हम खूब पैसा कमाने वाले हैं

• लगभग 5 साल की अवधि वाले परिदृश्य में, AI coding के फैलाव से junior hiring घट सकती है और code complexity जमा हो सकती है, जिससे इसे व्यवस्थित करने वाले अनुभवी senior developers की कीमत काफी बढ़ सकती है
• जो कंपनियां मानती हैं कि coding models junior developers की जगह लेने लायक विकसित हो गए हैं, वे लोगों के बजाय अधिक tokens खरीदना शुरू कर चुकी हैं, और वास्तव में junior hiring के अवसर भी घट रहे हैं
• LLM मौजूदा code को साफ करने के बजाय नया code जोड़ने की ओर झुकते हैं, और पूरे repository को समेट न पाने वाली context window की सीमा के कारण duplicate code और technical debt बढ़ता है
• AI-generated code की defect rate और कुल code volume साथ-साथ बढ़ने से bugs बढ़ते हैं, और ठीक से abstract न किए गए duplicate implementations के कारण वही defect कई जगहों पर बार-बार ठीक करना पड़ता है
• junior hiring रुकने और severe burnout में 22% बढ़ोतरी से अनुभवी talent की supply घटे, तो AI से पहले के maintenance experience और अच्छे judgment वाले developers को Y2K दौर के COBOL developers जैसी दुर्लभ opportunities मिल सकती हैं

---

AI द्वारा बढ़ता code size और complexity

• पूरी प्रक्रिया में लगभग 5 साल लगेंगे, और यह अनुमान इस धारणा से शुरू होता है कि अभी तक करीब 1.5–2 साल पहले ही गुजर चुके हैं
• नए AI models, भले ही perfect न हों, coding में junior developer जैसे या उससे बेहतर स्तर तक पहुंच गए हैं
  • उसी लागत में junior developer hiring करने के बजाय बहुत सारे tokens इस्तेमाल कर अधिक काम निपटाने का आकलन फैल रहा है
  • junior developer job postings घट सकती हैं, और Stanford Digital Economy Lab के analysis के मुताबिक ऐसे employment changes पहले से दिख रहे हैं
• LLM training data में देखे गए third-party libraries के helper functions और methods तक खुद generate कर सकते हैं, इसलिए वे नया code जोड़ना पसंद करते हैं
  • परिणामस्वरूप लिखा जाने वाला code और repository size लगातार बढ़ता है, और संबंधित research में भी code size increase की पुष्टि हुई है
• AI में code cleanup, duplicate removal और maintainability सुधारने के बजाय मौजूदा code पर features जोड़ने की प्रवृत्ति अधिक मजबूत होती है
  • बड़े context windows भी आधुनिक repository को पूरा नहीं समेट पाते, इसलिए मौजूदा implementations छूट सकते हैं
  • AI-written code अधिकतर additive होता है और अक्सर duplicate होता है; AI-assisted code quality research में भी यही pattern दिखता है
• AI इंसानों की तुलना में complex code और control flow को ज्यादा तेज और सटीक पढ़ सकता है
  • इसके साथ organizations द्वारा स्वीकार किया जाने वाला complexity budget और technical debt भी बढ़ जाता है
  • debugging, code writing से दोगुनी कठिन है—यह principle अब भी valid है, और complexity लगातार जमा हो तो एक point ऐसा आ सकता है जिसे AI भी handle न कर पाए
  • कुछ codebases पहले ही इंसानों द्वारा संभाली जा सकने वाली complexity level से आगे निकल चुकी हैं, और AI technical debt crisis cases में भी यह देखा जा सकता है
• AI-generated code की defect rate आम तौर पर human-written code से अधिक होती है
  • भविष्य में defect rate इंसानों से कम भी हो जाए, तब भी generated code की कुल मात्रा बढ़ेगी, इसलिए defects की कुल संख्या बढ़ सकती है
  • code ठीक से separate और abstract नहीं होता, इसलिए एक जगह bug fix करने पर भी अन्य duplicate implementations वैसे ही रह जाते हैं, और वही defect बार-बार fix करने की स्थिति जारी रहती है

अनुभवी senior developers की कमी

• complex, खराब structure वाले, bugs और duplicates से भरे codebases में यह तय करने के लिए senior developer की जरूरत होती है कि क्या delete करना है, कौन-सा abstraction गलत है, या पूरे approach को फिर से design करना चाहिए या नहीं
• अनुभवी talent सिर्फ industry से naturally बाहर जाने के कारण नहीं, बल्कि AI-generated complexity manage करने के बोझ के कारण भी घटता है
  • senior developers में severe burnout 22% बढ़ा है
  • junior hiring रोकने पर अगली generation के seniors बनने वाले talent भी घट जाते हैं
  • AI के बाद career शुरू करने वाले developers भी capable हो सकते हैं, लेकिन AI से पहले के तरीके से maintainable code लिखने का experience कम हो सकता है
• पहले से ही production-ready senior engineers talent market की बड़ी bottleneck हैं, इसलिए experience और अच्छे code sense वाले developers की जरूरत और बढ़ती दिखती है
• demand बढ़े और supply घटे तो price बढ़ता है, और Y2K के आसपास COBOL developers को मिले अवसरों जैसी opportunities senior developers के लिए बन सकती हैं
• AI-led layoffs के दौर से बचे अनुभवी developers को supply shortage तेज होने के समय ऊंचा compensation मिलने की संभावना है

[GN⁺]

Lobste.rs की राय

• अगले 5 साल के भीतर सिर्फ AI द्वारा उगले गए घटिया आउटपुट को ठीक करके ही बहुत पैसा कमाने और कहीं यॉट पर बैठकर रिटायर होने का इरादा है
  लगता है कि इसका पैमाना उन पुराने WYSIWYG tools या overseas outsourcing teams के बनाए नतीजों को साफ़-सुथरा करने वाले काम से कहीं ज़्यादा गंभीर होगा
  • चाहे कितना भी पैसा मिले, ऐसा साफ़-सफ़ाई का काम मज़ेदार होगा या नहीं, इस पर शक है, और कौशल होने पर भी इसे संभाल पाने का भरोसा नहीं है
• संबंधित प्रोजेक्ट: https://odra.dev/slopfix/
• दूरदृष्टि की कमी वाली कंपनियों को ज़बरदस्ती बचाने की कोशिश करने से बेहतर है कि उन्हें वैसे ही डूबने दिया जाए और नया बिज़नेस शुरू किया जाए
• यह बात मैं इस साल अक्सर कहता रहा हूँ: सिर्फ घटिया कोड की सफ़ाई ही नहीं, बल्कि उन कामों से LLM को हटाना जिन्हें मूल रूप से deterministically संभाला जाना चाहिए भी बड़ा बाज़ार बनेगा
  अगर कोई user यह पता लगाने के लिए कि उसने चार विकल्पों में से कौन-सा चुना, chatbot पर हर महीने 20,000 डॉलर खर्च कर रहा है, तो उसी रकम में उसके लिए ऐसा program बनाया जा सकता है जो token prices या probabilistic errors से प्रभावित न हो, और साथ में 1,000 डॉलर प्रति माह का maintenance contract भी ऑफ़र किया जा सकता है
  कंपनियाँ अब समझ रही हैं कि कई तरह के कामों में LLM लागू करने की लागत लोगों को hire करने से भी ज़्यादा है, लेकिन उन्होंने अपनी मौजूदा टीम पहले ही हटा दी है, इसलिए लगता है कि फ़सल काटने का समय 5 साल से बहुत पहले आ जाएगा
  • मैंने सचमुच कई बार लोगों को उन समस्याओं पर prompt engineering आज़माने की बात करते सुना है जिनके लिए deterministic·optimal algorithms पहले से मौजूद हैं
• कम से कम code duplication और maintainability के लिहाज़ से AI agents में आगे बहुत सुधार की गुंजाइश है
  अगर semantic search बहुत शानदार हो, तो बहुत बड़ा context window ज़रूरी नहीं होता
  अगर coding agent को duplicated concepts अच्छी तरह ढूँढने के लिए embedding model को विशेष रूप से train किया जाए, तो वह expiry time को priority queue से manage करने वाले पाँच अलग resources को memory में लाकर उन्हें एक ExpirationQueue class में समेकित कर सकता है
  लेकिन ऐसा AI बहुत जल्दबाज़ी में premature abstraction लागू करने का जोखिम भी रखता है