AI के साथ सॉफ़्टवेयर विकास अब स्टेक पकाने जैसा महसूस होने लगा है
AI-सहायता से प्रोग्रामिंग को एक “steak machine” से जोड़ा गया है, जो भरोसेमंद रूप से ठीक-ठाक code बना सकता है; इससे यह सवाल उठता है कि क्या व्यवसाय विशेषज्ञ craftsmanship में निवेश करने के बजाय केवल खाने योग्य software पर ही संतोष कर लेंगे। टिप्पणीकार इस पर बहस करते हैं कि जब अधिकांश उपयोगकर्ताओं को बस काम करने वाली चीज़ चाहिए, तब गुणवत्ता वास्तव में कितनी मायने रखती है, कौन-से आर्थिक प्रोत्साहन “good enough” के सबसे निचले सामान्य स्तर की दौड़ को बढ़ाते हैं, और जैसे-जैसे models बेहतर होंगे, क्या मानवीय judgment, taste, और गहरी तकनीकी समझ फिर भी अनिवार्य रहेंगी। कई लोग prototyping और routine tasks में बड़े लाभ देखते हैं, लेकिन चेतावनी देते हैं कि opaque generated code पर अत्यधिक निर्भरता आज के buggy, bloated software को ही मजबूत कर सकती है, उसे बेहतर नहीं बना सकती।
स्टेक उपमा पर समग्र प्रतिक्रिया
- कई लोगों को यह framing पसंद आई कि AI एक “steak machine” है: यह बहुत सारा ठीक-ठाक आउटपुट बना सकता है, लेकिन judgment और taste अभी भी मायने रखते हैं।
- दूसरों का मानना है कि स्टेक एक खराब उपमा है: घर पर बेहतरीन स्टेक पकाना या तो आधुनिक उपकरण/तकनीक के साथ बहुत आसान है, या यह सबसे मुश्किल व्यंजनों में से एक भी नहीं है; इससे बात कमजोर पड़ती है।
- कुछ लोग कहते हैं कि फिर भी यह उपमा काम करती है क्योंकि “आज़माने में आसान, लेकिन लगातार सही करना मुश्किल” — यह स्टेक और सॉफ़्टवेयर, दोनों पर लागू होता है।
गुणवत्ता बनाम “काफी अच्छा” सॉफ़्टवेयर
- बार-बार उठने वाला विषय: बाज़ार अक्सर “मुश्किल से संतोषजनक” उत्पादों को ही इनाम देता है; AI सॉफ़्टवेयर गुणवत्ता में नीचे की ओर दौड़ को तेज़ कर सकता है।
- कई लोग इसे व्यापक आर्थिक प्रवृत्तियों (airlines, chips, consulting) और यहाँ तक कि सरकार से भी जोड़ते हैं: लोग जिस न्यूनतम मानक को सहन करेंगे, वही तय हो जाता है।
- दूसरों का विरोध है: उपभोक्ता, जब खर्च कर सकते हैं, तब उच्च गुणवत्ता भी चाहते हैं; कई स्तर (Ruth’s Chris बनाम Denny’s) साथ-साथ बने रहेंगे।
AI coding कैसे और कहाँ मदद करता है
- AI को prototyping, glue code, CRUD apps, और “vibe coding” के लिए एक बड़ा accelerator मानने का मज़बूत समर्थन, जहाँ correctness का दांव कम होता है।
- कई लोग ज़ोर देते हैं कि अधिकांश ग्राहक इस बात की परवाह करते हैं कि product काम करता है या नहीं, इस बात की नहीं कि code कितना elegant है।
- AI को पुराने “no-code” tools (AppleScript, VBScript, IFTTT, drag-and-drop builders) के वादों को आखिरकार पूरा करते हुए देखा जाता है।
- कुछ लोग अपनी उत्पादकता में बड़े व्यक्तिगत लाभ और prototypes या पूरे side projects जल्दी बनाने की क्षमता की रिपोर्ट करते हैं।
सीमाएँ, जोखिम, और expertise की ज़रूरत
- व्यापक सहमति: AI के साथ अच्छा software बनाने के लिए आपको फिर भी software समझना होगा—क्या माँगना है, output का मूल्यांकन कैसे करना है, और कब वह “charcoal” बन गया है।
- कई लोग LLMs की तुलना एक ऐसे “genius” से करते हैं “जो हर 10 मिनट में drunk हो जाता है”: स्थानीय कामों में अधिकांश developers से बेहतर, लेकिन long-range coherence और memory के बिना।
- code bloat, parsimony की कमी, और maintainability को लेकर चिंताएँ; AI अक्सर abstractions डिज़ाइन करने के बजाय विशेष मामलों को जोड़ता चला जाता है।
- कुछ लोग ऐसे भविष्य से डरते हैं जहाँ अधिक buggy, opaque systems होंगे, और failures diagnose करने के लिए बस विशेषज्ञों की एक पतली परत बची होगी।
आर्थिक और संगठनात्मक प्रभाव
- अपेक्षा है कि businesses developer headcount कम करेंगे क्योंकि “just edible steak” (मध्यम दर्जे का software) सस्ता है और बहुतों के लिए स्वीकार्य भी।
- कुछ लोग consulting/cleanup work में उछाल की भविष्यवाणी करते हैं, क्योंकि कंपनियों को एहसास होगा कि उन्होंने AI-generated गड़बड़ियों का ऐसा जाल बना लिया है जो maintain नहीं किया जा सकता।
- कुछ भविष्य में “software engineer” की भूमिका से हटकर “user with taste” या “director” जैसी भूमिका देखते हैं, जो code लिखने के बजाय agents को steer करेगा।
मेटा: लेख की गुणवत्ता और AI discourse की थकान
- कई लोगों को यह essay खराब लिखा हुआ या “slop” लगा; कुछ ने अंदाज़ा लगाया कि यह खुद AI-generated हो सकता है।
- लेखक द्वारा developers के बारे में सामान्यीकरण करने के लिए “we” के उपयोग पर बहस।
- कई टिप्पणीकार लगातार AI पर प्रवचन और लंबी analogy-आधारित thinkpieces से थकान व्यक्त करते हैं।
स्टेक का tangent (उपमा की stress-test)
- असली steak technique पर बड़ा sub-thread: sous-vide, reverse sear, smokers, thermometers, deep frying, grills, आदि।
- “great” steak पकाना कितना मुश्किल है, इस पर असहमति; कुछ लोग लगभग foolproof methods का दावा करते हैं, जबकि अन्य नोट करते हैं कि कई restaurants फिर भी असफल रहते हैं।
- इसका बार-बार इस्तेमाल यह तर्क देने के लिए किया जाता है कि या तो उपमा उपयुक्त है (simple लेकिन subtle) या मूल रूप से flawed है (master करना बहुत आसान)।