AI कोडिंग टूल्समुळे वाढतोय टेक कंपन्यांमधील कर्मचाऱ्यांचा ताण, डेडलाईनचं वाढलं टेंशन!

Detailed Coverage

डेडलाईनचं वाढतं टेंशन आणि कामात बदल

सॉफ्टवेअर डेव्हलपमेंटमध्ये AI कोडिंग असिस्टंट्सच्या वाढत्या वापरामुळे डेव्हलपमेंट टीम्सच्या रोजच्या कामात मोठा बदल झाला आहे. सुरुवातीला हे टूल्स कोडिंग सोपं करण्यासाठी आणि एफिशियन्सी (Efficiency) वाढवण्यासाठी आणले गेले होते. मात्र, आता इंजिनिअर्सना कामाच्या ठिकाणी प्रचंड दडपण आणि अवास्तव अपेक्षांना सामोरं जावं लागत आहे.

पूर्वी एखादं काम पूर्ण करण्यासाठी नियोजन, टेस्टिंग आणि डॉक्युमेंटेशनसाठी (Documentation) जो वेळ लागायचा, तो आता खूप कमी झाला आहे. अनेक प्रोजेक्ट मॅनेजर्स (Project Managers) आणि क्लायंट्सकडून (Clients) लगेचच सॉफ्टवेअर देण्याची अपेक्षा केली जात आहे. डेव्हलपर्सच्या मते, API (Application Programming Interface) तयार करण्यासारखी कामं जी आधी काही दिवस चालायची, ती आता 24 ते 48 तासांत पूर्ण करण्याची मागणी होत आहे. यामुळे डेव्हलपर्सना घाईघाईत टेस्टिंगसारख्या महत्त्वाच्या पायऱ्या वगळाव्या लागत आहेत, ज्यामुळे नंतर डीबगिंगमध्ये (Debugging) जास्त वेळ जातो.

सिनियर डेव्हलपर्ससमोरील आव्हान

AI टूल्स बेसिक कोड (Code) तयार करू शकत असली, तरी सिनियर इंजिनिअर्सवर (Senior Engineers) देखरेखीची मोठी जबाबदारी आली आहे. त्यांना आता AI ने तयार केलेला कोड तपासण्यात आणि दुरुस्त करण्यात बराच वेळ घालवावा लागतो, कारण तो अनेकदा चुकांनी भरलेला किंवा समजायला कठीण असू शकतो. यासोबतच, मॅनेजमेंटकडून (Management) वैयक्तिक आऊटपुट (Output) वाढवण्याची अपेक्षाही वाढली आहे. काही डेव्हलपर्सनी तर असा अनुभव सांगितला आहे की, एका आठवड्यात जेवढा कोड देण्याची अपेक्षा आहे, तेवढं काम आधी एका महिन्यात व्हायचं.

टेक कंपन्यांच्या उत्पादकतेवर परिणाम

या बदललेल्या वर्कलोडमुळे (Workload) टेक कंपन्यांसाठी धोका निर्माण झाला आहे. जेव्हा अतिरिक्त संसाधने किंवा मोबदल्याशिवाय अचानक 30% आऊटपुट वाढवण्यासारखे आदेश दिले जातात, तेव्हा कर्मचाऱ्यांची कंपनी सोडण्याची (Attrition) शक्यता वाढते. AI ने तयार केलेला खराब कोड ठीक करण्यासाठी लागणारा वेळ, या टूल्समुळे वाचणाऱ्या वेळेवर पाणी फेरू शकतो. इतकंच नाही, तर कामाच्या घाईमुळे कोडबेसची (Codebase) सखोल माहिती न मिळाल्यास भविष्यात तांत्रिक समस्या (Technical Debt) निर्माण होऊ शकतात.

ज्या गुंतवणूकदारांचा टेक कंपन्यांमध्ये पैसा गुंतवला आहे, त्यांनी कर्मचाऱ्यांची ये-जा (Employee Turnover) आणि रिसर्च आणि डेव्हलपमेंट (R&D) एफिशियन्सी (Efficiency) यांसारख्या मेट्रिक्सकडे (Metrics) लक्ष ठेवावं. जर कंपन्यांनी AI-आधारित वेगावर जास्त भर दिला आणि मानवी कौशल्याचा समतोल साधला नाही, तर त्यांना भविष्यात सिस्टीम फेल्युअर (System Failures), सायबर सुरक्षा समस्या (Cybersecurity Vulnerabilities) किंवा कर्मचाऱ्यांच्या बर्नआउटमुळे (Burnout) नवीन लोकांना कामावर घेण्याचा खर्च करावा लागू शकतो.