मैं AI का उपयोग कैसे करता हूँ (अक्टूबर 2026)

यह दावा कि आधुनिक AI agents ने “coding हल कर दी है” तेज़ विवाद पैदा करता है: कुछ engineers Claude और Copilot जैसे tools से बड़ी productivity gains बताते हैं, जबकि अन्य fragile architectures, subtle bugs, और end-user software quality के बिगड़ने की ओर इशारा करते हैं। कई लोग LLMs को routine coding और system design के लिए उत्कृष्ट tutor और accelerator मानते हैं, लेकिन insist करते हैं कि human judgment, architecture, और careful review अब भी अनिवार्य हैं — खासकर जब token costs बढ़ रही हों और multi-agent workflows मानसिक रूप से थका देने वाले साबित हों। यह thread AI-generated music और video पर भी जाता है, जहाँ रायें इस बात पर बँटी हुई हैं कि वे legitimate नए creative tools हैं या hollow slop जो human expression और training data quality को क्षति पहुँचाते हैं।

AI कोडिंग की स्थिति (“कोडिंग हल हो चुकी है”)

  • कुछ लोगों का तर्क है कि कई सामान्य सॉफ़्टवेयर कार्यों के लिए LLM अब एक Jira टिकट लेकर mergeable PR बना सकते हैं, जिससे मैन्युअल कोडिंग काफी हद तक अनावश्यक हो जाती है।
  • अन्य लोग “हल हो चुकी” बात का कड़ा विरोध करते हैं: domain modeling, architecture, performance, और long-term maintainability अभी भी कठिन हैं; LLMs syntax और boilerplate में मदद करते हैं, गहरे design में नहीं।
  • कई लोग नोट करते हैं कि जब project well-structured हो और स्पष्ट patterns हों, तो मॉडल शानदार काम करते हैं; messy, free-form, या complex codebases में उनका व्यवहार खराब होता है।

Agents, Workflows, और थकान

  • Multi-agent “swarms” को कुछ लोग जादुई productivity boosters मानते हैं; जबकि दूसरों के लिए वे महंगे, अस्थिर, और मानसिक रूप से थकाने वाले हैं।
  • कई concurrent agent threads को संभालना पारंपरिक coding की तुलना में overstimulating बताया गया है।
  • एक counter-view: frontier-level practitioners increasingly rely on fewer, well-aligned agents plus strong processes, not swarms.

Code Quality, Review, और Reliability

  • “Insidious” errors और अजीब implementations (जैसे एक row update करने के लिए पूरे DBs copy करना) की रिपोर्टें human review, strong tests, और clear specs की ज़रूरत को उजागर करती हैं।
  • कुछ लोग दावा करते हैं कि वे अब code शायद ही पढ़ते हैं, agents + automated reviewers + QA और rollbacks पर निर्भर रहते हैं; दूसरों के लिए यह लापरवाह है, और उनका कहना है कि generated code की review अब भी अनिवार्य है।
  • इस पर असहमति है कि क्या AI-written code पहले ही अधिकांश human developers से बेहतर है या बस low-quality “slop” तेज़ी से बनाने में बेहतर है।

Economics: Tokens, Hardware, और Jobs

  • High token spend (हज़ारों डॉलर प्रति माह) कुछ लोगों को research या rapid product work के लिए उचित लगता है, जबकि अन्य इसे local GPU rigs खरीदने की तुलना में बर्बादी मानते हैं।
  • कई लोगों के लिए AI job killer नहीं बल्कि एक strong multiplier है: अभी भी engineers चाहिए जो specify, validate, और iterate करें।
  • Programmers के “deskilling” को लेकर चिंता है, जबकि optimism भी है कि कमजोर devs एक higher baseline तक ऊपर उठ जाएंगे।

Training Data और Long-Term Quality

  • एक पक्ष को चिंता है कि जैसे-जैसे web पर AI-generated content बढ़ेगा, model training degrade हो जाएगी।
  • दूसरे लोग जवाब देते हैं कि reinforcement learning, synthetic data, और बेहतर processes performance को सुधारते रह सकते हैं।

Art, Music, और Video के लिए AI

  • तीखी बहस: कुछ लोगों को AI music और imagery soul-less और inherently non-art लगती है; दूसरों के अनुसार art human intention और response से परिभाषित होता है, और AI बस एक और tool है।
  • बहुत से लोग AI-generated code के प्रति उत्साह और AI art तथा music के प्रति असहजता या hostility के बीच स्पष्ट अंतर देखते हैं।
  • AI-assisted short films और music के उदाहरण “real” creative works के रूप में दिए जाते हैं, हालांकि कुछ दर्शकों को फिर भी उनमें uncanny, not-quite-human quality महसूस होती है।

Teacher और Research Aid के रूप में AI

  • इस बात पर मजबूत सहमति है कि LLMs complex topics (जैसे energy policy) सीखने और deep dives के लिए उत्कृष्ट हैं, खासकर जब वे अच्छे primary sources सामने लाते हैं।
  • फिर भी, भरोसा सीमित है: लोग claims verify करने और AI explanations को starting points, not authorities, की तरह लेने पर ज़ोर देते हैं।

Software Quality और “Bubble”

  • कई commenters नोट करते हैं कि modern software अधिक brittle और buggy लगती है, भले ही कहा जाए कि AI ने coding “solve” कर दी है।
  • इस पर बहस है कि क्या AI एक वास्तविक productivity revolution है या एक और tech bubble; कुछ को steady, undeniable gains दिखते हैं, जबकि अन्य को ज़्यादातर hype और soft product degradation दिखाई देती है।