हर कोई हर चीज़ के लिए AI का उपयोग नहीं कर रहा है

LLMs का अत्यधिक उपयोग और अनुपयुक्तता

• कई लोगों का कहना है कि कंपनियाँ साधारण, निश्चित (deterministic) वर्कफ़्लोज़ (सपोर्ट फ्लोज़, CI, टूलिंग, कोड रिव्यू) को धीमी, कम भरोसेमंद LLM-आधारित प्रणालियों से बदल रही हैं, अक्सर सिर्फ़ यह कहने के लिए कि वे “AI कर रहे हैं।”
• कुछ ठेकेदार कहते हैं कि वे नियमित रूप से अनावश्यक AI लागू करते हैं क्योंकि कार्यकारी ऐसा ज़ोर देते हैं, भले ही PoC यह दिखाएँ कि deterministic डिज़ाइन अधिक सस्ता, तेज़ और अधिक स्थिर होगा।
• एक बार-बार आने वाली आलोचना: AI का उपयोग उन टूल्स को बदलने के लिए किया जा रहा है जिन्हें उसे बनाने के लिए इस्तेमाल करना चाहिए (जैसे, lint rules या scripts जनरेट करना, बजाय स्वयं lint/CI बनने के)।

Deterministic Systems बनाम Agents

• एक मज़बूत पक्ष का तर्क है कि core business logic और customer-facing workflows deterministic और testable होने चाहिए; LLMs को robust CLIs/APIs के आसपास wrappers या assistants होना चाहिए।
• अन्य लोग hybrid patterns को बढ़ावा देते हैं: agents प्राकृतिक भाषा में तर्क कर सकते हैं, लेकिन उन्हें carefully designed, constrained tools के माध्यम से ही execute करना चाहिए।

कोडिंग के लिए LLMs

• कई डेवलपर्स LLMs का coding assistants के रूप में भारी उपयोग करते हैं: boilerplate, one-off scripts, refactors, explanations, debugging.
• समर्थकों का दावा है कि इससे बहुत बड़ा speedup मिलता है; आलोचकों का कहना है कि LLM-generated code brittle, insecure, overengineered होता है और समझने में कठिन होता है, जिससे review और debugging में अक्सर अधिक समय लगता है।
• कई लोग चेतावनी देते हैं कि मौलिक कौशल कमज़ोर हो रहे हैं और भविष्य के codebases प्रभावी रूप से “software archaeology” प्रोजेक्ट्स बन सकते हैं।

कार्यस्थल का दबाव और प्रबंधन की FOMO

• AI hackathons, daily-use mandates, और token usage से जुड़े bonus structures की रिपोर्टें हैं, यहाँ तक कि जहाँ 1–2% failure rate भी अस्वीकार्य है।
• इंजीनियर अक्सर देखते हैं कि प्रबंधन निवेशक कथाओं और “AI adoption” metrics के पीछे भाग रहा है, न कि मापनीय product value के पीछे।

वास्तव में AI का उपयोग कौन कर रहा है?

• थ्रेड में studies का हवाला दिया गया है: अमेरिका की working-age population के लगभग 20–30% लोग नियमित रूप से AI tools का उपयोग करते हैं; “हर कोई” तो नहीं, लेकिन नई तकनीक के लिए यह काफ़ी अधिक है।
• परिभाषाओं को लेकर बहस: explicit chatbot use बनाम passive use जो Google search, recommendation feeds, phone cameras आदि में embedded है।
• कुछ का तर्क है कि यदि आप background systems को गिनें तो “हर कोई AI का उपयोग करता है”; अन्य लोग इसे forced या incidental मानते हैं, अर्थपूर्ण adoption नहीं।

व्यक्तिगत उपयोग के मामले और गैर-उपयोग

• भारी उपयोग करने वाले लोग substantial real-world benefits बताते हैं (insurance disputes, home repair decisions, garden design, shopping, marketing)।
• अन्य लोग उपयोग को केवल programming या search replacement तक सीमित रखते हैं; कुछ LLMs से पूरी तरह बचते हैं और दबाव या हाशिये पर धकेले जाने जैसा महसूस करते हैं।

हायरिंग और करियर की चिंता

• नौकरी चाहने वाले देखते हैं कि “How do you use LLMs?” एक standard interview question बनता जा रहा है और AI-उत्साही तथा AI-संदेहवादी दोनों तरह के employers के लिए उत्तर देना कठिन पाते हैं।
• कुछ hiring managers अब agent/LLM experience की कमी को red flag मानते हैं; अन्य hype से अधिक nuanced, critical use को महत्व देते हैं।

गुणवत्ता, सुरक्षा, और सामाजिक चिंताएँ

• बार-बार आने वाले विषय: hallucinations, security holes, sloppier software, degraded customer support, और web content की “slopification।”
• चिंताएँ हैं कि कम literacy और कमजोर critical thinking misuse को बढ़ाते हैं, जबकि corporate incentives बेहतर सेवा के बजाय सस्ती support को प्राथमिकता देते हैं।

दीर्घकालिक दृष्टिकोण

• आशावादी इस चरण की तुलना early internet या compilers से करते हैं: तेज़ वृद्धि, अंततः सर्वव्यापकता, और बड़े productivity gains।
• संशयवादी ऐसे स्थायी niches देखते हैं जहाँ AI अनुपयुक्त है और चेतावनी देते हैं कि भविष्य के model improvements अपने आप वर्तमान structural problems को ठीक नहीं करेंगे।