हम यह समझना चाहते हैं कि AI मॉडल्स में सुधार डेवलपर्स के काम करने के तरीके को कैसे बदलता है। खास तौर पर, डेवलपर्स उन कार्यों को कितना अधिक करने लगते हैं जो वे पहले से कर रहे थे, और किस हद तक बेहतर मॉडल्स ऐसे काम को संभव बनाते हैं जो पहले उनकी पहुंच से बाहर था?

इस सवाल का जवाब पाने के लिए, हमने University of Chicago Booth School of Business के Professor Suproteem Sarkar के साथ मिलकर जुलाई 2025 से मार्च 2026 तक Cursor इस्तेमाल करने वाली 500 कंपनियों ke डेवलपर्स की कार्य आदतों का अध्ययन किया। इस आठ महीने की अवधि में Opus 4.5 और GPT-5.2 जारी हुए—दो ऐसे मॉडल्स जिन्होंने AI कोडिंग क्षमता में बड़ी छलांग दिलाई।

हमारा शोध-पत्र दिखाता है कि बेहतर AI से AI की मांग बढ़ती है। यह Jevons-जैसे प्रभाव के अनुरूप है, जिसमें दक्षता बढ़ने से कुल खपत घटने के बजाय बढ़ जाती है। AI उपयोग, जिसे प्रति उपयोगकर्ता औसत साप्ताहिक संदेशों के रूप में परिभाषित किया गया है, अध्ययन अवधि के दौरान 44% बढ़ा।

यह वृद्धि न तो तुरंत हुई और न ही एकसमान थी। हमने देखा कि डेवलपर्स ने पहले बेहतर मॉडल्स का इस्तेमाल समान जटिलता वाले अधिक काम करने के लिए किया, और उसके बाद ही वे अधिक जटिल कार्य अपनाने लगे। इसके अलावा, यह बदलाव खास तौर पर finance, media, और advertising जैसे उद्योगों में अधिक केंद्रित था, जहाँ प्रतिस्पर्धी दबाव और ग्रीनफ़ील्ड अवसरों ने अपनाने की रफ़्तार बढ़ाई हो सकती है।

#मीडिया, सॉफ़्टवेयर और वित्त सबसे आगे

हमने जिन सभी क्षेत्रों का अध्ययन किया, उनमें उपयोग बढ़ा, लेकिन कुछ उद्योगों में यह बढ़त दूसरों की तुलना में कहीं अधिक थी। खास तौर पर, मीडिया और विज्ञापन में सबसे बड़ी बढ़त दर्ज की गई, जहाँ प्रति उपयोगकर्ता संदेशों में 54% की वृद्धि हुई। इसके बाद सॉफ़्टवेयर और डेवलपर टूल्स (+47%) तथा वित्त और फिनटेक (+45%) का स्थान रहा।

हमारा अनुमान है कि वित्त क्षेत्र में बेहतर AI एक तरह की होड़ पैदा कर सकता है, जहाँ जैसे ही कोई फर्म ट्रेडिंग में बढ़त हासिल करने के लिए AI का उपयोग करती है, वैसे ही बाकी फर्मों पर भी उसके साथ कदम मिलाने का प्रतिस्पर्धी दबाव बन जाता है। मीडिया और विज्ञापन में यह प्रक्रिया अलग हो सकती है, जहाँ अधिक सक्षम मॉडल्स ग्रीनफ़ील्ड अवसरों का दायरा बढ़ाते हैं, जिनका कंपनियाँ लाभ उठाती हैं।

#जटिलता का दाईं ओर खिसकना

शुरुआत में, डेवलपर्स ने बेहतर हुए AI मॉडल्स के साथ पहले जैसे ही काम अधिक किए, लेकिन 4–6 हफ्तों की देरी के बाद हमने देखा कि वे मॉडल्स का इस्तेमाल अधिक जटिल कार्यों के लिए करने लगे। कुल मिलाकर, अध्ययन अवधि के दौरान “कम जटिलता” वाले संदेशों की संख्या 22% बढ़ी, जबकि “उच्च जटिलता” वाले संदेशों की संख्या 68% बढ़ी, और इस वृद्धि का बड़ा हिस्सा अंतिम छह हफ्तों में हुआ।

शोध-पत्र में, हम यह परिकल्पना करते हैं कि यह देरी दो बातों को दर्शाती है: डेवलपर्स को यह समझने में लगने वाला समय कि बेहतर मॉडल क्या कर सकता है, और कंपनियों को नई क्षमताओं के अनुरूप अपने वर्कफ़्लो को फिर से ढालने की आवश्यकता।

#बदलता हुआ कार्य वितरण

जैसे-जैसे AI कोड जनरेशन में बेहतर होता जा रहा है, डेवलपर का काम उसके आउटपुट को संभालने और प्रबंधित करने की ओर खिसक रहा है। यह बदलाव हमारे डेटा में साफ़ दिखता है, जहाँ हम माप सकते हैं कि अलग-अलग कार्य श्रेणियों में उपयोग कैसे बदल रहा है। सबसे बड़ी बढ़ोतरी दस्तावेज़ीकरण (+62%), आर्किटेक्चर (+52%), कोड समीक्षा (+51%) और सीखने (+50%) में देखी गई, जबकि UI/स्टाइलिंग जैसे अपेक्षाकृत सीमित दायरे वाले कार्यों में वृद्धि काफ़ी कम (+15%) रही।

यह संकेत देता है कि जैसे-जैसे AI-जनित कोड कोडबेस का आकार बढ़ाता है, वैसे-वैसे उस कोड का दस्तावेज़ीकरण करने, उसे समझने और उसकी समीक्षा करने की आवश्यकता भी उसी अनुपात में बढ़ती है। बड़े और तेज़ी से बदलते कोडबेस यह संभालने की जटिलता भी बढ़ा देते हैं कि सब कुछ आपस में कैसे जुड़ता है, जो आर्किटेक्चर और परिनियोजन जैसे क्रॉस-सिस्टम कार्यों में तेज़ बढ़ोतरी की वजह हो सकता है। अधिक सक्षम मॉडल डेवलपर्स को इन क्रॉस-सिस्टम कार्यों के लिए एजेंट्स का उपयोग करने के प्रति और अधिक इच्छुक भी बना सकते हैं।

#आर्थिक गतिविधि का विस्तार

AI को अपनाने को लेकर एक अहम सवाल यह है कि क्या यह केवल मौजूदा काम को आसान बनाता है, या नई उत्पादक संभावनाएँ भी खोलता है। हमारा अध्ययन बताता है कि यह दोनों करता है, लेकिन अंततः विस्तार ही बड़ी कहानी बन सकता है।

पूरा शोध-पत्र पढ़ें.