हाल के वर्षों में, एआई के साथ काम करने के परिणामों में सुधार इस बात पर निर्भर रहा है कि कितने उच्च गुणवत्ता वाले प्रॉम्प्ट लिखे जाते हैं। हालांकि, यह प्रतिमान तेजी से बदल रहा है क्योंकि एआई सिस्टम स्वयं तर्क करना, निर्णय लेना और पूरी कार्यप्रवाहों के भीतर कार्रवाई करना शुरू कर रहे हैं।
TechSparks 2026 कार्यक्रम में, जो YourStory का प्रमुख कार्यक्रम है, Intuit में एआई के प्रमुख वैज्ञानिक शोधकर्ता डॉ. विग्नेश सुब्रह्मण्यम ने YourStory और The CapTable के संपादकीय प्रबंधक आदित चार्ली के साथ बातचीत की। 'प्रॉम्प्ट से परे: सोचने, कार्य करने और सीखने वाले एआई का निर्माण' नामक चर्चा इस बात पर केंद्रित थी कि जैसे-जैसे बुद्धिमत्ता अधिक स्वायत्त होती जाती है, डेवलपर्स को क्या पुनर्कल्पित करने की आवश्यकता है।
सत्र सुब्रह्मण्यम के विशिष्ट कार्य दिवस और फिनटेक और एआई की अवधारणाओं को दर्शकों के लिए सरल बनाने के अनुरोधों के साथ शुरू हुआ। उन्होंने शतरंज के उदाहरण का उपयोग किया, यह सवाल पूछते हुए: यदि किसी एल्गोरिथम को शतरंज के नियम नहीं सिखाए जाते हैं, बल्कि विजेताओं के लाखों पूरे खेल दिखाए जाते हैं, तो क्या वह नियमों और जीतने के लिए सबसे संभावित रणनीतियों दोनों को निकाल सकता है?
Intuit टीम छोटे व्यवसायों का समर्थन करने के लिए इसी तरह के दृष्टिकोण का उपयोग करती है, क्योंकि कंपनी उपभोक्ताओं और लेखाकारों दोनों को सेवा प्रदान करती है। सुब्रह्मण्यम ने टिप्पणी की: 'जैसा कि हम डेटा, वास्तविक कार्यों और उद्यमों द्वारा किए गए परिणामों का विश्लेषण करके व्यवसाय के खेल का अध्ययन करते हैं।' लक्ष्य ग्राहकों को आकर्षित करने, तेजी से विकास और नकदी प्रवाह में सुधार में सफल होने वाले कारकों को समझना है।
इसके बाद बातचीत डेवलपर्स के लिए प्रतिमान परिवर्तन पर चली गई: अधिक बुद्धिमान प्रॉम्प्ट लिखने के कई वर्षों के अध्ययन से लक्ष्य वाले एजेंटों के डिजाइन तक, जो अपने लक्ष्यों को प्राप्त करने के लिए स्वयं कदम निर्धारित करते हैं। सुब्रह्मण्यम ने प्रॉम्प्ट इंजीनियरिंग की तुलना प्रोग्रामिंग भाषाओं के लंबे इतिहास से की, जो बाइनरी कोड और असेंबली से लेकर Fortran, C और Python तक है। बड़े भाषा मॉडल ने किसी भी व्यक्ति को सरल अंग्रेजी में प्रोग्राम करने की अनुमति दी है, लेकिन इस विधि की अपनी सीमाएं हैं।
शोधकर्ताओं ने जल्दी ही महसूस किया कि बुद्धिमत्ता केवल मॉडल में नहीं होनी चाहिए। मॉडल को एक ऑर्केस्ट्रेटर के रूप में कार्य करना चाहिए, जो एक जटिल कार्य को कार्यों और टूल कॉल्स के अनुक्रम में तोड़ता है। वास्तविक बुद्धिमत्ता उन उपकरणों में स्थानांतरित हो जाती है जिन्हें बुलाया जाता है; और इन उपकरणों को भी अलग तरह से डिज़ाइन किया जाना चाहिए: 'किसी व्यक्ति, या सॉफ्टवेयर डेवलपर, या किसी अन्य व्यक्ति द्वारा उपयोग करने के लिए नहीं, बल्कि इस तरह से कि LLM ऑर्केस्ट्रेटर वास्तव में उनका उपयोग कर सके।'
इसके लिए अत्यंत नियतात्मक परिणाम वाले उच्च सटीकता वाले उपकरणों के निर्माण की आवश्यकता होती है। डेवलपर्स के लिए महारत चतुर वाक्यांशों से हटकर विश्वसनीय घटकों की ओर स्थानांतरित हो जाती है जिन्हें मॉडल बिना किसी अप्रत्याशितता के बार-बार कॉल कर सकता है।
नए डेटा स्रोतों के संबंध में, सुब्रह्मण्यम ने खुले तौर पर कहा कि पाठ डेटा पर प्रशिक्षण काफी हद तक हल हो गया है। अधिक जटिल कार्य मल्टीमॉडल स्रोतों और वास्तविक कार्यों पर प्रशिक्षण है। उन्होंने एक छोटे बच्चे के उदाहरण का हवाला दिया जो मुख्य रूप से पढ़ने के बजाय जो देखता है, सुनता है और देखता है, उसके माध्यम से सीखता है, यह दावा करते हुए कि वास्तविक दुनिया के ऐसे संकेतों को एआई सिस्टम में शामिल करने से मॉडल टेक्स्ट जनरेशन से आगे बढ़कर कार्रवाई प्रस्तावित करना शुरू कर सकते हैं। उन्होंने इसे अगला मील का पत्थर कहा।
विनियमित उद्योग की समस्याओं पर विचार करते हुए, वह दर्शकों को 18 साल पहले बैंगलोर की मशीन लर्निंग की पहली प्रयोगशालाओं में वापस ले गए, जहां उन्होंने लॉजिस्टिक रिग्रेशन और मल्टीलेयर परसेप्ट्रॉन पर काम किया था। उस समय सबसे बड़ी समस्या एल्गोरिथम स्वयं नहीं थी। उन्होंने याद किया: 'वास्तव में, यह डेटा की गुणवत्ता थी।'
यह समस्या नहीं बदली है। चाहे टीम साधारण रिग्रेशन को प्रशिक्षित कर रही हो या ट्रांसफार्मर को फाइन-ट्यून कर रही हो, 'इनपुट कचरा - आउटपुट कचरा' का सिद्धांत कायम है। उनके अनुसार, उच्च गुणवत्ता वाले डेटा को एकत्र करने, एकत्रित करने और संग्रहीत करने में सक्षम कंपनियां लाभ उठाएंगी।
एक संक्षिप्त प्रश्नोत्तर सत्र के दौरान एक प्रतिभागी ने पूछा कि वित्तीय डेटा भंडारण पर प्रतिबंध Intuit के संचालन को कैसे प्रभावित करते हैं। सुब्रह्मण्यम ने सहमति को किसी भी प्रशिक्षण प्रणाली की नींव बताया और फ्रैमिंगहम अध्ययन का हवाला दिया, जहां मैसाचुसेट्स शहर के निवासियों ने डॉक्टरों को समय के साथ उनके स्वास्थ्य को ट्रैक करने की अनुमति दी, जिसने हृदय रोगों की आधुनिक समझ को आकार दिया। उन्होंने यह भी जोड़ा कि कंपनियों को जनता को डेटा के उपयोग के लाभों की व्याख्या करनी होगी।
बातचीत समाप्त होने के साथ, मुख्य विचार यह था कि जैसे-जैसे एआई प्रतिक्रिया से कार्रवाई की ओर बढ़ता है, इंटरफ़ेस की तुलना में नींव अधिक महत्वपूर्ण हो जाती है। प्रॉम्प्ट शुरुआती बिंदु बने रहेंगे, लेकिन असली काम अब विश्वसनीय उपकरण बनाने में है जिन्हें एजेंट कॉल कर सकते हैं, सिस्टम को उच्च गुणवत्ता वाले डेटा से लैस करना और सहमति प्राप्त करना जो उन्हें सीखने की अनुमति देता है। यहीं, प्रॉम्प्ट से परे, डेवलपर्स के लिए एआई की अगली लहर जीती जाएगी।
