AI से पहले, ज़्यादा कुछ नहीं।
आज, AI के साथ एक अच्छा इंजीनियर तेज़ी से एक साइबॉर्ग इंजीनियर जैसा दिखने लगा है: वही मानवीय निर्णय, अनुभव और जवाबदेही, लेकिन ऐसे उपकरणों से सुसज्जित जो कोड लिख सकते हैं, सिस्टम का विश्लेषण कर सकते हैं, दस्तावेज़ीकरण खोज सकते हैं, कॉन्फ़िगरेशन की समीक्षा कर सकते हैं और उस गति से विचारों का परीक्षण कर सकते हैं जो पहले संभव नहीं थी।
AI एक इंजीनियर को अधिक शक्ति देता है।
तो स्वाभाविक रूप से, कुछ कंपनियाँ इसे देखकर सोचती हैं:
"बढ़िया। शायद हम इंजीनियर को हटा सकते हैं।"
और उन्हें किससे बदलें, बिल्कुल? एक AI एजेंट? एजेंटों का एक संग्रह? अंततः एक रोबोट?
मुझे नहीं लगता कि यह अच्छा खत्म होगा।
इंजीनियर समझता है कि सिस्टम क्यों मौजूद है, क्या टूट सकता है, व्यवसाय को वास्तव में क्या चाहिए, और — महत्वपूर्ण रूप से — जब AI आत्मविश्वास से बकवास पैदा कर रहा हो तब कैसे पहचानें। वह आखिरी बिंदु एक काल्पनिक परिदृश्य नहीं है। यह बड़े भाषा मॉडल के साथ काम करने की रोज़मर्रा की वास्तविकता है। लूप में ऐसे मानव के बिना जो संभावित-सुनने वाले भ्रम को पहचान सके, सिस्टम अंततः उसे प्रोडक्शन में भेज देगा।
AI इंजीनियरिंग की ज़िम्मेदारी को समाप्त नहीं करता। यह एक सक्षम इंजीनियर को नाटकीय रूप से अधिक उत्पादक बनाता है।
� concretely इसका मतलब है:
- इंजीनियर का स्वामित्व अभी भी डिज़ाइन पर है।
- इंजीनियर का स्वामित्व अभी भी विस्फोट-त्रिज्या पर है।
- जब मॉडल गलत हो तो फ़ैसले का स्वामित्व अभी भी इंजीनियर का है।
जो बदलता है वह है ध्यान की यूनिट इकोनॉमिक्स। बॉयलरप्लेट, लुकअप और पहले-ड्राफ्ट का काम — वह प्रकार जो आधा स्प्रिंट खा जाता था — अब आउटसोर्स किया जा सकता है। जो मानवीय समय बचता है वह उन हिस्सों पर खर्च होता है जो केवल मानव ही कर सकता है: समस्या को ढाँचा देना, ट्रेड-ऑफ़ का आकलन करना, और यह तय करना कि इस कोडबेस, इस टीम, इस ग्राहक के लिए "सही" का वास्तव में क्या अर्थ है।
इस बातचीत का एक और हिस्सा है जिसे पर्याप्त ध्यान नहीं मिलता: लागत।
अभी, AI अविश्वसनीय रूप से सस्ता लग सकता है। सब्सक्रिप्शन। सब्सिडी वाली योजनाएँ। बंडल किए गए टोकन। प्रदाताओं के बीच तीव्र प्रतिस्पर्धा। "सभी के लिए AI" का स्टिकर मूल्य एक वरिष्ठ इंजीनियर के वेतन की तुलना में गोलाई की त्रुटि जैसा दिखता है।
लेकिन अंतर्निहित उपयोग को देखें। यदि आप गंभीर एजेंटिक वर्कफ़्लो चलाते हैं और Langfuse जैसे ऑब्ज़र्वेबिलिटी उपकरणों के माध्यम से समकक्ष API उपभोग का पता लगाते हैं, तो मॉडल उपयोग में प्रति दिन सैकड़ों डॉलर देखना कठिन नहीं है। मैंने व्यक्तिगत रूप से वर्कलोड को $300–$400/दिन की सीमा में चलते देखा है जब एक एजेंट वास्तविक काम कर रहा हो — रिपॉज़िटरी पढ़ना, टूल कॉल करना, विफलताओं पर पुनरावृत्ति करना, संदर्भ को फिर से पढ़ना।
यह कोई टंकण त्रुटि नहीं है। यह एक इंजीनियर एक AI के साथ महीने में चार अंकों का टोकन व्यय उत्पन्न कर रहा है।
किसी बिंदु पर, कोई उस बिल का भुगतान करता है। और यदि "कौन भुगतान करता है?" का उत्तर "मॉडल प्रदाता का निवेशक" है, तो वरिष्ठ इंजीनियरों को बदलने को उचित ठहराने वाला गणित उस मूल्य पर बना है जो टिकाऊ नहीं रहेगा।
मेरे विचार में, जीतने वाला मॉडल बातचीत से सुझाए गए से सरल है:
- अच्छा इंजीनियर + AI > अच्छा इंजीनियर अकेला।
- लेकिन: AI ≠ इंजीनियर।
साइबॉर्ग इंजीनियर बनाने के लिए AI का उपयोग करें। ऐसे इंजीनियर जिनकी सहज ज्ञान, अनुभव और जवाबदेही उन उपकरणों से बढ़ाई गई है जो किसी भी एक मानव से तेज़ी से आगे बढ़ते हैं। ऐसे इंजीनियर जो पिछले साल की तुलना में प्रति घंटे अधिक शिप, अधिक देख और अधिक सीख सकते हैं।
उन मानवों को हटाने के बहाने के रूप में AI का उपयोग न करें जो यह समझते हैं कि वे क्या बना रहे हैं। अल्पकालिक बचत वास्तविक दिखेगी। दीर्घकालिक बिल — आउटेज, सुरक्षा घटनाओं, उस सॉफ़्टवेयर में जिस पर कोई भरोसा नहीं करता — किसी न किसी द्वारा चुकाया जाएगा। यह आमतौर पर वह कार्यकारी नहीं होता जिसने स्वैप को मंजूरी दी थी।
साइबॉर्ग और इंजीनियरों में संगठनात्मक चार्ट से कहीं अधिक समानता है। वे दोनों ऐसी प्रणालियाँ हैं जहाँ अपूरणीय भाग धातु या मॉडल नहीं है — यह ऑपरेटर का निर्णय है। इसके लिए बनाएँ। इसके लिए भर्ती करें। इसे बढ़ाएँ।
इंजीनियरिंग का भविष्य कम इंजीनियर और अधिक एजेंट नहीं है। यह बेहतर उपकरणों वाले बेहतर इंजीनियर हैं।
#AI #Engineering #SoftwareEngineering #DevOps #SRE #ArtificialIntelligence #AIAgents #FutureOfWork #Technology #SoftwareDevelopment