AWS এবং Anthropic Amazon Web Services-এ একটি self-hosted Claude Apps Gateway চালু করেছে, অন্যদিকে Google Cloud একটি VS Code Workbench extension যুক্ত করেছে যা এডিটরটিকে সরাসরি এর Jupyter notebooks-এর সাথে যুক্ত করে। Stripe-এর একটি পৃথক বেঞ্চমার্ক দেখায় যে, এই অগ্রগতি সত্ত্বেও, AI agents তাদের তৈরি করা কোড যাচাই করার ক্ষেত্রে এখনও হোঁচট খাচ্ছে।

কেন নতুন কন্ট্রোলগুলো গুরুত্বপূর্ণ

যেসব এন্টারপ্রাইজ Claude-এর মতো large language models (LLMs)-কে তাদের অভ্যন্তরীণ টুলে যুক্ত করা শুরু করেছে, তারা এখন একটি পরিচিত সমস্যার সম্মুখীন হচ্ছে: ব্যবহারের পরিধি বাড়ানোর পাশাপাশি অ্যাক্সেস, খরচ এবং ডেটা নিরাপদ রাখা। Claude Apps Gateway কন্ট্রোল প্লেনটিকে গ্রাহকের AWS অ্যাকাউন্টের ভেতরে স্থাপন করে, যা IT টিমগুলোকে আইডেন্টিটি, অডিট লগ এবং খরচ ব্যবস্থাপনার জন্য একটি একক কেন্দ্র প্রদান করে। ডেভেলপাররা এখন কোনো এক্সটার্নাল সার্ভিসে ডেটা প্রকাশ না করেই Claude-চালিত Code বা Desktop সেশন চালু করতে পারেন।

Google-এর VS Code Workbench একটি ভিন্ন বাধার জায়গা নিয়ে কাজ করে। ডেটা সায়েন্টিস্ট এবং ইঞ্জিনিয়াররা প্রায়শই একটি লোকাল IDE এবং ক্লাউড নোটবুকের মধ্যে কোড কপি-পেস্ট করার জন্য যাতায়াত করেন। নতুন এই extension-টি একজন ডেভেলপারকে Google Cloud-এ একটি নোটবুকের kernel ওপেন করতে, লোকালি ফাইল এডিট করতে এবং রিয়েল-টাইমে পরিবর্তনগুলো সিঙ্ক হতে দেখতে সাহায্য করে। পরিচিত VS Code UI থেকেই রিমোট এক্সিকিউশন এবং ডিবাগিং করা সম্ভব হয়, যা "tool-hopping"-এর ধাপটি দূর করে এবং পরীক্ষা-নিরীক্ষার গতি বাড়িয়ে দেয়।

বেঞ্চমার্ক যা আলোচনাকে বাস্তবসম্মত রাখে

Stripe-এর সাম্প্রতিক AI Agent Benchmark পরীক্ষা করে দেখেছে যে বর্তমান এজেন্টরা সফটওয়্যার ইন্টিগ্রেশন কতটা ভালোভাবে সামলাতে পারে। এজেন্টরা ইন্টিগ্রেশন কোড ভালোভাবে লিখতে পারলেও ভ্যালিডেশনের ক্ষেত্রে হোঁচট খাচ্ছে, প্রায়শই edge cases এবং এরর চেকগুলো মিস করছে। ফলাফল ছিল স্পষ্ট: এজেন্টরা জেনারেশন ফেজে শক্তিশালী পারফরম্যান্স দেখিয়েছে কিন্তু ভ্যালিডেশনের সময় ব্যর্থ হয়েছে।

কারা লাভবান হচ্ছে, কারা ক্ষতিগ্রস্ত হচ্ছে

  • এন্টারপ্রাইজগুলো Claude ডিপ্লয়মেন্টের ওপর আরও কঠোর নিয়ন্ত্রণ পাচ্ছে, যা ঝুঁকির সম্ভাবনা কমায়।
  • Google Cloud-এর ডেভেলপাররা বিভিন্ন টুলের মধ্যে সুইচ না করেই কাজ করতে পারেন, একটি একক এডিটর থেকেই ক্লাউড মেশিনে ভারী কম্পিউটেশন চালাতে পারেন।

অন্যদিকে, যেসব সংস্থা অভ্যন্তরীণ নীতিমালা আপডেট না করেই এই টুলগুলো গ্রহণ করছে, তারা Stripe-এর বেঞ্চমার্কের মতো ভ্যালিডেশনে ঘাটতির সম্মুখীন হতে পারে। এই টুলগুলো অ্যাক্সেস সহজ করে কিন্তু মানুষের তদারকির প্রয়োজনীয়তা দূর করে না।

পরবর্তীতে কী লক্ষ্য রাখা উচিত

AI নিয়ে পরীক্ষা-নিরীক্ষা করা দলগুলোর জন্য তাৎক্ষণিক শিক্ষাটি সহজ: নিরাপত্তা জোরদার করতে এবং ওয়ার্কফ্লো সহজ করতে নতুন কন্ট্রোলগুলো ব্যবহার করুন, তবে যাচাইকরণের জন্য মানুষের উপস্থিতি নিশ্চিত করুন। এজেন্টরা যতক্ষণ না নির্ভরযোগ্যভাবে নিজেদের ভুল ধরতে পারছে, ততক্ষণ রিভিউয়ার হিসেবে ডেভেলপারের ভূমিকা অপরিহার্য থাকবে।