OpenAIમાં ફોરવર્ડ ડિપ્લોયડ એન્જિનિયરનો અર્થ

Codex આવ્યું ત્યારે ટીમના એક સભ્યે મને પૂછ્યું, “જે ઉપયોગો માટે ઉકેલ બનાવવામાં આપણે છેલ્લા થોડા મહિનાઓ ગાળ્યા, તે Codex એક જ પ્રયાસમાં કરી શકે ત્યારે આપણે શું કરીશું?”

આ પ્રશ્ન OpenAIમાં ફોરવર્ડ ડિપ્લોયડ એન્જિનિયર હોવાનો મૂળ અર્થ સ્પષ્ટ કરે છે. અમે ગ્રાહકો સાથે મળીને તેમની સૌથી અઘરી સમસ્યાઓ સમજીએ છીએ અને તેઓ ભરોસો રાખી શકે એવા ઉકેલો બનાવીએ છીએ. અમે જે શીખીએ છીએ તે અમારી પ્રોડક્ટ્સને આકાર આપવામાં મદદ કરે છે અને સંશોધન ટીમને ઉકેલવા માટે ચોક્કસ સમસ્યાઓ આપે છે.

એ જ પ્રગતિ છે. જો અમે દર બે-એક મહિને પોતાની જરૂરિયાત દૂર કરી શકીએ, તો અમારી ફોરવર્ડ ડિપ્લોયડ એન્જિનિયરોની ટીમ પોતાનું કામ બરાબર કરી રહી છે.

મેં 2025ની શરૂઆતમાં આ ટીમ બનાવી હતી, જેથી અમે જેને “અમલીકરણનું અંતર” કહીએ છીએ તે ઘટાડી શકાય: મોડલ જે કરવા સક્ષમ દેખાય છે અને લોકો પોતાનું કામ કરવા માટે જેનો વિશ્વસનીય રીતે ઉપયોગ કરી શકે છે, તે વચ્ચેનું અંતર.

મોડલની ક્ષમતાઓ, તેમને ઉપયોગમાં લેવા માટે જરૂરી પ્રણાલીઓ અને પ્રક્રિયાઓ કરતાં વધુ ઝડપથી આગળ વધી છે. ક્યારેક ખૂટતી કડી કોઈ પ્રોડક્ટ હોય છે. ક્યારેક મોડલ માપદંડ પરીક્ષણમાં સારું પ્રદર્શન કરે છે, પણ વાસ્તવિક જીવનનાં બદલાતાં પરિબળો અને મર્યાદાઓ વચ્ચે કામ કરી શકતું નથી.

અમે ગ્રાહકોની સૌથી અઘરી સમસ્યાઓ પર ધ્યાન કેન્દ્રિત કરીએ છીએ. જ્યાં અમારા મોડલ આજે કામ કરી શકે છે, ત્યાં અમે પ્રોડક્ટ ટીમ અને ગ્રાહક સાથે મળીને ઉકેલને વારંવાર ઉપયોગમાં લઈ શકાય એવો બનાવીએ છીએ. જ્યાં મોડલ ઊણાં ઊતરે છે, ત્યાં અમે ગ્રાહકો અને સંશોધન ટીમ સાથે મળીને ઊણપ સ્પષ્ટ કરીએ છીએ અને સુધારા લાવીએ છીએ. અમારું લક્ષ્ય એ છે કે દરેક સહયોગ પછીના ગ્રાહકને વધુ સારી શરૂઆત આપે. જો અમે મૂળભૂત ક્ષમતા એટલી વધારી શકીએ કે આગલી વખતે આવી સમસ્યા ઉકેલવા ગ્રાહકોને ફોરવર્ડ ડિપ્લોયડ એન્જિનિયરોની જરૂર ન પડે, તો અમે અમારું કામ સારી રીતે કર્યું છે.

પરંતુ ઘણી વાર સમસ્યાઓ સ્પષ્ટ રીતે વ્યાખ્યાયિત હોતી નથી, સાચું શું છે તેનો સ્થાપિત આધાર ન પણ હોય અને કોઈ તૈયાર માર્ગદર્શિકા પણ હોતી નથી. દરેક વ્યક્તિ એવું કંઈક બનાવવા માગે છે જે પહેલાં ક્યારેય બન્યું ન હોય. પરંતુ ત્યાં પહોંચવા માટે જે કરવું પડે તે કરવા ઓછા લોકો તૈયાર હોય છે.

પ્રતિભાશાળી ફોરવર્ડ ડિપ્લોયડ એન્જિનિયરો શોધવાની સાથે “પૂરતું સારું” ગણાય તેનું ધોરણ ઊંચું લાવવા સતત પ્રયોગો અને વ્યવહારુ અમલ કરવો પડ્યો છે.

ફોરવર્ડ ડિપ્લોયડ એન્જિનિયરોની ટીમના દરેક સત્રની શરૂઆતમાં હું એક મૂળભૂત મૂલ્ય દર્શાવતી સ્લાઇડ રજૂ કરું છું: “ઇચ્છિત પરિણામથી શરૂઆત કરો, સફળ થવા માટે જે જરૂરી હોય તે કરો અને પછી તેનો વ્યાપ વધારો”.

પ્રભાવશાળી પ્રદર્શન જોઈને લોકો બહુ આગળ વધી શકે છે, એ વાસ્તવિક દુનિયામાં કામ કરે છે કે નહીં એવો પ્રશ્ન કોઈ પૂછે તે પહેલાં જ.

અમારું કામ ગ્રાહકની સમસ્યાનો એવો ઉકેલ આપવાનું છે, જેની ગુણવત્તાની જવાબદારી અમે વાસ્તવિક ઉપયોગમાં પણ લઈ શકીએ.

અમારા ફોરવર્ડ ડિપ્લોયડ એન્જિનિયરોને પહેલા જ દિવસે ઉદ્યોગની જાણકારી હોવી જરૂરી નથી, પરંતુ તે શીખવાની જવાબદારી તેમની છે.

કોડિંગ સહાયકોને કારણે સૉફ્ટવેર વધુ ઝડપથી બનાવી શકાય છે, તેથી ગ્રાહકના વ્યવસાયને સમજવો વધુ મહત્ત્વનો બને છે. અમે વ્યાપક જાણકારી ધરાવતા લોકો અને વિષયનિષ્ણાતોને સાથે રાખીને ટીમો બનાવીએ છીએ.

તમારી પાસે યોગ્ય નિર્ણયો લેવા પૂરતી જાણકારી અને હાલની સ્થિતિ વિશેની ધારણાઓને પ્રશ્ન કરવા પૂરતી જિજ્ઞાસા હોવી જોઈએ.

ઉદાહરણ તરીકે, જીવનવિજ્ઞાનમાં અમારા ફોરવર્ડ ડિપ્લોયડ એન્જિનિયરોની વૈજ્ઞાનિક પૃષ્ઠભૂમિ તેમને નવી દવાઓની શોધના પૂર્વ-નૈદાનિક તબક્કે કામ કરતા સંશોધકોનો વિશ્વાસ જીતવામાં મદદ કરે છે. આ કામમાં દવાનાં જૈવિક લક્ષ્યોની માન્યતા ચકાસવી અને અગ્રતા નક્કી કરવી, જનીન-અભિવ્યક્તિનું વિશ્લેષણ અને રાસાયણિક સંશ્લેષણના માર્ગનું પુનર્નિર્માણ જેવી બાબતો સામેલ છે. આ કુશળતાથી તેઓ આ કાર્યપ્રક્રિયાઓ કેવી રીતે સુધરી શકે તે અંગે જાણકારી આધારિત અભિપ્રાય આપી શકે છે.

અમે બતાવી દીધું હતું કે આ કાર્યપ્રક્રિયાઓ લાભ આપી શકે છે, પરંતુ દરેકને બીજી ટીમ સુધી વિસ્તારવા માટે હજી પણ તેમની જરૂરિયાત મુજબ ઘણું એકીકરણ કરવું પડતું હતું. હવેનો પડકાર એ હતો કે આ પરિણામો જાળવી રાખીને સૉફ્ટવેરનો અમલ અને જાળવણી સરળ બનાવવાં.

ત્યાં સુધીમાં Codexની ક્ષમતા વધી ગઈ હતી. એક ફોરવર્ડ ડિપ્લોયડ એન્જિનિયરે તેના આધારે પોતાની ઍપ્લિકેશન ફરી બનાવવાનો પ્રયોગ કર્યો. પછી ટીમ સાથે મળીને જુદા જુદા ઉપયોગોને એવી સહિયારી કાર્યપ્રણાલી પર ખસેડ્યા જેના કેન્દ્રમાં Codex હતું.

જરૂરિયાત મુજબ બનાવેલી ઍપ્લિકેશનો, Codexના સહિયારા મૂળભૂત ઘટકો પર બનેલાં પ્લગઇન અને કૌશલ્યોમાં ફેરવાઈ. Codex જ વપરાશકર્તા સાથેની ક્રિયાપ્રતિક્રિયાનું માધ્યમ પણ બન્યું, જેથી અમે અલગ અલગ ઉપયોગો માટે લખેલા ટર્મિનલ વપરાશકર્તા ઇન્ટરફેસ અને કમાન્ડ-લાઇન ઇન્ટરફેસ બંધ કરી શક્યા.

અમે દરેક પ્રોજેક્ટમાંથી ખાસ લખાયેલો લગભગ 90% કોડ દૂર કરી શક્યા. તેનાથી આ કાર્યપ્રક્રિયાઓ બનાવવાની, જાળવવાની અને વિસ્તારવાની અમારી રીત બદલાઈ ગઈ:

• અમે Codexમાં કેન્દ્રીય સ્તરે થતા સુધારાનો લાભ લઈ શક્યા, જેથી દરેક ઉપયોગ માટે જુદા ઘટકોને જોડવા જરૂરી કોડનું પ્રમાણ ઘટ્યું

• મુખ્ય સુવિધાઓને કૌશલ્યો અને પ્લગઇન તરીકે એકત્ર કરવામાં આવી, જેથી તેમને એકબીજા સાથે વહેંચવાનું અને એઆઈ ઉત્કૃષ્ટતા કેન્દ્ર દ્વારા કેન્દ્રીય રીતે નિયંત્રિત કરવાનું સરળ બન્યું. એટલે એક ટીમમાંથી બીજી ટીમ સુધી ઉકેલ વિસ્તારવા માટે માત્ર નવા કનેક્ટર અથવા એમસીપી સર્વર મૂકવા, નવાં મૂલ્યાંકનો બનાવવા (જેના માટે પણ અમારી પાસે એક કૌશલ્ય હતું) અને કામ શરૂ કરવું એટલું જ પૂરતું થઈ શકતું હતું.

• ઑગસ્ટ 2026ના એક ઉદાહરણમાં પ્રારંભિક અમલમાં બે મહિના લાગ્યા હતા. બીજી ટીમ સુધી એ ઉકેલ વિસ્તારવામાં એક દિવસ લાગ્યો. અમે વ્યાપ વધાર્યો તેમ પછીની ટીમો વધુ ઝડપથી કામ શરૂ કરી શકી. આ ક્રમ ચાલુ રહ્યો છે: ઑગસ્ટ 2026ના એક ઉપયોગમાં પ્રારંભિક અમલને 2 મહિના લાગ્યા પછી બીજી ટીમને માત્ર 1 દિવસ લાગ્યો.

આ રીતે અમે પોતાની જરૂરિયાત જ દૂર કરી શકીએ છીએ. વાસ્તવિક ઉપયોગ સુધી પહોંચવા માટે અમે કરેલા કામથી શું મહત્ત્વનું છે તે સ્પષ્ટ થયું હતું. પાયાની પ્રોડક્ટમાં સુધારો થતો ગયો તેમ, અમે પોતે ખાસ બનાવેલી પ્રણાલીના મોટા ભાગને બદલી શક્યા અને તેનાથી મળતા લાભો પણ જાળવી શક્યા.

એટલે જ ક્રમ મહત્ત્વનો છે. LLMથી અમે ઝડપથી નિર્માણ કરી શકીએ છીએ. આ ઝડપનો ઉપયોગ કરીને વપરાશકર્તાઓને કંઈક ઉપયોગી આપો, વ્યવહારમાં શું ટકી રહે છે તે શીખો અને પછી જે કામ કરે તેનો વ્યાપ વધારો.

આ જ સિદ્ધાંત ગ્રાહકો સાથેના દરેક સહયોગને લાગુ પડે છે.

ક્યારેક વધુ સારી પ્રોડક્ટથી અમે બનાવેલી પ્રણાલી સરળ કરી શકીએ છીએ, પરંતુ ક્યારેક મોડલ પોતે જ હજી તે કામ કરવા સક્ષમ હોતું નથી.

જો અમે માત્ર આજના મોડલથી શક્ય હોય એટલું જ બનાવીએ, તો સંશોધન ટીમે હવે દૂર કરવાની જરૂર હોય એવી બુદ્ધિક્ષમતાની ઊણપો શોધી શકીશું નહીં. એટલે અમારા ઘણા મહત્ત્વના સહયોગો આ મર્યાદાઓથી જ શરૂ થાય છે, જેમાં ગ્રાહક, ફોરવર્ડ ડિપ્લોયડ એન્જિનિયર અને સંશોધન ટીમ સાથે મળીને તેમને પાર કરવા પ્રતિબદ્ધ હોય છે.

દરેક ભાગ મહત્ત્વનો હતો. મોડલ હજી જે સમસ્યા ઉકેલી શકતું નહોતું તેના પર કામ કરવા ગ્રાહકે પ્રતિબદ્ધતા દર્શાવી. ફોરવર્ડ ડિપ્લોયડ એન્જિનિયરે ગ્રાહક સાથે નજીકથી કામ કરીને સમસ્યાને સ્પષ્ટ રીતે વ્યાખ્યાયિત કરી, પ્લેટફોર્મ બનાવ્યું અને શરૂઆતથી અંત સુધી સહયોગને આગળ ધપાવ્યો. સંશોધન ટીમે મૂળ મોડલની ક્ષમતાઓમાં સુધારો કર્યો.

પોતાની જરૂરિયાત દૂર કરવાની આ બીજી રીત છે: આજનાં મોડલ જે સમસ્યા ઉકેલી શકતાં નથી તેને ભવિષ્યનાં મોડલની ક્ષમતામાં ફેરવવામાં મદદ કરવી. અમારા કામનો લાભ કોઈ એક ગ્રાહક સાથે ગાળેલા કલાકો પૂરતો સીમિત નથી.

લોકોના રોજિંદા કામમાં એઆઈને ઉપયોગી બનાવવામાં મદદ કરવા હું OpenAIમાં જોડાયો હતો. આજે પણ એ જ હેતુ ટીમને દિશા આપે છે. હું ઘણી વાર ટીમને કહું છું કે LLMના વિકાસમાં મોટા ભાગના કિસ્સાઓમાં ઓકમનો સિદ્ધાંત લાગુ પડે છે—સૌથી સરળ ઉકેલ જ શ્રેષ્ઠ હોય છે. અત્યાધુનિક સંશોધનથી ઓળખાતી કંપનીમાં અને અતિશયોક્તિથી ખરડાયેલા ઉદ્યોગમાં, અમે એવું બનાવવા માગીએ છીએ જે વિશ્વસનીય રીતે કામ કરે અને જેના પર વ્યવહારમાં કામ કરતા લોકો ભરોસો રાખી શકે.

લક્ષ્ય એ છે કે દરેક સહયોગ પછીનું કામ વધુ સારું બનાવે: અમલમાં મૂકવી વધુ સરળ હોય એવી પ્રોડક્ટ, વધુ અઘરું કામ કરી શકે એવું મોડલ અથવા પછીના ગ્રાહક માટે ઓછું ખાસ કામ કરવાની જરૂર.

જો તમારી પાસે કોઈ અઘરી સમસ્યા હોય જે તમે ઉકેલવા માગતા હો, તો અમને તમારી સાથે કામ કરવાનું ગમશે. જો તમે આવી સમસ્યાઓ ઉકેલવામાં મદદ કરવા માગતા હો, તો અમારી સાથે જોડાવા તમારું સ્વાગત છે.

તો પછી, જે કામ માટેની પ્રણાલી બનાવવામાં અમે મહિનાઓ ગાળ્યા, તે કામ Codex કરી શકે ત્યારે અમે શું કરીએ?

વધુ અઘરી સમસ્યા શોધવા નીકળીએ.