𝗧𝗵𝗲 𝗥𝘂𝗹𝗲 𝗛𝗶𝗲𝗿𝗮𝗿𝗰𝗵𝘆 𝗧𝗿𝗮𝗽

नियमांच्या श्रेणीबद्ध रचनेचा सापळा

तुमचे टर्मिनल लाल रंगाच्या त्रुटींनी (errors) भरलेले आहे. प्रोडक्शनमध्ये तीन AI एजंट्स कार्यरत आहेत. युजर ऑथेंटिकेशनचा (user authentication) अर्थ काय आहे, यावर त्यांपैकी कोणीही सहमत नाही. २० मिनिटांचा एक बग नियमांच्या साखळीमध्ये (rule chains) ३ दिवसांच्या शोधात रूपांतरित होतो.

२०२६ मधील AI एजंट मॅनेजमेंटचे हे वास्तव आहे.

जसे तुम्ही AI सिस्टम्सचा विस्तार करता, तसे नियमांचे संच गाळासारखे थराथरांनी साचत जातात. तुम्ही स्पष्ट नियमांपासून सुरुवात करता. मग आवश्यकता बदलतात. मग 'एज केसेस' (edge cases) समोर येतात. लवकरच, तुम्ही अशा नियमांच्या साखळ्या हाताळू लागता ज्या मध्ययुगीन कायद्यांसारख्या वाटतात. एखाद्या एजंटने एखादा निर्णय का घेतला, याचा मागोवा (trace) घेणे तुम्हाला अशक्य होते.

यामुळे 'कॅस्केडिंग रूल ऑपॅसिटी' (Cascading Rule Opacity) निर्माण होते. निर्णय नियमांनुसार बरोबर असतात, परंतु मानवांना ते स्पष्ट करणे अशक्य होते.

जपानमध्ये डेव्हलपर्स याला 'रूल प्रिसेडन्स हेल' (rule precedence hell) म्हणतात. याचा अर्थ नियम चुकीचे आहेत असा नाही. तर एक नियम समजून घेण्यासाठी संपूर्ण साखळी डोक्यात धरायची असते. हा 'कॉग्निटिव्ह लोड' (cognitive load) तुमच्या टीमचा वेग मंदावतो.

Qiita वरील एका अलीकडील विश्लेषणानुसार, हे व्यवस्थापित करण्यासाठी तीन स्तरांचा फ्रेमवर्क सुचवला आहे:

• पायाभूत नियम (Foundational Rules): अपरिवर्तनीय आणि व्हर्जन केलेले.
• संदर्भात्मक नियम (Contextual Rules): डोमेन-विशिष्ट अनुकूलन.
• रनटाइम रिझोल्यूशन (Runtime Resolution): स्पष्ट लॉगिंगसह डायनॅमिक इव्हॅल्युएशन.

ही रचना मदत करते, परंतु याची मानवी किंमत मोठी आहे. मी एका टीमला फीचर्स बनवण्याऐवजी फक्त नियम राखण्यात त्यांच्या इंजिनिअरिंग वेळेच्या ३०% खर्च करताना पाहिले आहे. तुम्ही एखादा 'मेटा-रूल' (meta-rule) जोडून जो एक तास वाचवता, त्या बदल्यात नंतर देखभालीसाठी (maintenance) तुम्हाला ४ तास द्यावे लागतात.

खरी समस्या थरांच्या रचनेची नाही. खरी समस्या ही आहे की टीम्स निर्णयक्षमता (judgment) वाढवण्याऐवजी नियम वाढवत जातात.

मेटा-पॅटर्न हे अनेकदा कमकुवत एजंट मॉडेल्ससाठी तात्पुरते उपाय (workarounds) असतात. संदिग्धता (ambiguity) हाताळू शकतील असे एजंट्स तयार करण्याऐवजी, आपण पालनासाठी (compliance) अवाढव्य नियमांच्या साखळ्या तयार करतो.

हा सापळा टाळण्यासाठी, या पायऱ्या फॉलो करा:

• तुमच्या नियमांच्या साखळीचे त्रैमासिक ऑडिट करा. जर नियम फीचर्सपेक्षा वेगाने वाढत असतील, तर तुमच्याकडे 'टेक्निकल डेट' (technical debt) आहे.
• 'रूल किल कल्चर' (rule kill culture) तयार करा. प्रत्येक नवीन नियमाने जुन्या नियमाची जागा घेतली पाहिजे.
• नियम रिझोल्यूशन लॉग करा. जर तुम्ही कोणत्या नियमामुळे निर्णय घेतला गेला याचा मागोवा घेऊ शकत नसाल, तर तुम्ही तो डीबग (debug) करू शकणार नाही.
• एजंटच्या निर्णयक्षमतेमध्ये गुंतवणूक करा. जिंकणाऱ्या टीम्स असे एजंट्स वापरतील ज्यांना योग्यरित्या काम करण्यासाठी कमी नियमांची आवश्यकता असेल.

नियम व्यवस्थापनाकडे तात्पुरची मचान (scaffolding) म्हणून पहा. त्याला तुमचे कायमस्वरूपी इन्फ्रास्ट्रक्चर बनू देऊ नका.

AI एजंटच्या निर्णयांचा मागोवा घेण्याबाबत तुमचा अनुभव काय आहे? तुमची नियमांची यादी व्यवस्थापित करण्याच्या पलीकडे वेगाने वाढली आहे का?

Source: https://qiita.com/shatolin/items/5c18619d3474b7962021

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