पीन लैब्स के सीटीओ संजीव कुमार ने एजेंटिक अर्थव्यवस्था के लिए पारिस्थितिकी तंत्र के निर्माण पर चर्चा की, विश्वास और नियंत्रण पर जोर दिया
और पढ़ें
YourStory [india, en]
yourstory.com

पीन लैब्स के सीटीओ संजीव कुमार ने एजेंटिक अर्थव्यवस्था के लिए पारिस्थितिकी तंत्र के निर्माण पर चर्चा की, विश्वास और नियंत्रण पर जोर दिया

कृत्रिम एजेंट वास्तविक व्यावसायिक कार्यों को करना शुरू कर रहे हैं, ग्राहकों की खोज से लेकर शिकायतों के निवारण तक। बैंकों, फिनटेक कंपनियों और बड़े उद्यमों के लिए यह एक मौलिक प्रश्न खड़ा करता है: स्वायत्त रूप से कार्य करने वाले एजेंट पर कितना भरोसा किया जा सकता है?

पाइन लैब्स इस समस्या का समाधान एक पारिस्थितिकी तंत्र बनाकर करती है जो एआई एजेंटों को वाणिज्य के क्षेत्र में कार्य करने की अनुमति देता है, साथ ही उनके कार्यों की जवाबदेही भी सुनिश्चित करता है। टेकस्पार्क्स 2026 में उत्पाद प्रस्तुति के दौरान, पाइन लैब्स के तकनीकी निदेशक संजीव कुमार ने कहा कि कंपनी का लक्ष्य एआई को अपने पारिस्थितिकी तंत्र का पूर्ण सदस्य बनाना है।

पिछले डेढ़ साल में, पाइन लैब्स ने एआई एजेंटों के आसपास वाणिज्य के लिए एक ऑपरेटिंग सिस्टम विकसित किया है। यह प्रणाली एजेंटों की गतिविधियों को ट्रैक करने और अनुमतियों के प्रबंधन के लिए उपकरणों को विक्रेताओं और उद्यम टीमों के लिए एप्लिकेशन के साथ जोड़ती है। अपने एजेंट स्टोर (Agent Store) के माध्यम से, यह पारिस्थितिकी तंत्र तीसरे पक्ष के डेवलपर्स के लिए खुलेगा जो बैंकों और विक्रेताओं के लिए समाधान बना रहे हैं।

ताकि एजेंट बैंकिंग और कॉर्पोरेट वातावरण में कार्य कर सकें, संगठनों को उनकी शक्तियों की सीमाओं को स्पष्ट रूप से समझना होगा और उनकी गतिविधियों का ऑडिट करने में सक्षम होना होगा। पाइन लैब्स ने Grantex विकसित किया, जिसे कुमार ने 'एआई एजेंटों के लिए ओपन ऑथराइजेशन 2.0' के रूप में वर्णित किया। यह उपकरण प्रत्येक एजेंट को अनुमतियों का एक निश्चित सेट, एक समाप्ति तिथि निर्दिष्ट करता है और उस व्यक्ति की पहचान दर्ज करता है जिसने अनुमति दी थी।

यदि किसी एजेंट को ईमेल पढ़ने और मसौदा तैयार करने की अनुमति है और वह ऐसा ईमेल भेजने का प्रयास करता है, तो इस कार्रवाई को अवरुद्ध किया जा सकता है और उसकी अनुमतियाँ वापस ली जा सकती हैं, जिसमें किसी भी सहायक एजेंट की अनुमतियाँ भी शामिल हैं। सभी कार्रवाइयां हैश-चेन पर आधारित एक अपरिवर्तनीय ऑडिट ट्रेल में दर्ज की जाती हैं।

कुमार ने सिस्टम और टूल के कनेक्शन, संवर्धित खोज (RAG) के साथ पीढ़ी के कॉन्फ़िगरेशन, निरंतर मूल्यांकन और मानव हस्तक्षेप की आवश्यकता वाले क्षणों को निर्धारित करने से संबंधित कार्य के बारे में विस्तार से बताया। इन घटकों को सुसंगत रूप से काम करना चाहिए इससे पहले कि एजेंट कॉर्पोरेट वातावरण में कार्यों को विश्वसनीय रूप से संभाल सके।

पाइन लैब्स ने पहले इस तकनीक को अपनी आंतरिक अनुपालन, वित्त, मानव संसाधन और विपणन टीमों में लागू किया, सभी संचालन अपने स्वयं के वातावरण में करते हुए। कंपनी भारत और विदेशों में बैंकों के साथ भी इस तकनीक को लागू कर रही है।

पाइन लैब्स का अनुपालन और समस्या निवारण के लिए जिम्मेदार एजेंट कोरा, साइबर धोखाधड़ी की शिकायतों को प्राप्त होने से लेकर पूरी तरह से बंद होने तक संसाधित करता है। यह शिकायतों का लेनदेन से मिलान करता है, उन्हें वर्गीकृत करता है, उचित टीमों को निर्देशित करता है और सत्यापन के लिए उत्तर तैयार करता है। कुमार ने उल्लेख किया कि इसके कारण पाइन लैब्स कुछ शिकायतों को उसी दिन बंद करने में सक्षम थी, जबकि मानक समय तीन से पांच दिन है।

एजेंट अपने काम का 15-चरणीय निशान रिकॉर्ड करता है, जिसमें डेटा सत्यापन, लेनदेन खोज, गणना मिलान और टीमों को सूचना देना, साथ ही पुष्टिकारक प्रमाण और आत्मविश्वास स्तर शामिल हैं। यदि सिस्टम कनेक्टर अनुपलब्ध है, तो कोरा रोबोटिक प्रोसेस ऑटोमेशन (RPA) का उपयोग कर सकता है। प्रदर्शन के दौरान, उसने राज्य साइबर पुलिस पोर्टल तक पहुंच प्राप्त की और लेनदेन विवरण और विवादित राशि बताते हुए कार्रवाई किए गए फॉर्म को भर दिया। इस बीच, मानव ऑपरेटर पासवर्ड और वन-टाइम कोड पर नियंत्रण बनाए रखता है और भेजने से पहले फॉर्म की जांच करता है।

अनुपालन, वित्त, मानव संसाधन और विपणन के आंतरिक विभागों में एजेंटों को लागू करने के बाद, पाइन लैब्स ने अपने प्लेटफॉर्म को डेवलपर्स और विक्रेता भागीदारों के लिए खोल दिया है। कंपनी भारत और विदेशों में बैंकों के साथ भी सहयोग कर रही है।

अपनी आंतरिक परिचालन से परे प्रौद्योगिकी के अनुप्रयोग की क्षमता का प्रदर्शन करने के लिए, कुमार ने द केन के साथ पाइन लैब्स द्वारा आयोजित एक हैकाथॉन का उल्लेख किया। इसमें भारत से 380 से अधिक प्रतिभागियों ने भाग लिया - छात्र, हाल के स्नातक और इंजीनियर। विजेता परियोजना ने लोगों को यह तय करने में मदद की कि रात के खाने में क्या बनाना है।

डेवलपर्स सरल भाषा में कौशल फ़ाइलें बना सकते हैं, टूल कनेक्ट कर सकते हैं और कार्य परिभाषित कर सकते हैं, जबकि AgenticOrg Grantex के माध्यम से एजेंटों के संबंध में पारदर्शिता, आत्मविश्वास स्कोर और ऑडिट ट्रेल्स प्रदान करता है। AgenticOrg पाइन लैब्स के बुनियादी ढांचे का उपयोग करके विक्रेताओं और बैंकों के लिए एप्लिकेशन बनाने में तृतीय-पक्ष डेवलपर्स की सहायता के लिए डिज़ाइन किया गया है।

छोटे व्यवसायों के लिए, पाइन लैब्स ने विक्रेता इंटरफ़ेस के माध्यम से उपलब्ध एक विज्ञापन एजेंट भी विकसित किया है। विक्रेता अपना गूगल विज्ञापन खाता जोड़ते हैं, अपने व्यवसाय, बजट और अभियान लक्ष्य के बारे में जानकारी प्रदान करते हैं। एजेंट स्थानीय मांग और आस-पास के प्रतिस्पर्धियों का पता लगाता है, और फिर खोज, डिस्प्ले और यूट्यूब के लिए विज्ञापन पाठ उत्पन्न करता है।

विक्रेता लॉन्च से पहले परिवर्तनों का अनुरोध कर सकते हैं और अभियान को मंजूरी दे सकते हैं। प्रदर्शन में दिखाया गया कि सेटअप में लगभग दो मिनट लगते हैं, और अभियान प्रदर्शन और लीड रूटिंग एक ही इंटरफ़ेस के माध्यम से उपलब्ध हैं।

उद्यम की आंतरिक कार्यप्रणाली और साइबर धोखाधड़ी के निवारण से लेकर छोटे व्यवसायों के लिए विज्ञापन तक - पाइन लैब्स वाणिज्य के विभिन्न पहलुओं पर अपने एजेंट बुनियादी ढांचे को लागू कर रहा है। Grantex एजेंट कार्यों के लिए ढांचा स्थापित करता है; AgenticOrg टीमों, व्यक्तियों और एआई उत्साही लोगों को एजेंट बनाने, काम का प्रबंधन करने और कार्य करने में मदद करता है। पाइन लैब्स इस बात पर दांव लगा रहा है कि वाणिज्य का भविष्य न केवल इस बात से निर्धारित होगा कि एआई एजेंट क्या कर सकते हैं, बल्कि इस बात से भी निर्धारित होगा कि वे इसे कितनी विश्वसनीयता के साथ करते हैं। एजेंट प्रबंधन के लिए बुनियादी ढांचे को वास्तविक व्यावसायिक समस्याओं को हल करने वाले अनुप्रयोगों के साथ जोड़कर, कंपनी उद्यमों, बैंकों और विक्रेताओं के लिए वाणिज्य का एक कार्यशील हिस्सा बनाने का प्रयास कर रही है।

समान कहानियाँ

WSO2 के सीईओ का दावा है कि उद्यमों को नेटवर्क में एआई एजेंटों के व्यवहार को समझना चाहिए
और पढ़ें
business-standard.com

WSO2 के सीईओ का दावा है कि उद्यमों को नेटवर्क में एआई एजेंटों के व्यवहार को समझना चाहिए

WSO2 के मुख्य कार्यकारी अधिकारी, हैरी ऑल्ट ने कहा कि निगमों को केवल कुछ एजेंटों के लिए इन नेटवर्कों तक पहुंच के मुद्दे पर ध्यान केंद्रित करने के बजाय, इस बात की गहरी समझ होनी चाहिए कि कृत्रिम बुद्धिमत्ता (एआई) पर चलने वाली प्रणालियाँ सभी नेटवर्क घटकों के साथ कैसे व्यवहार करती हैं और बातचीत करती हैं।

WSO2, एक अमेरिकी कंपनी जो ओपन-सोर्स सॉफ्टवेयर में विशेषज्ञता रखती है और जिसकी स्थापना 2005 में हुई थी, एंटरप्राइजेज के लिए सॉफ्टवेयर सिस्टम इंटीग्रेशन, उपयोगकर्ता पहचान सुरक्षा और एक्सेस से संबंधित है।

ऑल्ट के अनुसार, हालांकि एआई-आधारित एजेंटों का उपयोग कुछ समय से हो रहा है, उनमें से अधिकांश का उपयोग नियतात्मक प्रणालियों में किया गया था, जहां सुरक्षा और प्रबंधन सीधे नेटवर्क में अंतर्निहित थे, जिससे एजेंटों के पास स्थापित सीमाओं के बाहर कार्य करने के लिए कम विकल्प थे।

उन्होंने उल्लेख किया कि जेनरेटिव एआई में बदलाव संभाव्य परिदृश्यों की ओर ले जाता है जहां परिणामों की भविष्यवाणी करना असंभव है, जो उत्पादन स्तर के अनुप्रयोगों के लिए एक गंभीर समस्या प्रस्तुत करता है, और यह परिवर्तन सभी उद्यमों में हो रहा है।

ऐसे एजेंटों को नियंत्रित करने के लिए, कंपनियों को तैयार समाधानों का उपयोग करने के बजाय अपने स्वयं के एआई प्रबंधन योजनाएं विकसित करनी चाहिए और अनुकरण गेटवे और प्रमाणीकरण सेवाएं बनानी चाहिए, जिससे बौद्धिक संपदा स्थायी रूप से सुरक्षित रहे।

ऑल्ट ने वर्तमान वर्ष में अगस्त में सेवानिवृत्त होने वाले संस्थापक और दीर्घकालिक नेता संजीवा वीरवारन से WSO2 के सीईओ पदभार संभाला। ऑल्ट का मानना है कि एआई से उत्पन्न होने वाली सभी समस्याएं, जैसे एजेंटों का अनियंत्रित व्यवहार या बड़े भाषा मॉडल द्वारा अप्रासंगिक उत्तर देना, 'ओपन सोर्स कोड और खुले मानकों' के माध्यम से हल हो जाएंगी, जिससे अधिक लोगों को एक ही समस्या पर सहयोग करने की अनुमति मिलेगी।

उन्होंने आगे कहा कि लगभग सभी वैश्विक प्रौद्योगिकी और उत्पाद कंपनियों के लिए आय प्राप्त करने की अधिकांश क्षमता एआई से जुड़ी मांग से आती है, और यह प्रवृत्ति निकट भविष्य में बनी रहने की संभावना है।

विकास की बात करते हुए, ऑल्ट ने एआई के क्षेत्र में सभी मौजूदा समस्याओं को हल करने की आवश्यकता पर जोर दिया, जिसके बाद कंपनी अन्य फर्मों के साथ बजट पर चर्चा करती है और उन्हें उपयुक्त समाधान प्रदान करती है।

उन्होंने बताया कि संयुक्त राज्य अमेरिका और भारत जैसे देशों और क्षेत्रों में, 'एआई-फर्स्ट' दृष्टिकोण सभी कंपनियों के लिए मानक बन गया है। उन्होंने विशेष रूप से भारत पर प्रकाश डाला, यह देखते हुए कि इस देश में तकनीक द्वारा प्रदान की जा सकने वाली विशालता और मूल्य किसी अन्य क्षेत्र में नहीं मिल सकता है।

यह कंपनी, जो दुनिया भर के 92 देशों में लगभग 950 ग्राहकों को सेवा प्रदान करती है, भारत में प्रमुख सरकारी संस्थानों, नियामकों और वित्तीय संगठनों के साथ भी सहयोग करती है। इसके अलावा, उन्होंने जेनरेटिव एआई प्रौद्योगिकियों में सुधार के कारण भारत में संस्थापकों के नेतृत्व वाली उत्पाद कंपनियों के मजबूत विकास का उल्लेख किया है, जो WSO2 जैसी कंपनियों के लिए मूल कंपनी के अधिग्रहण या विलय के कई अवसर प्रदान करता है।

इंट्यूट से विग्नेश सुब्रह्मण्यम प्रॉम्प्ट इंजीनियरिंग से सक्रिय एआई सिस्टम बनाने की ओर बदलाव पर चर्चा करते हैं
और पढ़ें
yourstory.com

इंट्यूट से विग्नेश सुब्रह्मण्यम प्रॉम्प्ट इंजीनियरिंग से सक्रिय एआई सिस्टम बनाने की ओर बदलाव पर चर्चा करते हैं

हाल के वर्षों में, एआई के साथ काम करने के परिणामों में सुधार इस बात पर निर्भर रहा है कि कितने उच्च गुणवत्ता वाले प्रॉम्प्ट लिखे जाते हैं। हालांकि, यह प्रतिमान तेजी से बदल रहा है क्योंकि एआई सिस्टम स्वयं तर्क करना, निर्णय लेना और पूरी कार्यप्रवाहों के भीतर कार्रवाई करना शुरू कर रहे हैं।

TechSparks 2026 कार्यक्रम में, जो YourStory का प्रमुख कार्यक्रम है, Intuit में एआई के प्रमुख वैज्ञानिक शोधकर्ता डॉ. विग्नेश सुब्रह्मण्यम ने YourStory और The CapTable के संपादकीय प्रबंधक आदित चार्ली के साथ बातचीत की। 'प्रॉम्प्ट से परे: सोचने, कार्य करने और सीखने वाले एआई का निर्माण' नामक चर्चा इस बात पर केंद्रित थी कि जैसे-जैसे बुद्धिमत्ता अधिक स्वायत्त होती जाती है, डेवलपर्स को क्या पुनर्कल्पित करने की आवश्यकता है।

सत्र सुब्रह्मण्यम के विशिष्ट कार्य दिवस और फिनटेक और एआई की अवधारणाओं को दर्शकों के लिए सरल बनाने के अनुरोधों के साथ शुरू हुआ। उन्होंने शतरंज के उदाहरण का उपयोग किया, यह सवाल पूछते हुए: यदि किसी एल्गोरिथम को शतरंज के नियम नहीं सिखाए जाते हैं, बल्कि विजेताओं के लाखों पूरे खेल दिखाए जाते हैं, तो क्या वह नियमों और जीतने के लिए सबसे संभावित रणनीतियों दोनों को निकाल सकता है?

Intuit टीम छोटे व्यवसायों का समर्थन करने के लिए इसी तरह के दृष्टिकोण का उपयोग करती है, क्योंकि कंपनी उपभोक्ताओं और लेखाकारों दोनों को सेवा प्रदान करती है। सुब्रह्मण्यम ने टिप्पणी की: 'जैसा कि हम डेटा, वास्तविक कार्यों और उद्यमों द्वारा किए गए परिणामों का विश्लेषण करके व्यवसाय के खेल का अध्ययन करते हैं।' लक्ष्य ग्राहकों को आकर्षित करने, तेजी से विकास और नकदी प्रवाह में सुधार में सफल होने वाले कारकों को समझना है।

इसके बाद बातचीत डेवलपर्स के लिए प्रतिमान परिवर्तन पर चली गई: अधिक बुद्धिमान प्रॉम्प्ट लिखने के कई वर्षों के अध्ययन से लक्ष्य वाले एजेंटों के डिजाइन तक, जो अपने लक्ष्यों को प्राप्त करने के लिए स्वयं कदम निर्धारित करते हैं। सुब्रह्मण्यम ने प्रॉम्प्ट इंजीनियरिंग की तुलना प्रोग्रामिंग भाषाओं के लंबे इतिहास से की, जो बाइनरी कोड और असेंबली से लेकर Fortran, C और Python तक है। बड़े भाषा मॉडल ने किसी भी व्यक्ति को सरल अंग्रेजी में प्रोग्राम करने की अनुमति दी है, लेकिन इस विधि की अपनी सीमाएं हैं।

शोधकर्ताओं ने जल्दी ही महसूस किया कि बुद्धिमत्ता केवल मॉडल में नहीं होनी चाहिए। मॉडल को एक ऑर्केस्ट्रेटर के रूप में कार्य करना चाहिए, जो एक जटिल कार्य को कार्यों और टूल कॉल्स के अनुक्रम में तोड़ता है। वास्तविक बुद्धिमत्ता उन उपकरणों में स्थानांतरित हो जाती है जिन्हें बुलाया जाता है; और इन उपकरणों को भी अलग तरह से डिज़ाइन किया जाना चाहिए: 'किसी व्यक्ति, या सॉफ्टवेयर डेवलपर, या किसी अन्य व्यक्ति द्वारा उपयोग करने के लिए नहीं, बल्कि इस तरह से कि LLM ऑर्केस्ट्रेटर वास्तव में उनका उपयोग कर सके।'

इसके लिए अत्यंत नियतात्मक परिणाम वाले उच्च सटीकता वाले उपकरणों के निर्माण की आवश्यकता होती है। डेवलपर्स के लिए महारत चतुर वाक्यांशों से हटकर विश्वसनीय घटकों की ओर स्थानांतरित हो जाती है जिन्हें मॉडल बिना किसी अप्रत्याशितता के बार-बार कॉल कर सकता है।

नए डेटा स्रोतों के संबंध में, सुब्रह्मण्यम ने खुले तौर पर कहा कि पाठ डेटा पर प्रशिक्षण काफी हद तक हल हो गया है। अधिक जटिल कार्य मल्टीमॉडल स्रोतों और वास्तविक कार्यों पर प्रशिक्षण है। उन्होंने एक छोटे बच्चे के उदाहरण का हवाला दिया जो मुख्य रूप से पढ़ने के बजाय जो देखता है, सुनता है और देखता है, उसके माध्यम से सीखता है, यह दावा करते हुए कि वास्तविक दुनिया के ऐसे संकेतों को एआई सिस्टम में शामिल करने से मॉडल टेक्स्ट जनरेशन से आगे बढ़कर कार्रवाई प्रस्तावित करना शुरू कर सकते हैं। उन्होंने इसे अगला मील का पत्थर कहा।

विनियमित उद्योग की समस्याओं पर विचार करते हुए, वह दर्शकों को 18 साल पहले बैंगलोर की मशीन लर्निंग की पहली प्रयोगशालाओं में वापस ले गए, जहां उन्होंने लॉजिस्टिक रिग्रेशन और मल्टीलेयर परसेप्ट्रॉन पर काम किया था। उस समय सबसे बड़ी समस्या एल्गोरिथम स्वयं नहीं थी। उन्होंने याद किया: 'वास्तव में, यह डेटा की गुणवत्ता थी।'

यह समस्या नहीं बदली है। चाहे टीम साधारण रिग्रेशन को प्रशिक्षित कर रही हो या ट्रांसफार्मर को फाइन-ट्यून कर रही हो, 'इनपुट कचरा - आउटपुट कचरा' का सिद्धांत कायम है। उनके अनुसार, उच्च गुणवत्ता वाले डेटा को एकत्र करने, एकत्रित करने और संग्रहीत करने में सक्षम कंपनियां लाभ उठाएंगी।

एक संक्षिप्त प्रश्नोत्तर सत्र के दौरान एक प्रतिभागी ने पूछा कि वित्तीय डेटा भंडारण पर प्रतिबंध Intuit के संचालन को कैसे प्रभावित करते हैं। सुब्रह्मण्यम ने सहमति को किसी भी प्रशिक्षण प्रणाली की नींव बताया और फ्रैमिंगहम अध्ययन का हवाला दिया, जहां मैसाचुसेट्स शहर के निवासियों ने डॉक्टरों को समय के साथ उनके स्वास्थ्य को ट्रैक करने की अनुमति दी, जिसने हृदय रोगों की आधुनिक समझ को आकार दिया। उन्होंने यह भी जोड़ा कि कंपनियों को जनता को डेटा के उपयोग के लाभों की व्याख्या करनी होगी।

बातचीत समाप्त होने के साथ, मुख्य विचार यह था कि जैसे-जैसे एआई प्रतिक्रिया से कार्रवाई की ओर बढ़ता है, इंटरफ़ेस की तुलना में नींव अधिक महत्वपूर्ण हो जाती है। प्रॉम्प्ट शुरुआती बिंदु बने रहेंगे, लेकिन असली काम अब विश्वसनीय उपकरण बनाने में है जिन्हें एजेंट कॉल कर सकते हैं, सिस्टम को उच्च गुणवत्ता वाले डेटा से लैस करना और सहमति प्राप्त करना जो उन्हें सीखने की अनुमति देता है। यहीं, प्रॉम्प्ट से परे, डेवलपर्स के लिए एआई की अगली लहर जीती जाएगी।

Forge Code के विशेषज्ञ ने समझाया कि प्रभावी सॉफ्टवेयर विकास के लिए AI-आधारित 'सॉफ्टवेयर फैक्ट्री' क्यों आवश्यक है
और पढ़ें
yourstory.com

Forge Code के विशेषज्ञ ने समझाया कि प्रभावी सॉफ्टवेयर विकास के लिए AI-आधारित 'सॉफ्टवेयर फैक्ट्री' क्यों आवश्यक है

भले ही आर्टिफिशियल इंटेलिजेंस अभूतपूर्व गति से कोड उत्पन्न करने में सक्षम हो, लेकिन इसके परीक्षण, सत्यापन और उत्पादन वातावरण में तैनाती की प्रक्रिया एक अलग जटिल कार्य प्रस्तुत करती है। इंजीनियरिंग टीमें कोड लिखने, त्रुटियों को ठीक करने और नई सुविधाएँ बनाने के लिए तेजी से AI एजेंटों का उपयोग कर रही हैं, हालांकि कोडिंग में तेजी सॉफ्टवेयर वितरण में तेजी की गारंटी नहीं देती है।

जैसे-जैसे कोड जनरेशन गति पकड़ रहा है, जांचों की संख्या बढ़ रही है, परीक्षण धीमा हो रहा है, और टीमों के लिए परिवर्तनों की बढ़ती मात्रा का समन्वय करना मुश्किल होता जा रहा है।

TechSparks 2026 सम्मेलन में, Forge Code के सीईओ तुषार मातुर ने अपने सत्र 'सॉफ्टवेयर फैक्ट्री की शारीरिक रचना' में इस समस्या पर प्रकाश डाला। उन्होंने समझाया कि AI-उन्मुख इंजीनियरिंग संगठन व्यक्तिगत कोडिंग कार्यों के स्वचालन से परे जाकर सॉफ्टवेयर डेवलपमेंट लाइफसाइकिल (SDLC) के पूरे जीवन चक्र को प्रबंधित करने वाली प्रणालियाँ कैसे बना सकते हैं।

मातुर ने उल्लेख किया कि केवल इसलिए कि कोड जनरेशन आसान और तेज हो गया है, इसका मतलब यह नहीं है कि समग्र SDLC तेज हो जाएगा। उन्होंने याद दिलाया कि पारंपरिक विकास दृष्टिकोण प्रभावी ढंग से कोड लिखने पर केंद्रित था, जिसके लिए टीमों को कार्यान्वयन चरण पर बोझ कम करने के लिए आवश्यकताओं को परिभाषित करने, विनिर्देश तैयार करने और वास्तुकला डिजाइन करने की आवश्यकता होती थी।

हालांकि, चूंकि AI कोडिंग का अधिकांश काम संभाल रहा है, इसलिए बाधाएं अन्य क्षेत्रों में स्थानांतरित हो जाती हैं। मातुर ने उस स्थिति का वर्णन किया जब संगठनों को समीक्षा की प्रतीक्षा कर रहे मर्ज अनुरोधों (पुल रिक्वेस्ट) की भारी मात्रा, लंबे परीक्षण चक्र और मौजूदा रिग्रेशन सेट द्वारा पता लगाए जा सकने वाले त्रुटियों की तुलना में अधिक त्रुटियों का सामना करना पड़ता है।

उन्होंने जोर दिया कि समस्या का समाधान जरूरी नहीं कि अधिक इंजीनियरों को नियुक्त करने या अधिक AI एजेंटों को चलाने में निहित हो। अतिरिक्त कर्मचारी समन्वय लागत बढ़ा सकते हैं, और प्रभावी फीडबैक तंत्र के बिना एजेंटों को जोड़ने से ऐसा कोड बन सकता है जो सत्यापन और परीक्षण प्रणालियों पर अत्यधिक भार डालता है।

मातुर ने समझाया, 'इसका कारण यह है कि कोई संकेत मौजूद नहीं है,' यह समझाते हुए कि स्वचालित चरणों को बस जोड़ने से एक प्रभावी सॉफ्टवेयर फैक्ट्री क्यों नहीं बनती है।

मातुर ने Forge Code को एक सॉफ्टवेयर फैक्ट्री के रूप में प्रस्तुत किया जो पूरे विकास चक्र के दौरान AI एजेंटों का समन्वय करता है। प्रक्रिया अनुरोधों को छांटने, विनिर्देश बनाने और सुविधाओं को लागू करने से शुरू होती है। फिर एजेंटों द्वारा तैनाती से पहले परिवर्तनों की जाँच की जाती है, जिसमें मानव इंजीनियर तब हस्तक्षेप करते हैं जब समाधान या प्रतिक्रिया की आवश्यकता होती है।

यह प्रणाली कार्य वातावरण में निगरानी भी करती है, प्राप्त डेटा का उपयोग भविष्य के कार्यों को सूचित करने के लिए करती है। यह एक फीडबैक लूप बनाता है, जिससे फैक्ट्री समस्याओं की पहचान कर सकती है, अपनी कार्यप्रणाली में सुधार कर सकती है और प्राप्त अनुभव के आधार पर नया काम उत्पन्न कर सकती है। प्रस्तुति के दौरान, मातुर ने बताया कि Forge Code ने सुविधाओं, संगतता और त्रुटि का पता लगाने पर काम करने के लिए पृष्ठभूमि में लगभग 100 एजेंटों का उपयोग किया था।

उन्होंने एक प्रभावी सॉफ्टवेयर फैक्ट्री बनाने के लिए छह सिद्धांतों की रूपरेखा प्रस्तुत की: स्वायत्तता, मापनीयता, आर्थिक दक्षता, मापनीयता, स्व-सुधार और व्यावसायिक लक्ष्यों के साथ संरेखण। अंतिम सिद्धांत विशेष महत्व रखता है।

फैक्ट्री को प्रत्येक अनुरोध के लिए कोड लिखने के कार्य के रूप में काम नहीं करना चाहिए, बल्कि ग्राहक प्रतिधारण बढ़ाने या नियामक अनुपालन सुनिश्चित करने जैसे विशिष्ट परिणामों को प्राप्त करने पर केंद्रित होना चाहिए। फिर टीमें मूल्य के आधार पर सुविधाओं को प्राथमिकता दे सकती हैं। इस मॉडल में, इंजीनियर प्रत्येक कार्य के प्रबंधन में कम समय बिताते हैं और परिणामों की निगरानी करने, संकेतों का विश्लेषण करने और स्वयं प्रणाली में सुधार करने में अधिक समय बिताते हैं। व्यवसाय के नेता भी सीधे अनुरोध और प्राथमिकताएं प्रदान कर सकते हैं, जिससे फैक्ट्री संगठनात्मक लक्ष्यों को विकास बैकलॉग में बदल सकती है।

कोड लिखने की गति अच्छी है, लेकिन बेहतर सॉफ्टवेयर बनाना ही वास्तविक जीत है। इंजीनियरिंग टीमों के लिए कुंजी AI द्वारा प्रदान की गई गति को विश्वसनीय उत्पादों, मापने योग्य प्रगति और वास्तविक व्यावसायिक परिणामों में बदलना है।

लोकप्रिय