Google-இல் புதிய கோட் 75% AI‑யால் உருவாக்கப்பட்டது – நம்மிடம்தான் என்ன ஆகுது?

சுருக்கமாக சொல்லலாம்னா?#

Google சமீபத்தில் வெளியிட்டிருக்குது, இப்போ அவர்களது உள்நாட்டு எல்லா புதிய கோட்-ல 75% AI‑யால் auto‑generate பண்ணி, பின்னர் மனிதர்கள் ரிவியூ செய்து மெர்ஜ் செய்றாங்க. அதே சமயம் கடந்த குளிர்காலம் 50% தான் இருந்தது. ஒரு வருடத்துக்குள் இந்த எண்கள் 25% அதிகரித்தா?

AI‑கோட் எப்படி வேலை செய்றது?#

Google-ன் இன்ஜினியர்-க்கள் உள்துறை LLM (large language model)‑களை பயன்படுத்தி, "Create a REST endpoint in Go" மாதிரி சுருக்கமான prompt-ஐ டைப் பண்ணாங்க. மாடல் அதற்கான கோட்‑ஸ்னிப்பெட் தந்து, பின்னர் டெவலப்பர் அதைக் கீழ்க்கொண்டு, பிழை திருத்தம், security check, performance optimisation செய்யாங்க. ஒரு சாதாரண CRUD API-க்கும் இந்தச் சுற்று 30-60 விநாடி மாத்திரமே.

எண்களைப் பார்ப்போம்#

Google-ன் டாஷ்போர்டு படி, மாதம் சுமார் 1.2 மில்லியன் code change-கள் production-ல் புஷ் ஆகும். அதில் 900,000-க்கும் மேல் AI‑யால் auto‑generated. மீதமானவை இன்னும் human‑written, ஆனாலும் அவற்றிலும் AI suggestions அதிகம்.

Google ஏன் இத்தனை AI‑யில் முதலீடு செய்றது?#

முதலாவது, வேகம். AI‑ஜெனரேட்டட் கோட், development time‑ஐ 30‑40% குறைக்கிறது. இரண்டாவது, talent gap. Google-க்கு ஒவ்வொரு ஆண்டும் ஆயிரக்கணக்கான இன்ஜினியர்-கள் தேவை, ஆனா Kubernetes, TensorFlow, Cloud‑run போன்ற niche‑skill‑கள் shortage-ஆ இருக்குது. AI உதவியால் boilerplate, test‑cases, performance‑tuned patterns எல்லாமும் தானாக வந்துவிடும்.

இந்த மாற்றம் இந்திய டெவலப்பர்ஸ்-க்கு என்ன பண்ணும்?#

நம்ம இந்தியா-வாசிகள், Google Cloud‑ன் Vertex AI Studio-ல் அதே LLM-களை API‑வாகப் பயன்படுத்தலாம். இதை small startup‑களும், freelancer‑களும் எளிதாக integrate பண்ணிக்கொள்ளலாம். சில முக்கிய புள்ளிகள்:

• Tool‑கள் எங்க கிடைக்கும்? Vertex AI Studio, Codey‑assistant CLI, GitHub Copilot‑க்கு போட்டியிடும் Google‑ன் Gemini‑based code assistant.
• செலவு? Google token‑அடிப்படையிலா பில் செய்றது – 1,000 lines code‑க்கு சுமார் ₹5‑10. இது ஒரு senior‑engineer மாத சம்பளத்துக்கு 0.1% மாத்திரம்.
• Skill‑shift? Junior‑level dev‑கள் repetitive boilerplate‑லிருந்து விடைபெற்று, architecture, security, product thinking-ல் focus பண்ண முடியும். Interview‑களும் "CRUD எழுத முடியுமா" என்பதிலிருந்து "Scalable system design-ஐ எப்படி approach பண்ணுவீர்கள்" என மாறும்.

TamilTech‑ஓட கருத்து#

நாங்க சிந்தித்தால், AI‑code ஒரு இரட்டை கத்தி. முதல் பக்கம் – high‑quality code‑ஐ எவரும், எங்கும், வேகமாக உருவாக்க முடியும். இரண்டாம் பக்கம் – coding fundamentals‑ல் ஈர்ப்பு குறையலாம். அதற்கு சரி, human‑in‑the‑loop approach-ஐ கடைசியாகப் பின்பற்றணும். AI‑யால் எழுதிய code‑ல் security holes, outdated libraries, அல்லது local compliance (உதா: Indian data‑locality) பிழைகள் இருக்கலாம். அதைக் catch பண்ண human review, static analysis, மற்றும் compliance check-கள் அவசியம்.

இப்போ இந்திய dev‑கள் என்ன செய்யணும்?#

1. Google Cloud‑ன் Vertex AI free tier-ல் sign‑up பண்ணுங்க – முதல் 90 நாட்களுக்கு $300 credit கிடைக்கும்.
2. Codey‑assistant CLI-யை install பண்ணுங்க:

   gcloud beta ai codey generate --prompt "Create a REST endpoint in Go that returns JSON of user profile"

   இந்த command‑ஐ run பண்ணி, output‑ஐ உங்கள் repo‑ல் add பண்ணுங்க.
3. Git‑ல் git diff செய்து AI‑generated part-ஐ scrutinize பண்ணுங்க. ஒவ்வொரு line‑யையும் verify பண்ணுவது safety net ஆகும்.
4. CI pipeline‑ல் AI‑generated file-களுக்கு manual‑approval step-ஐ add பண்ணுங்க. இதனால் audit trail சுத்தமாக இருக்கும்.

எந்த அபாயங்கள் இருக்கலாம்?#

Security தான் பெரிய கவலை. Public‑code‑இல் training‑ஆன LLM‑கள், known vulnerabilities‑ஐ copy‑paste பண்ணும் risk-ஐ உடையது. Google சொல்றது, internal models‑க்கு CVE filter‑கள் இருக்குது, ஆனா நீங்கள் SonarQube, Snyk, அல்லது GitHub Advanced Security போன்ற static analysis tools‑யை சேர்த்து, AI‑generated code‑ல் hidden bugs-ஐ பிடிக்கணும்.

என்ன எதிர்பார்க்கலாம்?#

Google 2025-க்கு 90% AI‑assisted code target வைத்திருக்குது. Android Studio, Chrome DevTools, Google Workspace macros எல்லாம் deeper integration‑ஆ இருக்கும். இதனால், AI‑code இன்றியமையாத daily tool ஆகும். நம்ம கேள்வி "AI developers‑ஐ replace பண்ணுமா?" இல்லை, "AI‑யுடன் எப்படி collaborate பண்ணி, product‑ஐ வேகமாக, quality‑யாக ship பண்ணலாம்?" இது தான் real challenge.

சுருக்கமாக#

AI‑generated code Google‑ல் ஒரு novelty-ஆ இல்லை – அது new normal-ஆ இருக்கு. இந்திய dev‑கள் early‑adopter ஆகி, tools-ஐ try பண்ணி, review habit-ஐ பழக்கி, AI‑யை ஒரு partner-ஆ treat பண்ணறால், productivity boost-யும், code quality‑யும் இரண்டும் கிடைக்கும்.