AI कोडिंग टूल सहकर्मियों या वरिष्ठों के इस्तेमाल से फैलते हैं; उपयोगकर्ताओं के PR की संख्या औसतन 24% बढ़ी

अमेरिकी Microsoft के शोधकर्ताओं ने कंपनी के भीतर हजारों सॉफ्टवेयर इंजीनियरों के बीच कमांड लाइन पर चलने वाले AI कोडिंग टूल के इस्तेमाल और उत्पादकता पर उनके असर का अध्ययन करने वाला एक शोधपत्र प्रकाशित किया है। इसमें Anthropic के “Claude Code” और GitHub के “Copilot CLI” शामिल थे। अध्ययन 5 जनवरी 2026 से 29 अप्रैल 2026 तक, लगभग चार महीने चला। शोधकर्ताओं के मुताबिक, शुरुआत के पहले सप्ताह में टूल इस्तेमाल करने वाले इंजीनियरों के मर्ज किए गए पुल रिक्वेस्ट की संख्या, टूल इस्तेमाल न करने वालों की तुलना में औसतन 24% अधिक थी।

सिर्फ टूल उपलब्ध कराने से उसका इस्तेमाल नहीं फैलता—पहला कदम “बगल की सीट” से उठता है

कई कारोबारी प्रमुख और मैनेजर शायद सोचते हैं कि अगर कंपनी सभी कर्मचारियों के लिए AI टूल उपलब्ध करा दे, तो अगले ही दिन सब उसका इस्तेमाल शुरू कर देंगे। लेकिन इस अध्ययन से पता चलता है कि कोई व्यक्ति इसे सबसे पहले आजमाएगा या नहीं, यह तय करने में सुविधाओं की जानकारी या सूचनाओं से अधिक कार्यस्थल के आपसी संबंधों की भूमिका थी।

जब रोज़मर्रा में कोड साझा करने वाले सहकर्मी या सीधे मैनेजर टूल इस्तेमाल करते थे, तो व्यक्ति के खुद उसे शुरू करने की संभावना भी बढ़ जाती थी। आंकड़े स्पष्ट हैं। अगर हाल के दो हफ्तों में ऐसे एक चौथाई से अधिक सहकर्मी टूल इस्तेमाल कर रहे थे, जिनका उच्च-स्तरीय बॉस भी वही था, तो टूल आजमाने के ऑड्स अधिकतम 216% बढ़ गए। सीधे मैनेजर के इस्तेमाल करने पर यह वृद्धि 82% थी, जबकि आम तौर पर कोड रिव्यू करने वाले लोगों में से एक चौथाई से अधिक के इस्तेमाल करने पर 54%।

ऑड्स में वृद्धि और “संभावना में वृद्धि” एक ही बात नहीं

यहां “ऑड्स” शब्द पर ध्यान देना जरूरी है। ऑड्स किसी घटना के होने की संभावना को उसके न होने की संभावना के अनुपात में दिखाते हैं। 216% वृद्धि सुनकर ऐसा लग सकता है कि टूल इस्तेमाल करने वालों की संख्या तीन गुने से कुछ अधिक हो गई, लेकिन इसका मतलब यह नहीं है कि इस्तेमाल करने वालों का अनुपात ही 216% बढ़ा। शुरुआत में इस्तेमाल की दर कम हो तो अंतर बड़ा दिख सकता है; वास्तव में उपयोगकर्ताओं की संख्या में वृद्धि इस आंकड़े से कम होती है।

फिर भी, यह बात साफ है कि मैनेजरों और सहकर्मियों का व्यवहार दूसरों को कदम उठाने के लिए प्रेरित करता है। नया टूल अक्सर निर्देश पुस्तिका पढ़कर नहीं, बल्कि यह सोचकर अपनाया जाता है कि “अगर वे इस्तेमाल कर रहे हैं, तो मैं भी करूं।” मेरी राय में, यह बात सिर्फ डेवलपमेंट की जगहों पर नहीं, बल्कि कई कार्यस्थलों पर लागू होती है। मैनेजर खुद पहल करके इसे आजमाए और रिव्यू के दौरान इसका इस्तेमाल करके दिखाए। हो सकता है कि ऐसे साधारण कदम प्रशिक्षण सामग्री से अधिक असरदार हों।

टूल का इस्तेमाल जारी रहेगा या नहीं, यह रोज़मर्रा के काम के प्रवाह पर निर्भर करता है

जिन लोगों ने टूल आजमाया, वे आगे भी उसका इस्तेमाल करते रहेंगे या नहीं—यह अलग सवाल है। अध्ययन में लगातार इस्तेमाल का संबंध व्यक्ति की सामान्य कोडिंग गतिविधि से पाया गया। शोधकर्ताओं के मुताबिक, जो व्यस्त इंजीनियर नियमित रूप से ज्यादा कोड लिखते और पुल रिक्वेस्ट भेजते थे, उन्हें AI का लाभ महसूस होने और टूल को अपने काम में बनाए रखने की प्रवृत्ति अधिक थी।

पुल रिक्वेस्ट वह अनुरोध है जिसके जरिए बदले गए कोड को मुख्य कोडबेस में शामिल करने के लिए कहा जाता है। ऐसे अनुरोध बार-बार भेजने वाले लोग AI को सौंपे जा सकने वाले अधिक काम भी करते हैं। यानी जितना अधिक काम हाथ से किया जाता है, टूल का असर उतना ही आसानी से महसूस होता है।

परिचित माहौल नए टूल को अपनाने में बाधा बन सकता है

दूसरी ओर, जो लोग पहले से किसी अन्य डेवलपमेंट इंटरफेस में मौजूदा AI टूल इस्तेमाल कर रहे थे, वे नए टूल को तो आजमाते थे, लेकिन उसे अपने काम में बनाए रखना उनके लिए मुश्किल था। संभव है कि कई लोग अपने परिचित माहौल को अधिक सहज पाते हों।

यह स्मार्टफोन बदलने जैसा है। सुविधाएं बेहतर होने पर भी, अगर ऐप्स की जगह और इस्तेमाल का तरीका शरीर की आदत बन चुका हो, तो पुराने फोन पर लौटने का मन करता है। नया AI टूल अपनाने वालों को सिर्फ उसकी क्षमता ही नहीं, बल्कि यह भी सोचना होगा कि वह उपयोगकर्ताओं की पहले से बनी कामकाज की दिनचर्या में कैसे फिट होगा।

पुल रिक्वेस्ट की संख्या में 24% वृद्धि को कैसे समझें

उत्पादकता पर असर को पूरे किए गए काम की संख्या के संकेतक—मर्ज किए गए पुल रिक्वेस्ट की संख्या—से मापा गया। शुरुआत के पहले सप्ताह में टूल इस्तेमाल करने वाले इंजीनियरों ने टूल इस्तेमाल न करने की तुलना में औसतन 24% अधिक पुल रिक्वेस्ट मर्ज कराए। शोधकर्ताओं ने बताया कि यह असर अपनाने के तुरंत बाद के उत्साह तक सीमित नहीं था, बल्कि चार महीने की अध्ययन अवधि के दौरान स्थिर रहा।

हालांकि, यहां उत्पादकता का मतलब सिर्फ पुल रिक्वेस्ट की संख्या है—यह एक ही पैमाना है। ये आंकड़े यह नहीं दिखाते कि कोड की गुणवत्ता, हर काम में लगने वाला समय या टीम पर पड़ने वाला बोझ भी इसी अनुपात में बेहतर हुआ। संख्या बढ़ने के तथ्य और इस एहसास को कि पूरा काम आसान हो गया है, अलग-अलग समझना चाहिए।

Claude Code में 11.4%, Copilot CLI में 24.9% की वृद्धि

टूल के हिसाब से देखें तो टूल इस्तेमाल न किए गए सप्ताह की तुलना में पुल रिक्वेस्ट की संख्या Claude Code इस्तेमाल करने वालों में 11.4% और Copilot CLI इस्तेमाल करने वालों में 24.9% बढ़ी। दोनों के बीच करीब दोगुने का अंतर है, लेकिन इन आंकड़ों को सीधे तौर पर टूल की श्रेष्ठता का सबूत मानना जल्दबाजी होगी। Copilot CLI, Microsoft के स्वामित्व वाली GitHub का टूल है; कंपनी के भीतर दोनों टूल किस तरह इस्तेमाल किए गए और उन्हें इस्तेमाल करने वाले लोग कौन थे, यह समान हो, जरूरी नहीं।

फिर भी, वास्तविक विकास कार्यस्थलों में—जहाँ कर्मचारियों की संख्या हज़ारों में है—चार महीने तक उपयोग के प्रसार और उसके नतीजों, दोनों पर नज़र रखने वाले अध्ययन बहुत कम हैं। AI कोडिंग पर चर्चा अक्सर इस सवाल तक सीमित रहती है कि “कौन-सा मॉडल ज़्यादा स्मार्ट है।” ऐसे में ये नतीजे अपनाने की वास्तविकता दिखाते हैं: कौन इसका इस्तेमाल शुरू करता है और कौन जारी रखता है। शायद अब ऐसा दौर आ रहा है जिसमें नतीजे इस बात पर भी निर्भर करते हैं कि कार्यस्थल में इन टूल्स के इस्तेमाल को कैसे फैलाया जाता है—और यह बात टूल चुनने जितनी ही अहम है।