एंटोन ओनुफ्रिएन्को, डेवार्ट के मैनेजिंग डायरेक्टर – साक्षात्कार श्रृंखला

एंटोन ओनुफ्रिएन्को, डेवार्ट के मैनेजिंग डायरेक्टर, एक प्रौद्योगिकी कार्यकारी और ऑपरेटर हैं जिनके पास सॉफ्टवेयर व्यवसायों को स्केल करने, राजस्व वृद्धि को चलाने और एसएएएस, एंटरप्राइज सॉफ्टवेयर और वित्तीय सेवाओं में बड़ी क्रॉस-फंक्शनल टीमों का नेतृत्व करने का गहरा अनुभव है। अपने करियर के दौरान, उन्होंने बिक्री संगठनों का निर्माण करने और स्टार्टअप लॉन्च करने से लेकर पूर्ण पी एंड एल ऑपरेशन की देखरेख करने तक का काम किया है, जिसमें डेवार्ट की सबसे बड़ी इकाई भी शामिल है जिसमें 130 से अधिक कर्मचारी हैं। मैनेजिंग डायरेक्टर बनने से पहले, उन्होंने डेवार्ट के मुख्य राजस्व अधिकारी और बिक्री के प्रमुख के रूप में काम किया, जहां उन्होंने जाने के लिए बाजार रणनीति, मूल्य निर्धारण परिवर्तन और अंतर्राष्ट्रीय विकास पहल का नेतृत्व किया। वह टीएमेट्रिक के सीईओ भी हैं, जो एक समय ट्रैकिंग और लाभकारी मंच है जो सेवा-संचालित व्यवसायों को संचालन स्पष्टता प्राप्त करने में मदद करने पर केंद्रित है।

डेवार्ट एक सॉफ्टवेयर कंपनी है जो डेटाबेस विकास, डेटा कनेक्टिविटी, एकीकरण और डेवलपर्स, डीबीए, विश्लेषकों और एंटरप्राइज टीमों के लिए उत्पादकता उपकरणों में विशेषज्ञता रखती है। 1997 में स्थापित, कंपनी अपने dbForge सूट के लिए जानी जाती है, जो डेटाबेस प्रबंधन उपकरणों की एक श्रृंखला है जो SQL सर्वर, मायएसक्यूएल, ऑरेकल और पोस्टग्रेसक्यूएल जैसे प्रमुख डेटाबेस प्रणालियों का समर्थन करती है। डेवार्ट डेटा कनेक्टिविटी समाधान भी विकसित करता है, जैसे कि ओडीबीसी, एडोनेट, पाइथन और डेल्फी कनेक्टर, साथ ही स्काईविया, इसका क्लाउड-आधारित नो-कोड डेटा एकीकरण मंच ईटीएल, स्वचालन, बैकअप और वर्कफ्लो ऑर्केस्ट्रेशन के लिए। कंपनी विश्व स्तर पर 500,000 से अधिक उपयोगकर्ताओं की सेवा करती है, जिसमें फॉर्च्यून 100 संगठनों का एक बड़ा हिस्सा शामिल है, और हाल के वर्षों में अपने उत्पादों में एआई-संचालित क्षमताओं को एकीकृत करने पर ध्यान केंद्रित किया है, जैसे कि dbForge एआई सहायक, जो डेवलपर्स को प्राकृतिक भाषा का उपयोग करके एसक्यूएल क्वेरी को बनाने, अनुकूलित करने, ट्रoubleshoot करने और समझाने में मदद करता है।

आपने बिक्री टीमों का निर्माण और नेतृत्व करने से लेकर पूर्ण पी एंड एल ऑपरेशन चलाने और अब डेवार्ट की सबसे बड़ी व्यवसाय इकाई का प्रबंधन करने तक का काम किया है। इस यात्रा ने आपके दृष्टिकोण को कैसे आकार दिया है उत्पाद रणनीति और निर्णय लेने में एआई को एकीकृत करने के लिए?

बिक्री ने मुझे हर चीज पर आरओआई को मापना सिखाया। सीआरओ भूमिका में, मैंने इसे कार्यों भर में मापा। व्यवसाय इकाई चलाने के लिए मुझे एआई को भी लागू करना पड़ा।

मैं एआई के बारे में एक व्यावहारिक दृष्टिकोण रखता हूं। मैं इसके बारे में संदेह नहीं करता हूं: हमारे चार उत्पाद दांवों में से तीन 2026 में एआई-मूल हैं। लेकिन मुझे लगता है कि हYPE वास्तविक, स्थायी परिणामों के रास्ते में आता है।

एक मीम है जो उद्योग में अक्सर गलत होने वाली बात को दर्शाता है। कंपनियां $400 के एसएएएस सदस्यता के लिए घरेलू उपकरणों का आदान-प्रदान करती हैं जो प्रति माह $1,000 के एपीआई शुल्क का भुगतान करते हैं और निरंतर मरम्मत की आवश्यकता होती है। यह वास्तविक परिवर्तन नहीं है, यह सिर्फ एक महंगा प्रदर्शन है।

बिक्री में मैंने जो सबक सीखा है वह सरल है: हर पहल को अपना रास्ता बनाना होगा, या यह मर जाएगा। मैं अपने एआई रोलआउट को उसी तरह चलाता हूं जैसे मैंने एक बिक्री क्षेत्र चलाया था। प्रत्येक कार्यप्रवाह के लिए स्पष्ट आरओआई परिकल्पना, तीन-तरंग रोलआउट, और प्रभाव का दस्तावेजीकरण स्केलिंग से पहले।

हमारा उत्तरी स्टार मेट्रिक राजस्व प्रति कर्मचारी है, और हमारा लक्ष्य 2028 के अंत तक इसे दोगुना से अधिक करना है। आप इस अंतर को भरने के लिए भर्ती नहीं करते हैं। आप इसे बदलकर काम का स्वरूप बदलकर भरते हैं, और एआई इस परिमाण का एकमात्र वास्तविक तंत्र है।

मेरा हर एआई पहल पर फिल्टर एक ही है: इसका मापा मूल्य क्या है, इसके लिए कौन भुगतान करता है, और हमें कैसे पता चलता है कि यह काम करता है? जो कुछ भी इन तीन प्रश्नों को विफल करता है वह उत्पादन में नहीं होना चाहिए। गलत होने की लागत तेजी से बढ़ती है, और अधिकांश कंपनियां यह महंगा तरीका से सीखेंगी।

डेवार्ट ने डेटाबेस टूल्स और डेवलपर उत्पादकता के आसपास एक मजबूत प्रतिष्ठा बनाई है। आप इन उत्पादों में एआई को कैसे एकीकृत कर रहे हैं ताकि वास्तविक मूल्य की पेशकश की जा सके, न कि केवल सतह-स्तर के स्वचालन?

हमारे उपयोगकर्ता कठिन तकनीकी विशेषज्ञ हैं: डीबीए, वरिष्ठ इंजीनियर, डेटा वास्तुकार। वे सतह-स्तर के स्वचालन का पता लगा सकते हैं और बिक्री के लिए बाजार की पेशकश की जाने वाली चीजों से नाराज हो सकते हैं। दो साल पहले, जब एआई का उत्साह चरम पर था और प्रतिद्वंद्वी हर यूआई तत्व पर चैट पैनल लगाने की दौड़ में थे, इसका अनुसरण करने का प्रलोभन वास्तविक था। मैंने इस पैटर्न को पहले देखा था, मोबाइल में, क्लाउड में, लो-कोड में, और मैंने इसे दोहराने से इनकार कर दिया।

अनुशासन सीधा था: ग्राहक मूल्य पहले। बिना मांगे एआई सुविधाओं का निर्माण, जो वास्तविक मूल्य प्रदान नहीं करती हैं, यह सीमित इंजीनियरिंग संसाधनों का सबसे खराब उपयोग है। यह विशेष रूप से तब सच है जब आपके दर्शक तुरंत अंतर बता सकते हैं।

2026 में क्या बदला है कि एआई हYPE से वास्तविक तकनीकी क्रांति में चला गया है। 2023 और आज के बीच जो कुछ भी इन प्रणालियों को करने में सक्षम था, उसके बीच का अंतर क्रमिक नहीं है। यह एक पूरी तरह से अलग क्षमता की श्रेणी है। हम अब उन समस्याओं का समाधान कर सकते हैं जो पहले वास्तव में असolvable थीं: एआई एजेंटों के लिए सुरक्षित उद्यम डेटा एक्सेस, डेवलपर के आईडीई के भीतर संदर्भ डेटाबेस बुद्धिमत्ता, और स्वायत्त व्यावसायिक विश्लेषण जिसके लिए एक समर्पित विश्लेषक की आवश्यकता नहीं है।

वे नए उत्पाद लाइनें हैं जो इसलिए मौजूद हैं क्योंकि एआई ने अंतर्निहित समस्या को हल करने योग्य बना दिया है। यह वह मानक है जिसे हम खुद को रखते हैं: एक वास्तविक एआई उत्पाद वह है जहां एआई परत को हटाने से उत्पाद टूट जाता है। उद्योग ने दो साल तक चैट पैनलों को “एआई उत्पाद” कहा है। वे सुविधाएं हैं, उत्पाद नहीं हैं।

हमने लंबा समय लिया क्योंकि हम इसे सही करना चाहते थे। अगले बारह महीने बताएंगे कि क्या यह अनुशासन भुगता है।

एआई बढ़ती हुई जटिलता को प्रबंधित करने में मदद कर सकता है डेटा को विभिन्न प्लेटफार्मों पर प्रबंधित करने के लिए। आप इसे कैसे देखते हैं?

दर्द वास्तविक है। एक典型 फॉर्च्यून 500 आठ से बारह अलग-अलग डेटाबेस इंजन एक ही समय में चलाता है: वित्त के लिए विरासत ऑरेकल, नए सेवाओं के लिए पोस्टग्रेसक्यूएल, ऑपरेशन के लिए एसक्यूएल सर्वर, विश्लेषण के लिए स्नोफ्लेक या बिगक्यूएरी, और बढ़ती हुई एक वेक्टर स्टोर के लिए एम्बेडिंग। प्रत्येक की अपनी बोली, अपना टूलिंग, अपना शासन शासन है। एक डेवलपर जो उस वातावरण में शामिल होता है वह तीन महीने तक डेटा को जानने और यह जानने में बिता सकता है कि कौन सा डेटा छूने की अनुमति है।

एआई इस जटिलता को अपने आप ठीक नहीं करता है। यह जो भी संदर्भ दिया जाता है उसे बढ़ाता है। आठ असंबंधित डेटाबेस जिनके पास एकीकृत मेटाडेटा नहीं है, आठ असंबंधित सुझाव सेट उत्पन्न करते हैं। यह वह विफलता मोड है जिसे हम अधिकांश उद्यम एआई रोलआउट में देखते हैं।

अवसर एक संदर्भ परत है जो एआई एजेंटों और अंतर्निहित डेटाबेस के बीच बैठती है। जो उन सभी से बात करती है, मेटाडेटा को सामान्य करती है, एकीकृत शासन नीतियों को लागू करती है और एक साफ एमसीपी इंटरफेस को उजागर करती है ताकि कोई भी एआई एजेंट, चाहे वह क्लाउड हो या एक आंतरिक मॉडल, पूरे एस्टेट में सुसंगत नियमों के साथ काम करे।

यह वह आर्किटेक्चर है जिस पर हम एआई कनेक्टिविटी के साथ काम कर रहे हैं: एक ऑन-प्रिमाइसेस एमसीपी सर्वर जो मल्टी-डेटाबेस समर्थन प्रदान करता है, एक सेमांटिक परत जो व्यवसाय परिभाषाओं को एक बार में पकड़ती है, भूमिका-आधारित एक्सेस नियंत्रण और पूर्ण ऑडिट लॉग।

सरलीकरण मुफ्त नहीं है। किसी को अभी भी सेमांटिक परत को मॉडल करना होगा और नीति तय करनी होगी। लेकिन यह काम एक बार होता है, हर एआई एजेंट के लिए नहीं।

आपके नेतृत्व में राजस्व और जाने के लिए बाजार रणनीति के साथ, एआई सॉफ्टवेयर कंपनियों में मूल्य निर्धारण मॉडल, उत्पाद पैकेजिंग और ग्राहक अधिग्रहण को कैसे बदल रहा है?

पारंपरिक जाने के लिए बाजार खेल किताब टूटी हुई है। हम इसे अपने संख्या में और पूरे डेव टूल्स श्रेणी में देखते हैं।

क्लासिक अधिग्रहण की मृत्यु। हमारे उत्पादों में 2026 में महत्वपूर्ण सुधार के बावजूद खोज रैंकिंग, हम शून्य-क्लिक वास्तविकता को मार रहे हैं। एआई खोज परिणाम पृष्ठ पर सीधे उत्तर प्रदान करता है और वेबसाइटों को ट्रैफिक से वंचित करता है। मजबूत रैंकिंग अब 2026 में उतनी ही स्थिर नहीं हैं जितनी दो साल पहले थीं।

पांच साल पहले, एक मजबूत सामग्री रणनीति पर्याप्त थी। आज यह टेबल स्टेक्स है। एलएलएम ब्रांड शक्ति, सकारात्मक उल्लेख और समुदाय घनत्व को उत्तर बनाते समय मापता है। यदि आपका ब्रांड दिखाई नहीं दे रहा है और विश्वसनीय नहीं है, तो एआई प्रणाली आपको लगातार सतह पर नहीं लाती है। आप यातायात नहीं खोते हैं। आप पूरी खरीदारी यात्रा से गायब हो जाते हैं। चीजों को और खराब बनाने के लिए, पूरा बाजार पैनिक में पड़ गया है और भुगतान किए गए विज्ञापनों में निवेश कर रहा है, जो सीपीसी को असहनीय स्तर तक बढ़ा रहा है और शांति से अधिकांश एसएएएस कंपनियों के इकाई अर्थशास्त्र को नष्ट कर रहा है।

यह परिवर्तन पारंपरिक डेव टूल्स कंपनियों को विशेष रूप से कठिन बना रहा है। एसईओ-चालित अधिग्रहण चैनल जिन्होंने बी2बी एसएएएस की एक पीढ़ी को वित्त पोषित किया, तेजी से कुशल हो रहे हैं। जो कोई भी उन्हें एक प्राथमिक विकास लीवर के रूप में भरोसा करता है, उसे सक्रिय रूप से विकल्प बनाने की आवश्यकता है।

मूल्य निर्धारण विकास: सीटों से पीएलजी 3.0 तक। हम पीएलजी के अगले चरण में प्रवेश कर रहे हैं। प्रति सीट मूल्य निर्धारण तब टूटने लगता है जब एक एआई एजेंट एक कर्मचारी का काम कर सकता है। उस वातावरण में, सिर्फ सिर गिनती के आधार पर शुल्क लेना समझ में नहीं आता। कंपनियां जो उत्पादों को मूल्य के बजाय सिर गिनती के चारों ओर पुन: पैकेज नहीं करती हैं, वे अगले 24 महीनों में एमआरआर को खोने की संभावना है।

अगला कदम पीएलजी 3.0 है: जब एक स्वायत्त एआई एजेंट, मानव के बजाय, उद्यम सॉफ्टवेयर का मूल्यांकन, परीक्षण और खरीद करता है। इस पैटर्न का बड़े पैमाने पर अपनाना अभी भी कुछ साल दूर है, लेकिन 2026 का काम उत्पादों और मूल्य निर्धारण को मशीन खरीदार के लिए डिज़ाइन करना है, 2028 का काम नहीं है।

कई संगठन एआई प्रयोग से वास्तविक उत्पादन प्रभाव में जाने के लिए संघर्ष करते हैं। एआई पहल को वास्तव में सफल होने के लिए कौन से मुख्य कारक निर्धारित करते हैं?

अधिकांश एआई सुविधाएं बनाई जाने से पहले ही विफल हो जाती हैं। वे उस कमरे में विफल होती हैं जहां कोई कहता है “हमें इस उत्पाद में एआई की आवश्यकता है,” न कि क्योंकि उपयोगकर्ताओं ने मांगा था, लेकिन क्योंकि बोर्ड एक एआई कहानी चाहता है या विपणन सोचता है कि यह एक नए दर्शकों को आकर्षित करेगा। यह अधिकांश एआई पहल की मूल पाप है, और यह सब कुछ आकार देता है जो उसके बाद आता है।

मैं उन्हीं गलतियों को देखता रहता हूं जो कंपनियों को एआई प्रयोग से वास्तविक उत्पादन प्रभाव में जाने के लिए संघर्ष करने का कारण बनती हैं।

पहली गलती यह है कि एआई सुविधाओं का निर्माण किया जाता है जिसके लिए वास्तव में कोई नहीं पूछता है। एक बार एआई सुविधा को वास्तविक उपयोगकर्ता की आवश्यकता के बिना निर्धारित किया जाता है, तो टीम प्रौद्योगिकी से काम करती है एक उपयोग केस का आविष्कार करने के लिए। परिणाम पूर्वानुमानित है: एक चैट पैनल जो मौजूदा यूआई पर जोड़ा जाता है, एक ऑटोकम्प्लीट जो बाधा डालता है, एक “सारांश” बटन जो उपयोगकर्ता से बेहतर आउटपुट उत्पन्न नहीं करता है। ये सुविधाएं जहाज, एक प्रेस विज्ञप्ति प्राप्त करती हैं, और गुप्त रूप से अपने सभी गोद लेने की भविष्यवाणी को कम करती हैं। गहरा नुकसान यह है कि वे इंजीनियरिंग क्षमता का उपभोग करते हैं जो सुविधाओं में जाना चाहिए था जिन्हें उपयोगकर्ताओं ने वास्तव में अनुरोध किया था।

दूसरा मुद्दा यह है कि टीमें साफ डेमो डेटा और वास्तविक उत्पादन डेटा के बीच अंतर को बहुत कम आंकती हैं। एआई डेमो साफ, क्यूरेटेड उदाहरणों पर चलते हैं। उत्पादन वास्तविक गंदगी के साथ चलता है ग्राहक डेटा: डुप्लिकेट, मissing फ़ील्ड, उत्पाद के एक ही नाम के लिए दस अलग-अलग तरीके, पंद्रह साल के विरासत किनारे के मामले। एक मॉडल जो मूल्यांकन में प्रभावशाली सटीकता प्राप्त करता है उत्पादन डेटा पर गंभीर रूप से खराब हो सकता है, और अधिकांश टीमें यह नहीं जानती हैं जब तक कि उपयोगकर्ता शिकायत नहीं करते। उत्पादन विश्वास में उस खोज की लागत शायद ही कभी पुनर्प्राप्त की जा सकती है।

एक और सामान्य विफलता बिंदु उपयोगकर्ता अनुसंधान है। मानक उत्पाद साक्षात्कार एआई सुविधाओं के लिए काम नहीं करते हैं। उपयोगकर्ता एआई से क्या चाहते हैं इसका वर्णन नहीं कर सकते क्योंकि वे नहीं जानते कि क्या संभव है। “क्या आप एक्स के लिए एआई का उपयोग करेंगे?” जैसे प्रश्नों का उत्तर देने वाले प्रश्नों का उत्तर देने वाले प्रश्न प्राप्त होते हैं जो गोद लेने के लिए कोई पूर्वानुमान मूल्य नहीं रखते हैं। प्रभावी एआई उत्पाद अनुसंधान प्रोटोटाइप दिखाने, वास्तविक उपयोग को देखने और मापने की आवश्यकता है कि क्या उपयोगकर्ता नईता फीकी पड़ने के बाद लौटते हैं। कुछ उत्पाद टीमों ने इस समस्या के लिए अपनी अनुसंधान प्रथा का पुनर्निर्माण किया है। वे अभी भी 2019 प्लेबुक पर 2026 की समस्याओं पर चल रहे हैं।

और अंत में, कई कंपनियां एआई गतिविधि को मापती हैं न कि व्यवसाय प्रभाव। “इस सप्ताह 200 लोगों ने एआई सुविधा का उपयोग किया” एक गोद लेने वाला मेट्रिक है, एक प्रभाव मेट्रिक नहीं है। वास्तविक प्रभाव चक्र समय कम हो जाता है, गुणवत्ता में सुधार होता है, राजस्व उत्पन्न होता है, या लागत हटा दी जाती है। यदि आप एआई सुविधा से पी एंड एल पर एक सीधी रेखा नहीं खींच सकते हैं, तो आपके पास उत्पादन प्रभाव नहीं है। आपके पास एक महंगी गतिविधि है।

एक पांचवां कारक है जो तेजी से महत्वपूर्ण हो रहा है और जिसे अधिकांश उत्पाद टीमें पूरी तरह से अनदेखा करती हैं।

अनुपालन और एआई-मुक्त निर्माण मार्ग। एक महत्वपूर्ण हिस्सा उद्यम उपयोगकर्ता वित्त, स्वास्थ्य सेवा, सरकार, रक्षा और कानूनी जैसे नियंत्रित उद्योगों में काम करते हैं जो विक्रेता सॉफ्टवेयर में एआई सुविधाओं को प्रतिबंधित या प्रतिबंधित करते हैं। यदि आपका उत्पाद एआई को मुख्य अनुभव में कठोर रूप से जोड़ता है बिना इसे अक्षम करने या बायपास करने के तरीके के, तो आप एआई जोड़कर अपने दर्शकों का विस्तार नहीं कर रहे हैं। आप अपने मौजूदा हिस्से को खो देते हैं।

यह वह समस्या है जिसे हम एआई कनेक्टिविटी के साथ हल कर रहे हैं। नियंत्रित उद्योगों में अनुपालन टीमें एआई का विरोध नहीं करती हैं। वे डेटा को अपने परिधि से बाहर जाने का विरोध करते हैं। समाधान एआई को छीनना नहीं है; यह उन संगठनों को एक एआई आर्किटेक्चर देना है जो उनके प्रतिबंधों को पूरा करता है। यही कारण है कि एआई कनेक्टिविटी ऑन-प्रिमाइसेस के रूप में जहाज करती है: एआई क्षमता रहती है, डेटा ग्राहक के बुनियादी ढांचे से बाहर नहीं निकलता है, और प्रोक्योरमेंट पहले दौर में समीक्षा पास करता है, तीसरे के बजाय।

टीमें जो इसे सही प्राप्त करती हैं अनुपालन के लिए दिन एक से आर्किटेक्ट करती हैं। टीमें जो इसे गलत पाती हैं समस्या की खोज प्रोक्योरमेंट समीक्षा के दौरान करती हैं, जब सौदा पहले से ही खो गया है।

डेवार्ट कई डेटाबेस पारिस्थितिकी तंत्र में काम करता है। एआई डेटा को विभिन्न प्लेटफार्मों पर प्रबंधित करने की बढ़ती जटिलता को कैसे सरल बना सकता है?

दर्द वास्तविक है। एक टाइपिक फॉर्च्यून 500 आठ से बारह अलग-अलग डेटाबेस इंजन एक ही समय में चलाता है: वित्त के लिए विरासत ऑरेकल, नए सेवाओं के लिए पोस्टग्रेसक्यूएल, ऑपरेशन के लिए एसक्यूएल सर्वर, विश्लेषण के लिए स्नोफ्लेक या बिगक्यूएरी, और बढ़ती हुई एक वेक्टर स्टोर के लिए एम्बेडिंग। प्रत्येक की अपनी बोली, अपना टूलिंग, अपना शासन शासन है। एक डेवलपर जो उस वातावरण में शामिल होता है वह तीन महीने तक डेटा को जानने और यह जानने में बिता सकता है कि कौन सा डेटा छूने की अनुमति है।

एआई इस जटिलता को अपने आप ठीक नहीं करता है। यह जो भी संदर्भ दिया जाता है उसे बढ़ाता है। आठ असंबंधित डेटाबेस जिनके पास एकीकृत मेटाडेटा नहीं है, आठ असंबंधित सुझाव सेट उत्पन्न करते हैं। यह वह विफलता मोड है जिसे हम अधिकांश उद्यम एआई रोलआउट में देखते हैं।

अवसर एक संदर्भ परत है जो एआई एजेंटों और अंतर्निहित डेटाबेस के बीच बैठती है। जो उन सभी से बात करती है, मेटाडेटा को सामान्य करती है, एकीकृत शासन नीतियों को लागू करती है और एक साफ एमसीपी इंटरफेस को उजागर करती है ताकि कोई भी एआई एजेंट, चाहे वह क्लाउड हो या एक आंतरिक मॉडल, पूरे एस्टेट में सुसंगत नियमों के साथ काम करे।

यह वह आर्किटेक्चर है जिस पर हम एआई कनेक्टिविटी के साथ काम कर रहे हैं: एक ऑन-प्रिमाइसेस एमसीपी सर्वर जो मल्टी-डेटाबेस समर्थन प्रदान करता है, एक सेमांटिक परत जो व्यवसाय परिभाषाओं को एक बार में पकड़ती है, भूमिका-आधारित एक्सेस नियंत्रण और पूर्ण ऑडिट लॉग।

सरलीकरण मुफ्त नहीं है। किसी को अभी भी सेमांटिक परत को मॉडल करना होगा और नीति तय करनी होगी। लेकिन यह काम एक बार होता है, हर एआई एजेंट के लिए नहीं।

आपके नेतृत्व में बड़ी क्रॉस-फंक्शनल टीमों के साथ, एआई आंतरिक सहयोग और निर्णय लेने को कैसे बदल रहा है उत्पाद, इंजीनियरिंग, विपणन और बिक्री के बीच?

अधिकांश क्रॉस-फंक्शनल घर्षण वास्तव में लोगों को अन्य टीमों से जानकारी की प्रतीक्षा कर रहे थे। एआई इस घर्षण को तेजी से दूर करता है जितना कि कोई प्रबंधन ढांचा कभी भी कर सकता था।

परिवर्तन व्यावहारिक और तुरंत हैं।

उत्पाद और इंजीनियरिंग में: एक उत्पाद प्रबंधक एक डेटाबेस प्रश्न पूछता है व्यावसायिक शब्दों में, “हमारे शीर्ष तीन मूल्य निर्धारण स्तरों में एलटीवी विचलन क्या है?”, और तुरंत एक कार्रवाई योग्य उत्तर प्राप्त करता है, एक जिरा टिकट फ़ाइल करने और तीन दिनों तक प्रतीक्षा करने के बजाय।

विपणन और डेटा में: समूह विश्लेषण ऑनलाइन होता है, नहीं अनुरोध कतार के माध्यम से। विपणन प्रबंधक पूछता है, संख्या प्राप्त करता है, और सुबह के एक ही सत्र में अभियान बनाता है।

बिक्री और इंजीनियरिंग में: तकनीकी उत्तर अब एक वरिष्ठ इंजीनियर के साथ एक कॉल की व्यवस्था करने की आवश्यकता नहीं है। बिक्री प्रतिनिधि एक विश्वसनीय तकनीकी उत्तर प्राप्त करता है और सौदे के चक्र को संकुचित करता है।

निर्णय बातचीत में चलते हैं। “मुझे उस संख्या के साथ वापस आने दें” पैटर्न मर रहा है। बैठकें छोटी हो जाती हैं क्योंकि एआई पूर्व-रीड्स और सारांश संभालता है जो हर सत्र के पहले आधे हिस्से को खा जाते थे।

यह घर्षण का पतन एक गहरी प्रबंधन बदलाव को मजबूर करता है, और यह वह है जिसे अधिकांश नेतृत्व टीमें कम आंकती हैं।

प्रत्येक कंपनी दावा करती है कि यह परिणाम-उन्मुख है। हुड के नीचे देखें, और अधिकांश अभी भी प्रॉक्सी मेट्रिक्स पर चलते हैं: कहानी बिंदु, कोड की पंक्तियाँ, टिकट बंद, घंटे लॉग किए गए। हमने गतिविधि को मूल्य के प्रॉक्सी के रूप में उपयोग किया क्योंकि वास्तविक मूल्य मापना मुश्किल था। एआई इस प्रॉक्सी को स्थायी रूप से तोड़ता है। जब एक एजेंट 10,000 पंक्तियों को कोड कर सकता है या एक मिनट में 500 समर्थन टिकट बंद कर सकता है, तो गतिविधि को मापना खतरनाक रूप से भ्रामक हो जाता है।

हम वास्तविक परिणाम-उन्मुख प्रबंधन में जा रहे हैं, जहां प्रदर्शन को सख्ती से परिणाम द्वारा मापा जाता है और निर्णय द्वारा। लोग जो पहले उच्च गतिविधि के पीछे छिपते थे तुरंत दिखाई देते हैं, और नेतृत्व को उस दृश्यता पर कार्रवाई करने के लिए तैयार रहने की आवश्यकता है।

संरचनात्मक परिणाम फ्लैटर ऑर्ग चार्ट हैं। समन्वय और जानकारी मार्गदर्शन परतें सिकुड़ जाती हैं। जो संगठन तेजी से अनुकूलन करते हैं वे संरचनात्मक रूप से कम लोगों के साथ काम करेंगे लेकिन उच्च लीवरेज पर।

एआई-सहायता प्राप्त विकास और नो-कोड टूल्स के उदय के साथ, क्या हम एक भविष्य की ओर बढ़ रहे हैं जहां डेटाबेस प्रबंधन गैर-तकनीकी उपयोगकर्ताओं के लिए सुलभ हो जाएगा?

उद्योग में एक खतरनाक भ्रम है। लोग एक साइड-प्रोजेक्ट डेटाबेस और एक उद्यम विरासत डेटाबेस को एक ही चीज के रूप में मानते हैं। वे नहीं हैं।

छोटे हरे क्षेत्र परियोजनाओं के लिए, लोकतंत्रीकरण पहले से ही यहाँ है। मैंने व्यक्तिगत रूप से गहरी डेटाबेस प्रबंधन कौशल के बिना छोटे अनुप्रयोगों का निर्माण किया है। यदि आपका पूरा स्कीमा एक एलएलएम के संदर्भ विंडो में फिट बैठता है, तो एआई जादू की तरह काम करता है। नागरिक विकासकर्ता जो आंतरिक उपकरण बनाते हैं एक बढ़ती श्रेणी होगी।

उद्यम वास्तविकता पूरी तरह से अलग है। बड़े विरासत डेटाबेस का सामना बड़े मोनोलिथिक कोडबेस की तरह ही समस्या का सामना करते हैं: संदर्भ दीवार। आप पंद्रह साल के विरासत स्कीमा विकास, क्रॉस-डेटाबेस निर्भरताओं और कस्टम ट्रिगर लॉजिक को एक प्रॉम्प्ट में फिट नहीं कर सकते। जब एक बड़े डेटाबेस पर एआई संदर्भ खो देता है, तो हॉलुसिनेशन सुंदर रूप से खराब नहीं होते हैं। वे ज्यामितीय रूप से गुणा करते हैं।

जोखिम जो कम चर्चा की जाती है वह बड़े पैमाने पर गलत विश्वास है। प्राकृतिक भाषा इंटरफेस विशेष रूप से प्लॉसिबल दिखने वाले लेकिन सूक्ष्म रूप से गलत उत्तरों का उत्पादन करने में अच्छे हैं। यदि एक एसक्यूएल क्वेरी में एक वाक्य रचना त्रुटि है, तो आपको एक त्रुटि संदेश मिलता है। यदि एक प्राकृतिक भाषा इंटरफेस “सक्रिय ग्राहकों” की व्याख्या करता है क्योंकि आपके पास छह अलग-अलग गतिविधि की परिभाषाएं हैं, तो आपको एक संख्या मिलती है। संख्या ठीक दिखती है। यह 30% से कम हो सकता है। उपयोगकर्ता को पता नहीं है कि।

तो नहीं, उद्यम डेटाबेस प्रबंधन गैर-तकनीकी उपयोगकर्ताओं का खेल का मैदान नहीं बन रहा है।

नागरिक डीबीए एक मिथक है पैमाने पर।

भविष्य विशेषज्ञ डेटा वास्तुकारों का है जो प्रोफेशनल टूल का उपयोग करके संदर्भ अंतराल को पुल करते हैं और बुनियादी ढांचा बनाते हैं जो एआई को सुरक्षित रूप से ऊपर काम करने देता है।

संरचनात्मक फिक्स सेमांटिक परत है: एक नियंत्रित शब्दावली जहां व्यवसाय परिभाषाएं एक बार में निर्धारित की जाती हैं और हर एआई इंटरैक्शन में पुन: उपयोग की जाती हैं। यह वह आर्किटेक्चर है जिसे हम इनसाइटिस में निर्मित कर रहे हैं। इसके बिना, सुलभता एक देनदारी बन जाती है।

आगे देखते हुए, एक “एआई-मूल” डेवलपर टूलकिट कैसा दिखेगा, और टीमें आज इसके लिए तैयारी कैसे शुरू कर सकती हैं?

एक एआई-मूल टूलकिट एक चैटबॉट है जो एक आईडीई पर जोड़ा जाता है। जो आज “एआई-मूल” के रूप में विपणन किया जाता है वह अधिकांश भाग के लिए एक चैट इंटरफेस प्लस एक ऑटोकम्प्लीट मॉडल है। यह टेबल स्टेक्स है, नहीं गंतव्य।

मेरे लिए, एक वास्तविक एआई-मूल टूलकिट को तीन चीजों की आवश्यकता होती है।

पहले, एआई को गहरा संदर्भ चाहिए। यह आपके कोडबेस, आपके बुनियादी ढांचे, आपके ऐतिहासिक निर्णयों और आपके डेटा वातावरण को लगातार समझना चाहिए, न कि केवल प्रॉम्प्ट में पेस्ट किए गए सत्रों के माध्यम से। अधिकांश वर्तमान टूल इस परीक्षण में विफल होते हैं। उनका संदर्भ हर सत्र के साथ पुनर्निर्मित किया जाना चाहिए, और उपयोगकर्ता को लगातार इसे फिर से बनाने की लागत का भुगतान करना पड़ता है।

दूसरा, टूल्स को एक दूसरे के साथ ठीक से बात करने की आवश्यकता है। आपका आईडीई आपके डेटाबेस से बात करना चाहिए, डेटाबेस आपके अवलोकन स्टैक से बात करना चाहिए, और सीआई/सीडी आपके एआई समीक्षक से बात करना चाहिए, आदि। मॉडल कंटेक्स्ट प्रोटोकॉल यहां मानक परत बन रहा है, 2026 की पहली तिमाही में प्रति माह 97 मिलियन एसडीके डाउनलोड के साथ, 2024 के अंत में 100,000 से ऊपर। यह पंद्रह महीनों में 970x की वृद्धि है और मैंने विकासकर्ता बुनियादी ढांचे में देखा है सबसे तेज गोद लेने की घटती।

तीसरा, उत्पादन-ग्रेड एआई को गंभीर सुरक्षा गार्डरails की आवश्यकता है। विनाशकारी ऑपरेशन से पहले ब्लास्ट रेडियस पूर्वावलोकन। निर्भरता विश्लेषण। स्वचालित रोलबैक योजनाएं। ऑडिट ट्रेल्स डिफ़ॉल्ट रूप से। एआई के बिना यह सुरक्षा उत्पादन में खतरनाक है।

कैसे तैयार करें, ठोस रूप से।

अपने स्टैक को उन तीन घटकों के खिलाफ ऑडिट करें। क्या प्रत्येक टूल एपीआई और एमसीपी को उजागर करता है? क्या यह दूसरों से बात करता है, या एक सिलो में बैठता है? क्या यह सुरक्षा नियंत्रण है? टूल जो तीन में से दो विफल होते हैं अल्पकालिक संपत्ति हैं।

संदर्भ बुनियादी ढांचा अब बनाएं। स्कीमा, व्यवसाय परिभाषाएं और वास्तुकला निर्णयों को मशीन-Readable प्रारूपों में दस्तावेज़ करें। समृद्ध संदर्भ एक तिमाही में नहीं बनाया जाता है। जिन टीमों के पास 2027 में एआई है वे आज दस्तावेज़ कर रहे हैं।

उत्पादन में एआई चलाएं इससे पहले कि आप तैयार महसूस करें। टीमें जो एक औपचारिक “एआई रणनीति” की प्रतीक्षा कर रही हैं इससे पहले कि वे जहाज करें, वे टीमों से अठारह महीने पीछे होंगी जो पहले से ही वास्तविक उत्पादन विफलताओं से सीख रही हैं। एक कम जोखिम वाला उपयोग मामला चुनें। इसे जहाज करें। मांसपेशियों का निर्माण करें।

आज निर्णय लेने वाली टीमें अगले दशक में सॉफ्टवेयर कैसे बनाया जाता है, इसका निर्धारण करेगी। खिड़की संकीर्ण है, और यह अभी खुला है।