कैसे अग्रणी कंपनियां पैक से आगे बढ़ रही हैं
OpenAI के बी2बी सिग्नल अनुसंधान से पता चलता है कि अग्रणी उद्यमों को बिखरे हुए प्रयोग चलाने की बजाय कोर वर्कफ़्लो में AI का लाभ मिलता है। कॉडेक्स जैसे उपकरणों का उपयोग करके, वे एजेंटिक वर्कफ़्लोज़ के आसपास इंजीनियरिंग का पुनर्गठन करते हैं, संगठनात्मक सीखने को जमा करते हैं और तीन परतों पर फायदे बनाते हैंः पहुंच, एकीकरण और सीखना। शुरुआती चरण अपनाने वालों को वास्तविक कार्यप्रवाह के साथ शुरुआत करनी चाहिए, प्रशिक्षण में निवेश करना चाहिए, परिणाम मापना चाहिए और प्रतिस्पर्धी बने रहने के लिए भूमिका शिफ्ट करने की योजना बनानी चाहिए।
यदि आप अपने संगठन को बिखरे हुए AI प्रयोगों से परे ले जाने की कोशिश कर रहे हैं, तो OpenAI का बी 2 बी सिग्नल अनुसंधान एक उपयोगी नक्शा प्रदान करता है। अध्ययन में इस बात पर ध्यान दिया गया है कि कैसे अग्रणी उद्यम - कंपनियां जो पहले से ही AI गोद लेने में गहरी हैं - व्यक्तिगत जीत को कंपनी-व्यापी क्षमताओं में बदल देती हैं। यहां शोध क्या प्रकट करता है और इसका मतलब उनकी AI यात्रा के शुरुआती चरणों में टीमों के लिए है।
प्रयोगों से लेकर रोजमर्रा के कार्यप्रवाह तक
शोध में सबसे स्पष्ट पैटर्नों में से एक यह है कि सफल उद्यम AI को साइड प्रोजेक्ट के रूप में नहीं मानते हैं। chatbots के साथ काम करने वाले मुट्ठी भर कर्मचारियों के बजाय, ये संगठन सीधे कोर वर्कफ़्लो में AI एम्बेड करते हैं।
अध्ययन इस बदलाव के केंद्र में कोडेक्स, OpenAI का कोडिंग एजेंट है। फ्रंटियर एंटरप्राइजेज की इंजीनियरिंग टीमें अपने विकास कार्य के पर्याप्त हिस्सों को संभालने के लिए कोडिक्स-संचालित एजेंटिक वर्कफ़्लोज़ का उपयोग करती हैं - विशेषताओं को लिखने, बग्स को ठीक करने और उनके मौजूदा टूलचेन के भीतर काम करने वाले एजेंटों को रीफैक्टरिंग कोड जैसे कार्यों को सौंपती हैं। परिणाम JUST गति नहीं है; यह एक परिवर्तन है कि कैसे इंजीनियरिंग क्षमता स्वयं प्रबंधित होती है, जिसमें डेवलपर्स प्रत्येक पंक्ति को खुद लिखने के बजाय एजेंट आउटपुट की समीक्षा, निर्देशन और ऑर्केस्ट्रेटिंग की ओर बढ़ते हैं।
जो इन कंपनियों को बाकी से अलग करता है वह प्रौद्योगिकी तक पहुंच नहीं है - अधिकांश उद्यम एक ही मॉडल का उपयोग कर सकते हैं। यह एजेंट वास्तव में क्या कर सकता है के आसपास प्रक्रियाओं पुनर्गठन करने की इच्छा है।
समय के साथ AI गोद लेने की संख्या क्यों बढ़ जाती है
अनुसंधान का एक केंद्रीय विषय यह है कि AI लाभ संयुग्मित करने की प्रवृत्ति रखते हैं। उद्यम जो जल्दी से संस्थागत ज्ञान का निर्माण करते हैंः वे सीखते हैं कि कौन से कार्य एजेंट भरोसेमंद तरीके से निपटाते हैं, जहां मानव पर्यवेक्षण आवश्यक है और सर्वोत्तम परिणाम प्राप्त करने के लिए वर्कफ़्लो कैसे डिज़ाइन करें।
यह सीखने की अवस्था एक टिकाऊ बढ़त पैदा करती है। एक टीम जिसने अपने एजेंटिक वर्कफ़्लो को परिष्कृत करने में एक वर्ष बिताया है, उसने व्यावहारिक ज्ञान जमा कर लिया है जिसे कोई देर से आने वाला व्यक्ति आसानी से नहीं खरीद सकता। शोध बताता है कि यही कारण है कि सीमांत उद्यम अंतराल का विस्तार करते रहते हैं - वे JUST अधिक AI का उपयोग नहीं कर रहे हैं, वे इसका उपयोग करने में बेहतर हो रहे हैं और वह कौशल किसी भी अन्य संगठनात्मक क्षमता की तरह एकत्रित होता है।
दूसरों के लिए निहितार्थ सीधा हैः प्रौद्योगिकी को "परिपक्व" होने का इंतजार करना अब शुरू करने से अधिक खर्च हो सकता है, क्योंकि कठिन हिस्सा उपकरण नहीं हैं - यह उनके आसपास संगठनात्मक सीख रहा है।
स्थायी प्रतिस्पर्धात्मक लाभ का निर्माण
अनुसंधान प्रतिस्पर्धात्मक लाभ को तीन स्तरों में ढालता हैः
- पहुँचहर कोई, सिद्धांत रूप में, एक ही सीमा मॉडल का उपयोग कर सकता है, इसलिए केवल पहुंच अंतर नहीं है।
- एकीकरणवे कंपनियां जो अपने उत्पादों, आंतरिक औजारों और दैनिक परिचालन में AI का उपयोग करती हैं उन कंपनियों की तुलना में कहीं अधिक मूल्य निकालती हैं जो कभी-कभार इसका इस्तेमाल करते हैं।
- सीखनामानव और एजेंटों के एक साथ काम करने के तरीके में निरंतर सुधार से सबसे गहरा लाभ आता है - कुछ ऐसा जो केवल अभ्यास के माध्यम से बनाया जाता है।
अध्ययन के अनुसार, फ्रंटियर एंटरप्राइजेज अपनी ऊर्जा को दूसरी और तीसरी परतों पर केंद्रित करते हैं। वे प्रशिक्षण में निवेश करते हैं, वर्कफ़्लोज़ को फिर से डिज़ाइन करने में, और टीमों को प्रयोग करने की जगह देने में। इस दृष्टिकोण में कोड-संचालित एजेंट एक जादुई शॉर्टकट नहीं हैं बल्कि एक लीवर है जो किसी संगठन की मौजूदा इंजीनियरिंग प्रतिभा को गुणा करता है - बशर्ते कि प्रतिभा सीखती है कि इसे अच्छी तरह कैसे निर्देशित किया जाए।
पहले चरण के गोद लेने वाले क्या सीख सकते हैं
अभी भी शुरुआती चरणों में संगठनों के लिए, अनुसंधान कुछ व्यावहारिक सबक इंगित करता हैः
- वास्तविक कार्यप्रवाहों के साथ शुरू करें, डेमो नहीं। एक ठोस, आवर्ती कार्य चुनें - जैसे कोड रिव्यू, टिकट ट्रायएज या आंतरिक टूलिंग- और इसके आसपास एजेंट सपोर्ट बनाएं।
- लोगों में जल्दी निवेश करें। संयुग्मित प्रभाव स्टाफ से आता है जो समझते हैं कि एजेंटों के साथ कैसे काम किया जाए। प्रशिक्षण और प्रयोग का समय भुगतान करता है।
- माप और पुनरावृत्ति। फ्रंटियर एंटरप्राइजेज AI को एक चल रही प्रथा के रूप में मानते हैं, जो काम करता है उसे ट्रैक करते हुए और लगातार परिष्कृत करने की बजाय एक बार लॉन्च करके आगे बढ़ते हैं।
- स्वीकार करें कि कुछ पुनर्गठन की आवश्यकता है। जब एजेंट अधिक निष्पादन करते हैं तो भूमिकाएं बदल जाती हैं। उस बदलाव के लिए योजना बनाना इसका विरोध करने से बेहतर है।
सारांश
OpenAI के बी 2 बी सिग्नल अनुसंधान से एक बात स्पष्ट हो जाती है: AI नेताओं और पिछड़ों के बीच की खाई इस बारे में नहीं है कि किसके पास सबसे अच्छी मॉडल पहुंच है - यह इसके आसपास काम करने के अपने तरीकों का पुनर्निर्माण कर रहा है। कॉडेक्स जैसे एजेंटों को दैनिक इंजीनियरिंग अभ्यास में एम्बेड करने वाले उद्यम, और जो संयुग्मन सीखने की प्रक्रिया के रूप में गोद लेने का इलाज करते हैं, वे खुद को एक लाभ रखने के लिए तैनात कर रहे हैं जिसकी नकल करना वास्तव में कठिन है। हर किसी के लिए, संदेश तात्कालिकता के बारे में कम है और दिशा के विषय पर अधिक हैः जितनी जल्दी आपका संगठन उस संस्थागत अनुभव का निर्माण शुरू करता है, उतनी ही जल्द संयुग शुरू होता है।
नोट: यह लेख स्रोत सामग्री में वर्णित निष्कर्षों का सारांश देता है। विस्तृत आंकड़ों, कार्यप्रणाली और नामित केस स्टडी के लिए सीधे OpenAI के प्रकाशित शोध को देखें.
Comments (0)