लाइब्रेरी पर वापस जाएं

प्रमुख प्रश्न नया

AI द्वारा प्रसंस्कृत · लेखक द्वारा अनुमोदित

टीमें यह कैसे सत्यापित कर सकती हैं कि सॉफ़्टवेयर डेवलपर्स ने एआई-जनित सुझावों को वास्तव में समझा और अपनाया है?

Toward Knowledge-Traceable AI-Assisted Design Science: A Prompt-Code-Reflection Traceability Method Artifact
Weixin Wang · International Conference on Information Systems (ICIS) · 2026
चित्र: टीमें यह कैसे सत्यापित कर सकती हैं कि सॉफ़्टवेयर डेवलपर्स ने एआई-जनित सुझावों को वास्तव में समझा और अपनाया है?

Spotify का प्लेयर लोड करता है; Spotify कुकीज़ सेट कर सकता है। यह डिवाइस आपकी पसंद याद रखता है।

मुख्य निष्कर्ष

  • मूल्यांकित मामलों में 22 सत्यापित डिज़ाइन ज्ञान घटनाओं की पहचान की, जिसमें ओपन-एंडेड आवश्यकता परिशोधन और कार्यक्षमता डिबगिंग के बीच अंतर स्पष्ट किया गया।
  • यह दर्शाया कि केवल प्रॉम्प्ट लॉग अधूरे साक्ष्य प्रदान करते हैं, क्योंकि एआई-सुझाया गया कोड या तर्क अंतिम सॉफ़्टवेयर में शामिल होने से पहले अक्सर छोड़ दिया गया या संशोधित किया गया था।
  • यह उजागर किया कि डेवलपर के चिंतन ने प्रमुख अंतरालों को सामने लाया, जैसे कि ऐसे मामले जहां डेवलपर्स ने कोड में एआई-जनित सुधारों को शामिल तो किया लेकिन स्वीकार किया कि वे नहीं समझ पाए कि वह सुधार कैसे काम करता था।
  • यह स्थापित किया कि एआई-सहायता प्राप्त डिज़ाइन निर्णयों पर दृढ़ विश्वास के लिए केवल इंटरैक्शन निशानों पर भरोसा करने के बजाय प्रॉम्प्ट लॉग, कोड कमिट और डेवलपर चिंतन की एक साथ पुष्टि करना आवश्यक है।

आपके लिए इसका क्या अर्थ है

CIO / आईटी एक्ज़ीक्यूटिव

Stop relying on AI chat history audits alone; mandate a unified review process on Monday morning that links AI prompts, resulting code commits, and developer reflections to prevent blind code acceptance.

आईटी प्रबंधक

Require your development team on Monday morning to document a brief post-task reflection alongside their pull requests whenever generative AI tools are used for coding or debugging.

बिज़नेस रणनीतिकार

Update your AI tool ROI and risk assessment metrics this Monday to account for developer comprehension gaps, ensuring teams aren't overvaluing speed when AI code is integrated without true understanding.

शोधकर्ता

Design your next empirical study on Monday morning to simultaneously capture and triangulate prompt logs, code modification histories, and qualitative developer reflections rather than relying on a single artifact source.

नीति निर्माता

Draft organizational compliance guidelines this Monday requiring audit trails for AI-assisted software development to include developer validation logs, proving that deployed AI code was genuinely understood and verified.

सारांश

यह अध्ययन प्रॉम्प्ट-कोड-रिफ्लेक्शन (चिंतन) पद्धति विकसित करता है ताकि यह पता लगाया और मूल्यांकन किया जा सके कि डिज़ाइन ज्ञान एआई चैट लॉग, सॉफ़्टवेयर कोड और डेवलपर के विचारों के बीच कैसे आगे बढ़ता है। शोधकर्ताओं ने सात प्रमुख मामलों में एक शैक्षिक सॉफ़्टवेयर डिज़ाइन कार्य पूरा करने वाले छात्र डेवलपर्स पर इस पद्धति का व्यावहारिक और प्रारंभिक मूल्यांकन किया।

समस्या

जब डेवलपर्स जनरेटिव एआई का उपयोग करते हैं, तो डिज़ाइन संबंधी तर्क प्रॉम्प्ट्स, परिणामी कोड और व्यक्तिपरक संस्मरणों में बिखर जाते हैं। इन निशानों को जोड़ने के व्यवस्थित तरीके के बिना, संगठन यह सत्यापित नहीं कर सकते कि एआई-जनित सिफारिशों को वास्तव में समझा और एकीकृत किया गया था या केवल आँख मूंदकर स्वीकार किया गया था।

ट्रांसक्रिप्ट
Host: नमस्कार और 'A.I.S. Insights — powered by Living Knowledge' में आपका स्वागत है। मैं हूँ आपकी होस्ट, अन्ना आइवी समर्स। आज हम वेइक्सिन वांग द्वारा प्रस्तुत एक अध्ययन पर चर्चा कर रहे हैं, जो ICIS 2026 में प्रकाशित हुआ है। इसका शीर्षक है: "ज्ञान-अनुरेखणीय एआई-सहायता प्राप्त डिज़ाइन विज्ञान की ओर: एक प्रॉम्प्ट-कोड-चिंतन अनुरेखणीयता विधि आर्टिफैक्ट"। यह अध्ययन जांचता है कि सॉफ़्टवेयर विकास के दौरान डिज़ाइन ज्ञान एआई चैट लॉग, कोड और डेवलपर के विचारों के बीच कैसे आगे बढ़ता है। इस विषय को विस्तार से समझाने के लिए हमारे साथ मौजूद हैं हमारे विश्लेषक, एलेक्स इयान सदरलैंड। एलेक्स, स्वागत है।
Expert: धन्यवाद, अन्ना। यहाँ उपस्थित होकर मुझे खुशी हो रही है।
Host: एलेक्स, आज कई संगठन सॉफ़्टवेयर विकास को गति देने के लिए जनरेटिव एआई का उपयोग कर रहे हैं। इस अध्ययन के अनुसार, इस प्रक्रिया में मुख्य समस्या क्या सामने आ रही है?
Expert: अन्ना, मुख्य समस्या यह है कि जब डेवलपर्स जनरेटिव एआई का उपयोग करते हैं, तो उनके निर्णय और डिज़ाइन तर्क अलग-अलग जगहों पर बिखर जाते हैं। कुछ तर्क प्रॉम्प्ट्स में होते हैं, कुछ अंतिम कोड में दिखते हैं, और कुछ केवल डेवलपर की याददाश्त में रह जाते हैं। इन कड़ियों को जोड़ने के व्यवस्थित तरीके के बिना, संगठनों के लिए यह सत्यापित करना असंभव हो जाता है कि एआई की सिफारिशों को वास्तव में समझकर लागू किया गया था या केवल बिना सोचे-समझे स्वीकार कर लिया गया था।
Host: यह सॉफ़्टवेयर की गुणवत्ता और सुरक्षा के दृष्टिकोण से एक वास्तविक चिंता है। इस अध्ययन में शोधकर्ता ने इस समस्या का समाधान कैसे तलाशा?
Expert: शोधकर्ता ने एक प्रॉम्प्ट-कोड-चिंतन अनुरेखणीयता विधि विकसित की। इसका व्यावहारिक मूल्यांकन सात प्रमुख मामलों में एक शैक्षिक सॉफ़्टवेयर डिज़ाइन कार्य पूरा करने वाले डेवलपर्स पर किया गया। इस पद्धति में तीन डेटा स्रोतों को एक साथ जोड़ा गया: पहला, डेवलपर्स द्वारा उपयोग किए गए एआई चैट लॉग; दूसरा, गिटहब जैसे रिपॉजिटरी में किए गए कोड कमिट; और तीसरा, डेवलपर्स द्वारा दर्ज किया गया उनका व्यक्तिगत चिंतन या रिफ्लेक्शन।
Host: यह दृष्टिकोण डेटा के कई स्तरों को एक साथ लाता है। इस अध्ययन के मुख्य परिणाम क्या रहे?
Expert: अध्ययन में 22 सत्यापित डिज़ाइन ज्ञान घटनाओं की पहचान की गई। इसमें आवश्यकताओं के परिशोधन और बग्स को ठीक करने के बीच अंतर को स्पष्ट रूप से मैप किया गया। पहला मुख्य परिणाम यह था कि केवल प्रॉम्प्ट लॉग अधूरे साक्ष्य देते हैं। एआई द्वारा सुझाया गया कोड अक्सर अंतिम सॉफ़्टवेयर में शामिल होने से पहले डेवलपर्स द्वारा संशोधित किया गया या पूरी तरह हटा दिया गया था।
Host: यानी केवल यह देखना कि एआई से क्या पूछा गया था, पूरी कहानी नहीं बताता।
Expert: बिल्कुल। और दूसरा महत्वपूर्ण परिणाम डेवलपर के चिंतन से जुड़ा था। चिंतन ने ज्ञान के गंभीर अंतरालों को उजागर किया। कुछ मामलों में डेवलपर्स ने एआई-जनित कोड को अपने प्रोजेक्ट में शामिल तो किया, लेकिन बाद में अपने चिंतन में स्पष्ट स्वीकार किया कि वे वास्तव में यह नहीं समझ पाए कि वह कोड कैसे काम कर रहा था।
Host: यह तो तकनीकी ऋण और सुरक्षा के लिए एक बड़ा जोखिम है।
Expert: जी हाँ। इसीलिए अध्ययन का निष्कर्ष है कि एआई-सहायता प्राप्त निर्णयों की पुष्टि के लिए केवल इंटरैक्शन निशानों पर निर्भर रहने के बजाय प्रॉम्प्ट लॉग, कोड कमिट और डेवलपर चिंतन तीनों की एक साथ जांच करना आवश्यक है।
Host: यह व्यावहारिक दृष्टिकोण से व्यवसायों और इंजीनियरिंग टीमों के लिए क्यों महत्वपूर्ण है? सीटीओ और तकनीकी प्रबंधक इस जानकारी से क्या सीख सकते हैं?
Expert: इसका सबसे बड़ा व्यावसायिक निहितार्थ कोड ऑडिटिंग और तकनीकी जवाबदेही में है। यदि आपकी टीम एआई का उपयोग कर रही है, तो केवल गति मापना पर्याप्त नहीं है। इस अध्ययन की पद्धति का उपयोग करके टीमें यह सुनिश्चित कर सकती हैं कि एआई का कोड केवल कॉपी नहीं किया जा रहा, बल्कि डेवलपर उसे समझ भी रहे हैं। यह ज्ञान के हस्तांतरण को बेहतर बनाता है और भविष्य में मेंटेनेंस लागत को कम करता है।
Host: संक्षेप में कहें तो, यह अध्ययन हमें दिखाता है कि एआई और मानव डेवलपर के बीच के सहयोग को पारदर्शी और जवाबदेह कैसे बनाया जाए। एलेक्स, इस अध्ययन के निष्कर्षों को इतने स्पष्ट रूप से समझाने के लिए बहुत-बहुत धन्यवाद।
Expert: आपका धन्यवाद, अन्ना।
Host: और हमारे सभी श्रोताओं का भी धन्यवाद। एआई और व्यवसाय से जुड़े ऐसे ही विश्लेषणात्मक अध्ययनों के लिए जुड़े रहिए 'A.I.S. Insights — powered by Living Knowledge' के साथ। मिलते हैं अगले एपिसोड में।
Artificial Intelligence & Automation Information Systems & Management Human-Computer Interaction Data Analytics & Big Data Digital Transformation & Strategy Cybersecurity & Privacy Cloud & Infrastructure E-Commerce & Digital Platforms Operations & Supply Chain Sustainability & Green IS

AI-assisted DSR, design knowledge, traceability method, generative AI, human-AI collaboration, software design