നിങ്ങളുടെ ഏജന്റുകൾക്ക് പ്രോംപ്റ്റുകൾ നൽകുന്നത് നിർത്തുക. അവരെ നയിക്കാൻ തുടങ്ങുക.

നിങ്ങൾക്ക് AI രംഗത്ത് വിജയിക്കണമെന്നുണ്ടെങ്കിൽ, ഡോക്യുമെന്റേഷൻ വായിക്കുന്നത് നിർത്തി മറൈൻ കോർപ്സിനെക്കുറിച്ച് പഠിച്ചു തുടങ്ങുക.

AI ഏജന്റുകളെ നിർമ്മിക്കുന്നതിലെ ഏറ്റവും വലിയ വെല്ലുവിളി ഇതിനകം പരിഹരിക്കപ്പെട്ടതാണ്. അത് ശരിയാക്കാൻ വേണ്ടി എല്ലാം പണയപ്പെടുത്തിയ ആളുകളാണ് അത് പരിഹരിച്ചത്. നമ്മൾ തെറ്റായ ഇടത്താണ് തിരഞ്ഞത്.

ഞാൻ കമ്പനികൾക്കായി AI ഏജന്റുകളെ നിർമ്മിക്കുന്നു. എല്ലാ ദിവസവും ഞാൻ ഒരേ പാറ്റേൺ തന്നെ കാണുന്നു. കഴിവുള്ള മോഡലുകൾ പ്രൊഡക്ഷനിൽ പരാജയപ്പെടുന്നു. അവർക്ക് ബുദ്ധിശക്തി കുറവായതുകൊണ്ടല്ല ഇത് സംഭവിക്കുന്നത്. മറിച്ച്, അവർക്ക് ആരും ഒരു ദൗത്യം (mission) നൽകിയിട്ടില്ലാത്തതുകൊണ്ടാണ്.

നമ്മൾ ഏജന്റുകൾക്ക് ജോലികൾ (tasks) നൽകുന്നു. എന്നാൽ അവർക്ക് ഒരു ഉദ്ദേശ്യം (intent) നൽകാൻ നമ്മൾ മറന്നുപോകുന്നു.

ഒരു ഏജന്റ് പരാജയപ്പെടുമ്പോൾ, നമ്മൾ ഉടൻ തന്നെ അത് എഞ്ചിനീയറിംഗ് വഴി പരിഹരിക്കാൻ ശ്രമിക്കുന്നു. നമ്മൾ പ്രോംപ്റ്റ് വീണ്ടും എഴുതുന്നു. മോഡൽ മാറ്റുന്നു. ഗാർഡ്‌റെയിൽ (guardrail) ചേർക്കുന്നു. അത് സഹായിക്കുമെങ്കിലും യഥാർത്ഥ പ്രശ്നം പരിഹരിക്കില്ല.

യഥാർത്ഥ പ്രശ്നം ഏജന്റുകളുടെ ഒരു സംഘം (organization) കെട്ടിപ്പടുക്കുക എന്നതാണ്. ഓരോ ഏജന്റിനും ഒരു പങ്കും, നിങ്ങളോട് ചോദിക്കാതെ തന്നെ തീരുമാനമെടുക്കാനുള്ള അധികാരവും ആവശ്യമാണ്. ഇതൊരു സാങ്കേതിക പ്രശ്നമല്ല, മറിച്ച് ഒരു സംഘാടനപരമായ (organizational) പ്രശ്നമാണ്.

സൈനിക വ്യവസ്ഥയിൽ, പ്രശ്നത്തോട് ഏറ്റവും അടുത്ത് നിൽക്കുന്ന വ്യക്തിക്കാണ് അധികാരം നൽകുന്നത്. ഇത് തീരുമാനങ്ങളുടെ ഗുണനിലവാരം വർദ്ധിപ്പിക്കുന്നു. തീരുമാനങ്ങൾ താഴെത്തട്ടിലേക്ക് എത്തിക്കുന്നത് സമയം ലാഭിക്കാനുള്ള മാർഗ്ഗമല്ല; മറിച്ച് മികച്ച ഉത്തരങ്ങൾ നൽകാനുള്ള മാർഗ്ഗമാണ്.

ലോഹ വ്യവസായത്തിലെ ഒരു ക്ലയന്റിന്റെ കാര്യത്തിൽ ഞാൻ ഇത് കണ്ടു. അവരുടെ നേതൃത്വം നിർദ്ദേശങ്ങൾക്ക് പകരം ഉദ്ദേശ്യങ്ങൾ (intent) നൽകിയതുകൊണ്ട് അവർ AI ഉപയോഗിക്കാൻ തയ്യാറായിരുന്നു. മാനേജർമാർ നിയന്ത്രിക്കുന്നതിന് പകരം നയിച്ചു. അവർ കഠിനമായ പ്രശ്നങ്ങൾ വേഗത്തിൽ പരിഹരിച്ചു.

ബുദ്ധിമുട്ടുന്ന കമ്പനികൾ മാനേജ്‌മെന്റിന്റെ പല തലങ്ങളും നിരന്തരമായ അനുമതികളും ഉപയോഗിക്കുന്നു. AI-യുടെ കാര്യത്തിൽ, ആ ഘടന നിങ്ങളുടെ വേഗത കുറയ്ക്കും.

മറൈനുകൾക്ക് ഇതിനൊരു പരിഹാരമുണ്ട്: കമാൻഡേഴ്സ് ഇന്റന്റ് (Commander's Intent). അവർ ലക്ഷ്യവും അത് എന്തിനുവേണ്ടിയാണെന്നും വ്യക്തമാക്കുന്ന ഉത്തരവുകൾ എഴുതുന്നു. തുടർന്ന് അത് എങ്ങനെ ചെയ്യണമെന്ന് തീരുമാനിക്കാൻ ആളുകളെ അനുവദിക്കുന്നു. സാഹചര്യം മാറുമ്പോൾ ടീമുകൾക്ക് അതിനനുസരിച്ച് മാറാൻ ഇത് സഹായിക്കുന്നു.

ഞാൻ ഇത് എന്റെ സ്വന്തം ഏജന്റുകൾക്കും പ്രയോഗിച്ചു. ഞാൻ അവരെ നിയന്ത്രിക്കുന്നത് നിർത്തി അവരെ നയിക്കാൻ തുടങ്ങി.

ഞാൻ കമാൻഡുകൾ നൽകുന്നത് നിർത്തി. പകരം മിഷൻ, ലക്ഷ്യം, അതിരുകൾ എന്നിവ കൈമാറാൻ തുടങ്ങി. അതിനുശേഷം ഞാൻ ഇടപെടുന്നത് ഒഴിവാക്കി.

ഫലം? ഇവാലുവേഷൻ സ്കോറുകൾ പത്ത് ശതമാനം വർദ്ധിച്ചു. മോഡലിൽ മാറ്റമൊന്നും വന്നില്ല. ഏജന്റ് അതിന്റെ ലക്ഷ്യം മനസ്സിലാക്കി എന്ന് മാത്രം. ഉദ്ദേശ്യം മനസ്സിലാക്കിയതുകൊണ്ട് അതിന് എഡ്ജ് കേസുകൾ (edge cases) കൈകാര്യം ചെയ്യാൻ കഴിഞ്ഞു.

ഇപ്പോൾ ഞാൻ ഏജന്റുകളുടെ ഒരു സംഘമാണ് നിർമ്മിക്കുന്നത്. ഞാൻ അവരെ ഒരു യൂണിറ്റ് പോലെ പരിഗണിക്കുന്നു. ഓരോ ഏജന്റിനും വ്യക്തമായ പ്രവർത്തനവും ആശയവിനിമയത്തിനുള്ള മാർഗ്ഗങ്ങളുമുണ്ട്.

ഏറ്റവും പ്രയാസകരമായ കാര്യം മൈക്രോമാനേജിംഗ് (micromanaging) ഒഴിവാക്കുക എന്നതല്ല, മറിച്ച് ഏജന്റിനെ അതിന്റെ ചുമതലകൾ സ്വയം നിർവഹിക്കാൻ വിശ്വസിക്കുക എന്നതാണ്.

ഒരു ജോലിയും (task) ഒരു ദൗത്യവും (mission) തമ്മിലുള്ള വ്യത്യാസം അന്ധതയും വ്യക്തതയും തമ്മിലുള്ള വ്യത്യാസമാണ്. വേഗതയേറിയ ഒരു സംവിധാനത്തിൽ കേന്ദ്രീകൃതമായ ഒരു നേതാവിന് എല്ലാ വിശദാംശങ്ങളും കാണാൻ കഴിയില്ല. എന്നാൽ താഴെ പ്രവർത്തിക്കുന്ന ഏജന്റിന് എല്ലാം കാണാൻ കഴിയും.

നിങ്ങൾക്ക് യഥാർത്ഥ AI ടീമുകളെ നിർമ്മിക്കണമെന്നുണ്ടെങ്കിൽ, പ്രോംപ്റ്റുകൾ എഴുതുന്നത് നിർത്തുക. ഉത്തരവുകൾ എഴുതാൻ തുടങ്ങുക.

നിങ്ങളുടെ ഏജന്റുകളെ നിയന്ത്രിക്കുന്നത് നിർത്തുക. അവരെ നയിക്കാൻ തുടങ്ങുക.

Source: https://dev.to/nick_leamon_cc46682541e03/stop-prompting-your-agents-start-leading-them-5gf2

Optional learning community: https://t.me/GyaanSetuAi