अमेरिकी कंपनी Microsoft के शोधकर्ताओं ने एक शोधपत्र प्रकाशित किया है, जिसमें कंपनी के हज़ारों सॉफ्टवेयर इंजीनियरों के बीच कमांड लाइन पर चलने वाले AI कोडिंग टूल के इस्तेमाल और उत्पादकता पर उनके असर का अध्ययन किया गया। इसमें Anthropic के «Claude Code» और GitHub के «Copilot CLI» शामिल थे। अध्ययन 5 जनवरी से 29 अप्रैल 2026 तक, लगभग चार महीने चला। शोधकर्ताओं के अनुसार, टूल जारी होने के पहले सप्ताह में इसका इस्तेमाल करने वाले इंजीनियरों के मर्ज किए गए पुल रिक्वेस्ट की संख्या, इसका इस्तेमाल न करने की स्थिति के मुकाबले औसतन 24% अधिक थी।
सिर्फ टूल उपलब्ध कराने से उसका चलन नहीं बढ़ता—शुरुआत «बगल की सीट» से होती है
कई कारोबारी और प्रबंधक शायद यह कल्पना करते हों कि कंपनी अगर सबके लिए AI टूल उपलब्ध करा दे, तो अगले ही दिन सभी उसका इस्तेमाल शुरू कर देंगे। लेकिन इस अध्ययन से पता चलता है कि कोई व्यक्ति इसे सबसे पहले आज़माएगा या नहीं, यह तय करने में सुविधाओं के बारे में जानकारी या घोषणाओं से ज़्यादा कार्यस्थल के मानवीय संबंध अहम होते हैं।
जब रोज़ाना कोड साझा करने वाले सहकर्मी या सीधे रिपोर्ट करने वाले बॉस टूल का इस्तेमाल करते थे, तो व्यक्ति के खुद इसका इस्तेमाल शुरू करने की संभावना भी बढ़ जाती थी। इसके आंकड़े स्पष्ट हैं। अगर उन सहकर्मियों में से एक-चौथाई से ज़्यादा ने, जिनका बॉस वही था जो उस व्यक्ति के बॉस का बॉस था, पिछले दो हफ्तों में टूल का इस्तेमाल किया था, तो इसे आज़माने के ऑड्स अधिकतम 216% बढ़ गए। सीधे बॉस के इस्तेमाल करने पर यह वृद्धि 82% थी, जबकि आम तौर पर कोड रिव्यू साझा करने वाले लोगों में से एक-चौथाई से ज़्यादा के इस्तेमाल करने पर 54%।
ऑड्स में वृद्धि और «संभावना में वृद्धि» अलग-अलग हैं
यहां «ऑड्स» शब्द पर ध्यान देना ज़रूरी है। ऑड्स किसी घटना के होने की संभावना को उसके न होने की संभावना के अनुपात के रूप में व्यक्त करते हैं। 216% वृद्धि सुनकर लग सकता है कि टूल इस्तेमाल करने वालों की संख्या तीन गुने से भी ज़्यादा हो गई, लेकिन इसका मतलब यह नहीं है कि इस्तेमाल करने वालों का अनुपात ही 216% बढ़ गया। शुरुआत में इस्तेमाल की दर कम हो तो अंतर बड़ा दिखाई दे सकता है; वास्तव में उपयोगकर्ताओं की संख्या में वृद्धि इस आंकड़े से कम होगी।
फिर भी, यह साफ़ है कि बॉस और सहकर्मियों के कदम दूसरों को आगे बढ़ने के लिए प्रेरित करते हैं। लोग नए औज़ार का इस्तेमाल अक्सर निर्देश-पुस्तिका पढ़कर नहीं, बल्कि यह सोचकर शुरू करते हैं—«अगर वह इस्तेमाल कर रहा है, तो मैं भी करूं»। मेरे विचार से, यह बात केवल विकास टीमों तक सीमित नहीं, बल्कि कई कार्यस्थलों पर लागू होती है। बॉस खुद पहल करके टूल आज़माएं और समीक्षा के दौरान उसका इस्तेमाल करके दिखाएं। हो सकता है कि इस तरह के साधारण कदम प्रशिक्षण सामग्री से ज़्यादा असरदार हों।
इस्तेमाल जारी रहेगा या नहीं, यह रोज़मर्रा के कामकाज के तरीके पर निर्भर करता है
टूल आज़माने वाले लोग बाद में भी उसका इस्तेमाल जारी रखेंगे या नहीं, यह अलग सवाल है। अध्ययन में पाया गया कि लगातार इस्तेमाल का संबंध व्यक्ति की रोज़मर्रा की कोडिंग गतिविधियों से था। शोधकर्ताओं के अनुसार, जो इंजीनियर नियमित रूप से बहुत सारा कोड लिखते और अक्सर पुल रिक्वेस्ट भेजते हैं, वे AI के लाभ को अधिक महसूस कर पाते हैं और टूल को अपने काम का हिस्सा बनाने की संभावना भी उनमें अधिक होती है।
पुल रिक्वेस्ट वह अनुरोध होता है जिसमें लिखे या बदले गए कोड को मुख्य कोडबेस में शामिल करने के लिए कहा जाता है। जो लोग अक्सर ऐसे अनुरोध भेजते हैं, उनके पास AI को सौंपने के लिए भी अधिक काम हो सकता है। यानी, जितना अधिक काम हाथ से किया जाता है, टूल का असर उतना ही आसानी से महसूस होता है।
पहले से इस्तेमाल किए जा रहे माहौल की आदत नए टूल को अपनाने में बाधा बन सकती है
दूसरी ओर, जो लोग पहले से किसी अलग डेवलपमेंट इंटरफेस में मौजूदा AI टूल इस्तेमाल कर रहे थे, उन्होंने नया टूल तो आज़माया, लेकिन उनके उसे लगातार इस्तेमाल करने की संभावना कम थी। संभव है कि कई लोगों को अपना परिचित माहौल अधिक सुविधाजनक लगता हो।
यह बात स्मार्टफोन बदलने जैसी है। सुविधाएं बेहतर होने के बावजूद, अगर ऐप्स की जगह और इस्तेमाल करने का तरीका शरीर को रच-बस जाए, तो पुराने फोन पर लौटने का मन हो सकता है। नया AI टूल लाने वालों को सिर्फ उसके प्रदर्शन पर ही नहीं, बल्कि इस पर भी विचार करना होगा कि वह उपयोगकर्ताओं के पहले से बने कामकाज के तरीकों में कैसे फिट होगा।
पुल रिक्वेस्ट की संख्या में 24% वृद्धि को कैसे समझें
उत्पादकता पर असर को पूरे किए गए काम की संख्या—यानी मर्ज किए गए पुल रिक्वेस्ट की संख्या—से मापा गया। रिपोर्ट के अनुसार, टूल जारी होने के पहले सप्ताह में इसका इस्तेमाल करने वाले इंजीनियरों ने इसका इस्तेमाल न करने की स्थिति के मुकाबले औसतन 24% अधिक पुल रिक्वेस्ट मर्ज कराए। यह असर टूल आने के तुरंत बाद के शुरुआती उत्साह तक सीमित नहीं था, बल्कि चार महीने की अध्ययन अवधि में स्थिर रहा।
हालांकि, यहां उत्पादकता का मतलब केवल एक पैमाने—पुल रिक्वेस्ट की संख्या—से है। यह आंकड़ा यह नहीं दिखाता कि कोड की गुणवत्ता, हर रिक्वेस्ट पर लगने वाला समय या टीम पर काम का बोझ भी इसी अनुपात में बेहतर हुआ। संख्या बढ़ने के तथ्य और पूरे काम के आसान हो जाने के अनुभव को अलग-अलग देखना चाहिए।
Claude Code में 11.4%, Copilot CLI में 24.9% वृद्धि
टूल के हिसाब से देखें तो टूल का इस्तेमाल न किए गए सप्ताह की तुलना में पुल रिक्वेस्ट की संख्या Claude Code के उपयोगकर्ताओं में 11.4% और Copilot CLI के उपयोगकर्ताओं में 24.9% बढ़ी। दोनों आंकड़ों में लगभग दोगुने का अंतर है, लेकिन इन्हें सीधे टूलों की श्रेष्ठता का प्रमाण मानना जल्दबाज़ी होगी। Copilot CLI Microsoft के स्वामित्व वाली GitHub का टूल है, और दोनों के उपयोग के तरीके तथा उपयोगकर्ता समूह एक जैसे हों, यह ज़रूरी नहीं।
इसके बावजूद, वास्तविक विकास कार्यस्थलों में दसियों हज़ार लोगों के बीच चार महीनों तक उपयोग के प्रसार और उसके नतीजों—दोनों पर नज़र रखने वाले अध्ययन बहुत कम हैं। एआई कोडिंग पर बहस अक्सर इस सवाल तक सीमित रहती है कि “कौन-सा मॉडल अधिक बुद्धिमान है”, जबकि इस अध्ययन के नतीजे अपनाने की वास्तविकता दिखाते हैं: कौन इसका इस्तेमाल शुरू करता है और कौन इसे जारी रखता है। हो सकता है कि अब हम ऐसे दौर में प्रवेश कर रहे हों, जहाँ नतीजे इस बात पर भी निर्भर करते हैं कि कार्यस्थल में इन टूलों के प्रसार की योजना कितनी अच्छी तरह बनाई जाती है—और यह टूल चुनने जितना ही अहम है।
コメント