Orchestrating human–AI software delivery: a retrospective longitudinal field study of three software modernization programs
सॉफ्टवेयर आधुनिकीकरण के तीन कार्यक्रमों का यह पूर्वव्यापी अनुदैर्ध्य क्षेत्रीय अध्ययन यह प्रदर्शित करता है कि जहाँ प्रारंभिक एआई-मानव सहयोग विन्यास ने गुणवत्ता की कीमत पर गति में सुधार किया, वहीं स्वीकृति-मानदंड सत्यापन, रिपॉजिटरी-नेटिव समीक्षा और हाइब्रिड निष्पादन को एकीकृत करने वाले परिपक्व विन्यासों ने वितरण समयसीमाओं को महत्वपूर्ण रूप से तेज करते हुए साथ ही साथ सत्यापन संबंधी समस्याओं को कम किया और प्रथम-रिलीज़ कवरेज को बढ़ाया।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
सॉफ्टवेयर बनाने की दुनिया में, इस काम को लंबे समय से एक मानवीय शिल्प के रूप में समझा जाता रहा है। इंजीनियरों की टीमें किसी समस्या को समझने, एक योजना तैयार करने, प्रोग्राम चलाने के लिए कोड लिखने और फिर उसे जनता के लिए जारी करने से पहले गलतियों की जांच करने के लिए इकट्ठा होती हैं। दशकों तक, इस क्षेत्र में सफलता का पैमाना यह था कि एक इंसान इन चरणों को कितनी जल्दी पूरा कर सकता है। हाल ही में, कार्यशाला में एक नए प्रकार का सहायक आया है: आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता)। ये सिस्टम कोड की विशाल मात्रा को पढ़ सकते हैं और सेकंडों में नए टेक्स्ट की पंक्तियाँ सुझा सकते हैं। शुरुआती रिपोर्टों ने सुझाव दिया कि इन उपकरणों को व्यक्तिगत प्रोग्रामर को देने से वे बहुत तेज़ हो जाएंगे, ठीक वैसे ही जैसे एक बढ़ई को हाथ की आरी के बजाय बिजली की आरी दे दी जाए। लेकिन एक बड़े सॉफ्टवेयर सिस्टम को बनाना केवल लकड़ी को तेज़ी से काटने के बारे में नहीं है; यह सुनिश्चित करने के बारे में है कि हर हिस्सा आपस में सही तरह से जुड़े, संरचना मजबूत हो, और अंतिम उत्पाद इच्छित रूप से काम करे। उद्योग के लिए महत्वपूर्ण प्रश्न यह बन गया है कि क्या ये बुद्धिमान सहायक वास्तव में सिस्टम बनाने की पूरी प्रक्रिया में सुधार कर सकते हैं, या वे केवल शुरुआती चरणों को तेज़ करते हैं जबकि बाद में नई समस्याएँ पैदा करते हैं।
शोधकर्ताओं की एक टीम ने इस प्रश्न का उत्तर देने के लिए एक वास्तविक कंपनी द्वारा समय के साथ इन उपकरणों के उपयोग को देखते हुए अध्ययन किया। उन्होंने प्रयोगशाला में नियंत्रित प्रयोग नहीं किया जहाँ वे एक एकल चर (variable) को अलग कर सकें। इसके बजाय, उन्होंने उस कंपनी द्वारा पहले से ही पूरे किए जा चुके तीन प्रमुख सॉफ्टवेयर प्रोजेक्ट्स का अवलोकन किया। ये महत्वपूर्ण कार्य थे: एक बैंकिंग सिस्टम को कोबोल (COBOL) नामक पुरानी भाषा से एक आधुनिक भाषा में ले जाना, दूसरा एक बड़े अकाउंटिंग प्लेटफॉर्म का व्यापक अपडेट, और तीसरा एक मॉर्टगेज एप्लिकेशन का आधुनिकीकरण। शोधकर्ताओं ने यह जांचा कि ये प्रोजेक्ट पांच अलग-अलग सेटअप के तहत कैसे वितरित किए गए। उन्होंने एक पारंपरिक दृष्टिकोण से शुरुआत की, जहाँ मनुष्य सारा काम करते थे, और फिर एक नए प्लेटफॉर्म के चार क्रमिक संस्करणों के माध्यम से आगे बढ़े जिसमें मानव इंजीनियरों और आर्टिफिशियल इंटेलिजेंस एजेंटों को मिलाया गया था।
इस नए प्लेटफॉर्म का पहला संस्करण अनिवार्य रूप से उपकरणों का एक संग्रह था। इस सेटअप में, आर्टिफिशियल इंटेलिजेंस एजेंट व्यक्तिगत इंजीनियरों के सहायकों के रूप में कार्य करते थे। वे पुराने कोड का विश्लेषण कर सकते थे, दस्तावेज़ लिख सकते थे, और यहाँ तक कि अपने आप विशिष्ट कार्य भी निष्पादित कर सकते थे। यहाँ परिणाम मिले-जुले थे। टीम ने पाया कि प्रोजेक्ट के शुरुआती चरण, जैसे पुराने कोड को समझना और नए की योजना बनाना, बहुत तेज़ हो गए। हालाँकि, यह गति एक कीमत पर आई। क्योंकि वर्कफ़्लो में काम की प्रगति की जाँच करने के लिए एक केंद्रीय प्रणाली का अभाव था, इसलिए अंतिम आउटपुट की गुणवत्ता प्रभावित हुई। अधिक त्रुटियाँ परीक्षण के बाद के चरणों में पहुँच गईं, और टीम को उन्हें ठीक करने में अधिक समय बिताना पड़ा। यह ऐसा था जैसे बिल्डरों ने ईंटें दोगुनी तेज़ी से रखना सीख लिया हो, लेकिन वे उन्हें गलत जगहों पर रख रहे थे, जिससे उन्हें तोड़ने और फिर से शुरू करने में बहुत समय लग रहा था।
जैसे-जैसे शोधकर्ता प्लेटफॉर्म के बाद के संस्करणों की ओर बढ़े, कहानी बदल गई। मुख्य अंतर केवल यह नहीं था कि आर्टिफिशियल इंटेलिजेंस अधिक स्मार्ट हो गया था, बल्कि यह था कि मनुष्य और मशीनें मिलकर कैसे काम करती थीं, इसे पूरी तरह से पुनर्गठित किया गया था। सबसे उन्नत सेटअप में, आर्टिफिशियल इंटेलिजेंस अब केवल व्यक्तियों के लिए एक उपकरण नहीं था; वह एक समन्वित टीम का हिस्सा बन गया था। सिस्टम ने एक साझा कार्यक्षेत्र बनाया जहाँ योजना, कोड और समीक्षा प्रक्रिया सभी आपस में जुड़े हुए थे। आर्टिफिशियल इंटेलिजेंस एजेंट अब किसी भी मानव द्वारा देखे जाने से पहले विशिष्ट नियमों के विरुद्ध अपने स्वयं के काम की जाँच कर सकते थे, और वे उसी तरह से अपने कोड को समीक्षा के लिए प्रस्तुत कर सकते थे जैसे कि एक मानव करता है। इस संस्करण ने एक हाइब्रिड दृष्टिकोण भी पेश किया जहाँ मनुष्य और मशीनें एक ही कार्यों पर कंधे से कंधा मिलाकर काम करते थे और जिम्मेदारी साझा करते थे।
जब शोधकर्ताओं ने सबसे उन्नत सेटअप की तुलना पारंपरिक मानव-मात्र दृष्टिकोण से की, तो परिणाम चौंकाने वाले थे। तीन प्रोजेक्ट्स को पूरा करने में लगने वाला कुल समय छत्तीस सप्ताह से घटकर नौ सप्ताह से थोड़ा अधिक रह गया। यह केवल तेज़ी से काम करने का मामला नहीं था; काम की गुणवत्ता में भी सुधार हुआ। अंतिम परीक्षण चरण के दौरान पाई जाने वाली त्रुटियों की संख्या सौ कार्यों में आठ से अधिक समस्याओं से नाटकीय रूप रूप से गिरकर केवल दो रह गई। इसके अलावा, पहली रिलीज़ पर सही ढंग से पूरी की गई आवश्यकताओं का प्रतिशत सतहत्तर प्रतिशत से बढ़कर नब्बे प्रतिशत से अधिक हो गया। अध्ययन ने आवश्यक प्रयास का भी मॉडल बनाया, यह अनुमान लगाते हुए कि नए टीम का कार्य, जिसमें आर्टिफिशियल इंटेलिजेंस एजेंट शामिल थे, पुराने काम करने के तरीके की तुलना में वरिष्ठ स्तर के मानव विशेषज्ञों के इष्टतम प्रयास से सत्तासी प्रतिशत कम था।
शोधकर्ताओं ने सावधानीपूर्वक उल्लेख किया कि ये निष्कर्ष इस विशिष्ट कंपनी और इसके विशिष्ट प्रोजेक्ट्स के बारे में हैं। उन्होंने यह दावा नहीं किया कि आर्टिफिशियल इंटेलिजेंस ने अकेले ही इन परिणामों को दिया। इसके बजाय, उन्होंने सुझाव दिया कि असली जादू 'ऑर्केस्ट्रेशन' (समन्वय) में था। शुरुआती संस्करण, जो केवल व्यक्तियों को उपकरण देते थे, ने गति में सुधार किया लेकिन गुणवत्ता को नुकसान पहुँचाया। बाद के संस्करणों, जिन्होंने आर्टिफिशियल इंटेलिजेंस को एक संरचित वर्कफ़्लो, साझा संदर्भ और कठोर जाँच के साथ एकीकृत किया, ने गति और गुणवत्ता दोनों में सुधार किया। अध्ययन यह संकेत देता है कि सॉफ्टवेयर वितरण का भविष्य मशीनों के साथ मनुष्यों को बदलने में नहीं है, और न ही मशीनों को मनुष्यों को उपयोग करने के लिए स्वतंत्र रूप से देने में है। बल्कि, सबसे बड़ी बढ़त तब आती है जब मनुष्य और मशीनें एक एकल, समन्वित प्रणाली में बुनी जाती हैं जहाँ एक की ताकत दूसरे की कमजोरी की भरपाई करती है।
यह शोध वास्तविक दुनिया में आर्टिफिशियल इंटेलिजेंस के परिपक्व होने की एक स्पष्ट तस्वीर पेश करता है। यह एक तेज़ टाइपिंग सहायक के सरल विचार से आगे बढ़कर यह दिखाता है कि कैसे मनुष्यों और मशीनों की एक टीम एक एकीकृत इकाई के रूप में कार्य कर सकती है। डेटा बताता है कि जब आर्टिफिशियल इंटेलिजेंस को एक ऐसे वर्कफ़्लो में शामिल किया जाता है जिसमें योजना, सत्यापन और समीक्षा शामिल हो, तो यह टीमों को बहुत तेज़ी से और कम गलतियों के साथ जटिल सिस्टम वितरित करने में मदद कर सकता है। हालाँकि यह अध्ययन एक ही संगठन तक सीमित है और यह सिद्ध नहीं कर सकता कि यह हर जगह होगा, फिर भी यह एक मजबूत, वर्णनात्मक रिकॉर्ड प्रदान करता है कि क्या संभव है जब तकनीक को केवल एक उपकरण के रूप में नहीं, बल्कि एक सावधानीपूर्वक डिज़ाइन की गई प्रक्रिया में एक भागीदार के रूप में माना जाता है। प्रमाणों के अनुसार, आगे का मार्ग यह नहीं है कि मशीन कोड कितनी तेज़ी से लिख सकती है, बल्कि यह है कि टीम काम को कितनी अच्छी तरह व्यवस्थित कर सकती है ताकि मशीन और मानव मिलकर कुछ बेहतर बना सकें।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।