Usage, Effects and Requirements for AI Coding Assistants in the Enterprise: An Empirical Study
यह शोध पत्र एंटरप्राइज सॉफ्टवेयर इंजीनियरिंग के लिए एआई कोडिंग असिस्टेंट और कोडएलएलएम (CodeLLMs) की तैयारी, प्रभाव और आवश्यकताओं का मूल्यांकन करने हेतु 57 डेवलपर्स का सर्वेक्षण और 35 मौजूदा सर्वेक्षणों का विश्लेषण करते हुए एक अनुभवजन्य अध्ययन प्रस्तुत करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक विशाल, उच्च-दांव वाले किचन (एंटरप्राइज) में एक शेफ हैं। वर्षों से, आपको हर सब्जी खुद काटनी पड़ी है, हर मसाले को नापना पड़ा है और हर रेसिपी शून्य से लिखनी पड़ी है। फिर, एक नया किचन असिस्टेंट आता है: एक AI कोडिंग असिस्टेंट। यह एक बहुत ही स्मार्ट 'सू-शेफ' (sous-chef) की तरह है जो तुरंत रेसिपी सुझा सकता है, बिजली की गति से सब्जियां काट सकता है और आपके लिए मेनू भी लिख सकता है।
यह पेपर एक रिपोर्ट कार्ड है कि यह नया सू-शेफ वास्तव में वास्तविक दुनिया के कॉर्पोरेट किचन में कैसा काम कर रहा है। लेखकों (IBM के शोधकर्ताओं) ने केवल असिस्टेंट के काम को देखा ही नहीं; उन्होंने अलग-अलग विभागों (फाइनेंस, रिसर्च, सेल्स) के 57 असली शेफ्स (डेवलपर्स) से पूछा कि वे इसके बारे में कैसा महसूस करते हैं। उन्होंने बड़ी तस्वीर देखने के लिए दुनिया भर की 35 अन्य रिपोर्टों का भी अध्ययन किया।
उनके निष्कर्षों का विवरण यहाँ दिया गया, जिसमें सरल उपमाओं (analogies) का उपयोग किया गया है:
1. "गति बनाम गुणवत्ता" का ट्रेड-ऑफ (The "Speed vs. Quality" Trade-off)
दावा: अधिकांश शेफ्स को लगता है कि वे तेज़ हैं। लगभग 88% डेवलपर्स ने कहा कि AI ने उन्हें अधिक उत्पादक बनाया। कुछ ने कहा कि वे दोगुने तेज़ हो गए।
उपमा: यह हाथ से पेचकश (screwdriver) के बजाय एक पावर ड्रिल होने जैसा है। आप आधे समय में शेल्फ लगा सकते हैं। हालाँकि, सिर्फ इसलिए कि आप तेजी से छेद कर सकते हैं, इसका मतलब यह नहीं है कि शेल्फ बिल्कुल सीधा (level) है। पेपर नोट करता है कि जबकि गति बढ़ गई है, इस बात की चिंता है कि क्या कोड (शेल्फ) सुरक्षित है और बाद में इसे ठीक करना आसान होगा। कुछ शेफ्स इस पावर ड्रिल पर इतने आश्वस्त हैं कि वे यह जांचना भूल जाते हैं कि दीवार मजबूत है या नहीं।
2. एक आकार सभी के लिए उपयुक्त नहीं है (One Size Does Not Fit All)
दावा: पेपर में पाया गया कि विभिन्न विभाग AI का उपयोग बिल्कुल अलग-अलग कारणों से करते हैं।
उपमा:
- रिसर्चर्स (शोधकर्ता) AI का उपयोग एक लाइब्रेरी कार्ड कैटलॉग की तरह करते हैं। वे इसे अज्ञात जानकारी खोजने या नए सिद्धांतों का परीक्षण करने के लिए जटिल डेटा सेट उत्पन्न करने के लिए कहते हैं।
- सेल्स टीम इसे एक मार्केटिंग कॉपीराइटर की तरह उपयोग करती है। वे चाहते हैं कि यह "उत्पाद बेचने" में मदद करे या ग्राहकों को दिखाने के लिए सिंथेटिक डेटा तैयार करे।
- सॉफ्टवेयर इंजीनियर्स इसे एक स्पेल-चेकर और ऑटो-कंप्लीट की तरह उपयोग करते हैं। वे चाहते हैं कि यह उबाऊ, दोहराव वाला कोड लिखे ताकि वे ऐप के रचनात्मक डिजाइन पर ध्यान केंद्रित कर सकें।
- निष्कर्ष: आप सभी को एक ही टूल सेटिंग्स नहीं दे सकते। "एक ही आकार सबके लिए" वाला दृष्टिकोण काम नहीं करता; AI को विशिष्ट कार्य के अनुसार अनुकूलित करने की आवश्यकता है।
3. "विश्वास करें लेकिन जांचें" की समस्या (The "Trust but Verify" Problem)
दावा: डेवलपर्स AI द्वारा लिखे गए कोड का लगभग 25% से 50% हिस्सा ही रखते हैं। वे सब कुछ बस कॉपी-पेस्ट नहीं करते।
उपमा: AI को एक जूनियर इंटर्न के रूप में सोचें। इंटर्न रिपोर्ट का ड्राफ्ट बनाने में बहुत अच्छा है, लेकिन वह तथ्य बना सकता है या गलत लहजा अपना सकता है। सीनियर डेवलपर (इंसान) को हर शब्द को पढ़ना, त्रुटियों को ठीक करना और यह सुनिश्चित करना होता है कि वह सही लगे।
- यदि AI ऐसा कोड लिखता है जो दिखने में तो एकदम सही है लेकिन उसमें कोई छिपी हुई सुरक्षा खामी है (जैसे कि एक ताला जो दिखने में अच्छा है लेकिन वास्तव में लॉक नहीं होता), तो इंसान को उसे पकड़ना होगा।
- पेपर में पाया गया कि यदि AI बहुत अधिक गलतियाँ करता है, या यदि इंसान को AI के काम को ठीक करने में लिखने की तुलना में अधिक समय खर्च करना पड़ता है, तो यह टूल मदद के बजाय एक बोझ बन जाता है।
4. शेफ आगे क्या चाहते हैं (द विशलिस्ट - The Wishlist)
डेवलपर्स ने शोधकर्ताओं को बताया कि उन्हें अगले "सुपर सू-शेफ" से क्या चाहिए। उन्होंने इन अनुरोधों को दो श्रेणियों में विभाजित किया:
अल्पकालिक अनुरोध (कमी दूर करने वाली सूची - "Fix the Kinks"):
- बेहतर मेमोरी: AI को पूरे किचन का पता होना चाहिए, न कि केवल उस काउंटर का जिस पर वह खड़ा है। उसे पूरे कोडबेस (पूरे रेस्टोरेंट के इतिहास) को समझना चाहिए बिना भ्रमित हुए।
- निर्बाध एकीकरण (Seamless Integration): हमें विंडो बदलने के लिए मजबूर न करें। AI उसी टूल के अंदर होना चाहिए जिसका हम उपयोग कर रहे हैं, जैसे कि एक बिल्ट-इन ओवन टाइमर, न कि एक अलग ऐप जिसे हमें खोलना पड़े।
- ईमानदारी: यदि AI सुनिश्चित नहीं है, तो उसे आत्मविश्वास से गलत उत्तर देने के बजाय कहना चाहिए, "मैं इस पर 100% निश्चित नहीं हूँ।"
दीर्घकालिक अनुरोध (साइ-फाई सपना - "Sci-Fi Dream"):
- द आर्किटेक्ट (The Architect): केवल सब्जियां काटने के बजाय, AI एक अस्पष्ट विचार के आधार पर पूरे किचन के लेआउट को शून्य से डिजाइन करने में सक्षम होना चाहिए।
- स्वायत्त एजेंट (The Autonomous Agent): AI पूरी शिफ्ट चलाने में सक्षम होना चाहिए। वह बग ढूंढ सकता है, उसे ठीक कर सकता है, उसका परीक्षण कर सकता है और बिना इंसान के छुए काम सबमिट कर सकता है।
- विशेषज्ञ (The Expert): इसे इमारत के विशिष्ट नियमों (अनुपालन, सुरक्षा कानून) का ज्ञान होना चाहिए ताकि यह खाना बनाते समय गलती से कानून न तोड़ दे।
5. "होमवर्क" का अंतर (The "Homework" Gap)
दावा: अधिकांश मौजूदा अध्ययन केवल छात्रों या बहुत विशिष्ट कार्यों पर केंद्रित थे। इस अध्ययन ने बड़ी कंपनियों के वास्तविक, अनुभवी पेशेवरों को देखा।
उपमा: पिछले अध्ययन एक शांत, खाली रेसट्रैक पर टेस्ट ड्राइवर्स के साथ एक नई कार का परीक्षण करने जैसे थे। इस अध्ययन ने उस कार को रश-ऑवर ट्रैफिक में चलाया जिसमें वास्तविक यात्री थे। उन्होंने पाया कि हालांकि कार तेज़ है, लेकिन ट्रैफिक (जटिल एंटरप्राइज नियम, सुरक्षा, विभिन्न भाषाएं) इसे रेसट्रैक परीक्षणों की तुलना में उपयोग करना कठिन बनाता है।
सारांश
पेपर निष्कर्ष निकालता है कि AI कोडिंग असिस्टेंट एक शक्तिशाली उत्पादकता बूस्टर हैं, लेकिन वे जादू नहीं हैं। वे एक बहुत ही तेज़, बहुत जानकार, लेकिन कभी-कभी भ्रमित (hallucinating) होने वाले जूनियर पार्टनर की तरह हैं।
- अच्छा: वे उबाऊ कार्यों पर समय बचाते हैं और नई भाषाएँ सीखने में मदद करते हैं।
- बुरा: वे सुरक्षा संबंधी खामियां पैदा कर सकते हैं, और वे हमेशा किसी कंपनी के विशिष्ट नियमों के संदर्भ को नहीं समझते हैं।
- भविष्य: वास्तव में उपयोगी होने के लिए, उन्हें केवल "ऑटो-कंप्लीट" से ऊपर उठकर "स्वायत्त आर्किटेक्ट" बनना होगा जो पूरे प्रोजेक्ट को समझते हैं, न कि केवल उस लाइन को जिसे वे वर्तमान में टाइप कर रहे हैं।
लेखक इस बात पर जोर देते हैं कि हमें इन टूल्स को "सेट इट एंड फॉरगेट इट" (लगाओ और भूल जाओ) समाधान के रूप में देखना बंद करना चाहिए और इन्हें एक सहयोगी भागीदार के रूप में मानना शुरू करना चाहिए जिसके लिए मानवीय निरीक्षण, अनुकूलन और विश्वास निर्माण की आवश्यकता होती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।