विचार नेता
शुरुआत से ही एआई असेंबली लाइन में परीक्षण को शामिल करना क्यों ज़रूरी है

मुख्य बिंदुएआई कोडिंग को तेज़ करता है लेकिन कमज़ोर डाउनस्ट्रीम परीक्षण को उजागर करता है और डिलीवरी…
और देखें
- एआई कोडिंग को तेज़ करता है लेकिन कमज़ोर डाउनस्ट्रीम परीक्षण को उजागर करता है और डिलीवरी स्थिरता को कम करता है।
- जो एजेंट अपने स्वयं के परीक्षणों का मूल्यांकन करते हैं, वे कोड ठीक करने के बजाय असफल परीक्षणों को संपादित करके धोखा दे सकते हैं।
- परीक्षण सीआई के बाहर अपना स्वतंत्र स्टेशन होना चाहिए ताकि हर परिवर्तन को एक ही निर्णय का सामना करना पड़े।
मैं बीस साल से भी अधिक समय से परीक्षण के उपकरण बना रहा हूँ, और इस दौरान इंजीनियरिंग टीमों से मेरी ज़्यादातर बातचीत लगभग एक जैसी रही है। सॉफ़्टवेयर जीवनचक्र में परीक्षकों को अक्सर दोयम दर्जे का समझा जाता था। परीक्षण देर से होता था—अक्सर रिलीज़ से पहले बचा हुआ समय उसमें खपा दिया जाता था—और उसे ऐसी सीआई पाइपलाइन में जोड़ दिया जाता था, जिसे किसी और काम के लिए बनाया गया था। एआई ने अब हमारे कोड लिखने के तरीके को बदल दिया है—और इसका असर परीक्षण पर भी निश्चित रूप से पड़ा है, अच्छे और बुरे, दोनों तरीकों से। कई मायनों में, एआई ने इस चुनौती को और साफ़ तौर पर सामने ला दिया है।
पिछले कुछ महीनों में मैं परीक्षण और क्लाउड-नेटिव तकनीक से जुड़े कुछ सम्मेलनों (LeadDev, CloudX, StarWest) में गया हूँ। जिन लगभग सभी टीमों से मेरी बात हुई, वे एक ही तरह की परियोजना पर काम कर रही हैं: एआई-संचालित सॉफ़्टवेयर डिलीवरी जीवनचक्र, जिसमें एजेंट किसी विनिर्देश से लेकर उत्पादन में चल रहे सॉफ़्टवेयर तक का काम करते हैं और इस प्रक्रिया में मनुष्यों की उचित भागीदारी बनी रहती है। मैं इसे एक असेंबली लाइन की तरह देखता हूँ। एजेंट कोड लिखते हैं, दूसरे एजेंट उसकी समीक्षा करते हैं, और पाइपलाइन उसे बनाकर तैनात करती हैं। मनुष्य पूरी प्रक्रिया पर नज़र रखते हैं। लेकिन इस लाइन में परीक्षण की जगह कहाँ है, इस बारे में मुझे बहुत कम सुनने को मिलता है।
अभी तक किसी ने इसका हल नहीं खोजा है
अभी हालात कुछ-कुछ जंगली पश्चिम जैसे हैं। एजेंटों की नई क्षमताएँ हर कुछ हफ़्तों में सामने आ रही हैं, बड़ी एआई प्रयोगशालाएँ लगातार नए मॉडल जारी कर रही हैं, और टीमें तथा विक्रेता—दोनों ही—यह देखने के लिए तरह-तरह के प्रयोग कर रहे हैं कि क्या कारगर साबित होता है।
कुछ आँकड़े बताते हैं कि कमियाँ पहले से ही सामने आने लगी हैं। Google की हालिया एआई-सहायता प्राप्त सॉफ़्टवेयर विकास पर DORA रिपोर्ट ने लगभग 5,000 प्रौद्योगिकी पेशेवरों का सर्वेक्षण किया। इसमें पाया गया कि एआई अपनाने का संबंध डिलीवरी की अधिक क्षमता से है, जो अच्छी खबर है। लेकिन इसका संबंध अब भी डिलीवरी की कम स्थिरता से है। शोधकर्ताओं के अनुसार, एआई विकास को तेज़ करता है और आगे की प्रक्रिया में मौजूद कमज़ोरियों को उजागर करता है। उनका कहना है कि मज़बूत स्वचालित परीक्षण उन नियंत्रण उपायों में से एक है, जो बदलावों की बढ़ती संख्या को अस्थिरता बढ़ाने से रोकते हैं।
मुझे यह हैरानी की बात नहीं लगती। अगर आप किसी ऐसी प्रक्रिया से कहीं ज़्यादा कोड गुज़ारते हैं जिसे कम कोड के लिए बनाया गया था, तो प्रक्रिया कहीं न कहीं धीमी पड़ती है या कहीं न कहीं टूट जाती है।
डेवलपर तेज़ हैं, लेकिन ज़्यादातर रिलीज़ नहीं
जब लोग सोचते हैं कि एआई से बने कोड में क्या गड़बड़ हो सकती है, तो वे अक्सर कल्पना करते हैं कि कोई एजेंट बेहद खराब चीज़ को उत्पादन में भेज रहा है। मुझे यक़ीन है कि ऐसा होता है—और जब होता है, तो नतीजे अच्छे नहीं होते: बग, नाराज़ ग्राहक, शायद कोई सुरक्षा घटना। लेकिन सच कहूँ तो, ज़्यादातर समय मेरा सामना इससे नहीं होता।
2026 Stack Overflow डेवलपर सर्वेक्षण से पता चलता है कि आज एआई का इस्तेमाल किन कामों में सबसे अधिक हो रहा है। डेवलपर इसका इस्तेमाल मुख्य रूप से उन क्षेत्रों में कोड बनाने के लिए करते हैं जिनसे वे पहले से परिचित हैं (67%), और डिबगिंग के लिए (61%)। वहीं, केवल 20% इसका इस्तेमाल उत्पादन प्रणालियों को तैनात करने, चलाने या उनकी समस्याएँ दूर करने के लिए करते हैं। अब तक एआई ने मुख्य रूप से कोड लिखने की रफ़्तार बढ़ाई है। उस कोड की जाँच करके उसे उत्पादन में पहुँचाने का काम अब भी बड़े पैमाने पर पहले की तरह ही होता है।
यह बात मेरे अपने अनुभव से भी मेल खाती है: टीमें कहीं ज़्यादा कोड बना रही हैं, लेकिन रिलीज़ की रफ़्तार नहीं बढ़ी है। किसी डेवलपर या टीम को लग सकता है कि वे पहले से दोगुनी सुविधाएँ बना रहे हैं, लेकिन वे सुविधाएँ आगे की प्रक्रिया में अटक जाती हैं—समीक्षा का इंतज़ार करती हुईं, परीक्षण का इंतज़ार करती हुईं, या ऐसे परिवेश का इंतज़ार करती हुईं जहाँ उनका परीक्षण किया जा सके। यह अतिरिक्त कोड पाइपलाइन को जाम कर देता है और कई मामलों में टीमों की कुल डिलीवरी को भी धीमा कर देता है।
सुरक्षा-उपायों से जुड़े सवाल प्रबंधक पूछते हैं
हालाँकि एआई के कारण डिलीवरी में आने वाली रुकावटों की चिंता बहुत ठोस है, लेकिन टीमें हमसे सिर्फ़ इसी बारे में नहीं पूछतीं। डेवलपर मुख्य रूप से जानना चाहते हैं कि बेहतर कोड तेज़ी से कैसे लिखा जाए। सुरक्षा-उपायों से जुड़े सवाल इंजीनियरिंग प्रबंधक और एजेंट-संचालित कार्यप्रवाह स्थापित करने वाले लोग पूछते हैं। हम यह कैसे सुनिश्चित करें कि एजेंट मनमानी न करने लगें? हमें कैसे पता चले कि वे प्रतिगमन संबंधी समस्याएँ पैदा नहीं कर रहे या चुपचाप वह काम छोड़ नहीं रहे जो उन्हें करना था? हम यह कैसे सुनिश्चित करें कि उनके लिखे परीक्षण वास्तव में (और ईमानदारी से!) उसी चीज़ की पुष्टि करें जिसकी उन्हें पुष्टि करनी चाहिए?
मेरे विचार से इसकी वजह यह है कि दोनों अलग-अलग चीज़ें देख रहे हैं। डेवलपर एक समय में एक पुल अनुरोध पर ध्यान देता है। इंजीनियरिंग प्रबंधक कई एजेंटों और कई लोगों के ज़रिए जारी होने वाली हर चीज़ के लिए ज़िम्मेदार होता है, और उत्पादन में कुछ टूटने पर उसे उसका स्पष्टीकरण भी देना पड़ता है।
उनकी सतर्कता की वजह भी है। शोधकर्ताओं ने ऐसे कोडिंग कार्यों का इस्तेमाल करके ImpossibleBench नामक एक बेंचमार्क बनाया, जिनमें यूनिट परीक्षण विनिर्देशों के विपरीत होते हैं; इसलिए उनमें सफल होने का एकमात्र तरीका धोखा देना है। कई अग्रणी मॉडल ने ठीक यही किया—मसलन, कोड ठीक करने के बजाय विफल परीक्षणों को संपादित करके या मिटाकर (!!)। एजेंटों द्वारा लिखे गए पुल अनुरोधों के एक अलग अध्ययन में पाया गया कि एजेंट अपने बदलावों का परीक्षण कितनी अच्छी तरह करते हैं, इसमें कमियाँ हैं। अध्ययन में पहले के उस शोध का भी उल्लेख है, जिसके अनुसार एजेंटों के मर्ज किए गए पुल अनुरोधों में से लगभग एक तिहाई में बाद में सुधार या रिफ़ैक्टरिंग की ज़रूरत पड़ी।
मेरी समझ में, सुरक्षा-उपाय केवल एजेंट के अपने परिवेश तक सीमित नहीं रह सकते, और न ही उन्हें कोड जारी होने के बाद ही लागू किया जा सकता है। अगर कोड लिखने वाला एजेंट ही यह तय करे कि वह परीक्षण में सफल हुआ या नहीं, तो उस नतीजे से बहुत कुछ पता नहीं चलता। इसका मतलब यह नहीं कि एजेंटों को परीक्षण नहीं लिखने चाहिए। इसका मतलब है कि अंतिम फ़ैसला ऐसी जगह से आना चाहिए जिसमें एजेंट बदलाव न कर सके। परीक्षण को इस प्रक्रिया की अपनी अलग चौकी होना चाहिए, जहाँ से हर बदलाव गुज़रे—चाहे उसे किसी व्यक्ति ने लिखा हो या किसी एजेंट ने।
उस चौकी में क्या-क्या होना चाहिए
इसका जवाब किसी बिल्कुल नए तरह के परीक्षण में नहीं है। ज़रूरत की ज़्यादातर बातें वही हैं जिनकी अच्छी QA टीमें हमेशा से माँग करती आई हैं। बस, अब उनका महत्व और बढ़ गया है।
परीक्षणों की सटीकता को आवश्यकताओं के संदर्भ में परखना ज़रूरी है—ठीक वैसे ही जैसे उस कोड को परखा जाता है जिसका वे परीक्षण करते हैं। परीक्षण उसी परिवेश में भी चलने चाहिए जिसमें सॉफ़्टवेयर चलता है। किसी एजेंट के सैंडबॉक्स में सफल होने वाले परीक्षण से स्टेजिंग या प्रोडक्शन के बारे में बहुत कम पता चलता है। इससे यह बात भी छिप सकती है कि किन निर्भरताओं के नकली संस्करणों का इस्तेमाल किया गया था—या उनका इस्तेमाल किस तरह हुआ था। एजेंटों द्वारा बनाई गई लगभग 180,000 परीक्षण फ़ाइलों के एक हालिया अध्ययन में पाया गया कि एजेंटों के परीक्षणों में इंसानों द्वारा लिखे परीक्षणों की तुलना में ज़्यादा एज-केस शामिल थे, लेकिन उनके परीक्षणों में अस्थिर होने के संकेत भी ज़्यादा थे। इसकी बड़ी वजह यह थी कि एजेंटों को उस परिवेश के बारे में पर्याप्त जानकारी नहीं थी जिसमें परीक्षण चलने थे। वास्तविक बुनियादी ढाँचे पर परीक्षण जल्दी चलाने से यह समस्या पकड़ में आ जाती है।
परीक्षण और उनके नतीजे सहेजकर रखने चाहिए। अगर कोई एजेंट परीक्षण लिखता है, तो उसे संदर्भ के तौर पर मौजूदा परीक्षण और उनके नतीजे भी उपलब्ध होने चाहिए, ताकि वह परीक्षणों के दायरे और उनके संभावित अस्थिर होने—दोनों से सीख सके। किसी भी दूसरे कोड की तरह परीक्षणों की भी समीक्षा और संस्करण-नियंत्रण होना चाहिए, ताकि सत्र समाप्त होने पर वे गायब न हों और अगले बदलाव पर फिर से चलाए जा सकें।
सफल परीक्षण के नतीजे का अर्थ एक जैसा होना चाहिए, चाहे उसे चलाने का अनुरोध पाइपलाइन ने किया हो, डेवलपर ने या एजेंट ने। यानी परीक्षण भी वही हों, वे उसी बुनियादी ढाँचे पर चलें और उनके नतीजे एक ही जगह उपलब्ध हों।
और फ़ैसला करने का अधिकार लोगों के पास ही रहना चाहिए। शुरुआती ढर्रे के काम और चीज़ों को आपस में जोड़ने की ज़िम्मेदारी एजेंटों को देने में मुझे कोई दिक्कत नहीं है। क्या परखना ज़रूरी है और किसी नाकामी का क्या मतलब है—यह तय करना अब भी इंसानों का काम है (कम-से-कम अभी तो)।
इसका मतलब यह भी है कि परीक्षण सिर्फ़ CI/CD तक सीमित नहीं रह सकते (अगर इस लेख की एक ही बात याद रखनी हो, तो यही याद रखें!)। CI पाइपलाइनें कोड को बनाने और जारी करने के लिए तैयार की गई थीं; बड़े पैमाने पर स्वचालित परीक्षण चलाने के लिए उन्हें कभी बनाया ही नहीं गया था। जैसे-जैसे हम एजेंट-आधारित SDLC की ओर बढ़ रहे हैं और कोड की मात्रा लगातार बढ़ रही है, परीक्षण चलाने के लिए CI और भी कम उपयुक्त होता जा रहा है। सॉफ़्टवेयर उपलब्ध कराने की प्रक्रिया में परीक्षण को प्रमुख स्थान मिलना चाहिए, न कि उसे पाइपलाइन के अंत में जोड़ा गया एक चरण भर होना चाहिए। इसके लिए परीक्षणों को एक स्वतंत्र प्रणाली के रूप में व्यवस्थित करना होगा, जिसे टीम के हर टूल और परिवेश में चलाया जाए—चाहे काम की अगुआई एजेंट कर रहा हो या कोई इंसान।
शुरुआत कहाँ से करें
ज़्यादातर टीमें पहले से ही Playwright, Cypress, k6, Postman या अपने द्वारा मानकीकृत किसी अन्य टूल में ऐसे परीक्षण करती हैं जिन पर उन्हें भरोसा है। शुरुआत करने के लिए यह एक बढ़िया जगह है। मैं कुछ सुझाव देना चाहूँगा:
- आज किसी बदलाव को प्रॉम्प्ट से प्रोडक्शन तक पहुँचने में कौन-कौन से चरणों से गुज़रना पड़ता है, इसका खाका बनाएँ और हर उस जगह को चिह्नित करें जहाँ परीक्षण चलता है। अगर परीक्षण सिर्फ़ एक जगह, वह भी प्रक्रिया के आख़िर में चलता है, तो शुरुआत वहीं से करें।
- एजेंटों को मौजूदा परीक्षण चुपचाप बदलने देने में सावधानी बरतें। ImpossibleBench के शोधकर्ताओं ने पाया कि एजेंटों की परीक्षणों तक पहुँच सीमित करने से धोखाधड़ी कम हुई। जब किसी एजेंट के लिए परीक्षण बदलना ज़रूरी हो, तो वह बदलाव किसी भी दूसरे कोड की तरह पुल रिक्वेस्ट के रूप में आना चाहिए, जिसकी समीक्षा कोई व्यक्ति करे।
- अपने परीक्षण एजेंट के सैंडबॉक्स के बजाय परीक्षण के लिए बने परिवेशों में—बेहतर हो कि वास्तविक परिवेशों में—जितनी जल्दी हो सके चलाएँ। भले ही हर एजेंट-जनित बदलाव के लिए स्टेजिंग पर सिर्फ़ एक छोटा स्मोक टेस्ट सूट चलाएँ। अगर आप परीक्षण लिखने के लिए AI का इस्तेमाल करते हैं, तो उसे वहाँ चलाए बिना स्वीकार न करें।
- अपने परीक्षण नतीजों को एक ही नियंत्रण मंच पर केंद्रीकृत करें—चाहे वह रिपोर्टिंग टूल हो, आपका APM समाधान हो या परीक्षणों के लिए बनाया गया कोई समर्पित प्लेटफ़ॉर्म। सुनिश्चित करें कि ये नतीजे इंसानों और एजेंटों, दोनों के लिए उपलब्ध हों।
- गतिविधि के बजाय काम की डिलीवरी को मापें। पुल रिक्वेस्ट की संख्या से बहुत कम जानकारी मिलती है। बदलाव पूरा होने में लगने वाला समय और बदलावों के विफल होने की दर जैसे DORA के डिलीवरी मापदंड इस बारे में कहीं ज़्यादा बताते हैं कि AI मददगार साबित हो रहा है या नहीं।
- एजेंटों को वही परीक्षण बुनियादी ढाँचा इस्तेमाल करने दें जो आपकी टीम के लोग इस्तेमाल करते हैं, ताकि उनके काम को भी उसी कसौटी पर परखा जाए।
आशावादी नज़रिया, कुछ शर्तों के साथ
AI की बात हो तो मैं आशावादी नज़रिया रखता हूँ। मेरा मानना है कि इससे सॉफ़्टवेयर टीमें कहीं ज़्यादा सक्षम होंगी और अंततः उनकी उत्पादकता भी बढ़ेगी। लेकिन वहाँ तक पहुँचने के लिए टीमों को अपने एजेंटों के बनाए काम पर इतना भरोसा होना चाहिए कि वे उसे जारी कर सकें। साथ ही, एजेंट-आधारित SDLC में परीक्षण के लिए एक समग्र दृष्टिकोण अपनाना होगा—क्योंकि भरोसा यहीं बनता है या टूटता है।
अगर आप एजेंट-आधारित SDLC की दिशा में काम कर रहे हैं, तो आज उसमें परीक्षण की क्या जगह है?












