मैं संशयवादी बना हुआ हूँ
बड़े भाषा मॉडल्स को लेकर संशय, व्यक्तिगत उत्पादकता में उत्साही रिपोर्टों से टकरा रहा है, क्योंकि डेवलपर इस पर बहस कर रहे हैं कि क्या AI उपकरण वास्तव में सॉफ़्टवेयर गुणवत्ता में सुधार करते हैं या बस तेज़ काम करने का भ्रम पैदा करते हैं। कई टिप्पणीकार चेतावनी देते हैं कि मौजूदा लाभ मामूली और असमान दिखते हैं, कौशल-क्षय, hallucinations, code slop, और बौद्धिक श्रम को एकसमान व सस्ता बनाने के लिए AI के उपयोग पर चिंता जताते हैं; जबकि अन्य debugging, refactoring, और महत्वाकांक्षी solo projects को संभव बनाने में ठोस जीतों का हवाला देते हैं। बहस के ऊपर $1.5T की AI infrastructure में डाली गई राशि मंडरा रही है, जहाँ कुछ लोग परिवर्तनकारी “AI employees” की भविष्यवाणी करते हैं और दूसरे एक ऐसे बुलबुले से डरते हैं जो व्यापक, टिकाऊ लाभ सामने आने से पहले ही फूट सकता है.
अनुभूत उत्पादकता और कार्यप्रवाह में बदलाव
- कई डेवलपर बताते हैं कि वे खुद को काफ़ी तेज़ महसूस करते हैं: ज़्यादा कोड, तेज़ डिबगिंग, और ज़्यादा महत्वाकांक्षी प्रोजेक्ट लेने की इच्छा (जैसे पूरे ऐप को फिर से लिखना, कुछ ही हफ्तों में कई ऐप शिप करना)।
- दूसरे लोग मामूली लाभों पर ज़ोर देते हैं: शायद उपयुक्त कार्यों पर 1.5–2x, लेकिन “10x” या “1000x” जैसे दावों से बहुत दूर।
- कुछ का तर्क है कि व्यक्तिपरक उत्पादकता और संगठनात्मक या मैक्रो-स्तर पर दिखने वाले लाभों के बीच बड़ा अंतर है।
माप, प्रमाण, और आर्थिक प्रभाव
- कई टिप्पणीकार ऐसे अनुभवजन्य अध्ययनों की ओर इशारा करते हैं जो छोटे (~10%) उत्पादकता लाभ सुझाते हैं, न कि परिमाण के कई गुणा।
- दूसरे जवाब देते हैं कि प्रोग्रामर उत्पादकता को मापना कठिन है और हम अभी शुरुआती दौर में हैं; प्रभावों में देरी हो सकती है।
- कुछ कहते हैं कि उद्योग के पास बड़े पैमाने पर “दिखाने लायक लगभग कुछ नहीं” है; दूसरे AI के साथ पाए/सुधारे गए बगों के बड़े सेटों की ओर इशारा करते हैं।
सॉफ़्टवेयर गुणवत्ता और सुरक्षा
- LLMs की डिबगिंग और सुरक्षा ऑडिटिंग के लिए सराहना की जाती है: लंबे समय से मौजूद बगों और कमजोरियों को ढूँढना, विस्तृत repros और tests जनरेट करना।
- संशयवादी शुद्ध लाभ पर सवाल उठाते हैं: नए बगों का जोखिम, सतही समझ, और “vibe-coded” slop जिसे बनाए रखना मुश्किल है।
- कुछ लोग इस बात पर ज़ोर देते हैं कि बग-खोज सैद्धांतिक सुरक्षा को बेहतर बनाती है, भले ही समस्याओं का अभी शोषण न हुआ हो।
श्रम, कौशल, और औद्योगिकीकरण
- एक मजबूत चिंता यह है कि LLMs बौद्धिक श्रम को एकसमान बना देते हैं, डेवलपर्स को अधिक अदल-बदल योग्य बनाते हैं और सौदेबाज़ी की शक्ति को कमज़ोर करते हैं।
- दूसरे तर्क देते हैं कि सॉफ़्टवेयर बहुत पहले ही औद्योगीकृत हो चुका था; LLMs बस एक और उपकरण हैं।
- कई लोग कौशल के क्षय, अत्यधिक निर्भरता, और ऐसे भविष्य को लेकर चिंतित हैं जहाँ अधिकांश प्रोग्रामर बिना LLM के काम नहीं कर पाएँगे।
उपयोग के पैटर्न और सर्वोत्तम प्रथाएँ
- उत्पादक उपयोगकर्ता LLMs को जूनियर कर्मचारियों की तरह मानते हैं: वे रूटीन काम सौंपते हैं, diffs को सावधानी से समीक्षा करते हैं, बदलाव छोटे रखते हैं, और अपनी समझ सुनिश्चित करते हैं।
- खराब पैटर्न: बड़ी PRs को अंधाधुंध स्वीकार करना, AI का इस्तेमाल वास्तविक समझ से बचने के लिए करना, और codebases/docs को लंबी, शोरभरी सामग्री से भर देना।
नैतिकता, जोखिम, और निवेश बुलबुला
- कुछ लोग hallucinations को एक स्थायी सीमा के रूप में उजागर करते हैं, जो जीवन-मरण के संदर्भों में अस्वीकार्य है।
- दूसरे upstream नुकसानों पर ध्यान देते हैं: ऊर्जा/पारिस्थितिक लागत, डेटा “चोरी,” और उपयोगकर्ताओं पर मस्तिष्क-सुन्न करने वाले प्रभाव।
- $1.5T के AI निवेश पर बहस है: कुछ इसे अनिवार्य रूप से परिवर्तनकारी प्रतिफल मानते हैं; दूसरे एक boom–bust चक्र की भविष्यवाणी करते हैं, जिसमें stranded data centers और गंभीर वित्तीय fallout होगा।
नई संभावनाएँ और “विबेकोडिंग”
- कई लोग एक गुणात्मक बदलाव नोट करते हैं: लोग ऐसे ऐप या गेम शिप कर रहे हैं जिन्हें वे पहले कभी पूरा नहीं कर पाते, या चोट/संज्ञानात्मक गिरावट के बावजूद उत्पादक बने रहते हैं।
- कुछ का तर्क है कि यह “vibecoding” स्वयं एक मूल्यवान शौक और उपभोक्ता लाभ है, भले ही इसका व्यावसायिक प्रभाव कम स्पष्ट हो।