पीछे रह जाना भी ठीक है, धन्यवाद!
(shkspr.mobi)- क्रिप्टोकरेंसी और AI टूल्स जैसी नई तकनीकों के बारे में FOMO (छूट जाने का डर) को हथियार बनाकर इस्तेमाल करने की प्रवृत्ति पर यह लेख कहता है, "इंतज़ार करना भी ठीक है"
- क्रिप्टोकरेंसी के शुरुआती दौर में "तुम पीछे नहीं रहना चाहते, है ना?" जैसी बात संदेहपूर्ण रवैये को तोड़ने का चालाक दबाव का साधन थी
- अभी भी ज़्यादातर AI टूल्स वास्तव में खास उपयोगी नहीं हैं, और हाइप के सच होने तक इंतज़ार करने पर भी उत्पादकता में बड़ा फर्क नहीं पड़ता
- अगर कोई तकनीक सचमुच उपयोगी है, तो उसे कभी भी सीखकर इस्तेमाल किया जा सकता है, इसलिए बहुत जल्दी सीखना अनिवार्य नहीं है
- Git भी जब पहली बार आया था तब इस्तेमाल नहीं किया गया; उसके स्थिर होने और नौकरी में ज़रूरी बनने के बाद सीखना भी पर्याप्त था, और metaverse VR में भी बहुत जल्दी शुरू करने का कोई ठोस लाभ नहीं था
- ऐसी दुनिया में जहाँ हर घंटे 16,000 नवजात शिशु जन्म लेते हैं, यह कहना कि किसी खास तकनीक को जल्दी न सीखने से कोई पीछे रह जाता है, साफ़ तौर पर झूठ है। ‘इंतज़ार करो और देखते रहो’ वाली रणनीति एक तर्कसंगत विकल्प है
FOMO का हथियारीकरण: क्रिप्टोकरेंसी से AI तक
- क्रिप्टोकरेंसी के शुरुआती उभार के समय इसे "भविष्य की मुद्रा" बताकर जुड़ने को कहा गया, लेकिन अस्थिरता और व्यावहारिक उपयोग की कमी के कारण इसे ठुकराया गया
- "क्या तुम पीछे नहीं रहना चाहते?" सुनकर सवाल उठा कि आखिर किस चीज़ से पीछे रह जाने की बात हो रही है
- अगर वह तकनीक सचमुच सबको मुक्त करने वाली है, तो उसमें बहुत जल्दी शामिल होने की कोई ज़रूरत नहीं, कभी भी जुड़ो तो देर नहीं होगी — वह कल भी वहीं होगी
- क्रिप्टोकरेंसी समुदाय में "Have Fun Staying Poor" जैसे वाक्य FOMO को हथियार बनाकर संदेहवाद को तोड़ने की चालाक मनोवैज्ञानिक दबाव की रणनीति हैं
AI उभार पर वही नज़रिया
- कई AI टूल्स को खुद इस्तेमाल करने के नतीजे में, कुछ ठीक लगे, लेकिन ज़्यादातर की उपयोगिता कम है
- मौजूदा चरण में वास्तविक मूल्य से अधिक अत्यधिक प्रचार और बढ़ा-चढ़ाकर बनाई गई उम्मीदें हैं
- हाइप के सच होने तक इंतज़ार करने में पूरी संतुष्टि है, और DOS के लिए WordStar सीखने जैसी मेहनत करने की कोई वजह नहीं है
- अगर तकनीक सचमुच इतनी शानदार है, तो उसे किसी और के तय किए हुए समय के बजाय अपने चुने हुए समय पर सीखकर उत्पादक तरीके से इस्तेमाल किया जा सकना चाहिए
ऐसे उदाहरण जहाँ जल्दी शुरू न करना भी ठीक रहा
- Git को उसके शुरुआती समय में इस्तेमाल नहीं किया गया; उसके स्थिर होने और नौकरी में ज़रूरी होने के बाद सीखा गया — शुरुआती मुश्किलें झेल ली होतीं तो शायद 7% अधिक दक्षता मिलती, लेकिन उतनी ही संभावना थी कि किसी असफल तकनीक पर समय बर्बाद हो जाता
- मास्टर की थीसिस metaverse विषय पर लिखी गई थी और VR development सीखना मज़ेदार था, लेकिन उसकी वास्तविक उपयोगिता बिल्कुल नहीं थी
- वैक्सीन clinical trial में भाग लिया गया, क्योंकि यह लगा कि इससे व्यक्तिगत लाभ भी हो सकता है और मानवता की मदद भी
जल्दी शामिल होने का जोखिम और निरर्थकता
- ऐसे लोगों की कल्पना करना मुश्किल है जिन्हें जल्दी शुरू करके शेखी बघारने के अधिकार से अधिक कुछ मिला हो
- कुछ शुरुआती निवेशकों ने पैसा कमाया, लेकिन उतने ही लोगों ने नुकसान भी उठाया
- HTML 2.0 जैसी सफल तकनीकें हैं, लेकिन Flash जैसी बंद गली में फँस जाने की संभावना भी उतनी ही है
- तकनीक का 'cutting edge' अक्सर 'bleeding edge' भी होता है, यानी ऐसा क्षेत्र जो जोखिमभरा और महँगा हो
इंतज़ार करने की वैधता
- हर घंटे 16,000 नए जीवन जन्म लेते हैं; वे जन्म लेते ही तकनीक नहीं सीखते, इसलिए उन्हें ‘पीछे छूटा हुआ’ नहीं कहा जा सकता
- निष्कर्ष यह है कि जब तक यह पक्का न हो जाए कि कोई चीज़ वास्तव में उपयोगी है, तब तक इंतज़ार करना 100% ठीक है
- घबराहट से अधिक तर्कसंगत निर्णय और सही समय चुनने की स्वतंत्रता महत्वपूर्ण है
4 टिप्पणियां
AI के बारे में जानकारी की अति के इस दौर में, अब उपयोगिता से ज़्यादा थकान महसूस होती है। confirmation bias जैसी लगने वाली निर्णायक सलाहें, विज्ञापननुमा लेख, और बेहद व्यावसायिक रंग वाले YouTube कंटेंट तक... आजकल जब हर कोई अपनी सोच को ही मानो सही जवाब समझकर ऊंची आवाज़ में बोल रहा है, तो वही बेबुनियाद आत्मविश्वास उल्टा थकान और बढ़ा देता है। कभी-कभी लगता है कि इस शोर से दूर चला जाऊं।
iPhone, AlphaGo, Bitcoin वगैरह तो संदेह की दीवार चढ़कर ऊपर आए थे, लेकिन AI अचानक इतना तेज़ क्यों हो गया?
काफी समय से इस क्षेत्र में रहकर देखते-देखते मुझे लगता है कि हाल के बदलाव मुख्य रूप से दो बड़ी वजहों से आए हैं।
सबसे पहले, दांव पर लगा पैसा बहुत बड़ा हो गया है। पहले कुछ मिलियन डॉलर भी बहुत बड़ी बात लगते थे, लेकिन अब पैसा बिलियन के स्तर पर बह रहा है। और जहां पैसे की गंध तेज होती है, वहां हर तरह के लोग जुट ही जाते हैं। इसके साथ, कुछ खास सांस्कृतिक पृष्ठभूमि वाले लोगों का बड़े पैमाने पर आना भी बड़ा कारण है, जिससे पूरे उद्योग का माहौल उनके खास अंदाज में बदल गया है।
आजकल साफ दिखता है कि पहले वाली IT/CS संवेदना से अलग, अब ऐसा लगता है कि 'बातों का दम' और 'showmanship' ही सब कुछ चला रहे हैं। पहले होता तो बुलबुला निकलते ही ऐसे लोग सबके साथ बाहर हो गए होते, लेकिन इस बार केंद्र में LLM जैसी 'अच्छी तरह बोलने वाली तकनीक' है, इसलिए लगता नहीं कि यह दौर जल्दी खत्म होगा। आगे भी शायद यही माहौल चलता रहेगा.
Hacker News की राय
अगर यह तकनीक सच में इतनी कमाल की है, तो मुझे इसे अपनी पसंद की रफ़्तार से सीखकर उत्पादकता बढ़ाने में सक्षम होना चाहिए
अभी भी उत्पादकता बढ़ाने के मौके हैं, लेकिन यह हर किसी के लिए कोई भारी-भरकम बदलाव नहीं है और onboarding की कठिनाई भी काफ़ी है
मुझे लगता है समय के साथ उत्पादकता भी बढ़ेगी और entry barrier भी घटेगा। अभी इंतज़ार करना भी बुरा नहीं है
तकनीकी रूप से यह एक विकल्प होना चाहिए, लेकिन इस तरह का दबाव मैंने पहली बार देखा है। आखिरकार यह token consumption बढ़ाकर AI कंपनियों को पैसा देने वाला ढाँचा लगता है
अगर तकनीकी paradigm बदल गया, तो उस skillset के बेकार हो जाने की संभावना काफ़ी है
ज़्यादातर यह उन दोहराए जाने वाले कामों में काम आता है जो मैं खुद नहीं करना चाहता। इससे बस Vim यूज़र्स के साथ का फ़ासला थोड़ा कम हुआ है, इससे ज़्यादा कुछ खास नहीं
अगर अभी पहली बार web development शुरू करता, तो यह कहीं ज़्यादा मुश्किल लगता
तभी आप उसकी दिशा पर असर डाल सकते हैं और उसके evolution में योगदान भी दे सकते हैं
पीढ़ी बदलने पर आप उन लोगों जैसे हो सकते हैं जिन्हें यह भी नहीं पता कि “save icon फ्लॉपी डिस्क जैसा क्यों दिखता है”
मैंने crypto या metaverse को पूरी तरह नज़रअंदाज़ किया था, और मुझे उससे कोई नुकसान महसूस नहीं हुआ
दूसरी तरफ, LLM ने idea से implementation तक की दूरी नाटकीय रूप से घटा दी, और मेरे development career में यह सचमुच एक turning point बना
यह अच्छा बदलाव है या नहीं, अभी नहीं जानता, लेकिन फ़िलहाल मैं इसे काफ़ी enjoy कर रहा हूँ
यह पूरी तरह project की प्रकृति पर निर्भर करता है
पहले मैं senior developers या Stack Overflow पर निर्भर था, लेकिन अब कई चीज़ें खुद सुलझा सकता हूँ
फिर भी LLM को एक पूरे spectrum की तरह देखना चाहिए — कुछ हिस्सा उपयोगी है, इसका मतलब यह नहीं कि सब कुछ वैल्यू रखता है
मैं LLM-आधारित chat interface को लेकर सकारात्मक हूँ, लेकिन agent automation को लेकर संशय में हूँ
अभी “इंतज़ार करने” का समय नहीं, बल्कि पेशेवर रूप से नई तकनीक सीखने का समय है
अगर यह बाद में बेकार भी निकले, तो तब बस पुराने तरीके पर वापस जा सकते हैं
जल्दी शुरू करने की अहमियत ज़रूर होती है
Bitcoin, neural nets, और mobile games की तरह, शुरुआती दौर में कूदने वालों को बड़ा इनाम मिला
लेकिन ActionScript या BlackBerry apps जैसी गायब हो चुकी तकनीकें भी बहुत थीं
अगर बड़ा रिटर्न चाहिए तो जोखिम लेकर जल्दी घुसना पड़ता है, और अगर स्थिरता चाहिए तो इंतज़ार करना बेहतर है
कोई नई तकनीक मेरी values के साथ मेल खाती है या नहीं, यह समझने में समय लगता है
अब भी सोचूँ तो यह कुछ हद तक बेवकूफ़ी जैसा ही लगता है, लेकिन अगर तब खरीद लिया होता तो अमीर बन गया होता
कुछ साल तक उससे कमाई हुई, लेकिन आखिरकार वह भी खत्म हो चुकी तकनीक बन गई
लोग इस बात को नज़रअंदाज़ करते हैं कि भविष्य की वैल्यू का अनुमान लगाना कितना मुश्किल है
mobile games की सफलता भी तकनीक से ज़्यादा marketing पर निर्भर थी
सबसे बड़ा डर यह है कि कहीं मेरा career ही गायब न हो जाए
अगर LLM की वजह से उत्पादकता बढ़ गई है, तो हो सकता है कंपनियों को फिर लोगों को भर्ती करने की ज़रूरत ही न पड़े
इसलिए सोच रहा हूँ कि क्या 10 साल और टिकना चाहिए, या career बदल लेना चाहिए
टायर ठीक करने वाले मैकेनिक को देखकर उल्टा ईर्ष्या हुई — economy चाहे जैसी हो, टायर तो टायर ही रहेंगे
पहले MS Access जैसे टूल्स को भी “प्रोग्रामर की ज़रूरत खत्म” करने वाला कहा गया था, लेकिन अंत में उन्होंने maintenance का बाज़ार ही बनाया
बस अंधाधुंध resume भेजना असरदार नहीं होता
जब तक ज़रूरतें खत्म नहीं होतीं, नए features, platforms, tests, documents, और services आते रहेंगे
पूरी automation आने से पहले काम खत्म नहीं होने वाला
लेकिन software बस evolve करता रहेगा, गायब नहीं होगा
अगर सच में कोई ‘moat’ चाहिए, तो ऐसा काम ढूँढना चाहिए जो जटिल हो, license मांगता हो, और जिसकी मांग हमेशा बनी रहे
मेरी नज़र में बेहतर रणनीति तो यह है कि नई तकनीक पर जल्दी चढ़ो, लेकिन जैसे ही भविष्य अनिश्चित लगे, तुरंत बाहर निकल जाओ
Bitcoin की तरह, शुरू में घुसो तो बड़ा मुनाफ़ा मिल सकता है, लेकिन बहुत देर से कूदो तो जोखिम ही जोखिम है
AI में भी यही हुआ — शुरुआती दौर में content बनाने वालों को फ़ायदा मिला, लेकिन अब early advantage खत्म हो रहा है
Bitcoin के अलावा भी अनगिनत coins थे, और उनमें से ज़्यादातर डूब गए
अंत में Tulip Mania जैसी tulip bubble वाली कहानी बार-बार दोहराई जाती है
अगर उसी सिद्धांत पर चलते, तो Bitcoin को 15 साल तक होल्ड ही नहीं कर पाते
असली फर्क गहरी विशेषज्ञता बनाने और उसी ज्ञान से नए connections निकालने में है
तभी आप एक मायने रखने वाले first mover बन सकते हैं
मैं 1986 से coding कर रहा हूँ, इसलिए अब FOMO(छूट जाने का डर) से ज़्यादा प्रभावित नहीं होता
जल्दी न भी करो, तो आखिर में सफाई और समेटने का काम हमेशा बचता है
AI भी उसी दिशा में जा रहा है जहाँ टीम का आकार घटता है
SaaS, iPaaS, serverless, और managed cloud की तरह AI भी छोटी टीमों के केंद्र में development को तेज़ कर रहा है
cloud के शुरुआती दिनों में कुछ system administrators कहते थे कि यह कभी नहीं चलेगा
लेकिन जिज्ञासु early adopters बाद में cloud migration leaders बन गए
mobile development में भी यही हुआ, शुरुआत में सीखने वालों ने ही मौके पकड़े
EC2 manage करना हो या physical server, तकनीकी रूप से दोनों लगभग एक जैसे हैं
बस executives ने marketing पर भरोसा किया, इसलिए बाज़ार बड़ा हो गया
LLM ज़्यादा एक IDE जैसे टूल के करीब है, और इसे सीखना मुश्किल नहीं
मैं शुरू में LLM-assisted coding के खिलाफ था, लेकिन अब Claude Code काफ़ी इस्तेमाल करता हूँ
अगर LLM की असली वैल्यू यह है कि non-technical लोग भी इसे आसानी से इस्तेमाल कर सकें, तो developers के लिए तो यह और भी आसान होना चाहिए
इसलिए मैं लेखक की इस बात से सहमत हूँ कि “पीछे छूट जाने की चिंता करने की ज़रूरत नहीं”
अभी engineering organizations को जो करना चाहिए, वह है AI tools को अच्छी तरह समझना और यह पहचानना कि उन्हें कहाँ लागू किया जा सकता है
Claude Code जैसे टूल्स ऐसे ideas को, जिन्हें हम “कभी बाद में करेंगे” कहते रहते थे, सिर्फ एक घंटे में feature में बदल सकते हैं
ऐसे मौके को गंवाना सचमुच नुकसान है
कुछ लोग बस काम और ज़िंदगी को अलग रखना चाहते हैं। जितनी ज़रूरत हो, उतना सीखना काफ़ी है
तकनीक आगे बढ़ेगी, लेकिन अभी इंतज़ार करना भी समझदारी हो सकती है
मेरे लिए अब LLM एक ज़रूरी skill है
यह जानना अहम है कि इसे कब, कहाँ, और कैसे इस्तेमाल करना चाहिए
अगर आप साधारण दोहराए जाने वाले काम automate नहीं कर पाते, तो पूरी टीम की productivity गिर सकती है
उदाहरण के लिए, LLM से bug reproduction code बनाना या performance regression test करना अब बुनियादी बात हो चुकी है
इस automation की वजह से सूक्ष्म विश्लेषण आसान हो गया है, और सहकर्मी भी ऐसी efficiency की उम्मीद करते हैं
यह कहना कि किसी ने शुरू में Git इस्तेमाल नहीं किया, शायद इस बात का मतलब भी हो सकता है कि उसने version control ही नहीं इस्तेमाल किया
आज भी कुछ developers file copy करके version manage करते थे, और Git सीखते ही उन्हें बहुत मदद मिली
LLM के साथ ऐसा नहीं है
काश सभी clients Git पर आ जाएँ
यानी mature technology का इंतज़ार करना भी बुरा नहीं है