29,624 GitHub परियोजनाएँ: AI को रोकने से बेहतर निकली जवाबदेही

Yunqi Chen, Thomas Zimmermann और Bianca Trinkenreich के 4 अगस्त 2026 को जमा arXiv प्रीप्रिंट ने 29,624 GitHub रिपॉजिटरी का विश्लेषण करके AI योगदान से जुड़ी 385 नीतियाँ पहचानीं। इसके सांख्यिकीय मॉडल में पारदर्शिता और मानवीय जिम्मेदारी पर जोर देने वाले नियम अकेले प्रतिबंध लगाने वाली नीतियों की तुलना में समुदाय तथा कोड-गुणवत्ता के अधिक मजबूत परिणामों से जुड़े मिले।

खुला-स्रोत परियोजना चलाने वाले व्यक्ति के लिए सीधा उत्तर यह है: उपलब्ध नतीजे AI को पूरी तरह रोकने के बजाय उसका उपयोग घोषित कराने, योगदानकर्ता को परिणाम समझने और जाँचने के लिए जिम्मेदार बनाने तथा उल्लंघन पर स्पष्ट कार्रवाई तय करने का समर्थन करते हैं। हालांकि यह अभी सहकर्मी-समीक्षित अंतिम प्रकाशन नहीं, बल्कि लेखकों का पहला प्रीप्रिंट है; इसलिए निष्कर्ष को आशाजनक अनुभवजन्य प्रमाण समझना चाहिए, सार्वभौमिक नियम नहीं।

29,624 रिपॉजिटरी में वास्तव में क्या मापा गया

नमूने में वे सक्रिय सॉफ्टवेयर रिपॉजिटरी शामिल थीं जो जनवरी 2024 से पहले बनी थीं, जिनके कम से कम 100 सितारे, 100 से अधिक कमिट, कम से कम 10 लेखक और वैध लाइसेंस था। पुल अनुरोधों का आँकड़ा जनवरी 2025 से मई 2026 तक फैला था। इस चयन का अर्थ है कि नतीजे स्थापित और सक्रिय परियोजनाओं के बारे में अधिक बताते हैं; छोटे, नए या कम सक्रिय रिपॉजिटरी पर वही प्रभाव मान लेना उचित नहीं होगा।

नीति अपनाने वाली 385 रिपॉजिटरी में से 379 को समान भाषा और पिछली गतिविधि वाले 887 ऐसे रिपॉजिटरी से मिलाया गया जिन्होंने नीति नहीं अपनाई थी। शोधकर्ताओं ने नीति लागू होने से पहले और बाद के रुझानों की तुलना की तथा मुख्य नतीजों के लिए आठ सप्ताह की अवधि रखी। यह नियंत्रित प्रयोग नहीं था, लेकिन मिलान और समयानुसार अंतर की पद्धति ने साधारण सहसंबंध से आगे जाकर नीति अपनाने से जुड़े बदलावों का अनुमान लगाने की कोशिश की।

नीति अपनाने के बाद सक्रिय योगदानकर्ताओं, AI उपयोग के खुलासों, मानवीय टिप्पणियों और समीक्षा के दौरों में वृद्धि जुड़ी मिली। साथ ही SonarQube से मापी गई कमजोरियाँ, दोहराई गई पंक्तियाँ, कोड संबंधी चेतावनियाँ और संज्ञानात्मक जटिलता घटीं। ये औसत परिणाम थे; अलग-अलग प्रकार की नीतियों का असर एक जैसा नहीं था।

प्रतिबंध की तुलना में जवाबदेही क्यों आगे रही

सबसे स्पष्ट अंतर नीति के स्वर से नहीं, उसके घटकों से आया। अधिक पारदर्शिता AI सहायता के अधिक खुलासे और अधिक सक्रिय भागीदारी से जुड़ी थी। योगदानकर्ता से कोड समझने, समझाने, जाँचने और सत्यापित करने की माँग करने वाली जिम्मेदारी को अधिक समीक्षकों और बेहतर गुणवत्ता संकेतकों से संबंध मिला।

सिर्फ उपयोग सीमित करने पर दूसरी तस्वीर दिखी। पाबंदियाँ कठोर होने के साथ AI-सहायता वाले विलय और खुलासे कम हुए, लेकिन पूर्ण प्रतिबंध ने देखी गई AI गतिविधि समाप्त नहीं की। नियंत्रित नीतियाँ—जिनमें खुलासा, सीमित स्वीकार्य उपयोग और वास्तविक प्रवर्तन साथ थे—अधिक समीक्षा तथा कम कमजोरियों से जुड़ी रहीं, जबकि AI-सहायता वाले योगदान जारी रहे।

इसलिए शीर्षक का “बेहतर” हर माप पर जीत का दावा नहीं है। खुली और अनुमतिशील नीतियों में AI-सहायता वाली गतिविधि सबसे अधिक बढ़ी, नरम प्रवर्तन के साथ खुलासा माँगने वाली नीतियों में योगदानकर्ता बढ़े लेकिन कमजोरियाँ भी अधिक मिलीं, और कड़े प्रतिबंधों ने कुछ गुणवत्ता संकेतकों में लाभ दिखाया। मुख्य निष्कर्ष यह है कि केवल रोक लगाने की तुलना में पारदर्शिता, मानवीय सत्यापन और लागू किए जा सकने वाले नियमों का संतुलन अधिक उपयोगी परिणामों से जुड़ा था।

TRACE को पाँच नीति-प्रश्नों में कैसे समझें

अध्ययन ने नीतियों की तुलना के लिए TRACE ढाँचा बनाया। किसी परियोजना की नीति को इसके पाँच सीधे प्रश्नों से समझा जा सकता है:

• पारदर्शिता: क्या योगदानकर्ता को AI के उपयोग, इस्तेमाल किए गए औजार और सहायता की सीमा बतानी होगी?
• जिम्मेदारी: क्या कोई मनुष्य पूरे योगदान को समझने, जाँचने, समझाने और उसके परिणाम की जिम्मेदारी लेने के लिए नामित है?
• श्रेय और अधिकार: क्या योगदानकर्ता को स्रोत, कॉपीराइट, लाइसेंस और कोड की उत्पत्ति के अधिकार स्पष्ट करने होंगे?
• सीमाएँ: क्या नीति बताती है कि AI कहाँ स्वीकार्य है और कहाँ नहीं—जैसे कोड, मुद्दे, टिप्पणियाँ या शुरुआती योगदान?
• प्रवर्तन: उल्लंघन मिलने पर क्या बदलाव माँगा जाएगा, योगदान बंद किया जाएगा या बार-बार उल्लंघन पर भागीदारी सीमित होगी?

यह जाँच पूर्ण प्रतिबंध और बिना नियम वाली अनुमति के बीच के विकल्पों को स्पष्ट करती है। खास तौर पर खुलासा माँगना पर्याप्त नहीं: यदि घोषित AI सामग्री की मानवीय समीक्षा और उल्लंघन का परिणाम तय नहीं है, तो पारदर्शिता जिम्मेदारी में नहीं बदलती।

Carpentries की नीति में यह संतुलन कैसा दिखता है

The Carpentries की 6 मई 2026 को अद्यतन नीति वास्तविक भाषा का उदाहरण देती है। योगदानकर्ता को AI सहायता के लिए “Assisted-by:” जैसा खुलासा जोड़ना होता है; उसे AI से बने सभी कोड या पाठ को पढ़ना, जाँचना और समझाना पड़ता है; और अंतिम जिम्मेदारी उसी मनुष्य की रहती है जिसने योगदान जमा किया।

नीति सभी सहायक उपयोगों को निषिद्ध नहीं करती। अनुवाद और पाठ-सुधार में सहायता स्वीकार्य है, लेकिन मुद्दे, टिप्पणियाँ और पुल अनुरोध का विवरण योगदानकर्ता को स्वयं लिखना होता है। बिना मानवीय जाँच के चिपकाया गया मॉडल आउटपुट स्वीकार्य नहीं है, “good first issue” पर AI-निर्मित समाधान अस्वीकार किए जाते हैं और स्वतः योगदान भेजने वाले एजेंटों की अनुमति नहीं है।

यह मिश्रण TRACE के कई हिस्सों को एक साथ लागू करता है: उपयोग दिखाई देता है, जिम्मेदार मनुष्य पहचाना जा सकता है, जोखिम वाले संदर्भ सीमित हैं और उल्लंघन पर योगदान रोकने की प्रक्रिया मौजूद है। यह नीति नए अध्ययन के नतीजों की स्वतंत्र पुष्टि नहीं करती, लेकिन दिखाती है कि जवाबदेही-केंद्रित नियम व्यवहार में किस तरह लिखे जा सकते हैं।

अभी निष्कर्ष की सीमा कहाँ है

सबसे बड़ी अनिश्चितता समय की है। नीतियाँ हाल में अपनाई गईं और मुख्य तुलना उनके लागू होने के बाद के आठ सप्ताह पर केंद्रित थी। यह अभी स्पष्ट नहीं कि भागीदारी, समीक्षा और कोड-गुणवत्ता में दिखे संबंध लंबे समय तक बने रहेंगे या समुदाय नई AI क्षमताओं के साथ नियम बदल देंगे।

AI-सहायता वाले पुल अनुरोधों की पहचान घोषित वाक्यांशों, सह-लेखक संकेतों, एजेंट शाखाओं और लेबल जैसे दिखाई देने वाले चिह्नों से हुई। अघोषित उपयोग छूट सकता है, जबकि किसी लेखक के बाद के योगदान को AI-सहायता वाला मानने से कुछ गतिविधि अधिक गिनी जा सकती है। SonarQube भी सभी मिलान किए गए रिपॉजिटरी को सफलतापूर्वक नहीं जाँच सका।

फिलहाल प्रमाण का सटीक अर्थ इतना है: बड़े सक्रिय GitHub रिपॉजिटरी के इस प्रीप्रिंट विश्लेषण में स्पष्ट खुलासा, सत्यापन योग्य मानवीय जिम्मेदारी और संतुलित प्रवर्तन अकेले प्रतिबंध की तुलना में अधिक अनुकूल सामुदायिक तथा गुणवत्ता संकेतकों से जुड़े मिले। स्वतंत्र पुनरावृत्ति, सहकर्मी समीक्षा और लंबी अवधि के आँकड़े ही बताएँगे कि यह बढ़त अलग आकार और प्रकृति की खुला-स्रोत परियोजनाओं में भी कायम रहती है या नहीं।