Pine Labs CTO Sanjeev Kumar agentlik iqtisodiyoti uchun ekotizim qurish haqida gapirdi va ishonch hamda nazoratga urgʻu berdi

WSO2 bosh ijrochi direktori Harry Ault korporatsiyalar sunʼiy intellekt (AI) asosidagi tizimlarning barcha tarmoq komponentlari bilan qanday xulq-atvor qilishini va ular qanday oʻzaro taʼsirlashini chuqurroq tushunishlari kerakligini, faqatgina maʼlum agentlar uchun ushbu tarmoqlarga kirish masalasiga eʼtibor qaratish oʻrniga, taʼkidladi.

2005 yilda tashkil etilgan va ochiq dasturiy taʼminotga ixtisoslashgan AQSh kompaniyasi boʻlgan WSO2 korxonalar uchun dasturiy tizimlarni integratsiya qilish, foydalanuvchilar identifikatsiyasi va kirish xavfsizligini taʼminlaydi.

Aultning soʻzlariga koʻra, AI asosidagi agentlar bir vaqtning oʻzida qoʻllanilayotgan boʻlsa-da, ularning aksariyati aniq tizimlarda qoʻllanilgan, bu yerda xavfsizlik va boshqaruv bevosita tarmoqqa singdirilgan, bu esa agentlarga belgilangan chegaralar tashqarisida vazifalarni bajarish uchun kam imkoniyatlar qoldirgan.

U generativ AI ga oʻtish noaniq natijalarni bashorat qilishning iloji boʻlmagan ehtimollikli ssenariylarga olib kelayotganini va bu ishlab chiqarish darajasidagi ilovalar uchun jiddiy muammo tugʻdirayotganini, shuningdek, bu oʻzgarish barcha korxonalarda sodir boʻlayotganini qayd etdi.

Bunday agentlarni nazorat qilish uchun kompaniyalar tayyor yechimlardan foydalanish oʻrniga, oʻzlarining AI boshqaruv rejalarini ishlab chiqishi, simulyatsiya shlyuzlari va autentifikatsiya xizmatlarini yaratishi kerak, shu tariqa intellektual mulkni cheksiz saqlab qolishlari mumkin.

Ault joriy yilning avgust oyida pensiyaga chiqqan asoschi va uzoq muddatli rahbari Sanjiva Vieravaran dan WSO2 bosh ijrochi direktori lavozimini oldi. Ault AI tufayli yuzaga keladigan barcha muammolar, masalan, agentlarning nazoratsiz xatti-harakati yoki katta til modellarining vazifasiga mos kelmaydigan javoblarni berishi, «ochiq kod va ochiq standartlar» tufayli hal qilinishiga ishonadi, bu koʻproq odamlarga bitta muammoni birgalikda hal qilish imkonini beradi.

U shuni qoʻshimcha qildi,ki, deyarli barcha jahon texnologiya va mahsulot kompaniyalari uchun daromad olish imkoniyatlarining katta qismi AI bilan bogʻliq talabdan kelib chiqadi va bu tendensiya yaqin kelajakda ham davom etishi ehtimoli bor.

Oʻsish haqida gapirganda, Ault AI sohasidagi mavjud barcha muammolarni hal qilish zarurligini taʼkidladi, undan soʻng kompaniya boshqa firmalar bilan byudjetlar ustida muhokama oladi va ularga tegishli yechimlarni taklif qiladi.

U AQSh va Hindiston kabi mamlakatlar va mintaqalarda «AI-first» yondashuvi barcha kompaniyalar uchun standartga aylanganini maʼlum qildi. Shu bilan birga, u Hindistonga alohida urgʻu berdi, bu yerda texnologiya taʼminlashi mumkin boʻlgan miqyos va qiymat boshqa hech bir mintaqada topilmasligi mumkinligini taʼkidladi.

Dunyo boʻylab 92 ta mamlakatdagi taxminan 950 ta mijozga xizmat koʻrsatadigan kompaniya Hindistonda yirik davlat muassasalari, tartibga soluvchilar va moliyaviy tashkilotlar bilan ham hamkorlik qiladi. Bundan tashqari, u Hindistonda asoschilar boshchiligidagi mahsulot kompaniyalari kuchli rivojlanishini eslatdi, bu generativ AI texnologiyalari yaxshilanishi natijasida WSO2 kabi kompaniyalarga ona kompaniya tomonidan sotib olish yoki birlashish uchun koʻplab variantlar beradi.

Soʻnggi yillarda AI bilan ishlash natijalarini yaxshilash malakali soʻrovlar (promptlar) yozish qobiliyatiga bogʻliq boʻlgan. Biroq, bu paradigma tez oʻzgarmoqda, chunki AI tizimlari mustaqil fikrlashni, qaror qabul qilishni va butun ish jarayonlari doirasida harakat qilishni boshlamoqda.

TechSparks 2026 tadbirida, YourStoryning asosiy voqeasi boʻlib, Intuitdagi AI boʻyicha yetakchi ilmiy xodim Dr. Vignesh Subrahmaniam YourStory va The CapTable muharriri Adit Charlie bilan suhbatlashdi. «Promptdan tashqarida: fikrlaydigan, harakat qiladigan va oʻrganadigan AI yaratish» nomli muhokama ishlab chiquvchilarning intellekt tobora mustaqil boʻlib borayotgan paytda nimalarni qayta koʻrib chiqishi kerakligiga bagʻishlandi.

Sessiya Subrahmaniamning tipik ish kuni haqidagi savollar va fintech hamda AI tushunchalarini auditoriya uchun soddalashtirish soʻrovi bilan boshlandi. U shaxmatlar misolini keltirib, quyidagi savolni berdi: agar algoritmni shaxmat qoidalarini oʻrgatmasdan, gʻalaba qozongan million yakunlangan oʻyinlarni koʻrsatsangiz, u qoidalarni va gʻalaba uchun eng ehtimoliy strategiyalarni chiqarib bera oladimi?

Intuit jamoasi kichik biznesni qoʻllab-quvvatlash uchun shunga oʻxshash yondashuvni qoʻllaydi, chunki kompaniya isteʼmolchilar va buxgalterlarga xizmat koʻrsatadi. Subrahmaniam shunday dedi: «Biz biznes oʻyinini maʼlumotlarni, korxonalar amalga oshirgan real harakatlar va natijalarni tahlil qilish orqali oʻrganamiz». Maqsad mijozlarni jalb qilish, tez oʻsish va pul oqimini yaxshilashga yordam beradigan omillarni tushunishdir.

Keyin suhbat ishlab chiquvchilar uchun paradigmaning oʻzgarishiga oʻtdi: koʻproq aqlli promptlar yozishni uzoq yillar davomida oʻrganishdan maqsadga ega agentlarni loyihalashga oʻtish, ular esa uni amalga oshirish uchun bosqichlarni oʻzlari belgilaydi. Subrahmaniam prompt muhandisligini dasturlash tillarining uzoq tarixi bilan solishtirdi, ikkilik kod va assemblerdan tortib Fortran, C va Pythongacha. Katta til modellarining istalgan odamga oddiy ingliz tilida dasturlash imkonini bergan boʻlsa-da, bu usulining cheklovlari mavjud.

Tadqiqotchilar tez orada intellekt faqat model ichida boʻlmasligi kerakligini tushundilar. Model orkestrator sifatida xizmat qilishi kerak, murakkab vazifani harakatlar va vositalarni chaqirish ketma-ketligiga ajratishi kerak. Haqiqiy intellekt chaqiriladigan vositalarga oʻtadi; va bu vositalar ham boshqacha ishlab chiqilishi kerak: «inson, dasturiy taʼminot ishlab chiquvchisi yoki boshqa kimnidir foydalanishi uchun emas, balki LLM orkestratori ulardan haqiqatda foydalana olishi uchun».

Bu juda aniq natijaga ega yuqori aniqlikdagi vositalarni yaratishni talab qiladi. Ishlab chiquvchilar uchun mahorat hazilomuz formulalardan model tomonidan kutilmagan holatlar boʻlmagan holda takroran chaqirilishi mumkin boʻlgan ishonchli komponentlarga siljnab ketadi.

Yangi maʼlumot manbalari haqida, Subrahmaniam ochiq bayon qildiki, matnli maʼlumotlar asosida oʻqitish darajada hal etilgan. Koʻproq murakkab vazifa multimodal manbalar va real harakatlar asosida oʻqitishdir. U kichik bolaning asosan oʻqish orqali emas, balki koʻrish, eshitish va kuzatish orqali oʻrganishini misol keltirdi va bunday real dunyo signallarini AI tizimlariga kiritish modellarning matn yaratish chegaralaridan chiqib, harakatlar taklif qilishni boshlashiga yordam berishini taʼkidladi. U bunga keyingi chegaralar deb nom berdi.

Regulyativ sanoatdagi muammolarni koʻrib chiqib, u auditoriyani 18 yil oldinga, Bangaloredagi mashinaviy oʻrganishning birinchi laboratoriyalaridan biriga qaytardi, u yerda u logistik regressiya va koʻp qavatli perseptronlar ustida ishlagandi. Oʻsha paytda eng katta muammo algoritmning oʻzi emas edi. U eslaydiki: «Aslida, bu maʼlumotlarning sifati edi».

Bu muammo oʻzgarmadi. Jamoa oddiy regressiyani oʻrgatsin yoki transformerni qayta oʻrgatsin, «kirishdagi axlat — chiqishdagi axlat» tamoyili kuchli qolmoqda. Uning soʻzlariga koʻra, eng yuqori sifatli maʼlumotlarni toʻplaydigan, agregatsiya qiladigan va saqlaydigan kompaniyalar ustunlikka erishadi.

Qisqa savol-javob sessiyasi davomida ishtirokchilardan biri Intuitning moliyaviy maʼlumotlarni saqlash cheklovlari qanday taʼsir qilishini soʻradi. Subrahmaniam rozilikni har qanday oʻquv tizimining asosini deb atadi va Massachusetts shahridagi Framingem tadqiqotiga murojaat qildi, u yerda shahar aholisi shifokorlarga oʻz salomatligini vaqt oʻtishi bilan kuzatishga ruxsat bergan, bu esa yurak-qon tomir kasalliklari haqidagi zamonaviy tushunchani shakllantirdi. U shuningdek, kompaniyalar keng jamoatchilikka maʼlumotlardan foydalanish afzalliklarini tushuntirish majburiyati borligini qoʻshimcha qildi.

Suhabat tugashiga yaqinlashganda, asosiy gʻoya shundaki, AI reaksiyadan harakatga oʻtgan sari, interfeysdan koʻra asoslar muhimroq boʻladi. Promptlar boshlangʻich nuqta boʻlib qoladi, ammo haqiqiy ish endi agentlar chaqira oladigan ishonchli vositalarni yaratish, tizimlarni yuqori sifatli maʼlumotlar bilan taʼminlash va ularning oʻrganishiga imkon beradigan rozilikni olishda namoyon boʻladi. Aynan shu yerda, promptdan tashqarida, ishlab chiquvchilar uchun AI ning keyingi toʻlqini gʻalabaga erishadi.

Sunʼiy intellekt kodni bemisol tezlikda yaratishi mumkin boʻlsa-da, uni sinovdan oʻtkazish, tekshirish va ishga tushirish jarayoni alohida murakkab vazifa hisoblanadi. Muhandislik jamoalari tobora koʻproq kod yozish, xatoliklarni tuzatish va yangi funksiyalarni yaratish uchun AI agentlaridan foydalanmoqda, ammo kodlashni tezlashtirish dasturiy taʼminotni yetkazib berishni tezlashtirmaydi.

Kod generatsiyasi kuchayib borayotgan paytda, tekshiruvlar soni ortadi, sinovlar sekinlashadi va jamoalar oʻzgarishlarning ortib borayotgan hajmini muvofiqlashtirishda qiynaladilar.

TechSparks 2026 konferensiyasida Forge Code bosh ijrochi direktori Tushar Matur oʻz «Dasturiy taʼminot fabrikasining anatomiyasi» sessiyasida bu muammoni yoritdi. U AIga yoʻnaltirilgan muhandis tashkilotlari qanday qilib faqatgina kodlashning alohida vazifalarini avtomatlashtirishdan tashqariga chiqqan holda, dasturiy taʼminotni ishlab chiqishning butun hayot siklini (SDLC) boshqaradigan tizimlarni yaratishni boshlashi mumkinligini tushuntirdi.

Matur shuni taʼkidladi, kod generatsiyasi osonlashgani va tezlashgani sababli, umumiy SDLC tezlashmasligi kerak. U anʼanaviy ishlab chiqish yondashuvi samarali kod yozishga eʼtibor qaratganini, jamoalardan talablarni aniqlash, spetsifikatsiyalarni tayyorlash va amalga oshirish bosqichidagi yukni kamaytirish uchun arxitekturani loyihalashni talab qilganini eslatdi.

Biroq, AI kodlashning katta qismini oʻz zimmasiga olganligi sababli, toʻsiqlar boshqa sohalarga siljiydi. Matur tashkilotlar qoʻlga kiritilishi kutayotgan juda koʻp birlashma soʻrovlari (pull request), uzoqroq sinov sikllari va mavjud regressiya toʻplamlari aniqlay oladiganlardan koʻproq xato bilan duch keladigan vaziyatni tasvirladi.

U muammoni hal qilish majburan koʻproq muhandis yoki koʻproq AI agentlarini ishga tushirishni anglatmasligini taʼkidladi. Qoʻshimcha xodimlar muvofiqlashtirish xarajatlarini oshirishi mumkin, va samarali qayta aloqa mexanizmlari boʻlmagan agentlarni qoʻshish tekshirish va sinov uchun javobgar tizimlarni haddan tashqari yuklaydigan kod yaratishga olib kelishi mumkin.

Matur «Buning sababi signallarning yoʻqligi», — deb tushuntirib, oddiy avtomatlashtirilgan bosqichlarni bogʻlash samarali dasturiy taʼminot fabrikasini yaratmasligini izohledi.

Matur Forge Code ni ishlab chiqish sikli davomida AI agentlarini muvofiqlashtiradigan dasturiy taʼminot fabrikasi sifatida taqdim etdi. Jarayon soʻrovlarni saralash, spetsifikatsiyalar yaratish va funksiyalarni joriy etishdan boshlanadi. Keyin agentlar oʻzgartirishlarni joylashtirilishidan oldin tekshiradi, bunda inson muhandislar yechimlar yoki qayta aloqa talab qilinganda aralashadi.

Tizim ish muhitida ham monitoringni amalga oshiradi, olgan maʼlumotlardan kelajakdagi vazifalarni maʼlumot berish uchun foydalanadi. Bu qayta aloqa siklini hosil qiladi, fabrikaga muammolarni aniqlash, ish jarayonlarini takomillashtirish va olingan tajriba asosida yangi ish yaratish imkonini beradi. Taqdimot davrida Matur Forge Code ning funksiyalar, moslik va xatoliklarni aniqlash ustida ishlash uchun fon rejimida taxminan 100 ta agentdan foydalanganini maʼlum qildi.

U samarali dasturiy taʼminot fabrikasini yaratish uchun oltita tamoyilni bayon etdi: mustaqil ishlash, miqyoslanuvchanlik, iqtisodiy samaradorlik, oʻlchashlilik, oʻz-oʻzini takomillashtirish va biznes maqsadlariga moslik. Oxirgi tamoyil alohida ahamiyatga ega.

Fabrika har bir soʻrov uchun kod yozish vazifasi sifatida emas, balki mijozlarni ushlab turishni oshirish yoki tartibga solish talablariga rioya qilish kabi aniq natijalarga erishishga qaratilgan boʻlishi kerak. Jamoalar keyin funksiyalarga ularning keltiradigan qiymat asosida ustuvorlik berishlari mumkin. Ushbu modelda muhandislar har bir vazifani boshqarishga kamroq va natijalarni kuzatishga, signallarni tahlil qilishga va tizimni yaxshilashga koʻproq vaqt sarflashadi. Biznes rahbariyati ham bevosita soʻrovlar va ustuvorliklarni taqdim eta oladi, bu esa fabrikaga tashkiliy maqsadlarni ishlab chiqish backlogiga aylantirish imkonini beradi.

Kod yozish tezligi yaxshi, lekin eng yaxshi dasturiy taʼminotni yaratish — mana haqiqiy gʻalabadir. Muhandis jamoalari uchun kalit AI tomonidan taʼminlangan tezlikni ishonchli mahsulotlarga, oʻlchovli taraqqiyot va haqiqiy biznes natijalariga aylantirishdir.