पिछले कुछ दशकों से सरकारें और अन्य लोग लोगों को कोड सिखाने पर अरबों खर्च कर रहे हैं। माना जाता था कि बदलती दुनिया में यह उन गिनी-चुनी प्रोफेशन्स में से एक होगा जो सुरक्षित रहेंगे, लेकिन सच यह है कि कोड लिखना और उसे मैनेज करना उन कामों में से है जिनके लिए AI मॉडल सबसे ज़्यादा मुफीद हैं। पिछले कुछ सालों में टेक कंपनियों ने 1 मिलियन से ज़्यादा कर्मचारियों की छंटनी की है, और Microsoft ने पिछले हफ्ते ही 60,000 बायआउट की पेशकश की। सॉफ्टवेयर इंडस्ट्री में काम करने वाले लोगों के लिए यह डरावना और पूरी तरह भ्रमित कर देने वाला वक्त है।

करीब एक महीने पहले मैंने एक आंतरिक मेमो लिखा था, जिसमें मैंने विस्तार से बताया था कि मुकाबले में बने रहने और सुरक्षित रहने के लिए Proton को AI अपनाने का कौन-सा रास्ता अपनाना है, और एक संगठन के तौर पर अब तक हमसे क्या छूटा है, जिसे इस अपरिहार्य बदलाव को सफल बनाने के लिए सुधारना ज़रूरी है। इसमें कोई शक नहीं कि जो संगठन ज़रूरत के मुताबिक तेज़ी से बदलाव नहीं कर पाएंगे, वे आखिरकार अपनी टीमों और उन पर भरोसा करने वालों को निराश करेंगे।

इस मेमो का एक और मकसद भी था: अपने सहयोगियों को यह समझाना कि इस बदलाव में हम निष्क्रिय दर्शक नहीं हैं, कंपनी को इसे अंजाम देने के लिए उनकी प्रतिभा और विशेषज्ञता चाहिए, और यह बदलाव उन लोगों के लिए मौके लेकर आया है जिनकी इसके लिए तैयारी करने और इसमें शामिल होने में रुचि है।

यह मेमो इंजीनियरिंग का कोई विस्तृत दस्तावेज़ नहीं है। इसमें सुरक्षा, विश्वसनीयता या इंफ्रास्ट्रक्चर की बारीकियों में नहीं जाया गया है। बल्कि, यह पूरी इंडस्ट्री के लिए आगे की दिशा बताता है।

मेमो नीचे पूरा उपलब्ध है।

AI मेनिफेस्टो का PDF डाउनलोड करें(नई विंडो)


AI @ Proton, इंजीनियरिंग मेनिफेस्टो

Proton में किसी को भी हैरानी नहीं होनी चाहिए, और इंजीनियरिंग में तो बिल्कुल नहीं, कि सॉफ्टवेयर इंजीनियरिंग इस साल, बल्कि संभव है इससे पहले ही, हमेशा के लिए बदल चुकी है। LLM और उनसे जुड़े टूल्स अब कोड लिखने की काबिलियत रखते हैं, यहां तक कि कुछ दिन पहले Proton के एक सीनियर इंजीनियर ने मुझसे कहा—और मैं उनके शब्द ही दोहरा रहा हूं—”{business unit name} में अब कोई कोड नहीं लिखता।” जैसे 20वीं सदी में फोन नंबर याद करना या 19वीं सदी में घुड़सवारी करना, वैसे ही शानदार कोड खुद लिखना एक ऐसा बुनियादी हुनर है जिसका वक्त बीत चुका है।

कुल मिलाकर यह शानदार बात है। कोड लिखने का बड़ा हिस्सा समय खाने वाला और उबाऊ काम था और है, कम से कम प्रोडक्शन और बड़े पैमाने पर। डॉक्युमेंटेशन और टेस्टिंग दोनों ज़रूरी काम हैं, जिन्हें बहुत कम लोग करना पसंद करते हैं और ऐतिहासिक रूप से इन्हें अक्सर नज़रअंदाज़ किया गया है—जिसकी कीमत कमजोर संवाद, अक्षमता और भरोसे की कमी के रूप में चुकानी पड़ी है। बॉयलरप्लेट सॉफ्टवेयर इंजीनियरिंग की मशक्कत का सबसे बड़ा नमूना है, और हो सकता है कि अब किसी इंसान को इसकी चिंता कभी न करनी पड़े। मॉडल अब आर्किटेक्चर और सिस्टम डिज़ाइन पर सलाह और सुझाव दे सकते हैं, जो अक्सर अपूर्ण होते हुए भी चर्चा, फैसले लेने और सीखने में अर्थपूर्ण योगदान देते हैं।

Proton के बाहर AI क्रांति दुनिया में तूफान की तरह फैल रही है। इसमें बहुत कुछ दिखावा और ऊपरी है—ऐसे कॉस्मेटिक कैंपेन जो असल में नया करने से ज़्यादा नया दिखने के लिए हैं। लेकिन इसका बड़ा हिस्सा बहुत असली है, और वे कंपनियां—हमारे मुकाबिलों सहित—अब जो निवेश कर रही हैं, वह तय करेगा कि आगे हम किस बिज़नेस माहौल में काम करेंगे। यह ट्रेंड्स के पीछे भागने की बात नहीं है—यहां हम पीछे छूट रहे हैं, और यह मिशन की सफलता के लिए एक अस्तित्वगत खतरा है।

तो Proton में ऐसा क्यों नहीं लगता कि क्रांति आ चुकी है? अगर सब लोग पहले से ही हर वक्त LLM इस्तेमाल कर रहे हैं, तो प्रोडक्टिविटी में ज़बरदस्त बढ़ोतरी क्यों नहीं हुई? मुझे लगता है कि इसकी वजह तीन चीज़ें हैं, और अगर हमें उस नए दौर में कामयाब होना है जो आज पहले से यहां है, कहीं आने वाला नहीं—तो इन तीनों को सुधारना होगा।

पहली वजह इंजीनियरिंग कल्चर और इंजीनियर की सोच में बदलाव है। आपका काम बुनियादी तौर पर बदल चुका है। अब यह कोड लिखना नहीं है, और LLM इसलिए नहीं हैं कि आपको तेज़ी से बेहतर कोड लिखने में मदद करें। आपका काम LLM को तेज़ी से बेहतर कोड लिखने में मदद करना है। हर इंजीनियर अब टीम लीडर और मैनेजर है, और आपके डायरेक्ट रिपोर्ट्स वे मॉडल और एजेंट हैं जिन्हें आप इस्तेमाल करते हैं। उन्हें सीधे गाइड करना और गलत होने पर सुधारना निश्चित रूप से इसका हिस्सा है। लेकिन दो लोगों की ऐसी टीम जो हमेशा साथ पेयर-प्रोग्रामिंग करती हो, ज़्यादा टीम नहीं कहलाएगी; और न ही ऐसी टीम जहां टीम लीडर मीटिंग में हो तो कोई काम ही न करे। AI को कम से कम इंसानी निगरानी के साथ, अपने आप और लगातार काम करने में सक्षम होना चाहिए। आपका काम ऐसी समस्याएं पहचानना है जिन्हें LLM अपने आप हल नहीं कर सकता, और उन्हें न सिर्फ इस बार हल करने में मदद करना है, बल्कि अगली बार बेहतर ढंग से हल करने लायक बनाना है—सिर्फ आपके लिए नहीं, सबके लिए: रिपॉज़िटरी-लेवल कॉन्टेक्स्ट फाइलें, शेयर किए गए स्किल्स और प्रॉम्प्ट्स, और यह आदत कि बार-बार होने वाली विफलताएं जांच और सुधार को ट्रिगर करें। आपका काम LLM अपने आप जो कर सकता है उसकी सीमाएं बढ़ाना, जो नहीं कर सकता उसमें दखल देना, और हमेशा यह सोचना है कि मौजूदा स्थिति को बेहतर कैसे बनाया जाए।

इसका मतलब विशेषज्ञता का अंत नहीं है। LLM तेज़ है। आपकी रफ्तार कम है, लेकिन आपके पास ज़िंदगी भर का अनुभव, फैसले लेने की समझ और गहरी समझ है। और (उम्मीद है) आपके भीतर हेलुसिनेशन और खराब या नुकसान पहुंचाने वाले इनपुट से गुमराह होने की आशंका कहीं कम है, और आप खुद के, अपने टीममेट्स के और Proton के प्रति ऐसे जवाबदेह हैं जैसे कोई मॉडल कभी नहीं हो सकता। साथ मिलकर अकेले के मुकाबले कहीं ज़्यादा और कहीं तेज़ी से काम किया जा सकता है।

यह अच्छी इंजीनियरिंग प्रैक्टिसेस का भी अंत नहीं है। अच्छी तरह आर्किटेक्ट किए गए कोडबेस पर मेंटेनबिलिटी और स्पीड बेहतर रहती है। डॉक्युमेंटेशन और टेस्ट अब भी बेहद ज़रूरी हैं। इसके बावजूद, लागत और क्षमताएं बदलने के साथ बेस्ट प्रैक्टिसेस बदलने के लिए हमें खुला रहना होगा। टेस्टिंग इसका अच्छा उदाहरण है। पुरानी बेस्ट प्रैक्टिस कहती है कि जब टेस्ट लिखना और मेंटेन करना महंगा हो, तो बहुत ज़्यादा टेस्ट—खासकर शुरु-से-आखिर तक के टेस्ट—एक खराब ट्रेडऑफ हैं। अगर टेस्ट लिखना और मेंटेन करना सस्ता हो जाए, तो वह लकीर कहां खींची जाएगी, यह भी शायद बदल जाएगा।

AI क्रांति का पूरा फायदा न उठा पाने की दूसरी वजह यह है कि हम लगभग पूरी तरह फेज़ 1 पर अटके रहे हैं—मौजूदा वर्कफ़्लो के हिस्से के तौर पर काम तेज़ करने के लिए LLM का इस्तेमाल करना। लेकिन कोड लिखना सॉफ्टवेयर डेवलपमेंट लाइफसाइकिल का अकेला हिस्सा नहीं है, और जब कोई अड़चन हटती है तो क्या होता है? उसकी जगह कोई दूसरी अड़चन आ जाती है। शायद वह CI की गति और क्षमता हो। शायद वह डिज़ाइन, अप्रूवल, स्पेसिफिकेशन और कोड रिव्यू हों (हां, हमें ऐसी जगह पहुंचना है और पहुंचेंगे जहां ज़्यादातर इंसानी कोड रिव्यू खत्म हो जाएगा)। शायद वर्कफ़्लो ज़्यादा न बदले, लेकिन LLM हमें आखिरकार ऐसे ऑटोमेशन में निवेश करने की इजाजत देते हैं जो पहले लागत के हिसाब से असंभव था। अगर हम अपनी सभी प्रक्रियाओं को समग्र रूप से नहीं देखेंगे और बेरहमी से अड़चनें नहीं हटाएंगे, तो अपनी पूरी क्षमता तक नहीं पहुंच पाएंगे। अक्सर इन अड़चनों को हटाने में मौजूदा वर्कफ़्लो के कुछ हिस्सों को बेहतर बनाना ही नहीं, बल्कि उन्हें पूरी तरह नए सिरे से बनाना और उन पर फिर से सोचना भी शामिल होगा। यह फेज़ 2 है, और हमें अब वहां पहुंचना है।

तीसरी वजह सामूहिक कार्रवाई की समस्या है। कोड लिखने के लिए LLM का असरदार इस्तेमाल कोई अकेला इंजीनियर अपने स्तर पर कर सकता है। पूरी टीम, बिज़नेस यूनिट या कंपनी के लिए CI प्रक्रिया को फिर से बनाना या बेहतर करना कहीं ज़्यादा भारी काम है, और इसमें अवसर लागतें और ट्रेडऑफ शामिल होते हैं। असंभव नहीं है, और Proton में कई लोगों ने अपने दम पर कमाल के काम किए हैं, जिनमें से कुछ दूर-दूर तक फैले हैं। लेकिन पूरी कंपनी को नए औजारों और तरीकों से लैस करने के लिए जितना संगठन और संसाधन चाहिए, उतना हमने अभी तक निवेश ही नहीं किया है। पिछले पैराग्राफ में सॉफ्टवेयर डेवलपमेंट लाइफसाइकिल की जो चर्चा हुई, उसके बारे में—कई मामलों में हमें यह भी नहीं पता कि अड़चनें कहां हैं, क्योंकि इन्हें पता लगाने के लिए ज़रूरी टूल्स में हमने निवेश नहीं किया है। पहले थोड़ी सावधानी जायज़ रही होगी—इन नए टूल्स का सबसे बेहतर इस्तेमाल कैसे किया जाए, यह समझने में वक्त लगा, और हम प्रयोग को प्रोत्साहित करते रहेंगे। लेकिन अब वक्त आ गया है कि एक संगठन के तौर पर हम उस बदलाव के लिए प्रतिबद्ध हों जिसकी यह मौजूदा वक्त मांग करता है।

तो इंजीनियर के तौर पर इसका आपके लिए क्या मतलब है? आपके पास काम करने की स्वायत्तता और ज़िम्मेदारियां, दोनों बढ़ गई हैं। अब आप सिर्फ काम पूरा होने के लिए ज़िम्मेदार नहीं हैं, बल्कि यह भी आपकी ज़िम्मेदारी है कि काम कैसे हो—और इसलिए लगातार बेहतरी और ज़्यादा से ज़्यादा ऑटोमेशन के लिए भी ज़िम्मेदार हैं (और उन सुधारों को अपने सहयोगियों के साथ शेयर करना भी—Proton में सफलता एक टीम खेल है)। जिन सुधारों को अकेले लागू करना संभव न हो, उन्हें चिह्नित करके ऊपर तक पहुंचाना भी आपकी ज़िम्मेदारी है। Proton अपनी ओर से उन ज़रूरी निवेशों को व्यवस्थित करेगा और संसाधन देगा जो फेज़ 2 पार करने और AI क्रांति की पूरी क्षमता हासिल करने के लिए चाहिए।

सार यह है कि हम एक नई दुनिया में हैं। “प्रोग्रामिंग” खत्म हो चुकी है। इंजीनियरिंग नहीं, और विशेषज्ञता भी नहीं। आपकी पुरानी नौकरी जा चुकी है। एक बिल्डर के तौर पर आपकी नई नौकरी आपको पहले से कहीं ज़्यादा करने और कहीं ज़्यादा असर डालने का मौका देगी—बशर्ते आप इस अवसर को थाम लें। और Proton आपको ऐसा करने के लिए तैयार करेगा; आने वाले दिनों और हफ्तों में इन कोशिशों के बारे में और सुनने को मिलेगा। प्रयोग का दौर जारी है, लेकिन अब कार्रवाई का वक्त है। भविष्य यहां है—आइए इसे अपना बनाएं।


कवर इमेज: Bernard Leonardo
Instagram: @dranreboel
वेबसाइट: https://dranreboel.myportfolio.com/work