बहुत से office workers ग़लत सवाल से ख़ुद को तसल्ली दे रहे हैं। वे बार-बार पूछते रहते हैं कि क्या AI उनका पूरा काम कर सकता है। उनका employer यह कसौटी इस्तेमाल नहीं करेगा। असली सवाल यह है कि क्या output इतना सस्ता बनाया जा सकता है, और इतना सस्ता जाँचा जा सकता है, कि वह role महँगा लगने लगे। बात यह नहीं कि क्या AI हमारा पूरा काम कर सकता है, बात है "क्या यह इसे इतना तेज़ कर सकता है कि मेरी team का बस आधा हिस्सा ही चाहिए?"। क्योंकि इसका जवाब, अफ़सोस, हाँ है।
यह इसलिए मायने रखता है कि office के काम का एक बड़ा हिस्सा पहले से ही review करने लायक़ रूप में आता है। एक market note, एक draft, एक documentation pass, एक research summary। एक slide deck। साफ़ acceptance criteria वाला एक routine code fix। उन outputs के पीछे की हाथ की मेहनत भले अब भी असली हो, पर तैयार product अक्सर इतना सुलझा हुआ होता है कि कोई ज़्यादा senior इंसान उसे देख ले, ज़ाहिर ग़लतियाँ ठीक कर दे, और फिर भी पुरानी पूरी तरह लदी हुई labor की लागत से कम ख़र्च करे।
यही वह mechanism है जिसे लोग घूरकर देखना नहीं चाहते। AI को trust, judgment, या context की जगह एक साथ नहीं लेनी पड़ती। उसे बस पहले pass का इतना हिस्सा machine से बनने लायक़ बना देना है कि एक reviewer उस पर निगरानी रख सके जिसके लिए पहले कई लोग शून्य से बनाते थे। व्यवहार में इसका मतलब है कम analysts, कम coordinators, कम junior writers, clean-up का काम करने वाले कम junior coders, और बचे हुए लोगों पर ज़्यादा दबाव कि वे हर line ख़ुद बनाने के बजाय machine का output validate करें।
यह pattern तुम्हें आम workflow में पहले से दिख सकता है। एक manager को पहले एक analyst की ज़रूरत होती थी कि वह source material इकट्ठा करे, internal memo draft करे, और पहली recommendation को आकार दे। अब analyst शायद अब भी हो, पर शायद एक साथ कई managers को संभाल सकता है। या manager को कम analysts चाहिए। यही चीज़ code review में होती है। इंसान अब भी मायने रखता है, कभी-कभी बहुत, पर इंसान को ऊपर validation, edge cases, और ज़िम्मेदारी की तरफ़ खींच लिया जाता है जबकि सस्ता पहला pass कहीं और बन जाता है।
यही वजह है कि office का काम लोगों के मानने से ज़्यादा ख़तरे में है। ऐसा इसलिए क्योंकि information का काम पहले महँगा हुआ करता था। संगठनों को पहले pass के लिए इंसानों को पैसा देना ही पड़ता था क्योंकि उसे पाने का कोई और तरीक़ा था ही नहीं। एक बार पहला pass सस्ता हो जाए, तो role की क़ीमत ज़्यादा सख़्ती से आँकी जाने लगती है। role की क़ीमत अब सुलझी हुई भाषा बनाने के इर्द-गिर्द नहीं लगती। वह ownership, verification, और नतीजों के इर्द-गिर्द लगने लगती है।
art और दूसरे मुश्किल-से-तय होने वाले काम से इसका फ़र्क़ सीमित ही रहना चाहिए। अच्छा visual काम अब भी text, spreadsheet की logic, या routine code changes के मुक़ाबले ठीक-ठीक बताना मुश्किल और सस्ते में जाँचना मुश्किल है। इससे creative काम बचा हुआ नहीं हो जाता। इसका बस इतना मतलब है कि compression की logic वहाँ सबसे मज़बूत है जहाँ कामयाबी बताना आसान हो और नाकामी सस्ते में जाँची जा सके।
जो काम बेहतर बचता है वह हक़ीक़त के ज़्यादा क़रीब होता है। वह systems का मालिक होता है, नतीजों पर मुहर लगाता है, ज़िम्मेदारी सोखता है, और उस उलझे हुए context को संभालता है जो किसी review queue में करीने से नहीं समाता। उस इंसान की नौकरी को निचोड़ना ज़्यादा मुश्किल है जिसे किसी physical system को validate करना हो, किसी live client के झगड़े को संभालना हो, किसी outage के जवाब का मालिक होना हो, या तब फ़ैसला लेना हो जब inputs अधूरे हों और ग़लती की क़ीमत असली हो। अगर कुछ है तो यह उन बचे हुए इंसानी अड़चनों को और साफ़ कर देता है। मसलन engineers के लिए, यह code (और designs तक) लिखने की लागत काफ़ी घटा देता है, जबकि उन लोगों की क़ीमत बढ़ा देता है जो किसी चीज़ को ढालकर पूरा कर सकें। एक end-to-end इंसान होना, यानी कोई ऐसा जो किसी idea या feature को कई components में तोड़ सके और फिर उन्हें प्राथमिकता देकर उन पर execute कर सके, software engineering अब यही है। मुमकिन है तुम अब ज़्यादा code न लिखो, ख़ासकर जैसे-जैसे AI इसमें बेहतर होता जाए। पर तुम्हें patterns, designs, tooling समझने होंगे... और इन सबको एक साथ जोड़ना होगा।
हाँ, AI अपने दम पर कुछ नहीं बनाएगा। पर AI वाला एक इंसान वह बना देगा जो पहले 10 लोगों की team किया करती थी। तो, उन 9 से, तुम पक्के तौर पर कह सकते हो कि AI उनकी जगह ले रहा है।