शॉप फ्लोर पर सीखना

कई साल पहले मैंने जर्मनी में अपनी शिक्षुता के बारे में लिखा था। मैंने 16 साल की उम्र में स्कूल छोड़ दिया और एक Siemens सहायक कंपनी में काम करने चला गया, जहाँ सबसे दिलचस्प लोग बेसमेंट में बैठते थे और कंपनी द्वारा अनिवार्य Rosie SQL के बजाय Delphi का उपयोग करते थे (दोनों ही समय और प्रगति में लगभग खो चुके हैं)। मैंने उन्हें देखकर प्रोग्रामर बनना सीखा। उनके लिए कॉफी बनाकर। उनके आसपास इतना समय बिताकर कि उनका निर्णय मेरे अंदर समा गया।

पिछले एक साल में मैं उस अनुभव के बारे में बहुत सोच रहा हूँ, क्योंकि हमने Shopify पर कुछ ऐसा बनाया है जो उसी सिद्धांत पर काम करता है।

उसका नाम River है। River एक AI एजेंट है जो हमारी कंपनी के Slack में रहता है। आप उससे उसी तरह बात करते हैं जैसे आप किसी टीम के साथी से करते हैं: एक Slack चैनल में River का उल्लेख करके। वह कोड पढ़ सकता है, टेस्ट चला सकता है, कोड लिख सकता है, पुल रिक्वेस्ट खोल सकता है, हमारे डेटा वेयरहाउस से क्वेरी कर सकता है, प्रोडक्शन ट्रेसेस देख सकता है, और भी बहुत कुछ। हम इसका लगातार उपयोग करते हैं।

पिछले 30 दिनों में, 5,938 Shopify कर्मचारियों ने 4,450 विभिन्न Slack चैनलों में River के साथ काम किया। इसने पिछले सप्ताह अकेले हमारे मुख्य मोनोरेपो में 1,870 पुल रिक्वेस्ट खोली। पिछले सप्ताह हमारे कोडबेस में मर्ज की गई लगभग आठ में से एक पुल रिक्वेस्ट River द्वारा लिखी गई थी, जिसकी हमने समीक्षा की।

इस समय दुनिया में बहुत सारे कोडिंग एजेंट हैं। River को खास बनाने वाली बात एक बाध्यता है: वह केवल खुले में काम करता है।

एक बाध्यता जो एक विशेषता बन गई

जब हमने River बनाना शुरू किया, तो सबसे स्पष्ट काम यह था कि लोगों को इसे निजी तौर पर उपयोग करने दिया जाए। इसी तरह कई अन्य AI सहायक काम करते हैं। ChatGPT एक निजी विंडो है। Claude एक निजी विंडो है। Cursor आपके और IDE के बीच है।

हमने इसके विपरीत निर्णय लिया। River हमारी कंपनी के चैट, Slack में रहता है। River डायरेक्ट मैसेज का जवाब नहीं देता। वह विनम्रता से मना करता है और आपके और उसके लिए काम शुरू करने के लिए एक सार्वजनिक चैनल बनाने का सुझाव देता है। मैं खुद #tobi_river चैनल में River के साथ काम करता हूँ और कई लोगों ने इस पैटर्न का अनुसरण किया। इसलिए हर बातचीत खोजने योग्य है। Shopify में कोई भी इसमें कूद सकता है। मेरे अपने चैनल में, 100 से अधिक लोग हैं जो थ्रेड्स पर प्रतिक्रिया देते हैं, रंग और संदर्भ जोड़ते हैं, मशाल उठाते हैं, समीक्षाओं में मदद करते हैं, मुझे याद दिलाते हैं कि मैं कितना जंग खा चुका हूँ, और महत्वपूर्ण रूप से, देखकर सीखते हैं।

यह पहली बार में अजीब था। लोग अपने टूल्स के साथ निजी कार्यक्षेत्रों के आदी हैं। जब पूरी कंपनी प्रश्न देख सकती है तो मदद माँगना अलग लगता है। लेकिन कुछ ऐसा हुआ जिसकी हमें उम्मीद थी लेकिन इसके प्रभाव का पूरी तरह से अनुमान नहीं था:

लोग एक-दूसरे से सीखने लगे।

#help_checkout में एक सपोर्ट इंजीनियर दूसरे चैनल में एक बैकएंड इंजीनियर को River से सही लॉग क्वेरी खोजने के लिए कहते हुए देखता, और अगले दिन वह भी वही करती। एक नया कर्मचारी अपनी पहली रिक्वेस्ट भेजने से पहले #river में पीछे स्क्रॉल करके देखता कि वरिष्ठ लोग किस तरह से एक अनुरोध को सीमित करते हैं।

जैसा कि अक्सर जर्मन भाषा में होता है, इस तरह के माहौल के लिए एक शब्द है: Lehrwerkstatt. शाब्दिक अर्थ: एक शिक्षण कार्यशाला। पूरी कार्यशाला ही कक्षा है। आप काम के करीब रहकर सीखते हैं। लगातार सीखने वाला होना फर्म के मूल मूल्यों में से एक है।

Shopify बड़े पैमाने पर एक Lehrwerkstatt बनना चाहता है और River ने अब हमें इस आदर्श के पहले से कहीं अधिक करीब ला दिया है। यह अवशोषण सीखना है, क्योंकि इसके लिए किसी पाठ्यक्रम, प्रशिक्षण योजना या प्रबंधक की आवश्यकता नहीं है। इसके लिए बस इतना चाहिए कि सभी का काम अधिकतम संभव सीमा तक दृश्यमान हो। हर कोई एक-दूसरे से सीखता है।

मैं इस- कुछ हद तक आकस्मिक- खोज से वास्तव में उत्साहित हूँ और सोचा कि इसे साझा करूँ।

AI के साथ यह अधिक क्यों मायने रखता है, कम नहीं

AI के बारे में एक आम चिंता यह है कि यह लोगों को सोचना बंद कर देगा। एक जूनियर डेवलपर डीबग करना क्यों सीखेगा अगर एजेंट उसके लिए कर देता है? वे कोडबेस क्यों पढ़ेंगे अगर वे बस पूछ सकते हैं?

मुझे लगता है कि चिंता वास्तविक है लेकिन ढाँचा गलत है। जोखिम यह नहीं है कि AI काम करता है। जोखिम यह है कि AI काम करता है और हम उससे कभी नहीं सीखते। अगर एजेंट के साथ हर बातचीत एक निजी विंडो में होती है, तो केवल एक व्यक्ति जो कुछ सीखता है वह कीबोर्ड पर बैठा व्यक्ति है। बाकी सभी शिक्षुता से बाहर रह जाते हैं।

जब लोग अपने एजेंटों के साथ सार्वजनिक रूप से काम करते हैं, तो इसके विपरीत होता है। सबसे अच्छे प्रॉम्प्ट पैटर्न फैलते हैं, ज्ञान फैलता है। एक डेवलपर ने Slack अनुमतियों के बग की जाँच करने का जो चतुर तरीका इस्तेमाल किया, वह हर किसी के लिए जाँच करने का टेम्पलेट बन जाता है। किसी ने River को कंपनी के चेकआउट डेटा वेयरहाउस के बारे में सिखाने के लिए जो कौशल लिखा, वह बारह अन्य टीमों द्वारा पुनः उपयोग किया जाता है। River खुद सीखता है: हर चैनल उन ज़ोन, कौशल और निर्देशों को प्रीलोड कर सकता है जिनकी उसकी टीम को ज़रूरत है, जो काम के सबसे करीबी लोगों द्वारा लिखे गए हैं। River के पास एक मेमोरी भी है जो कंपनी के बारे में और काम करने के सबसे अच्छे तरीके के बारे में लगातार महत्वपूर्ण जानकारी सीखती और भूलती रहती है।

एजेंट प्रशिक्षु को नहीं बदलता, न ही यह मेंटर को बदलता है। एजेंट पूरी कंपनी को एक प्रशिक्षु बना देता है क्योंकि हर कोई लगातार सबसे अनुभवी लोगों को इसके साथ काम करते हुए देख रहा है।

यही कारण है कि मर्ज दर लगातार बढ़ रही है। हमने कोई मॉडल दोबारा प्रशिक्षित नहीं किया। हमने मॉडल नहीं बदला। दो महीनों में 36% से 77% तक का सुधार लोगों द्वारा River को काम करते देखने, यह नोटिस करने कि वह कहाँ अटक गया, और यह लिखने से आया कि उसे क्या पता होना चाहिए था और River को खुद एक बेहतर टीम साथी बनाने में मदद करने से। हर टीम का संचित स्वाद एजेंट में प्रवाहित होता है। एजेंट Shopify होने में बेहतर होता जाता है।

कंपनी अपने सबसे धीमे रहस्य की गति से चलती है

जब मैं सोचता हूँ कि यह क्यों मायने रखता है, तो यह उस चीज़ पर वापस आता है जिस पर मैंने लंबे समय से विश्वास किया है: किसी संगठन की गति उसके सबसे कम बैंडविड्थ वाले संचार चैनल और लय की गति से निर्धारित होती है। मीटिंग्स धीमी होती हैं। ईमेल धीमा होता है। निजी DM धीमे होते हैं। शायद उनमें शामिल व्यक्तियों के लिए नहीं, लेकिन संगठन के लिए। उनसे आने वाली जानकारी और निर्णय बिना भारी अतिरिक्त संचार प्रयास के कभी भी पूरी तरह से संगठन के बाकी हिस्सों में नहीं फैलते।

मनुष्यों के बीच या एक सक्षम एजेंट के साथ एक सार्वजनिक बातचीत उनमें से कोई नहीं है। यह तेज़ है, यह खोजने योग्य है, यह सिखाने योग्य है, और यह संचयी है। अगले व्यक्ति को वही प्रश्न पूछने की ज़रूरत नहीं है।

मुझे नहीं लगता कि काम का भविष्य मनुष्यों का एजेंटों द्वारा प्रतिस्थापित होना है। मैंने 2018 में द फ्यूचर रोल ऑफ ह्यूमन एक्सीलेंस नामक एक लेख लिखा था, जिसमें बताया गया था कि कंप्यूटर के खेलना सीखने के बाद शतरंज कम नहीं, बल्कि अधिक लोकप्रिय हुआ। यही सबक यहाँ भी लागू होता है। सही मॉडल मानव या मशीन नहीं है। यह प्रशिक्षु और गुरु है, दोनों एक-दूसरे को सीखते हुए देख रहे हैं, दोनों कार्यशाला में बेहतर हो रहे हैं।

River यही है। यह हमारी Lehrwerkstatt है।