AI యొక్క కోడింగ్ మార్పు, సెలవు తర్వాత తిరిగి వచ్చే మహిళలను మరింత తీవ్రంగా ప్రభావితం చేస్తోంది

సాఫ్ట్‌వేర్ పనిలో AI మార్పుకు సమయ సమస్యతో పాటు కార్మిక సమస్య కూడా ఉంది

parental leave తర్వాత తిరిగి వచ్చే సాఫ్ట్‌వేర్ డెవలపర్ల కోసం, పరిశ్రమ AI-assisted coding వైపు వేగంగా మళ్లడం ఒక ప్రత్యేక రకమైన reentry shock‌ను సృష్టిస్తోంది. maternity leave తర్వాత engineering పాత్రలకు తిరిగి వస్తున్న మహిళలపై WIRED చేసిన ఒక నివేదిక, వారి గైర్హాజరీ సమయంలో అనేక సందర్భాల్లో గణనీయంగా మారిపోయిన కార్యాలయాన్ని వివరిస్తుంది; సంప్రదాయ development practices నుంచి code increasingly AI tools ద్వారా తయారవుతుందని, పూర్తవుతుందని, లేదా పర్యవేక్షించబడుతుందని ఉన్న అంచనాల వైపు మార్పు జరిగింది.

సాఫ్ట్‌వేర్‌లో AI గురించి సాగుతున్న విస్తృత చర్చ ఎక్కువగా productivity, job security, మరియు programming అనే వృత్తి భవిష్యత్తుపై కేంద్రీకృతమైంది. ఈ రిపోర్టింగ్ మరో కొలతను జోడిస్తుంది: timing. వేగంగా మారుతున్న tool shift‌కు సరిపోలడం అనే భారం అన్ని workersపై సమానంగా పడదు. మార్పు వేగంగా జరుగుతున్నప్పుడు తమ desks‌కు దూరంగా ఉన్నవారు, తాము వదిలి వెళ్లిన jobs‌తో పోలిస్తే materially భిన్నంగా అనిపించే ఉద్యోగాలకు తిరిగి రావచ్చు.

గైర్హాజరీ సమయంలో మారుతున్న వృత్తి

AI coding tools సాధారణమయ్యే ముందు పని నుంచి విరామం తీసుకుని, తిరిగి వచ్చేసరికి ఆ tools రోజువారీ అంచనాల్లో భాగమయ్యాయని కనుగొన్న developers‌పై ఈ కథనం దృష్టి సారిస్తుంది. ఒక software developer, తాను నేర్చుకున్న rote development skills ఇప్పుడు AIకి outsource చేయబడతాయని ఆశిస్తున్నారని WIRED‌కు తెలిపింది. maternity leave‌లో ఉన్న మరో worker, ఆ leave‌లో కొంత భాగాన్ని AIపై తనను తాను అప్‌డేట్ చేసుకోవడానికి ఉపయోగించమని ఒక manager సూచించాడని చెప్పింది; ఆ అభ్యర్థన ఒత్తిడినీ, అసురక్షితతనీనీ బయటపెట్టింది.

ఆ ఒత్తిడి కేవలం ఒక కొత్త product‌ను నేర్చుకోవడంపైన మాత్రమే కాదు. అది professional legitimacy గురించి. ఒక workplace engineers‌ను direct composition ఆధారంగా కాకుండా prompt design, review, orchestration, మరియు machine-generated output supervision ఆధారంగా అంచనా వేయడం ప్రారంభిస్తే, పనికి దూరంగా గడిపిన సమయం నెమ్మదిగా జరిగే technological transitions కంటే పెద్ద skills gap‌గా కనిపించవచ్చు.

ఈ కథనం దీనిని ముఖ్యంగా కొత్త తల్లులపై తీవ్రమైనదిగా చూపిస్తుంది, కానీ underlying pattern మరింత విస్తృతమైనది. తీవ్రమైన సాంకేతిక మార్పు సమయంలో దీర్ఘకాల leave తీసుకున్న ఏ worker అయినా, మారిపోయిన competency baseline‌కు తిరిగి రావాల్సిన ప్రమాదం ఉంటుంది. developer tooling‌లో మార్పు వేగం అసాధారణంగా ఎక్కువగా ఉండటం, అలాగే executives సమీప భవిష్యత్ transformation‌ను వాగ్దానం చేయడంతో దీనికి విస్తృత ప్రచారం లభించడం వల్ల AI ఆ ప్రభావాన్ని మరింత పెంచింది.

కార్యాలయ అంచనాల సమస్య

రిపోర్ట్‌లోని ముఖ్యమైన వివరాల్లో ఒకటి ఏమిటంటే, tools నేర్చుకునే సాంకేతిక సవాలు అధికంగా లేకపోయినా కూడా అంచనాలు మారాయి. సమస్య developers AI coding assistants‌ను అర్థం చేసుకోగలరా అన్నది మాత్రమే కాదు. వారు తిరిగి పనిలో చేరుతూ, కొత్త caregiving demands‌ను సమన్వయం చేస్తూ, ఇప్పటికే నెలల తరబడి అనుసరిస్తున్న peers‌తో పోటీ పడుతూ అది చేయగలరా అన్నదే అసలు విషయం.

theoretical learnability మరియు practical fairness మధ్య ఉన్న ఈ తేడా ముఖ్యం. ఒక tool వాడటానికి సులభంగా ఉండొచ్చు, కానీ కొంతమంది employees తమ స్వంత సమయంలో training తీసుకోవాలని effectively అడిగితే, మరికొందరు paid work సమయంలోనే సరిపోల్చుకుంటే, అది workplace power dynamics‌ను మార్చేస్తుంది. ఆ అర్థంలో, ఈ కథనంలోని ఉదాహరణలు AI గురించే కాదు. ఒక రంగం వేగంగా retooled అవుతున్నప్పుడు transition costs‌ను ఎవరు భరిస్తారన్నదే అవి చెప్పేది.

సాఫ్ట్‌వేర్ పరిశ్రమ చాలాకాలంగా తనను meritocratic మరియు unusually adaptable‌గా ప్రదర్శించుకుంది. కానీ ఆ self-image, adaptation burdens ఎంత అసమానంగా పంచబడుతున్నాయో దాచివేయగలదు. leave నుంచి తిరిగి వస్తున్న వ్యక్తి, formal retraining లేదా protected ramp-up time లేకుండా, norms, workflows, మరియు performance signals మారిపోయిన team‌లోకి ప్రవేశించవచ్చు.

ఈ కథ సాఫ్ట్‌వేర్‌ను దాటి ఎందుకు ప్రాముఖ్యం కలిగి ఉంది

ఈ కథనం ఇతర white-collar sectors‌లో కూడా కనిపించే ఒక పెద్ద సామాజిక అంశాన్ని పట్టుకుంది. law, finance, consulting, sales, మరియు programming అన్నీ generative systems ద్వారా reshaped అవుతాయని AI executives మళ్లీ మళ్లీ చెప్పారు. ఈ మార్పులు వేగంగా జరిగితే, ఇక్కడ నమోదు చేసిన friction professional life‌లో సాధారణ లక్షణంగా మారవచ్చు: leave, illness, caregiving, లేదా ఇతర interruptions నుంచి తిరిగి వచ్చే workers కేవలం పనికి తిరిగి చేరడమే కాదు, requalification‌ను కూడా ఎదుర్కోవాల్సి వస్తుంది.

అది ఒక policy మరియు management ప్రశ్నను సృష్టిస్తుంది. AI-heavy workflows‌కు అనుకూలతను ఒక individual responsibilityగా పరిగణించాలా, లేక training మరియు equitable reintegration‌తో కూడిన employer responsibilityగా చూడాలా? ఈ ప్రశ్నకు సమాధానం former వైపు చాలా ఎక్కువగా జారిపోతున్నట్లు అనేక workers ఇప్పటికే అనుభవిస్తున్నారని ఈ నివేదిక సూచిస్తోంది.

కథలో ఒక cultural contradiction కూడా ఉంది. టెక్ పరిశ్రమ తరచుగా AIను drudgery తగ్గించి, higher-level work‌ను తెరవడం గా సంబరపడుతుంది. కానీ రంగంలో తిరిగి ప్రవేశిస్తున్న వారికి, అదే మార్పు ఒకప్పుడు ఈ వృత్తిని securityకి దారి తీసే మార్గంగా చేసిన skills‌ను destabilize చేస్తున్నట్లు అనిపించవచ్చు. అంటే ఈ మార్పు అవాస్తవమో లేదా తిరిగి వెనక్కి వెళ్లగలిగేదో కాదు. దాని ఖర్చులు పరిశ్రమ ప్రాధాన్యం ఇవ్వని ప్రదేశాల్లోనే మొదట కనిపిస్తున్నాయి.

ఈ piece ప్రతిధ్వనించేలా ఉండటానికి కారణం, ఇది AIను ఒక abstract productivity waveగా కాకుండా, సమంగా పడని మానవ కాలంతో కూడిన workplace changeగా చూస్తుంది. సాఫ్ట్‌వేర్‌లో coding భవిష్యత్తు increasingly machines‌ను guide చేయడాన్ని కలిగి ఉండవచ్చు. leave నుంచి తిరిగి వచ్చే workers‌కు తక్షణ సవాలు ఏమిటంటే, వారు లేనప్పుడు భవిష్యత్తు వచ్చేసింది.

ఈ కథనం Wired రిపోర్టింగ్ ఆధారంగా ఉంది. మూల కథనాన్ని చదవండి.