Codex ഉപയോഗിച്ച് സ്മാർട്ട് യോഗ കണ്ടെത്തൽ ഉപകരണം നിർമിക്കൽ

• റെക്കോർഡ് ചെയ്ത യോഗങ്ങൾ വേണ്ടത്ര പ്രയോജനപ്പെടുത്താത്ത ഒരു വിജ്ഞാന ആസ്തിയാണ്. അവയിൽ തിരയാൻ പ്രയാസമാണ്, വീണ്ടും പരിശോധിക്കാൻ ഏറെ സമയമെടുക്കും, കൂടാതെ വിവിധ ടീമുകളുടെ ഡ്രൈവുകളിലായി ഒറ്റപ്പെട്ടുകിടക്കുന്നതിനാൽ വിലപ്പെട്ട ഉൾക്കാഴ്ചകൾ പലപ്പോഴും ശ്രദ്ധിക്കപ്പെടാതെ പോകുന്നു.

• ഒറ്റ ദിവസത്തെ ഹാക്കത്തോണിൽ മൂന്നുപേരടങ്ങുന്ന ഒരു ടീം Callombia നിർമിച്ചു. റെക്കോർഡ് ചെയ്ത കോളുകൾ സ്വയമേവ പകർത്തിയെഴുതി, ടാഗ് ചെയ്ത്, സംഗ്രഹിച്ച്, ക്ലിപ്പുകളാക്കി, ആഗോള ഓഫീസുകളിലുടനീളം ലഭ്യമാകുന്ന തിരയാവുന്ന YouTube മാതൃകയിലുള്ള റിപ്പോസിറ്ററിയിലേക്ക് ചേർക്കുന്ന ആഭ്യന്തര പ്ലാറ്റ്‌ഫോമാണിത്.

• പൂർണമായും Codex ഉപയോഗിച്ച് നിർമിച്ച ഈ പരിഹാരം, കൃത്യമായ കീവേഡുകൾ ഉപയോഗിക്കാത്തപ്പോഴും പ്രസക്തമായ ഭാഗങ്ങൾ കണ്ടെത്താൻ OpenAI എംബെഡ്ഡിങ്ങുകളും കോസൈൻ സാമ്യവും നൽകുന്ന അർഥാധിഷ്ഠിത തിരച്ചിൽ ഉപയോഗിക്കുന്നു. അതിനൊപ്പം ഒരു RAG ചാറ്റ്‌ബോട്ടും അറിയിപ്പ് സംവിധാനവുമുണ്ട്.

• മുമ്പ് ആഴ്ചകളെടുക്കുമായിരുന്ന ജോലി ഏഴ് മണിക്കൂറിനുള്ളിൽ പൂർത്തിയാക്കി. Codex പോലുള്ള കോഡിങ് ഏജന്റുകൾ ഉപയോഗിച്ചുള്ള AI-കേന്ദ്രീകൃത വികസനം ഉൽപ്പന്ന വികസനചക്രം ഗണ്യമായി ചുരുക്കാനും ആഭ്യന്തര ഹാക്കത്തോണുകളിൽനിന്ന് യഥാർഥ ബിസിനസ് മൂല്യം സൃഷ്ടിക്കാനും എങ്ങനെ സഹായിക്കുമെന്ന് ഇത് തെളിയിച്ചു.

നിങ്ങളും എന്നെപ്പോലെയാണെങ്കിൽ, റെക്കോർഡ് ചെയ്ത യോഗങ്ങൾ വീണ്ടും കേൾക്കാൻ സമയമോ അതിനുള്ള ശ്രദ്ധയോ അപൂർവമായേ ഉണ്ടാകൂ. ക്രമമില്ലാത്ത ടീം ഡ്രൈവുകളിൽ തിരയുക, നിലവാരമില്ലാത്ത കുശലാന്വേഷണങ്ങൾ ഒഴിവാക്കി മുന്നോട്ടുപോകുക, ഇമെയിലുകളും സന്ദേശങ്ങളും അയയ്ക്കുന്നതിനിടെ ശരിക്കും ശ്രദ്ധിച്ചു കേൾക്കാൻ ശ്രമിക്കുക എന്നിവ വേണ്ടിവരുന്നതാണ് പലപ്പോഴും കാരണം.

പക്ഷേ, ഒരുപക്ഷേ കാര്യങ്ങൾ ഇങ്ങനെതന്നെ ആയിരിക്കേണ്ടതില്ലെങ്കിലോ? റെക്കോർഡ് ചെയ്ത യോഗങ്ങളെ പൂർണമായി മാറ്റുന്ന എന്തെങ്കിലും നമുക്ക് നിർമിക്കാനാകുമോ? ഞങ്ങളുടെ സമീപകാല ഹാക്കത്തോൺ പദ്ധതിക്കു പിന്നിലെ ചിന്ത അതായിരുന്നു.

ഒറ്റ ദിവസംകൊണ്ട്, ഞങ്ങളുടെ എൻജിനീയറിങ്, ഡെലിവറി, പ്രവർത്തന ടീമുകളിലെ 50 പേർ ബിസിനസിന്റെ വിവിധ ഭാഗങ്ങളിൽനിന്നുള്ള ഒട്ടേറെ പ്രശ്നങ്ങൾ പരിഹരിക്കാൻ ശ്രമിച്ചു. നിയമന പ്രവർത്തനങ്ങൾ വിപുലീകരിക്കൽ, പ്രവർത്തന പ്രസ്താവന തയ്യാറാക്കൽ ലളിതമാക്കൽ, പദ്ധതികളുടെ നില മനസ്സിലാക്കൽ, തത്സമയ പ്രോട്ടോടൈപ്പ് നിർമാണം, റെക്കോർഡ് ചെയ്ത യോഗങ്ങളിൽനിന്ന് ഉൾക്കാഴ്ചകൾ കണ്ടെത്തൽ എന്നിവ അതിൽ ഉൾപ്പെട്ടു.

Codex അടിസ്ഥാനമാക്കിയുള്ള ഈ ഹാക്കത്തോണിൽ ഞങ്ങൾ Callombia നിർമിച്ചു. ഓരോ കോളിനെയും നിരന്തരം പുതുക്കപ്പെടുന്ന, തിരയാവുന്ന ആസ്തിയാക്കുന്ന ഞങ്ങളുടെ സ്ഥാപനത്തിന്റെ YouTube ആണ് Callombia. ഓരോ കോളും സ്വയമേവ പകർത്തിയെഴുതി, ടാഗ് ചെയ്ത്, സംഗ്രഹിച്ചശേഷം വിഷയാധിഷ്ഠിത ക്ലിപ്പുകളാക്കുന്നു. തുടർന്ന് ചാനലുകൾക്കും ക്ലയന്റുകൾക്കും വിഷയങ്ങൾക്കും AI വൈദഗ്ധ്യമേഖലകൾക്കും അനുസരിച്ച് ക്രമീകരിച്ച റിപ്പോസിറ്ററിയിൽ ചേർക്കുന്നു. ഇതിലൂടെ ലണ്ടൻ, എഡിൻബറ, സിംഗപ്പൂർ, ഓസ്‌ട്രേലിയ എന്നിവിടങ്ങളിലെ ഏത് ടീം അംഗത്തിനും തങ്ങൾക്ക് പ്രസക്തമായ കോൾ ഭാഗങ്ങൾ ഉടൻ ലഭ്യമാകും.

പരിചിതവും ബ്രാൻഡിനൊത്തതുമായ ഉപയോക്തൃ ഇന്റർഫേസ് ഉള്ളടക്കം കണ്ടെത്തുന്നത് എളുപ്പമാക്കുന്നു. അർഥാധിഷ്ഠിത തിരച്ചിലും, തീർച്ചയായും RAG AI ചാറ്റ്‌ബോട്ടും, ആളുകൾ തേടുന്നത് കൃത്യമായി കണ്ടെത്താൻ സഹായിക്കുന്നു. അറിയിപ്പ് സംവിധാനം ചേർത്തതിനാൽ സഹപ്രവർത്തകർക്ക് താൽപര്യമുള്ള വിഷയങ്ങൾ പിന്തുടരാനും അവയുമായി ബന്ധപ്പെട്ട പുതിയ ക്ലിപ്പുകൾ പുറത്തിറങ്ങുമ്പോൾ അറിയിപ്പ് ലഭിക്കാനും കഴിയും.

എന്നാൽ Callombiaയുടെ ഏറ്റവും ശ്രദ്ധേയമായ കാര്യം ഉൽപ്പന്നമോ ഹാക്കത്തോൺ വിജയിച്ചതിന് ലഭിച്ച £2k സമ്മാനമോ അല്ല. രണ്ട് എൻജിനീയർമാരും ഒരു ഡെലിവറി മേധാവിയും ചേർന്ന് വെറും ഏഴ് മണിക്കൂറിൽ ഇതെല്ലാം നിർമിച്ചു എന്നതാണ്. ഒരു വർഷം മുമ്പ് അത് സാധ്യമാകുമായിരുന്നില്ല. കോഡിങ് ഏജന്റുകളിലെ പുരോഗതി ഉൽപ്പന്ന വികസനത്തിന്റെ സമഗ്ര പ്രക്രിയയെ വൻതോതിൽ വേഗത്തിലാക്കി. അതിന്റെ അസമമായ സാധ്യതാപരിധികൾ മനസ്സിലാക്കാനുള്ള മികച്ച പരീക്ഷണവേദിയായിരുന്നു ഈ ഹാക്കത്തോൺ. അപ്പോൾ, Codex ഞങ്ങൾ എങ്ങനെയാണ് ഉപയോഗിച്ചത്?

ആവശ്യകതകളുടെ നീണ്ട പട്ടിക എഴുതുന്നതിനുപകരം, പ്രശ്നമേഖലയെയും Callombiaയെക്കുറിച്ചുള്ള കാഴ്ചപ്പാടിനെയും പറ്റിയുള്ള ഞങ്ങളുടെ കൂട്ടായ ധാരണ ഒരു പ്രോംപ്റ്റായി പങ്കുവെച്ചാണ് തുടങ്ങിയത്. മനഃപൂർവം വിശദാംശങ്ങൾ ഒഴിവാക്കിയതിലൂടെ മോഡലിനെ സ്വതന്ത്രമായി പ്രവർത്തിക്കാനും സർഗാത്മകമായി ചിന്തിക്കാനും അനുവദിച്ചു:

പത്ത് മിനിറ്റ് നീണ്ട ആശയവിനിമയത്തിനുശേഷം, ആവശ്യകതകൾ ചുരുക്കാനും നിർമാണത്തിന്റെ സാങ്കേതിക ഭാഗത്തിന് ദിശ നൽകാനും ഞങ്ങൾ ആസൂത്രണ മോഡ് പ്രവർത്തനക്ഷമമാക്കി. സാധ്യമായ എല്ലാ സാഹചര്യങ്ങളും മുൻകൂട്ടി ആലോചിച്ചിട്ടുള്ള, ശല്യപ്പെടുത്തുന്നെങ്കിലും സഹായകരമായ ഒരു സുഹൃത്തിന്റെ ചോദ്യങ്ങൾക്ക് മറുപടി നൽകുന്നതുപോലെയാണ് ആസൂത്രണ മോഡ്. വീഡിയോകളുടെ എണ്ണം, അർഥാധിഷ്ഠിത തിരച്ചിലോ കീവേഡ് തിരച്ചിലോ വേണമെന്നത്, ഉപയോഗിക്കേണ്ട ആർക്കിടെക്ചർ എന്നിവയിൽ ധാരണയായശേഷം, തുടർന്നുള്ള പദ്ധതിയുടെ അടിസ്ഥാനമായ ഒരു മാർക്ക്ഡൗൺ ഫയൽ അത് സൃഷ്ടിച്ചു.

പദ്ധതി തയ്യാറായതോടെ, Callombia ശരിക്കും പ്രവർത്തിക്കാൻ ആവശ്യമായ പ്രധാന ഘടകങ്ങൾ നിർമിക്കുകയായിരുന്നു അടുത്ത ഘട്ടം. റെക്കോർഡ് ചെയ്ത കോളുകളെ തിരയാവുന്ന ആസ്തികളാക്കുന്ന ഒരു പ്രവർത്തനശൃംഖല സൃഷ്ടിക്കേണ്ടതുണ്ടായിരുന്നു:

1. വീഡിയോകളും പകർപ്പെഴുത്തുകളും ഉൾപ്പെടുത്തുക,

2. അവയെ അർഥവത്തായ സന്ദർഭങ്ങളായി വിഭജിക്കുക,

3. സംഗ്രഹങ്ങളും ടാഗുകളും ചേർത്ത് അവയെ സമ്പന്നമാക്കുക,

4. ഫ്രണ്ട്‌എൻഡിന് ഉപയോഗിക്കാവുന്ന APIകളിലൂടെ അവ ലഭ്യമാക്കുക.

അസംസ്കൃത റെക്കോർഡിങ്ങുകളും പകർപ്പെഴുത്ത് ഡാറ്റയും ഉപയോഗയോഗ്യമായ രൂപത്തിലാക്കുന്നതിൽ എഡ് കൂടുതൽ ശ്രദ്ധിച്ചു. ആ സന്ദർഭങ്ങൾ കണ്ടെത്താൻ സഹായിക്കുന്ന വീണ്ടെടുക്കൽ പാളിയിലാണ് നിക്കോ കൂടുതൽ ശ്രദ്ധിച്ചത്. Codex ഉപയോഗിച്ച്, ഡാറ്റാ മോഡലുകളും വിവരങ്ങൾ വേർതിരിച്ചെടുക്കുന്ന സ്ക്രിപ്റ്റുകളും ബാക്ക്‌എൻഡ് അടിസ്ഥാനസംവിധാനവും സ്വയം ചെയ്യുന്നതിനേക്കാൾ വളരെ വേഗത്തിൽ ഇരുവർക്കും സജ്ജമാക്കാനായി. അതിലൂടെ ഒരു വീഡിയോയോടൊപ്പം ചേർത്ത പകർപ്പെഴുത്തിനേക്കാൾ ഏറെ ഞങ്ങൾക്ക് ലഭിച്ചു. അത് ഞങ്ങൾക്ക് പ്രസക്തമായ സന്ദർഭങ്ങൾ നൽകി: Tescoയെക്കുറിച്ചുള്ള ഭാഗം, തന്ത്രപരമായ പുതുക്കൽ, നിയമന ചർച്ച, ഒരാൾ ശരിക്കും കാണാൻ ആഗ്രഹിക്കുന്ന കോളിലെ ആ പ്രത്യേക 90 സെക്കൻഡ്.

ആ വീണ്ടെടുക്കൽ പാളിയിലാണ് കാര്യങ്ങൾ പ്രത്യേകിച്ചും രസകരമായത്. “സാമ്പത്തിക പ്രകടനം”, “Tesco പ്രവർത്തനരേഖ”, “സംഭാഷണ വിലയിരുത്തലുകൾ” എന്നിങ്ങനെ ആരെങ്കിലും നൽകിയാൽ, ആ കൃത്യമായ വാക്കുകൾ ഒരിക്കലും പറഞ്ഞിട്ടില്ലെങ്കിലും ഏറ്റവും പ്രസക്തമായ ക്ലിപ്പുകളിലേക്ക് അവരെ എത്തിക്കണമെന്നായിരുന്നു ഞങ്ങളുടെ ആഗ്രഹം. അതിനായി സമയമുദ്രകൾ, സംഗ്രഹങ്ങൾ, പകർപ്പെഴുത്ത്, മെറ്റാഡാറ്റ എന്നിവയുള്ള ഭാഗങ്ങൾ ഞങ്ങൾ സൃഷ്ടിച്ചു. വ്യക്തമായ ആർക്കിടെക്ചർ മനസ്സിലുണ്ടായിരുന്നതിനാലും Codex നൽകിയ വലിയ സഹായത്താലും, വിഷയം, സംഗ്രഹം, പകർപ്പെഴുത്ത് എന്നിവ ഒറ്റ ഇൻപുട്ടായി സംയോജിപ്പിച്ച് ഓരോ ഭാഗത്തിനും എംബെഡ്ഡിങ്ങുകൾ സൃഷ്ടിക്കാൻ OpenAIയുടെ text-embedding-3-small മോഡൽ ഉപയോഗിച്ചു. ആ എംബെഡ്ഡിങ്ങുകൾ ഞങ്ങളുടെ ഡാറ്റാബേസിൽ സംഭരിച്ച്, ഉപയോക്തൃ അന്വേഷണത്തെ ഓരോ ഭാഗവുമായും താരതമ്യം ചെയ്യാൻ കോസൈൻ സാമ്യം ഉപയോഗിച്ചു. അങ്ങനെ ലളിതമായ കീവേഡ് തിരച്ചിലിനുപകരം അർഥാധിഷ്ഠിത വീണ്ടെടുക്കൽ പാളി ലഭിച്ചു.

കൃത്യതയുടെ കാര്യത്തിൽ ഇത് അത്യുത്തമമായി പ്രവർത്തിക്കുകയും ഹാക്കത്തോൺ പ്രദർശനത്തിൽ ഉൽപ്പന്നത്തിന് ഒരു “മാന്ത്രിക” അനുഭവം നൽകുകയും ചെയ്തു. അതേസമയം, വീഡിയോകളുടെ എണ്ണം തുടർച്ചയായി വർധിച്ചാൽ ഈ സമീപനം അനന്തമായി വിപുലീകരിക്കാനാവില്ലെന്ന് ഞങ്ങൾക്കറിയാമായിരുന്നു. കാരണം ഓരോ അന്വേഷണവും ഓരോ ഭാഗവുമായി താരതമ്യം ചെയ്യുന്നത് ഒടുവിൽ അത്യന്തം ചെലവേറിയതാകും. ശേഖരം വികസിക്കുമ്പോൾ താരതമ്യങ്ങളുടെ എണ്ണം കുറയ്ക്കാനും പ്രതികരണവിലംബം താഴ്ന്ന നിലയിൽ നിലനിർത്താനും Hierarchical Navigable Small World പോലുള്ള കൂടുതൽ കാര്യക്ഷമമായ വീണ്ടെടുക്കൽ തന്ത്രങ്ങൾ അവതരിപ്പിക്കുകയാണ് സ്വാഭാവികമായ അടുത്ത ഘട്ടം. ഈ സവിശേഷത പ്രവർത്തിച്ചുതുടങ്ങിയതോടെ, Callombia ഒരു മാധ്യമശേഖരത്തേക്കാൾ വിജ്ഞാന സംവിധാനമായി അനുഭവപ്പെട്ടു.

എല്ലാ മികച്ച ഹാക്കത്തോണുകളെയുംപോലെ, ഈ ഭാഗവും ആവർത്തിച്ച് മെച്ചപ്പെടുത്തേണ്ടിവന്നു. ആദ്യത്തെ വിഭജനാതിർത്തികൾ കൃത്യമല്ലായിരുന്നു, ചില സമയമുദ്രകൾ പരിഷ്കരിക്കേണ്ടിയിരുന്നു, ചില ടാഗുകൾ അതിവിശാലമായിരുന്നു, പകർപ്പെഴുത്തും റെക്കോർഡിങ് ഫയലുകളും എല്ലായ്പ്പോഴും കൃത്യമായി ഒത്തുചേർന്നിരുന്നില്ല. എന്നാൽ അവിടെയാണ് ഇതിന്റെ മൂല്യവും വ്യക്തമായത്. സജ്ജീകരണത്തിലും പുനർപ്രവർത്തനത്തിലും കുടുങ്ങാതെ സംവിധാനം വേഗത്തിൽ മെച്ചപ്പെടുത്താൻ Codex ഞങ്ങളെ സഹായിച്ചു. ഒടുവിൽ, ക്ലിപ്പുകൾക്കും ചെറുഭാഗങ്ങൾക്കും ശരിക്കും പ്രയോജനകരമായ അർഥാധിഷ്ഠിത തിരച്ചിലിനും കരുത്തേകുന്ന ഒരു ബാക്ക്‌എൻഡ് ഞങ്ങൾക്കുണ്ടായി. ആ ഘട്ടത്തിലാണ് Callombia വെറുമൊരു ഹാക്കത്തോൺ പ്രദർശനമല്ല, യഥാർഥ ഉൽപ്പന്നമാണെന്ന അനുഭവം ഉണ്ടായത്.

എഡും നിക്കോയും ഡാറ്റ ഉൾപ്പെടുത്തൽ സംവിധാനവും ഇൻ്റലിജൻസ് പാളിയും നിർമിച്ചപ്പോൾ, ഞാൻ ഫ്രണ്ട്‌എൻഡ് നിർമിച്ചു. ഞങ്ങളുടെ സമ്പൂർണ സ്റ്റാക്ക് മാതൃക ഉപയോഗിച്ച്, ഒരു വരി കോഡ് പോലും എഴുതാതെ വെബ്‌സൈറ്റിന്റെ ആദ്യ പതിപ്പ് വേഗത്തിൽ സജ്ജമാക്കാൻ എനിക്ക് കഴിഞ്ഞു. എന്റെ ബ്രൗസറിൽ വെബ്‌സൈറ്റ് പ്രാദേശികമായി തുറക്കാൻ ആവശ്യപ്പെട്ടശേഷം, ഞാൻ തേടിയ രൂപത്തിലേക്ക് ഡിസൈൻ ആവർത്തിച്ച് മെച്ചപ്പെടുത്താൻ ലളിതമായ ബുള്ളറ്റ് പോയിന്റുകളായി പ്രതികരണം നൽകുമായിരുന്നു.

ഏകദേശം ഒരു മണിക്കൂർ നീണ്ട ആശയവിനിമയത്തിനുശേഷം, എനിക്ക് ഏറെ തൃപ്തികരമായ ഒന്നുണ്ടായി. അതും UIയിലോ ഡിസൈനിലോ ഒരു പരിചയവുമില്ലാതെ. അന്തിമ ഉൽപ്പന്നം തീർച്ചയായും പൂർണമല്ലെങ്കിലും, ഉൽപ്പന്നം മനസ്സിലാക്കാൻ ആളുകളെ സഹായിക്കുന്ന മികച്ചൊരു ആദ്യ പതിപ്പാണിത്.

ദിവസാവസാനം പ്രവർത്തിക്കുന്ന എന്തെങ്കിലും കൈവശമുണ്ടെന്ന് ഉറപ്പാക്കാൻ ഞങ്ങൾ ജോലി പരസ്പരം വിഭജിച്ചിരുന്നു. ഏതാനും മണിക്കൂർ ഭാഗികമായി സ്വതന്ത്രമായി പ്രവർത്തിച്ചശേഷം, ധാരാളം വൈരുധ്യങ്ങളുള്ള പ്രാദേശിക ബ്രാഞ്ചുകൾ ഞങ്ങൾക്കെല്ലാവർക്കും ഉണ്ടായിരുന്നു.

ഞങ്ങൾക്കില്ലാത്ത സമയം ചെലവഴിച്ച് ഓരോ വൈരുധ്യവും സൂക്ഷ്മമായി പരിശോധിച്ച് പരിഹരിക്കുന്നതിനുപകരം, റിപ്പോസിറ്ററികളിൽ Codex-നെ സ്വതന്ത്രമായി പ്രവർത്തിപ്പിച്ച് അവ പരിഹരിക്കാൻ തീരുമാനിച്ചു. എന്റർപ്രൈസ് നിലവാരത്തിലുള്ള സോഫ്റ്റ്‌വെയർ വികസനത്തിന് ഇപ്പോൾ ഈ രീതി ശുപാർശ ചെയ്യില്ലെങ്കിലും, അപകടസാധ്യത കുറഞ്ഞ സാഹചര്യത്തിൽ ഇതിന്റെ ഫലപ്രാപ്തി അതിശയകരമായിരുന്നു. കൂടാതെ, ഇത് ഞങ്ങൾക്ക് മണിക്കൂറുകൾ ലാഭിച്ചു.

വിധികർത്താക്കൾക്കായി Callombiaയുടെ പ്രദർശനം റെക്കോർഡ് ചെയ്യുകയായിരുന്നു ഹാക്കത്തോണിന്റെ അവസാന ഘട്ടം. റെക്കോർഡിങ്ങിനായി സ്വാഭാവികമായി Loom തുറക്കാനാണ് ആദ്യം തോന്നിയത്. എന്നാൽ ഇത് Codex-ന് ഒരു യഥാർഥ പരീക്ഷണവും അതിന്റെ നിലവിലെ ശേഷികൾക്ക് അൽപ്പം പുറത്തുള്ള ജോലിയുമാകുമെന്ന് ഞങ്ങൾ കരുതി. അങ്ങനെ ഞങ്ങൾ ഒരു പ്രോംപ്റ്റ് എഴുതി, Callombia വെബ്‌സൈറ്റിലേക്കുള്ള ലിങ്ക് നൽകി, OpenAIയുടെ ഡെവലപ്പർ പ്ലാറ്റ്‌ഫോമിൽ എന്റെ ശബ്ദത്തിന്റെ റെക്കോർഡിങ് ചേർത്ത്, ബാക്കി ജോലി ചെയ്യാൻ ആവശ്യപ്പെട്ടു.

ആദ്യ ശ്രമം തന്നെ വളരെ ശ്രദ്ധേയമായിരുന്നു. അത് ഒരു പ്രദർശന തിരക്കഥ എഴുതി, സ്ക്രീൻ റെക്കോർഡ് ചെയ്തു, എന്റെ ശബ്ദവിവരണം ചേർത്തു, നിർദേശം ഏറെക്കുറെ പാലിക്കുകയും ചെയ്തു. ശബ്ദവിവരണവും പ്രദർശന റെക്കോർഡിങ്ങും തമ്മിലുള്ള സമയക്രമം മാത്രമാണ് ഞങ്ങൾക്ക് ഉടൻ തൃപ്തികരമാകാതിരുന്നത്. അതിനാൽ ഞങ്ങൾ ഇങ്ങനെ ആവശ്യപ്പെട്ടു: “നിർബന്ധം: പ്രദർശനത്തിൽ കാണിക്കുന്ന കാര്യങ്ങളുമായി ശബ്ദവിവരണം കൃത്യമായി പൊരുത്തപ്പെടുത്തുക. ചില ഭാഗങ്ങളിൽ പൊരുത്തക്കേടുണ്ടായിരുന്നു, ഉദാഹരണത്തിന് ചാറ്റ് പേജിൽ. അവസാനം ശബ്ദവിവരണവും സ്ക്രീനിൽ റെക്കോർഡ് ചെയ്ത പ്രദർശനവും തമ്മിലുള്ള പൊരുത്തം മൂന്നുതവണ പരിശോധിക്കുക. സാധ്യമായ ഏത് മാർഗവും ഉപയോഗിച്ച് അവ പൊരുത്തപ്പെടുത്തുക.”

ആ അഭ്യർഥനയ്ക്ക് മറുപടിയായി Codex ശബ്ദവിവരണവും റെക്കോർഡിങ്ങും ചെറിയ ഭാഗങ്ങളാക്കി വിഭജിച്ചു. വൈകുന്നേരം 5.30-ന് ബിയറും പിസയും കഴിച്ച് ആഘോഷിക്കാൻ കൃത്യസമയത്ത്, ഏറെക്കുറെ പിഴവില്ലാതെ അത് ജോലി പൂർത്തിയാക്കി.

മിക്ക സ്ഥാപനങ്ങളും നേരിടുന്ന ഒരു പ്രശ്നമാണ് Callombia പരിഹരിക്കുന്നതെന്ന് ഞങ്ങൾക്കറിയാം. അതിവേഗം വളരുന്ന ഒരു കമ്പനിയിലെ എല്ലാ കോളിലും പങ്കെടുക്കുക പ്രയാസമാണ്. എന്നാൽ അവയിൽ പങ്കുവയ്ക്കുന്ന വിലപ്പെട്ട അറിവുകൾ അമൂല്യമാണ്. ഇനി അത് ഉൽപ്പാദന പരിതസ്ഥിതിയിലേക്ക് എത്തിച്ചാൽ മാത്രം മതി.

എന്നാൽ AI-കേന്ദ്രീകൃതമായി പ്രവർത്തിക്കുന്നതിനെക്കുറിച്ചുള്ള വലിയൊരു പാഠവും ഇവിടെയുണ്ട്. പൊതുവായ പ്രശ്നങ്ങൾ പരിഹരിക്കാൻ എൻജിനീയറിങ് കഴിവും ഉൽപ്പന്നബോധവും വിനിയോഗിക്കുന്നതിന്റെ നേട്ടമാണത്. പതിവ് പ്രവർത്തനചക്രത്തിൽനിന്ന് മാറി, ടീമുകൾക്കപ്പുറം സഹകരിച്ച്, ഭാഗികമായി മത്സരാധിഷ്ഠിതമായ അന്തരീക്ഷത്തിൽ പ്രവർത്തിച്ചതിലൂടെ, ചെറിയ മാറ്റങ്ങളോടെ ഉൽപ്പാദനത്തിൽ ഉപയോഗിക്കാവുന്ന ഒട്ടേറെ പരിഹാരങ്ങൾ ഞങ്ങൾ സൃഷ്ടിച്ചു. ഇത് പതിവായി ചെയ്താൽ, ഉപഭോക്താക്കൾക്കായി നിർമിക്കുന്ന പരിഹാരങ്ങളെപ്പോലെ തന്നെ ഞങ്ങളുടെ ആഭ്യന്തര പ്രവർത്തനങ്ങളും കാര്യക്ഷമമാണെന്ന് ഉറപ്പാക്കാം.