कोई भी जानबूझकर कोडिंग करना भूलने की ठान कर नहीं चलता। यह ठीक उसी तरह होता है जैसे ज़्यादातर कौशल क्षय होता है — एक बार में एक सुविधाजनक शॉर्टकट अपनाकर। पहले आप खुद रेगेक्स लिखते थे; अब आप बस बताते हैं कि आपको क्या चाहिए और मॉडल जो भी दे, उसे पेस्ट कर देते हैं। पहले आप स्टैक ट्रेस को लाइन दर लाइन खुद ट्रेस करते थे; अब आप उसे चैट विंडो में डाल देते हैं और सारांश पढ़ लेते हैं। हर एक विकल्प अपने आप में तर्कसंगत लगता है। लेकिन एक साल के AI-सहायता प्राप्त काम के बाद इन सबका जोड़ यह बनता है कि एक डेवलपर टूल ऑन होने पर तेज़ी से फीचर शिप कर सकता है, लेकिन टूल बंद होते ही थोड़ा ठिठक जाता है।
यही वह असहज उप-कथा है जो इस महीने के वाइब-कोडिंग उछाल के पीछे छिपी है — Lovable की वैल्यूएशन कथित तौर पर $13.2B के करीब पहुंच रही है, Replit और Factory दोनों अरबों डॉलर जुटा रहे हैं, और SpaceX "स्वायत्त एजेंट्स" के लिए बनाए गए Grok 4.5 के साथ फ्रंटियर कीमतों को कमतर कर रहा है। यह सब एक ही चीज़ के लिए अनुकूलित है: आपसे खुद कम कोड लिखवाना। यही असली मक़सद है, और बहुत सारे काम के लिए यह एक जायज़ सौदा भी है। लेकिन इसका मतलब यह है कि पिछले दो सालों से यह उद्योग एक अनियंत्रित प्रयोग चला रहा है — यह जांचने का कि आप कितनी मैनुअल कोडिंग क्षमता को आउटसोर्स कर सकते हैं, इससे पहले कि इसकी कोई कीमत चुकानी पड़े — और अब वह बिल विशिष्ट, जांचने-योग्य तरीकों से चुकता होना शुरू हो गया है।
यह कमी असल में कहां चुभती है
यह क्षय (atrophy) कोई अस्पष्ट चिंता नहीं है — यह तीन ठोस परिस्थितियों में सामने आता है, और खुद से ईमानदार होकर यह जानना ज़रूरी है कि आप इनमें से किनके संपर्क में हैं:
- इंटरव्यू। टेक-होम असाइनमेंट को छोड़ दें तो ज़्यादातर तकनीकी इंटरव्यू अब भी AI सहायता को सीमित या पूरी तरह प्रतिबंधित करते हैं। अगर आपकी रोज़मर्रा की दक्षता चुपचाप "मैं यह लिख सकता हूं" से खिसककर "मैं मॉडल को यह लिखने का निर्देश दे सकता हूं" बन गई है, तो व्हाइटबोर्ड या लाइव-कोडिंग राउंड में यह अंतर उसी वक्त, उस व्यक्ति के सामने उजागर हो जाएगा जो यह तय कर रहा है कि आपको नौकरी देनी है या नहीं।
- आउटेज। जब प्रोडक्शन डाउन हो, तो समाधान तक पहुंचने का सबसे तेज़ रास्ता आमतौर पर दबाव में अनजान कोड को पढ़कर सीधे उस पर तर्क करना होता है — न कि किसी ऐसे सिस्टम के बारे में एक बढ़िया प्रॉम्प्ट बनाना जिसे समझाने का आपके पास समय ही नहीं है। इंसिडेंट रिस्पॉन्स ठीक उन्हीं कौशलों का इनाम देता है (तेज़ी से कोड पढ़ना, मानसिक रूप से डिबग करना, API सतह को याद रखना) जिनका अभ्यास सबसे कम होता है जब रोज़ाना यह काम कोई मॉडल आपके लिए संभाल लेता है।
- कनेक्टिविटी नहीं, सहायक नहीं। कोई फ्लाइट, कोई ऐसा क्लाइंट साइट जहां नेटवर्क बंद हो, या मॉडल प्रोवाइडर की तरफ से कोई टूल आउटेज — इनमें से कोई भी आपको कुछ समय के लिए बिना सहायता के कोडिंग की स्थिति में वापस पहुंचा देता है। इसका मायने रखने के लिए स्थायी होना ज़रूरी नहीं है; बस इतना काफी है कि यह उस दिन हो जब आपको कुछ शिप करना ज़रूरी हो।
इनमें से कोई भी काल्पनिक किनारे का मामला नहीं है जिसे किसी प्रोडक्ट बेचने के लिए गढ़ा गया हो। ये एक कामकाजी करियर की सामान्य परिस्थितियां हैं। असली सवाल यह है कि क्या आप इस क्षय को तब तक भांप पाएंगे, जब तक इनमें से कोई एक स्थिति आपको मुश्किल में न डाल दे।
अभ्यास कराने वाले टूल्स की एंट्री
यही वह कमी है जिसे इस महीने The Register में छपी एक रिपोर्ट के अनुसार, Atrophy CLI नाम का एक नया टूल निशाना बना रहा है। इसका दावा सीधा है: कोडिंग क्षमता को "कोडिंग आती है / नहीं आती" जैसे द्विआधारी नज़रिए की बजाय शतरंज की Elo रेटिंग की तरह देखें। आप एक बेसलाइन परीक्षा से शुरुआत करते हैं जो यह तय करती है कि आप फिलहाल कहां खड़े हैं, फिर यह टूल आपको कई अलग-अलग कौशल श्रेणियों में अभ्यास कराता है — सिंटैक्स याद रखना, डिबगिंग, कोड पढ़ना, API की याददाश्त, और समस्या को छोटे हिस्सों में तोड़ना — और समय के साथ आपकी रेटिंग को ट्रैक करता है, ठीक वैसे ही जैसे कोई शतरंज इंजन यह ट्रैक करता है कि आप वाकई बेहतर हो रहे हैं या सिर्फ ऐसा महसूस कर रहे हैं। इसकी टैगलाइन में ही पूरा तर्क समाया है: "अगर AI सहायता चुपचाप आपकी बिना सहायता के कोड लिखने की क्षमता को क्षीण कर रही है, तो चार्ट आपको यह दिखा देगा — किसी इंटरव्यू, किसी आउटेज, या बिना वाईफाई वाले दिन के दिखाने से पहले ही।"
यहां ध्यान देने लायक डिज़ाइन विकल्प यह है कि एक समग्र स्कोर देने की बजाय इसे अलग-अलग श्रेणियों में बांटा गया है। वाइब कोडिंग सभी कोडिंग कौशलों को एक समान गति से क्षीण नहीं करती — आप डीकंपोज़िशन (किसी समस्या को चरणों में तोड़ना) में तेज़ बने रह सकते हैं, क्योंकि AI सहायक होने पर भी यह काम ज़्यादातर आपका ही रहता है, जबकि आपका सिंटैक्स याद रखने और बिना कोपायलट के डिबग करने वाला असली कौशल चुपचाप कमज़ोर पड़ता जाता है, क्योंकि ये ठीक वही हिस्से हैं जिन्हें आप सौंपते आए हैं। एक अकेला स्कोर इसे छुपा देगा। हर श्रेणी की अलग रेटिंग कम से कम यह बताती है कि किस खास कौशल पर दोबारा अभ्यास करना है, जो जंग खा जाने के सामान्य अहसास से कहीं ज़्यादा उपयोगी संकेत है।
एक ज़रूरी चेतावनी
स्पष्ट रूप से कहना ज़रूरी है: Atrophy CLI नया है, और मैंने ऐसा कोई स्वतंत्र डेटा नहीं देखा जो यह साबित करे कि इसकी रेटिंग वाकई इंटरव्यू या इंसिडेंट में प्रदर्शन का अनुमान लगाती है, या यह कि नियमित अभ्यास वास्तव में कौशल क्षय को उलट देता है, न कि सिर्फ आपको उन्हीं अभ्यासों में माहिर बना देता है — यह किसी भी ऐसे अभ्यास टूल के साथ असली जोखिम है जो असल काम नहीं है। इसे एक आज़माने लायक निदान (diagnostic) की तरह लें, न कि किसी सिद्ध समाधान की तरह। जो श्रेणी यह गढ़ रहा है — AI-सहायता प्राप्त कौशल क्षय को, AI-सहायता प्राप्त उत्पादकता से अलग करके मापना — वही असली उपयोगी विचार है, चाहे यह खास टूल आगे चलकर टिके या न टिके।
उत्पादकता खोए बिना इसके लिए क्या किया जाए
खुद को बचाने के लिए आपको AI-सहायता प्राप्त कोडिंग को पूरी तरह छोड़ने की ज़रूरत नहीं है; ऐसा करना एक वास्तविक उत्पादकता लाभ को छोड़ना होगा, ताकि उस जोखिम से बचा जा सके जिसे कहीं सस्ते में संभाला जा सकता है। कुछ ठोस आदतें ही ज़्यादातर काम कर देती हैं:
- समय-समय पर कोई ऐसी चीज़ खुद हल करें जिसे आप आमतौर पर मॉडल को सौंप देते हैं — कोई बग, कोई छोटा फ़ंक्शन, कोई डेटा ट्रांसफॉर्म — पूरी तरह बिना सहायता के, और खुद का समय नापें। ध्यान दें कि आप कहां अटकते हैं।
- किसी इंटरव्यू सिलसिले या ऑन-कॉल रोटेशन से पहले, जानबूझकर कुछ समय के लिए AI-रहित कोडिंग करें, ठीक वैसे ही जैसे आप किसी ऐसी परीक्षा से पहले रट्टा मारते हैं जिसकी सामग्री की महीनों से आपको ज़रूरत नहीं पड़ी।
- जब भी आप AI सहायता का इस्तेमाल करें, तो जनरेट किए गए कोड को इतनी बारीकी से पढ़ें कि उसे किसी और को समझा सकें, न कि बस पेस्ट करके आगे बढ़ जाएं — यही वह कदम है जो सबसे ज़्यादा तय करता है कि यह अनुभव आपकी समझ बनाता है या बस उसके इर्द-गिर्द से गुज़र जाता है।
- अगर Atrophy CLI जैसा कोई रेटिंग-आधारित टूल आपके लिए कारगर साबित होता है, तो इसे एक स्मोक डिटेक्टर की तरह इस्तेमाल करें, खुद में एक प्रशिक्षण व्यवस्था की तरह नहीं — इसे समय-समय पर जांचते रहें, और अगर कोई श्रेणी गिर रही हो, तो उसके लिए फ्लैशकार्ड रटने की बजाय उस क्षेत्र में असली, बिना सहायता वाला काम करें।
ईमानदार नज़रिया यह है कि AI-सहायता प्राप्त कोडिंग और बिना सहायता वाली कोडिंग क्षमता अब दो अलग-अलग कौशल हैं जिन्हें आपको साथ-साथ संभालना है, न कि एक ही कौशल जिसका कोई शॉर्टकट निकल आया हो। नियोक्ता, इंटरव्यू पैनल, और रात 3 बजे के इंसिडेंट चैनल अभी इस बात को पूरी तरह समझ नहीं पाए हैं, लेकिन वे यह ज़रूर नोटिस करेंगे कि किन उम्मीदवारों ने दोनों कौशलों को ज़िंदा रखा।