WIP: Software Engineering Competencies in the Age of AI

कल्पना कीजिए कि सॉफ्टवेयर इंजीनियरिंग की दुनिया एक विशाल, हलचल भरे निर्माण स्थल (construction site) की तरह है। दशकों से, नए बिल्डरों (विश्वविद्यालय के छात्रों) को प्रशिक्षित करने के लिए ब्लूप्रिंट को सावधानीपूर्वक "प्रत्यायन निकायों" (accreditation bodies) नामक सख्त वास्तुकारों के एक समूह द्वारा तैयार किया गया है। ये ब्लूप्रिंट, जैसे कि SE2014 दिशानिर्देश, स्कूलों को बताते थे कि उन्हें कौन से उपकरण सिखाने हैं: ईंटें कैसे बिछानी हैं, कंक्रीट कैसे मिलाना है, और भवन संहिता (building code) का पालन कैसे करना है।

लेकिन फिर, साइट पर एक नया जादुई उपकरण दिखाई दिया: आर्टिफिशियल इंटेलिजेंस (AI)। यह एक रोबोटिक सहायक की तरह है जो तुरंत दीवारें बना सकता है या रिसाव को ठीक करने का सबसे अच्छा तरीका सुझा सकता है। समस्या क्या है? पुराने ब्लूप्रिंट को इस रोबोट को शामिल करने के लिए अपडेट नहीं किया गया है। वोंडरहार, तोहिदनेजाद और ओचोआ का शोध पत्र तर्क देता है कि यदि हम पुराने मानचित्रों का उपयोग करके बिल्डरों को प्रशिक्षित करना जारी रखते हैं, तो वे ऐसे स्नातक होंगे जो हथौड़ों के साथ निर्माण करने के लिए तैयार होंगे, जबकि उद्योग अब रोबोट-सहायता प्राप्त निर्माण पर चल रहा है।

टूलबॉक्स में गायब हिस्सा
लेखकों ने नवीनतम उद्योग रिपोर्टों और नौकरी के विज्ञापनों को देखा और एक बड़ी कमी पाई। जबकि बड़े उद्योग गाइडबुक, जिसे SWEBOK कहा जाता है, ने आखिरकार यह स्वीकार कर लिया है कि AI नौकरी का एक "मौलिक" (foundational) हिस्सा है (2014 के संस्करण से एक बहुत बड़ा बदलाव, जिसमें इसका उल्लेख नहीं था), वास्तविक स्कूल पाठ्यक्रम और दक्षता मॉडल जिसे SWECOM कहा जाता है, अभी भी अतीत में अटके हुए हैं।

यह पेपर सुझाव देता है कि विश्वविद्यालय वर्तमान में अपने स्नातकों को सही उत्तरजीविता गियर (survival gear) के बिना "AI के स्वर्ण युग" में भेज रहे हैं। यह एक नाविक को जेट विमानों के युग में बिना रडार पढ़ना सिखाए भेजने जैसा है। लेखक यह नहीं कह रहे हैं कि पुराने कौशल बेकार हैं, लेकिन वे सुझाव दे रहे हैं कि वर्तमान प्रशिक्षण अधूरा है।

दो नए सुपरपावर्स की आवश्यकता
कंपनियों द्वारा वास्तव में क्या मांगा जा रहा है, इसकी अपनी समीक्षा के आधार पर, लेखक प्रस्ताव देते हैं कि हमें सॉफ्टवेयर इंजीनियर के प्रशिक्षण मैनुअल में दो बिल्कुल नए "सुपरपावर्स" जोड़ने की आवश्यकता है। वे केवल यादृच्छिक विचार नहीं सुझा रहे हैं; वे इन्हें सीधे उन साहित्य से निकाल रहे हैं जो उद्योग की वर्तमान आवश्यकता है।

1. AI साक्षरता (The "Robot Whisperer" Skill):
   यह रोबोट बनाने के बारे में नहीं है; यह यह जानने के बारे में है कि उससे बात कैसे करनी है। पेपर सुझाव देता है कि भले ही छात्र सामान्य कोड लिख रहे हों, उन्हें प्रभावी ढंग से AI टूल जैसे कि लार्ज लैंग्वेज मॉडल्स (LLMs) का उपयोग करना आना चाहिए।

• यह कैसा दिखता है: यह "प्रॉम्ट इंजीनियरिंग" सीखने जैसा है—रोबोट से सही उत्तर पाने के लिए सही प्रश्न पूछने की कला।
• चुनौती: लेखक नोट करते हैं कि यदि आप इन उपकरणों का उपयोग बिना प्रशिक्षण के करते हैं, तो आप वास्तव में धीमे काम कर सकते हैं। आपको यह भी जानना होगा कि रोबोट के काम को "भ्रम" (hallucinations - जब रोबोट मनगढ़ंत बातें बनाता है) और पूर्वाग्रह (bias) के लिए कैसे जांचा जाए। यह एक स्मार्ट संपादक बनने के बारे में है, न कि केवल एक निष्क्रिय उपयोगकर्ता बनने के बारे में।

2. AI विकास (The "Robot Builder" Skill):
   यह उन छात्रों के लिए है जो स्वयं AI सिस्टम बनाना चाहते हैं। पेपर सुझाव देता है कि यह एक बहुत बड़ी चुनौती है। यह केवल थोड़ी गणित जानने के बारे में नहीं है; इसके लिए उपकरणों के एक पूरी तरह से नए सेट की आवश्यकता होती है।

• यह कैसा दिखता है: इसमें अव्यवस्थित डेटा को साफ करना (जैसे कार बनाने से पहले एक अस्त-व्यस्त गैरेज को व्यवस्थित करना), मॉडल को प्रशिक्षित करना समझना और उनका परीक्षण करना शामिल है।
• मोड़: लेखक बताते हैं कि AI बनाना सामान्य सॉफ्टवेयर बनाने से अलग है। आप शुरुआत में ही पूरी योजना नहीं बना सकते क्योंकि AI सीखते समय अपना मन बदल सकता है। इसके लिए एक अलग प्रकार के परीक्षण और नैतिकता पर ध्यान देने की आवश्यकता होती है जिसकी पारंपरिक सॉफ्टवेयर को हमेशा आवश्यकता नहीं होती थी।

यह पेपर क्या नहीं कह रहा है
यह जानना महत्वपूर्ण है कि यह पेपर क्या दावा नहीं कर रहा है। लेखक यह नहीं कह रहे हैं कि प्रत्येक सॉफ्टवेयर इंजीनियर को डेटा साइंटिस्ट का मास्टर होना आवश्यक है। वे यह नहीं कह रहे हैं कि सॉफ्टवेयर बनाने का पुराना तरीका मर चुका है। वे यह भी दावा नहीं कर रहे हैं कि विश्वविद्यालयों ने पहले ही इस समस्या को हल कर लिया है। वास्तव में, वे स्पष्ट रूप से कहते हैं कि यह एक "कार्य-प्रगति" (Work-In-Progress - WIP) पेपर है।

वे एक समाप्त, हल किए गए पहेली को प्रस्तुत नहीं कर रहे हैं। इसके बजाय, वे एक दर्पण पकड़े हुए हैं और कह रहे हैं, "हे, हमारे प्रशिक्षण योजना में इस छेद को देखो।" वे सुझाव देते हैं कि वर्तमान दिशानिर्देश (जैसे SE2014) पुराने हैं क्योंकि उनमें AI का उल्लेख नहीं है, और वे तर्क देते हैं कि दक्षता मॉडल (SWECOM) को इन नए कौशलों को शामिल करने के लिए अपडेट करने की आवश्यकता है।

अगले कदम
लेखक अनिवार्य रूप से कह रहे हैं, "हमने अंतर की पहचान कर ली है, और यहाँ इसे भरने के लिए कौशल की एक सुझाई गई सूची है।" वे सुझाव दे रहे हैं कि हमें इन दो नए क्षेत्रों—AI साक्षरता और AI विकास—को सॉफ्टवेयर इंजीनियर के आधिकारिक ज्ञान की सूची में जोड़ना चाहिए।

हालाँकि, वे स्वीकार करते हैं कि आगे कुछ बड़ी बाधाएं हैं। वे नोट करते हैं कि AI अविश्वसनीय रूप से तेजी से बदलता है, इसलिए पाठ्यक्रम को अद्यतित रखना एक निरंतर दौड़ होगी। उन्हें इस बात की भी चिंता है कि कुछ स्कूलों के पास ऐसे शिक्षक नहीं होंगे जो AI को पढ़ाने के लिए पर्याप्त जानते हों, और इन नए विषयों को जोड़ने से अन्य महत्वपूर्ण विषयों के लिए जगह कम हो सकती है।

इसलिए, यह पेपर कोई जादुई छड़ी नहीं है जो आज सब कुछ ठीक कर देगी। इसके बजाय, यह एक रोडमैप प्रदान करता है। यह सुझाव देता है कि आधुनिक कार्यबल में जीवित रहने के लिए, अगली पीढ़ी के सॉफ्टवेयर इंजीनियरों को निर्माण के पुराने तरीकों और AI के साथ सहयोग करने के नए तरीकों, दोनों में कुशल होने की आवश्यकता है। लेखक प्रस्तावित कर रहे हैं कि हमें नियम पुस्तिका को अपडेट करना चाहिए ताकि यह सुनिश्चित हो सके कि ये छात्र उस नौकरी के लिए तैयार हैं जो वास्तव में मौजूद है, न कि उस नौकरी के लिए जो दस साल पहले मौजूद थी।