पिछले साल, मैंने AI द्वारा डेटा वैज्ञानिकों के लिए कम-मूल्य वाले कार्यों को समाप्त करने और उच्च-मूल्य वाले कार्यों को तेज करने के बारे में लिखा था। एक साल बाद, GPT 4.5 से GPT 6 तक AI की प्रगति के साथ, असली बदलाव बड़ा है: AI स्वामित्व, निर्णय और करियर पथ को नया आकार दे रहा है।

पिछले छह महीनों में, मैंने शायद ही कोई SQL या Python मैन्युअल रूप से लिखा हो। AI अधिकांश विश्लेषण कोड लिखता है; मेरी भूमिका कोडर से समीक्षक में बदल गई। दोहराए जाने वाले वर्कफ़्लो Agent Skills में पैक किए जाते हैं, जैसे मीट्रिक मूवमेंट रूट कॉज़ विश्लेषण या प्रयोग रीडआउट लिखना।

हितधारक अब Claude Code जैसे AI टूल का उपयोग करके स्वयं अधिक डेटा खींचते हैं। लेकिन विश्वास के मुद्दे उभरते हैं: हितधारक या तो AI गलतियों के बाद विश्वास खो देते हैं या vibe-coded आउटपुट पर आँख बंद करके भरोसा करते हैं। सिमेंटिक परतें विश्वसनीयता के लिए महत्वपूर्ण हो जाती हैं, "रिटेंशन रेट" जैसे मेट्रिक्स को परिभाषित करती हैं ताकि एजेंटों को मैन्युअल रूप से परिभाषाएँ जोड़ने की आवश्यकता न हो।

बाधा "क्या कोई डेटा प्राप्त कर सकता है?" से "क्या हम उन्हें मिले डेटा पर भरोसा कर सकते हैं?" में स्थानांतरित हो गई। AI ने डेटा वैज्ञानिक के काम की परिभाषा को शुद्ध उत्पादकता लाभ से परे विस्तारित किया।