100% AI mandate के एक साल बाद भी कोई हमारे कोड को नहीं समझता
एक Reddit post, जिसमें दावा किया गया है कि एक कंपनी ने 100% AI-generated code का mandate दिया, इस पर बहस छेड़ती है कि क्या आक्रामक LLM adoption maintainability को नष्ट कर रहा है, developers के skills को कमज़ोर कर रहा है, और codebases को opaque “AI slop” में बदल रहा है। Commenters short-term speed और long-term technical debt के बीच trade-off पर विचार करते हैं, यह बहस करते हुए कि agents के साथ “all in” जाना कब (या क्या कभी) समझदारी है, और क्या management उत्पाद गुणवत्ता या employee growth से ज़्यादा FOMO और metrics से प्रेरित है। कुछ लोग ऐसी viral horror stories की authenticity पर भी सवाल उठाते हैं, AI-generated anti-AI content और unreliable detection tools के बढ़ने का हवाला देते हुए, जबकि दूसरे ज़ोर देते हैं कि मूल समस्याएँ—समझ का खोना, कमजोर design, और misaligned incentives—वाकई मौजूद हैं।
AI अपनाने का समय और रणनीति
- कई लोगों का तर्क है कि एक साल पहले AI पर “सब कुछ दांव पर” लगाना जोखिम भरा था, क्योंकि मॉडलों की तेज़ी से कीमत गिर रही थी: वही खर्च बाद में कहीं अधिक क्षमता खरीदता है।
- दूसरे जवाब देते हैं कि हमेशा इंतज़ार करते रहना भी तर्कसंगत नहीं है: बाज़ार में आने का समय, प्रतिस्पर्धी दबाव, और करके सीखना—all महत्वपूर्ण हैं।
- कुछ लोग सुझाव देते हैं कि पहले दूसरों को “Leeroy Jenkins” बनने दें, फिर सर्वोत्तम प्रथाएँ कॉपी करें; अन्य कहते हैं कि आप कभी नहीं जान सकते कि परिपक्वता कब आ गई है, और देर से अपनाने वाले भी पुरानी गलतियाँ दोहराएँगे।
- Moore’s law से तुलना की जाती है: आज के ज़्यादातर सॉफ़्टवेयर उपयोगों के लिए, सस्ते टोकनों का इंतज़ार करने से बेहतर है कि अभी शुरू किया जाए।
कोड की गुणवत्ता, समझ, और टेक-डेट
- एक मज़बूत थीम: AI आउटपुट और टेक-डेट को तेज़ करता है। संगठन विशाल, असंगत कोडबेस जमा कर लेते हैं, जिनकी आर्किटेक्चर को कोई नहीं समझता।
- कई लोग “vibe-coded” AI-जनित सिस्टम्स की रिपोर्ट करते हैं: बड़े, गंदे PRs, फीचर री-राइट्स, डुप्लिकेशन, और ऐसी नाज़ुकता जहाँ कोड को डिबग या बदलने के लिए व्यावहारिक रूप से सिर्फ एक LLM ही सक्षम है।
- अन्य लोग नोट करते हैं कि “पूरे कोडबेस को कोई नहीं समझता” बड़ी प्रणालियों में AI से पहले भी आम था; AI बस एक मौजूदा समस्या को स्केल करता है।
डेवलपर अनुभव, कौशल, और प्रोत्साहन
- कई टिप्पणियाँ बताती हैं कि AI mandates प्रोग्रामिंग को आनंदहीन बना रहे हैं: prompting, इंतज़ार, और समीक्षा में लंबे दिन, बजाय सीखने या डिज़ाइन करने के।
- चिंता है कि AI पर निर्भरता व्यक्तिगत कौशल, संज्ञानात्मक जुड़ाव, और करियर-भेद को कमज़ोर करती है। इंजीनियरों को कंपनी मेट्रिक्स (PR count, feature velocity) को optimize करने के लिए इस्तेमाल किया जा रहा है, craftsmanship की कीमत पर।
- कुछ लोग कहते हैं कि व्यक्ति फिर भी खाली हुए समय का उपयोग समझ गहरी करने में कर सकते हैं और AI को “boring” हिस्से संभालने दे सकते हैं; दूसरे जवाब देते हैं कि management metrics और mandates इसे अव्यावहारिक बनाते हैं।
AI का कैसे उपयोग होना चाहिए
- कई लोग LLMs को analysis, refactoring, documentation, और छोटे कामों के लिए assistants के रूप में इस्तेमाल करने की वकालत करते हैं, न कि ऐसे autonomous agents के रूप में जो पूरे codebases के मालिक बनें।
- सुझावों में literate programming और agents का उपयोग करके उच्च-गुणवत्ता वाली documentation बनवाना, फिर iterative refactoring करना शामिल है।
प्रामाणिकता और “AI-Generated” विमर्श
- एक बड़ा subthread इस पर बहस करता है कि क्या मूल Reddit post itself AI-generated था, और इसमें एक AI-detection tool तथा stylistic “tells” का हवाला दिया जाता है।
- दूसरे detector reliability पर सवाल उठाते हैं और चिंता जताते हैं कि नापसंद सामग्री को “AI” कह देना एक आलसी dismissive tactic बन जाता है।
- व्यापक बेचैनी AI-written engagement bait, “dead internet” वाले एहसास, और मनुष्यों के LLM-like writing styles अपनाने को लेकर उभरती है।