રેકોર્ડ કરેલી મીટિંગો જ્ઞાનનો ઓછો ઉપયોગ થતો સ્રોત છે. તેમાં શોધવું મુશ્કેલ છે, ફરી જોવામાં ઘણો સમય લાગે છે અને તે અલગ-અલગ ટીમ ડ્રાઇવમાં વિખેરાયેલી હોય છે, એટલે મૂલ્યવાન જાણકારી ઘણી વાર ધ્યાન બહાર રહી જાય છે.
એક દિવસના હેકાથોનમાં ત્રણ સભ્યોની ટીમે Callombia બનાવ્યું. આ એક આંતરિક મંચ છે, જે રેકોર્ડ કરેલા કૉલનું આપમેળે લિપ્યાંતરણ કરે છે, ટૅગ અને સારાંશ ઉમેરે છે તથા ક્લિપ બનાવે છે અને પછી તેને વૈશ્વિક કચેરીઓમાંથી સુલભ, શોધી શકાય તેવી YouTube જેવી રિપોઝિટરીમાં મૂકે છે.
સંપૂર્ણપણે Codex વડે બનાવેલું આ સમાધાન OpenAI એમ્બેડિંગ્સ અને કોસાઇન સમાનતા આધારિત અર્થલક્ષી શોધ વાપરે છે, જેથી ચોક્કસ મુખ્ય શબ્દો ન વપરાયા હોય ત્યારે પણ સંબંધિત ક્ષણો મળી શકે. તેની ઉપર RAG ચેટબોટ અને સૂચના પ્રણાલી પણ ઉમેરવામાં આવી છે.
જે કામ પહેલાં અઠવાડિયાં લેત, તે સાત કલાકમાં પૂરું થયું. તે દર્શાવે છે કે Codex જેવા કોડિંગ એજન્ટ સાથે એઆઈ-મૂળભૂત વિકાસ ઉત્પાદન-વિકાસના જીવનચક્રને નાટકીય રીતે ટૂંકાવી શકે છે અને આંતરિક હેકાથોનમાંથી વાસ્તવિક વ્યાવસાયિક મૂલ્ય ઊભું કરી શકે છે.
જો તમે મારા જેવા હો, તો રેકોર્ડ કરેલી મીટિંગો ફરી સાંભળવા માટે ભાગ્યે જ સમય કે ધ્યાન રહેતું હશે. એનું કારણ ઘણી વાર એ હોય છે કે અવ્યવસ્થિત ટીમ ડ્રાઇવમાં શોધવું પડે, નકામી હળવી વાતોને આગળ ધપાવવી પડે અને ઈમેલ તથા સંદેશા મોકલતાં મોકલતાં ખરેખર સાંભળવાનો પ્રયાસ કરવો પડે.
પણ કદાચ આવું હોવું જરૂરી નથી? શું આપણે એવું કંઈક બનાવી શકીએ જે રેકોર્ડ કરેલી મીટિંગોનો ઉપયોગ કરવાની રીત જ બદલી નાખે? અમારા તાજેતરના હેકાથોન પ્રોજેક્ટ પાછળ આ જ વિચાર હતો.
માત્ર એક દિવસમાં અમારી એન્જિનિયરિંગ, ડિલિવરી અને કામગીરી ટીમના 50 સભ્યોએ સમગ્ર વ્યવસાયમાંથી મળેલી વિવિધ સમસ્યાઓ ઉકેલવાનો પ્રયાસ કર્યો. તેમાં ભરતી કામગીરીને વિસ્તૃત કરવી, કાર્ય-વિવરણ બનાવવાનું સરળ કરવું, પ્રોજેક્ટની સ્થિતિ સમજવી, જીવંત પ્રારૂપ બનાવવા અને રેકોર્ડ કરેલી મીટિંગોમાંથી જાણકારી શોધવી સામેલ હતાં.
Codex આધારિત આ હેકાથોનમાં અમે Callombia બનાવ્યું. Callombia અમારા વ્યવસાયનું YouTube છે, જે દરેક કૉલને સતત વિકસતી અને શોધી શકાય તેવી સંપત્તિમાં ફેરવે છે. દરેક કૉલનું આપમેળે લિપ્યાંતરણ થાય છે અને તેમાં ટૅગ તથા સારાંશ ઉમેરાય છે. પછી તેને વિષયવાર ક્લિપમાં કાપીને ચૅનલ એટલે કે ગ્રાહકો અને વિષયો એટલે કે એઆઈ નિપુણતાનાં ક્ષેત્રો પ્રમાણે ગોઠવેલી રિપોઝિટરીમાં ઉમેરવામાં આવે છે. આથી લંડન, એડિનબરા, સિંગાપુર અને ઑસ્ટ્રેલિયામાંથી ટીમનો કોઈ પણ સભ્ય કૉલની તેને ઉપયોગી ક્ષણો તરત મેળવી શકે છે.
પરિચિત અને અમારી બ્રાન્ડને અનુરૂપ વપરાશકર્તા ઇન્ટરફેસ સામગ્રી શોધવાનું સહજ બનાવે છે, જ્યારે અર્થલક્ષી શોધ અને સ્વાભાવિક રીતે RAG એઆઈ ચેટબોટ લોકોને તેઓ ચોક્કસ જે શોધે છે તે મેળવવામાં મદદ કરે છે. સૂચના પ્રણાલી ઉમેરવાથી અમારા સહકર્મીઓ ચોક્કસ વિષયો પર સબ્સ્ક્રાઇબ કરી શકે છે અને તેમને સંબંધિત કોઈ નવી ક્લિપ પ્રકાશિત થાય ત્યારે સૂચના મેળવી શકે છે.
પરંતુ Callombiaની મજાની વાત ઉત્પાદન કે હેકાથોન જીતવાનું £2 હજારનું ઇનામ નથી. ખરી વાત એ છે કે બે એન્જિનિયર અને એક ડિલિવરી લીડ સાથે અમે આ બધું માત્ર સાત કલાકમાં બનાવી શક્યાં. એક વર્ષ પહેલાં આ શક્ય નહોતું. કોડિંગ એજન્ટમાં થયેલા સુધારાએ ઉત્પાદન-વિકાસની શરૂઆતથી અંત સુધીની પ્રક્રિયા ખૂબ ઝડપી બનાવી છે અને આ હેકાથોન તેની અસમાન ક્ષમતાની સીમાઓ સમજવા માટે ઉત્તમ પરીક્ષણભૂમિ સાબિત થયો. તો અમે Codexનો ઉપયોગ કેવી રીતે કર્યો?
ઘણી બધી જરૂરિયાતો લખવાને બદલે અમે સમસ્યાના ક્ષેત્ર અને Callombia માટેના અમારા દૃષ્ટિકોણ અંગેનો સામૂહિક અભિપ્રાય એક પ્રોમ્પ્ટ તરીકે આપીને શરૂઆત કરી. ઇરાદાપૂર્વક વિગતો અસ્પષ્ટ રાખીને અમે મોડલને કામ કરવા અને સર્જનાત્મક રીતે વિચારવાની છૂટ આપી:
દસ મિનિટના સંવાદ પછી અમે જરૂરિયાતોને સ્પષ્ટ કરવા અને નિર્માણના તકનીકી ભાગને દિશા આપવા માટે આયોજન સ્થિતિ ચાલુ કરી. આયોજન સ્થિતિ જાણે એવા કંટાળાજનક મિત્રના પ્રશ્નોના જવાબ આપવા જેવી લાગે છે, જેણે મદદરૂપ રીતે દરેક સંભવિત પરિસ્થિતિનો વિચાર કરી લીધો હોય. વિડિયોની સંખ્યા, અર્થલક્ષી કે મુખ્ય શબ્દ આધારિત શોધ અને કયું સ્થાપત્ય વાપરવું જેવી બાબતો નક્કી કર્યા પછી તેણે એક માર્કડાઉન ફાઇલ બનાવી, જે ત્યારથી પ્રોજેક્ટનો આધાર બની.
યોજના તૈયાર થયા પછીનું પગલું Callombiaને ખરેખર કાર્યરત બનાવતા મુખ્ય ઘટકો બનાવવાનું હતું. એટલે રેકોર્ડ કરેલા કૉલને શોધી શકાય તેવી સંપત્તિમાં ફેરવતી પ્રક્રિયા બનાવવી:
વિડિયો અને લિપ્યાંતરણ ગ્રહણ કરવાં,
તેમને અર્થપૂર્ણ ક્ષણોના ભાગોમાં વહેંચવાં,
સારાંશ અને ટૅગ વડે તેમને વધુ સમૃદ્ધ બનાવવાં,
ફ્રન્ટએન્ડ ઉપયોગ કરી શકે એવા એપીઆઈ દ્વારા તેમને ઉપલબ્ધ કરાવવાં.
એડે કાચા રેકોર્ડિંગ અને લિપ્યાંતરણના ડેટાને ઉપયોગી સ્વરૂપમાં લાવવા પર વધુ ધ્યાન આપ્યું, જ્યારે નિકોએ એ ક્ષણોને શોધી શકાય તેવી બનાવતા પુનઃપ્રાપ્તિ સ્તર પર વધુ ધ્યાન આપ્યું. Codexની મદદથી બંનેએ ડેટા મોડલ, નિષ્કર્ષણ સ્ક્રિપ્ટ અને બૅકએન્ડનું માળખું હાથેથી શક્ય હોત તેના કરતાં ઘણી ઝડપથી તૈયાર કર્યું. આથી અમને વિડિયો સાથે જોડેલા લિપ્યાંતરણ કરતાં ઘણું વધારે મળ્યું. અમને ચોક્કસ ક્ષણો મળી: Tesco વિશેનો ભાગ, વ્યૂહરચનાની નવી માહિતી, ભરતી અંગેની ચર્ચા અથવા કૉલની એવી ચોક્કસ 90 સેકન્ડ જે કોઈ ખરેખર જોવા માગે.
આ પુનઃપ્રાપ્તિ સ્તર પર કામ ખાસ રસપ્રદ બન્યું. અમે ઇચ્છતા હતા કે કોઈ “નાણાકીય કામગીરી”, “Tesco કાર્યયોજના” અથવા “વાતચીતનાં મૂલ્યાંકન” જેવું લખે અને એ ચોક્કસ શબ્દો ક્યારેય બોલાયા ન હોય તો પણ તેને સૌથી સંબંધિત ક્લિપ મળે. એ માટે અમે સમયમુદ્રા, સારાંશ, લિપ્યાંતરણના લખાણ અને અધિમાહિતી સાથેના ભાગો બનાવ્યા. સ્પષ્ટ સ્થાપત્ય અને Codexની ઘણી મદદથી અમે વિષય, સારાંશ અને લિપ્યાંતરણને એક ઇનપુટમાં જોડ્યાં અને દરેક ભાગ માટે એમ્બેડિંગ બનાવવા OpenAIના text-embedding-3-small મોડલનો ઉપયોગ કર્યો. અમે એ એમ્બેડિંગ અમારા ડેટાબેઝમાં સંગ્રહ્યાં અને વપરાશકર્તાની શોધને દરેક ભાગ સાથે સરખાવવા કોસાઇન સમાનતા વાપરી. આથી અમને સાદી મુખ્ય શબ્દ શોધને બદલે અર્થલક્ષી પુનઃપ્રાપ્તિ સ્તર મળ્યું.
ચોકસાઈની દૃષ્ટિએ આ ખૂબ સારું ચાલ્યું અને હેકાથોનના પ્રદર્શનમાં ઉત્પાદને “જાદુઈ” અનુભવ આપ્યો. સાથે જ અમને ખબર હતી કે વિડિયોની સંખ્યા સતત વધતી રહે તો આ રીત હંમેશાં વિસ્તારી શકાશે નહીં, કારણ કે દરેક શોધને દરેક ભાગ સાથે સરખાવવાનું અંતે ખૂબ ખર્ચાળ બની જશે. આગળનું સ્વાભાવિક પગલું શ્રેણીબદ્ધ માર્ગદર્શિત લઘુ વિશ્વ જેવી વધુ કાર્યક્ષમ પુનઃપ્રાપ્તિ વ્યૂહરચના અપનાવવાનું હશે, જેથી સરખામણીઓની સંખ્યા ઘટે અને સામગ્રીનો સંગ્રહ વધે તેમ પ્રતિસાદનો વિલંબ ઓછો રહે. આ સુવિધા કાર્યરત થયા પછી Callombia માધ્યમ પુસ્તકાલય ઓછું અને જ્ઞાન પ્રણાલી વધુ લાગવા માંડ્યું.
દરેક સારા હેકાથોનની જેમ આ ભાગમાં પણ પુનરાવર્તિત સુધારા જરૂરી હતા: શરૂઆતના ભાગોની સીમાઓ ઘણી અચોક્કસ હતી, કેટલીક સમયમુદ્રા વધુ ચોક્કસ કરવાની હતી, કેટલાક ટૅગ ખૂબ વ્યાપક હતા અને લિપ્યાંતરણ તથા રેકોર્ડિંગ ફાઇલો હંમેશાં બરાબર મેળ ખાતી નહોતી. પરંતુ ત્યાં જ તેનું મૂલ્ય પણ દેખાયું. Codexને કારણે અમે પ્રારંભિક ગોઠવણી અને ફરી કામ કરવામાં અટવાવાને બદલે પ્રણાલીને ઝડપથી સુધારી શક્યાં. અંતે અમારી પાસે ક્લિપ, ટૂંકા અંશ અને ખરેખર ઉપયોગી અર્થલક્ષી શોધ ચલાવી શકે એવું બૅકએન્ડ હતું. અહીંથી Callombia માત્ર હેકાથોનનું પ્રદર્શન નહીં, પણ વાસ્તવિક ઉત્પાદન લાગવા માંડ્યું.
એડ અને નિકોએ ડેટા ગ્રહણ તથા ઇન્ટેલિજન્સ સ્તર બનાવ્યાં, ત્યારે મેં ફ્રન્ટએન્ડ બનાવ્યું. અમારા સંપૂર્ણ તકનીકી માળખાના નમૂનાનો ઉપયોગ કરીને હું કોડની એક પણ પંક્તિ લખ્યા વિના વેબસાઇટનું પહેલું સંસ્કરણ ઝડપથી તૈયાર કરી શક્યો. તેને મારા બ્રાઉઝરમાં સ્થાનિક રીતે વેબસાઇટ ખોલવાનું કહ્યા પછી હું ઇચ્છિત ડિઝાઇન મેળવવા માટે સરળ મુદ્દાવાર પ્રતિસાદ આપતો અને તેમાં સુધારા કરાવતો.
લગભગ એક કલાકના સંવાદ પછી મારી પાસે એવું પરિણામ હતું જેનાથી હું ઘણો સંતુષ્ટ હતો, એ પણ વપરાશકર્તા ઇન્ટરફેસ કે ડિઝાઇનનો કોઈ અનુભવ વિના. અંતિમ ઉત્પાદન ચોક્કસપણે સંપૂર્ણ નથી, છતાં આ સારું પહેલું સંસ્કરણ છે જે લોકોને ઉત્પાદન સમજવામાં મદદ કરે છે.
દિવસના અંતે અમારી પાસે કંઈક તૈયાર હોય તેની ખાતરી કરવા અમે કામ એકબીજા વચ્ચે વહેંચી લીધું હતું. સ્વાભાવિક રીતે, થોડા કલાક સ્વતંત્ર રીતે કામ કર્યા પછી અમારી દરેકની સ્થાનિક શાખામાં ઘણા બધા વિસંગતિભર્યા ફેરફારો હતા.
અમારી પાસે ન હોય એવો સમય ફેરફારોની વિસંગતિઓ ધ્યાનપૂર્વક તપાસીને ઉકેલવામાં ખર્ચવાને બદલે અમે Codexને રિપોઝિટરીઓમાં મુક્તપણે કામ કરવા દઈને એ વિસંગતિઓ જાતે ઉકેલવા દેવાનું નક્કી કર્યું. હાલમાં અમે વ્યાવસાયિક સ્તરના સૉફ્ટવેર વિકાસ માટે આ રીતની ભલામણ નહીં કરીએ, પરંતુ ઓછા જોખમવાળા વાતાવરણમાં તેની અસરકારકતા અદ્ભુત હતી અને અમારો ઘણો સમય બચ્યો.
હેકાથોનનો છેલ્લો ભાગ નિર્ણાયકો માટે Callombiaનું પ્રદર્શન રેકોર્ડ કરવાનો હતો. સહજ પ્રેરણાથી અમે રેકોર્ડિંગ માટે Loom ખોલવા માગતા હતા, પણ અમને લાગ્યું કે આ Codex માટે ખરી કસોટી બની શકે અને તેની હાલની ક્ષમતાથી થોડું બહારનું કામ હોઈ શકે. તેથી અમે એક પ્રોમ્પ્ટ લખ્યો, તેને Callombia વેબસાઇટની લિંક આપી, OpenAIના વિકાસકર્તા મંચ પર મારા અવાજનું રેકોર્ડિંગ જોડ્યું અને બાકીનું કામ કરવા કહ્યું.
પહેલો પ્રયાસ ખૂબ પ્રભાવશાળી હતો. તેણે પ્રદર્શનની પટકથા લખી, સ્ક્રીન રેકોર્ડ કરી, મારો અવાજ ઉમેર્યો અને લગભગ બધી જરૂરિયાતો પૂરી કરી. અમે તરત સંતુષ્ટ ન હતા એવી એકમાત્ર બાબત અવાજ અને પ્રદર્શનના રેકોર્ડિંગ વચ્ચેનો તાલમેળ હતો, તેથી અમે તેને કહ્યું, “અનિવાર્ય: અવાજને પ્રદર્શનમાં દેખાતી બાબતો સાથે ચોક્કસ મેળવો. બંને વચ્ચે મેળ નહોતો, જેમ કે ચેટ પૃષ્ઠ પર. અંતે અવાજ અને સ્ક્રીન પર રેકોર્ડ કરેલા પ્રદર્શનનો તાલમેળ ત્રણ વાર તપાસો. કોઈ પણ શક્ય રીતે બંનેને મેળવો.”
આ વિનંતીના જવાબમાં Codexએ અવાજ અને રેકોર્ડિંગને નાના ભાગોમાં વહેંચ્યાં અને સાંજે 5:30 વાગ્યે ઉજવણી માટે બિયર અને પિત્ઝાનો સમય થાય એ પહેલાં કામ લગભગ સંપૂર્ણ રીતે પૂરું કર્યું.
અમને ખબર છે કે Callombia મોટાભાગના વ્યવસાયોની એક સમસ્યા ઉકેલે છે. ઝડપથી વિસ્તરતી કંપનીમાં દરેક કૉલમાં હાજર રહેવું મુશ્કેલ છે, પરંતુ આ કૉલમાં વહેંચાતી જ્ઞાનની અમૂલ્ય વાતો ગુમાવવા જેવી નથી. હવે અમારે તેને માત્ર ઉત્પાદન વાતાવરણમાં મૂકવાનું છે.
પરંતુ અહીં એઆઈ-મૂળભૂત બનવાનો એક મોટો પાઠ પણ છે: સહિયારી સમસ્યાઓ ઉકેલવા માટે એન્જિનિયરિંગ અને ઉત્પાદન સંબંધિત વ્યવહારુ સમજ સમર્પિત કરવાથી ઘણો લાભ થાય છે. અમારી સામાન્ય કાર્યશૈલીમાંથી બહાર આવીને, ટીમો વચ્ચે સહયોગ કરીને અને અંશતઃ સ્પર્ધાત્મક વાતાવરણમાં કામ કરીને અમે અનેક સમાધાનો બનાવ્યાં, જેને થોડા ફેરફાર સાથે ઉત્પાદન વાતાવરણમાં મૂકી શકાય. આવું નિયમિતપણે કરવાથી અમે ખાતરી કરી શકીએ કે અમારી આંતરિક કામગીરી પણ ગ્રાહકો માટે બનાવતાં સમાધાનો જેટલી જ સુગમ હોય.