अक्सर पूछे जाने वाले प्रश्न

नहीं — कोई समय-ट्रैकिंग, कोई स्क्रीन, कोई कीस्ट्रोक नहीं। हम केवल कोड परिवर्तनों का ही विश्लेषण करते हैं और एक संदर्भ डेवलपर के घंटों में उनकी संज्ञानात्मक कठिनाई का अनुमान लगाते हैं। यह एक मापदंड है, टाइमशीट नहीं।

परिवर्तन में एक मध्य-स्तरीय डेवलपर (3–4 वर्ष) को कितना समय लगता जो कोडबेस को जानता है और AI के बिना काम करता है। यह काम की कठिनाई मापता है — न कि पंक्तियाँ, और न ही डेस्क पर बिताया गया वास्तविक समय। इसमें कोड लिखना, मैनुअल परीक्षण और समीक्षा सुधार शामिल हैं; यह बैठकों, योजना और समीक्षा की प्रतीक्षा को बाहर रखता है।

यह "न्यूरल नेटवर्क को एक call" नहीं है, बल्कि एक बहु-चरणीय pipeline है जिसमें AI केवल एक परत है। पहले एक मॉडल कोड परिवर्तनों को ही पढ़ता है — वास्तव में क्या बदला — और पंक्तियाँ या commits गिनने के बजाय एक संदर्भ डेवलपर के लिए संज्ञानात्मक कठिनाई आँकता है। इसके ऊपर एक नियतात्मक एल्गोरिथमिक परत चलती है: सिस्टम प्रत्येक परिवर्तन की प्रकृति को वर्गीकृत करता है, उच्च-जोखिम वाले काम (उदाहरण के लिए इन्फ्रास्ट्रक्चर, डेटा माइग्रेशन, सुरक्षा) को अलग से पहचानता है, यांत्रिक और जनरेटेड परिवर्तनों (बड़े पैमाने का find-replace, जनरेटेड और स्थानांतरित कोड, फ़ॉर्मेटिंग) को फ़िल्टर करता है, और सुधार नियमों तथा सुरक्षा-उपायों के सेट लागू करता है ताकि एक मॉडल अनुमान परिणाम को झुला न सके। बड़े और संयुक्त commits को अधिक विस्तार से संभाला जाता है। वही मानक सभी पर स्वचालित रूप से लागू होता है, प्रत्येक commit का एक बार मूल्यांकन होता है और परिणाम तय हो जाता है — इसलिए तुलनीयता और पुनरुत्पादनीयता।

यह वास्तविक-दुनिया के एंटरप्राइज़ विकास से विकसित हुई: एल्गोरिथमिक परत वास्तविक परियोजनाओं पर एकत्रित अनुभवजन्य पैटर्न को संहिताबद्ध करती है — कौन-से परिवर्तन आमतौर पर दिखने से अधिक महँगे होते हैं, और कौन-से अपने आकार के बावजूद सस्ते होते हैं। इन नियमों को वास्तविक संदर्भ अनुमानों (कैलिब्रेशन) के मुकाबले जाँचा जाता है। इसलिए सिस्टम एक साधारण पंक्ति-गणक की तुलना में काम का आकलन करने वाले एक अनुभवी technical lead की तरह अधिक व्यवहार करता है।

इसके विपरीत — यही पूरी बात है। हम आपकी टीम की तुलना एक संदर्भ डेवलपर से करते हैं जो AI के बिना काम करता है; यदि AI आपको प्रति दिन अधिक डिलीवर करने देता है, तो Ghost% बढ़ता है, और "AI-पूर्व मानक" से वह अंतर ही ठीक वही है जो उत्पाद दिखाता है। यह कोई विकृति नहीं — यह परिणाम है।

आपके दैनिक आउटपुट का संदर्भ डेवलपर के आउटपुट से अनुपात। 100% संदर्भ के बराबर है, अधिक का अर्थ आप प्रति दिन अधिक डिलीवर करते हैं, कम का अर्थ कम। यह घंटे या ओवरटाइम नहीं है: एक उच्च संख्या का अर्थ "बर्नआउट" नहीं है, और एक कम संख्या अकेले "कमज़ोर" नहीं है।

यह एक मॉडल है, मापन नहीं। कोई भी वास्तविक समय का पुनर्निर्माण नहीं कर सकता, इसलिए मूल्य सभी के लिए नियमों के एक सेट में है: रुझानों और तुलनाओं के लिए मज़बूत, किसी एक व्यक्ति के लिए घंटे तक सटीकता के लिए नहीं। बेहतर प्रश्न पूछने का एक उपकरण, फ़ैसले सुनाने का नहीं।

commits को विभाजित और संयोजित करना इसे अर्थपूर्ण रूप से नहीं बदलता — जो मूल्यांकित होता है वह परिवर्तनों का सार और कठिनाई है, न कि commits या पंक्तियों की संख्या। अधिक महत्वपूर्ण: कोई भी मेट्रिक जिस पर लोगों को सीधे लक्षित किया जाता है, अंततः काम के बजाय उसी का अनुकूलन होने लगता है। इसलिए इसे एक टीम संकेत और रुझान के रूप में उपयोग करें, न कि व्यक्तिगत KPI के रूप में — फिर धोखा देने को कुछ नहीं बचता।

सिस्टम कोड देखता है, पूरी भूमिका नहीं: डिज़ाइन, समीक्षाएँ, मेंटरिंग, योजना और बैठकें अनुमान में नहीं हैं। एक विसंगति अक्सर यह दर्शाती है कि किसी व्यक्ति का अधिकांश मूल्य commits के बाहर रहता है — जो स्वयं ध्यान देने योग्य है।

अपने आप नहीं: यह केवल कोड देखता है और किसी व्यक्ति की वास्तविक भूमिका और कार्यभार (समीक्षाएँ, मेंटरिंग, बैठकें, सहायता) नहीं जानता। केवल प्रबंधक ही पूरा कार्यभार जानता है। इसी के लिए Share पैरामीटर है — समय का वह हिस्सा जो एक कर्मचारी वास्तव में कोड लिखने में बिताता है (0–100%)। डिफ़ॉल्ट रूप से यह 100% है (हम मानते हैं कि व्यक्ति पूरी तरह कोड पर है); प्रबंधक गैर-कोडिंग काम को दर्शाने के लिए इसे मैन्युअल रूप से कम करता है — यहीं वह संदर्भ सिस्टम में प्रवेश करता है जो कोड में नहीं है। फिर संदर्भ के मुकाबले तुलना उनके लिए भी निष्पक्ष हो जाती है जो पूरा दिन कोड नहीं करते।

अपने आप नहीं। यह एक टीम संकेत और बातचीत शुरू करने का एक रुझान है, व्यक्तिगत फ़ैसला नहीं: एक मेट्रिक गुणवत्ता, प्रभाव या संदर्भ को नहीं पकड़ता।

लागत मोटे तौर पर वह है जो डिलीवर किए गए काम की एक मानक दर पर लागत आई; मूल्य मोटे तौर पर वह है जो उस मात्रा को हाथ से, AI के बिना, पुनरुत्पादित करने में लागत आती। इनके बीच का अंतर लाभ (उपकरण/AI) का एक अनुमानित संकेतक है, न कि लाभ-हानि का विवरण।