विचार नेता

वाइब कोडिंग, एआई और सॉफ्टवेयर इंजीनियरिंग की नई वास्तविकता

Michael Abramov
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुएआई स्थानीय कोडिंग कार्यों में उत्कृष्ट है, लेकिन दीर्घकालिक प्रणाली स्थिरता के लिए…
और देखें
  • एआई स्थानीय कोडिंग कार्यों में उत्कृष्ट है, लेकिन दीर्घकालिक प्रणाली स्थिरता के लिए आवश्यक वास्तुशिल्पीय निर्णय क्षमता का अभाव है।
  • निम्न-स्तरीय प्रणालियों को समझने वाले अनुभवी इंजीनियर एआई प्रशिक्षकों और मान्यकर्ताओं के रूप में नया मूल्य प्राप्त करते हैं।
  • वाइब कोडिंग आर्थिक रूप से टिकाऊ नहीं रह सकती जब कंपनियां एआई बुनियादी ढांचे की लागतों की तुलना मानव टीमों से करती हैं।

दस साल पहले, यह विचार कि एआई प्रोग्रामर के बजाय कोड लिख सकता है, एक रोमांचक कल्पना की तरह लगता था। आज, यह रोजमर्रा की वास्तविकता का हिस्सा बन गया है। एमवीपी कुछ दिनों में बनाए जाते हैं, इंटरफेस टेक्स्ट प्रॉम्प्ट से जेनरेट किए जाते हैं, और एआई सहायक इंजीनियरिंग टीमों में पूर्ण भागीदार बन रहे हैं।

इस पृष्ठभूमि में, अधिक से अधिक लोग एक ही प्रश्न पूछ रहे हैं: क्या एआई वास्तव में प्रोग्रामर को बदल रहा है? क्या कृत्रिम बुद्धिमत्ता वास्तव में किसी अनुभवी इंजीनियर की बराबरी कर सकती है और उसकी जगह ले सकती है? और निकट भविष्य में इस पेशे का क्या होगा?

मैं स्वयं एक डेवलपर हूं, और मेरे पास इसके बारे में एक राय है। आइए इसे विस्तार से समझें।

समस्या का मूल क्या है?

एआई प्रोग्रामिंग के बारे में एक प्रमुख कथा है जो कुछ इस तरह है:

एआई कोड लिखने में बेहद प्रभावी होता जा रहा है और, महत्वपूर्ण रूप से, पहले से ही मानवों द्वारा की जाने वाली कई सामान्य गलतियों से बचता है। और अधिक दिलचस्प बात यह है कि एआई शायद तथाकथित एज केसों को संभालने में बेहतर हो सकता है: दुर्लभ और असामान्य परिदृश्य जो सॉफ्टवेयर इंजीनियरिंग में व्यापक हैं और अक्सर डेवलपरों के लिए पहले से अनुमान लगाना मुश्किल होता है।

जब प्रोग्रामर कहते हैं, “मैं यहां एक बटन चाहता हूं”, तो उन्हें जवाब मिलता है: “यहां बटन है, यहां 18 एज केस हैं जिन पर विचार करना चाहिए, यहां परीक्षण हैं जिन्हें चलाने की आवश्यकता है, और हाँ, आप शायद यह और यह जोड़ना चाहेंगे।” आप इसे देख सकते हैं और सोच सकते हैं: “हां… यह वास्तव में समझ में आता है।” अकेले काम करते हुए शायद आपको इन समस्याओं का पता कई हफ्तों बाद चलता, जब प्रोडक्शन में कुछ गड़बड़ हो चुकी होती। एआई अक्सर तुरंत समाधान सुझाता है। जो इंजीनियर पहले से ही नौकरियां रखते हैं, उनके लिए यह उत्पादकता और दक्षता को काफी बढ़ाता है।

और यह कथा सीधे एक आर्थिक प्रश्न में जाती है: यदि किसी कंपनी को पहले एक निश्चित कार्यभार संभालने के लिए 100 डेवलपर चाहिए थे, तो सैद्धांतिक रूप से अब उसे केवल 20 की जरूरत पड़ सकती है – क्योंकि वे 20 एआई सहायता के साथ समान मात्रा में काम कर सकते हैं।

इस त्वरण के पीछे क्या छिपा है?

मैं अधिक से अधिक बार देखता हूं कि बहुत मजबूत सॉफ्टवेयर इंजीनियर अपनी स्थिति, बाजार में स्थान, और आय के लिए डरते हैं। यह लगता है कि जल्द ही कोडर्स के लिए कोई काम नहीं बचेगा।

और मेरा जवाब आमतौर पर होता है: दोस्तों, यह शायद उतना नाटकीय नहीं है जितना लगता है। वास्तव में, अनुभवी इंजीनियरों को अभी एक नए प्रकार का मूल्य मिल रहा है। क्योंकि हम शायद उन आखिरी पीढ़ियों में से एक हैं जिन्होंने वास्तव में हाथ से कोड लिखा और गहराई से समझते हैं कि सिस्टम कैसे काम करते हैं। अगली पीढ़ी तेजी से एआई टूल्स के माध्यम से काम कर रही है – और इसके साथ, इंजीनियरिंग अभ्यास स्वयं बदल रहा है।

यहाँ पहले की कथा में क्या नहीं लिया गया है:

एआई-जनरेटेड कोड अक्सर बिल्कुल ठीक दिखता है। कार्य हल हो जाते हैं, इंटरफेस काम करते हैं, और सब कुछ चलता है। लेकिन समय के साथ, लंबे समय में, अधिक सूक्ष्म मुद्दे दिखने लगते हैं: आर्किटेक्चर से जुड़े समझौते, कमजोर इंजीनियरिंग निर्णय, डेटा संरचनाओं के साथ समस्याएं, या स्केलेबिलिटी मुद्दे। और यह इसलिए होता है क्योंकि एआई पहले से ही स्थानीय कार्यों को हल करने में बहुत अच्छा है, जबकि बड़े सिस्टम के दीर्घकालिक तर्क को अब भी मानवीय अनुभव और इंजीनियरिंग संबंधी विवेक की जरूरत होती है।

यही कारण है कि एक बार ये परियोजनाएं गंभीर उत्पादन वातावरण में पहुंच जाती हैं – बैंक, ई-कॉमर्स प्लेटफ़ॉर्म, बड़े पैमाने पर सेवाएं – टीमों को अंततः अब भी ऐसे लोगों की जरूरत होती है जो गहराई से वास्तुकला का विश्लेषण कर सकते हैं, मूल कारणों की पहचान कर सकते हैं, और समग्र सिस्टम तर्क को बहाल कर सकते हैं।

मुझे अक्सर दोस्तों के फोन आते हैं जो कहते हैं: “माइकल, क्या आप आकर हमें यह समझने में मदद कर सकते हैं कि सिस्टम क्यों टूटने लगा है?” हालांकि आज मैं इंट्रोस्पेक्टर में फिजिकल एआई पर काम करता हूं, फिर भी मैं अभी भी कभी-कभी इस तरह के कठिन मैनुअल इंजीनियरिंग कार्य में मदद कर सकता हूं: सिस्टम तर्क का पुनर्निर्माण, वास्तुकला का विश्लेषण, और यह पता लगाना कि समस्याएं कहां से जमा होना शुरू हुईं।

और यही कारण है कि मुझे लगता है कि मजबूत इंजीनियर लंबे समय तक बहुत मूल्यवान रहेंगे। उसी समय, अक्सर अनुभवी इंजीनियर ही एआई मॉडल को बेहतर बनाने और प्रशिक्षित करने में मदद कर रहे हैं। कीमाकर में हमने यह प्रत्यक्ष अनुभव किया जब हमने कोड को मान्य करने और मॉडल को प्रशिक्षित करने में मदद करने के लिए अनुभवी डेवलपर्स की तलाश की – लोग जो वास्तविक इंजीनियरिंग सोच, व्यावहारिक अनुभव, और सिस्टम के वास्तविक दुनिया में व्यवहार की गहरी समझ पर भरोसा कर सकते हैं।

मुख्य धारणाएं

और यह हमें भविष्य के बारे में सबसे बड़े प्रश्न में ले जाता है: यह सब अंततः कहां ले जा रहा है? हम अगली पीढ़ी के इंजीनियरों को कैसे विकसित करेंगे यदि वे शुरुआत से ही उद्योग में पूरी तरह से अलग मार्ग से प्रवेश कर रहे हैं?

यदि हम स्थिति को वस्तुनिष्ठ रूप से देखते हैं, बिना अतिशयोक्तिपूर्ण उत्साह या डर के, मैं कुछ संभावित परिदृश्य देखता हूं।

  • एक अस्पष्ट भविष्य

पहला और शायद सबसे ईमानदार उत्तर यह है कि आज बहुत कम लोग वास्तव में इतनी दूर तक सोच रहे हैं। बस इसलिए कि अभी तक कोई भी पूरी तरह से नहीं समझता है कि यह भविष्य वास्तव में कैसा दिखेगा।

शायद, कुछ वर्षों में, एआई एजेंट वास्तव में लगभग पूर्ण कोड लिखने में सक्षम होंगे – मजबूत वास्तुकला, स्केलेबिलिटी, और संदर्भ समझ के साथ। अभी यह प्रश्न पूरी तरह से खुला है।

उसी समय, प्रमुख प्रौद्योगिकी कंपनियां जैसे कि एप्पल (AAPL ), माइक्रोसॉफ्ट (MSFT ), और गूगल अभी भी सक्रिय रूप से प्रतिभाशाली शोधकर्ताओं, पीएचडी धारक विशेषज्ञों, और अकादमिक वातावरण से लोगों को नियुक्त कर रही हैं। इससे शायद यह संकेत मिलता है कि वे मानते हैं कि कोड का अधिकांश हिस्सा स्वचालित रूप से बनने वाली दुनिया में भी इंजीनियरिंग की गहरी समझ महत्वपूर्ण बनी रहेगी।

छोटी कंपनियां, हालांकि, अक्सर एक बहुत अलग योजना क्षितिज के साथ काम करती हैं। जब आप नहीं जानते कि आपका स्टार्टअप छह महीने में अभी भी अस्तित्व में होगा या नहीं, तो यह दस साल बाद क्या होगा इसके बारे में गंभीरता से सोचना मुश्किल हो जाता है। निश्चित रूप से कोई भी जानबूझकर बुनियादी रूप से दोषपूर्ण चीज नहीं बनाना चाहता। टीमें अभी भी जोखिमों और कमजोरियों की पहचान करने की कोशिश करती हैं।

लेकिन वास्तव में, तर्क अक्सर बहुत सरल होता है: पहले, एक उत्पाद बनाएं जो काम करता है और राजस्व उत्पन्न करता है – फिर बाद में वास्तुकला, अनुकूलन, और सिस्टम को फिर से लिखने के बारे में सोचें। समस्या यह है कि कई परियोजनाओं में, “बाद में” अनिश्चित काल तक स्थगित कर दिया जाता है।

  • स्पाइरल में विकास

मेरे विचार में, दूसरा उत्तर और भी दिलचस्प है। यदि आप उद्योग के इतिहास को देखते हैं, तो यह पहले से ही कई बार ऐसे ही संक्रमण से गुजर चुका है। पहले प्रोग्रामर पंच कार्ड के साथ काम करते थे। फिर असेंबली में लिखने वाले इंजीनियरों की पीढ़ी आई – जिसकी कल्पना करना भी आज कई डेवलपरों के लिए कठिन है। तब हार्डवेयर कैसे काम करता है, इसे वास्तव में समझना, प्रोसेसर के तर्क के आधार पर सोचना और निचले स्तर की भारी जटिलता को दिमाग में रखना जरूरी था।

फिर कोबोल का युग आया। पूरे बैंकिंग मेनफ्रेम इस पर बनाए गए थे, और सबसे आश्चर्यजनक बात यह है कि वैश्विक बैंकिंग बुनियादी ढांचे का एक महत्वपूर्ण हिस्सा अभी भी उन पुराने सिस्टम पर चलता है। वहां अभी भी 60 से 79 वर्ष की उम्र के प्रोग्रामर हैं जो उस कोडबेस को बनाए रखने में मदद करते हैं, और वे बहुत मूल्यवान विशेषज्ञ बने हुए हैं।

अगली पीढ़ी सी++, पायथन, और जावास्क्रिप्ट में चली गई। मैं स्वयं उस युग से हूं। उदाहरण के लिए, मुझे मुश्किल से समझ आता है कि कोबोल कैसे काम करता है। सैद्धांतिक रूप से मैं इसे सीख सकता हूं, लेकिन मुझे यह पहले से ही दूर की और अपरिचित चीज लगती है।

और जब आप इसे ऐतिहासिक रूप से देखते हैं, तो एक दिलचस्प पैटर्न उभरता है: प्रत्येक नई पीढ़ी के इंजीनियरों को पिछली पीढ़ी की प्रौद्योगिकी को गहराई से समझने की आवश्यकता नहीं है। समय के साथ, ज्ञान स्वयं बुनियादी ढांचे में निहित हो जाता है।

पंच कार्ड लंबे समय से चले गए हैं – उनका तर्क अब प्रोसेसर में निर्मित है। असेंबली मुख्यधारा के उपकरण के रूप में काफी हद तक गायब हो गई क्योंकि इसकी जटिलता ऑपरेटिंग सिस्टम, ड्राइवरों, और निचले स्तर के अमूर्तन में छिप गई। आज आपके हेडफ़ोन में भी शायद एक छोटा ऑपरेटिंग सिस्टम हो, जो इस पूरी छिपी जटिलता को पृष्ठभूमि में संभाल रहा हो। अधिकांश लोग इसके बारे में कभी सोचते ही नहीं।

बेशक, अब भी ऐसे विशेषज्ञ हैं जो इस पूरे निम्न-स्तरीय तकनीकी जादू को समझते हैं। लेकिन उद्योग के अधिकांश लोगों के लिए, यह पहले से ही एक अमूर्तन की परत बन गई है।

और यह एक बहुत ही तर्कसंगत विचार की ओर ले जाता है: शायद एआई बस इस विकास का अगला चरण है। शायद अगली पीढ़ी को वास्तव में पारंपरिक प्रोग्रामिंग को उतनी गहराई से समझने की जरूरत नहीं पड़ेगी, जितनी हमें पड़ी थी।

  • बाजार की अर्थव्यवस्था

मेरे पास एक और धारणा है कि वाइब कोडिंग – या एआई-सहायता प्राप्त विकास – अंततः “मुफ्त त्वरण” के रूप में नहीं देखा जाएगा। वास्तव में, यह पहले से ही पूरी तरह से मुफ्त नहीं है; यह बस है कि अभी तक हर कोई इसके पीछे की वास्तविक लागत और लाभ की गणना नहीं कर रहा है।

मॉडल, टोकन, बुनियादी ढांचा, निरंतर अनुरोध, पूरे एआई पाइपलाइन को बनाए रखना – यह सब धीरे-धीरे एक महत्वपूर्ण परिचालन व्यय बन रहा है। यही कारण है कि मुझे लगता है कि कंपनियां जल्द ही एआई-सहायता प्राप्त विकास की वास्तविक लागत पर अधिक बारीकी से देखना शुरू करेंगी और एक बहुत ही व्यावहारिक प्रश्न पूछेंगी: क्या वास्तव में अधिक कुशल है – एक इंजीनियरिंग टीम का विस्तार करना या विकास के आसपास मौजूद पूरे एआई बुनियादी ढांचे को बनाए रखना?

एक बहुत ही यथार्थवादी परिदृश्य यह है कि मजबूत इंजीनियरिंग टीमें अंततः दीर्घकालिक रूप से आर्थिक रूप से अधिक टिकाऊ साबित हो सकती हैं, खासकर जब उत्पादों को बनाए रखने, विकसित करने और समर्थन करने की बात आती है।

हालांकि, मुझे लगता है कि यह वास्तव में वह जगह है जहां एक नए प्रकार की इंजीनियरिंग टीम उभर सकती है: बहुत अनुभवी विशेषज्ञों के बहुत छोटे समूह, जो स्वयं बुनियादी ढांचे की स्थिरता और लचीलेपन को बनाए रखने पर केंद्रित हैं। समय के साथ, यह उद्योग में सबसे मूल्यवान इंजीनियरिंग विशेषज्ञता में से एक बन सकता है।

  • एआई के साथ काम करने वाले लोग

और अंतिम धारणा – हालांकि बहुत यथार्थवादी – यह है कि अगली पीढ़ी के इंजीनियरों को शायद एक पूरी तरह से अलग वातावरण में अपना करियर बनाना होगा। और यह केवल प्रोग्रामिंग से परे है। इसी तरह के बदलाव कानून, वित्त, चिकित्सा और लगभग हर उस क्षेत्र को नया रूप देने लगे हैं, जहां एआई नियमित बौद्धिक काम का एक बड़ा हिस्सा संभाल सकता है।

इसके बावजूद, मैं जो हो रहा है उसे काफी सकारात्मक रूप से देखता हूं। शायद इसलिए कि मुझे प्रगति पसंद है। मुझे लगता है कि प्रौद्योगिकी लोगों के जीवन को बेहतर बना सकती है, मानवों को बड़ी मात्रा में दोहराए जाने वाले काम से मुक्त कर सकती है, और कई प्रक्रियाओं को सुरक्षित और अधिक कुशल बना सकती है।

उदाहरण के लिए, स्वायत्त ड्राइविंग सिस्टम जैसे टेस्ला या वेमो के सिस्टम ने कई परिदृश्यों में मानव चालकों की तुलना में आश्चर्यजनक रूप से उच्च स्तर की सुरक्षा का प्रदर्शन किया है। और यह वास्तव में प्रभावशाली है।

उसी समय, दुनिया जिसमें हमारे बच्चे प्रवेश कर रहे हैं वह पेशेवर पहचान के मामले में बहुत जटिल होगी। उन्हें अपनी जगह और उद्देश्य की तलाश करनी होगी एक तेजी से बदलते परिदृश्य में।

यदि आज एक बच्चा एक वकील, वित्तीय विश्लेषक, या प्रोग्रामर बनना चाहता है, तो इसकी काफी संभावना है कि ये पेशे भविष्य में पूरी तरह से अलग दिखेंगे। शायद वे वास्तव में कानूनी एआई, वित्तीय एआई, या कोडिंग एआई के साथ काम करने वाले विशेषज्ञ बन जाएंगे – लोग जो एआई सिस्टम संचालित करते हैं, आउटपुट को मान्य करते हैं, संदर्भ प्रदान करते हैं, और मुख्य निर्णय लेते हैं।

मुझे लगता है कि यह महत्वपूर्ण है कि लगभग हर एक परिदृश्य पहले से ही आज वास्तविक लगता है। और चाहे हम इसे पसंद करें या नहीं, जो कुछ भी अभी हो रहा है वह तकनीकी प्रगति की कहीं अधिक बड़ी लहर का हिस्सा है। यह बहुत असंभव है कि इस प्रक्रिया को रोका जा सकता है। जिसका अर्थ है कि हमें सीखना होगा कि इस नए विश्व में कैसे रहना है – धीरे-धीरे उसके साथ संतुलन बनाना, संवाद करना और शायद सह-अस्तित्व का एक नया रूप विकसित करना सीखना है।

Michael Abramov Scryon के संस्थापक और सीईओ हैं। वे एंटरप्राइज़-ग्रेड लेबलिंग टूल्स बनाने में सॉफ़्टवेयर इंजीनियरिंग और कंप्यूटर विज़न AI सिस्टम्स का 15 वर्षों से अधिक का अनुभव लाते हैं।

Michael ने अपना करियर एक सॉफ़्टवेयर इंजीनियर और R&D प्रबंधक के रूप में शुरू किया, स्केलेबल डेटा सिस्टम्स बनाते हुए और क्रॉस-फ़ंक्शनल इंजीनियरिंग टीमों का प्रबंधन करते हुए। 2025 तक, उन्होंने Keymakr के CEO के रूप में सेवा दी, जो एक डेटा लेबलिंग सेवा कंपनी है, जहाँ उन्होंने मानव-इन-द-लूप वर्कफ़्लो, उन्नत QA सिस्टम्स, और बड़े पैमाने पर कंप्यूटर विज़न और ऑटोनॉमी डेटा आवश्यकताओं को समर्थन देने के लिए कस्टम टूलिंग विकसित की।

उनके पास कंप्यूटर साइंस में B.Sc. है और इंजीनियरिंग व रचनात्मक कला में पृष्ठभूमि है, जो कठिन समस्याओं को हल करने के लिए बहु‑विषयक दृष्टिकोण लाता है। Michael तकनीकी नवाचार, रणनीतिक उत्पाद नेतृत्व, और वास्तविक दुनिया के प्रभाव के संगम पर रहते हैं, और स्वायत्त सिस्टम और बुद्धिमान स्वचालन की अगली सीमा को आगे बढ़ा रहे हैं।