इस लेख के अंत तक, आप समझ जाएंगे कि क्यों Anthropic, OpenAI, Google और अन्य AI कंपनियां FDEs की तलाश कर रही हैं, और आप इस मांग का लाभ कैसे उठा सकते हैं।
मैंने स्वयं यह काम किया है, Varick में अपनी FDE गतिविधि को विकसित करने के लिए दुनिया के कुछ बेहतरीन लोगों को काम पर रखा है, और देखा है कि तकनीक की दुनिया में इस सबसे हॉट भूमिका के लिए कोई वास्तविक निश्चित गाइड मौजूद नहीं है। यह वही गाइड है।
AI कंपनियों को FDEs की आवश्यकता क्यों है?
FDE बनने के लिए, पहला कदम यह आंतरिक रूप से समझना है कि AI कंपनियों को उनकी सख्त आवश्यकता क्यों है।
यदि आप मानते हैं कि बुद्धिमत्ता एक वस्तु बनती जा रही है, तो यह इस प्रकार है कि एकमात्र प्रतिस्पर्धात्मक बढ़त यह है कि आप इसका उपयोग कैसे और कहाँ करते हैं। वास्तव में, मैं यहाँ तक कहूंगा कि केवल बुद्धिमत्ता में कोई प्रतिस्पर्धात्मक लाभ नहीं है। इसलिए, यह निर्धारित करना कि कंपनियां इसका उपयोग कैसे और कहाँ करती हैं, सबसे महत्वपूर्ण भूमिका बन जाती है और वह है फॉरवर्ड डिप्लॉयड इंजीनियर (FDE) की भूमिका।
व्यवसाय एक एप्लाइड AI कंपनी (जैसे Varick) को काम पर रखते हैं जो प्रौद्योगिकी से अधिकतम लाभ प्राप्त करने में मदद करने के लिए FDEs तैनात करती है। ऐसा करने से उन्हें एक ऐसी टीम तक पहुंच मिलती है जो पहले से ही बड़े पैमाने पर AI परिवर्तन कर चुकी है, जिससे ग्राहक अपने प्रतिस्पर्धियों की तुलना में बहुत तेज़ी से आगे बढ़ सकते हैं, और ऐसा करके, भारी दक्षता लाभ प्राप्त कर सकते हैं।
FDE एक अत्यधिक कुशल इंजीनियर होता है जो ग्राहक की समस्याओं को बहुत गहराई से समझ सकता है, एक कोड बेस में कोड लिख सकता है जिसे उन्होंने पहले कभी नहीं देखा होगा, और सौदा पूरा करने के लिए एक गैर-तकनीकी निर्णय निर्माता को व्यावसायिक प्रभाव समझा सकता है। यह एक मिलियन-डॉलर की भर्ती है।
भूमिका के लिए क्या आवश्यक है?
FDE होने के लिए आपको ग्राहक के साथ ऑन-साइट रहना होता है। Palantir के CTO का कहना है कि आप पर्यावरण में वास्तव में रहे बिना उसके लिए उत्पाद नहीं बना सकते। हमने आंतरिक रूप से भी यही देखा है।
FDE शब्द वास्तव में Palantir से उत्पन्न हुआ है, और उन्होंने ऑन-साइट रहने को बहुत गंभीरता से लिया। 2010 में, उन्होंने अफगानिस्तान में विशेष बलों के समूह के साथ काम किया। विशेष बल दिन में मिशन पर जाते थे, प्रतिक्रिया प्राप्त करते थे, और इसे FDEs तक पहुंचाते थे जो रात भर कोड भेजते थे।
सैन्य सॉफ्टवेयर तैनात करने के लिए पर्यावरण में रहना उतना ही आवश्यक है जितना कि AI तैनात करने के लिए। वास्तविक दक्षता लाभ देखने के लिए, एक कंपनी को शुरू से AI के आसपास पुनर्निर्मित करने की आवश्यकता है। और यह केवल ग्राहक के साथ बैठकर और कंपनी-विशिष्ट डेटा पर, कंपनी-विशिष्ट संदर्भ के साथ डिज़ाइन किए गए कस्टम एजेंट बनाने से ही संभव है।
भूमिका के बारे में
हमारे दृष्टिकोण से, एक एप्लाइड AI FDE की नौकरी के तीन मुख्य भाग हैं: ऑडिट, इवैल्यूएशन और डिप्लॉयमेंट। आइए प्रत्येक को समझते हैं।
ऑडिट: आप एक ग्राहक के साथ ऑनसाइट हैं, कंपनी के भीतर विभिन्न टीमों में प्रक्रियाओं/वर्कफ़्लो का मानचित्रण कर रहे हैं। उदाहरण के लिए: रेव ऑप्स के साथ दो सप्ताह, प्रोक्योरमेंट के साथ एक सप्ताह और फाइनेंस के साथ पूरा एक महीना।
आप जिस भी टीम के साथ बैठते हैं, कुछ चीजें सीखते हैं: उनकी नौकरी कैसी दिखती है, बाधाएं कहाँ हैं, और आप कहाँ एजेंट बना सकते हैं जो मूल्य प्रदान करते हैं।
कंपनी में प्रत्येक टीम के वर्कफ़्लो को समझने के साथ-साथ, ऑडिट चरण का एक महत्वपूर्ण हिस्सा यह निर्धारित करना है कि क्या स्वचालित किया जाना चाहिए बनाम क्या नहीं। एक बिंदु ऐसा आता है जहाँ एजेंट समस्याएँ पैदा कर सकते हैं जितनी वे हल करते हैं।
यहाँ तीन सामान्य सिद्धांत दिए गए हैं जिनका पालन करके आप निर्णय ले सकते हैं।
यदि किसी वर्कफ़्लो को नियमों में बदला जा सकता है लेकिन इनपुट अलग-अलग हैं (एक इनपुट ईमेल है, अगला PDF हो सकता है, अगला स्कैन की गई छवि है), और कार्य में टूल को कॉल करना शामिल है, तो एक एजेंट डालें। यदि नियम और इनपुट दोनों पूर्वानुमानित हैं, तो कोड तेज़ और सस्ता है। यदि निर्णय में पैटर्न पहचान और डोमेन विशेषज्ञता की आवश्यकता है, तो इसे मैन्युअल छोड़ दें।
यदि एजेंट महीने में पाँच बार चलता है तो आपके ग्राहकों को अच्छा ROI नहीं मिलेगा। लंबे, उच्च-मात्रा वाले ऑटोमेशन देखें। मायने रखने के लिए पर्याप्त मात्रा होनी चाहिए।
अपने एजेंट बनाते समय AI का अत्यधिक उपयोग न करें। अधिकांश ऑटोमेशन कार्य टूल कॉल की एक श्रृंखला और एक ऑर्केस्ट्रेटिंग लेयर के रूप में LLM के लिए सिर्फ एक कॉल के साथ किए जा सकते हैं। बहुत अधिक AI अनावश्यक टोकन लागत (जो पैमाने पर बढ़ती है) और अक्सर निम्न-गुणवत्ता वाले आउटपुट की ओर ले जाता है।
ऑडिट चरण का अंतिम भाग प्रोटोटाइपिंग है। एजेंट बनाने का तरीका जानने के लिए Agents 101 देखें, और उस एजेंट को डेमो से प्रोडक्शन तक ले जाने के लिए Agents 102 देखें।
इवैल्यूएशन: यदि कोई ग्राहक AI तैनाती पर लाखों खर्च कर रहा है, तो उन्हें यह जानना होगा कि यह काम कर रहा है। ऐसा करने के लिए, एक FDE विस्तृत मूल्यांकन (इवैल्यूएशन) बनाता है।
एक अच्छा मूल्यांकन केवल यह जाँच नहीं करता है कि एजेंट आपको जो अंतिम उत्तर देता है वह सही है या नहीं, बल्कि यह भी सत्यापित करता है कि AI इंसान की तरह सोच रहा है या नहीं। ऐसा करने के लिए, दो काम करें:
मानव के कदमों का पता लगाएं और प्रत्येक पर AI को ग्रेड करें: एक इंसान एक चाल में समस्याओं का समाधान नहीं करता है। यह एक बहु-चरणीय प्रक्रिया है। उन चरणों को मैप करें और देखें कि क्या AI रास्ते में उसी चेकपॉइंट को हिट कर रहा है।
इच्छित परिणाम के बेहतरीन उदाहरणों के साथ छोटा शुरू करें, फिर उनके खिलाफ सब कुछ मापें: यदि आप एक ग्राहक सहायता एजेंट बना रहे हैं, तो एक इंसान के साथ बैठें और पता लगाएं कि किसी उपयोगकर्ता की क्वेरी का सबसे अच्छा संभावित उत्तर क्या है। इसे कुछ कार्यों पर कुछ बार दोहराएं। अब आप जानते हैं कि "बेहतरीन" कैसा दिखता है और एजेंटों को उस मानक पर रख सकते हैं।
मूल्यांकन ग्राहक को मूल्य साबित करते हैं। जबकि हर कोई कहता है कि वे अपनी कंपनी में AI चाहते हैं, फिर भी कई ऐसे हैं जो संदेह करते हैं कि यह काम करता है या नहीं। एक अच्छा एजेंट मूल्यांकन वह है जो एक कार्यकारी को यह भरोसा दिलाने के लिए चाहिए कि एजेंट ROI प्रदान करेगा।
डिप्लॉयमेंट: बड़े पैमाने पर डेटा माइग्रेशन से बचें। इसके बजाय, मौजूदा डेटा लेयर (SharePoint या डेटाबेस) पर APIs बनाएं और इसके माध्यम से क्वेरी करने के लिए शीर्ष पर एक ऑर्केस्ट्रेटर के रूप में एक मॉडल रखें। इससे समय और पैसा बचता है, और अधिक महत्वपूर्ण बात, आपको अपने मौजूदा सिस्टम को उखाड़ने के भयानक दुःस्वप्न से बचाता है। हमारे ग्राहकों ने अपने नवीनतम ERP में माइग्रेट करने के लिए लाखों डॉलर और कई साल खर्च किए हैं। वे आखिरी काम जो करना चाहते हैं, वह है इसे फिर से बदलना।
उपरोक्त सभी पूरा हो जाने के बाद, एजेंट का सुरक्षित रूप से परीक्षण करने के लिए एक निष्पादन वातावरण बनाएं। यह सीधे कंपनी के इंफ्रा में एक सैंडबॉक्स है ताकि आप प्रोडक्शन में जाने से पहले एजेंट को चला सकें, परीक्षण कर सकें और डीबग कर सकें।
प्रोडक्शन में जाते समय, धीरे-धीरे शुरू करें। एक छोटा वर्कफ़्लो लें, इसे काम पर लाएं, और फिर अतिरिक्त क्षमताओं को जोड़ें। उदाहरण के लिए, एक ऐसे एजेंट से शुरू करें जो बग पकड़ता है, जांच करता है, और एक टिकट लिखता है जिसमें संक्षेप में बताया गया है कि उसके अनुसार क्या गलत हुआ। यदि वह काम करता है, तभी उसे कोड लिखने और PR धकेलने की क्षमता दें।
स्वायत्तता की सबसे छोटी इकाई से शुरू करें; तभी उसे कार्रवाई करने की क्षमता दें।
इस प्रकार आप एक FDE के रूप में ऑडिट से डिप्लॉयमेंट तक जाते हैं। इन चरणों को सीखना अपने आप में पूरी नौकरी है।
30 दिनों में FDE कैसे बनें?
आमतौर पर तीन पृष्ठभूमि के लोग FDE के रूप में सबसे अधिक सफल पाए जाते हैं: सलाहकार, उत्पाद प्रबंधक और सॉफ्टवेयर इंजीनियर। भले ही आप इनमें से किसी में भी न आते हों, इस खंड के अंत में 30-दिवसीय रोडमैप का पालन करने से भूमिका पाने की आपकी संभावना काफी बढ़ जाएगी। इन्हें आवेदन करने और साक्षात्कार देने के समानांतर करें।
सलाहकार/उत्पाद प्रबंधक
एक सलाहकार या PM के रूप में, आपके पास पहले से ही डेटा को ROI में बदलने की क्षमता होनी चाहिए। यह आधी नौकरी है। लेकिन इस पृष्ठभूमि वाले किसी व्यक्ति के लिए सबसे बड़ी बाधा इंजीनियरिंग अनुभव की कमी है।
एक उच्च-गुणवत्ता वाला पोर्टफोलियो इस कमी को कम कर सकता है। इन साइड प्रोजेक्ट्स में से दो चुनें और पूरी तरह से उनमें डूब जाएं:
- एक प्रोडक्शन-रेडी AI एजेंट जो एक पूरी प्रक्रिया को निष्पादित कर सकता है जो आप अपनी पुरानी नौकरी में मैन्युअल रूप से करते थे। इसे APIs कॉल करने, अपनी सोच को स्वायत्त रूप से लॉग करने और एक विफलता नियंत्रण प्रणाली रखने में सक्षम होना चाहिए।
- एक डेटासेट के शीर्ष पर बनाई गई RAG पाइपलाइन (उस उद्योग के लिए एक कस्टम डेटासेट चुनें जिसमें आप प्रवेश करने की कोशिश कर रहे हैं: कानूनी दस्तावेज, मेडिकल रिकॉर्ड, वित्तीय फाइलिंग आदि)।
- एक मूल्यांकन ढांचा जो आपने स्वयं बनाया है जो विभिन्न व्यावसायिक प्रक्रियाओं (प्रोक्योरमेंट, अकाउंट्स पेबल आदि) के लिए कई आयामों (शुद्धता, प्रारूप, लागत, विलंबता) में एजेंट के आउटपुट को स्कोर करता है।
- एक MCP जहाँ आप LLM को लीगेसी सॉफ्टवेयर से जोड़ सकते हैं जो वर्तमान में AI एकीकरण का समर्थन नहीं करता है।
अपनी समझ को AI को आउटसोर्स न करें। यदि आप इसे कदम दर कदम लेते हैं, तो ये अवधारणाएं काफी समझने योग्य होनी चाहिए। एक कारण है कि इसे 30 दिन कहा गया है, 30 मिनट नहीं।
सॉफ्टवेयर इंजीनियर
FDE होने का सबसे महत्वपूर्ण हिस्सा संचार है। आपको यह अनुवाद करने की आवश्यकता है कि AI क्या कर सकता है और क्या नहीं, एक गैर-तकनीकी VP को इस तरह से समझाएं जो उनके लिए समझ में आए। यदि आप ऐसा नहीं कर सकते, तो आप FDE नहीं हो सकते।
SWEs को कंसल्टिंग/PM अनुभाग में उल्लिखित समान प्रोजेक्ट बनाने चाहिए, लेकिन आपने जो बनाया है उसके हर एक घटक को समझाएं। तकनीकी स्टैक, परिणाम, आपके द्वारा किए गए पुनरावृत्तियां, व्यावसायिक परिणाम। सबसे महत्वपूर्ण बात, आपके पास पहले स्थान पर उन एजेंटों को बनाने का एक कारण होना चाहिए: आप किस दर्द बिंदु को हल कर रहे थे, और यह एक वास्तविक ग्राहक बातचीत में कैसे हो सकता है?
भूमिका की परवाह किए बिना 30-दिवसीय रूपरेखा
अधिक ठोस चीज़ के लिए, इस 30-दिवसीय योजना का पालन करें जो आपको लगभग किसी भी चीज़ के लिए तैयार करेगी:
चेकपॉइंट 1 (7 दिन में):
- एजेंट क्या है और एजेंट लूप कैसे काम करता है: Anthropic का Building Effective Agents पढ़ें, फिर एक स्क्रिप्ट लिखें जो लूप को चलाती है: प्रॉम्प्ट → मॉडल → प्रतिक्रिया → अगला कदम।
- एजेंट को टूल कॉल कैसे कराएं: Anthropic/OpenAI टूल उपयोग ट्यूटोरियल का उपयोग करके दो टूल कॉल (एक API कॉल और एक वेब सर्च) जोड़ें।
- उचित गार्डरेल कैसे बनाएं: उपयोगकर्ता तक कुछ भी पहुंचने से पहले इनपुट वैलिडेशन, अधिकतम-चरण सीमा और आउटपुट फ़िल्टरिंग जोड़ें।
- कॉन्टेक्स्ट विंडो बनाम बाहरी मेमोरी का उपयोग कब करें: डिफ़ॉल्ट रूप से कॉन्टेक्स्ट का उपयोग करें जब तक कि स्थिति को रन से अधिक समय तक बने रहने की आवश्यकता न हो।
- ऑडिट ट्रेल क्या है और इसे कैसे बनाएं: टाइमस्टैम्प के साथ हर प्रॉम्प्ट, टूल कॉल और प्रतिक्रिया को लॉग करें। इससे एजेंट त्रुटियों को खोजने और चिह्नित करने में मदद मिलती है।
चेकपॉइंट 2 (14 दिन में):
- संरचित आउटपुट कैसे लागू करें: हमेशा JSON लौटाएं। OpenAI के डेवलपर पेज को पढ़ें।
- डेमो को प्रोडक्शन में कैसे ले जाएं और आमतौर पर क्या टूटता है: Agents 102 पढ़ें।
- चेकपॉइंट कैसे करें: एजेंट की स्थिति को हर n चरणों में एक फ़ाइल में सहेजें ताकि यह अंतिम चेकपॉइंट से पुनः आरंभ हो सके।
चेकपॉइंट 3 (21 दिन में):
- रीट्री लॉजिक और एक्सपोनेंशियल बैकऑफ़ कैसे काम करता है: हर बाहरी कॉल को रीट्री की आवश्यकता होती है। विफलता पर, 1s, 2s, 4s, 8s प्रतीक्षा करें, 16s पर कैप करें।
- एजेंट तैनात करते समय लागत कैसे अनुकूलित करें: तीन चीजें: सस्ते सबटास्क के लिए सस्ते मॉडल (Opus का उपयोग केवल तर्क के लिए किया जाना चाहिए), सामान्य प्रॉम्प्ट कैश करें, अधिकतम टोकन कैप करें। प्रति क्वेरी लागत ट्रैक करें।
- मूल्यांकन के लिए गोल्डन डेटासेट कैसे बनाएं: 20 वास्तविक प्रश्नों से शुरू करें, स्वयं सही आउटपुट लेबल करें। Anthropic का "Demystifying evals for AI agents" सब कुछ कवर करता है।
- मल्टी-एजेंट पाइपलाइन और समानांतर आर्किटेक्चर कैसे काम करते हैं: जब एक एजेंट इसे संभाल नहीं सकता तो कार्य को विभाजित करें। एक योजना बनाता है, अन्य निष्पादित करते हैं, एक संश्लेषित करता है।
चेकपॉइंट 4 (अंतिम सप्ताह):
उपरोक्त की समीक्षा करें और सब कुछ ज़ोर से बोलें। हर चीज़ को व्यावसायिक मैट्रिक्स से जोड़ें।
TLDR (संक्षेप में)
FDE वर्तमान में तकनीक में सबसे अधिक मांग वाली भूमिका है। हर कंपनी को AI की आवश्यकता है, लेकिन कोई नहीं जानता कि इसे कैसे तैनात किया जाए।
नौकरी के तीन चरण हैं (ऑडिट, मूल्यांकन, डिप्लॉयमेंट)। आपका काम प्रत्येक चरण और उसके उद्देश्य को समझना है।
आपका पोर्टफोलियो और इसके बारे में बोलने की आपकी क्षमता निर्णायक कारक हैं। एजेंट, RAG पाइपलाइन, मूल्यांकन ढांचे, MCP आदि बनाएं, और सबसे महत्वपूर्ण बात, आप जो कुछ भी बना रहे हैं उसके पीछे व्यावसायिक उपयोग के मामले को आत्मविश्वास से व्यक्त करने में सक्षम हों।
FDE भूमिका के लिए संचार क्षमता की कमी एक सौदा तोड़ने वाली बात है। यदि आप एक गैर-तकनीकी निर्णय निर्माता को यह नहीं समझा सकते कि AI क्या कर सकता है और क्या नहीं, तो कोई तैनाती नहीं होगी।
जानें कि AI कब उत्तर नहीं है; इससे ग्राहक के साथ विश्वास बनता है और अधिक महत्वपूर्ण बात, प्रोडक्शन में एजेंटों के लिए ROI बनता है।
इन चरणों का पालन करें और आपके अंदर आने की संभावना काफी अधिक होगी।
यदि आप SF में सबसे तेज़ी से बढ़ती एप्लाइड AI कंपनी में छलांग लगाना चाहते हैं, तो Varick काम पर रख रहा है। हम Citadel Securities के पूर्व COO के नेतृत्व में सिलिकॉन वैली में सबसे विशिष्ट FDE टीम का निर्माण कर रहे हैं। सीधे https://www.varickagents.com/careers पर आवेदन करें।
