एक बार जब यह कोड प्रोडक्शन में शिप हो जाता है तो यह आत्मविश्वास ढह जाता है। रिपोर्ट एक "स्ट्रक्चरल डिसकनेक्ट" — एक सीधा विरोधाभास उजागर करती है कि कैसे कोड को रिव्यू के दौरान ग्रेड किया जाता है और असली प्रोडक्शन वर्कलोड के तहत यह वास्तव में कैसा व्यवहार करता है ।

• 81% एंटरप्राइज़ तकनीकी लीडर्स AI-जनित कोड से जुड़ी प्रोडक्शन इंसिडेंट्स में सीधी वृद्धि की रिपोर्ट करते हैं ।
• 78% उत्तरदाताओं ने कुल मिलाकर अधिक इंसिडेंट्स की रिपोर्ट की ।
• 86% ने उस कोड को ठीक करने में सीनियर स्टाफ के अधिक समय खर्च होने की सूचना दी ।
• 74% का कहना है कि कम से कम 25% AI-जनित कोड को डिप्लॉयमेंट के बाद दोबारा काम करने (रिवर्क) की ज़रूरत पड़ती है ।

इस पैटर्न को एक नाम दिया गया है जिसे रिपोर्ट स्पॉटलाइट करती है: "वाइब कोडिंग" — बड़े पैमाने पर भरोसे पर कोड जनरेट करने और शिप करने की प्रथा — अब मेनस्ट्रीम हो गई है, और बिना जांचा गया भरोसा एक प्रोडक्शन संकट पैदा कर रहा है ।

न्यू रिलिक से आगे: एक बढ़ती हुई उद्योग समस्या

न्यू रिलिक अकेली कंपनी नहीं है जो अलार्म बजा रही है। 2026 की अन्य उद्योग रिपोर्टें भी वही तस्वीर पेश करती हैं:

• लाइटरन की 2026 स्टेट ऑफ AI-पावर्ड इंजीनियरिंग रिपोर्ट में पाया गया कि QA और स्टेजिंग टेस्ट पास करने के बाद भी 43% AI-जनित कोड बदलावों को प्रोडक्शन में मैन्युअल डीबगिंग की आवश्यकता होती है। एक भी उत्तरदाता ने नहीं कहा कि उनका संगठन एक रीडिप्लॉय चक्र में AI-सुझाए गए फिक्स को सत्यापित कर सकता है; 88% को दो से तीन चक्रों की आवश्यकता थी ।
• फ़ारोस AI की 2026 इंजीनियरिंग रिपोर्ट में पाया गया कि प्रति डेवलपर बग्स 54% ऊपर हैं, और इंसिडेंट्स-टू-PR अनुपात तीन गुना से अधिक हो गया है। AI अपनाने और प्रोडक्शन गुणवत्ता के बीच का रिश्ता स्थिर होने के बजाय बिगड़ रहा है ।
• सोनार के 2026 स्टेट ऑफ कोड डेवलपर सर्वे में पाया गया कि AI पहले से ही कमिटेड कोड का 42% हिस्सा है, और 2027 तक 65% तक पहुँचने की उम्मीद है — फिर भी 96% डेवलपर्स AI-जनित कोड पर पूरी तरह से भरोसा नहीं करते हैं, और केवल 48% ही हमेशा कमिट करने से पहले इसकी जांच करते हैं ।
• 470 ओपन-सोर्स PRs पर कोडरैबिट के विश्लेषण से पता चला कि AI-जनित PRs में कुल मिलाकर लगभग 1.7 गुना अधिक समस्याएं होती हैं, जो लॉजिक एरर, एरर हैंडलिंग गैप और सिक्योरिटी फाइंडिंग्स में केंद्रित हैं। 90वें पर्सेंटाइल पर, AI PRs में 26 इश्यू थे जबकि मानव PRs के लिए 12.3 थे ।

अंतर्निहित समस्या यह नहीं है कि AI खराब कोड लिखता है। समस्या यह है कि जनरेशन मानव गति से 5-10 गुना तेज़ चलता है जबकि सत्यापन अभी भी 1x गति पर चलता है । कोड रिव्यू पाइपलाइनें जो मानव गति के लिए डिज़ाइन की गई थीं, AI आउटपुट वॉल्यूम के साथ तालमेल नहीं रख सकतीं, एक सत्यापन अड़चन पैदा करती हैं जो विश्वसनीयता को अनजाने में प्रोडक्शन में जाने देती है।

जवाब: न्यू रिलिक AI कोडिंग ऑब्ज़र्वेबिलिटी

8 जून 2026 को, न्यू रिलिक ने न्यू रिलिक AI कोडिंग ऑब्ज़र्वेबिलिटी के विकास की घोषणा करते हुए सीधे इस डिस्कनेक्ट को संबोधित किया, जो विशेष रूप से AI-सहायता प्राप्त सॉफ्टवेयर डेवलपमेंट के लिए डिज़ाइन किया गया एक ओपन-सोर्स ऑब्ज़र्वेबिलिटी समाधान है । यह फीचर 23 जून 2026 को रिलीज़ होने वाला है, और न्यू रिलिक के ग्राहकों के लिए बिना किसी अतिरिक्त लागत पर उपलब्ध होगा ।

एक वेंडर-न्यूट्रल टेलीमेट्री लेयर

इसका आर्किटेक्चर मायने रखता है। न्यू रिलिक ने जानबूझकर AI कोडिंग ऑब्ज़र्वेबिलिटी को दो खुले मानकों पर बनाया: OpenTelemetry (OTel) और Model Context Protocol (MCP) । इसका मतलब है कि टीमें न्यू रिलिक की टेलीमेट्री स्कीमा या किसी एक AI कोडिंग असिस्टेंट में बंधी नहीं हैं। कोई भी असिस्टेंट जो MCP-संगत टेलीमेट्री को एक्सपोज़ करता है — GitHub Copilot, Cursor, Claude Code, और अन्य — उसी ऑब्ज़र्वेबिलिटी लेयर में फीड कर सकता है । ऐसे बाज़ार में जहां 2027 में प्रमुख कोडिंग टूल वह नहीं हो सकता जो आज इस्तेमाल किया जाता है, वेंडर न्यूट्रैलिटी एक व्यावहारिक आवश्यकता है।

तीन मुख्य क्षमताएं

न्यू रिलिक की घोषणा AI कोडिंग ऑब्ज़र्वेबिलिटी के लिए तीन मुख्य स्तंभों की रूपरेखा प्रस्तुत करती है :

1. विज़िबिलिटी (Visibility) — डेवलपमेंट के दौरान AI कोडिंग असिस्टेंट्स का उपयोग कैसे किया जा रहा है, इस पर नज़र रखें: कौन से टूल, कितनी बार, और वे क्या उत्पादन करते हैं। इसका लक्ष्य खंडित, अनमॉनिटर्ड AI उपयोग को एक शासित, मापने योग्य इंजीनियरिंग अभ्यास में बदलना है।
2. खर्च नियंत्रण (Cost Control) — बजट अलर्ट के साथ AI कोडिंग खर्च का अनुमान लगाएं और उसे नियंत्रित करें। यह सीधे तौर पर FinOps टीमों द्वारा रिपोर्ट किए गए एक ब्लाइंड स्पॉट को संबोधित करता है, जो नियमित रूप से AI कोडिंग टूल के उपयोग के लिए अस्पष्ट मासिक चालान प्राप्त करती हैं और डिलीवर किए गए मूल्य को नहीं समझ पाती हैं ।
3. गवर्नेंस (Governance) — प्रश्नों और कोड जनरेशन को सुरक्षित और ऑडिटेबल रखें, जिसमें एक ज़ीरो-आउटबाउंड मोड शामिल है जो संवेदनशील डेटा को संगठन के नेटवर्क के भीतर रखता है ।

डेवलपमेंट को प्रोडक्शन से जोड़ना

रणनीतिक दांव सहसंबंध (कोरिलेशन) पर है। AI कोडिंग ऑब्ज़र्वेबिलिटी को AI कोडिंग असिस्टेंट्स में टेलीमेट्री को सामान्य बनाने और इसे मौजूदा प्रोडक्शन इंफ्रास्ट्रक्चर के साथ मूल रूप से सहसंबंधित करने के लिए डिज़ाइन किया जा रहा है । इसका विचार एक एकीकृत ‘पेन ऑफ ग्लास’ (एकीकृत नज़रिया) बनाना है जहां टीमें IDE से डिप्लॉयमेंट के माध्यम से प्रोडक्शन में AI-जनित बदलाव का पता लगा सकती हैं — और फिर देख सकती हैं कि क्या वह बदलाव घंटों या दिनों बाद किसी इंसिडेंट स्पाइक से संबंधित है।

यह इंजीनियरिंग लीडरशिप के लिए एक निर्णायक मोड़ क्यों है

CTOs ने 2024-2025 AI कोडिंग असिस्टेंट्स से अपनाने और उत्पादकता लाभ पर ध्यान केंद्रित करते हुए बिताया है। न्यू रिलिक, लाइटरन, फ़ारोस, सोनार और अन्य के डेटा यह स्पष्ट करते हैं कि अगले चरण में सत्यापन, विश्वसनीयता और लागत जवाबदेही पर ध्यान देना होगा।

कोड रिव्यू के दौरान 94% आत्मविश्वास की दर स्वाभाविक रूप से गलत नहीं है — AI अक्सर साफ, पढ़ने योग्य, सिंटैक्टिक रूप से सही कोड तैयार करता है जो स्टैटिक एनालिसिस पास करता है। विफलता का मोड पर्यावरणीय (एनवायरमेंटल) है: AI-जनित कोड पुल रिक्वेस्ट के सीमित सैंडबॉक्स में अच्छा प्रदर्शन करता है लेकिन प्रोडक्शन डेटा, वास्तविक उपयोगकर्ता व्यवहार और सिस्टम इंटरैक्शन की जटिलता के सामने टूट जाता है जिसे कोई भी कोड रिव्यू पूरी तरह से सिम्युलेट नहीं कर सकता। ऑब्ज़र्वेबिलिटी के बिना जो दोनों चरणों को फैलाती है, संगठन एक ऐसे पैमाने पर ग्रेडिंग कर रहे हैं जिसे प्रोडक्शन सम्मान देने से इनकार करता है।

न्यू रिलिक की AI कोडिंग ऑब्ज़र्वेबिलिटी उस लूप को बंद करने के एक सीधे प्रयास का प्रतिनिधित्व करती है, उद्योग को "रिव्यू पर भरोसा करें" से आगे बढ़ाकर "प्रोडक्शन में सत्यापित करें" की ओर ले जाती है।

एक बार जब यह कोड प्रोडक्शन में शिप हो जाता है तो यह आत्मविश्वास ढह जाता है। रिपोर्ट एक "स्ट्रक्चरल डिसकनेक्ट" — एक सीधा विरोधाभास उजागर करती है कि कैसे कोड को रिव्यू के दौरान ग्रेड किया जाता है और असली प्रोडक्शन वर्कलोड के तहत यह वास्तव में कैसा व्यवहार करता है ।

• 81% एंटरप्राइज़ तकनीकी लीडर्स AI-जनित कोड से जुड़ी प्रोडक्शन इंसिडेंट्स में सीधी वृद्धि की रिपोर्ट करते हैं ।
• 78% उत्तरदाताओं ने कुल मिलाकर अधिक इंसिडेंट्स की रिपोर्ट की ।
• 86% ने उस कोड को ठीक करने में सीनियर स्टाफ के अधिक समय खर्च होने की सूचना दी ।
• 74% का कहना है कि कम से कम 25% AI-जनित कोड को डिप्लॉयमेंट के बाद दोबारा काम करने (रिवर्क) की ज़रूरत पड़ती है ।

इस पैटर्न को एक नाम दिया गया है जिसे रिपोर्ट स्पॉटलाइट करती है: "वाइब कोडिंग" — बड़े पैमाने पर भरोसे पर कोड जनरेट करने और शिप करने की प्रथा — अब मेनस्ट्रीम हो गई है, और बिना जांचा गया भरोसा एक प्रोडक्शन संकट पैदा कर रहा है ।

न्यू रिलिक से आगे: एक बढ़ती हुई उद्योग समस्या

न्यू रिलिक अकेली कंपनी नहीं है जो अलार्म बजा रही है। 2026 की अन्य उद्योग रिपोर्टें भी वही तस्वीर पेश करती हैं:

• लाइटरन की 2026 स्टेट ऑफ AI-पावर्ड इंजीनियरिंग रिपोर्ट में पाया गया कि QA और स्टेजिंग टेस्ट पास करने के बाद भी 43% AI-जनित कोड बदलावों को प्रोडक्शन में मैन्युअल डीबगिंग की आवश्यकता होती है। एक भी उत्तरदाता ने नहीं कहा कि उनका संगठन एक रीडिप्लॉय चक्र में AI-सुझाए गए फिक्स को सत्यापित कर सकता है; 88% को दो से तीन चक्रों की आवश्यकता थी ।
• फ़ारोस AI की 2026 इंजीनियरिंग रिपोर्ट में पाया गया कि प्रति डेवलपर बग्स 54% ऊपर हैं, और इंसिडेंट्स-टू-PR अनुपात तीन गुना से अधिक हो गया है। AI अपनाने और प्रोडक्शन गुणवत्ता के बीच का रिश्ता स्थिर होने के बजाय बिगड़ रहा है ।
• सोनार के 2026 स्टेट ऑफ कोड डेवलपर सर्वे में पाया गया कि AI पहले से ही कमिटेड कोड का 42% हिस्सा है, और 2027 तक 65% तक पहुँचने की उम्मीद है — फिर भी 96% डेवलपर्स AI-जनित कोड पर पूरी तरह से भरोसा नहीं करते हैं, और केवल 48% ही हमेशा कमिट करने से पहले इसकी जांच करते हैं ।
• 470 ओपन-सोर्स PRs पर कोडरैबिट के विश्लेषण से पता चला कि AI-जनित PRs में कुल मिलाकर लगभग 1.7 गुना अधिक समस्याएं होती हैं, जो लॉजिक एरर, एरर हैंडलिंग गैप और सिक्योरिटी फाइंडिंग्स में केंद्रित हैं। 90वें पर्सेंटाइल पर, AI PRs में 26 इश्यू थे जबकि मानव PRs के लिए 12.3 थे ।

अंतर्निहित समस्या यह नहीं है कि AI खराब कोड लिखता है। समस्या यह है कि जनरेशन मानव गति से 5-10 गुना तेज़ चलता है जबकि सत्यापन अभी भी 1x गति पर चलता है । कोड रिव्यू पाइपलाइनें जो मानव गति के लिए डिज़ाइन की गई थीं, AI आउटपुट वॉल्यूम के साथ तालमेल नहीं रख सकतीं, एक सत्यापन अड़चन पैदा करती हैं जो विश्वसनीयता को अनजाने में प्रोडक्शन में जाने देती है।

जवाब: न्यू रिलिक AI कोडिंग ऑब्ज़र्वेबिलिटी

8 जून 2026 को, न्यू रिलिक ने न्यू रिलिक AI कोडिंग ऑब्ज़र्वेबिलिटी के विकास की घोषणा करते हुए सीधे इस डिस्कनेक्ट को संबोधित किया, जो विशेष रूप से AI-सहायता प्राप्त सॉफ्टवेयर डेवलपमेंट के लिए डिज़ाइन किया गया एक ओपन-सोर्स ऑब्ज़र्वेबिलिटी समाधान है । यह फीचर 23 जून 2026 को रिलीज़ होने वाला है, और न्यू रिलिक के ग्राहकों के लिए बिना किसी अतिरिक्त लागत पर उपलब्ध होगा ।

एक वेंडर-न्यूट्रल टेलीमेट्री लेयर

इसका आर्किटेक्चर मायने रखता है। न्यू रिलिक ने जानबूझकर AI कोडिंग ऑब्ज़र्वेबिलिटी को दो खुले मानकों पर बनाया: OpenTelemetry (OTel) और Model Context Protocol (MCP) । इसका मतलब है कि टीमें न्यू रिलिक की टेलीमेट्री स्कीमा या किसी एक AI कोडिंग असिस्टेंट में बंधी नहीं हैं। कोई भी असिस्टेंट जो MCP-संगत टेलीमेट्री को एक्सपोज़ करता है — GitHub Copilot, Cursor, Claude Code, और अन्य — उसी ऑब्ज़र्वेबिलिटी लेयर में फीड कर सकता है । ऐसे बाज़ार में जहां 2027 में प्रमुख कोडिंग टूल वह नहीं हो सकता जो आज इस्तेमाल किया जाता है, वेंडर न्यूट्रैलिटी एक व्यावहारिक आवश्यकता है।

तीन मुख्य क्षमताएं

न्यू रिलिक की घोषणा AI कोडिंग ऑब्ज़र्वेबिलिटी के लिए तीन मुख्य स्तंभों की रूपरेखा प्रस्तुत करती है :

1. विज़िबिलिटी (Visibility) — डेवलपमेंट के दौरान AI कोडिंग असिस्टेंट्स का उपयोग कैसे किया जा रहा है, इस पर नज़र रखें: कौन से टूल, कितनी बार, और वे क्या उत्पादन करते हैं। इसका लक्ष्य खंडित, अनमॉनिटर्ड AI उपयोग को एक शासित, मापने योग्य इंजीनियरिंग अभ्यास में बदलना है।
2. खर्च नियंत्रण (Cost Control) — बजट अलर्ट के साथ AI कोडिंग खर्च का अनुमान लगाएं और उसे नियंत्रित करें। यह सीधे तौर पर FinOps टीमों द्वारा रिपोर्ट किए गए एक ब्लाइंड स्पॉट को संबोधित करता है, जो नियमित रूप से AI कोडिंग टूल के उपयोग के लिए अस्पष्ट मासिक चालान प्राप्त करती हैं और डिलीवर किए गए मूल्य को नहीं समझ पाती हैं ।
3. गवर्नेंस (Governance) — प्रश्नों और कोड जनरेशन को सुरक्षित और ऑडिटेबल रखें, जिसमें एक ज़ीरो-आउटबाउंड मोड शामिल है जो संवेदनशील डेटा को संगठन के नेटवर्क के भीतर रखता है ।

डेवलपमेंट को प्रोडक्शन से जोड़ना

रणनीतिक दांव सहसंबंध (कोरिलेशन) पर है। AI कोडिंग ऑब्ज़र्वेबिलिटी को AI कोडिंग असिस्टेंट्स में टेलीमेट्री को सामान्य बनाने और इसे मौजूदा प्रोडक्शन इंफ्रास्ट्रक्चर के साथ मूल रूप से सहसंबंधित करने के लिए डिज़ाइन किया जा रहा है । इसका विचार एक एकीकृत ‘पेन ऑफ ग्लास’ (एकीकृत नज़रिया) बनाना है जहां टीमें IDE से डिप्लॉयमेंट के माध्यम से प्रोडक्शन में AI-जनित बदलाव का पता लगा सकती हैं — और फिर देख सकती हैं कि क्या वह बदलाव घंटों या दिनों बाद किसी इंसिडेंट स्पाइक से संबंधित है।

यह इंजीनियरिंग लीडरशिप के लिए एक निर्णायक मोड़ क्यों है

CTOs ने 2024-2025 AI कोडिंग असिस्टेंट्स से अपनाने और उत्पादकता लाभ पर ध्यान केंद्रित करते हुए बिताया है। न्यू रिलिक, लाइटरन, फ़ारोस, सोनार और अन्य के डेटा यह स्पष्ट करते हैं कि अगले चरण में सत्यापन, विश्वसनीयता और लागत जवाबदेही पर ध्यान देना होगा।

कोड रिव्यू के दौरान 94% आत्मविश्वास की दर स्वाभाविक रूप से गलत नहीं है — AI अक्सर साफ, पढ़ने योग्य, सिंटैक्टिक रूप से सही कोड तैयार करता है जो स्टैटिक एनालिसिस पास करता है। विफलता का मोड पर्यावरणीय (एनवायरमेंटल) है: AI-जनित कोड पुल रिक्वेस्ट के सीमित सैंडबॉक्स में अच्छा प्रदर्शन करता है लेकिन प्रोडक्शन डेटा, वास्तविक उपयोगकर्ता व्यवहार और सिस्टम इंटरैक्शन की जटिलता के सामने टूट जाता है जिसे कोई भी कोड रिव्यू पूरी तरह से सिम्युलेट नहीं कर सकता। ऑब्ज़र्वेबिलिटी के बिना जो दोनों चरणों को फैलाती है, संगठन एक ऐसे पैमाने पर ग्रेडिंग कर रहे हैं जिसे प्रोडक्शन सम्मान देने से इनकार करता है।

न्यू रिलिक की AI कोडिंग ऑब्ज़र्वेबिलिटी उस लूप को बंद करने के एक सीधे प्रयास का प्रतिनिधित्व करती है, उद्योग को "रिव्यू पर भरोसा करें" से आगे बढ़ाकर "प्रोडक्शन में सत्यापित करें" की ओर ले जाती है।