Algoritmlardan foydalanish insonning masʼuliyat hisiga qanday taʼsir qiladi

Sunʼiy intellekt kod yozish jarayonini sezilarli darajada tezlashtirdi, ammo muhandislik sohasidagi rahbariyat yanada murakkabroq masalaga duch kelmoqda: kodlash tugagandan keyin nima sodir boʻladi. Sunʼiy intellekt davridagi operatsion faoliyatga bagʻishlangan dumaloq stolda logistika, oziq-ovqat texnologiyalari, sogʻliqni saqlash, telekommunikatsiya, fintech, elektron tijorat va oliy taʼlim kabi sohalardan yetakchilar AI yordamida qanday kengayish mumkinligi, shu bilan birga ishonchlilik, xavfsizlik va nazoratni qanday saqlab qolish haqida tajribalar almashishdi.

Ishtirokchilarning umumiy xulosasi shundaki, tezlik asosiy muammo boʻlmasdan qoldi; endi kalit jihat bu jarayonni boshqarishdir. Dumaloq stol moderatori Ipsita Basu boʻlib, ishtirokchilarga Mojro muhandislik boʻlimi rahbari Mandjunnat Nakshatri, HungerBox CPO Shobhit Suman, Digii/DigiiCampus CTO Pawan Kumar A T, Cautio mangʻasosi va CTO Pranjal Nadani, 6D Technologies texnologiya va yechimlar vitse-prezident Kenil Paul, BrainSightAI mangʻasosi va CTO Rimjim Agrawal, MediAssist bosh AI direktori Dhruv Rastogi, Niyo Solutions Inc. texnologiya boʻyicha katta vitse-prezident Chandrakesh Pandey, TechnoSport CTO Achal Sharma, Meesho muhandislik direktori Sunil Kumar va Scaler muhandislik direktori Anshul Sharma kabi mutaxassislar ishtirok etdilar.

Tadbir groundcover va Data Signals kompaniyalari tomonidan YourStory qoʻllab-quvvatlash bilan tashkil etildi. Tashkilotchilar tomonida groundcover sotuv va hamkorlik boʻlimi rahbari Paul Trebe va Data Signals asoschisi Satish Dange ishtirok etdi.

Ishtirokchilar AI qurilish vaqtini qisqartirganiga rozi boʻlishdi, ammo bosim keyingi bosqichlarga oʻtdi. Agentlar katta hajmdagi kodni yaratganda, uni kim tekshiradi, sinovdan oʻtkazadi va kuniga oʻnlab joylashtirishlarni nazorat qiladi, degan savollar yuzaga keladi. Koʻplab rahbariyat vakillari jamoalari endi komponentlarni bevosita yozishdan koʻra, tushuncha, kontekst va boshqaruvni ishlab chiqishga koʻproq vaqt sarflayotganini taʼkidladilar. Agentlarning samaradorligi ular olgan kontekst sifati bilan bevosita bogʻliq, ammo kam sonli tashkilotlar agent ishonchli foydalana oladigan formatdagi ombor, hujjatlashtirish va shablonlar haqida bilimga ega.

Muhokama davomida progressiv yondashuv boʻyicha konsensusga erishildi: maʼlumot olish yoki hisobotlar yaratish kabi teskari, faqat oʻqish uchun moʻljallangan vazifalar minimal qiyinchiliklar bilan agentlarga topshirilishi mumkin. Biroq, maʼlumotlarni oʻchirish yoki maʼlumotlar bazasini yangilash kabi teskari harakatlar inson nazorati ostida qolishi kerak. Taʼsir doirasini baholash ham muhim; agar xato chaqiriq yakuniy foydalanuvchilarga yoki ishlab chiqarish tizimlariga taʼsir qilsa, buni inson amalga oshirishi kerak.

Ishtirokchilarning biri AI oʻqish va tahlil qilish ishlarini bajaradigan, aniq qoidalar 'ha' yoki 'yoʻ javoblarini beradigan va yakuniy tasdiqlashni inson amalga oshiradigan 'toʻrt koʻzlar' modelini tasvirladi. Boshqa nutqchi ogʻirligi va tez-tez uchraydiganligiga asoslangan xatarlarni baholash tizimini taklif qildi, bu inson nazoratini oʻrta va yuqori ahamiyatli elementlarga qaratish imkonini beradi. Baʼzilari esa ixtisoslashuv orqali chegarani belgilab, muhandislarga oʻz sohasida agentlardan erkin foydalanishga ruxsat berishdi, shu bilan birga ishlab chiqarish uchun javobgarlik har doim muammolarni hal qila oladigan odamlarda qolishini taʼkidladilar.

Yanada optimistik tasvir ham paydo boʻldi: agent muhandisni uygʻotish oʻrniga hodisa tergovini oʻtkazib, ertaga hisobot taqdim eta oladi, qarorni esa insonga qoldiradi. Ishtirokchilar ishonch asta-sekin shakllanadi, onlayn toʻlovlar bilan sodir boʻlganidek, va bu chegara doimiy ravishda siljib boradi deb taʼkidladilar.

Hisobdorlik masalasi qatʼiy rozilikni topdi: bu majburiyat modelga topshirilmaydi. Rahbariyat agentlarning harakatlari uchun javobgar boʻlib qoladi. Ishtirokchilardan biri AI intellekt multiplikatori sifatida xizmat qilishini taʼkidladi, bu xatoliklar yaxshi qarorlar kabi tez tarqalishini anglatadi.

Koʻnikmalarning eskirishi haqidagi munozara yanada faol bahsli boʻldi. Baʼzilari buni kalkulyatorlar paydo boʻlishi bilan aritmetika oʻzgargandek talab qilinadigan kompetensiyalardagi oddiy siljish sifatida koʻrishdi. Boshqalar, ayniqsa sogʻliqni saqlash sohasida, AI natijalarini baholash uchun zarur boʻlgan ekspertizyaning yoʻqolishidan qoʻrqishdi. Amaliy yechimlardan biri AI loyihalar uchun loyiha nusxalarini tayyorlashni, ammo odamlar ishni bajarishni bilvosita aniqlash edi.

Telekommunikatsiya va tibbiyot sohalarining liderlari uchun maʼlumotlar ustidan nazorat loyihalash bosqichida belgilanadi. Agar tartibga solish normalari, ijarali maydonlarni ajratish talablari va rezidentlik qoidalari qoʻllanilayotgan boʻlsa, modellar shunchaki jamoat bulutida ishlay olmaydi, chunki bitta xato jiddiy jarimalarga olib kelishi mumkin. Boshqalar boshidan boshlab boshqaruvga urgʻu berishdi, qabul qilinadigan, oʻqitish uchun ishlatiladigan va natija sifatida chiqariladigan maʼlumotlarni, shuningdek, maʼlumotlarni maskalash yoki deidentifikatsiya qilish usullarini qamrab oldilar. Intellektual mulk va tarafkashlik haqidagi xavotirlar ham AI vositalarini yangi xodimlar kabi diqqat bilan baholash chaqirigʻiga olib keldi.

Kuzatuvchanlik (Observability) muhokama qilingan barcha mavzularni egalladi. Jamoalar agentlar tomonidan kirish maʼlumotlarini, qarorlarni va vazifalarni kuzatib borish zarurligini aytishdi, toki ularning harakat sababini tushunish va tuzatish mumkin boʻlsin. Elektron tijorat jamoasi yetarli investitsiyalarning narxini oʻrgandi: reytingdagi oʻzgarish barcha boshqaruv panellari yashil boʻlib qolgan, biznes taʼsiri kunlar oʻtib namoyon boʻlgunga qadar, va asosiy sababni tahlil qilish bir haftadan ortiq vaqtni talab qildi. Shu vaqtdan beri ular oʻzgarishlar roʻyxatini, kelib chiqish tizimini, tizim grafini va tartiblangan gipotezalarni taklif qiluvchi xatolarni tuzatish agentini yaratdilar.

Kuzatuvchanlik nuqtai nazaridan, u ishlab chiqishdan alohida mavjud boʻla olmaydi. Paul Trebe toʻgʻridan-toʻgʻri aytdi: 'Siz kuzatuvchanlikni ishlab chiqishdan ajratolmaysiz'. U agentlarning toʻgʻri harakat qilish uchun kontekstga boy maʼlumotlarga muhtoj ekanligini va AI izlashlari 500 000 qatorgacha yetishi mumkin, bu faqat boshqa agentlar tomonidan realistik tarzda tahlil qilinishi mumkinligini qoʻshimcha qildi.

Hech kim tayyor qoʻllanmani taqdim etmadi. Agentlarning ishonchliligini oʻlchash usullari va sarmoyaning qaytarilishi, maʼlumotlar va intellektual mulkni himoya qilish, shuningdek, muhandislarning AI natijalarini bahslashish uchun yetarli darajada oʻtkir boʻlishini saqlab qolish masalalari ochiq qolmoqda. Biroq, suhbat umumiy yoʻnalishga ishora qildi: ishlab chiquvchilarga tez harakat qilish imkonini berish, lekin avval himoya toʻsiqlarini qurish. Inson nazorati teskari va yuqori xavfli qarorlar uchun saqlanishi kerak, va avtomatlashtirish ishonch qozonilganda kengayishi kerak. Koʻplab ishtirokchilar passivlik qabul qilinmasligini taʼkidladilar, chunki raqobatchilar kutmaydi. AI davrining haqiqiy sinovi jamoalar qanchalik tez qurishi bilan emas, balki qurgan narsalarni qanchalik ishonch bilan ekspluatatsiya qila olishi bilan belgilanadi.

Soʻnggi yillarda AI bilan ishlash natijalarini yaxshilash malakali soʻrovlar (promptlar) yozish qobiliyatiga bogʻliq boʻlgan. Biroq, bu paradigma tez oʻzgarmoqda, chunki AI tizimlari mustaqil fikrlashni, qaror qabul qilishni va butun ish jarayonlari doirasida harakat qilishni boshlamoqda.

TechSparks 2026 tadbirida, YourStoryning asosiy voqeasi boʻlib, Intuitdagi AI boʻyicha yetakchi ilmiy xodim Dr. Vignesh Subrahmaniam YourStory va The CapTable muharriri Adit Charlie bilan suhbatlashdi. «Promptdan tashqarida: fikrlaydigan, harakat qiladigan va oʻrganadigan AI yaratish» nomli muhokama ishlab chiquvchilarning intellekt tobora mustaqil boʻlib borayotgan paytda nimalarni qayta koʻrib chiqishi kerakligiga bagʻishlandi.

Sessiya Subrahmaniamning tipik ish kuni haqidagi savollar va fintech hamda AI tushunchalarini auditoriya uchun soddalashtirish soʻrovi bilan boshlandi. U shaxmatlar misolini keltirib, quyidagi savolni berdi: agar algoritmni shaxmat qoidalarini oʻrgatmasdan, gʻalaba qozongan million yakunlangan oʻyinlarni koʻrsatsangiz, u qoidalarni va gʻalaba uchun eng ehtimoliy strategiyalarni chiqarib bera oladimi?

Intuit jamoasi kichik biznesni qoʻllab-quvvatlash uchun shunga oʻxshash yondashuvni qoʻllaydi, chunki kompaniya isteʼmolchilar va buxgalterlarga xizmat koʻrsatadi. Subrahmaniam shunday dedi: «Biz biznes oʻyinini maʼlumotlarni, korxonalar amalga oshirgan real harakatlar va natijalarni tahlil qilish orqali oʻrganamiz». Maqsad mijozlarni jalb qilish, tez oʻsish va pul oqimini yaxshilashga yordam beradigan omillarni tushunishdir.

Keyin suhbat ishlab chiquvchilar uchun paradigmaning oʻzgarishiga oʻtdi: koʻproq aqlli promptlar yozishni uzoq yillar davomida oʻrganishdan maqsadga ega agentlarni loyihalashga oʻtish, ular esa uni amalga oshirish uchun bosqichlarni oʻzlari belgilaydi. Subrahmaniam prompt muhandisligini dasturlash tillarining uzoq tarixi bilan solishtirdi, ikkilik kod va assemblerdan tortib Fortran, C va Pythongacha. Katta til modellarining istalgan odamga oddiy ingliz tilida dasturlash imkonini bergan boʻlsa-da, bu usulining cheklovlari mavjud.

Tadqiqotchilar tez orada intellekt faqat model ichida boʻlmasligi kerakligini tushundilar. Model orkestrator sifatida xizmat qilishi kerak, murakkab vazifani harakatlar va vositalarni chaqirish ketma-ketligiga ajratishi kerak. Haqiqiy intellekt chaqiriladigan vositalarga oʻtadi; va bu vositalar ham boshqacha ishlab chiqilishi kerak: «inson, dasturiy taʼminot ishlab chiquvchisi yoki boshqa kimnidir foydalanishi uchun emas, balki LLM orkestratori ulardan haqiqatda foydalana olishi uchun».

Bu juda aniq natijaga ega yuqori aniqlikdagi vositalarni yaratishni talab qiladi. Ishlab chiquvchilar uchun mahorat hazilomuz formulalardan model tomonidan kutilmagan holatlar boʻlmagan holda takroran chaqirilishi mumkin boʻlgan ishonchli komponentlarga siljnab ketadi.

Yangi maʼlumot manbalari haqida, Subrahmaniam ochiq bayon qildiki, matnli maʼlumotlar asosida oʻqitish darajada hal etilgan. Koʻproq murakkab vazifa multimodal manbalar va real harakatlar asosida oʻqitishdir. U kichik bolaning asosan oʻqish orqali emas, balki koʻrish, eshitish va kuzatish orqali oʻrganishini misol keltirdi va bunday real dunyo signallarini AI tizimlariga kiritish modellarning matn yaratish chegaralaridan chiqib, harakatlar taklif qilishni boshlashiga yordam berishini taʼkidladi. U bunga keyingi chegaralar deb nom berdi.

Regulyativ sanoatdagi muammolarni koʻrib chiqib, u auditoriyani 18 yil oldinga, Bangaloredagi mashinaviy oʻrganishning birinchi laboratoriyalaridan biriga qaytardi, u yerda u logistik regressiya va koʻp qavatli perseptronlar ustida ishlagandi. Oʻsha paytda eng katta muammo algoritmning oʻzi emas edi. U eslaydiki: «Aslida, bu maʼlumotlarning sifati edi».

Bu muammo oʻzgarmadi. Jamoa oddiy regressiyani oʻrgatsin yoki transformerni qayta oʻrgatsin, «kirishdagi axlat — chiqishdagi axlat» tamoyili kuchli qolmoqda. Uning soʻzlariga koʻra, eng yuqori sifatli maʼlumotlarni toʻplaydigan, agregatsiya qiladigan va saqlaydigan kompaniyalar ustunlikka erishadi.

Qisqa savol-javob sessiyasi davomida ishtirokchilardan biri Intuitning moliyaviy maʼlumotlarni saqlash cheklovlari qanday taʼsir qilishini soʻradi. Subrahmaniam rozilikni har qanday oʻquv tizimining asosini deb atadi va Massachusetts shahridagi Framingem tadqiqotiga murojaat qildi, u yerda shahar aholisi shifokorlarga oʻz salomatligini vaqt oʻtishi bilan kuzatishga ruxsat bergan, bu esa yurak-qon tomir kasalliklari haqidagi zamonaviy tushunchani shakllantirdi. U shuningdek, kompaniyalar keng jamoatchilikka maʼlumotlardan foydalanish afzalliklarini tushuntirish majburiyati borligini qoʻshimcha qildi.

Suhabat tugashiga yaqinlashganda, asosiy gʻoya shundaki, AI reaksiyadan harakatga oʻtgan sari, interfeysdan koʻra asoslar muhimroq boʻladi. Promptlar boshlangʻich nuqta boʻlib qoladi, ammo haqiqiy ish endi agentlar chaqira oladigan ishonchli vositalarni yaratish, tizimlarni yuqori sifatli maʼlumotlar bilan taʼminlash va ularning oʻrganishiga imkon beradigan rozilikni olishda namoyon boʻladi. Aynan shu yerda, promptdan tashqarida, ishlab chiquvchilar uchun AI ning keyingi toʻlqini gʻalabaga erishadi.

Avtomatlashtirish hamma joyda mavjud boʻlsa-da, bu uning mijozlarga foyda keltirishini kafolatlamaydi. Savolga javob bera olmaydigan chat-bot, muammoga mos kelmaydigan interaktiv ovozli javob menyusi (IVR) yoki chaqmoqqa olib boradigan avtomatik javob oddiy soʻrovni juda noxush tajribaga aylantirishi mumkin. Qogʻoz ustida oʻzaro aloqa muvaffaqiyatli yakunlangan deb hisoblansa ham, mijoz uchun bu shunday emas.

CallMiner CX Landscape Report 2026 hisobotiga koʻra, sezilarli tafovut mavjud. Shu bilan birga, tashkilotlarning 99% mijozlar bilan oʻzaro aloqalarda avtomatlashtirishdan foydalanadi, ammo faqat 23% bu jarayonlarning yuqori darajada avtomatlashtirilgan va mijoz tajribasi (CX) maʼlumotlari asosida doimiy optimallashtirilganligini taʼkidlaydi. Bundan tashqari, faqat 24% mijoz tajribasini haqiqatan ham ijobiy deb taʼriflaydi. Shunday qilib, vazifa avtomatlashtirishni joriy etishdan uning joriy mijoz ehtiyojlariga mos kelishini taʼminlashga oʻtdi.

CX avtomatlashtirish texnologiyalari nima bilan belgilanadi?

Bu tafovutni shunchaki platformani almashtirish yoki aqlliroq model bilan hal qilinadigan toza texnologik muammo sifatida koʻrish yoqimli boʻlsa-da, bu tafovutni bartaraf etayotgan tashkilotlar eng yangi avtomatlashtirish vositalaridan foydalanmasligi mumkin. Ular dastlabki ish jarayonini ishlab chiqishda qilingan taxminlarga tayanmasdan, real suhbatlardan olingan fikr-mulohazalar va maʼlumotlardan foydalangan holda avtomatlashtirishni doimiy ravishda takomillashtiradi.

Bunday yoʻriqnoma boʻlmasa, aksariyat jamoalar uchta reaktiv odatlardan biriga tushib qoladi. Baʼzilari nima ishdan chiqqanini bilmasdan tizimni sozlashda davom etadilar. Boshqalar esa platformadan butunlay voz kechib, yangi texnologiya muammoni hal qilishiga umid qilib, hamma narsani boshidan boshlashadi. Uchinchi guruh esa faqat insonlarga asoslangan xizmatga qaytadi va CX ga yillar davomida kiritilgan investitsiyalarni bekor qiladi. Uchta yondashuv ham bir xil muhim bosqichni oʻtkazib yuboradi: suhbatdagi muammoning mohiyatini tushunish.

Mijoz analitika ishlashga qanday taʼsir qiladi?

Mijoz analitika barcha mijoz bilan oʻzaro aloqalarda sodir boʻlayotgan voqealar haqida butunlay tasavvur hosil qiladi, avtomatlashtirishni taktika dan strategiyaga aylantiradi. U avtomatlashtirishning qayerda haqiqatdan ham yordam berayotganini, qayerda esa tashkilot shunchaki uning foydasini taxmin qilayotganini koʻrish imkonini beradi. Bu vosita mijozning statik portreti ushlab tura olmaydigan takroriy aloqa yoki dialog oʻrtasida kayfiyatning oʻzgarishi kabi xatti-harakat va kontekstual signallarni aniqlaydi. Bundan tashqari, u ushlab turish va rad etish kabi texnik koʻrsatkichlarni mijoz qoniqishi (CSAT) va birinchi aloqada hal qilish kabi natija koʻrsatkichlari bilan bogʻlaydi, shu bilan birga yaxshi koʻrinadigan monitoring paneli norozi mijozni yashirib qoʻyadigan vaziyatni oldini oladi.

Bu farq koʻpincha tan olinadiganidan koʻra muhimroqdir. Yuqori ushlab turish foizi ijobiy natijani kafolatlamaydi. Bot mijoz yechimsiz ketgan boʻlsa ham, texnik jihatdan oʻzaro aloqani yakunlashi mumkin. Suhbatlar analitikasi bu tafovutni ochib beradi, faqatgina u inson ishtirokida tugaganmi yoki yoʻqmi deb aytish oʻrniga, oʻzaro aloqa davomida nima sodir boʻlganini koʻrsatadi. Bu uzoq vaqtdan beri ishlatilayotgan avtomatlashtirishni takomillashtirayotgan kompaniyalar uchun ham, birinchi virtual agentini joriy etayotgan jamoalar uchun ham tegishli. Asosiy savol 'Biz yetarlicha avtomatlashtirdikmi?' emas, balki bu avtomatlashtirish bugungi kunda mijozlar aytayotgan narsalarga asoslanganmi, yoki ish jarayonini yaratilganda aytgan narsalarga asoslanganmi.

Avtomatlashtirish samaradorligini faqat samaradorlikdan tashqari oʻlchash. Bu samaradorlik ahamiyatsiz boʻlishi kerak degani emas. Bu eng kuchli avtomatlashtirish strategiyalari mijozlar va xodimlar uchun keraksiz harakatlarni kamaytirish bilan birga, inson hukmi va empatiya eng katta qiymatni yaratadigan paytlarni himoya qilishini anglatadi. Ushbu muvozanatni toʻgʻri saqlash mijozlar sabr bilan qabul qiladigan avtomatlashtirishni ularga ishonadigan avtomatlashtirishdan ajratib turadi.

Yangi texnik hujjatda kompaniya suhbatlar analitikasi yordamida avtomatlashtirish qoʻllanilishi kerak boʻlgan joylarni aniqlash, mijozlarning haqiqiy xatti-harakatlari atrofida tajriba loyihalash va muvaffaqiyatni faqat texnik koʻrsatkichlar boʻyicha emas, balki mijozlar bilan ishlash natijalari boʻyicha oʻlchash usullarini tushuntiradi. Bir tashkilot bu tamoyillarni qoʻllab, shtatni oshirmasdan qoʻngʻiroqni qayta ishlash vaqtini 78% ga qisqartirib, quvvatlash qobiliyatini ikki baravar oshirganini namoyish etuvchi toʻliq hujjat mavjud.