AI को इंजीनियरिंग नौकरियों को खत्म करना था, लेकिन नए डेटा से पता चलता है कि वे सबसे लचीली हैं

हर कुछ महीनों में, सुर्खियों की एक नई लहर घोषणा करती है कि सॉफ्टवेयर इंजीनियर अगली कटौती की सूची में हैं। AI अब कोड लिखता है — कोई भी मनुष्यों को ऐसा करने के लिए क्यों रखे? लेकिन TechCrunch द्वारा रिपोर्ट किए गए नए डेटा बिल्कुल अलग कहानी बताते हैं। AI को इंजीनियरिंग नौकरियों को खत्म करना था, लेकिन वेंचर फर्म SignalFire के नए विश्लेषण से पता चलता है कि कुल नई नियुक्तियों के हिस्से के रूप में इंजीनियर वास्तव में बढ़े हैं — भले ही AI टूल बाजार में बाढ़ आ गए हों और कंपनियों ने अन्य कार्यों में कर्मचारियों में कटौती की हो। यह कोई विरोधाभास नहीं है। एक बार जब आप यांत्रिकी को समझ जाते हैं, तो यह पूरी तरह समझ में आता है।

क्या हुआ

आख्यान जोर से और सुसंगत रहा है: जनरेटिव AI कोड को स्वचालित करता है, इसलिए कम इंजीनियरों को नियुक्त किया जाता है। यह एक स्वच्छ कहानी है। यह भी गलत है, कम से कम अब तक।

SignalFire के डेटा के अनुसार — 24 जून, 2026 को प्रकाशित TechCrunch लेख में उद्धृत — कुल नई नियुक्तियों के अनुपात के रूप में इंजीनियर AI बूम के दौरान सिकुड़ने के बजाय बढ़े हैं। तकनीकी छंटनी की पूर्ण संख्या वास्तविक है। लेकिन जब आप बाहर निकलते हैं और नियुक्ति मिश्रण को देखते हैं, तो इंजीनियरिंग भूमिकाएं पाई का एक बड़ा हिस्सा रखती हैं जो बड़े भाषा मॉडल मुख्यधारा के उपकरण बनने से पहले थीं।

कारण जटिल नहीं है: AI ने सॉफ्टवेयर शिप करने की लागत को कम कर दिया है, लेकिन इसने सॉफ्टवेयर की मांग को कम नहीं किया है। अगर कुछ भी है, तो इसने विपरीत किया है। जब निर्माण सस्ता और तेज हो जाता है, तो अधिक चीजें बनाई जाती हैं। हर कंपनी जो पहले तकनीकी निवेश को सही नहीं ठहरा सकती थी, अब कर सकती है। हर स्टार्टअप जिसे एक उत्पाद शिप करने के लिए छह-व्यक्ति इंजीनियरिंग टीम की आवश्यकता थी, अब इसे दो के साथ कर सकता है — लेकिन दस गुना अधिक स्टार्टअप शिप करने की कोशिश कर रहे हैं।

AI ने वास्तव में जो किया है वह कौन सी इंजीनियरिंग कौशल महत्वपूर्ण है, इसे स्थानांतरित किया है। भूमिकाएं जो विशुद्ध रूप से आवश्यकताओं को बॉयलरप्लेट कोड में अनुवाद करने के बारे में थीं — काम का वह प्रकार जहां एक वरिष्ठ इंजीनियर अपने दिन का 40% CRUD एंडपॉइंट लिखने में बिताता है — वे वास्तव में दबाव में हैं। लेकिन भूमिकाएं जिनके लिए सिस्टम डिज़ाइन, आर्किटेक्चरल निर्णय, गैर-निर्धारक AI आउटपुट को डीबग करना, और जटिल तीसरे पक्ष की सेवाओं को एकीकृत करना आवश्यक है? मांग तेज हो रही है। SignalFire डेटा मैक्रो स्तर पर इस बदलाव को पकड़ता है: कुल इंजीनियरिंग प्रतिभा पूल सिकुड़ नहीं रहा है; यह पुनर्निर्देशित हो रहा है।

यह भी ध्यान देने योग्य है कि डेटा क्या नहीं कहता है। यह नहीं कहता कि हर इंजीनियर सुरक्षित है। संकीर्ण, दोहराए जाने वाले दायरे वाली जूनियर भूमिकाएं अधिक उजागर हैं। लचीलापन उन इंजीनियरों में केंद्रित है जो AI के साथ काम कर सकते हैं एक बल गुणक के रूप में — न कि जो कच्चे कोड आउटपुट पर इसके खिलाफ प्रतिस्पर्धा करते हैं।

एशिया के लिए यह क्यों महत्वपूर्ण है

एशिया की तकनीकी बाजार के पास इस चिंता का अपना संस्करण है, और यह गहरा चलता है। भारत, वियतनाम, फिलीपींस और इंडोनेशिया जैसे बाजारों में, इंजीनियरिंग कार्यबल का एक महत्वपूर्ण हिस्सा ऐतिहासिक रूप से आउटसोर्स किए गए सॉफ्टवेयर सेवाओं में नियोजित किया गया है — ठीक वही काम जो AI स्वचालन के लिए सबसे अधिक उजागर है। आवश्यकताएं आती हैं, कोड बाहर जाता है। जब AI उस लूप को तेजी से और सस्ता संभाल सकता है, तो डर तर्कसंगत है।

लेकिन SignalFire की खोज एशियाई डेवलपर्स के लिए बातचीत को एक उपयोगी तरीके से फिर से तैयार करती है। खतरा इंजीनियरिंग के अनुशासन के लिए नहीं है — यह इंजीनियरिंग के एक विशिष्ट मोड के लिए है जो पहले से ही आर्थिक रूप से नाजुक था। बॉडी-शॉप आउटसोर्सिंग कभी भी एक टिकाऊ मोट नहीं था। AI संक्रमण जो कर रहा है वह एक बदलाव को तेज कर रहा है जो पहले से ही देय था: सस्ते निष्पादन के स्रोत के रूप में एशिया से उत्पाद-मानसिक, सिस्टम-स्तरीय इंजीनियरिंग प्रतिभा के स्रोत के रूप में एशिया तक।

यह दक्षिण पूर्व एशिया और दक्षिण एशिया में अभी निर्माण करने वाले संस्थापकों के लिए बहुत महत्वपूर्ण है। निर्माण की लागत नाटकीय रूप से गिर गई है। जकार्ता या हो ची मिन्ह सिटी में एक दो-व्यक्ति तकनीकी टीम, सही AI उपकरणों से लैस, शिप कर सकती है जिसके लिए पहले आठ की टीम की आवश्यकता थी। यह एशियाई इंजीनियरिंग प्रतिभा के लिए खतरा नहीं है — यह दुबले, तेजी से चलने वाली एशियाई स्टार्टअप्स के लिए एक संरचनात्मक लाभ है जो ऐसे बाजारों में प्रतिस्पर्धा कर रहे हैं जिन्हें पश्चिमी कंपनियां लगातार कम सेवा देती हैं।

यहां व्यापक एशिया तकनीकी कहानी लीवरेज के बारे में है। इंजीनियर जो समझते हैं कि सिस्टम को कैसे आर्किटेक्ट करना है, सही और सुरक्षा के लिए AI-जनित कोड का मूल्यांकन करना है, और पूर्ण स्टैक में तेजी से आगे बढ़ना है, असमान रूप से मूल्यवान बन रहे हैं। भूगोल जहां वे इंजीनियर रहते हैं, पहले की तुलना में कम महत्वपूर्ण है। जो महत्वपूर्ण है वह कौशल प्रोफ़ाइल है — और एशियाई डेवलपर समुदाय पश्चिमी आख्यान उन्हें जो श्रेय देते हैं उससे तेजी से अनुकूल हो रहे हैं।

एक नियुक्ति मध्यस्थता अवसर भी खुल रहा है। जैसे-जैसे पश्चिमी तकनीकी कंपनियां पुनर्गठन करती हैं और गैर-इंजीनियरिंग कार्यों में कर्मचारियों में कटौती करती हैं, मजबूत इंजीनियरों की सापेक्ष कमी — यहां तक कि विश्व स्तर पर — बढ़ रही है। एशियाई इंजीनियरिंग प्रतिभा, पहले से ही गुणवत्ता पर प्रतिस्पर्धी, अब एक बाजार में एक मजबूत बातचीत की स्थिति है जहां वास्तविक इंजीनियरिंग कौशल के लिए मांग संकेत केवल बढ़ रहा है।

डेवलपर्स के लिए इसका क्या मतलब है

यदि डेटा धारण करता है — और SignalFire विश्लेषण वास्तविक नियुक्ति पैटर्न में निहित है, अनुमान नहीं — काम करने वाले डेवलपर्स के लिए व्यावहारिक निष्कर्ष स्पष्ट है: फर्श आपके नीचे से बाहर नहीं गिर रहा है, लेकिन आपको मूल्यवान क्या बनाता है इसका आकार तेजी से बदल रहा है।

अभी सबसे अधिक जोखिम में इंजीनियर वे हैं जिनका प्राथमिक मूल्य प्रस्ताव मात्रा है। बहुत सारा कोड, जल्दी, एक अच्छी तरह से परिभाषित दायरे में लिखना। AI यह उचित रूप से अच्छी तरह करता है और हर त्रैमासिक में बेहतर हो जाता है। इंजीनियर जो जमीन हासिल कर रहे हैं वे हैं जो AI को बुनियादी ढांचे के रूप में मानते हैं — कुछ ऐसा जिसे डिज़ाइन किया जाना है, विचारपूर्वक एकीकृत किया जाना है, और उत्पादन में निगरानी की जाती है।

ठोस रूप से, इसका मतलब कुछ चीजें प्राथमिकता देने के लायक हैं:

• सिंटैक्स पर सिस्टम डिज़ाइन। AI सारे दिन वाक्यविन्यास से सही कोड उत्पन्न कर सकता है। यह आपके विशिष्ट डोमेन, आपकी स्केलिंग बाधाओं, या आपकी टीम की परिचालन क्षमता के बारे में अच्छे आर्किटेक्चरल निर्णय नहीं ले सकता। वह निर्णय आपका है।
• एकीकरण गहराई। सिस्टम को जोड़ने की क्षमता — API, डेटा पाइपलाइन, तीसरे पक्ष की सेवाएं, आंतरिक उपकरण — यह तेजी से है जहां इंजीनियरिंग मूल्य रहता है। जानना कि चीजों को विश्वसनीय रूप से कैसे जोड़ा जाए, विफलताओं को सुंदरता से संभाला जाए, और उन एकीकरणों को समय के साथ बनाए रखा जाए, यह कुछ ऐसा नहीं है जो AI को बदलता है; यह कुछ ऐसा है जो AI निर्माण को तेजी से बनाता है लेकिन अनुभवी निरीक्षण के बिना शासन करना कठिन है।
• AI आउटपुट का मूल्यांकन। यह वह कौशल है जो अधिकांश डेवलपर्स को कम आंकते हैं। AI-जनित कोड सूक्ष्म तरीकों से गलत हो सकता है जो उत्पादन तक सतह पर नहीं आते। सुरक्षा कमजोरियां, किनारे के मामले की विफलताएं, राज्य के बारे में गलत धारणाएं — इन्हें एक डेवलपर की आवश्यकता है जो कोड को गंभीर रूप से पढ़ सकता है, न कि केवल इसे उत्पन्न कर सकता है। कोड समीक्षा, AI युग में, पहले से कहीं अधिक महत्वपूर्ण है।
• उत्पाद समझ। अभी सबसे अच्छे इंजीनियर वे हैं जो एक उपयोगकर्ता समस्या से न्यूनतम हाथ पकड़ने के साथ एक शिप की गई सुविधा तक जा सकते हैं। AI कार्यान्वयन अंतराल को संपीड़ित करता है; उत्पाद समझ यह निर्धारित करता है कि क्या आप पहली जगह में सही चीज बना रहे हैं।

MonstarX पर निर्माण करने वाले डेवलपर्स के लिए, एशिया का AI-देशी dev प्लेटफॉर्म, यह बदलाव पहले से ही दिखाई दे रहा है कि टीमें कैसे काम कर रही हैं। प्लेटफॉर्म का उपयोग इंजीनियरिंग निर्णय को बदलने के लिए नहीं बल्कि इसे बढ़ाने के लिए किया जा रहा है — छोटी टीमों को एक गति से आगे बढ़ने देता है जिसके लिए दो साल पहले बहुत बड़े हेडकाउंट की आवश्यकता होती। इस वातावरण में पनपने वाले डेवलपर्स वे नहीं हैं जिन्होंने सब कुछ AI को सौंप दिया है। वे वे हैं जो इस बारे में तीव्र हो गए हैं कि कौन सी समस्याएं उनके सीधे ध्यान के लायक हैं।