AI मधील कोडिंग बदलाचा परतणाऱ्या महिलांवर विशेषतः मोठा परिणाम होत आहे

सॉफ्टवेअर कामाच्या AI रूपांतराला वेळेचा प्रश्नही आहे आणि श्रमाचा प्रश्नही

parental leave नंतर परतणाऱ्या software developers साठी, industry चा AI-assisted coding कडे झालेला झपाट्याने कल एक विशिष्ट प्रकारचा reentry shock निर्माण करत आहे. maternity leave नंतर engineering roles मध्ये परतणाऱ्या महिलांवरील WIRED च्या एका report मध्ये असे workplace वर्णन केले आहे की जिथे त्यांच्या अनुपस्थितीत अनेक बाबतीत मोठा बदल झाला होता, आणि conventional development practices पासून code increasingly AI tools द्वारे generate, complete, किंवा supervise केला जाईल अशा अपेक्षांकडे वळण झाले होते.

सॉफ्टवेअरमधील AI वरची व्यापक चर्चा बहुतेक वेळा productivity, job security, आणि programming या profession च्या भविष्यासभोवती फिरत राहिली आहे. हे reporting आणखी एक पैलू जोडते: timing. वेगाने बदलणाऱ्या tool shift शी जुळवून घेण्याचे ओझे सर्व workers वर समान रीतीने पडत नाही. जे बदल वेगाने होत असताना आपल्या desks पासून दूर होते, ते अशा jobs मध्ये परत येऊ शकतात जे त्यांनी सोडून दिलेल्या jobs पेक्षा प्रत्यक्षात खूप वेगळे वाटतात.

अनुपस्थितीत बदलत असलेला profession

हा लेख अशा developers वर केंद्रित आहे जे AI coding tools सर्वसामान्य होण्यापूर्वी work मधून बाहेर पडले होते आणि परत आल्यावर त्या tools दैनंदिन expectations मध्ये गुंतलेले आढळले. एका software developer ने WIRED ला सांगितले की तिने शिकलेल्या rote development skills आता AI कडे outsource केल्या जातील अशी अपेक्षा होती. maternity leave वर असलेल्या दुसऱ्या worker ने सांगितले की एका manager ने सुचवले होते की तिने त्या leave चा काही भाग AI बद्दल स्वतःला अद्ययावत करण्यासाठी वापरावा, आणि त्या विनंतीने दबाव आणि vulnerability दोन्ही अधोरेखित केले.

हा दबाव फक्त नवीन product शिकण्याबद्दल नाही. तो professional legitimacy बद्दल आहे. जर workplace engineers ना मुख्यतः direct composition वरून न पाहता prompt design, review, orchestration, आणि machine-generated output supervision वरून पाहू लागला, तर work पासून दूर घालवलेला काळ हळू तांत्रिक बदलांच्या तुलनेत मोठी perceived skills gap निर्माण करू शकतो.

हा लेख याला विशेषतः नवीन मातांसाठी तीव्र असे मांडतो, पण underlying pattern अधिक व्यापक आहे. तीव्र तांत्रिक संक्रमणाच्या काळात दीर्घ leave घेणारा कोणताही worker बदललेल्या competency baseline वर परतण्याचा धोका पत्करतो. developer tooling मध्ये बदलाचा वेग असाधारणपणे जलद राहिल्यामुळे आणि executives नी निकट भविष्याच्या transformation ची आश्वासने देऊन त्याला मोठ्या प्रमाणावर प्रसिद्धी दिल्यामुळे AI ने हा परिणाम अधिक तीव्र केला आहे.

कार्यस्थळ अपेक्षांचा प्रश्न

या report मधील एक महत्त्वाचा तपशील असा आहे की tools शिकण्याचे तांत्रिक आव्हान फारसे मोठे नसतानाही अपेक्षा बदलल्या. मुद्दा केवळ developers AI coding assistants समजून घेऊ शकतात का हा नाही. मुद्दा असा आहे की ते work मध्ये पुन्हा सामील होत असताना, नवीन caregiving demands सांभाळत आणि आधीच महिन्यांपासून जुळवून घेत असलेल्या peers सोबत गती पकडत हे करू शकतात का.

theoretical learnability आणि practical fairness यातील हा फरक महत्त्वाचा आहे. एखादे tool वापरण्यास सोपे असू शकते, तरीही काही employees ना स्वतःच्या वेळेत training घ्यावी लागते आणि इतर जण paid work दरम्यान जुळवून घेतात, तर workplace power dynamics बदलू शकतात. त्या अर्थाने, लेखातील उदाहरणे AI पेक्षा अधिक व्यापक आहेत. एखादा क्षेत्र झपाट्याने retooled होत असेल, तर transition costs कोण सहन करतो, हा मुद्दा आहे.

सॉफ्टवेअर उद्योगाने दीर्घकाळ स्वतःला meritocratic आणि unusually adaptable म्हणून सादर केले आहे. पण हे self-image adaptation burdens किती असमान रीतीने वितरित होतात हे झाकू शकते. leave वरून परतणारी व्यक्ती अशा team मध्ये प्रवेश करू शकते जिथे norms, workflows, आणि performance signals तिच्या अनुपस्थितीतच बदललेले असतात, कोणतेही formal retraining किंवा protected ramp-up time नसताना.

ही कहाणी सॉफ्टवेअरच्या पलीकडे का महत्त्वाची आहे

हा लेख आणखी मोठा सामाजिक विषयही दाखवतो, जो इतर white-collar sectors मध्येही दिसू शकतो. AI executives वारंवार म्हणाले आहेत की law, finance, consulting, sales, आणि programming हे सर्व generative systems मुळे reshaped होतील. हे बदल वेगाने झाले, तर इथे नोंदवलेला friction professional life चे एक सामान्य वैशिष्ट्य बनू शकतो: leave, illness, caregiving, किंवा इतर interruptions मधून परतणाऱ्या workers ना केवळ पुन्हा काम सुरू करावे लागणार नाही, तर requalification देखील करावी लागेल.

यामुळे policy आणि management चा प्रश्न निर्माण होतो. AI-heavy workflows शी जुळवून घेणे ही individual responsibility मानावी का, की training आणि equitable reintegration शी जोडलेली employer responsibility? रिपोर्ट सूचित करतो की अनेक workers ना आधीच वाटत आहे की उत्तर खूपच former च्या दिशेने झुकत आहे.

या कथेत एक सांस्कृतिक विरोधाभासही आहे. tech industry अनेकदा AI ला drudgery कमी करणारे आणि higher-level work उघडणारे म्हणून साजरे करते. पण field मध्ये पुन्हा प्रवेश करणाऱ्यांसाठी, तोच बदल कधीकाळी या profession ला security कडे नेणारे skills destabilize करत असल्यासारखा वाटू शकतो. याचा अर्थ हा transformation अवास्तव किंवा परतवता येण्याजोगा नाही असा नाही. याचा अर्थ त्याचे खर्च उद्योगाने प्राधान्य न दिलेल्या ठिकाणी आधी दिसू लागले आहेत.

या piece ला प्रतिध्वनी मिळण्याचे कारण म्हणजे तो AI ला abstract productivity wave म्हणून नाही, तर असमान मानवी वेळेसह असलेला workplace change म्हणून पाहतो. सॉफ्टवेअरमध्ये coding चे भविष्य increasingly machines ना मार्गदर्शन करण्याशी संबंधित असू शकते. leave वरून परतणाऱ्या workers साठी तातडीचे आव्हान म्हणजे, ते नसताना future आलेले होते.

हा लेख Wired च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.