મૂળથી AI આધારિત ઇજનેરીનું સંચાલન માળખું

સૉફ્ટવેર નિર્માણ સસ્તું થતાં, સારા નિર્ણયો લઈ અને પરિણામો સલામત રીતે ચકાસી શકતી સંસ્થાઓને સરસાઈ મળે છે.

નેતૃત્વ માટે મુખ્ય તારણો

  • AI સૉફ્ટવેર નિર્માણનો ખર્ચ ઘટાડે છે ત્યારે સ્પર્ધાત્મક સરસાઈ મેળવવા સંચાલન માળખું બદલવું જરૂરી છે. માત્ર AI સહાયકો ગોઠવવાને બદલે ટીમોની કાર્યરીતિ નવેસરથી ઘડતી સંસ્થાઓને લાંબા ગાળાનો લાભ થવાની શક્યતા વધુ છે.

  • મૂળથી AI આધારિત ઇજનેરીને બે પૂરક ક્ષમતાઓ જોઈએ: ગ્રાહકો અને સમસ્યાઓની નજીક રહેતી એપ્લિકેશન ટીમો, તથા લોકો અને AI એજન્ટોને મોટા પાયે સલામત કાર્ય માટે સહિયારો સંદર્ભ, સુરક્ષા મર્યાદાઓ, મૂલ્યાંકન અને શાસન આપતી પ્લેટફોર્મ કે “કાર્યપ્રણાલી” ટીમો.

  • તકનીકી નેતૃત્વ કાર્યપૂર્તિ ક્ષમતાના સંચાલનથી કાર્યપૂર્તિ તંત્રની રચના તરફ વળે છે. નેતાઓએ ચાર નિર્ણયો સ્પષ્ટ કરવા જોઈએ: એપ્લિકેશન ટીમોની જવાબદારી, સહિયારો સંદર્ભ અને નિયંત્રણો, એજન્ટોને ક્યાં માનવીય મંજૂરી જોઈએ, તથા ચકાસેલી શીખ અને ગ્રાહક મૂલ્યનું માપન.

જૂના માળખામાં અમલીકરણ ક્ષમતા મુખ્ય મર્યાદા હતી

આધુનિક ઇજનેરીની ઘણી પ્રથાઓ ત્યારે વિકસી જ્યારે સૉફ્ટવેર બનાવવું મોંઘું હતું. મુખ્ય પ્રશ્ન હતો: વધુ ટીમો વધુ સૉફ્ટવેર, વધુ નિશ્ચિતતા સાથે કેવી રીતે પૂરું પાડી શકે? આ માન્યતાએ ટીમોની ગોઠવણી, પ્લેટફોર્મનું ભંડોળ અને કાર્યપૂર્તિનું માપન ઘડ્યાં. વિસ્તરણનો અર્થ ઘણીવાર વધુ લોકો ઉમેરવા હતો; સફળતા સામાન્ય રીતે તંત્રમાંથી કેટલું કામ પૂરું થયું તેનાથી મપાતી.

AI આ માન્યતા બદલે છે. અમારા મતે, મૂળથી AI આધારિત ઇજનેરી એટલે વધુ સારાં સાધનો સાથેની પરંપરાગત ઇજનેરી નહીં. તેને અલગ સંચાલન માળખું જોઈએ: ગ્રાહક સમસ્યાઓની નજીકની નાની એપ્લિકેશન ટીમો, જેમને પ્લેટફોર્મ કે “કાર્યપ્રણાલી” ટીમો ટેકો આપે. અમે ‘કાર્યપ્રણાલી’ શબ્દ એવા નિયંત્રિત કાર્યપર્યાવરણ માટે વાપરીએ છીએ જે લોકોને અને એજન્ટોને મોટા પાયે સલામત AI ઉપયોગ માટે સંદર્ભ, સાધનો, પરવાનગીઓ, પ્રતિસાદચક્ર અને મર્યાદાઓ આપે.

તકનીક અને ડેટા નેતાઓ માટે આ અગત્યનું છે: માત્ર વ્યક્તિગત ઉત્પાદકતા વધવાથી સંસ્થાભરમાં સલામત અપનાવ શક્ય નહીં બને. વિચારપૂર્વકના સંચાલન માળખા વિના વિખરાયેલાં સાધનો, પુનરાવર્તિત પદ્ધતિઓ, અસ્પષ્ટ જવાબદારી, અનિયંત્રિત ડેટા ખુલાસો અને અસંગત ગુણવત્તાનું જોખમ રહે.

સંસ્થાઓનો પ્રશ્ન “ઇજનેરોને AI વાપરવામાં કેવી રીતે મદદ કરીએ?”થી બદલાઈને આ થવો જોઈએ: “લોકો અને એજન્ટો સંસ્થાના પાયે સલામત રીતે મૂલ્ય સર્જી શકે તે માટે ઇજનેરી તંત્રને કેવી રીતે પુનઃરચવું?”

નિર્માણ સસ્તું થતાં નિર્ણયોનું મહત્ત્વ વધે છે

AIથી ઇજનેરો વધુ વિચારો શોધી, ઝડપથી પ્રાયોગિક નમૂના બનાવી અને વધુ અભિગમો ચકાસી શકે છે. પણ વધુ કામ થવાથી આપમેળે વધુ મૂલ્ય સર્જાતું નથી. સારો વિવેક, યોગ્ય સંદર્ભ અને અસરકારક મૂલ્યાંકન વિના કામ એટલું ઝડપથી વધી શકે કે શેના પર વિશ્વાસ કરવો, શું અમલમાં મૂકવું કે શેમાંથી શીખવું તે નક્કી કરવું મુશ્કેલ બને.

AI કોડ બનાવવાનો અને પ્રયોગો કરવાનો ખર્ચ ઘટાડી શકે છે. સૉફ્ટવેરનો કુલ ખર્ચ ઘટે કે નહીં તે તેની સમીક્ષા, સંકલન, સંચાલન, જાળવણી અને ફરી કરવાના બાકી કામ પર આધારિત છે.

અમારી અપેક્ષા છે કે ઇજનેરીની સરસાઈ વધુને વધુ ચાર ક્ષમતાઓ પર નિર્ભર રહેશે:

  • શું બનાવવું, કેવી રીતે બનાવવું અને તે પસંદગીઓ કેવી રીતે નોંધવી તે નક્કી કરવું.

  • લોકો અને AI તંત્રોને યોગ્ય સંસ્થાકીય જ્ઞાનનો આધાર આપવો.

  • સહિયારાં પ્લેટફોર્મ, નિયંત્રણો અને મૂલ્યાંકનથી સલામત વિસ્તરણ કરવું.

  • વારંવાર ખલેલ વિના નવા સાધનો અને ઘટકો સમાવી શકે એવી તંત્રરચના ઘડવી.

તેથી દુર્લભ ક્ષમતા કામ પેદા કરવાની નહીં, તેનું વળતર વધારવાની બને છે: યોગ્ય કામ પસંદ કરવું, તેને સંદર્ભનો આધાર આપવો, સફળતા ચકાસવી અને શું રજૂ ન કરવું તે જાણવું.

પ્રયોગો સસ્તા થાય તેમ નિર્ણયોની નોંધોનું મૂલ્ય પણ વધે છે. સંસ્થાઓએ જાણવું જોઈએ કે શું અજમાવ્યું, શું નિષ્ફળ ગયું, શું શીખ્યા અને એક માર્ગને બીજા કરતાં શા માટે પસંદ કર્યો.

ઇજનેરી તંત્રોએ માત્ર કાર્યગતિ નહીં, ઝડપી ચકાસણી, સલામત પુનરાવર્તન અને દસ્તાવેજિત શીખને પ્રાધાન્ય આપવું જોઈએ. આથી ઇજનેરની ભૂમિકા અને આસપાસની ટીમ બંને બદલાય છે.

ઇજનેરો તંત્રના વધુ ભાગોનું સંયોજન કરે છે

ઇજનેરો માટે આ નિર્માણથી દૂર જવા કરતાં, જે બને છે તેને ઘડવા, મૂલવવા અને સંયોજિત કરવા તરફનું પરિવર્તન છે.

AI-નિર્મિત સૉફ્ટવેર ઇજનેરોની જરૂર દૂર કરતું નથી. તે તંત્રની મર્યાદાઓ સમજતા, જોડાણો નક્કી કરતા, મૂલ્યાંકન ઘડતા અને લોકો તથા એજન્ટોનું કામ સંકલિત કરતા લોકોનું મહત્ત્વ વધારે છે. તકનીકી ઊંડાણ સાથે વિવેક, ઉત્પાદનની સમજ અને મૂલ્યાંકન કૌશલ્ય ધરાવતા ઇજનેરો ઘણીવાર માત્ર અલગ ઘટકો બનાવનારાઓ કરતાં વધુ મૂલ્ય સર્જશે.

AI ઉત્પાદન-ઇજનેરીનું શીખવાનું ચક્ર સુધારે છે

અગાઉ ઉત્પાદન ટીમો શું બનાવવું તે નક્કી કરતી અને ઇજનેરી ટીમો તેને કેવી રીતે બનાવવું તે શોધતી. હવે ઘણી સંસ્થાઓ ઉત્પાદન, રચના અને ઇજનેરીને સાથે લાવે છે. AIથી ટીમની અંદર ખાસ ફેરફાર થાય છે: સસ્તા પ્રાયોગિક નમૂનાથી વિચાર એક જ ચક્રમાં સમસ્યાની વ્યાખ્યાથી અમલીકરણ અને મૂલ્યાંકન સુધી પહોંચે છે. ટીમો વધુ વિકલ્પો ચકાસી, નબળા વિચારો વહેલા છોડી અને ચકાસેલા વિચારોને જીવંત ઉપયોગ સુધી આગળ લઈ જઈ શકે છે.

આ નાની, વિવિધ કાર્યક્ષેત્રોની ટીમોને અનુકૂળ છે, જેમાં ઉત્પાદન, રચના, ઇજનેરી અને ક્ષેત્રનિષ્ણાતો એક જ શીખવાના ચક્રમાં કામ કરે. ઉત્પાદન અને તકનીકી નિર્ણયશક્તિ એક ભૂમિકામાં ભળી જતી નથી, પણ બંનેએ વધુ નજીકથી કામ કરવું પડે છે. ઉત્પાદન નેતાઓને પ્રાયોગિક નમૂના બનાવવા અને વિકલ્પો મૂલવવા પૂરતી તકનીકી સમજ જોઈએ. ઇજનેરોને માત્ર પૂર્વનિર્ધારિત ઉકેલ લાગુ કરવા નહીં, સમસ્યાને આકાર આપવા પૂરતો ગ્રાહક અને વ્યવસાયનો સંદર્ભ જોઈએ.

સંસ્થાકીય સંદર્ભ વ્યૂહાત્મક સંપત્તિ બને છે

ઇજનેરી સંસ્થાઓ પરંપરાગત રીતે કોડને મુખ્ય સંપત્તિ ગણતી આવી છે. કોડ બનાવવો સરળ થતાં કાયમી મૂલ્ય તેના સંદર્ભમાં વધુ વસે છે: ક્ષેત્રજ્ઞાન, ગ્રાહકની સમજ, સંચાલન અનુભવ, માલિકીનો ડેટા, મૂલ્યાંકન ડેટાસમૂહો, યંત્રવાચ્ય નીતિઓ અને તંત્ર આમ કેમ ચાલે છે તે સમજાવતો રચનાત્મક નિર્ણયોનો ઇતિહાસ.

કોડસંગ્રહોનું મહત્ત્વ અંશતઃ એ છે કે તેમાં મહેનતે મેળવેલું વ્યવસાય અને ગ્રાહકોનું જ્ઞાન સમાયેલું છે. AI કોડ બનાવવાનો શ્રમ બદલે છે, પણ તે જ્ઞાન મેળવવાની મહેનત દૂર કરતું નથી. તેથી સંસ્થાઓએ કોડના જથ્થાથી આગળ જોઈ, વધતું મૂલ્ય આપતી સંપત્તિમાં રોકાણ કરવું જોઈએ: સુશાસિત માલિકીનો ડેટા, ઉપયોગી જ્ઞાનતંત્રો, ઊંડી ગ્રાહક સમજ અને સ્પષ્ટ નિર્ણયનોંધો.

મુખ્ય માહિતી અને ડેટા અધિકારીઓ માટે માહિતીની રચના અને ડેટા શાસન ઇજનેરી કામગીરીનાં કેન્દ્ર બને છે. AI એજન્ટો માત્ર પરવાનગીથી સુલભ અને સમજી શકાય તેવો સંદર્ભ વાપરી શકે છે. તેથી વિખરાયેલું જ્ઞાન, ડેટાની અસ્પષ્ટ માલિકી અને અસંગત પરવાનગીઓ માત્ર માહિતી વ્યવસ્થાપનની સમસ્યા નહીં, ઇજનેરીની મર્યાદાઓ બને છે.

સંદર્ભ કાર્યરત તંત્રનો ભાગ બને પછી તે નિષ્ક્રિય દસ્તાવેજો પૂરતો રહી શકતો નથી. તે પ્લેટફોર્મની ક્ષમતા બને છે.

AI કાર્યપૂર્તિનું સંઘીય માળખું: સ્થાનિક ટીમો, સહિયારી સુરક્ષા મર્યાદાઓ

સંદર્ભ, મૂલ્યાંકન અને શાસન કાર્યરત તંત્રનો ભાગ બને પછી AI કાર્યપૂર્તિ સંપૂર્ણપણે અલગ ટીમો પર છોડી ન શકાય. તેનું એટલું કેન્દ્રીકરણ પણ ન કરવું જોઈએ કે ટીમો વાસ્તવિક ગ્રાહક સમસ્યાઓથી દૂર થઈ જાય.

સંઘીય માળખું આ જરૂરિયાતોનું સંતુલન રાખે છે. સ્વાયત્ત એપ્લિકેશન ટીમો સમસ્યાની નજીક રહે; સહિયારી પ્લેટફોર્મ અને કાર્યપ્રણાલી ક્ષમતાઓ તેમને પુનઃઉપયોગી સાધનો, નિયંત્રિત સંદર્ભ સુલભતા, મૂલ્યાંકન પદ્ધતિઓ, પરવાનગીઓ અને શાસન આપે. સંઘીય માળખું સ્પષ્ટ જવાબદારીથી જ ચાલે: એપ્લિકેશન ટીમો કાર્યપ્રવાહ અને પરિણામની જવાબદારી લે; કાર્યપ્રણાલી ટીમો સલામત પ્રગતિ માટે સહિયારી ક્ષમતાઓ આપે; જોખમ, સુરક્ષા અને શાસન સ્વતંત્ર દેખરેખ રાખે.

એપ્લિકેશન ટીમો અને ક્ષેત્રનિષ્ણાતોએ કાર્યલક્ષી મૂલ્યાંકન કેસો અને સ્વીકૃતિનું ધોરણ નક્કી કરવું જોઈએ. કાર્યપ્રણાલી ટીમે સુસંગત મૂલ્યાંકન માટે માળખાકીય સુવિધા, સહિયારાં નિયંત્રણો અને અહેવાલ વ્યવસ્થા આપવાં જોઈએ.

ક્ષેત્ર

એપ્લિકેશન ટીમ

કાર્યપ્રણાલી ટીમ

જોખમ, સુરક્ષા અને શાસન

ઉત્પાદન અને પરિણામ

સમસ્યા, કાર્યપ્રવાહ, વપરાશકર્તા અનુભવ અને સફળતાના માપદંડ પસંદ કરે; ગ્રાહક અને વ્યવસાયનાં પરિણામોની જવાબદારી લે

પુનઃઉપયોગી પદ્ધતિઓ, સાધનો અને સ્વચાલિત માપન આપે

ઉપયોગથી નોંધપાત્ર જોખમ ઊભું થાય ત્યાં મર્યાદાઓ નક્કી કરે

સંદર્ભ અને સુલભતા

કાર્યપ્રવાહને જરૂરી માહિતી અને ક્રિયાઓ નક્કી કરે

સંદર્ભ જોડાણો, એજન્ટની ઓળખ અને સાધનોની પરવાનગીઓ આપે

સંવેદનશીલ ડેટાની સુલભતા અને નિયંત્રણ મર્યાદાઓ મંજૂર કરે

મૂલ્યાંકન અને રજૂઆત

સ્વીકૃતિના માપદંડ નક્કી કરે અને પરિણામો સમીક્ષે

મૂલ્યાંકન સમૂહો, ઑડિટ નોંધો અને મંજૂર અમલીકરણ માર્ગો જાળવે

વધુ જોખમી ઉપયોગો, અપવાદો અને નોંધપાત્ર ફેરફારો મંજૂર કરે

ભંડોળ અને જવાબદારી

એપ્લિકેશનના પરિણામ માટે ભંડોળ મેળવે અને જવાબદાર રહે

સહિયારી ક્ષમતા તરીકે ભંડોળ મેળવે; પુનઃઉપયોગ, વ્યાપ અને સલામત જીવંત ઉપયોગ સુધીના સમયથી મૂલવાય

સ્વતંત્ર દેખરેખ અને નિયંત્રણના નિર્ણયોની જવાબદારી લે

કાર્યલય અને શીખ

ક્ષેત્રનિષ્ણાતો સાથે સુધારા કરે; પરિણામો, પલટાવાયેલા નિર્ણયો અને ઘટનાઓ સમીક્ષે

શીખમાંથી નવાં પરીક્ષણો, નિયંત્રણો અને પુનઃઉપયોગી ક્ષમતાઓ બનાવે

સંમત મંજૂરી તબક્કાઓએ ઘટનાઓ અને ફેરફારો સમીક્ષે

આથી ટીમના કદ વિશે નેતાઓની વિચારસરણી પણ બદલાવી જોઈએ. નાની ટીમો વધુ સૉફ્ટવેર બનાવે તે પોતે અંતિમ હેતુ નથી. હેતુ માનવીય વિવેકને સૌથી વધુ મૂલ્ય સર્જાય ત્યાં મૂકવાનો છે: સમસ્યાની નજીકની એપ્લિકેશન ટીમોમાં અને નિયંત્રણ ગુમાવ્યા વિના તેમને ઝડપથી આગળ વધારતી સહિયારી ક્ષમતાઓમાં.

પ્લેટફોર્મ લોકો અને એજન્ટો માટે કાર્યપ્રણાલી બને છે

નાની, AI-સહાયિત એપ્લિકેશન ટીમો માટે સંસ્થાઓને સલામત, સુસંગત અને જવાબદાર કાર્ય પૂરું પાડતી મજબૂત સહિયારી ક્ષમતાઓ જોઈએ.

પરંપરાગત પ્લેટફોર્મ ઇજનેરી મુખ્યત્વે વિકાસકર્તાઓની ઉત્પાદકતા વધારવા પર કેન્દ્રિત હતી; તેના મુખ્ય વપરાશકર્તા લોકો હતા. મૂળથી AI આધારિત પ્લેટફોર્મે લોકો અને એજન્ટો બંનેને ટેકો આપવો જોઈએ.

એજન્ટ વિકાસકર્તા પ્લેટફોર્મનો ઉપયોગ વ્યક્તિની જેમ નથી કરતો. તેને યંત્ર દ્વારા સુલભ સૂચનાઓ અને સાધનો, સ્પષ્ટ પરવાનગીઓ તથા કામનું વિશ્વસનીય મૂલ્યાંકન જોઈએ. કાર્યપ્રણાલીમાં દેખરેખ, સુરક્ષા, નિયમપાલન અને જ્ઞાન વ્યવસ્થાપન પણ ધ્યાનમાં લેવાં જોઈએ. તેનો હેતુ સ્પષ્ટ, અમલપાત્ર મર્યાદાઓમાં સ્વાયત્તતાને ઉપયોગી બનાવવાનો છે.

નક્કર ઉદાહરણ: નિયમનાધીન બેંકમાં AI-સહાયિત ગ્રાહક સેવા

કાર્ડના વિવાદોની પૂછપરછ માટે AI-સહાયિત કાર્યપ્રવાહ અપનાવતી બેંકને ધ્યાનમાં લો. એપ્લિકેશન ટીમ મર્યાદિત કામથી શરૂ કરે છે: કેસનું વર્ગીકરણ, લાગુ નીતિ શોધવી અને સહાયક કર્મચારી માટે જવાબનો મુસદ્દો બનાવવો. કાર્યપ્રવાહ, વપરાશકર્તા અનુભવ, ઉચ્ચ સ્તરે મોકલવાના માપદંડ અને સફળતાનું માપન તેની જવાબદારી છે. તે નિયમનકારી નીતિ ઘડતી નથી કે એજન્ટને નવી પરવાનગીઓ આપતી નથી.

અહીં એજન્ટો અમલીકરણમાં મદદ, કાર્યલક્ષી પરીક્ષણો અને આવૃત્તિ બહાર પાડવાની તૈયારી કરી શકે. જીવંત ઉપયોગની મંજૂરી લોકો જ આપે; તેનાં પરિણામો આગામી મૂલ્યાંકન અને વિકાસને દિશા આપે. સંચાલનનાં નિયંત્રણો અલગ રહે: ગ્રાહક-સેવા એજન્ટ માત્ર મંજૂર સાધનો અને ડેટા વાપરે, નિર્ધારિત પરવાનગીઓ અને ઉચ્ચ સ્તરે મોકલવાના માર્ગોને અનુસરે.

  • સંદર્ભ: એજન્ટને વર્તમાન કેસ, ઉકેલ માટે જરૂરી ન્યૂનતમ ગ્રાહક માહિતી, મંજૂર ઉત્પાદન અને ફરિયાદ પ્રક્રિયાઓ તથા યંત્રવાચ્ય ઉચ્ચ-સ્તરીય કાર્યવાહી નિયમો સુલભ હોય. તે મૂળ ચુકવણી ઓળખવિગતો કે અસંબંધિત ગ્રાહક નોંધો મેળવી શકતો નથી, કે કેસ વ્યવસ્થાપન તંત્રમાં લખી શકતો નથી.

  • મૂલ્યાંકન: રજૂઆત પહેલાં પ્રતિનિધિ જૂના કેસો અને નિષ્ણાતોએ વર્ગીકૃત કરેલા અપવાદરૂપ કેસોમાં વર્ગીકરણની ચોકસાઈ, નીતિપાલન, યોગ્ય સમયે જવાબ ન આપવો, વ્યક્તિગત માહિતીનું લીકેજ અને ફરિયાદો કે નાણાકીય સંવેદનશીલ કેસોને ઉચ્ચ સ્તરે મોકલવાની ચકાસણી સફળ થવી જોઈએ.

  • મંજૂરી: ઉત્પાદન અંગેના નિર્ણયની જવાબદારી એપ્લિકેશન ટીમની છે. જોખમ, સુરક્ષા અને નિયમપાલન વિભાગો ડેટાની સુલભતા, નીતિ સાથે જોડાણ અને અમલીકરણના માર્ગને મંજૂરી આપે. દરેક મોકલાતા સંદેશને સહાયક કર્મચારી મંજૂર કરે; ગ્રાહકનાં નાણાં કે હકોને અસર કરતા નિર્ણયો એજન્ટની સ્વાયત્તતા બહાર રહે.

  • કાર્યપ્રણાલીની નોંધ: દરેક વખત એજન્ટની ઓળખ, મોડલ આવૃત્તિ, મેળવેલા સંદર્ભ અને સ્રોતો, વપરાયેલાં સાધનો, નીતિચકાસણીઓ, મૂલ્યાંકનો, માનવીય ફેરફારો કે નિર્ણય પલટાવા અને ઘટનાઓ નોંધાય. સફળ પદ્ધતિઓમાંથી ટીમ ફરી વાપરી શકાય તેવા સંદર્ભ જોડાણો, મૂલ્યાંકન કેસો, પરવાનગી નમૂનાઓ અને મંજૂર અમલીકરણ માર્ગો બનાવે. નિષ્ફળતા અને પલટાવાયેલા નિર્ણયોમાંથી નવા પરીક્ષણો અને કાર્યપ્રવાહના સુધારા બને.

આમ, એજન્ટને મંજૂર સંદર્ભ અને સાધનો દ્વારા જ કાર્યની છૂટ મળે; દરેક મહત્ત્વની મર્યાદાએ સમીક્ષા અને પુનઃઉપયોગલાયક પુરાવા મળે. મહત્ત્વના નિર્ણયો માટે લોકો જવાબદાર રહે. સમય જતાં, વાસ્તવિક કેસોમાં એજન્ટની સફળતા, માનવીય હસ્તક્ષેપ અને નિષ્ફળતા પરથી બેંક કાર્યપ્રવાહ સુધારી શકે અને તેનો વ્યાપ વધારવો કે નહીં તે નક્કી કરી શકે. વ્યવહારમાં મર્યાદિત સ્વાયત્તતા અને પુરાવાથી ચકાસેલું શીખવું આવું હોય છે.

આ વહેંચણી કાર્યપ્રણાલી ટીમ સંચાલિત તંત્રો અને નિયંત્રણોમાં દેખાય છે. કાર્યપ્રણાલી ટીમની જવાબદારીઓમાં આ હોઈ શકે:

  • એજન્ટની ઓળખ: સેવા ઓળખ આપવી, માલિકી અને પર્યાવરણ નોંધવાં, તથા દરેક એજન્ટનાં મોડલ, પ્રોમ્પ્ટ અને સાધનોની આવૃત્તિઓ નોંધવી.

  • સાધનોની પરવાનગીઓ: વાંચન-લેખનનો વ્યાપ, ડેટા સુલભતા, વપરાશદરની મર્યાદા, મંજૂરી તબક્કા અને સ્પષ્ટ મંજૂરી વિના એજન્ટની ક્રિયા રોકવાના નિયમો નક્કી કરવા.

  • સંદર્ભ જોડાણો: આવૃત્તિબદ્ધ, પરવાનગી અનુસરતાં જોડાણોથી મંજૂર જ્ઞાન અને ડેટા આપવા; તેમનાં મૂળ અને તાજગી સ્પષ્ટ રાખવાં.

  • મૂલ્યાંકન સમૂહો: પ્રતિનિધિ ઉદાહરણો, અપવાદરૂપ કેસો, સલામતી-સુરક્ષા પરીક્ષણો, ફેરફારથી જૂની ક્ષમતા ન બગડે તેની ચકાસણી અને રજૂઆતના માપદંડ જાળવવા.

  • ઑડિટ નોંધો અને દેખરેખ: એજન્ટની ઓળખ, સંદર્ભ, સાધનો, પરિણામો, મંજૂરીઓ, માનવીય નિર્ણય પલટા, નિષ્ફળતાઓ અને ઘટનાઓ નોંધવી; યોગ્ય સંગ્રહ અને સુલભતા નિયંત્રણો રાખવાં.

  • મંજૂર અમલીકરણ માર્ગો: અલગ પરીક્ષણ, સમાંતર નિરીક્ષણ, તબક્કાવાર અને જીવંત ઉપયોગના માર્ગો આપવા; સ્વચાલિત ચકાસણી, પાછા ફરવાની વ્યવસ્થા અને ફેરફાર નિયંત્રણ રાખવાં.

કાર્યપ્રણાલી ટીમ એટલે હાલનાં દરેક પ્લેટફોર્મ કાર્યનું નવું નામ નથી. યંત્ર-અધ્યયન સંચાલન, સુરક્ષા, શાસન અને પ્લેટફોર્મ ટીમોની પોતાની જવાબદારીઓ યથાવત્ છે. કાર્યપ્રણાલી ટીમ આ નિયંત્રણોને એપ્લિકેશન ટીમના AI કાર્યપ્રવાહ સાથે જોડે છે: નીતિ માટે પરવાનગી-મંજૂરી, સંદર્ભ માટે નિયંત્રિત જોડાણો, મૂલ્યાંકન માટે પરીક્ષણો અને એજન્ટના વર્તનને ઑડિટ તથા પુનઃઉપયોગલાયક બનાવતી નોંધો.

મૂળથી AI આધારિત ઇજનેરીના સંચાલન માળખાનો આલેખ, જેમાં સહિયારું પ્લેટફોર્મ અને કાર્યપ્રણાલી એપ્લિકેશન ટીમોને ટેકો આપે છે.

કર્મચારી વ્યવસ્થા, નેતૃત્વ અને માપદંડો બદલવાં જરૂરી છે

ઇજનેરી કાર્ય એપ્લિકેશન પૂર્તિ અને સહિયારી સક્ષમતામાં વહેંચાય, તો કર્મચારી વ્યવસ્થા, નેતૃત્વ અને માપન પણ બદલાવાં જોઈએ.

એપ્લિકેશન ટીમોમાં સમસ્યાની નજીક રહીને ઉત્પાદન, ઇજનેરી અને ક્ષેત્રલક્ષી નિર્ણય લેવાની ક્ષમતા જોઈએ. પ્લેટફોર્મ અને કાર્યપ્રણાલી ટીમોને લોકો તથા એજન્ટોને મોટા પાયે ટેકો આપતું સહિયારું પર્યાવરણ રચી અને ચલાવી શકે એવા લોકો જોઈએ.

તકનીકી નેતાઓ કાર્યપૂર્તિ તંત્રના રચયિતા બને છે

મુખ્ય તકનીકી, ડેટા અને માહિતી અધિકારીઓએ નક્કી કરવું પડે છે કે કઈ સુવિધા કેન્દ્રથી આપવી અને શું અલગ ટીમોને સોંપવું.

એપ્લિકેશન ટીમોને ઝડપથી કામ કરવાની અને ગ્રાહકોની નજીક રહેવાની છૂટ જોઈએ. સુરક્ષિત ડેટા સુલભતા, દેખરેખ, મૂલ્યાંકન અને શાસનની ક્ષમતાઓ તેમણે ફરીથી બનાવવી ન પડે.

મૂળથી AI આધારિત સંસ્થામાં તકનીકી નેતાઓએ કાર્યપૂર્તિ ક્ષમતાના સંચાલનમાંથી થોડું ધ્યાન કાર્યપૂર્તિ તંત્રની રચના તરફ વાળવું જોઈએ. તેમાં આ સામેલ છે:

  • વિવેક અને ગુણવત્તાસભર નિર્ણયશક્તિ માટે લોકોની ભરતી અને વિકાસ;

  • સહિયારાં AI પ્લેટફોર્મ, મૂલ્યાંકન, સુરક્ષા મર્યાદાઓ, મંજૂર માર્ગો, જ્ઞાનપ્રવાહ અને સુલભતા પદ્ધતિઓમાં રોકાણ;

  • એજન્ટો, લોકો અને સંયુક્ત કાર્યપ્રવાહની કાર્યમર્યાદાઓ નક્કી કરવી;

  • ચકાસેલી શીખ, વિશ્વસનીયતા, ગ્રાહક પર અસર અને સલામત પુનઃઉપયોગ માપવાં; અને

  • તકનીકથી એટલા પરિચિત રહેવું કે AI ક્યાં કાર્યપૂર્તિનું અર્થતંત્ર ખરેખર બદલે છે તે સમજી શકાય.

સારી રચનાથી ટીમો યોગ્ય સંદર્ભ મેળવી, AIનું કામ ચકાસી, પુરવાર પદ્ધતિઓ ફરી વાપરી અને માનવીય મંજૂરીની જરૂર ઓળખી શકે છે.

હાલના ઇજનેરી માપદંડો અધૂરું ચિત્ર આપે છે

ઘણા ઇજનેરી માપદંડો એવા સમયના છે જ્યારે સૉફ્ટવેર નિર્માણ મુખ્ય અવરોધ હતું. કાર્યગતિ, કાર્યકઠિનતાના અંક, થ્રૂપુટ અને અમલીકરણની આવર્તનતા ઉપયોગી સંકેત છે; પણ AI નિર્માણનો શ્રમ ઘટાડે તેમ એકલા આ માપદંડો ઓછા અર્થપૂર્ણ બને છે.

ટીમ વધુ કોડ અને પ્રયોગો છતાં નબળા નિર્ણયો લઈ શકે, બિનજરૂરી જટિલતા કે જોખમ વધારી શકે.

તેથી નેતાઓએ સૉફ્ટવેરના જથ્થા કે AI સાધનોના ઉપયોગના વ્યાપથી આગળના પ્રશ્નો પૂછવા જોઈએ. AI ઝડપી શીખવા, ગ્રાહક પરિણામો સુધારવા અને સંમત મર્યાદામાં વિશ્વસનીય સંચાલનમાં મદદ કરે છે કે નહીં તે સમજવું જોઈએ.

એપ્લિકેશન ટીમો માટે ઉપયોગી માપદંડો:

  • પુરાવાથી ચકાસેલી શીખ મેળવવાનો સમય;

  • ગ્રાહક પરિણામોમાં સુધારો;

  • મળેલું વ્યાવસાયિક મૂલ્ય;

  • અપનાવવાનો વ્યાપ અને વર્તનમાં ફેરફાર; અને

  • પુરાવાસમર્થિત નિર્ણયો સુધી પહોંચતા પ્રયોગોનું પ્રમાણ.

ચકાસેલી શીખના સમયમાં પ્રયોગની શરૂઆતથી નિર્ણય માટે પૂરતા પુરાવા મળે ત્યાં સુધીનો આખો સમય ગણવો જોઈએ. સોમવારે શરૂ કરી, બુધવારે અમલ કરી, શુક્રવારે પુરાવાસમર્થિત નિર્ણય લેતી ટીમનું શીખવાનું ચક્ર એક અઠવાડિયાનું છે; બે દિવસની કાર્યપૂર્તિનું નહીં.

પ્લેટફોર્મ અને કાર્યપ્રણાલી ટીમો માટે ઉપયોગી માપદંડો:

  • મંજૂર AI પદ્ધતિઓનો પુનઃઉપયોગ;

  • મૂલ્યાંકનનો વ્યાપ અને અસરકારકતા;

  • AI-સંબંધિત ઘટનાઓ અને ફરી કરવું પડતું કામ;

  • વિચારથી સલામત જીવંત ઉપયોગ સુધીનો સમય;

  • એજન્ટની ક્રિયાઓનું નિરીક્ષણ કરવાની ક્ષમતા; અને

  • ઑડિટ અને નિયમપાલનની તૈયારી.

દરેક સફળ પરિણામના ખર્ચમાં મોડલ વપરાશ, માનવીય સમીક્ષા, નિષ્ફળ પ્રયાસો, પુનઃકાર્ય અને સંચાલન સહાય ગણવાં જોઈએ.

આ માપદંડો માટે પણ સ્પષ્ટ વ્યાખ્યાઓ, આધારસ્તર અને મૂલ્યાંકન પદ્ધતિઓ જરૂરી છે. હેતુ એક સર્વસામાન્ય ગુણપત્રકની જગ્યાએ બીજું મૂકવાનો નહીં, પણ કાર્યપૂર્તિ તંત્ર વિશ્વસનીય પરિણામો આપે છે કે નહીં તે માપવાનો છે.

આ માળખું પણ કામચલાઉ હોઈ શકે

એપ્લિકેશન-કાર્યપ્રણાલી માળખું મૂળથી AI આધારિત ઇજનેરીના વર્તમાન તબક્કાનો એક પ્રતિસાદ છે. તેને કાયમી અંતિમ સ્થિતિ ન ગણવી જોઈએ.

કેટલાક વિકાસ ઇજનેરી કાર્યનો મૂળભૂત એકમ ફરી બદલી શકે:

  • એજન્ટો આખા કાર્યપ્રવાહની જવાબદારી લે;

  • કેટલાક સૉફ્ટવેર વર્ષો સુધી જાળવવાને બદલે કામચલાઉ બને;

  • વપરાશકર્તાઓ એપ્લિકેશનના આંતરમુખથી એજન્ટ-સંચાલિત અનુભવો તરફ વળે;

  • પાયાના મોડલ વધુ પ્લેટફોર્મ ક્ષમતાઓ સમાવી લે; અને

  • નિયમનને કારણે ઑડિટક્ષમતા અને જવાબદારી ઇજનેરીની મુખ્ય મર્યાદા બને.

આ શક્યતાઓ છે, નિશ્ચિત પરિણામો નહીં. જો તે સાકાર થાય, તો એપ્લિકેશન અને પ્લેટફોર્મ ટીમોનો ભેદ પણ અતિસંકુચિત સાબિત થઈ શકે.

આ અનિશ્ચિતતા માટે શ્રેષ્ઠ તૈયાર સંસ્થાઓ પોતાનું સંચાલન માળખું અનુકૂલનશીલ રાખશે. તે સ્થિર ટીમરચના કે સાધનોને બદલે સ્પષ્ટ સિદ્ધાંતો, મજબૂત સંદર્ભ, મર્યાદિત સ્વાયત્તતા અને ઝડપી શીખને આધારે ગોઠવાશે.

વિશ્વસનીય પ્રગતિ ઇજનેરી શ્રેષ્ઠતાનું નવું ધોરણ છે

AI ઇજનેરી તંત્રોનું મહત્ત્વ ઘટાડતું નથી. તે તેમની સારી રચનાનું મૂલ્ય વધારે છે.

સૉફ્ટવેર નિર્માણ સસ્તું થતાં, સારા નિર્ણયો લેતી, ઉપયોગી સંદર્ભ વધારતી અને સલામત રીતે ચાલતી સંસ્થાઓને સરસાઈ મળે છે. મૂળથી AI આધારિત ઇજનેરી એટલે માત્ર AI સાધનો વાપરવાં નહીં. તે નવી મર્યાદાઓને અનુરૂપ પુનઃરચાય છે: નિર્ણયની ગુણવત્તા, સહિયારો સંદર્ભ, મર્યાદિત સ્વાયત્તતા અને ઝડપી શીખ.

તકનીકી નેતાઓ ચાર નિર્ણયો સ્પષ્ટ કરીને શરૂઆત કરી શકે:

  1. ગ્રાહક અને ઉત્પાદનના કયા નિર્ણયો એપ્લિકેશન ટીમોની નજીક રહેવા જોઈએ?

  2. કયો સંદર્ભ, નિયંત્રણો અને મૂલ્યાંકન ક્ષમતાઓ સહિયારાં હોવાં જોઈએ?

  3. એજન્ટો ક્યાં સ્વાયત્ત રીતે કામ કરી શકે અને ક્યાં માનવીય મંજૂરી જોઈએ?

  4. કયા માપદંડો ચકાસેલી શીખ, ગ્રાહક મૂલ્ય અને સલામત સંચાલન દર્શાવે છે?

સંસ્થા કેટલા સહાયકો ગોઠવે છે તેના કરતાં આ જવાબો AI અપનાવવાનું મૂલ્ય વધુ નક્કી કરશે.

Authors

Abbie Manning, Saurabh Singh