पैमाने पर एआई: 500 से अधिक डेवलपर्स के बीच अपनाने, मेट्रिक्स और टीम परिवर्तन का प्रबंधन कैसे करें

AnthropicAnthropic
एक साल के प्रयोगों के बाद, एक बैंक के डेटा कार्यालय ने पाया कि पारंपरिक प्रशिक्षण शायद ही अपनाने को बढ़ावा देता है और उपयोगकर्ता संख्या व्यावसायिक प्रभाव को नहीं दर्शाती है। वे अब एआई अपनाने पर नज़र रखने के लिए चार प्रमुख मेट्रिक्स का उपयोग करते हैं और मुख्य बैंकिंग स्थिरता के साथ नवाचार को संतुलित करते हुए, भूमिकाओं और टीमों को एजेंटिक इंजीनियरिंग की ओर बदलने पर ध्यान केंद्रित करते हैं।
यूरी कात्सेर, परिचालन निदेशालय के डेटा कार्यालय में उत्पाद स्वामी, और व्याचेस्लाव गुच, एआई उत्पाद प्रबंधक, 500 से अधिक डेवलपर्स, डेटा इंजीनियरों, विश्लेषकों और समर्थन इंजीनियरों वाले बैंक में एजेंटिक इंजीनियरिंग लागू करने के एक वर्ष से अधिक के अनुभव से अंतर्दृष्टि साझा करते हैं। उन्होंने पाया कि पारंपरिक प्रशिक्षण अपनाने को बढ़ाने में बहुत कम मदद करता है, और उपयोगकर्ताओं की संख्या व्यावसायिक प्रभाव का संकेत नहीं देती है। उन्होंने एकल दैनिक उपयोग मीट्रिक से चार अपनाने वाले मीट्रिक्स पर स्विच किया: एआई प्रवेश, सक्रिय उपयोगकर्ता, W50+ और W80+, जहां अंतिम दो महीने में 50% से अधिक और 80% से अधिक कार्य दिवसों पर एआई का उपयोग करने वाले कर्मचारियों की हिस्सेदारी दर्शाते हैं। बैंक का लक्ष्य सब कुछ स्वचालित करना नहीं है, बल्कि पेरेटो-इष्टतम स्थिति प्राप्त करना है जहां 80% कार्य एजेंटों द्वारा निपटाए जाते हैं, जिससे 80% परिणाम मिलते हैं। उन्होंने पाया कि कोड लिखना अब मुख्य बाधा नहीं है; इसके बजाय, विनिर्देशों की गुणवत्ता, एजेंटों के लिए उपलब्ध संदर्भ, एकीकरण और टीम की कार्य प्रक्रियाओं को पुनर्गठित करने की क्षमता सबसे महत्वपूर्ण हैं। उन्होंने स्वायत्त विकास की दिशा में प्रगति को ट्रैक करने के लिए एआई-सहायता प्राप्त कार्यों और स्वायत्त रूप से वितरित कार्यों की हिस्सेदारी जैसे प्रॉक्सी मीट्रिक्स पेश किए, जबकि दोष दर, चक्र समय, लीड समय और थ्रूपुट जैसे क्लासिक इंजीनियरिंग मीट्रिक्स की निगरानी जारी रखी। उन्होंने देखा कि भूमिकाएं बदल रही हैं: डेवलपर्स एंड-टू-एंड इंजीनियर या उत्पाद इंजीनियर में परिवर्तित हो रहे हैं, और डेटा भूमिकाएं डेटा उत्पाद इंजीनियर में। एक पायलट में, दो डेवलपर्स और एक व्यावसायिक विशेषज्ञ की एक लघु टीम ने पांच लोगों की टीम के समान समय में एक एकीकरण सेवा पूरी की, गुणवत्ता बनाए रखी और थ्रूपुट बढ़ाया, लेकिन लीड समय अपरिवर्तित रहा। वे इस बात पर जोर देते हैं कि प्रौद्योगिकी तैयारी महत्वपूर्ण है, एजेंटिक इंजीनियरिंग के चार स्तंभों की रूपरेखा तैयार करते हुए, संदर्भ और एकीकरण सबसे व्यापक और खंडित परतें होने के साथ। उन्होंने BMAD ऑर्केस्ट्रेटर का परीक्षण किया, जिसने आश्चर्य का खुलासा किया, जिसमें यह भी शामिल है कि बाधाओं के आसपास डिज़ाइन की गई वास्तुकला अक्सर उन्हें हटाने की कोशिश करने से बेहतर काम करती है।
स्रोत: Habr — хаб ИИ — मूल
इस विषय पर हमारी पिछली पोस्ट ↓
ताज़ा समाचार