क्या हुआ?
36Kr की रिपोर्ट है कि JetBrains रिसर्च के 2026 डेवलपर इकोसिस्टम सर्वेक्षण में दुनिया भर में 15,000 से अधिक पेशेवर डेवलपर्स के बीच AI कोडिंग-एजेंट के उपयोग में तेजी से वृद्धि देखी गई। लगभग 90% ने कथित तौर पर सप्ताह में कम से कम एक बार एआई प्रोग्रामिंग एजेंट का उपयोग किया, जबकि 68% ने प्रतिदिन एक एआई प्रोग्रामिंग एजेंट का उपयोग किया। सर्वेक्षण में सॉफ्टवेयर डेवलपर्स और इंजीनियरों के साथ-साथ एआई/एमएल, डेवऑप्स, आर्किटेक्चर, डेटा और गुणवत्ता-आश्वासन भूमिकाएं शामिल थीं।
36Kr की रिपोर्ट है कि JetBrains रिसर्च ने अपने 2026 डेवलपर इकोसिस्टम सर्वेक्षण के लिए दुनिया भर में 15,000 से अधिक पेशेवर डेवलपर्स का सर्वेक्षण किया, जिसमें लगभग 90% उत्तरदाताओं को डेवलपर्स, प्रोग्रामर या सॉफ्टवेयर इंजीनियर के रूप में वर्णित किया गया। रिपोर्ट की गई सर्वेक्षण अवधि मई से जुलाई 2026 थी। सूत्र का कहना है कि सर्वेक्षण में एआई/एमएल इंजीनियरों, डेवऑप्स इंजीनियरों, आर्किटेक्ट्स, डेटा इंजीनियरों और क्यूए इंजीनियरों को भी शामिल किया गया है, इसलिए इसके शीर्षक परिणाम केवल पारंपरिक एप्लिकेशन प्रोग्रामर के बजाय व्यापक पेशेवर प्रौद्योगिकी दर्शकों का वर्णन करते हैं।
36Kr के अनुसार, लगभग 90% पेशेवर डेवलपर्स सप्ताह में कम से कम एक बार AI प्रोग्रामिंग एजेंटों का उपयोग करते हैं, और 68% हर दिन उनका उपयोग करते हैं। JetBrains की एजेंट की रिपोर्ट की गई परिभाषा में स्थानीय रूप से चलने वाले और क्लाउड-आधारित एजेंट शामिल हैं। स्रोत उन आंकड़ों को साक्ष्य के रूप में प्रस्तुत करता है कि एजेंट बड़े विकास कार्यों में भागीदारी की ओर कभी-कभार कोड पूरा करने या प्रश्न उत्तर देने से आगे बढ़ रहे हैं।
36Kr की रिपोर्ट है कि Claude Code की कार्यस्थल स्वीकृति जनवरी 2026 में लगभग 18% से बढ़कर मई-जुलाई में 39% हो गई। संयुक्त राज्य अमेरिका में, रिपोर्ट किया गया आंकड़ा 47% था। Claude Code को प्राथमिक या सबसे अधिक उपयोग किए जाने वाले AI कोडिंग टूल के रूप में नामित करने वाला शेयर 31% बताया गया। GitHub Copilot की कार्यस्थल स्वीकृति मई-जुलाई में 21% दर्ज की गई, जो 2025 के मध्य और 2026 की शुरुआत के बीच लगभग 29% -31% से कम है। सूत्र का कहना है कि दोनों उत्पादों में 79% जागरूकता थी। यह OpenAI Codex अपनाने की दर 3% से बढ़कर 16% होने, Cursor 18% से घटकर 12% होने, ओपन-सोर्स ओपनकोड 7% तक पहुंचने, Google एंटीग्रेविटी 6% तक पहुंचने और जेटब्रेन के अपने टूल लगभग 9% तक पहुंचने की भी रिपोर्ट करता है।
यह क्यों मायने रखता है?
आंकड़े बताते हैं कि एआई कोडिंग उपकरण नियमित सॉफ्टवेयर कार्य का हिस्सा बन रहे हैं, हालांकि सर्वेक्षण यह स्थापित नहीं करता है कि एजेंट कितना उत्पादक कार्य पूरा करते हैं या उनका आउटपुट कितना विश्वसनीय है। 36Kr का खाता संपादक-आधारित सहायता से टूल की ओर बाजार प्रतिस्पर्धा में बदलाव का भी वर्णन करता है जो कोडबेस परिवर्तन, परीक्षण और बार-बार निष्पादन सहित व्यापक विकास कार्यों को संभाल सकता है।
रिपोर्ट की गई रैंकिंग मायने रखती है क्योंकि यह इंगित करती है कि एआई-सहायता प्राप्त सॉफ्टवेयर विकास के लिए बाजार विभिन्न प्रकार की सहायता के आसपास बंटा हुआ हो सकता है। 36Kr Claude Code और Codex को ऐसे एजेंटों के रूप में वर्णित करता है जो पारंपरिक एकीकृत विकास वातावरण से परे काम कर सकते हैं, जबकि Cursor की रिपोर्ट की गई गिरावट निरंतर जागरूकता वृद्धि के साथ प्रस्तुत की गई है। यदि पैटर्न प्रतिनिधि है, तो एक उपकरण की पहचान और कार्यस्थल पर बार-बार उपयोग प्रतिस्पर्धी ताकत के विशिष्ट उपाय बन रहे हैं।
रिपोर्ट की गई साप्ताहिक और दैनिक उपयोग दरें भी सॉफ़्टवेयर टीमों द्वारा कार्य आवंटित करने के तरीके में संभावित बदलाव की ओर इशारा करती हैं। एजेंटों का उपयोग केवल स्निपेट उत्पन्न करने के बजाय रिपॉजिटरी नेविगेशन, कोड संशोधन, परीक्षण निष्पादन, डिबगिंग और अन्य बहु-चरणीय कार्यों के लिए किया जा सकता है। यह डेवलपर वर्कफ़्लो, समीक्षा प्रथाओं, ऑनबोर्डिंग और अनुमतियों, परीक्षण, संस्करण नियंत्रण और ऑडिट ट्रेल्स को प्रबंधित करने वाले टूल की मांग को प्रभावित कर सकता है। हालाँकि, स्रोत यह नहीं दिखाता है कि एजेंट स्वतंत्र रूप से इन कार्यों को सफलतापूर्वक पूरा करते हैं या वे विकास के समय को कम करते हैं।
खरीदारों और श्रमिकों के लिए, गोद लेने के आंकड़े अकेले एक अधूरी मार्गदर्शिका हैं। वर्णित सर्वेक्षण त्रुटि दर, सुरक्षा घटनाएं, कोड-गुणवत्ता माप, कुल लागत, कार्य मिश्रण या सबूत प्रदान नहीं करता है कि एक उत्पाद दूसरे की तुलना में बेहतर परिणाम देता है। यह यह भी स्थापित नहीं करता है कि क्या उत्तरदाता कई उपकरणों का चयन कर सकते हैं, "उपयोग" को कैसे मापा गया था, नमूना कैसे भर्ती किया गया था या भारित किया गया था, या क्या परिणाम छोटी फर्मों, गैर-तकनीकी कार्यस्थलों, या सर्वेक्षण की गई आबादी के बाहर के डेवलपर्स के लिए सामान्य थे। वे सीमाएँ आंकड़ों को गोद लेने के स्नैपशॉट के रूप में उपयोगी बनाती हैं, न कि उत्पादकता निर्णय के रूप में।
इंटरैक्टिव तंत्र: यह वास्तव में कैसे काम करता है
इस विकास के पीछे अंतर्निहित प्रौद्योगिकी का अंतःक्रियात्मक रूप से अन्वेषण करें।
crm_get_transaction(id='4092').An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
आगे क्या देखना है
मुख्य प्रश्न यह हैं कि क्या Claude Code अपनी रिपोर्ट की गई बढ़त को बरकरार रख सकता है, क्या OpenAI Codex को अपनाना जारी रहेगा, और क्या GitHub Copilot या Cursor अपनी रिपोर्ट की गई गिरावट को उलट देंगे। अधिक उपयोगी साक्ष्य में कार्यप्रणाली, नमूना भार, कार्य-स्तर की उत्पादकता, त्रुटि दर, लागत, सुरक्षा नियंत्रण और उपकरण के वास्तविक दुनिया के प्रदर्शन की स्वतंत्र तुलना शामिल होगी।
देखने लायक अगला विकास यह है कि क्या रिपोर्ट किया गया अंतर बाद के सर्वेक्षणों में भी बना रहता है। स्रोत के आंकड़ों में Claude Code का 18% से 39% तक बढ़ना पर्याप्त है, लेकिन एक भी सर्वेक्षण अवधि यह नहीं दिखा सकती है कि वृद्धि टिकाऊ अपनाने, अस्थायी प्रयोग, प्रश्न शब्दों में परिवर्तन, या प्रतिवादी आबादी में अंतर को दर्शाती है या नहीं। समान प्रश्नों और नमूना पद्धति का उपयोग करके अनुवर्ती कार्रवाई से प्रवृत्ति की व्याख्या करना आसान हो जाएगा।
Codex, GitHub Copilot, और Cursor महत्वपूर्ण तुलना बिंदु होंगे। 36Kr ने Codex के लिए मजबूत वृद्धि, Copilot के लिए गिरावट और Cursor के बारे में अधिक जागरूकता के बावजूद Cursor के लिए गिरावट की रिपोर्ट दी है। भविष्य की रिपोर्टिंग में कार्यस्थल की उपलब्धता को प्राथमिक-उपकरण की स्थिति, उपयोग की आवृत्ति, भुगतान किए गए उपयोग और परिणामी उत्पादन कोड के उपयोग से अलग करना चाहिए। वे अंतर मौजूदा रैंकिंग के मायने बदल सकते हैं।
सबसे परिणामी साक्ष्य तैनाती और मूल्यांकन से आएगा जो बताए गए उपयोग के बजाय पूर्ण किए गए कार्यों को मापता है। उपयोगी संकेतकों में स्वतंत्र रूप से ऑडिट की गई सफलता दर, समीक्षा बोझ, प्रतिगमन, परीक्षण प्रदर्शन, सुरक्षा और गोपनीयता सुरक्षा, अनुमति नियंत्रण, विलंबता और प्रति पूर्ण कार्य लागत शामिल होगी। स्रोत इन उपायों की रिपोर्ट नहीं करता है, और यह जेटब्रेन रिसर्च के अंतर्निहित सर्वेक्षण परिणामों की स्वतंत्र रूप से पुष्टि नहीं करता है। जब तक इस तरह के सबूत उपलब्ध नहीं होते, तब तक सबसे स्पष्ट समर्थित निष्कर्ष यह है कि 36Kr टूल अपनाने में कथित फेरबदल के साथ-साथ एआई कोडिंग एजेंटों के व्यापक और बढ़ते उपयोग की रिपोर्ट करता है। कुल मिलाकर, आंकड़े रिपोर्ट किए गए कार्यस्थल अपनाने और जागरूकता का वर्णन करते हैं, न कि तकनीकी क्षमता की एक निश्चित लीग तालिका का। सर्वेक्षण के दायरे, बताई गई समय अवधि और उपलब्ध खाते में अनुत्तरित रह गए पद्धतिगत प्रश्नों के साथ पढ़ने पर उनका मूल्य सबसे बड़ा होता है।