نئی ایجنسی اسٹیک: کس طرح ڈویلپرز کلاڈ، کرسر، اور کوپائلٹ کو پیداوار میں استعمال کرتے ہیں

یہاں تک کہ دو سال پہلے، AI کوڈنگ ٹولز تجسس کا موضوع تھے۔ ایجنسیاں جونیئر ڈویلپرز کو اندرونی ٹولز اور سائیڈ پروجیکٹس کے ساتھ تجربہ کرنے کی اجازت دیتی ہیں۔ یہ وہ چیز ہے جو آپ کے کوڈ کے غلط ہونے پر بھی کوئی پریشانی نہیں لاتی۔

کسٹمر کا کام ہاتھ سے لکھا گیا تھا۔ کسی نے خودکار تکمیل پر کوئی ڈیڈ لائن نہیں رکھی ہے۔

وہ دور ختم ہو گیا۔ اب وہی ٹولز مرکز میں ہیں کہ ہم کس طرح سافٹ ویئر بناتے ہیں۔ ڈیولپرز جنہوں نے ایک بار MVP کے لیے چھ ماہ کا حوالہ دیا تھا اب وہ چھ ہفتوں کا حوالہ دے رہے ہیں، اور صارفین پوچھنا شروع کر رہے ہیں کہ وہ مزید کیوں حوالہ دے رہے ہیں۔

اوزار تیزی سے بدل گئے۔ ان کے ارد گرد کام کا فلو اتنا ہی بدل گیا ہے۔ جائزہ لینے کی نئی عادات، قیمتوں کے نئے ماڈلز، سینئر انجینئرز کے لیے نئے کردار ہیں جو ٹائپنگ میں کم وقت گزارتے ہیں اور مشینیں کیا پیدا کرتی ہیں اس کا فیصلہ کرنے میں زیادہ وقت لگاتے ہیں، اور بہت کچھ۔

یہ مضمون دریافت کرتا ہے کہ جدید ایجنسیاں کس طرح ان آلات کو پیداوار میں استعمال کرتی ہیں۔ یہ مارکیٹنگ کا ورژن نہیں ہے جہاں AI کامل کوڈ لکھتا ہے جب کہ ہر کوئی کافی پیتا ہے۔ یہ ایک حقیقی پروڈکٹ ہے جس میں کوڈ کے جائزے، گارڈریلز، ناکام تجربات، اور کوئی اب بھی ہر لائن کے لیے ذمہ دار ہے۔

ہم کیا احاطہ کریں گے:

ایجنسیاں پہلے کیوں منتقل ہوئیں؟

بڑی کارپوریشنوں کے اندر مصنوعات کی ٹیمیں آہستہ آہستہ حرکت کرتی ہیں۔ میراثی کوڈ، تعمیل کے قواعد، اور طویل منظوری کی زنجیریں ہیں۔ ایجنسیوں کے پاس ایسا نہیں ہے۔ وہ ہر ماہ ایک نیا پروجیکٹ شروع کرتے ہیں۔ یہ اسے AI سے چلنے والے کاموں کے لیے ایک بہترین ٹیسٹ بیڈ بناتا ہے۔

کاروباری وجوہات بھی ہیں۔ ایجنسی نتائج کے لیے چارج کرتی ہے۔ اگر کوئی ٹول تعمیراتی وقت کو 40% تک کم کرتا ہے، تو یہ ایک مارجن ہے۔ یا شاید یہ کم قیمت ہے جو سودا جیتتی ہے۔ کسی بھی طریقے کو اپنانے کی ترغیبات مضبوط ہیں۔

تبدیلی اب اس طریقے سے ظاہر ہوتی ہے جس طرح ادارے خود کو بیان کرتے ہیں۔ "AI تیز رفتار ترقی” پوری صنعت میں ایک بنیادی سروس لائن بن چکی ہے۔ بات سادہ ہے۔ سینئر انجینئرز AI کا استعمال کرتے ہوئے تیزی سے حرکت کرتے ہیں، اور ہر لائن کو اب بھی انسانی جائزہ ملتا ہے۔ وہ فریمنگ اب معیاری پلے بک ہے۔

اسٹیک کی تین پرتیں۔

زیادہ تر ایجنسی اسٹیک میں اب تین پرتیں ہیں۔ ہر ٹول مختلف کردار ادا کرتا ہے۔

پہلی پرت چیٹ اسسٹنٹ ہے۔ یہ وہ جگہ ہے جہاں کلاڈ اور چیٹ جی پی ٹی رہتے ہیں۔ انجینئرز اسے منصوبہ بندی، تعمیراتی سوالات اور ڈیبگنگ کے لیے استعمال کرتے ہیں۔ ایک سینئر ڈویلپر غلطی کا لاگ پیسٹ کر سکتا ہے اور سیکنڈوں میں تین ممکنہ وجوہات حاصل کر سکتا ہے۔ یا آپ اس خصوصیت کو بیان کر سکتے ہیں اور ایسے ایج کیسز کے بارے میں پوچھ سکتے ہیں جن کے بارے میں آپ نے سوچا بھی نہیں ہوگا۔ یہ پرت سوچ کے بارے میں ہے، ٹائپنگ کے بارے میں نہیں۔

دوسری پرت AI پر مبنی ایڈیٹر ہے۔ کرسر یہاں جاتا ہے۔ یہ پورے کوڈ ایڈیٹر کو زبان کے ماڈل کے گرد لپیٹ دیتا ہے۔ ماڈل صرف ایک فائل کو نہیں بلکہ پورے کوڈ بیس کو دیکھتا ہے۔ انجینئرز اسے نئی خصوصیات لکھنے، موجودہ کوڈ کو ری ایکٹر کرنے اور ٹیسٹ بنانے کے لیے استعمال کرتے ہیں۔ اب ایجنٹ موڈ میں، آپ ایکشن لے سکتے ہیں اور متعدد فائلوں پر کام کر سکتے ہیں جبکہ انجینئرز ہر قدم کا جائزہ لیتے ہیں۔

تیسری پرت ان لائن مددگار ہے۔ GitHub Copilot سب سے زیادہ جانا جاتا ہے. یہ ایڈیٹر کے اندر بیٹھتا ہے اور آپ کے ٹائپ کرتے ہی آپ کا کوڈ مکمل کرتا ہے۔ یہ بورنگ بٹس کا خیال رکھتا ہے: بوائلر پلیٹ، ریپیٹ پیٹرن، معیاری فنکشنز وغیرہ۔ یہ تینوں میں سے سب سے زیادہ ڈرامائی ٹول نہیں ہے، لیکن یہ سارا دن، ہر روز چلتا ہے، اس لیے اس سے کچھ بچت ہوتی ہے۔

زیادہ تر اسٹور بیک وقت تینوں پرتوں کا استعمال کرتے ہیں۔ چیٹ کے معاونین منصوبہ بناتے ہیں، AI ایڈیٹرز بناتے ہیں، اور ان لائن معاونین خلا کو پُر کرتے ہیں۔

اصل پیداوار کا استعمال

یہ وہ جگہ ہے جہاں ہائپ حقیقت سے ملتا ہے۔ AI اب بہت سارے کوڈ لکھتا ہے، لیکن جو ایجنسیاں اسے حقیقی صارفین تک پہنچاتی ہیں وہ اسے اکیلے ڈیلیور کرنے کی اجازت نہیں دیتی ہیں۔

ایک عام پیٹرن ایک تنگ لوپ ہے. انجینئر فنکشن کو چھوٹے چھوٹے کاموں میں توڑ دیتے ہیں۔ ہر کام کے لیے AI ڈرافٹ کوڈ۔ انجینئر ہر سطر کو پڑھتے ہیں، کسی بھی غلطی کو ٹھیک کرتے ہیں، اور ٹیسٹ چلاتے ہیں۔ اس کے بعد کوڈ انسانی تحریری کوڈ کی طرح ایک عام پل کی درخواست کے جائزے سے گزرتا ہے۔

برن آؤٹ ٹیم وہ ہے جس نے جائزہ لینے کا مرحلہ چھوڑ دیا۔ AI کوڈ اکثر ڈیمو میں اچھا لگتا ہے اور چلتا ہے۔ مسئلہ مزید گہرا ہے۔ کمزور خرابی ہینڈلنگ۔ حفاظتی سوراخ۔ یہ ایک ڈیٹا بیس استفسار ہے جو بڑے پیمانے پر آتا ہے۔ ڈیمو اسے نہیں پکڑے گا، لیکن لیڈ انجینئر کرے گا۔

پروڈکٹ کمپنیاں جو عوامی طور پر تعمیر کرتی ہیں وہی پیٹرن دکھاتی ہیں۔ پوسٹ ہاگ، ایک اوپن سورس پروڈکٹ اینالیٹکس پلیٹ فارم، نے عوامی طور پر لکھا ہے کہ انجینئرز اپنے روزمرہ کے ورک فلو میں AI ٹولز کو کس طرح استعمال کرتے ہیں۔ اس طرح کی ٹیموں کے ٹیک ویز مستقل ہیں۔ AI ڈرافٹنگ کو تیز کرتا ہے، لیکن انسان انضمام کے ذمہ دار ہیں۔ تمام تبدیلیاں اب بھی اسی پل درخواست کے عمل کے ذریعے کی جائیں گی، اور اس کی ذمہ داری نامزد انجینئر پر عائد ہوگی۔

اس کی وجہ سے اے آئی پر مبنی ایپس میں ترمیم کرنے والے کام کی ایک نئی لائن شروع ہوئی ہے۔ سان فرانسسکو، لندن اور کیف میں دفاتر کے ساتھ ایک ڈویلپر Empat، "vibecode Rescue” کے اپنے ورژن کو ایسے اسٹارٹ اپس کے لیے ایک سروس قرار دیتا ہے جو AI ٹولز کے ساتھ ایپس بنانے کے دوران مشکلات کا شکار ہوتے ہیں۔

ایپ اس وقت تک کام کرتی ہے جب تک کہ یہ کام نہ کرے۔ پھر کسی کو کوڈ کو کھولنا ہوگا، ٹیسٹ شامل کرنا ہوں گے، اور کوڈ کو مستحکم بنانا ہوگا۔ اس سروس کا ظہور جلد بولتا ہے. AI عمارت کو آسان بناتا ہے۔ عمارت بنانا آسان نہیں ہے۔

تبدیلیوں کے پیچھے نمبر

لاگت کی تصویر بتاتی ہے کہ گاہک کیوں خیال رکھتے ہیں۔ مجھے ایک ایجنسی MVP بننے میں 4-6 مہینے لگے۔ ایجنسیاں اب اسی رینج کے لیے 6 سے 12 ہفتوں کا حوالہ دیتی ہیں، جو عام طور پر تقریباً $30,000 سے شروع ہوتی ہے۔ فکسڈ اسکوپ، فکسڈ پرائس کی پیشکشیں دوبارہ مقبول ہو رہی ہیں کیونکہ AI اچھی طرح سے طے شدہ کاموں کے لیے شیڈولز کو زیادہ قابلِ پیشگوئی بناتا ہے۔

صرف رفتار ہی فائدہ نہیں ہے۔ AI ٹولز ان کاموں میں طاقتور ہیں جن سے انجینئر گریز کرتے ہیں، جیسے ٹیسٹ لکھنا، کوڈ کو دستاویز کرنا، اور پرانے انحصار کو اپ ڈیٹ کرنا۔ اس طرح سے بنائے گئے کوڈ بیس اکثر پانچ سال پہلے ہاتھ سے بنائے گئے کوڈ بیس کے مقابلے میں بہتر ٹیسٹ کوریج فراہم کرتے ہیں۔ یہ صرف اس وجہ سے ہے کہ فی الحال جانچ کی لاگت بہت کم ہے۔

تاہم، نمبر دونوں سمتوں میں کٹے ہوئے ہیں۔ ضرورت سے زیادہ ایجنٹ کے استعمال کی ٹوکن لاگت حقیقی ہے۔ سارا دن AI ایجنٹوں کو چلانے والی ٹیمیں ماڈل کے استعمال پر ہر ماہ سینکڑوں ڈالر فی انجینئر خرچ کر سکتی ہیں۔ ایجنسیوں کے لیے، تنخواہ کے اخراجات کے مقابلے میں یہ اب بھی ایک سودا ہے۔ تاہم، یہ ایک نئی چیز ہے جو 2023 میں موجود نہیں تھی۔

"AI سے چلنے والی” ایجنسی کی تحقیق کیسے کریں۔

اب تقریباً ہر ادارہ AI استعمال کرنے کا دعویٰ کرتا ہے۔ صرف دعوے ہی ہمیں کچھ نہیں بتاتے۔ اگر آپ ملازمت پر ہیں، تو آپ کچھ سوالات پوچھ کر شور کو کم کر سکتے ہیں۔

پوچھیں کہ کون AI کے آؤٹ پٹ کا جائزہ لیتا ہے۔ درست جواب ایک مخصوص لیڈ انجینئر اور اصل پل کی درخواست کے عمل کی وضاحت کرتا ہے۔ "معیار کی جانچ” کا مبہم جواب ایک انتباہی علامت ہے۔

جانچ کے لیے ہم سے رابطہ کریں۔ AI سے تیار کردہ کوڈ کو انسانی کوڈ سے زیادہ خودکار جانچ کی ضرورت ہوتی ہے کیونکہ یہ کم پیشین گوئی کے طریقوں سے ناکام ہوتا ہے۔ ایک اچھا اسٹور آپ کو میسج کیے بغیر ٹیسٹ کوریج کے بارے میں بات کرے گا۔

پوچھیں کہ اگر AI غلطی کرتا ہے تو کیا ہوتا ہے۔ ہر تجربہ کار ٹیم کو یہاں بتانے کے لیے ایک کہانی ہوتی ہے۔ کہانیوں کے بغیر ٹیمیں بہت ساری مصنوعات جاری نہیں کرتی ہیں۔

آخر میں، اپنی کارکردگی کو پرانے زمانے کے طریقے سے چیک کریں۔ جائزہ پلیٹ فارمز جیسے کلچ ایجنسیوں کے بارے میں تصدیق شدہ صارفین کے تاثرات جمع کرتے ہیں، بشمول پروجیکٹ بجٹ اور نتائج۔ AI نے ہمارے کوڈ لکھنے کا طریقہ بدل دیا ہے۔ جو چیز تبدیل نہیں ہوئی وہ یہ ہے کہ ماضی کے صارفین کے نتائج مستقبل کے نتائج کا بہترین پیش گو ہیں۔

ہم آگے کہاں جائیں؟

موجودہ اسٹیک پہلے ہی منتقل ہو رہا ہے۔ ایجنٹ ٹولز جو پورے کاموں کی منصوبہ بندی کرتے ہیں اور ان کو انجام دیتے ہیں وہ سادہ خودکار تکمیل کی جگہ لے رہے ہیں۔ اب کچھ ایجنسیاں AI ایجنٹوں کو راتوں رات ٹکٹوں کی ایک وسیع رینج پر چلاتی ہیں اور صبح نتائج کا جائزہ لیتی ہیں۔ انجینئرز کی ملازمتیں اوپر کی طرف بڑھ رہی ہیں۔ اس کا مطلب ہے کم ٹائپنگ اور زیادہ فیصلہ۔

بہترین ٹولز والی ایجنسی جیتنے والی ایجنسی نہیں ہوگی۔ ہر ایک کے پاس ایک جیسے اوزار ہیں۔ وہ وہی ہوں گے جو بہترین فیصلہ کر سکتے ہیں کہ کب کسی ٹول پر بھروسہ کرنا ہے اور کب اسے اوور رائڈ کرنا ہے۔ یہ فیصلہ سینئر انجینئرز پر منحصر ہے، یہی وجہ ہے کہ "AI ڈویلپرز کی جگہ لے لیتا ہے” بیانیہ نشان سے محروم رہتا ہے۔ AI نے پروڈکشن میں انجینئرز کی جگہ نہیں لی ہے۔ اس نے اچھے لوگوں کو تیز اور لاپرواہ لوگوں کو زیادہ خطرناک بنا دیا۔

گاہکوں کے لیے، ٹیک آؤٹ آسان ہے۔ نئی ایجنسی اسٹیک ایک حقیقت ہے، اور اسی طرح اسپیڈ اپ بھی ہے۔ لیکن اسٹیک اس کو چلانے والوں کی صلاحیتوں پر منحصر ہے۔ مشکل سوالات پوچھیں، جائزے چیک کریں، اور یقینی بنائیں کہ کوئی شپنگ سے پہلے ہر سطر کو پڑھ رہا ہے۔

مجھے امید ہے کہ آپ نے اس مضمون کا لطف اٹھایا۔ آپ مجھ سے LinkedIn پر رابطہ کر سکتے ہیں۔