प्रस्तावना

तीसरी कड़ी में हमने देखा कि RPA और नो-कोड/लो-कोड जैसे आधुनिक सिटिजन डेवलपमेंट आधार, कामी एक्सेल से भी बड़ी ऋण-जोखिम लेकर आते हैं। तो उसी सिलसिले में प्रश्न उठता है—जनरेटिव एआई का आगमन क्या बदलता है?

जनरेटिव एआई मौजूदा प्रोग्राम संपत्तियों का विश्लेषण कर सकता है और उन्हें पुनर्संरचित या स्थानांतरित करने में मदद देता है। लेकिन दूसरी ओर, जिन संपत्तियों को कभी कोड के रूप में नहीं लिखा गया—जैसे नो-कोड या RPA के ब्लैक बॉक्स—उन्हें AI भी व्यावहारिक रूप से नहीं बचा पाता।

यानी भविष्य में जो नकारात्मक विरासत बचेगी, वह संभवतः “कोड में दर्ज न किए गए” समाधानों में केंद्रित होगी।

पूरी श्रृंखला

जनरेटिव एआई की ताकत── कोड संपत्तियों को “डी-फ़्रॉस्ट” करना

पहले, लेगेसी कोड को स्थानांतरित करना बेहद श्रमसाध्य था। COBOL या VB जैसी पुरानी भाषाओं में लिखी लाखों पंक्तियों की प्रणालियों के पास अक्सर दस्तावेज़ नहीं होते थे, और विश्लेषण के लिए अनुभवी विशेषज्ञ चाहिए होते थे।

जनरेटिव एआई यहाँ एक नई राह खोलता है।

  • कोड पढ़ने का स्वचालन
    यह फ़ंक्शनों की निर्भरताएँ चित्रित कर सकता है और चर या संरचनाओं का अर्थ संदर्भ से अनुमानित कर सकता है।

  • भाषा परिवर्तन में सहायता
    COBOL से Java, VB से Python जैसी माइग्रेशन की आधार रेखा तैयार कर सकता है।

  • रिफैक्टरिंग का अर्ध-स्वचालन
    उलझे हुए लॉजिक को फ़ंक्शन स्तर पर व्यवस्थित करना और टेस्ट कोड बनाकर उसे बाद की पीढ़ियों के लिए उपयोगी बनाना संभव करता है।

मूलतः, जो भी कोड के रूप में बचा है उसे AI अर्ध-स्वचालित रूप से “डी-फ़्रॉस्ट” कर सकता है। इस अर्थ में जनरेटिव एआई लेगेसी पुनर्सुधार का गेम-चेंजर बन सकता है।

हालाँकि “कोड है तो ज़रूर बच जाएगा” यह भी सही नहीं। यदि निर्भर वातावरण गायब हो चुका हो या कार्य-ज्ञान वाले लोग मौजूद न हों, तो AI भी उन शून्यों को नहीं भर सकता। फिर भी “सिर्फ ब्लैक बॉक्स बचा है” की तुलना में ऐसी संपत्तियों की पुनर्जीवन संभावना कहीं अधिक है।

जिन्हें बचाना मुश्किल है── कोड में न बदली गई संपत्तियाँ

इसके उलट, नो-कोड या RPA से बने संसाधनों का क्या? वे GUI संचालन या फ़्लोचार्ट के रूप में मौजूद रहते हैं और उनकी आंतरिक अभिव्यक्ति वेंडर-विशिष्ट डेटा संरचनाओं में कैद रहती है।

जनरेटिव एआई का सबसे मजबूत पक्ष पाठ्य जानकारी है; एन्क्रिप्टेड या स्वामित्व प्रारूप में बंद ब्लैक बॉक्सों का विश्लेषण कठिन है।

उदाहरण के लिए RPA का “व्यावसायिक फ़्लो” ऊपर से ब्लॉक-डायग्राम दिख सकता है, लेकिन वस्तुतः वह एन्क्रिप्टेड प्रोजेक्ट फ़ाइल होता है। नो-कोड के “ऐप” भी अक्सर केवल क्लाउड पर चलते हैं और स्रोत कोड के रूप में निर्यात करने का विकल्प होता ही नहीं।

यथार्थ में, उन्हें बचाने से तेज़ विकल्प पुनर्संरचना ही होता है। हो सकता है भविष्य में स्क्रीन संचालन या कैप्चर से फ़्लो अनुमानित करने वाले शोध आगे बढ़ें और कुछ हिस्से AI से निकाले जा सकें। पर कम से कम अभी के लिए, ब्लैक बॉक्स बन चुकी संपत्तियों को सीधे हस्तांतरित करना अत्यंत कठिन है।

नकारात्मक विरासत की विभाजक रेखा── कोड में दर्ज किया या नहीं

यहाँ से स्पष्ट होता है कि भविष्य की नकारात्मक विरासत का विभाजन कहाँ होगा।

  • जो चीज़ें कोड के रूप में बची हैं उन्हें जनरेटिव एआई की मदद से पुन: उपयोग, स्थानांतरण या सुधार का रास्ता मिलता है।
  • जो कोड में दर्ज नहीं हुईं वे AI के लिए भी काफी हद तक अदृश्य रहती हैं, और अंततः उन्हें फिर से डिज़ाइन करना ही पड़ता है।

अर्थात आने वाले समय में बचाव की संभावना का मुख्य निर्धारक यही है कि “क्या उसे कोड के रूप में छोड़ा गया था।” जनरेटिव एआई ने इस विभाजक रेखा को और स्पष्ट कर दिया है।

दृष्टि── एआई सर्वशक्तिमान उद्धारकर्ता नहीं

जनरेटिव एआई निस्संदेह शक्तिशाली है, पर अभी सर्वशक्तिमान नहीं। यह ब्लैक बॉक्स बने सिटिजन डेवलपमेंट संसाधनों को पूरी तरह नहीं बचा सकता, न ही वह अतीत के निर्णयों को सही ठहरा देता है।

AI हमें “कोड न लिखने की स्वतंत्रता” की कीमत दिखाता है। जिस संगठन ने अल्पकालिक तात्कालिकता के मोह में नो-कोड चुना, वह जनरेटिव एआई की मदद से वंचित रहेगा और पुनर्संरचना का खर्च खुद उठाएगा।

इसीलिए अगली कड़ी में हम गहराई से देखेंगे कि “नकारात्मक विरासत बनने से कैसे बचें”── यानी गवर्नेंस डिज़ाइन का दृष्टिकोण क्या होना चाहिए।

अगली कड़ी: गवर्नेंस और नकारात्मक विरासत से बचने के उपाय 5/7