प्रतिक्रियाशील प्रोग्रामिंग वेव्ह पाहणाऱ्या प्रत्येक अभियांत्रिकी नेत्याला अखेरीस समान प्रश्नाचा सामना करावा लागेल: जर AI कोणत्याही संघापेक्षा उत्पादन-गुणवत्ता कोड जलद तयार करू शकत असेल, तर जेव्हा मानव आता कोड लिहित नाहीत तेव्हा शासन कसे दिसेल?
बऱ्याच संघांकडे अद्याप चांगले उत्तर नाही. ट्रेझर डेटा, सॉफ्टबँक-समर्थित ग्राहक डेटा प्लॅटफॉर्म जो 450 पेक्षा जास्त जागतिक ब्रँडना सेवा देतो, आता एक आहे, जरी त्याने त्याचे काही भाग कठीण मार्गाने शिकले आहेत.
आज कंपनीने अधिकृतपणे ट्रेझर कोडची घोषणा केली, एक नवीन AI-चालित कमांड-लाइन इंटरफेस जो डेटा अभियंते आणि प्लॅटफॉर्म संघांना त्याचे संपूर्ण CDP नैसर्गिक भाषेतून चालविण्यास अनुमती देतो, क्लॉड कोड खाली बिल्ड आणि पुनरावृत्ती हाताळतो. ते एका अभियंत्याने बांधले होते.
कंपनी म्हणते की कोडिंग प्रक्रियेलाच सुमारे 60 मिनिटे लागली. पण हा आकडा जवळपास बिंदूच्या बाजूला आहे. त्या 60 मिनिटांपूर्वी काय सत्य असायला हवे होते आणि पुढे काय झाले ही सर्वात महत्त्वाची कथा आहे.
"नियोजनाच्या दृष्टिकोनातून, आम्हाला अजूनही व्यवसायाची जोखीम कमी करण्याची योजना करायची आहे आणि त्यासाठी काही आठवडे लागले आहेत." ट्रेझर डेटाचे मुख्य उत्पादन अधिकारी राफा फ्लोरेस यांनी व्हेंचरबीटला सांगितले. "विचार आणि अंमलबजावणीच्या दृष्टिकोनातून, इथेच तुम्ही दोघांचे मिश्रण कराल आणि जा, जा, जा. आणि हे केवळ प्रोटोटाइपिंगबद्दल नाही, गोष्टी सुरक्षित मार्गाने उत्पादनात आणल्या जात आहेत."
प्रथम शासन स्तर तयार करा
कोडची एक ओळ लिहिण्यापूर्वी देखील, ट्रेझर डेटाला एका कठीण प्रश्नाचे उत्तर द्यावे लागले: सिस्टमला काय करण्यापासून प्रतिबंधित केले जावे आणि कोड त्याचा आदर करेल अशी आशा करण्याऐवजी प्लॅटफॉर्म स्तरावर आपण ते कसे लागू कराल?
खजिना डेटासाठी रेलिंग थेट कोडच्या आधीच तयार केले गेले होते. जेव्हा कोणताही वापरकर्ता ट्रेझर कोडद्वारे CDP शी कनेक्ट होतो, तेव्हा प्रवेश नियंत्रण आणि परवानग्या व्यवस्थापन थेट प्लॅटफॉर्मवरून वारशाने मिळतात. वापरकर्ते फक्त त्या स्त्रोतांमध्ये प्रवेश करू शकतात ज्यासाठी त्यांना आधीपासून परवानगी आहे. वैयक्तिकरित्या ओळखण्यायोग्य माहिती (PII) उघड केली जाऊ शकत नाही. API की दाखवल्या जाऊ शकत नाहीत. सिस्टम ब्रँड किंवा स्पर्धकाबद्दल बोलू शकत नाही.
"आम्हाला CISO ला सहभागी करून घ्यावे लागले. माझा सहभाग होता. आमचे सीटीओ, अभियांत्रिकी प्रमुख, फक्त या गोष्टीचा गोंधळ होणार नाही याची खात्री करण्यासाठी," फ्लोरेस म्हणाले.
या फाउंडेशनने पुढील पायरी शक्य केली: AI ला 100% कोड बेस तयार करण्याची परवानगी दिली, तीन-स्तरीय गुणवत्ता पाइपलाइनसह जी संपूर्ण उत्पादन मानकांची अंमलबजावणी करते.
AI कोड निर्मितीसाठी तीन-स्तरीय पाइपलाइन
पहिला स्तर हा AI-आधारित कोड पुनरावलोकनकर्ता आहे जो क्लॉड कोड देखील वापरतो. कोड समीक्षक पुल विनंती स्टेजवर बसतो आणि प्रत्येक प्रस्तावित एकीकरणासाठी एक संरचित चेकलिस्ट चालवतो, आर्किटेक्चरल संरेखन, सुरक्षा अनुपालन, योग्य त्रुटी हाताळणी, चाचणी कव्हरेज आणि दस्तऐवजीकरण गुणवत्ता तपासतो. जेव्हा सर्व निकष पूर्ण होतात, तेव्हा ते आपोआप विलीन केले जाऊ शकतात. जेव्हा ते नसतात तेव्हा हे मानवी हस्तक्षेप दर्शवते.
खजिना डेटाने क्लॉड कोडमध्ये कोड संदर्भ तयार केले ही वस्तुस्थिती अपघाती नाही. याचा अर्थ असा की AI-व्युत्पन्न कोड व्हॅलिडेटर AI द्वारे तयार केला गेला आहे, हा एक पुरावा आहे की वर्कफ्लो वेगळ्या मानवी-लिखित गुणवत्ता स्तरावर अवलंबून न राहता स्वयं-मजबूत करणारा आहे.
दुसरा स्तर एक मानक CI/CD पाइपलाइन आहे जी स्वयंचलित युनिट, एकीकरण, एंड-टू-एंड चाचणी, स्थिर विश्लेषण, स्कॅनिंग आणि प्रत्येक बदलाविरूद्ध सुरक्षा तपासणी चालवते. तिसरे म्हणजे मानवी पुनरावलोकन, जे जेव्हा स्वयंचलित प्रणाली ध्वजांकित जोखीम किंवा एंटरप्राइझ धोरणासाठी स्वाक्षरी आवश्यक असते तेव्हा आवश्यक असते.
ट्रेझर डेटाचे अंतर्गत तत्त्व खालीलप्रमाणे कार्य करते: AI कोड लिहितो, परंतु AI कोड पाठवत नाही.
कर्सर फक्त डेटाबेसकडे का दाखवत नाही
कोणत्याही अभियांत्रिकी कार्यसंघासाठी स्पष्ट प्रश्न हा आहे की कर्सर सारख्या विद्यमान साधनाला तुमच्या डेटा प्लॅटफॉर्मवर का दाखवू नये किंवा ते MCP सर्व्हर म्हणून उघड करू नये आणि क्लॉड कोडला त्याची थेट चौकशी करू द्या.
फरक, फ्लोरेसने युक्तिवाद केला, व्यवस्थापनाच्या खोलीत आहे. पब्लिक कनेक्ट तुम्हाला नैसर्गिक भाषेतील डेटामध्ये प्रवेश देते परंतु प्लॅटफॉर्ममधील कोणत्याही परवानगी संरचनांचा वारसा घेत नाही, म्हणजे प्रत्येक क्वेरी तुमची API की परवानगी देते त्या प्रवेशासह चालते.
ट्रेझर कोड परवानग्या लेयर आणि ट्रेझर डेटावर पूर्ण प्रवेश नियंत्रण वारसा घेतो, त्यामुळे वापरकर्ता नैसर्गिक भाषेद्वारे काय करू शकतो हे त्यांना प्लॅटफॉर्ममध्ये आधीपासून परवानगी असलेल्या गोष्टींद्वारे मर्यादित आहे.
दुसरा फरक म्हणजे समन्वय. ट्रेझर कोड ट्रेझर डेटाच्या एआय एजंट फाउंड्रीशी थेट कनेक्ट केल्यामुळे, ते स्वतंत्रपणे वैयक्तिक कार्ये करण्याऐवजी प्लॅटफॉर्मवर उप-एजंट आणि कौशल्ये मांडू शकतात: एआयला विश्लेषण करण्यास सांगणे आणि एकाधिक चॅनेल सक्रियकरण, विभाजन आणि एकाच वेळी रिपोर्टिंगमध्ये ते विश्लेषण समन्वयित करणे यात फरक आहे.
काय तरी तोडले
प्रशासकीय संरचना असतानाही, प्रक्षेपण प्रक्रिया योग्य नव्हती आणि फ्लोरेस त्याबद्दल स्पष्टपणे बोलत होते.
ट्रेझर डेटाने सुरुवातीला ट्रेझर कोड ग्राहकांना गो-टू-मार्केट योजनेशिवाय उपलब्ध करून दिला. संघाने पुढील पावले शोधून काढत असताना ती शांत राहील, असा समज होता. तरीही एजंटांनी त्याला शोधून काढले. 100 हून अधिक ग्राहक आणि जवळपास 1,000 वापरकर्त्यांनी दोन आठवड्यांत ते पूर्णपणे सेंद्रिय शोधाद्वारे स्वीकारले.
"आम्ही त्यामागे कोणतीही गो-टू-मार्केट चाल ठेवली नाही. लोकांना ते सापडेल असे आम्हाला वाटले नव्हते. बरं, त्यांनी केलं," फ्लोरेस म्हणाले. "आपण संभ्रमात पडलो आहोत, आपण प्रत्यक्षात गो-टू-मार्केट हालचाली कशा करू? तांत्रिकदृष्ट्या थेट असल्याने आम्ही बीटा करत आहोत का?"
अनियोजित दत्तक घेतल्याने अनुपालनामध्येही अंतर निर्माण झाले आहे. ट्रेझर डेटा अद्याप ट्रस्ट AI च्या अनुपालन कार्यक्रमांतर्गत अधिकृतपणे ट्रेझर कोड प्रमाणित करण्याच्या प्रक्रियेत आहे, एक प्रमाणन जे उत्पादन ग्राहकांपर्यंत पोहोचण्यापूर्वी पूर्ण होत नाही.
ट्रेझर डेटाने अभियांत्रिकी नसलेल्या संघांसाठी कौशल्य विकास उघडला तेव्हा दुसरी समस्या उद्भवली. क्लायंट व्यवस्थापक आणि खाते व्यवस्थापकांनी काय मंजूर केले जाईल आणि विलीन केले जाईल हे समजून न घेता कौशल्ये तयार करणे आणि सबमिट करणे सुरू केले, परिणामी महत्त्वपूर्ण प्रयत्न वाया गेले आणि सबमिशनचा अनुशेष जो रिपॉझिटरी प्रवेश धोरणे साफ करू शकला नाही.
संस्थेचे प्रमाणीकरण आणि अद्याप काय गहाळ आहे
थॉमसन रॉयटर्स हे सुरुवातीच्या अवलंबकर्त्यांपैकी एक आहे. फ्लोरेस म्हणाले की कंपनी अंतर्गत एआय प्लॅटफॉर्म तयार करण्याचा प्रयत्न करीत आहे आणि त्वरीत पुढे जाण्यासाठी धडपडत आहे. हे ट्रेझर डेटाच्या AI एजंट फाउंड्रीशी प्रेक्षक वर्गीकरणाच्या कामाला गती देण्यासाठी कनेक्ट करण्यात आले होते आणि नंतर सानुकूलित करण्यासाठी आणि अधिक जलद पुनरावृत्ती करण्यासाठी ट्रेझर कोडमध्ये विस्तारित करण्यात आले होते.
फीडबॅकने स्केलेबिलिटी आणि लवचिकता यावर लक्ष केंद्रित केले आणि खरं की खरेदी आधीच झाली होती, दत्तक घेण्यातील एक मोठा संस्थात्मक अडथळा दूर केला, फ्लोरेस म्हणाले.
थॉमसन रॉयटर्सने नोंदवलेले अंतर, जे फ्लोरेसने कबूल केले की उत्पादनाने अद्याप निराकरण केले नाही, हे एआय मॅच्युरिटीचे मार्गदर्शन आहे. ट्रेझर कोड वापरकर्त्यांना कोण वापरायचे, प्रथम काय संबोधित करायचे किंवा संस्थेमध्ये विविध कौशल्य स्तरांवर प्रवेश कसा आयोजित करायचा हे सांगत नाही.
"AI जे तुम्हाला फायदा मिळवू देते, पण त्याचा फायदा कसा घ्यावा हे देखील सांगते, मला वाटते ते खूप वेगळे आहे," फ्लोरेस म्हणाले. तो बांधण्यासाठी पुढील महत्त्वाचा थर म्हणून पाहतो.
अभियांत्रिकी नेत्यांनी यातून काय घ्यावे?
फ्लोरेसला अनुभवाने त्याला आधीच काय शिकवले आहे यावर विचार करण्याची वेळ होती आणि तो काय बदलेल याबद्दल तो प्रामाणिक होता. पुढील वेळी, रिलीज प्रथम अंतर्गत राहील, ते म्हणाले.
"आम्ही ते केवळ अंतर्गतरित्या सोडू. मी ते संस्थेच्या बाहेरील कोणालाही उघड करणार नाही," तो म्हणाला. "ही अधिक नियंत्रित आवृत्ती असेल जेणेकरून कमी जोखमीसह आम्ही प्रत्यक्षात काय समोर आलो आहोत हे कळू शकेल."
कौशल्य विकासाच्या संदर्भात, अभियांत्रिकीच्या बाहेरील संघांसाठी प्रक्रिया उघडण्यापूर्वी काय मंजूर आणि एकत्रित केले जाते यासाठी स्पष्ट मानके सेट करणे हा धडा शिकला गेला, नंतर नाही.
दोन्ही धड्यांमधील समान धागा हा समान धागा आहे ज्याने शासन संरचना आणि तीन ओळींना आकार दिला: जर त्याच्या सभोवतालची रचना टिकून राहिली तरच वेग हा एक फायदा आहे. प्रॉक्सी एनक्रिप्शन उत्पादनासाठी तयार आहे की नाही याचे मूल्यांकन करणाऱ्या अभियांत्रिकी नेत्यांसाठी, ट्रेझर डेटा अनुभव तीन व्यावहारिक निष्कर्षांमध्ये अनुवादित करतो.
-
प्रशासकीय पायाभूत सुविधा संहितेच्या आधी असली पाहिजे, तिचे पालन करू नये. हे प्लॅटफॉर्म-स्तरीय प्रवेश नियंत्रणे आणि परवानग्यांचा वारसा होता ज्यामुळे AI मुक्तपणे जनरेट होऊ देणे सुरक्षित होते. या पायाशिवाय, गतीचा फायदा नाहीसा होतो कारण प्रत्येक आउटपुटसाठी विस्तृत मॅन्युअल पुनरावलोकन आवश्यक आहे.
-
एक दर्जेदार गेट जो संपूर्णपणे मानवावर आधारित नाही तो मोठ्या प्रमाणावर पर्यायी नाही. एक उच्च-गुणवत्तेचे पोर्टल तयार करा जे पूर्णपणे मानवांवर अवलंबून नाही. AI प्रत्येक पुल विनंतीचे सतत, अथकपणे पुनरावलोकन करू शकते आणि संपूर्ण कोडबेसमध्ये धोरणांचे पालन व्यवस्थितपणे तपासू शकते. मानवी पुनरावलोकन अद्याप आवश्यक आहे, परंतु प्राथमिक गुणवत्ता यंत्रणेऐवजी अंतिम तपासणी म्हणून.
-
सेंद्रिय अवलंब करण्याची योजना. उत्पादन कार्य करत असल्यास, तुम्ही तयार होण्यापूर्वी लोकांना ते सापडेल. ट्रेझर डेटा बंद होत असलेल्या मार्केटमधील अनुपालन आणि अंतर हे याला कमी लेखण्याचा थेट परिणाम आहे.
"होय, डायनॅमिक कोडिंग सुरक्षित पद्धतीने अंमलात आणल्यास आणि योग्य रेलिंग्ज असल्यास ते कार्य करू शकते." फ्लोरेस म्हणाले. "तुम्ही करत असलेले चांगले काम नव्हे तर कंटाळवाणे काम तुम्ही स्वयंचलित करू शकता अशा प्रकारे बदलण्याचा मार्ग शोधण्यासाठी ते स्वीकारा."
