Zencoder, सिलिकॉन व्हॅली स्टार्टअप जे AI-शक्तीवर चालणारे कोडिंग सॉफ्टवेअर बनवते, सोमवारी एक विनामूल्य डेस्कटॉप ॲप जारी केले ज्यामध्ये असे म्हटले आहे की सॉफ्टवेअर अभियंते कृत्रिम बुद्धिमत्तेशी कसा संवाद साधतात – उद्योगाला तंत्रज्ञान-मुक्त युगाच्या पलीकडे नेत आहे. "वातावरण कोडिंग" AI-सहाय्यित विकासासाठी अधिक शिस्तबद्ध आणि पडताळण्यायोग्य दृष्टिकोनाकडे.
झेनफ्लो नावाचे उत्पादन, कंपनी ज्याचे वर्णन करते त्याचे वितरण करते "कृत्रिम बुद्धिमत्ता समन्वय स्तर" जे संरचित वर्कफ्लोमध्ये कोडची योजना, अंमलबजावणी, चाचणी आणि पुनरावलोकन करण्यासाठी एकाधिक एआय एजंटना समन्वयित करते. कर्सर, GitHub Copilot, आणि AI दिग्गज अँथ्रोपिक, OpenAI, आणि Google द्वारे थेट तयार केलेल्या प्रोग्रामिंग एजंट्स सारख्या साधनांनी वर्चस्व असलेल्या वाढत्या गर्दीच्या बाजारपेठेत स्वतःला वेगळे करण्याचा झेनकोडरचा लाँच हा सर्वात महत्वाकांक्षी प्रयत्न आहे.
"चॅट UI सह-वैमानिकांसाठी ठीक होते, परंतु जेव्हा तुम्ही विस्तार करण्याचा प्रयत्न करता तेव्हा ते क्रॅश होतात." वेंचरबीटला दिलेल्या एका विशेष मुलाखतीत झेनकोडरचे सीईओ अँड्र्यू फाइलेव्ह म्हणाले. "संघ भिंतीवर आदळतात जिथे संरचनेशिवाय वेग तांत्रिक कर्ज तयार करतो. Zenflow “स्पीड रूलेट” ला अभियांत्रिकी असेंबली लाईनने बदलते जेथे एजंट योजना आखतात, कार्यान्वित करतात आणि सर्वात महत्त्वाचे म्हणजे एकमेकांच्या कामाची पडताळणी करतात."
ही घोषणा एंटरप्राइझ सॉफ्टवेअर डेव्हलपमेंटसाठी एका महत्त्वाच्या क्षणी आली आहे. त्यांच्या अभियांत्रिकी आउटपुटला नाटकीयपणे गती देण्याच्या आशेने उद्योगांमधील कंपन्यांनी गेल्या दोन वर्षांत अब्जावधी डॉलर्स एआय कोडिंग टूल्समध्ये ओतले आहेत. तथापि, वचन दिलेली उत्पादकता क्रांती मोठ्या प्रमाणावर प्रत्यक्षात येण्यात अपयशी ठरली आहे.
AI कोडिंग टूल्स 10x उत्पादकता वाढवण्याचे त्यांचे वचन पूर्ण करण्यात अयशस्वी का झाले आहेत?
वेलेव्ह, ज्याने यापूर्वी प्रोजेक्ट मॅनेजमेंट कंपनी राईकची स्थापना केली होती आणि ती सिट्रिक्सला विकली होती, त्यांनी एआय प्रोग्रामिंग आणि वास्तविकता यांच्यातील वाढत्या डिस्कनेक्टची नोंद केली. विक्रेते दहापट उत्पादकता वाढण्याचे आश्वासन देत असताना, स्टॅनफोर्ड युनिव्हर्सिटीच्या संशोधनासह कठोर अभ्यास-सातत्याने सुधारणा 20 टक्क्यांपर्यंत पोहोचल्याचे दाखवतात.
"जर तुम्ही वास्तविक अभियांत्रिकी नेत्यांशी बोललात, तर मला एकही संभाषण आठवत नाही जिथे कोणीतरी गंभीर अभियांत्रिकी उत्पादनात 2x, 5x किंवा 10x उत्पादकता कोड केली असेल," – वेलेव्ह म्हणाले. "तुम्हाला ऐकू येणारी ठराविक संख्या सुमारे 20 टक्के असेल."
वेलेव्हच्या म्हणण्यानुसार, समस्या स्वतः एआय मॉडेलची नाही तर विकासक त्यांच्याशी कसा संवाद साधतात. चॅट इंटरफेसमध्ये विनंत्या लिहिण्याचा आणि वापरण्यायोग्य कोडची अपेक्षा करण्याचा मानक दृष्टीकोन साध्या कार्यांसाठी चांगले कार्य करतो परंतु जटिल एंटरप्राइझ प्रकल्पांमध्ये खंडित होतो.
झेंकोडरच्या अंतर्गत अभियांत्रिकी संघाने एक वेगळा दृष्टिकोन समोर आणल्याचा दावा केला आहे. फिलेव्ह म्हणाले की कंपनी आता 12 महिन्यांपूर्वीच्या तुलनेत जवळजवळ दुप्पट वेगाने धावत आहे, मुख्यत्वे त्याचे एआय मॉडेल्स सुधारले आहेत म्हणून नाही तर संघाने त्याच्या विकास प्रक्रियेची पुनर्रचना केली आहे.
"आम्हाला आमची प्रक्रिया बदलायची होती आणि विविध प्रकारच्या सर्वोत्तम पद्धती वापरायच्या होत्या," तो म्हणाला.
Zencoder च्या AI ऑर्केस्ट्रेशन प्लॅटफॉर्मला समर्थन देणाऱ्या चार खांबांच्या आत
Zenflow चार मुख्य क्षमतांभोवती आपला दृष्टिकोन आयोजित करतो ज्यास Zencoder विश्वास ठेवतो की कोणत्याही गंभीर AI ऑर्केस्ट्रेशन प्लॅटफॉर्मने समर्थन केले पाहिजे.
संघटित कार्यप्रवाह ॲड-हॉक प्रॉम्प्टिंगला पुनरावृत्ती करण्यायोग्य अनुक्रमांसह (योजना, कार्यान्वित, चाचणी, पुनरावलोकन) पुनर्स्थित करा जे एजंट सातत्याने अनुसरण करतात. वेलेव्हने राईक बनवण्याच्या त्याच्या अनुभवाशी समांतरता आणली, हे लक्षात घेतले की वैयक्तिक कार्य सूची क्वचितच संस्थांमध्ये मोजली जाते, तर कृतीचे परिभाषित अभ्यासक्रम अंदाजे परिणाम देतात.
तपशील-चालित विकास यासाठी AI एजंटना प्रथम तांत्रिक वैशिष्ट्ये तयार करणे आवश्यक आहे, नंतर चरण-दर-चरण योजना तयार करा आणि त्यानंतरच कोड लिहा. हा दृष्टीकोन इतका प्रभावी झाला आहे की अग्रगण्य AI लॅब्स, ज्यात Anthropic आणि OpenAI समाविष्ट आहेत, त्यांनी त्यांच्या मॉडेलना आपोआप त्याचे अनुसरण करण्यासाठी प्रशिक्षण दिले आहे. जेनकोडर म्हटल्या जाणाऱ्याला प्रतिबंध करून, आवश्यकता साफ करण्यासाठी विनिर्देशन एजंट स्थापित करते "पुनरावृत्ती प्रवाह," किंवा AI-व्युत्पन्न कोडची प्रवृत्ती मूळ हेतूपासून हळूहळू विचलित होते.
मल्टी-एजंट सत्यापन एकमेकांच्या कामावर टीका करण्यासाठी विविध AI मॉडेल्स तैनात करतात. एकाच कुटुंबातील AI मॉडेल्समध्ये ब्लाइंड स्पॉट्स शेअर करण्याची प्रवृत्ती असल्याने, Zencoder मॉडेल प्रदात्यांसाठी प्रमाणीकरण कार्ये मार्गी लावते आणि क्लॉड पुनरावलोकन कोड OpenAI मॉडेल्सने लिहिलेला असतो, किंवा त्याउलट.
"तुमच्या डॉक्टरांचे दुसरे मत म्हणून याचा विचार करा." वेलेव्ह यांनी व्हेंचरबीटला सांगितले. "योग्य मार्ग वापरून, क्लॉड 5 किंवा GPT-6 कडून तुम्हाला अपेक्षित असलेले परिणाम आम्ही पाहतो. आजच्या पुढच्या पिढीच्या मॉडेलचा तुम्हाला फायदा होतो."
समांतर अंमलबजावणी हे विकसकांना वेगळ्या सँडबॉक्सेसमध्ये एकाच वेळी अनेक एआय एजंट चालवण्याची परवानगी देते, त्यांना एकमेकांच्या कामात हस्तक्षेप करण्यापासून प्रतिबंधित करते. इंटरफेस या फ्लीटचे निरीक्षण करण्यासाठी कमांड सेंटर प्रदान करते, एकाधिक टर्मिनल विंडो व्यवस्थापित करण्याच्या सध्याच्या सरावातून एक महत्त्वपूर्ण प्रस्थान.
एआय क्रिप्टोग्राफी मधील सर्वात मोठी विश्वासार्हता समस्या सत्यापन कसे सोडवते
सत्यापनावर झेंकोडरचा फोकस एआय-व्युत्पन्न केलेल्या कोडच्या सर्वात महत्वाच्या टीकांपैकी एक आहे: त्याची निर्मिती करण्याची प्रवृत्ती "उतार," किंवा कोड जो बरोबर दिसतो परंतु उत्पादनात अयशस्वी होतो किंवा सलग पुनरावृत्तीमुळे खराब होतो.
कंपनीच्या अंतर्गत संशोधनात असे आढळून आले आहे की जे डेव्हलपर पडताळणी प्रक्रिया वगळतात ते बहुतेकदा ते ज्याला Filev म्हणतात त्यामध्ये येतात "मृत्यूची अंगठी." एआय एजंट यशस्वीरित्या कार्य पूर्ण करतो, परंतु विकसक, अपरिचित कोडचे पुनरावलोकन करण्यास नाखूष, काय लिहिले आहे हे समजून घेतल्याशिवाय पुढे सरकतो. त्यानंतरची कार्ये अयशस्वी झाल्यावर, विकासकाकडे समस्यांचे व्यक्तिचलितपणे निराकरण करण्यासाठी संदर्भ नसतो आणि त्याऐवजी तो AI ला उपायांसाठी विचारत राहतो.
"त्यांनी या मृत्यूच्या लूपमध्ये अक्षरशः एका दिवसापेक्षा जास्त वेळ घालवला," – वेलेव्ह म्हणाले. "म्हणूनच उत्पादकता दुप्पट नव्हती, कारण ते प्रथम 3 वेळा काम करत होते आणि नंतर संपूर्ण दिवस वाया घालवत होते."
हा मल्टी-एजंट पडताळणी दृष्टीकोन देखील झेनकोडरला फ्रंटियर एआय लॅबवर एक असामान्य स्पर्धात्मक फायदा देतो. Anthropic, OpenAI आणि Google त्यांच्या स्वतःच्या मॉडेलमध्ये सुधारणा करत असताना, Zencoder पूर्वाग्रह कमी करण्यासाठी प्रदात्यांना मिक्स आणि मॅच करू शकतात.
"हे एक दुर्मिळ प्रकरण आहे जिथे आम्हाला फ्रंटियर प्रयोगशाळांमध्ये फायदा आहे," – वेलेव्ह म्हणाले. "बहुतेक वेळा त्यांचा आपल्यावर फायदा असतो, परंतु हे दुर्मिळ प्रकरण आहे."
झेंकोडरला AI दिग्गज आणि चांगल्या अर्थसहाय्यित स्टार्टअप्सकडून कठोर स्पर्धेचा सामना करावा लागतो
झेंकोडर तीव्र स्पर्धेच्या क्षणी एआय समन्वय बाजारात प्रवेश करतो. कंपनीने स्वत:ला एक मॉडेल-अज्ञेयवादी प्लॅटफॉर्म म्हणून स्थान दिले आहे, जे एन्थ्रोपिक, ओपनएआय आणि गुगल जेमिनी सारख्या प्रमुख प्रदात्यांचे समर्थन करते. सप्टेंबरमध्ये, झेनकोडरने विकासकांना त्याच्या इंटरफेसमध्ये कोणत्याही प्रदात्याकडून कमांड-लाइन कोडिंग एजंट वापरण्याची परवानगी देण्यासाठी त्याच्या प्लॅटफॉर्मचा विस्तार केला.
ही रणनीती एक व्यावहारिक ओळख प्रतिबिंबित करते की विकासक केवळ एका प्रदात्याला वचनबद्ध करण्याऐवजी एकाधिक AI प्रदात्यांशी संबंध वाढवत आहेत. Zencoder च्या युनिव्हर्सल प्लॅटफॉर्म पध्दतीमुळे कंपनी प्राधान्य देत असलेल्या अंतर्निहित मॉडेल्सकडे दुर्लक्ष करून ऑर्केस्ट्रेशन लेयर म्हणून काम करणे शक्य करते.
कंपनी GDPR अनुपालनासह SOC 2 प्रकार II, ISO 27001, आणि ISO 42001 प्रमाणपत्रांवर देखील जोर देते. ही क्रेडेन्शियल्स वित्तीय सेवा आणि आरोग्यसेवा यासारख्या नियमन केलेल्या उद्योगांसाठी महत्त्वाची आहेत, जेथे अनुपालन आवश्यकता ग्राहकाभिमुख AI साधनांचा अवलंब करण्यास प्रतिबंध करू शकतात.
परंतु झेंकोडरला अनेक दिशांमधून प्रचंड स्पर्धेचा सामना करावा लागतो. कर्सर आणि विंडसर्फ यांनी सानुकूल वापरकर्ता बेससह सानुकूल एआय-चालित कोड संपादक तयार केले आहेत. GitHub Copilot मायक्रोसॉफ्टच्या वितरण शक्तीचा आणि जगातील सर्वात मोठ्या कोड रिपॉजिटरीसह सखोल एकीकरणाचा लाभ घेते. फ्रंटियर एआय लॅब त्यांच्या प्रोग्रामिंग क्षमतांचा विस्तार करत आहेत.
वेलेव्हने एआय लॅबमधील स्पर्धेबद्दलची चिंता फेटाळून लावली, असा युक्तिवाद केला की झेंकोडरसारखे छोटे खेळाडू वापरकर्त्याच्या अनुभवाच्या नावीन्यतेमध्ये वेगाने पुढे जाऊ शकतात.
"मला खात्री आहे की ते त्याच निष्कर्षापर्यंत पोहोचतील, आणि ते हुशार आहेत आणि वेगाने पुढे जातील, म्हणून मला खात्री आहे की ते खूप लवकर पकडतील," तो म्हणाला. "म्हणूनच मी म्हणालो की पुढील सहा ते १२ महिन्यांत तुम्हाला हे संपूर्ण जागेत पसरताना दिसेल."
चांगल्या मॉडेल्सची वाट पाहण्यापेक्षा आता एआय समन्वयाचा अवलंब करण्याची गरज आहे
एआय कोडिंग गुंतवणुकीचा विचार करणाऱ्या तांत्रिक अधिकाऱ्यांना वेळेच्या कठीण प्रश्नाचा सामना करावा लागतो: त्यांनी आत्ताच ऑर्केस्ट्रेशन टूल्सचा अवलंब करावा, की त्यांच्या मॉडेल्समध्ये या क्षमता निर्माण करण्यासाठी आघाडीच्या AI लॅबची वाट पहावी?
वेलेव्हने असा युक्तिवाद केला की प्रतीक्षा करण्यामध्ये महत्त्वपूर्ण स्पर्धात्मक जोखीम असते.
"सध्या, प्रत्येकजण कमी वेळेत अधिक वितरित करण्याचा दबाव आहे आणि प्रत्येकजण अभियांत्रिकी नेत्यांनी AI कडून निकाल देण्याची अपेक्षा करतो." तो म्हणाला. "एक संस्थापक आणि सीईओ म्हणून, मला अभियांत्रिकीच्या VP कडून 20% मिळण्याची अपेक्षा नाही. मला 2X अपेक्षित आहे."
प्रमुख AI लॅब जेव्हा त्यांचा मुख्य व्यवसाय मॉडेल डेव्हलपमेंट राहील तेव्हा समन्वय क्षमतांना प्राधान्य देतील का, यावरही त्यांनी आश्चर्य व्यक्त केले.
"आदर्श जगात, फ्रंटियर लॅब्सने परिपूर्ण सर्वोत्तम मॉडेल तयार केले पाहिजेत आणि एकमेकांशी स्पर्धा केली पाहिजे आणि झेंकोडर आणि कर्सर यांना त्या मॉडेल्सच्या शीर्षस्थानी सर्वोत्तम UI आणि UX अनुप्रयोग स्तर तयार करणे आवश्यक आहे." – वेलेव्ह म्हणाले. "मला असे जग दिसत नाही की जेथे OpenAI तुम्हाला आमचा कोड व्हॅलिडेटर ऑफर करेल किंवा त्याउलट."
व्हिज्युअल स्टुडिओ कोड आणि JetBrains IDE साठी अद्ययावत प्लगइन्ससह, Zenflow विनामूल्य डेस्कटॉप अनुप्रयोग म्हणून लॉन्च करत आहे. उत्पादन जेनकोडर म्हणतात त्याला समर्थन देते "गतिमान कार्यप्रवाह," म्हणजे एखादी व्यक्ती सक्रियपणे निरीक्षण करत आहे की नाही आणि हातातील काम किती कठीण आहे यावर आधारित प्रणाली आपोआप ऑपरेशनची जटिलता समायोजित करते.
Zencoder म्हणाले की अंतर्गत चाचणीने दर्शविले आहे की Zenflow समन्वय स्तरासह मानक प्रॉम्प्ट बदलल्याने कोडची शुद्धता सरासरी 20 टक्क्यांनी सुधारली आहे.
ऑर्केस्ट्रेशनवर झेंकोडरची पैज एआय कोडिंगच्या भविष्याबद्दल काय प्रकट करते
Zencoder Zenflow ला एक महत्त्वाची नवीन सॉफ्टवेअर श्रेणी बनण्याची अपेक्षा करत असलेले पहिले उत्पादन म्हणून तयार करत आहे. कंपनीचा विश्वास आहे की एआय कोडिंगवर लक्ष केंद्रित करणारा प्रत्येक विक्रेता अखेरीस ऑर्केस्ट्रेशन साधनांच्या गरजेबद्दल समान निष्कर्षापर्यंत पोहोचेल.
"मला वाटते की पुढील सहा ते 12 महिने समन्वयाचे असतील." वेलेव्हने भाकीत केले. "बऱ्याच संस्था अखेरीस त्या 2x संख्येपर्यंत पोहोचतील. अद्याप 10x नाही, परंतु किमान 2x त्यांनी एक वर्षापूर्वी वचन दिले होते."
मॉडेलच्या गुणवत्तेवर आघाडीच्या AI लॅब्सशी स्पर्धा करण्याऐवजी, Zencoder सट्टेबाजी करत आहे की ऍप्लिकेशन स्तर (विकासकांना हे मॉडेल प्रभावीपणे वापरण्यास मदत करणारे सॉफ्टवेअर) विजेते आणि पराभूत ठरतील.
वेलेव्ह यांनी सुचवले की तंत्रज्ञानाच्या इतिहासातील हा एक परिचित नमुना आहे.
"जेव्हा मी Wrike सुरू केले तेव्हा हे माझ्या लक्षात आले त्यासारखेच आहे," तो म्हणाला. "जसजसे काम डिजिटल झाले, लोक सर्वकाही व्यवस्थापित करण्यासाठी ईमेल आणि स्प्रेडशीटवर अवलंबून राहिले आणि दोघेही पुढे राहू शकले नाहीत."
तेच डायनॅमिक आता एआय कोडिंगला लागू होते, असे ते म्हणाले. चॅट इंटरफेस संभाषणासाठी डिझाइन केले आहेत, जटिल अभियांत्रिकी कार्यप्रवाह आयोजित करण्यासाठी नाही. दिग्गजांनी त्यांचे स्वतःचे उपाय तयार करण्यापूर्वी झेंकोडर स्वतःला डेव्हलपर आणि एआय मॉडेलर्समध्ये गो-टू लेयर म्हणून स्थापित करू शकेल का, हा एक खुला प्रश्न आहे.
पण वेलेव्हला शर्यतीत आराम वाटतो. शेवटच्या वेळी लोक कसे काम करतात आणि त्यांना काम करावे लागणारी साधने यांच्यातील अंतर त्याच्या लक्षात आले तेव्हा त्याने एक अब्ज डॉलर्सपेक्षा जास्त किमतीची कंपनी तयार केली होती.
Zenflow तात्काळ zencoder.ai/zenflow वर विनामूल्य डाउनलोडसाठी उपलब्ध आहे.
