2026 में इंटरनेट का बार-बार बंद होना जारी रहेगा और AI इसका एक कारण है

यदि 2025 को ऐसा वर्ष महसूस हुआ जब इंटरनेट बार-बार बंद होता रहा, तो 2026 भी कुछ ऐसा ही दिख रहा है। आउटेज, घटनाएं और प्रोडक्शन फेलियर अब इंजीनियरिंग टीमों को चौंकाने वाली दुर्लभ घटनाएं नहीं रह गई हैं। वे आधुनिक सॉफ्टवेयर डेवलपमेंट की एक स्थिर पृष्ठभूमि स्थिति बनती जा रही हैं।

IsDown.app जैसे आउटेज ट्रैकर्स से डेटा दिखाता है कि 2022 के बाद से घटनाएं साल-दर-साल बढ़ रही हैं, बिना किसी सार्थक उलटफेर के, और स्वतंत्र सर्वेक्षण भी इसकी पुष्टि करते हैं। 1,000 से अधिक CIOs, CISOs और नेटवर्क इंजीनियरों के एक वैश्विक सर्वेक्षण में पाया गया कि 84% संगठनों ने आउटेज में वृद्धि की सूचना दी, जिनमें से आधे से अधिक ने केवल दो वर्षों में 10–24% की वृद्धि देखी।

ThousandEyes ने समान अस्थिरता देखी, तेज माह-दर-माह उतार-चढ़ाव के साथ जो अलग-थलग विफलताओं के बजाय निरंतर ऊपर की ओर दबाव की ओर इशारा करते हैं। असहज निष्कर्ष यह है कि हमारे दैनिक उपयोग के सिस्टम, क्लाउड इन्फ्रास्ट्रक्चर, ऑब्जर्वेबिलिटी और ऑटोमेशन में वर्षों के निवेश के बावजूद, अधिक लचीले होने के बजाय अधिक नाजुक होते जा रहे हैं।

जब प्रमुख प्लेटफॉर्म डाउन होते हैं, तो प्रभाव क्षेत्र तत्काल होता है। भुगतान विफल हो जाते हैं, उपभोक्ता ऐप जम जाते हैं, आंतरिक टूल ठप हो जाते हैं, और पूरी आपूर्ति श्रृंखला इसका प्रभाव महसूस करती है, जिसमें आर्थिक नुकसान का अनुमान अरबों में पहुंच जाता है। उदाहरण के लिए, ई-कॉमर्स में अग्रणी Amazon, घटनाओं में वृद्धि—जिसमें इस महीने इसकी वेबसाइट और शॉपिंग ऐप का लगभग छह घंटे का आउटेज शामिल है—का श्रेय जेनरेटिव AI द्वारा सहायता प्राप्त परिवर्तनों को देता है। इसने कंपनी को हाल के आउटेज में उछाल की गहन समीक्षा के लिए इंजीनियरिंग बैठकें शेड्यूल करने के लिए प्रेरित किया है।

हर बड़े आउटेज के बाद, रिडंडेंसी, मल्टी-क्लाउड रणनीतियों और वेंडर कंसन्ट्रेशन रिस्क को लेकर वही बातचीत दोहराई जाती है। वे चर्चाएं महत्वपूर्ण हैं, लेकिन वे बड़ी तस्वीर को नहीं देख पातीं।

यदि इन्फ्रास्ट्रक्चर प्रदाता अपने काम में खराब नहीं हो रहे हैं और टूलिंग परिपक्व होती जा रही है, तो घटनाएं अभी भी कैसे बढ़ रही हैं?

AI ने सॉफ्टवेयर शिपिंग का तरीका बदल दिया

आउटेज में इस वृद्धि के साथ-साथ होने वाला सबसे बड़ा बदलाव AI-सहायता प्राप्त सॉफ्टवेयर डेवलपमेंट का प्रसार है। AI कोडिंग टूल अब प्रायोगिक नहीं हैं। वे दैनिक वर्कफ़्लो में एम्बेडेड हैं, चाहे वह IDEs में हो या CLI में, जिससे AI के साथ कोड जनरेट करना पहले से कहीं अधिक आसान हो गया है।

पूरे उद्योग में, प्रति डेवलपर पुल रिक्वेस्ट्स में भौतिक रूप से वृद्धि हुई है, कुछ विश्लेषणों के अनुसार AI द्वारा आउटपुट में तेजी आने के कारण लगभग 20% की साल-दर-साल छलांग देखी गई है। साथ ही, प्रति पुल रिक्वेस्ट घटनाएं और भी तेजी से बढ़ी हैं, 23% से अधिक की वृद्धि हुई है।

यह सहसंबंध कारणता का प्रमाण नहीं है, लेकिन इसे नज़रअंदाज करना मुश्किल है। AI न केवल कोड लिखना तेज करता है, बल्कि जोखिम के स्वरूप को बदल देता है। अब तक, अधिकांश टीमों ने AI-सहायता प्राप्त कोड में बग्स की एक स्थिर धारा का सामना किया है, जिन्हें अनुभवी इंजीनियरों को विश्वास है कि वे स्वयं नहीं डालते।

ये नाटकीय सिंटैक्स एरर या स्पष्ट रूप से टूटे हुए बदलाव नहीं हैं। ये सूक्ष्म तर्क संबंधी गलतियां, गलत कॉन्फ़िगरेशन, गार्डरेल की कमी और एज-केस फेलियर हैं जो पहली नज़र में उचित लगते हैं।

AI-जनरेटेड कोड अक्सर साफ-सुथरा कंपाइल होता है, बेसिक टेस्ट पास करता है, और संभावित रूप से सही पढ़ता है। समस्या यह नहीं है कि AI नए प्रकार के बग्स का आविष्कार करता है। समस्या यह है कि यह परिचित बग्स को अधिक बार और उस पैमाने पर पैदा करता है जो मौजूदा रिव्यू और QA प्रक्रियाओं को अभिभूत कर देता है।

डेटा क्या दिखाता है जब AI अधिक कोड लिखता है

हमने हाल ही में इस अंतर्ज्ञान के पीछे संख्याएं रखने में मदद के लिए सैकड़ों ओपन-सोर्स पुल रिक्वेस्ट का विश्लेषण किया, हमारी State of AI vs. Human Code Generation Report में। जब AI द्वारा सह-लिखित बदलावों की तुलना केवल मानव द्वारा किए गए पुल रिक्वेस्ट से की गई और आकार के लिए सामान्यीकृत किया गया, तो AI-सहायता प्राप्त PRs में कुल मिलाकर लगभग 1.7 गुना अधिक समस्याएं थीं।

अधिक चिंताजनक बात यह है कि उन्होंने 1.4–1.7 गुना अधिक गंभीर और प्रमुख समस्याएं भी दिखाईं। तर्क और शुद्धता संबंधी समस्याएं, जिनमें दोषपूर्ण कंट्रोल फ्लो, गलत डिपेंडेंसी उपयोग और कॉन्फ़िगरेशन एरर शामिल हैं, लगभग 75% अधिक सामान्य थीं। एरर-हैंडलिंग गैप्स जैसे कि गुम नल चेक, अपूर्ण एक्सेप्शन पाथ और अनुपस्थित गार्डरेल लगभग दोगुनी बार दिखाई दिए।

सुरक्षा संबंधी मुद्दे भी बढ़ गए थे, कुछ श्रेणियों में दरें 2.7 गुना तक अधिक थीं, विशेष रूप से क्रेडेंशियल हैंडलिंग और असुरक्षित ऑब्जेक्ट रेफरेंस के आसपास। कनकरेंसी और डिपेंडेंसी शुद्धता संबंधी मुद्दे भी लगभग 2 गुना बढ़ गए।

मनुष्य भी यही गलतियां करते हैं, लेकिन जब AI शामिल होता है, तो ये दोष अधिक बार, बड़े कोडबेस में और उस गति से होते हैं जो पारंपरिक कोड रिव्यू से आगे निकल जाती है। ये ठीक वैसे ही दोष हैं जो त्वरित समीक्षा से छूटने की संभावना रखते हैं और बाद में प्रोडक्शन वातावरण में सुरक्षा घटनाओं या आउटेज के रूप में प्रकट होते हैं।

क्या तय करता है कि 2026 अलग दिखेगा

सुरक्षा के दृष्टिकोण से, इस प्रवृत्ति को नज़रअंदाज करना मुश्किल है। तर्क दोष, असुरक्षित डिफ़ॉल्ट और कॉन्फ़िगरेशन त्रुटियां हमले की सतह का विस्तार करती हैं, भले ही कोई एकल भेद्यता अलग से विनाशकारी न दिखे। एरर-हैंडलिंग गैप्स और डिपेंडेंसी गलतियां विफलताओं के सुरक्षित रूप से कम होने के बजाय कैस्केड होने की संभावना बढ़ाती हैं।

मजबूत आइसोलेशन, कम से कम विशेषाधिकार निष्पादन, अल्पकालिक क्रेडेंशियल और एन्क्रिप्शन कुछ गलत होने पर प्रभाव क्षेत्र को सीमित कर सकते हैं, लेकिन वे डेवलपमेंट लाइफसाइकल में पहले पेश किए गए दोषों की भरपाई नहीं कर सकते। सुरक्षा और विश्वसनीयता अब केवल इन्फ्रास्ट्रक्चर की चिंता नहीं रह गई हैं, बल्कि सॉफ्टवेयर कैसे बनाया, समीक्षित और परीक्षण किया जाता है, इसके प्रत्यक्ष परिणाम हैं।

2026 में इंटरनेट का बंद होना जारी रहेगा यदि यह असंतुलन बना रहता है। यह AI के विरुद्ध तर्क नहीं है, क्योंकि AI पहले से ही यहां है और यह जाने वाला नहीं है। वे टीमें सबसे अच्छा प्रदर्शन करेंगी जो AI से परहेज नहीं करतीं, बल्कि वे हैं जो इसके अनुरूप अपने गार्डरेल को ढालती हैं।

इसका मतलब है कि उच्च आउटपुट के लिए रिव्यू और QA टीमों को उचित रूप से संसाधन देना, डेवलपमेंट लूप में परीक्षण और सत्यापन को पहले शिफ्ट करना, स्पष्ट रूप से यह तय करना कि कौन से AI-जनरेटेड मुद्दे गहन जांच के योग्य हैं, और डिफ़ॉल्ट रूप से विश्वसनीय आउटपुट के बजाय AI-सहायता प्राप्त कोड को उच्च-विचरण इनपुट के रूप में मानना।

सबक सरल है: आप जवाबदेही से बचने के लिए स्वचालन का रास्ता नहीं अपना सकते। जैसे-जैसे AI अधिक कोड लिखेगा, टीमों को कम नहीं, बल्कि अधिक कोड की समीक्षा करने के लिए समय, टूल और कर्मचारियों की आवश्यकता होगी। AI नवाचार का अगला चरण इससे परिभाषित नहीं होगा कि कोड कितनी तेजी से जनरेट होता है, बल्कि इससे कि इसे कितने विश्व