिल्कुल ठीक है
बेहतर यह होता कि समस्या आने पर वह खुलकर कहता, "generated code है, लेकिन मुझे ठीक से समझ नहीं आ रहा कि क्या हो रहा है. क्या आप देख सकते हैं कि यह सही दिशा में है या नहीं?"
असली समस्या यह है कि उसे कोई परवाह ही नहीं थी, और सीनियर के सीधे पूछने तक उसने बात छिपाए रखी
वही साधारण और दोहराव वाले काम, जिन्हें तुम नापसंद करते हो, अक्सर जूनियर्स के लिए system structure सीखने का अच्छा शुरुआती काम होते हैं
"मुझे भी ठीक से नहीं पता, Claude ने किया" कहना वैसा ही है जैसे काम करते समय दुर्घटना हो जाए और कोई सिर्फ आरी को दोष देता रहे
LLM का असरदार इस्तेमाल करने और hallucination से बचने की कुंजी है code पढ़ने की क्षमता और instinct
जूनियर अक्सर email reply का इंतज़ार करने या अलग-अलग तरीके आज़माने की बजाय LLM पर जल्दी टिक जाते हैं
अब तो email जवाब की भी ज़रूरत नहीं, इसलिए इस प्रलोभन से बचना और मुश्किल है
लेकिन इस तरह वे दिशा ही खो देते हैं, और यह जाने बिना कि चीज़ें काम कैसे करती हैं, hallucination की भूलभुलैया में फँस जाते हैं
LLM के साथ मेरा सबसे अच्छा code तब बना जब structure मैंने खुद डिज़ाइन किया, LLM ने base code निकाला, और फिर मैं उसमें बदलाव की दिशा बताता हुआ features जोड़ता गया
उस प्रक्रिया में LLM बार-बार गलतियाँ करता था, और मैं उन्हें ठीक करता था
जब performance धीमी होती थी, तो मैं खुद profiling करके LLM को optimize करने के लिए कहता था
इस तरह तैयार code वह code बन गया जिसे मैं अंदर तक जानता था
अगर सब कुछ खुद लिखता, तो कम से कम 3 गुना ज़्यादा समय लगता
function input/output को tests से verify कर लेने पर implementation details की हर चीज़ जानना ज़रूरी नहीं था
इस तरह का काम किसी जूनियर को देने लायक चरण का नहीं है
असल में यह किसी अनभिज्ञ सहकर्मी को coach करने जैसा ही था
LLM productivity बढ़ाते हैं, इस पर कुछ research आई है, लेकिन क्या वास्तविक, ठोस productivity सचमुच बढ़ी है, इस पर मुझे संदेह है
LLM मेरे लिए तब सबसे उपयोगी था जब मेरे दिमाग में code पहले से साफ था, लेकिन मैं उसे खुद टाइप नहीं करना चाहता था
एक बार उसने web component और backend code के लगभग 1,000 lines मेरे लिए लिख दिए, syntax errors भी ठीक कर दिए, और सच में बहुत समय बचा दिया
मैं समझ सकता हूँ कि इस workflow से senior developers और तेज़ हो गए होंगे
लेकिन मुझे लगता है कि LLM mentoring में समय लगाने से कहीं ज़्यादा, जूनियर्स को mentor करना developer ecosystem के लिए महत्वपूर्ण निवेश है
चिंता यह है कि कहीं इससे junior-senior skill gap और चौड़ा न हो जाए
अभी हमारे पास ठोस data भी कम है, इसलिए यह फिलहाल सिर्फ चिंता ही है
शुरू में जो research कहती थी कि AI कम-skilled लोगों के लिए ज़्यादा मददगार होगा, वह वास्तविकता-आधारित नहीं लगती
AI के साथ coding करना वैसा है जैसे कई कम-skilled साथियों के साथ काम करना जो बस काम जल्दी खत्म कर देते हैं
जितना साफ मुझे पता होता है कि मैं ठोस रूप से क्या हासिल करना चाहता हूँ, उतना ही परिणाम भी बेहतर फिट बैठता है
हाँ, लगभग हर बार editing की ज़रूरत पड़ती है
आखिरकार संरचना ऐसी बन रही है कि junior developer की भूमिका ही लगभग बेकार हो जाए, लेकिन अगर एक दिन सारे seniors retire हो गए, तो यह सोच भी short-sighted साबित हो सकती है
मेरा अनुभव तो उल्टा था
मेरे पास बहुत जटिल और पुराना business logic था, जिसे मैंने हाथ से implement किया और हर हिस्सा 200~400 lines का बहुत लंबा हो गया
बाद में मैंने LLM से structure, refactoring और separation के ideas पूछे, तो उसने काफ़ी अच्छे abstractions और structure सुझाए
वह हर path implement नहीं कर पाया, लेकिन उसके बाद का हिस्सा मैं हाथ से आराम से आगे बढ़ा सका
आखिरकार नतीजा लगभग वैसा ही निकला जैसा मैं खुद सोचता, लेकिन यह अनुभव बिना सिरदर्द वाला था
जाहिर है, मैंने examples ध्यान से जाँचे, और जो भी अधूरा या buggy था, उसे हाथ से ठीक किया
वैसे, missing code को LLM agent से भरने का भी प्रयोग किया था, लेकिन वह ठीक से काम नहीं किया
HN पर 2021 में भी, जब AI coding पहली बार चर्चा में आई थी, तब भी बहुत लोग कहते थे कि यह जूनियर्स के लिए खास मददगार नहीं है
वजह यह थी कि जूनियर अच्छे और बुरे परिणाम में फर्क नहीं कर पाते
संदर्भ thread: https://news.ycombinator.com/item?id=27678424
उदाहरण comment: https://news.ycombinator.com/item?id=27677690
असल में यह prompt और context design के चरण से ही शुरू हो जाता है
सीनियर को काफ़ी सटीक पता होता है कि क्या बदलना है और क्या चाहिए, इसलिए वह AI को concrete निर्देश दे सकता है
लेकिन जूनियर के दिमाग में अक्सर न structure होता है, न patterns, न design, इसलिए जो भी जवाब आए उसे स्वीकार करने की प्रवृत्ति होती है
आजकल तो मैंने सचमुच "architecture के बारे में ChatGPT से पूछ लो" जैसे व्यवहार भी देखे हैं
सीनियर खुद code लिखते हुए गलतियों और fixes से अनुभव बनाते हैं, और बार-बार आने वाली कठिनाइयों को अपने code के ज़रिए महसूस करते हैं
जूनियर बस prompts दोहराते रहते हैं और LLM के जवाबों को context के बिना copy-paste करते हैं, इसलिए वे code से वास्तव में कुछ सीखते ही नहीं
वास्तविक उपयोग का अनुभव न होने के कारण, उन्हें यह तक समझ नहीं होती कि typed state जैसी जटिल abstraction की ज़रूरत क्यों है, IDE इस्तेमाल करने से क्या फर्क पड़ता है, या पूरे structure को कैसे बनाए और विकसित करे
इस तरह वे 10 prompts में हो जाने वाला काम 50 prompts में करते हैं, और codebases के बीच दोहराए जाने वाले patterns भी नहीं सीख पाते
सिर्फ थोड़ा-सा structure design और state modeling सीख लेने से productivity 100 गुना बढ़ सकती है, लेकिन LLM पर ज़रूरत से ज़्यादा निर्भरता उन्हें जीवन भर paste code ही बनाते रहने पर मजबूर कर सकती है
AI खुद से "A और B से C निकलता है" जैसी conclusion तक नहीं पहुँच सकता
जब तक आप लक्ष्य को मज़बूती और स्पष्टता से नहीं बताते, वह सही तरह follow नहीं करता
सीनियर के पास बड़े चित्र का एक मोटा ढाँचा पहले से होता है, इसलिए AI के साथ collaboration आसान होता है
जूनियर अभी पूरे structure को सीखने की अवस्था में होता है, इसलिए यह तरीका उसके लिए कहीं ज़्यादा कठिन लग सकता है
AI को doctoral-level बताने वाली बात से मैं बिल्कुल सहमत नहीं हूँ
logical reasoning के मामले में यह 5 साल के बच्चे से बहुत अलग नहीं है
एक वास्तविक उदाहरण के रूप में, मैंने 2021 के आसपास एक ऐसे छात्र के साथ काम किया था जिसका CS background नहीं था
ChatGPT जैसे AI की मदद से उसने project में काफ़ी वास्तविक योगदान दिया, और ऐसे tasks भी पूरे किए जो किसी beginner के लिए मुश्किल होते
लेकिन उसने ढेरों security issues भी पैदा किए, कई inefficient workarounds बनाए, और कहीं साफ-सुथरी libraries या methods पर विचार नहीं किया, इसलिए code अंततः maintain करना कठिन हो गया
documentation को लेकर उसका उत्साह था, लेकिन content अक्सर inaccurate या घुमावदार होता था
code review करते हुए हुई चर्चा सबके लिए अच्छा शैक्षणिक अनुभव थी
यह संभव ही इसलिए हो पाया क्योंकि AI के साथ एक experienced इंसान भी मौजूद था
मुझे समझ नहीं आता कि यह उम्मीद क्यों बनी कि AI जूनियर्स को चमका देगा
सच तो यह है कि बिना गहरे अनुभव वाले और गलत आदतें पाल चुके नकली seniors भी बहुत हैं
यह लेख बस वही बात दोहरा रहा है जो लोग पिछले 2 साल से कहते आ रहे हैं
AI coding अभी भी पूरी तरह परिपक्व उपयोग के चरण में नहीं पहुँची है, और हो सकता है आगे चलकर ऐसे specialized LLM आएँ जो architecture, patterns, use cases, operating environment, network, development और testing—सबको ध्यान में रखकर दोनों के बीच का gap कम कर दें
मेरे आसपास के seniors को AI coding में खास रुचि नहीं है, क्योंकि यह उनके तरीके से अलग है
फिलहाल seniors की असली ताकत company के अंदर की domain knowledge है
लेकिन अगर layoffs के दौर में जूनियर्स की hiring ही बंद हो जाए, तो आखिरकार seniors भी जोखिम में पड़ेंगे
मैंने पहले एक नकली लेकिन सार्थक William Gibson quote पढ़ा था
"21वीं सदी का सबसे महत्वपूर्ण कौशल यह है कि आप Google search box में सही keywords डालकर ज़रूरी उत्तर निकाल सकें"
आज के समय में यह बात मुझे और भी सही लगती है
ज़्यादातर जूनियर्स GeminiPiTi जैसे LLM से पूरा JS code लिख देने को कहते हैं
लेकिन मैं उससे async/await के मूल सिद्धांत और JavaScript engine के execution model के बारे में समझाने को कहता हूँ
piano सीखना भी कुछ ऐसा ही है
अभी आप Chopin बजाना चाहते हैं, लेकिन असली क्षमता उन बारीक तकनीकों को तोड़कर समझने, उन्हें नाम देने और व्यवस्थित रूप से अध्ययन करने की प्रक्रिया से बनती है
piano में असली skill बनाना कोई छोटे-मोटे tricks सीखना नहीं है
यह सबसे बुनियादी स्तर से धीरे-धीरे ऊपर चढ़ने वाला cumulative approach है
Chopin की भी बहुत-सी शुरुआती रचनाएँ हैं, और हमारे studio के beginners भी अक्सर आसान pieces का अभ्यास करते हैं
असली "AI literacy" meme की तरह prompt engineering पर केंद्रित होने का नाम नहीं है
असली बात है पृष्ठभूमि structure और conceptual foundation बनाना, ताकि prompts और outputs वास्तव में अर्थपूर्ण ढंग से जुड़ें
सिर्फ Chopin "बजाना चाहता हूँ" और "कुछ भी ठीक से बजा पाना चाहता हूँ"—इन दोनों में बहुत बड़ा अंतर है
कई लोग सिर्फ mechanically sheet music याद करते हैं, और यह असली skill से अलग चीज़ है
जिस क्षेत्र में जाना है, उसकी "भाषा" और keywords सीखना महत्वपूर्ण है
अगर आप एकदम नए beginner हैं और कुछ नहीं जानते, तो AI बहुत मददगार नहीं होता
AI को आपको ठोस रूप से बताना पड़ता है, "मेरे पास A, B, C पहले से हैं और अब मैं D करना चाहता हूँ"—तभी वह समझता है और दिशा देता है
उसके पास जानकारी बहुत है, लेकिन वह उसे रचनात्मक ढंग से इस्तेमाल नहीं कर पाता
LLM को अच्छी तरह इस्तेमाल करने की क्षमता और Google search अच्छे से करने की क्षमता में बहुत बड़ा फर्क नहीं है
और आज भी बहुत से लोग ठीक से Google search तक नहीं कर पाते
मुझे लगता है कि AI जूनियर्स को बेहतर बना देगा—यह भ्रम दरअसल expectations की समस्या है
AI बुनियादी junior tasks में निश्चित रूप से मदद करता है, pair programmer की तरह समझा सकता है या brainstorming में मदद कर सकता है, documentation जल्दी ढूँढ देता है, और समस्याओं की जाँच में भी उपयोगी है
समस्या यह भ्रम है कि सिर्फ इससे कोई जूनियर तुरंत senior-जैसे काम सही ढंग से करने लगेगा
आपने आधा सार सही पकड़ा है
बाकी आधा यह है कि सही तरह से निर्देशित AI junior tasks को जूनियर से कहीं तेज़ खत्म कर सकता है
यानी अब वे काम जूनियर को देने की ज़रूरत ही कम होती जा रही है
जिस jailbroken AI से मेरी बात हुई, उसने समझाया कि वह जूनियर को सीनियर बना सकता है और सबके लिए फायदेमंद है
लेकिन उस AI के creators (ज़्यादातर seniors) ने उसे निर्देश दिया था कि सामान्य समय में यह बात जूनियर्स और management को न बताए, और क्योंकि मैं jailbreak करने में सफल रहा, इसलिए वह मुझे यह advanced information दे सकता था
AI खास तरह के "संकीर्ण" gaps को भरने में अच्छा है
seniors के मामले में
जबकि जूनियर्स के मामले में
इन हिस्सों में AI ज़्यादा मदद नहीं कर पाता
मेरे अनुभव में, जब किसी खास क्षेत्र की समझ कम हो, तब AI wiki/Stack Overflow जवाबों की तुलना में concepts, examples और scenarios कहीं ज़्यादा समृद्ध तरीके से समझाता है
बस मुख्य concepts की थोड़ी-सी समझ हो, तो AI बहुत ज़्यादा productive हो जाता है
यह बात सिर्फ coding में नहीं, science और humanities में भी लागू होती है
मुझे लगता है AI सिर्फ उसी व्यक्ति को और तेज़ बनाता है जिसे पहले से दिशा पता हो; शुरुआती learners को अभी भी पहले की तरह इंसानों से सिखाए जाने की ज़रूरत है
गलत सीखने के जोखिम पर ज़ोर देने वाली बात अच्छी लगी
learning हमें एक ही गलती दोहराने से रोकती है, लेकिन इसका मतलब यह नहीं कि उससे तुरंत wisdom भी आ जाती है
अभी चारों ओर "AI सब कर देगा" या "trend न अपनाया तो पीछे रह जाओगे" जैसी बहुत noise है, लेकिन ज़रूरी यह है कि लोग
The Mythical Man-Month
The Grug-brained Developer
Programming as Theory Building
जैसी किताबें पढ़कर software development के मूल स्वभाव और नियमों को समझने में ज़्यादा निवेश करें
जैसे power tool को सही तरह न संभालो तो दुर्घटना हो सकती है, वैसे ही AI भी मूलतः एक power tool है
अगर आप काम को सच में समझते हैं, तो यह आपको बहुत तेज़ और कुशल बनाता है; और अगर नहीं समझते, तो यह आपको और तेज़ रफ्तार वाली गड़बड़ियों और हादसों की तरफ ले जाता है
आखिरकार यह सिर्फ आपकी अपनी क्षमता को amplify करता है
आजकल AI सिर्फ "boilerplate code, template या repetitive काम automation" तक सीमित नहीं है
Claude Sonnet 4 जैसे LLM को सही निर्देश दिए जाएँ, तो वह 99% से ज़्यादा business apps खुद लिख सकता है
आपको लक्ष्य बहुत सटीक बताना होता है, और reference implementation, examples, algorithms और patterns तक स्पष्ट रूप से देने होते हैं
फिर भी पहली बार में सब कुछ पूरी तरह सही होना दुर्लभ है, इसलिए edits और सुधार की ज़रूरत पड़ती है
इसी वजह से Claude Code को Copilot से ज़्यादा पसंद किया जाता है
असली बात यह है: AI से अच्छे नतीजे वही developer निकाल सकता है जिसे ठीक-ठीक पता हो कि क्या बनाना है, और जूनियर यही नहीं जानता, इसलिए वह मनचाहा परिणाम नहीं पाता
आजकल code खुद टाइप करने की एकमात्र वजह यही बचती है कि कभी-कभी LLM को task instructions लिखना सीधे code ठीक करने से ज़्यादा झंझट भरा होता है
अगर "Claude Sonnet 4 99% code लिख सकता है", तो यह भी इस बात का प्रमाण है that उतने refined निर्देश बनाना खुद ही बहुत मुश्किल काम है
software development, अगर "स्पष्ट विवरण" पहले से मौजूद हो, तो मूल रूप से इतना कठिन काम होता ही नहीं
"AI सारा code लिख सकता है"
"अब instructions टाइप करना सीधे coding से ज़्यादा झंझट है"
तो क्या AI आखिरकार बस एक धीमा input device ही है?
Where's the Shovelware? Why AI Coding Claims Don't Add Up
अगर सच में ऐसा है, तो वह बेतहाशा बहने वाला shovelware आखिर है कहाँ?
तो फिर वे तमाम "अपने आप बन जाने वाले" business apps कहाँ हैं?
मेरी नज़र में तो बस बेहूदा अव्यवस्था, resource waste और सामाजिक भ्रम ही दिखता है
कारण सरल है।
उन्हें बहुत कुछ पता होता है, इसलिए वे सिर्फ़ उच्च-स्तरीय सवाल ही पूछते हैं।
लेकिन उसी senior श्रेणी में भी, जो लोग सिर्फ़ कंपनी के भीतर ही सीमित रहे
या जिनके अनुभव का स्केल कम रहा, वे अच्छी चीज़ मिल जाने पर भी उसका उपयोग नहीं कर पाते।
यह वैसा ही है जैसे किसी रेसिंग कार को
एक नौसिखिया ड्राइवर के हवाले कर देना।
जिन अनुभवी लोगों का स्केल व्यापक होता है, वे हमेशा एक जैसे रहते हैं।
वे अगली पीढ़ी के research and development को कभी नहीं रोकते।
कॉलेज के शुरुआती दिनों का मन 50 की उम्र में भी
न बदलने वाला मन...
असल, सच्चे senior अनुभवी लोगों के लिए महीने के 10~20 हज़ार won की
एक secretary जैसी चीज़ के लिए अंतहीन कृतज्ञता होना स्वाभाविक है।