AI Writes Faster Than Humans Can Review: A Longitudinal Study of an Enterprise 2x Mandate
एक मध्यम आकार के उद्यम के "2x" जनादेश का यह अनुदैर्ध्य अध्ययन प्रकट करता है कि जबकि एआई कोडिंग टूल्स ने अप्रैल 2026 तक प्रति-कैपिटा डेवलपर थ्रूपुट को निरंतर दोगुना करने के लिए उत्प्रेरित किया, ये लाभ जनादेश के बजाय अपनाना और संचित उपयोग द्वारा संचालित थे, जिसके परिणामस्वरूप कोड समीक्षा वर्कफ़्लो का पुनर्गठन हुआ जहाँ स्वचालित प्रक्रियाओं ने मर्ज स्थिरता से समझौता किए बिना मानव समीक्षा को पीछे छोड़ दिया।
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
एक सॉफ्टवेयर कंपनी की कल्पना करें जो एक व्यस्त रसोई (किचन) की तरह है। वर्षों से, शेफ (डेवलपर्स) अपने हाथों से भोजन (कोड) बना रहे थे। फिर, मध्य-2025 में, हेड शेफ (CTO) ने एक साहसिक वादा किया: "हम अपने नए एआई किचन असिस्टेंट्स का उपयोग करके हर महीने परोसे जाने वाले भोजन की संख्या को दोगुना करने जा रहे हैं।"
यह पेपर एक दीर्घकालिक रिपोर्ट कार्ड है कि वह वादा वास्तव में कैसे सफल रहा। यह कहानी है, जिसे सरल भागों में विभाजित किया गया है।
1. बड़ा परिणाम: उन्होंने आउटपुट को दोगुना किया, लेकिन तुरंत नहीं
कंपनी ने अपना लक्ष्य हासिल कर लिया। अप्रैल 2026 तक, एक औसत शेफ वास्तव में एआई जनादेश (mandate) से पहले की तुलना में लगभग दोगुना भोजन तैयार कर रहा था।
हालाँकि, यह किसी स्विच को पलटने जैसा नहीं था।
- "जादुई छड़ी" का मिथक: पेपर कहता है कि यह लाभ रातों-रात नहीं हुआ। यह साइकिल चलाने सीखने जैसा था जिसमें शुरुआत में ट्रेनिंग व्हील्स लगे होते हैं। शुरू में, शेफ बस नए उपकरणों के साथ तालमेल बिठा रहे थे।
- "अभ्यास ही पूर्णता लाता है" की वास्तविकता: शेफ ने जितना अधिक एआई का उपयोग किया, वे उतने ही तेज़ होते गए। सबसे बड़ा उछाल संचित उपयोग (accumulated use) से आया। एक अकेले शेफ के लिए "दोगुना आउटपुट" के स्तर तक पहुँचने में लगभग नौ महीने का भारी उपयोग लगा। जनादेश ने एक कोच की तरह काम किया जो चिल्ला रहा था, "साइकिल पर बैठो!" लेकिन गति तब आई जब शेफ ने वास्तव में पैडल मारना और समय के साथ बेहतर होना सीखा।
2. कौन तेज़ हुआ? सभी, लेकिन विशेष रूप से नया काम
- पूरी टीम: गति में यह उछाल केवल जूनियर शेफ या उस्तादों के लिए नहीं था। नए कर्मचारियों से लेकर शीर्ष बॉस तक, सभी तेज़ हो गए। दिलचस्प बात यह है कि प्रबंधकों (जो शायद ही कभी खाना बनाते थे) ने सबसे बड़ा प्रतिशत उछाल देखा क्योंकि उनके पास बिना घबराए वापस खाना बनाने का एक आसान तरीका मिल गया था।
- पुरानी बनाम नई रेसिपी: एआई ने नई रेसिपी (नए कोड) पर अद्भुत काम किया। लेकिन जब शेफ ने पुरानी, धूल भरी रेसिपी बुक्स (लेगेसी कोड) पर एआई का उपयोग करने की कोशिश की, तो इससे ज्यादा मदद नहीं मिली। एआई नए घर के पंख बनाने में तो बेहतरीन था, लेकिन पुराने ढहते हुए आधार को सुधारने में उसे संघर्ष करना पड़ा।
- "मॉडल" का रहस्य: कंपनी ने अध्ययन के दौरान अपने एआई मस्तिष्क को तीन बार अपग्रेड किया (जैसे स्मार्टफोन से सुपर-कंप्यूटर तक अपग्रेड करना)। आश्चर्यजनक रूप से, पेपर यह नहीं बता सका कि किस विशिष्ट अपग्रेड ने शेफ को तेज़ बनाया। ऐसा लगता है कि शेफ इस बात से बेहतर हो गए कि वे टूल्स का उपयोग कैसे करें, चाहे उनके हाथ में कोई भी वर्शन हो।
3. बाधा (Bottleneck): रसोई में भीड़ हो गई
यहाँ एक मोड़ है: शेफ खाना बनाने में दोगुना तेज़ हो गए, लेकिन स्वाद चखने वाले (टेस्ट-टेस्टर) (कोड रिव्यूअर्स) तेज़ नहीं हुए।
- ट्रैफिक जाम: क्योंकि शेफ इतनी तेज़ी से भोजन तैयार कर रहे थे, इसलिए स्वाद चखने के लिए इंतज़ार कर रहे भोजन की कतार बहुत बड़ी हो गई। रिव्यूअर्स अचानक अभिभूत हो गए, क्योंकि उनका वर्कलोड दोगुना हो गया था।
- रोबोट टेस्ट-टेस्टर्स: इसे ठीक करने के लिए, रसोई में रोबोट टेस्ट-टेस्टर्स (स्वचालित एआई समीक्षाएं) का उपयोग करना शुरू किया गया। जल्द ही, रोबोट इंसानी शेफ की तुलना में अधिक चेकिंग करने लगे।
- "मौन स्वीकृति": इंसानों ने कम "स्वाद चखना" और अधिक "सिर हिलाना" शुरू कर दिया। उन्होंने यह लिखना बंद कर दिया कि क्या गलत था और लाइन को चालू रखने के लिए बस "Approve" पर क्लिक करना शुरू कर दिया।
- क्या भोजन खराब हुआ? आश्चर्यजनक रूप से, नहीं। बाहर भेजे गए भोजन (मर्ज किए गए) की संख्या उच्च बनी रही, और रसोई में वापस भेजे गए भोजन (रिवर्ट किए गए) की संख्या बढ़ी नहीं। भोजन निकलते समय ठीक लग रहा था। हालाँकि, पेपर चेतावनी देता है कि हमें नहीं पता कि क्या भोजन बाद में खराब होगा (दीर्घकालिक गुणवत्ता संबंधी मुद्दे), क्योंकि रोबोट उन सूक्ष्म समस्याओं को मिस कर सकते हैं जिन्हें इंसान पकड़ लेते।
4. मुख्य सबक: यह एक प्रक्रिया परिवर्तन है, न कि केवल एक टूल
पेपर निष्कर्ष निकालता है कि कंपनी ने केवल "एक तेज़ टूल इंस्टॉल" नहीं किया। उन्होंने अनजाने में अपनी पूरी रसोई की कार्यप्रणाली (workflow) को फिर से डिज़ाइन कर दिया।
- बदलाव: काम गायब नहीं हुआ; यह बस स्थानांतरित हो गया। शेफ ने कोड लिखने में कम और एआई को निर्देशित करने में अधिक समय बिताया। रिव्यूअर्स ने आलोचना करने में कम और रोबोट को मैनेज करने में अधिक समय बिताया।
- चेतावनी: यदि आप लोगों को नए टूल्स सीखने के लिए समय दिए बिना केवल "तेज़ चलो" कहते हैं, तो आप एक "उत्पादकता दबाव विरोधाभास" (productivity pressure paradox) पैदा करते हैं जहाँ हर कोई तनाव में आ जाता है और वास्तव में कुछ भी बेहतर नहीं होता। असली जादू इसलिए हुआ क्योंकि शेफ के पास सीखने, अभ्यास करने और एआई के साथ अनुभव संचित करने का समय था।
संक्षेप में: कंपनी ने अपना आउटपुट सफलतापूर्वक दोगुना कर लिया, लेकिन वहां तक पहुँचने में उन्हें नौ महीने का अभ्यास लगा। परिणाम केवल "तेज़ कोडिंग" नहीं था; यह एक मौलिक बदलाव था जहाँ रोबोटों ने काम की जाँच करने का भारी काम संभाल लिया, और इंसान रोबोट के मैनेजर बन गए। भोजन अभी के लिए ठीक लग रहा है, लेकिन रसोई अब पहले जैसी नहीं रही।
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।