तीन घंटे, छह डेवलपर्स, 30,000 लापता। जब उत्तरी वेनेजुएला में भूकंप आया, तो ब्यूनस आयर्स के एक प्रोग्रामर ने Claude Opus का उपयोग करके तीन घंटे में लापता व्यक्तियों के लिए एक वेब पोर्टल तैयार कर दिया—एक ऐसा काम जिसमें सामान्यतः पूरा दिन लग जाता। कैलिफोर्निया के एक दूसरे डेवलपर ने चार घंटे में सप्लाई-मैचिंग टूल लॉन्च करने के लिए Replit का उपयोग किया। इन त्वरित निर्माणों ने परिवारों को फोटो पोस्ट करने और एक केंद्रीय डेटाबेस के साथ चेहरों का मिलान करने का तरीका दिया, और आधिकारिक माध्यमों के धीमे होने के दौरान एनजीओ (NGOs) को दाताओं को पीड़ितों से जोड़ने में मदद की।

यह प्रयास क्यों महत्वपूर्ण था

वेनेजुएला का आपातकालीन बुनियादी ढांचा चरमरा गया था: बिजली कटौती, टूटी हुई सड़कें और ओवरलोडेड फोन नेटवर्क ने अधिकारियों को एक एकीकृत खोज का समन्वय करने में असमर्थ कर दिया। शुरुआती घंटों में, परिवार रिश्तेदारों की सूचना देने और सहायता मांगने के लिए किसी भी माध्यम की तलाश में भटक रहे थे। प्रवासी समुदायों द्वारा बनाए गए ऐप्स ने उस कमी को पूरा किया, और राज्य की प्रतिक्रिया अभी आकार ले ही रही थी, तभी उन्होंने कार्यात्मक और कम इंटरनेट खपत वाली (internet-light) सेवाएं प्रदान कीं।

डेवलपर्स वहां तक कैसे पहुंचे

ब्यूनस आयर्स के कोडर ने Claude Opus को एक साधारण प्रॉम्प्ट दिया, जिसमें एक ऐसी साइट का वर्णन था जहाँ उपयोगकर्ता फोटो अपलोड कर सकें, नाम टैग कर सकें और मौजूदा सूची के विरुद्ध समानता खोज (similarity search) कर सकें। Claude ने फ्रंट-एंड फॉर्म, इमेज-प्रोसेसिंग पाइपलाइन और डेटाबेस स्कीमा तैयार किया, और फिर एक डिप्लॉय करने योग्य कोड बंडल वापस किया। डेवलपर ने कुछ प्रॉम्प्ट्स में सुधार किया, क्लाउड इंस्टेंस पर कोड चलाया, और तीन घंटे से भी कम समय में साइट लाइव हो गई।

प्रशांत महासागर के पार, कैलिफोर्निया के डेवलपर ने एक Replit वर्कस्पेस खोला, एक “सप्लाई-मैचिंग डैशबोर्ड” का संक्षिप्त विवरण टाइप किया जो दाताओं के प्रस्तावों को स्वीकार करेगा और आस-पास की जरूरतों को प्रदर्शित करेगा, और AI को बैक-एंड API, एक छोटा एडमिन UI और एक सरल ऑथेंटिकेशन फ्लो का ढांचा तैयार करने दिया। चार घंटे बाद, टूल एक मोबाइल-फ्रेंडली URL पर उपलब्ध था।

दोनों टीमों ने यूजर एक्सपीरियंस को हल्का (lightweight) रखा। उन्होंने WhatsApp-शैली के चैट इंटरफेस को चुना क्योंकि अधिकांश पीड़ितों के पास केवल 2G डेटा तक पहुंच थी और बैटरी लाइफ भी सीमित थी। कोई भारी नेटिव ऐप्स नहीं बनाए गए; इसके बजाय, उन्होंने HTML 5 पेजों पर भरोसा किया जो जल्दी लोड होते थे और संभव होने पर ऑफलाइन भी काम करते थे।

व्यावहारिक निष्कर्ष

  • AI एक मल्टीप्लायर के रूप में – प्रॉम्प्ट-आधारित कोड जनरेशन ने दिन भर की मेहनत को कुछ घंटों के काम में बदल दिया।
  • मॉडल को एक अस्थिर परत (volatile layer) के रूप में मानें – लैंग्वेज-मॉडल APIs अपनी कीमतें, रेट लिमिट्स बदल सकते हैं या गायब हो सकते हैं। केवल प्रॉम्प्ट्स में कोर लॉजिक बनाने से उत्पाद एक अस्थिर लक्ष्य से बंध जाता है।
  • एक टिकाऊ स्कीमा (durable schema) पर आधारित रहें – लापता व्यक्तियों का डेटा मॉडल—फोटो, नाम, अंतिम ज्ञात स्थान, स्थिति—संकट के समय भी उपयोगी रहता है। एक बार परिभाषित होने के बाद, इसे AI को फिर से प्रशिक्षित किए बिना पुन: उपयोग किया जा सकता है।
  • बाधाओं के अनुसार डिज़ाइन करें – कम बैंडविड्थ, रुक-रुक कर आने वाली बिजली और ईमेल खातों की कमी ने टीमों को टेक्स्ट-आधारित इंटरफेस और सरल फोन-नंबर ऑथेंटिकेशन चुनने के लिए मजबूर किया। उन बाधाओं ने ऐसा सॉफ्टवेयर तैयार किया जो वहां काम करता है जहां अधिक जटिल समाधान विफल हो जाते हैं।

जोखिम और प्रति-तर्क

गति में वृद्धि के साथ कुछ समझौते (trade-offs) भी आते हैं। AI-जनरेटेड कोड में बग, असुरक्षित डिफॉल्ट्स या अक्षम क्वेरीज़ छिपी हो सकती हैं जो केवल लोड बढ़ने पर ही सामने आती हैं। तीसरे पक्ष (third-party) की AI सेवाओं पर निर्भर रहने से लागत में अस्थिरता भी आती है; कीमतों में अचानक वृद्धि किसी मुफ्त टूल को रातों-रात महंगा बना सकती है। अंत में, ऐसी जल्दबाजी में औपचारिक परीक्षण (formal testing) की कमी के कारण कुछ 'एज केसेस' (edge cases) अनसुलझे रह सकते हैं, जिससे लापता व्यक्तियों के डेटाबेस में गलत मिलान का जोखिम बढ़ जाता है—जो एक गंभीर नैतिक चिंता है।

आगे क्या देखने की आवश्यकता है

  • मानकीकृत आपदा डेटा स्कीमा – यदि मानवीय सहायता समूह लोगों, आपूर्ति और स्थानों के लिए एक सामान्य प्रारूप अपनाते हैं, तो AI-सहायता प्राप्त टूल अधिक आसानी से जुड़ सकते हैं और सीमाओं के पार डेटा साझा कर सकते हैं।
  • ओपन-सोर्स मॉडल होस्टिंग – समुदाय द्वारा संचालित लैंग्वेज-मॉडल एंडपॉइंट्स अचानक API बंद होने या कीमतों में उछाल के जोखिम को कम कर सकते हैं।
  • नियामक ध्यान (Regulatory attention) – सरकारें डेटा गोपनीयता और विश्वसनीयता के लिए AI-जनरेटेड आपातकालीन सॉफ्टवेयर की जांच करना शुरू कर सकती हैं, खासकर जब व्यक्तिगत फोटो और स्थान डेटा शामिल हो।
  • सामुदायिक प्लेटफॉर्म – प्रवासी नेटवर्क पहले से ही मैसेजिंग ऐप्स पर रैपिड-रिस्पॉन्स चैनल बना रहे हैं; उन स्थानों में सीधे AI टूलिंग को एकीकृत करने से भविष्य के डिप्लॉयमेंट में लगने वाले समय को और कम किया जा सकता है।

डेवलपर्स के लिए मुख्य बात

यदि आपको आज एक संकट-प्रतिक्रिया ऐप (crisis-response app) लॉन्च करना है, तो UI का खाका तैयार करने, बॉयलरप्लेट जेनरेट करने और क्लाउड इंस्टेंस शुरू करने के लिए एक कंज्यूमर AI मॉडल से शुरुआत करें। फिर उन हिस्सों को सुनिश्चित करें जो महत्वपूर्ण हैं: एक स्पष्ट, पोर्टेबल डेटा स्कीमा, एक न्यूनतम UI जो आपके द्वारा अपेक्षित सबसे कमजोर डिवाइस पर भी काम करे, और ऐसा प्रमाणीकरण (authentication) जो ईमेल पर निर्भर न हो। AI आउटपुट को एक ड्राफ्ट के रूप में मानें, अंतिम उत्पाद के रूप में नहीं, और यदि इसके नियम बदलते हैं तो मॉडल लेयर को बदलने के लिए तैयार रहें। आपदा के समय, गति जीवन बचाती है, लेकिन स्थिरता उन्हें बाद में फिर से बचाती है।

स्रोत: dev.to/davekurian/diaspora-coders-assemble-earthquake-response-in-hours-with-ai-4c66