आज AI मुळे अनेक कामं पूर्वीपेक्षा खूप वेगाने होत आहेत. काही कामांसाठी लागणारा वेळ कमी झाला आहे, तर काही कामं जी आधी अनेक लोक मिळून करायचे, ती आता AI च्या मदतीने कमी वेळात पूर्ण होत आहेत.
पण यामुळे एक नवीन प्रश्न निर्माण होतोय. जेव्हा AI काम करण्याचा वेग वाढवतं, तेव्हा त्या कामाला सांभाळणाऱ्या सिस्टिम्सही तितक्याच वेगाने काम करू शकतात का?
Anthropic या AI कंपनीने नुकत्याच शेअर केलेल्या एका अनुभवातून याच प्रश्नाचं महत्त्व समोर येतं.
नेमकं Anthropic सोबत काय घडलं?
Anthropic ही Claude या AI मॉडेलमागची कंपनी आहे. कंपनीमध्ये Claude चा वापर सॉफ्टवेअर तयार करण्यासाठी, कोड सुधारण्यासाठी आणि नवीन सिस्टिम्स विकसित करण्यासाठी मोठ्या प्रमाणात केला जातो.
सॉफ्टवेअर तयार करताना कोड लिहिणं हा एक भाग असतो. त्यानंतर त्या कोडमधील बदल तपासणं, वेगवेगळे बदल एकत्र आणणं आणि संपूर्ण सॉफ्टवेअर व्यवस्थित चालतंय का हे पाहणंही तितकंच महत्त्वाचं असतं.
पूर्वी ही प्रक्रिया मानवी डेव्हलपर्सच्या कामाच्या वेगानुसार तयार झालेल्या सिस्टिम्सवर चालत होती. पण AI मुळे कोड तयार होण्याचं प्रमाण मोठ्या प्रमाणात वाढलं.
Anthropic च्या माहितीनुसार, मे २०२६ मध्ये कंपनी दररोज साधारण २,५०० कोड बदल एकत्र करत होती. सप्टेंबर २०२६ पर्यंत हा आकडा ३०,००० पेक्षा जास्त झाला.
म्हणजेच, अवघ्या काही महिन्यांत दररोज मॅनेज कराव्या लागणाऱ्या कोड बदलांचं प्रमाण दहापटपेक्षा जास्त वाढलं.
यामुळे एक वेगळीच अडचण निर्माण झाली. AI कोड वेगाने तयार करत होतं, पण त्या कोडमधील बदल मॅनेज करणाऱ्या सिस्टिम्सना तेवढ्या मोठ्या प्रमाणावर काम करणं कठीण होऊ लागलं.
मग कंपनीने यावर काय उपाय शोधला?
या समस्येवर उपाय म्हणून Anthropic ने Scion नावाची स्वतःची नवीन सिस्टिम तयार केली.
सोप्या भाषेत सांगायचं तर, सॉफ्टवेअरमध्ये कोणते बदल झाले आहेत, ते बदल एकत्र कसे आणायचे आणि कोडची वेगवेगळी रूपं कशी मॅनेज करायची, यासाठी अशा सिस्टिम्सचा वापर केला जातो.
आधी Anthropic या कामासाठी Git या लोकप्रिय सिस्टिमचा वापर करत होती. मात्र, कंपनीमध्ये कोड तयार होण्याचं प्रमाण प्रचंड वाढल्यामुळे त्यांच्या गरजेनुसार नवीन पद्धत विकसित करणं आवश्यक झालं.
Scion तयार करण्यामागचा उद्देश हाच होता की, मोठ्या प्रमाणात होणारे कोड बदल अधिक कार्यक्षमपणे मॅनेज करता यावेत आणि सॉफ्टवेअर डेव्हलपमेंटच्या प्रक्रियेत अनावश्यक अडथळे कमी व्हावेत.
विशेष म्हणजे, Anthropic ने ही नवीन सिस्टिम तयार करण्यासाठीही AI ची मदत घेतली. कंपनीने पाच महिन्यांत Scion विकसित करून आपल्या मोठ्या कोड रिपॉझिटरीचं स्थलांतर पूर्ण केलं.
यातून एक महत्त्वाची गोष्ट दिसून येते. AI मुळे निर्माण झालेल्या आव्हानावर उपाय शोधण्यासाठीही AI चाच वापर करण्यात आला.
AI फक्त काम करत नाही, तर काम करण्याची पद्धतही बदलत आहे
या संपूर्ण अनुभवातील सर्वात महत्त्वाची गोष्ट म्हणजे AI चा परिणाम केवळ एखादं काम किती लवकर पूर्ण होतं, एवढ्यापुरता मर्यादित नाही.
समजा, एखाद्या कंपनीमध्ये आधी एका दिवसात दहा कामं पूर्ण होत होती. आता AI च्या मदतीने तीच टीम शंभर कामं पूर्ण करू शकते.
पण त्या शंभर कामांची गुणवत्ता तपासणं, त्यांचं व्यवस्थापन करणं आणि त्यांना योग्य पद्धतीने पुढे नेणं यासाठी कंपनीची जुनी कार्यपद्धती पुरेशी ठरेलच असं नाही.
काम करण्याचा वेग वाढला की, त्यानंतरच्या प्रक्रियांमध्येही बदल करावे लागू शकतात.
Anthropic च्या बाबतीतही हेच घडलं. कोड लिहिण्याचा वेग वाढल्यानंतर कोड मॅनेज करणाऱ्या सिस्टिम्समध्ये बदल करणं गरजेचं झालं.
याचा अर्थ असा की, केवळ नवीन AI टूल वापरणं पुरेसं नाही. त्या टूलमुळे आपल्या कामाच्या पद्धतीत काय बदल होतील, याचाही विचार करावा लागतो.
शेवटी एक महत्त्वाचा विचार...
Anthropic च्या अनुभवातून हे स्पष्ट होतं की, AI मुळे कामाचा वेग वाढणं ही फक्त सुरुवात आहे. त्यानंतर त्या वेगाला सांभाळणाऱ्या सिस्टिम्स, प्रक्रिया आणि निर्णय घेण्याच्या पद्धती यांचाही विकास होणं गरजेचं आहे.
कारण भविष्यात स्पर्धा फक्त कोण AI वापरतं यामध्ये नसेल, तर कोण AI चा वापर करून आपली काम करण्याची पद्धत अधिक चांगली बनवतं, यामध्येही असेल.