ہارورڈ کا ایک ورکنگ پیپر پیداواری صلاحیت کے ایک عام دعوے کو جانچنے کا مفید ذریعہ ہے: اے آئی سے زیادہ کوڈ لکھنے کا مطلب زیادہ سافٹ ویئر فراہم ہونا چاہیے۔ Jellyfish انجینئرنگ اینالیٹکس پلیٹ فارم استعمال کرنے والی 718 کمپنیوں میں Fiona Chen اور James Stratton کا اندازہ ہے کہ کوڈنگ ایجنٹس اپنانے کے بعد فی فعال کارکن کوڈ کی سطروں میں 30%، کمٹس میں 20% اور پل ریکویسٹس میں 23% اضافہ ہوا۔ مکمل شدہ Jira مسائل اور ایپکس کے ان کے پیمانوں میں شماریاتی طور پر نمایاں اضافہ نہیں دکھائی دیا۔ مقالے کا موجودہ نسخہ 4 اگست 2026 کا ہے؛ کام کے واقعات کا ڈیٹا مارچ 2026 میں ختم ہوتا ہے۔

یہ فرق انجینئرنگ رہنماؤں کے لیے اہم ہے کیونکہ پل ریکویسٹ جائزے، ٹیسٹنگ اور ممکنہ ترمیم کی قطار میں داخل ہوتی ہے۔ اسی مطالعے میں ایجنٹس اپنانے کے بعد پل ریکویسٹ جمع ہونے سے مرج ہونے تک گزرا ہوا وقت اندازاً 49% بڑھا۔ تبدیلی کی درخواستیں زیادہ عام ہوئیں اور فی پل ریکویسٹ تبصرے بڑھے۔ یہ نتائج جائزے کے زیادہ بوجھ کی طرف اشارہ کرتے ہیں، مگر یہ نہیں دکھاتے کہ ایجنٹ کی لکھی ہر تبدیلی خراب ہے یا خرابیوں کی کوئی پیمائش شدہ شرح بتاتے ہیں۔

بڑی تبدیلی

  • کیا بدلا:اس ادارہ جاتی مطالعے میں کوڈنگ ایجنٹس اپنانے کے ساتھ کوڈنگ سرگرمی میں نمایاں اضافہ اور پل ریکویسٹ کے زیادہ سخت جائزے دیکھے گئے، مگر حل شدہ مسائل یا ایپکس میں شماریاتی طور پر نمایاں اضافہ نہیں ہوا۔
  • یہ کیوں اہم ہے:کوڈ کی سطریں، کمٹس اور پل ریکویسٹس پیداوار کے عمل میں داخل ہونے والے کام کو ناپتے ہیں۔ حل شدہ کام بعد کا پیمانہ ہے۔ صرف کوڈ کی مقدار سے ایجنٹس کو جانچنے والی ٹیم جائزے تک پہنچنے والا بوجھ نظرانداز کر سکتی ہے۔
  • کس بات پر نظر رکھیں:کیا کمپنیاں جائزے کی گنجائش بڑھا سکتی ہیں، اور کیا بعد کے ڈیٹا میں مکمل کام کے فوائد دکھائی دیتے ہیں۔ یہ ورکنگ پیپر مارچ 2026 تک ابتدائی اختیار کو دیکھتا ہے اور طویل مدتی اثرات کا فیصلہ نہیں کر سکتا۔

اسسٹنٹس اور ایجنٹس کے اندازے مختلف تھے

مصنفین ان اسسٹنٹس, جو ڈویلپر کے کام کے دوران کوڈ کی تجاویز دیتے ہیں، ان ایجنٹس, سے الگ کرتے ہیں جو اعلیٰ سطح کا کام لے کر ڈویلپر کی منظوری سے پہلے کئی مراحل مکمل کر سکتے ہیں۔ وہ GitHub Copilot اور Cursor کے کاروباری لائسنس فعال ہونے سے اسسٹنٹس کا اختیار ناپتے ہیں۔ ایجنٹس کے لیے وہ Claude Code کے استعمال کے ڈیٹا کو بوٹ اکاؤنٹس اور کمٹس یا پل ریکویسٹس میں ٹول کے دستخط جیسے اشاروں کے ساتھ ملاتے ہیں۔ کچھ انفرادی استعمال یا غیر مربوط ٹول ان پیمائشوں سے رہ سکتے ہیں۔ ایجنٹ کا تخمینہ پہلے کے اسسٹنٹ اختیار کے دور کے مقابلے میں ایجنٹ اختیار کے ساتھ اضافی تعلق ہے؛ یہ ہر ایجنٹ استعمال کرنے والے فرد کا تخمینہ نہیں۔

اسسٹنٹس کے نتائج چھوٹے تھے: کوڈ کی سطروں میں اندازاً 12%، کمٹس میں 9% اور پل ریکویسٹس میں 5% اضافہ۔ مقالے کے بنیادی اندازوں میں صرف کمٹ کا نتیجہ شماریاتی طور پر نمایاں تھا۔ ایجنٹ اختیار میں کوڈنگ سرگرمی کے تینوں پیمانوں پر نمایاں اضافہ دکھائی دیا۔ کمٹ کوڈ کی تازہ کاری درج کرتا ہے؛ پل ریکویسٹ تبدیلی کو جائزے کے لیے پیش کرتی ہے۔ ان میں سے کوئی چیز ثابت نہیں کرتی کہ کوئی فیچر صارفین تک پہنچا۔ مقالہ حل شدہ Jira مسائل اور بڑے ایپکس کو بعد کے مرحلے کے پیداوار پیمانوں کے طور پر استعمال کرتا ہے، اس ٹریک شدہ طریقۂ کار کی بنیاد پر جس میں ٹیمیں جائزے، ٹیسٹنگ اور تعیناتی کے بعد کام مکمل نشان زد کرتی ہیں۔ Jira کی حیثیت ترسیل کا بالواسطہ پیمانہ رہتی ہے، صارفین کو ملنے والی چیز کی آزاد پیمائش نہیں۔

ایجنٹس کے لیے حل شدہ مسائل میں اندازاً اضافہ فی کارکن-ماہ 0.12 تھا، جبکہ بنیادی سطح 3.67 اور معیاری غلطی 0.17 تھی۔ یہ نتیجہ شماریاتی طور پر صفر سے مختلف نہیں۔ ایپک کی تکمیل میں بھی کوئی نمایاں تبدیلی نہیں آئی۔ مصنفین بتاتے ہیں کہ ان کا اعتماد کا وقفہ مطالعہ شدہ مدت میں مسئلہ مکمل ہونے کے اضافے کو بنیادی اوسط کے 12% سے زیادہ ہونے سے خارج کرتا ہے۔ یہ اس کہنے سے محدود تر نتیجہ ہے کہ ایجنٹس کوئی مفید سافٹ ویئر نہیں بناتے: معمولی فائدے ممکن ہیں، اور مسئلوں کی گنتی قدر یا معیار کی ہر تبدیلی نہیں پکڑ سکتی۔ مصنفین نے پیش گوئی شدہ کام کے دورانیے کے پیمانوں سے جانچا کہ آیا مسئلوں کا حجم بدلا، اور نمونے میں ایسی تبدیلی کا ثبوت نہیں ملا۔

جائزہ لینے والوں تک زیادہ کام پہنچا

جائزے کے پیمانے پیداوار کے فرق کے لیے ایک قابلِ فہم طریقۂ کار دکھاتے ہیں۔ ایجنٹس اپنانے کے بعد، مقالے کے اندازے کے مطابق پل ریکویسٹ جمع ہونے سے مرج ہونے تک بنیادی 7.03 دن کے مقابلے میں 3.45 دن مزید لگے، یعنی 49% اضافہ۔ یہ جائزے کے عمل کا کیلنڈر وقت ہے، کسی شخص کے فعال جائزے کے منٹوں کی اسٹاپ واچ پیمائش نہیں۔ رسمی تبدیلی کی درخواست پانے والی پل ریکویسٹس کا حصہ 13% کی بنیادی سطح سے تقریباً 12 فیصدی پوائنٹ بڑھا؛ فی درخواست تبصرے 1.66 کی بنیادی سطح سے 0.58 بڑھے، یعنی 35%۔ مہینے میں کم از کم ایک پل ریکویسٹ کا جائزہ لینے والے کارکنوں کا حصہ 29% بنیادی سطح سے تقریباً چار فیصدی پوائنٹ بڑھا، جو نسبتی طور پر 14% اضافہ ہے۔ اسسٹنٹس کے تقابلی اندازوں میں جائزے کے دورانیے، تبدیلی کی درخواستوں یا تبصروں میں نمایاں اضافہ نہیں دکھائی دیا۔

صرف ان میٹاڈیٹا سے مقالہ یہ نہیں بتا سکتا کہ جائزہ لینے والے نے تبدیلی کیوں مانگی۔ زیادہ جمع آوری مقررہ گنجائش والی جائزہ قطار پر دباؤ ڈال سکتی ہے؛ کوڈ کے معیار یا جائزے کے معیارات میں تبدیلی بھی زیادہ جانچ کا سبب ہو سکتی ہے۔ مصنفین کو اوسط پل ریکویسٹ کے حجم میں نمایاں اضافہ نہیں ملا، جس سے اضافی تبصروں کی ایک سادہ وضاحت کمزور ہوتی ہے۔ انہوں نے کوڈ کا مواد نہیں دیکھا اور نہ ہی ایجنٹ سے بنے کام میں خرابیوں کو براہ راست گنا۔ ان کا دو مرحلوں والا پیداوار ماڈل بتاتا ہے کہ تیز کوڈ لکھنے اور ہر مسودے کے لیے درکار جائزے میں تبدیلی کس طرح مل کر مکمل پیداوار محدود کر سکتی ہے۔ یہ ماڈل مشاہدات کی تشریح ہے، کسی بھی طریقۂ کار کو الگ سے ثابت کرنے والا ٹیسٹ نہیں۔

نمونے میں اے آئی جائزہ ٹولز بھی پھیل چکے تھے: مارچ 2026 تک تقریباً 80% کمپنیوں نے کوئی ایک استعمال کیا تھا۔ پھر بھی مقالہ جائزے کے تبصروں میں 23.3% اے آئی سے منسوب کرتا ہے اور 10.8% پل ریکویسٹس میں کم از کم ایک اے آئی تبصرہ پاتا ہے۔ اس لیے جائزہ ٹول اپنانے کا مطلب یہ نہیں کہ ان کمپنیوں میں جائزہ خودکار ہو گیا ہے۔

تحقیقی ڈیزائن کیا قائم کر سکتا ہے

محققین جنوری 2021 سے مارچ 2026 تک 718 رضامند Jellyfish کلائنٹ کمپنیوں کے تقریباً 300 ملین کام کے واقعات کا تجزیہ کرتے ہیں، جن میں 725,938 کارکن شامل ہیں۔ وہ مرحلہ وار فرق-در-فرق ڈیزائن کے ذریعے کمپنیوں کے اسسٹنٹس یا ایجنٹس اپنانے سے پہلے اور بعد کے نتائج کا موازنہ ان کمپنیوں سے کرتے ہیں جنہوں نے بعد میں اپنایا یا ابھی تک نہیں اپنایا تھا۔ کمپنی اور کیلنڈر ماہ کے کنٹرول کچھ مستقل فرق اور مشترک وقتی رجحانات کو ملحوظ رکھتے ہیں۔ نتیجہ پھر بھی اس بات پر منحصر ہے کہ اختیار نہ ہونے کی صورت میں ان کمپنیوں کے راستے کتنے قابلِ موازنہ ہوتے۔ بڑی کمپنیوں نے پہلے اپنایا، اور غیر ناپی گئی تبدیلیاں اختیار اور انجینئرنگ کام دونوں پر اثر انداز ہو سکتی تھیں۔ یہ مشاہداتی مطالعہ ہے؛ اس کے اندازوں کو بے ترتیب تجربہ یا تمام سافٹ ویئر ٹیموں کی پیش گوئی نہیں سمجھنا چاہیے۔

روزگار کے نتیجے کے لیے بھی یہی احتیاط ضروری ہے۔ LinkedIn سے منسلک کل روزگار اور انجینئرنگ روزگار کے لیے Jellyfish میں فعال کارکنوں کا استعمال کرتے ہوئے مصنفین مشاہدہ شدہ مدت میں ایجنٹ اختیار سے کوئی نمایاں تبدیلی منسوب نہیں کر سکے۔ اس سے طویل تر ایڈجسٹمنٹ کے بعد بھرتی یا وسیع تر لیبر مارکیٹ کی صورت حال معلوم نہیں ہوتی۔

BIG CHANGE کی سابقہ کوریج نے اے آئی کوڈنگ اور قابلِ اعتماد ترسیل سے متعلق انجینئرنگ کی ایک الگ روداد کا جائزہ لیا تھا۔ یہ مطالعہ کئی کمپنیوں کا منظر اور کوڈنگ سرگرمی، جائزے اور حل شدہ کام کے الگ پیمانے پیش کرتا ہے۔ عملی سبق یہ ہے کہ ایجنٹس کا جائزہ لیتے وقت ان مراحل کو ساتھ ٹریک کریں: تیز پہلا مسودہ آگے کے مراحل میں منتظر کام کی مقدار بدل دیتا ہے، اور یہ مقالہ ابھی مکمل مسائل یا منصوبوں میں اس کے مطابق اضافہ نہیں دکھاتا۔

ذرائع اور مزید مطالعہ