नेपालका app डेभलपर, IT engineer र software architect का लागि असली प्रश्न “AI ले जागिर खान्छ कि खाँदैन” होइन। प्रश्न यो हो: तपाईं AI चलाउनेमा पर्नुहुन्छ कि नचलाउनेमा।
हरेक दोस्रो tech समाचारमा एउटै बहस दोहोरिन्छ — AI ले मान्छेको जागिर खाइदिन्छ कि खाँदैन। तर मेरो विचारमा यो बहस नै गलत ठाउँमा अड्किएको छ। तथ्यले देखाउने कुरा फरक छ: AI ले जागिरको कुल संख्या घटाएको होइन, बरु कुन-कुन सीप भएकालाई जागिर दिने भन्ने नियम बदलिदिएको छ।
World Economic Forum को Future of Jobs रिपोर्टले 2030 सम्म विश्वभर 170 मिलियन नयाँ काम सिर्जना हुने र 92 मिलियन हराउने अनुमान गरेको छ — खुद हिसाबमा 78 मिलियन बढी। संख्या त सकारात्मक छ। समस्या संख्यामा छैन, transition मा छ: जुन काम हराउँछ र जुन काम सिर्जना हुन्छ, ती एउटै मान्छेका लागि होइनन्।
जागिर खाने डर र तथ्यबीचको फरक
डर निराधार पनि होइन। Goldman Sachs ले अप्रिल 2026 मा अमेरिकामा AI कारण हरेक महिना करिब 16,000 जागिर खुद रूपमा घटिरहेको बतायो — करिब 25,000 काम substitute भएको, 9,000 मात्र थपिएको। त्यसमाथि Stanford को तथ्यांकले AI-exposed क्षेत्रमा entry-level भर्ती करिब 13% घटेको देखाउँछ। यो नयाँ graduate हरूका लागि सबैभन्दा टाउको दुखाइको कुरा हो।
तर अर्कोपट्टि उत्तिकै बलियो तथ्य छ। PwC को 2026 Global AI Jobs Barometer ले एउटा रोचक नतिजा निकाल्यो: जुन कम्पनी AI मा सबैभन्दा बढी exposed छन्, तिनको productivity वृद्धि 40% बढी छ — र ती कम्पनीले कर्मचारी घटाउनुको साटो तलब र headcount दुवै छिटो बढाइरहेका छन्। उही रिपोर्ट अनुसार AI सीप भएका कामदारले उही भूमिकामा रहेका AI नजान्ने सहकर्मीभन्दा करिब 56% बढी कमाउँछन्। (अन्य अध्ययनले यो premium 20–40% मा राखेका छन्, तर दिशा सबैको उस्तै हो — AI जान्नेलाई बजारले बढी तिर्छ।)
यी दुई तथ्य विरोधाभासी होइनन्। यिनै एउटै सिक्काका दुई पाटा हुन्। AI ले routine, दोहोरिने काम सस्तो बनाइदिन्छ; त्यो काममा बाँचेको जागिर खतरामा पर्छ। तर त्यही productivity ले नयाँ माग खोल्छ, र त्यो माग AI चलाउन जान्नेतिर बग्छ।
App डेभलपर: code लेख्ने मान्छेबाट code जाँच्ने मान्छे
सफ्टवेयर लेख्ने तरिका नै बदलिएको छ। 2025 को अन्त्यसम्म करिब 85% डेभलपरले कुनै न कुनै AI coding tool नियमित रूपमा चलाउन थालिसकेका थिए — GitHub Copilot, Cursor, Claude Code जस्ता। यी अब autocomplete मात्र रहेनन्; धेरै-फाइल एकैचोटि बदल्ने, test चलाउने, pull request बनाउने agent बनिसके।
यसले काम कहाँ सर्यो भन्ने हेर्दा सबैभन्दा प्रस्ट हुन्छ। एउटा 2026 डेभलपर survey अनुसार अहिले औसत डेभलपरले हप्तामा AI ले लेखेको code जाँच्न (review) करिब 11.4 घन्टा खर्चिन्छन्, र नयाँ code आफैं लेख्न 9.8 घन्टा। केही वर्षअघि ठ्याक्कै उल्टो थियो। boilerplate, test, सामान्य CRUD — यी अब AI ले मिनेटमा निकालिदिन्छ।
यहीँनेर नेपाली context मा एउटा कुरा भन्नैपर्छ। पहिले जुन सामान्य, दोहोरिने काम junior डेभलपरलाई दिएर उनीहरूले सिक्थे, अब त्यही काम senior ले AI सँग मिनेटमा सक्छन्। फाइदा देखिने, तर लुकेको जोखिम पनि यहीँ छ: नयाँ मान्छेले सिक्ने पहिलो खुड्किलो नै साँघुरिँदै गएको छ।
IT engineer: हटाउने होइन, माथिल्लो तहमा सार्ने
Engineering भूमिकामा AI ले replace भन्दा augment गरेको देखिन्छ। BCG को विश्लेषणले ChatGPT सार्वजनिक भएयता सफ्टवेयर engineering को headcount सुस्तसँग भए पनि बढिरहेकै (वार्षिक करिब 2%) देखाउँछ — घटेको होइन। “AI ले engineer हरूलाई हटाउँदैन, बरु उनीहरूको काम झन् प्रभावकारी बनाउँछ,” रिपोर्टको निष्कर्ष यही छ।
बदलिएको चाहिँ कामको प्रकृति हो। दोहोरिने coding बाट engineer को ध्यान system-level सोच, orchestration र design तिर सर्दैछ। साँच्चै भन्ने हो भने, यो engineer का लागि नराम्रो होइन — कम यान्त्रिक, बढी दिमागी काम। तर सर्त एउटै छ: यो माथिल्लो तहको काम गर्न जान्नुपर्यो।
Software architect: सबैभन्दा बढी फाइदा यहीँ
AI ले code छिटो उगल्छ। तर छिटो लेखिएको code राम्रो नै हुन्छ भन्ने होइन। Veracode को एउटा अध्ययनले AI ले लेखेको code मध्ये करिब 45% security test मा fail भएको र 62% मा design मा कमजोरी भेटिएको देखायो।
यही तथ्यले architect को महत्त्व किन बढ्छ भन्ने प्रस्ट पार्छ। जब code सस्तो र प्रशस्त हुन्छ, तब दुर्लभ कुरा code होइन — कुन code सही हो, कुन system डिजाइन टिक्छ, कुन निर्णयले पाँच वर्षपछि कम्पनी डुबाउँछ भन्ने न्याय (judgement) हुन्छ। AI लाई कुन काम दिने, output कहाँ भरोसा नगर्ने, सिंगो architecture कसरी जोड्ने — यो अझै मान्छेकै जिम्मामा छ।
यसैले उद्योगमा भूमिका सर्दैछ: code उत्पादन गर्ने मान्छेबाट code समीक्षा गर्ने र system डिजाइन गर्ने मान्छेतिर। PwC कै तथ्यांकले देखाउँछ — AI ले सबैभन्दा बढी छोएका junior भूमिकामा अहिले leadership जस्ता परम्परागत रूपमा senior मानिने सीप माग्ने सम्भावना सात गुणा बढी छ। मतलब, बजारले जुनियरबाटै architect को सोच खोज्न थालेको छ।
अब नेपाल: outsourcing को खेल बदलिँदै
यो सब नेपालका लागि किन ठूलो कुरा हो? किनभने नेपालको IT क्षेत्र मूलतः निर्यातमा अडेको छ। Kathmandu Post को फेब्रुअरी 2026 को रिपोर्ट अनुसार नेपालको IT सेवा निर्यात वार्षिक करिब 1 अर्ब अमेरिकी डलरको हाराहारीमा पुगेको छ — software development, IT outsourcing, अमेरिकी firm का लागि healthcare data analytics, अस्ट्रेलियाली कम्पनीका लागि home loan processing, र Fusemachines जस्ता कम्पनीमार्फत AI सेवासमेत यसमा पर्छन्।
नेपालले विश्व बजारमा बिक्ने आधार यतिखेर तीन कुरा हो: तुलनात्मक रूपमा सस्तो दक्ष जनशक्ति, राम्रो English, र मिल्दो timezone। AI ले यही समीकरण दुवैतिर तानिदिन्छ।
राम्रो पाटो: AI tool चलाउन जान्ने एक जना नेपाली डेभलपरले अब पहिलेभन्दा धेरै काम सक्न सक्छ। मतलब उही ज्याला तिरेर विदेशी client ले बढी output पाउँछ — नेपाली टोली global बजारमा आफ्नो वजनभन्दा माथि खेल्न सक्ने सम्भावना। सरकारले 2081–91 लाई “सूचना प्रविधि दशक” घोषणा गर्दै IT क्षेत्रबाट 15 लाख प्रत्यक्ष-अप्रत्यक्ष रोजगारीको लक्ष्य राखेको छ; यो महत्त्वाकांक्षा पूरा हुने भनेकै यस्तै productivity बढेमा हो।
नराम्रो पाटो उत्तिकै इमानदारीपूर्वक भन्नैपर्छ। नेपालले निर्यात गर्ने धेरै काम — data processing, basic BPO, सामान्य coding — ठ्याक्कै त्यही किसिमको दोहोरिने काम हो जुन AI ले पहिले निल्छ। अनि स्थानीय बजारमा विशुद्ध AI/ML भूमिका अझै थोरै छन्, र एउटै opening मा सयौं आवेदन पर्छन्। यो भीडमा छुट्टिने बाटो भनेको production-स्तरको portfolio र AI सँग काम गर्न सक्ने प्रमाणित सीप नै हो।
त्यसो भए के गर्ने?
छोटोमा यो हो: AI ले डेभलपर, engineer वा architect को पेसा मेटाउँदैन — तर त्यो पेसाभित्रको काम बदल्छ, र बदलिएको काममा नचल्नेलाई पछि पार्छ। “AI चलाउनेले AI नचलाउनेको जागिर खान्छ” भन्ने वाक्य अहिलेसम्मको तथ्यसँग सबैभन्दा मिल्दो छ।
तर यो कुरालाई सजिलो विजय-गाथा बनाएर बेच्न मिल्दैन। net मा जागिर बढे पनि transition पीडादायी छ, र यसमा साँच्चिकै हार्ने वर्ग छ — खास गरी पहिलो जागिर खोज्दै गरेका नयाँ graduate, र routine काममा अडेका कामदार, जसका लागि छ-हप्ते course ले architect-स्तरको सीपमा फड्को मार्न सजिलो छैन। यो प्राविधिक समस्या मात्र होइन, तालिम र संक्रमणको समस्या हो।
त्यसैले मेरो निचोड स्पष्ट छ। AI लाई शत्रु वा मसिहा — दुवै ठान्नु गलत हुन्छ। यसलाई आफ्नो काममा छिटै भित्र्याउने, र मेसिनले गर्न नसक्ने कुरा (judgement, system design, समस्या बुझ्ने क्षमता) मा लगानी गर्ने नेपाली tech कामदार नै अबको दशकको सबैभन्दा बलियो खेलाडी हुनेछन्। ढिलो गर्नेलाई बजारले पर्खँदैन।