अनलीश में एटलैसियन और योरस्टोरी द्वारा आयोजित तकनीकी शिखर सम्मेलन में प्रभावशाली कृत्रिम बुद्धिमत्ता प्रदर्शनों से उत्पादन स्थितियों में इसके विश्वसनीय उपयोग की ओर बदलाव पर चर्चा की गई। हालांकि प्रदर्शन अक्सर एजेंट द्वारा कार्यों के सफल निष्पादन को दिखाते हैं, जैसे कि जटिल प्रश्नों का उत्तर देना या कोड उत्पन्न करना, शिखर सम्मेलन एक अधिक जटिल समस्या पर केंद्रित था: एआई को काम में विश्वसनीय कैसे बनाया जाए।
उत्पादन एआई की आवश्यकताएं
सिस्टम को परिणामों की सटीकता सुनिश्चित करनी चाहिए, स्थापित अनुमतियों के भीतर काम करना चाहिए, दृश्यता, सुरक्षा और कार्रवाई की बहाली क्षमता होनी चाहिए। इसके अलावा, इसे न केवल मंच पर, बल्कि विभिन्न उत्पादों, उपयोगकर्ताओं और जटिल कॉर्पोरेट वातावरण में लगातार स्थिर रूप से कार्य करना चाहिए।
अनुरोध से कार्यप्रवाह तक की यात्रा को इंजीनियरिंग मास्टरक्लास, उत्पाद प्रस्तुतियों और व्यावहारिक कार्यशालाओं के माध्यम से प्रस्तुत किया गया। एटलैसियन टीमों ने रोवो के आसपास की प्रणालियों और इसके विस्तारित एआई स्टैक का विस्तार से विश्लेषण किया, जिसमें सीमित संदर्भ, दीर्घकालिक कार्यप्रवाह, घटना विश्लेषण, बुद्धिमान सुरक्षा और बड़े पैमाने पर एआई की विश्वसनीयता सुनिश्चित करने के लिए आवश्यक बुनियादी ढांचा शामिल है।
बड़े अनुरोधों के बजाय सीमाएं
एटलैसियन के वरिष्ठ सॉफ्टवेयर इंजीनियर कार्तिक चंद्रशेखरन ने रिपोर्टिंग अनुरोधों को संसाधित करने के लिए एक एजेंट प्रणाली का प्रदर्शन किया। पहले ऐसे अनुरोधों के लिए समर्थन इंजीनियरों की भागीदारी की आवश्यकता होती थी, जो सही एपीआई और डेटाबेस संरचनाएं पाते थे, कोड लिखते और चलाते थे, और फिर ग्राहक प्रतिक्रिया के अनुसार परिवर्तन करते थे। इस प्रक्रिया में घंटों या दिन लग सकते थे और इसका वार्षिक खर्च लगभग 500,000 इंजीनियरिंग घंटों का अनुमान लगाया गया था।
हालांकि, एटलैसियन सिस्टम इंजीनियर को प्राकृतिक भाषा में रिपोर्ट का वर्णन करने की अनुमति देता है। एजेंट निष्पादन योग्य कोड उत्पन्न करता है, जो दीर्घकालिक कार्यप्रवाह तंत्र के माध्यम से चलाने से पहले जांच से गुजरता है। अंतिम परिणाम एक रिपोर्ट में एकत्र किया जाता है और ग्राहक को प्रदान किया जाता है। एक महत्वपूर्ण इंजीनियरिंग समाधान केवल कोड लिखने के लिए एलएलएम का उपयोग करना नहीं था, बल्कि मॉडल और उसके द्वारा उत्पन्न सामग्री तक पहुंच को सीमित करना था। एजेंट को व्यापक एपीआई विनिर्देश प्रदान करने के बजाय, टीम ने नियंत्रित वातावरण में संकीर्ण रूप से विशिष्ट उपकरण बनाए, स्वचालित जांच लागू की जो संभाव्य आउटपुट के चारों ओर नियतात्मक सीमाएँ स्थापित करती हैं। निष्कर्ष स्पष्ट था: औद्योगिक स्तर के एजेंटों को अक्सर बड़े अनुरोधों के बजाय अधिक सख्त परिचालन वातावरण की आवश्यकता होती है। समान सिद्धांत विफलता निदान पर भी लागू होता है।
मूल कारण विश्लेषण का समर्थन
एटलैसियन के वरिष्ठ लीड इंजीनियर सतीश कुमार ने बताया कि एआई सॉफ्टवेयर घटनाओं के दौरान मूल कारण विश्लेषण में कैसे मदद कर सकता है। जांच में कोड परिवर्तन, फ़ंक्शन ध्वज, मेट्रिक्स, लॉग, ट्रेसिंग, सेवा निर्भरताएं और ऐतिहासिक ज्ञान शामिल हो सकते हैं। एक स्पष्ट दायरे के बिना, एजेंट जल्दी से सामान्य शोर में संकेत खो सकता है या कमजोर निष्कर्ष निकाल सकता है। प्रस्तुत एआई एसआरई दृष्टिकोण ने उपलब्ध सबूतों के आधार पर परिकल्पना बनाने और सत्यापित करने के लिए कोड की संज्ञानात्मक क्षमताओं, अवलोकन क्षमता डेटा और सेवा टोपोलॉजी को जोड़ा। लक्ष्य घटनाओं पर प्रतिक्रिया देने में इंजीनियरों को बदलना नहीं था, बल्कि उन्हें सही समस्या तक तेजी से पहुंचने में मदद करना था।
स्केल पर सुरक्षा
जैसे-जैसे एआई का उपयोग करके सॉफ्टवेयर निर्माण तेज होता जा रहा है, सुरक्षा टीमें दूसरी तरफ से दबाव का सामना करती हैं: अधिक परिवर्तन, अधिक सेवाएं और अधिक समाधान सीमित ध्यान के लिए प्रतिस्पर्धा करते हैं। एटलैसियन के वरिष्ठ लीड प्रोडक्ट सिक्योरिटी इंजीनियर लोहित मेхта और एटलैसियन के वरिष्ठ प्रोडक्ट सिक्योरिटी इंजीनियर अच्युत ओन्टी श्रीनिवासन ने मैन्युअल जांच कतारों से एआई-संचालित सुरक्षा मूल्यांकन प्लेटफॉर्म में कंपनी के संक्रमण का वर्णन किया। एटलैसियन में 6000 से अधिक इंजीनियर हैं जो 1000 से अधिक माइक्रोसेवाओं पर काम कर रहे हैं, और हर तिमाही में लगभग 3000 परियोजनाएं संगठन से गुजरती हैं। प्लेटफॉर्म व्यावसायिक प्राथमिकताओं, सेवा स्थिति, ग्राहक भेद्यता और इंजीनियरिंग गतिविधि से संकेतों का उपयोग करता है। फिर एआई इस उचित जानकारी पर सारांश उत्पन्न करने और मूल्यांकन वर्कफ़्लो को गति देने के लिए लागू किया जाता है। हालांकि, मॉडल को सत्य का स्रोत नहीं माना जाता है; सेवाओं का नियतात्मक डेटा और मानवीय निर्णय सुरक्षा से संबंधित निर्णयों के लिए केंद्रीय बने रहते हैं।
थर्ड-पार्टी डेवलपर इकोसिस्टम की सुरक्षा
चूंकि एआई एप्लिकेशन विकास और अपडेट को तेज करता है, एक और कारक उत्पन्न होता है: बाजार में आने वाले कोड की मात्रा, जो बदले में जोखिम की सतह को बढ़ाता है। एटलैसियन के वरिष्ठ प्रोडक्ट सिक्योरिटी इंजीनियर सुंदर चक्रवर्ती ने दिखाया कि वही बहुस्तरीय दृष्टिकोण भागीदार और मार्केटप्लेस इकोसिस्टम पर लागू होता है। उन्होंने पार्टनर सत्यापन, एप्लिकेशन हस्ताक्षर और सॉफ्टवेयर संरचना विश्लेषण, स्थिर परीक्षण, सीक्रेट डिटेक्शन और मैलवेयर विश्लेषण को कवर करने वाली स्वचालित स्कैनिंग पाइपलाइन के माध्यम से डेटा सेंटर मार्केटप्लेस में सुरक्षा को मजबूत करने के लिए कंपनी की रणनीति का विस्तार से वर्णन किया। यह पाइपलाइन प्रतिदिन 10,000 से अधिक स्कैन चलाती है और 6,700 से अधिक कमजोरियों की पहचान की है, जिनमें से 5,100 से अधिक को गंभीर या उच्च प्राथमिकता वाला वर्गीकृत किया गया है। इसने इस बात पर जोर दिया कि मार्केटप्लेस सुरक्षा एक नियंत्रण पर निर्भर नहीं कर सकती है; विश्वास को भागीदार की पहचान से लेकर एप्लिकेशन की उत्पत्ति और सामग्री तक कई स्तरों पर बनाया जाना चाहिए।
मशीन स्पीड पर काम करने के लिए बुनियादी ढांचा
कई सत्र उन प्रणालियों को समर्पित थे जिन्हें एआई के साथ दिखाई देने वाली बातचीत समाप्त होने के बाद भी कार्य करना जारी रखना चाहिए। चूंकि एजेंट मशीन स्पीड पर कोड, कार्य और दस्तावेज़ीकरण उत्पन्न करना शुरू कर देते हैं, इसलिए अंतर्निहित बुनियादी ढांचे को प्रदर्शन, सटीकता या बहाली की क्षमता को कम किए बिना बड़ी मात्रा में स्वचालित गतिविधि को संभालना चाहिए।
एटलैसियन के वरिष्ठ सॉफ्टवेयर इंजीनियर प्रियंश जैन और एटलैसियन के लीड इंजीनियर अम्मी रेड्डी चिरला ने साझा किया कि कंपनी ने बड़े क्लाइंट्स के Jira Data Center को क्लाउड में माइग्रेट करते समय बाधाओं को कैसे दूर किया। माइग्रेशन पाइपलाइन में परिवर्तनों से थ्रूपुट में छह गुना वृद्धि हुई। हालांकि, इस गति ने एक और सीमा को उजागर किया: डेटा त्रुटियां, जिनके कारण ग्राहकों को अपनी मूल प्रणालियों को साफ करने और लंबी माइग्रेशन को फिर से शुरू करने की आवश्यकता हो सकती है। टीम ने डेटा ट्रांसफर के दौरान कुछ त्रुटियों को वर्गीकृत और ठीक करने के लिए प्रक्रिया को फिर से डिज़ाइन किया, बिना मूल डेटा को बदले। इस दृष्टिकोण का उद्देश्य माइग्रेशन विफलताओं की संख्या को 50-60% तक कम करना है और कॉर्पोरेट ग्राहक को 22 से 30 दिनों तक बचा सकता है।
एटलैसियन में बड़े पैमाने पर Jira क्वेरी लैंग्वेज के लिए 1.5 बिलियन से अधिक दैनिक अनुरोधों की सेवा करने वाले आर्किटेक्चर का गहन अध्ययन कार्तिकियन मूर्ति ने किया है, जो 350,000 से अधिक किरायेदारों के लिए है। सिस्टम अनुरोधों को एक मध्यवर्ती प्रतिनिधित्व में तोड़ता है और उन्हें विशेष सेवाओं के माध्यम से निर्देशित करता है, जिससे मुख्य खोज पथ को अस्थिर किए बिना नए क्लॉज और फ़ील्ड जोड़े जा सकते हैं। सबसे बड़े किरायेदारों के लिए, एटलैसियन आर्किटेक्चर ने दो गुना अधिक प्रदर्शन प्रदान किया, जबकि बड़ी संख्या में उपयोगकर्ताओं, समस्याओं और समवर्ती अनुरोधों का समर्थन करना जारी रखा। इन उदाहरणों ने याद दिलाया कि कॉर्पोरेट एआई केवल दिखाई देने वाली सुविधाओं से परिभाषित नहीं होता है; यदि एजेंट कार्य की गति और मात्रा बढ़ाते हैं, तो उनके पीछे की खोज, सिस्टम और माइग्रेशन प्रणालियों को भी विकसित होना चाहिए।
निर्णय लेने के लिए एआई का उपयोग
उत्पाद ट्रैक में इस बात पर विचार किया गया कि जब एआई विचार और कार्य प्रोटोटाइप के बीच की दूरी को कम करता है तो प्रक्रिया स्वयं कैसे बदलनी चाहिए। एटलैसियन में उत्पाद एआई रणनीति प्रमुख तुलसी मेनन ने कहा कि हालांकि उत्पाद में नियमित कार्य कम हो जाते हैं, 'अच्छा' क्या है यह निर्धारित करने की जिम्मेदारी अधिक महत्वपूर्ण हो जाती है। उन्होंने धारणा, गठन, सत्यापन, रिलीज और निरंतर सीखने पर आधारित एआई-आधारित उत्पाद जीवनचक्र का वर्णन किया। एआई बाजार अनुसंधान और प्रतिस्पर्धी विश्लेषण को संपीड़ित कर सकता है, और आधुनिक उपकरण विचारों को कुछ घंटों या दिनों के भीतर कार्य प्रोटोटाइप में बदल सकते हैं। हालांकि, गति अपने आप में उत्पाद को बेहतर नहीं बनाती है। उत्पाद प्रबंधकों को अभी भी सही समस्या को परिभाषित करना होगा, गुणवत्ता मानक स्थापित करने होंगे और यह तय करना होगा कि कौन सा प्रमाण रिलीज या विचार को अस्वीकार करने को उचित ठहराएगा। मेनन ने पॉलिश किए गए लेकिन खाली कलाकृतियों के उपयोग के बारे में भी चेतावनी दी - चाहे वह लंबे उत्पाद दस्तावेज हों या प्रभावशाली प्रोटोटाइप जो टीमों को निर्णय लेने में मदद नहीं करते हैं। फिर भी, रिलीज जीवनचक्र का अंत नहीं है। टीमों को मूल्यांकन, वास्तविक निशान, गुणवत्ता मानदंड और फीडबैक लूप की आवश्यकता होती है जो विफलताओं की पहचान करते हैं और समय के साथ उत्पाद में सुधार करते हैं।
इसे एटलैसियन के उत्पाद प्रमुख आलोक अग्रवाल और एटलैसियन में Jira सर्विस मैनेजमेंट के समूह उत्पाद प्रबंधक अभिनाय सिंह द्वारा प्रदर्शित किया गया था। इस जोड़ी ने दिखाया कि उत्पाद प्रबंधक ग्राहक प्रतिक्रिया एकत्र करने, जानकारी को संश्लेषित करने, अपडेट तैयार करने और प्रारंभिक प्रोटोटाइप बनाने के लिए रोवो और रोवो देव का उपयोग कैसे करते हैं। अधिक महत्वपूर्ण प्रश्न यह नहीं था कि एआई कितने कार्यों को पूरा कर सकता है, बल्कि यह था कि उत्पाद प्रबंधक मुक्त समय के साथ क्या कर सकते हैं। प्रतिभागियों ने विशिष्ट उत्पाद कार्यप्रवाहों के लिए एजेंटों को कॉन्फ़िगर करने के लिए रोवो स्टूडियो का उपयोग किया, एकल अनुरोधों से संगठनात्मक संदर्भ पर आधारित दोहराए जाने योग्य उपकरणों में संक्रमण किया। अन्य सत्रों ने इस उत्पादन-उन्मुख दृष्टिकोण को पूरे एटलैसियन स्टैक पर फैलाया, स्कीमा द्वारा परिभाषित दृढ़ता से लेकर दीर्घकालिक व्यावसायिक प्रक्रियाओं के एजेंट विश्लेषण और एआई के माध्यम से उत्पाद सुरक्षा समीक्षा तक। उन्होंने मिलकर कॉर्पोरेट एआई के लिए एटलैसियन के व्यापक दृष्टिकोण को उजागर किया। कंपनी एजेंट को मौजूदा कार्यप्रवाह के ऊपर रखी गई मॉडल के रूप में नहीं देखती है; यह संदर्भ, अनुमतियाँ, सत्यापन तंत्र, ऑर्केस्ट्रेशन, सुरक्षा और बहाली बनाता है जो इस एजेंट को व्यवहार में उपयोगी बनाने के लिए आवश्यक है। प्रदर्शन दिखा सकता है कि एजेंट क्या कर सकता है। उत्पादन दिखाता है कि क्या संगठन उस पर भरोसा कर सकता है।
