લિક્વિડવેર યુગમાં સર્વ-દિશાકીય એન્જિનિયર

તે જાણીતું છે કે જનરેટિવ AI સૂચનાઓનું પાલન કરીને ફોટો-રિયાલિસ્ટિક ચિત્રો, ચિત્રકામ અને પેઇન્ટિંગ્સ બનાવી શકે છે.

દરમિયાન, વ્યવસાયિક વિશ્વમાં, જનરેટિવ AI ની પ્રોગ્રામ બનાવવાની ક્ષમતા પર ધ્યાન કેન્દ્રિત કરવામાં આવ્યું છે.

ચેટ-આધારિત AI ની રચના ફાઉન્ડેશનલ લાર્જ લેંગ્વેજ મોડલ્સ દ્વારા થાય છે, જે તેને વિવિધ ભાષાઓમાં વાતચીત કરવામાં અને તેમની વચ્ચે અનુવાદ કરવામાં અત્યંત કુશળ બનાવે છે.

પ્રોગ્રામ્સ બનાવવા માટે ઉપયોગમાં લેવાતી પ્રોગ્રામિંગ ભાષાઓ પણ એક પ્રકારની ભાષા છે. માનવ પ્રોગ્રામરો, એક અર્થમાં, મૌખિક રીતે પ્રાપ્ત સોફ્ટવેર આવશ્યકતાઓને પ્રોગ્રામિંગ ભાષાઓમાં અનુવાદિત કરે છે.

આ કારણોસર, મોટા ભાષા મોડેલ્સનો ઉપયોગ કરીને વાર્તાલાપ કરનાર જનરેટિવ AI પણ પ્રોગ્રામિંગમાં અત્યંત કુશળ છે.

વધુમાં, પ્રોગ્રામિંગ એક પ્રકારનું બૌદ્ધિક કાર્ય છે જ્યાં આઉટપુટની શુદ્ધતા ઘણીવાર આપમેળે અને ત્વરિત રીતે ચકાસી શકાય છે. આ એટલા માટે છે કારણ કે બનાવેલ પ્રોગ્રામને ચલાવવાથી ઇચ્છિત પરિણામો ઉત્પન્ન થાય છે કે કેમ તે આપમેળે નિર્ધારિત થાય છે.

વાસ્તવમાં, માનવ પ્રોગ્રામરો મુખ્ય પ્રોગ્રામ સાથે એકસાથે પરીક્ષણ પ્રોગ્રામ્સ બનાવે છે જેથી મુખ્ય પ્રોગ્રામ ઇરાદા મુજબ કાર્ય કરે છે કે નહીં તેની ચકાસણી કરી શકાય, અને વિકાસ આગળ વધે તેમ તેના વર્તનની તપાસ કરી શકાય.

જનરેટિવ AI પણ પરીક્ષણ કરતી વખતે પ્રોગ્રામિંગ દ્વારા પ્રગતિ કરી શકે છે, જે એક એવી પદ્ધતિને મંજૂરી આપે છે જ્યાં, જો કોઈ માનવ ચોક્કસ સૂચનાઓ પ્રદાન કરે છે, તો AI પરીક્ષણો પાસ ન થાય ત્યાં સુધી આપમેળે પુનરાવર્તન કરીને પ્રોગ્રામ પૂર્ણ કરી શકે છે.

અલબત્ત, જનરેટિવ AI ની પ્રોગ્રામિંગ ક્ષમતાની મર્યાદાઓ અને માનવીય સૂચનાઓની અસ્પષ્ટતાને કારણે, ઘણી વખત બહુવિધ પુનરાવર્તનો પછી પણ પરીક્ષણો પાસ કરી શકાતા નથી. ઉપરાંત, પરીક્ષણો અપૂરતા અથવા ખોટા હોઈ શકે છે, જેના કારણે ઘણીવાર પૂર્ણ થયેલ પ્રોગ્રામમાં ભૂલો અથવા સમસ્યાઓ થાય છે.

જોકે, જેમ જેમ જનરેટિવ AI ક્ષમતાઓ સુધરે છે, માનવ એન્જિનિયરો તેમની સૂચના પદ્ધતિઓને સુધારે છે, અને ઇન્ટરનેટ શોધો દ્વારા જનરેટિવ AI ના પ્રોગ્રામિંગ જ્ઞાનમાં વધારો થાય છે, તેમ યોગ્ય પ્રોગ્રામ્સને આપમેળે બનાવવાનો અવકાશ દિવસેને દિવસે વધી રહ્યો છે.

વધુમાં, વ્યવસાયિક જગતના ધ્યાન સાથે, જનરેટિવ AI સંશોધન અને વિકાસ કરતી ટોચની કંપનીઓ પણ જનરેટિવ AI ની પ્રોગ્રામિંગ ક્ષમતાઓને સુધારવા પર ધ્યાન કેન્દ્રિત કરી રહી છે.

આવી પરિસ્થિતિઓમાં, જનરેટિવ AI ને સ્વચાલિત પ્રોગ્રામિંગ સોંપવામાં આવે તેવા ક્ષેત્રો અને વોલ્યુમોના વિસ્તરણમાં ગતિ આવશે તેવી અપેક્ષા છે.

એવા ઘણા કિસ્સાઓ છે જ્યાં જેમણે ક્યારેય પ્રોગ્રામ્સ વિકસાવ્યા નથી તેવા વ્યક્તિઓએ ઇન્ટરનેટ માહિતીના આધારે મૂળભૂત વિકાસ વાતાવરણ સ્થાપિત કર્યું છે, અને પછી જનરેટિવ AI ને પ્રોગ્રામિંગનું સંચાલન કરવા દીધું છે, સહયોગી પ્રયાસથી પ્રોગ્રામ્સ પૂર્ણ કર્યા છે.

હું પોતે પણ, એક પ્રોગ્રામર તરીકે, પ્રોગ્રામિંગ માટે જનરેટિવ AI નો ઉપયોગ કરું છું. એકવાર મને તેની આદત પડી જાય, પછી હું પ્રોગ્રામને બિલકુલ સંપાદિત કર્યા વિના સોફ્ટવેર પૂર્ણ કરી શકું છું, ફક્ત ફાઇલોમાં પ્રોગ્રામ્સ કોપી કરીને અથવા જનરેટિવ AI ની સૂચનાઓ અનુસાર કાપીને પેસ્ટ કરીને.

અલબત્ત, ઘણીવાર મને મુશ્કેલીઓનો સામનો કરવો પડે છે. આ મુખ્યત્વે મારા કમ્પ્યુટર અથવા પ્રોગ્રામિંગ ડેવલપમેન્ટ ટૂલ્સની સેટિંગ્સ સામાન્ય કન્ફિગરેશનથી થોડી અલગ હોવાને કારણે, અથવા જનરેટિવ AI એ જે શીખ્યું તેના કરતાં મફત સોફ્ટવેર ઘટકો નવા હોવાને કારણે, જ્ઞાનમાં અંતર થવાને કારણે, અથવા ક્યારેક મારી વિનંતી કરેલી સામગ્રી થોડી અસામાન્ય હોવાને કારણે હોય છે.

મોટાભાગના કિસ્સાઓમાં, જો આવા નાના તફાવતો અથવા વિશેષ સંજોગો ન હોય, અને હું તેને ખૂબ જ સામાન્ય સોફ્ટવેર સુવિધા બનાવવા માટે સૂચના આપું, તો યોગ્ય પ્રોગ્રામ્સ ઉત્પન્ન થાય છે.

લિક્વિડવેરના યુગ તરફ

એક સોફ્ટવેર ડેવલપર તરીકે, હું જે સોફ્ટવેર વિકસાવું છું તેને રિલીઝ કરી શકું છું. અને અમે એન્જિનિયરો જે સોફ્ટવેર રિલીઝ કરીએ છીએ તેનો ઉપયોગ વિવિધ વપરાશકર્તાઓ દ્વારા થાય છે.

જનરેટિવ AI સાથે કોઈપણ વ્યક્તિ આ સોફ્ટવેર ડેવલપમેન્ટ કરી શકે તે ભવિષ્ય અત્યાર સુધીની ચર્ચાનું વિસ્તરણ છે.

જોકે, આ માત્ર સોફ્ટવેર ડેવલપમેન્ટ બાજુનો ફેરફાર નથી. વપરાશકર્તા બાજુ પર પણ એક નોંધપાત્ર ફેરફાર થશે.

જનરેટિવ AI ને મૌખિક રીતે સૂચના આપીને સોફ્ટવેરમાં સુવિધાઓ આપમેળે ઉમેરવા અથવા બદલવાનું કાર્ય સોફ્ટવેર રિલીઝ કરતા પહેલાના ડેવલપમેન્ટ તબક્કા દરમિયાન જ નહીં, પરંતુ તેના ઉપયોગ દરમિયાન પણ કરી શકાય છે. વધુમાં, તે સોફ્ટવેર વપરાશકર્તાઓ પોતે પણ કરી શકે છે.

સોફ્ટવેર ડેવલપર્સે ફક્ત માન્ય અને અપરિવર્તનશીલ શ્રેણીઓને વ્યાખ્યાયિત કરવાની અને જનરેટિવ AI-સંચાલિત કસ્ટમાઇઝેશન સુવિધા સાથે સોફ્ટવેર રિલીઝ કરવાની જરૂર છે.

આનાથી વપરાશકર્તાઓ જનરેટિવ AI ને નાની ઉપયોગિતા સમસ્યાઓ અથવા સ્ક્રીન ડિઝાઇન પસંદગીઓ બદલવા માટે વિનંતી કરી શકશે.

વધુમાં, અન્ય એપ્લિકેશન્સમાં જોવા મળતી અનુકૂળ સુવિધાઓ ઉમેરવાનું, એક જ ક્લિકથી બહુવિધ કાર્યોનું સંયોજન કરવાનું, અથવા વારંવાર ઍક્સેસ થતી સ્ક્રીનોને એક જ ડિસ્પ્લે પર જોવાનું શક્ય બનશે.

સોફ્ટવેર ડેવલપરના દૃષ્ટિકોણથી, આવી વપરાશકર્તા કસ્ટમાઇઝેશનને સક્ષમ કરવાથી નોંધપાત્ર ફાયદાઓ મળે છે. તે વપરાશકર્તા વિનંતીઓના આધારે સુવિધાઓ ઉમેરવાની જરૂરિયાતને દૂર કરે છે, અને ઉપયોગિતા સંબંધિત નકારાત્મક પ્રતિક્રિયા અને અસંતોષને ટાળીને સોફ્ટવેરની લોકપ્રિયતા વધારી શકે છે તે ધ્યાનમાં લેતા, તે એક મોટી જીત છે.

જ્યારે વપરાશકર્તાઓ આ રીતે સ્ક્રીન અને કાર્યોને મુક્તપણે બદલી શકે છે, ત્યારે આ ખ્યાલ આપણે પરંપરાગત રીતે "સોફ્ટવેર" કહેતા હતા તેનાથી નોંધપાત્ર રીતે અલગ પડે છે.

તેને "લિક્વિડવેર" કહેવું યોગ્ય રહેશે જેથી તે દર્શાવી શકાય કે તે સોફ્ટવેર (જે હાર્ડવેરની તુલનામાં લવચીક છે) કરતાં પણ વધુ પ્રવાહી અને અનુકૂલનશીલ છે, અને તે વપરાશકર્તાને સંપૂર્ણ રીતે અનુકૂળ છે.

ભૂતકાળમાં, કાર્યો ફક્ત હાર્ડવેર દ્વારા જ સાકાર થતા હતા, પરંતુ પછી બદલી શકાય તેવું સોફ્ટવેર ઉભરી આવ્યું, જેણે હાર્ડવેર + સોફ્ટવેરના સંયોજન દ્વારા કાર્યોને સાકાર કરવાની મંજૂરી આપી.

ત્યાંથી, આપણે લિક્વિડવેરના ઉભરવા વિશે વિચારી શકીએ છીએ, જે જનરેટિવ AI દ્વારા સુધારી શકાય તેવા ભાગોનો સંદર્ભ આપે છે. આમ, એકંદર કાર્યો હાર્ડવેર + સોફ્ટવેર (ડેવલપર્સ દ્વારા પ્રદાન કરાયેલ) + લિક્વિડવેર (વપરાશકર્તા ફેરફારો) દ્વારા સાકાર થશે.

લિક્વિડવેરના આ યુગમાં, વપરાશકર્તા-બાજુના ફેરફારના વિચારો વિસ્ફોટ થશે.

એક વપરાશકર્તા દ્વારા શોધાયેલ એક ક્રાંતિકારી ફેરફારનો વિચાર સોશિયલ મીડિયા પર ગરમ વિષય બની શકે છે, જેનાથી અન્ય લોકો વિવિધ લિક્વિડવેરનું અનુકરણ અને ફેરફાર કરશે.

વળી, વિવિધ પ્રકારના સોફ્ટવેરને એકીકૃત કરી શકે તેવું લિક્વિડવેર પણ ઉભરી આવશે. આનાથી વપરાશકર્તાઓ બહુવિધ અલગ-અલગ SNS પ્લેટફોર્મ્સમાંથી ટાઈમલાઈન એક જ એપ્લિકેશનમાં જોઈ શકશે, અથવા અસંખ્ય પ્લેટફોર્મ્સમાંથી શોધ પરિણામોને એકીકૃત કરી શકશે.

આ રીતે, લિક્વિડવેર પ્રચલિત હોય તેવી દુનિયામાં, PCs અને સ્માર્ટફોન સહિતના વિવિધ ઉપકરણો, દરેક વ્યક્તિના જીવન અને પ્રવૃત્તિઓને સંપૂર્ણપણે અનુકૂળ હોય તેવા કાર્યો પ્રદાન કરશે.

વર્તમાન ઘટના

મારા જેવા સોફ્ટવેર એન્જિનિયરો માટે મહત્વની બાબત એ છે કે લિક્વિડવેર કોઈ ભવિષ્યનો ખ્યાલ નથી કે જે ઘણા વર્ષો દૂર હોય.

આ એટલા માટે છે કારણ કે ખૂબ જ સરળ લિક્વિડવેર પહેલેથી જ પ્રાપ્ત કરી શકાય છે.

ઉદાહરણ તરીકે, ચાલો કહીએ કે હું મારી કંપનીની ઈ-કોમર્સ સાઇટ માટે વેબ એપ્લિકેશન વિકસાવતો એક એન્જિનિયર છું.

આવી વેબ એપ્લિકેશન્સમાં સામાન્ય રીતે કંપની દ્વારા સંચાલિત સર્વર પર અથવા કોન્ટ્રાક્ટેડ ક્લાઉડ સેવાઓ પર ડેટાબેઝ, વેચાણ વ્યવસ્થાપન સિસ્ટમ્સ અને ઉત્પાદન શિપિંગ સિસ્ટમ્સ હોય છે. જ્યારે કોઈ વપરાશકર્તા ખરીદી કરે છે, ત્યારે આ સિસ્ટમ્સ ચુકવણીઓ એકત્રિત કરવા અને ઉત્પાદનો મોકલવા માટે જોડાય છે.

આ કામગીરીઓ માટેની મુખ્ય સિસ્ટમ્સ અને ડેટાબેઝને મનસ્વી રીતે બદલી શકાતા નથી.

જોકે, જો વપરાશકર્તાઓ જુએ છે તે ઈ-કોમર્સ વેબસાઇટની ડિઝાઇન દરેક વપરાશકર્તાની સુવિધા માટે બદલવામાં આવે, તો સામાન્ય રીતે ઓછી મુશ્કેલી થાય છે. અલબત્ત, જો એક વપરાશકર્તાના ફેરફારો બીજા વપરાશકર્તાની સ્ક્રીનને અસર કરે, તો તે સમસ્યા છે, પરંતુ વ્યક્તિગત વપરાશકર્તા-વિશિષ્ટ કસ્ટમાઇઝેશન બરાબર છે.

વિવિધ ફેરફારો શક્ય છે: ટેક્સ્ટને મોટો કરવો, પૃષ્ઠભૂમિને ડાર્ક ટોનમાં બદલવી, વારંવાર દબાવવામાં આવતી બટનોને ડાબા હાથથી સરળતાથી પહોંચી શકાય તેવી સ્થિતિમાં ખસેડવા, સૂચિ સ્ક્રીન પર વસ્તુઓને કિંમત દ્વારા સૉર્ટ કરવી, અથવા બે ઉત્પાદનોની વિગતોને બાજુમાં પ્રદર્શિત કરવી.

તકનીકી રીતે, આ ફેરફારો બ્રાઉઝર પર સ્ક્રીન પ્રદર્શિત કરતા HTML, CSS અને JavaScript જેવી કન્ફિગરેશન ફાઇલો અને પ્રોગ્રામ્સને બદલીને પ્રાપ્ત કરી શકાય છે.

સુરક્ષાની દ્રષ્ટિએ, આ ફાઇલો મૂળરૂપે વેબ બ્રાઉઝર પર ચાલે છે, તેથી તે વેબ એપ્લિકેશન્સથી પરિચિત એન્જિનિયરો દ્વારા સુધારી શકાય છે. તેથી, તેઓ ફક્ત તે કાર્યો અને ડેટાને હેન્ડલ કરે છે જે સુધારવા માટે સુરક્ષિત છે.

આમ, ઈ-કોમર્સ વેબ એપ્લિકેશનના સર્વર બાજુએ, કોઈ આ ફાઇલોને દરેક લૉગ-ઇન વપરાશકર્તા માટે અલગથી સંગ્રહિત કરી શકે છે, ચેટ AI સાથે વાતચીત માટે એક સ્ક્રીન ઉમેરી શકે છે, અને વપરાશકર્તાની વિનંતીઓ અનુસાર સર્વર પર તે વપરાશકર્તાની HTML, CSS અને JavaScript ફાઇલોને સુધારવા માટે એક પદ્ધતિ બનાવી શકે છે.

જો તમે આ ટેક્સ્ટ, હાલની ઈ-કોમર્સ વેબ એપ્લિકેશનની કન્ફિગરેશન માહિતી અને સોર્સ કોડ સાથે, જનરેટિવ AI ને પ્રદાન કરો છો, તો તે આવી કાર્યક્ષમતા ઉમેરવા માટેના પગલાં અને જરૂરી પ્રોગ્રામ્સ પ્રદાન કરશે તેવી સંભાવના છે.

આ રીતે, લિક્વિડવેર પહેલેથી જ એક વર્તમાન વિષય છે; તે એક ચાલુ ઘટના છે તે આશ્ચર્યજનક નથી.

સર્વદિશાકીય એન્જિનિયર

ભલે AI-સંચાલિત સ્વચાલિત પ્રોગ્રામિંગનો અવકાશ વિસ્તરે અને લિક્વિડવેરનો યુગ પહેલેથી જ શરૂ થઈ ગયો હોય, છતાં પણ સોફ્ટવેર ડેવલપમેન્ટ હજુ સંપૂર્ણપણે જનરેટિવ AI દ્વારા હાથ ધરવામાં આવી શકતું નથી.

જોકે, સોફ્ટવેર ડેવલપમેન્ટમાં પ્રોગ્રામિંગનું મહત્વ નોંધપાત્ર રીતે ઘટશે તે નિશ્ચિત છે.

વધુમાં, સોફ્ટવેરને સરળતાથી વિકસાવવા માટે, માત્ર સામાન્ય પ્રોગ્રામિંગ જ નહીં, પરંતુ ક્લાઉડ ઇન્ફ્રાસ્ટ્રક્ચર, નેટવર્ક્સ, સિક્યોરિટી, પ્લેટફોર્મ્સ, ડેવલપમેન્ટ ફ્રેમવર્ક્સ અને ડેટાબેઝ – એટલે કે સમગ્ર સિસ્ટમને ઉપરથી નીચે સુધી આવરી લેતા – જ્ઞાન અને એન્જિનિયરિંગ કૌશલ્યોની વિશાળ શ્રેણીની જરૂર છે.

આવા જ્ઞાન અને કૌશલ્યો ધરાવતા કર્મચારીઓને ફુલ-સ્ટેક એન્જિનિયર કહેવામાં આવે છે.

અત્યાર સુધી, થોડા ફુલ-સ્ટેક એન્જિનિયરો એકંદર ડિઝાઇનનું સંચાલન કરતા હતા, જ્યારે બાકીના એન્જિનિયરો કાં તો ફક્ત પ્રોગ્રામિંગ પર ધ્યાન કેન્દ્રિત કરતા હતા અથવા સિસ્ટમ સ્ટેક કમાં વિશિષ્ટ બિન-પ્રોગ્રામિંગ ક્ષેત્રોમાં નિષ્ણાત હતા, આ રીતે ભૂમિકાઓનું વિભાજન કરતા હતા.

જોકે, જેમ જેમ જનરેટિવ AI પ્રોગ્રામિંગનો ભાગ સંભાળશે, તેમ તેમ સોફ્ટવેર ડેવલપમેન્ટ ખર્ચમાં નોંધપાત્ર ઘટાડો થશે, જેના પરિણામે વિવિધ નવા સોફ્ટવેર ડેવલપમેન્ટનું આયોજન થશે.

પરિણામે, દરેક ડેવલપમેન્ટ પ્રોજેક્ટમાં એન્જિનિયરોની ખૂબ જ ઓછી જરૂર પડશે જેઓ ફક્ત કોડ લખી શકે; તેના બદલે, મોટી સંખ્યામાં ફુલ-સ્ટેક એન્જિનિયરોની જરૂર પડશે.

વધુમાં, આ પરિસ્થિતિમાં, ફક્ત ફુલ-સ્ટેક જ્ઞાન અને કૌશલ્યો પૂરતા રહેશે નહીં. આ એટલા માટે છે કારણ કે વિવિધ સોફ્ટવેર ડેવલપમેન્ટ પ્રોજેક્ટ્સમાં વિવિધ પ્રકારના સોફ્ટવેરની માંગ રહેશે, એટલે કે ડેવલપમેન્ટ હંમેશા સમાન સિસ્ટમ સ્ટેક કમાં વિનંતી કરવામાં આવશે નહીં. ઉપરાંત, બહુવિધ સિસ્ટમ સ્ટેક્સની જરૂર હોય તેવી સંયુક્ત સિસ્ટમોની માંગ વધવાની ખાતરી છે.

ઉદાહરણ તરીકે, વેબ એપ્લિકેશન માટેનો સિસ્ટમ સ્ટેક વ્યવસાય અથવા મુખ્ય સિસ્ટમો માટેના સિસ્ટમ સ્ટેકથી અલગ છે. તેથી, ફુલ-સ્ટેક વેબ એપ્લિકેશન એન્જિનિયરને મુખ્ય સિસ્ટમ ડેવલપમેન્ટ પ્રોજેક્ટ સોંપી શકાય નહીં.

વળી, વેબ એપ્સ, સ્માર્ટફોન એપ્સ અને પીસી એપ્લિકેશન્સમાં અલગ-અલગ સિસ્ટમ સ્ટેક્સ હોય છે. IoT જેવા એમ્બેડેડ સોફ્ટવેરની દુનિયામાં, સિસ્ટમ સ્ટેક તે જેમાં એમ્બેડેડ છે તે ઉપકરણના આધારે સંપૂર્ણપણે બદલાઈ જાય છે.

જોકે, જો પ્રોગ્રામિંગ પર ભાર ઓછો થાય અને સોફ્ટવેર ડેવલપમેન્ટનો એકંદર ખર્ચ ઘટે, તો વિવિધ સિસ્ટમ સ્ટેક્સ સાથે સોફ્ટવેરને જોડતી સંયુક્ત સિસ્ટમોનો વિકાસ વધવો જોઈએ.

આના માટે ડેવલપમેન્ટ માટે બહુવિધ અલગ ફુલ-સ્ટેક એન્જિનિયરોને એકત્રિત કરવાની જરૂર પડશે, પરંતુ જે એન્જિનિયરો સમગ્ર ચિત્રનું નિરીક્ષણ કરી શકે છે અને મૂળભૂત ડિઝાઇન કરી શકે છે તેઓ મહત્વપૂર્ણ સ્થાન ધરાવશે.

આનો અર્થ એ છે કે વ્યક્તિગત સિસ્ટમ સ્ટેક્સની સીમાઓ વટાવીને, અસંખ્ય સિસ્ટમ સ્ટેક્સ પર સર્વદિશાકીય જ્ઞાન અને કૌશલ્યો ધરાવતા એન્જિનિયરોની માંગ રહેશે.

આવા એન્જિનિયરોને સંભવતઃ સર્વદિશાકીય એન્જિનિયરો કહેવામાં આવશે.

અને જેમ જનરેટિવ AI ને કારણે ફક્ત પ્રોગ્રામ કરી શકતા એન્જિનિયરોની માંગ ઘટશે, તેમ એક યુગ આખરે આવશે જ્યારે એક જ સિસ્ટમ સ્ટેક પૂરતા મર્યાદિત ફુલ-સ્ટેક એન્જિનિયરોની માંગ પણ ઘટશે.

જો તમે તે યુગમાં IT એન્જિનિયર તરીકે સક્રિય રહેવા માંગતા હો, તો તમારે તરત જ સર્વદિશાકીય એન્જિનિયર બનવાનો પ્રયાસ શરૂ કરવો પડશે.

સર્વદિશાકીય ઇજનેરની ભૂમિકા

વિકાસ પામતી પ્રોગ્રામિંગ ભાષાઓ, પ્લેટફોર્મ્સ અને ફ્રેમવર્ક્સ વિવિધ પ્રકારના હોય છે.

જોકે, આનો અર્થ એ નથી કે વ્યક્તિએ તે બધા શીખવા જ જોઈએ. આ એટલા માટે છે કારણ કે સર્વદિશાકીય ઇજનેર જનરેટિવ AI પાસેથી પણ મદદ મેળવી શકે છે.

જો જનરેટિવ AI ને સોંપવામાં આવે, તો જે પ્રોગ્રામિંગ ભાષાઓ, પ્લેટફોર્મ્સ અથવા ફ્રેમવર્ક્સનો વ્યક્તિગત રીતે ક્યારેય ઉપયોગ કર્યો ન હોય, તે પણ ફક્ત મૌખિક સૂચનાઓ આપીને જનરેટ કરી શકાય છે.

અલબત્ત, બગ્સ અથવા સુરક્ષા છિદ્રો દાખલ કરવાનું, અથવા ભવિષ્યના ફેરફારોને મુશ્કેલ બનાવી શકે તેવા તકનીકી દેવું એકઠું કરવાનું જોખમ રહેલું છે.

આ જોખમોને ઓળખવા અને ઘટાડવા માટે, ચોક્કસ ભાષા અથવા લાઇબ્રેરીનું જ્ઞાન જરૂરી છે. જોકે, તે જ્ઞાન જનરેટિવ AI પાસેથી પણ મેળવી શકાય છે. સર્વદિશાકીય ઇજનેરને ફક્ત આ મુદ્દાઓને શોધવા અને અટકાવવા માટે, અથવા તેમને પાછળથી સંભાળવા માટેની પ્રક્રિયાઓ અને પદ્ધતિઓને સંપૂર્ણ રીતે બનાવવામાં સક્ષમ બનવાની જરૂર છે.

આ પ્રક્રિયાઓ અને પદ્ધતિઓ સિસ્ટમ સ્ટેકમાં તફાવતો સાથે નોંધપાત્ર રીતે બદલાતી નથી. જો કોઈ વ્યક્તિ બગ્સ અને સુરક્ષા છિદ્રોના પરિચયને દબાવવા માટે અને વિકાસ દરમિયાન ભવિષ્યની વિસ્તરણક્ષમતા સુનિશ્ચિત કરવા માટેની પ્રક્રિયાઓ અને પદ્ધતિઓને ઔપચારિક બનાવી શકે, તો બાકીનું જનરેટિવ AI અથવા તે ચોક્કસ ક્ષેત્રોમાં કુશળ ઇજનેરોને સોંપી શકાય છે.

સર્વદિશાકીય ઇજનેરને દરેક વ્યક્તિગત સિસ્ટમ સ્ટેક કમાં વિગતવાર જ્ઞાન અથવા લાંબા ગાળાનો અનુભવ હોવો જરૂરી નથી.

વધુમાં, સર્વદિશાકીય ઇજનેરની મુખ્ય ભૂમિકાઓમાંની એક એ ડિઝાઇન કરવાનું છે કે કાર્યો કેવી રીતે વિતરિત થાય છે અને બહુવિધ, ભિન્ન સિસ્ટમ સ્ટેક્સમાં સહયોગી રીતે કાર્ય કરતા જટિલ સોફ્ટવેરની અંદર તેઓ કેવી રીતે એકબીજા સાથે ક્રિયાપ્રતિક્રિયા કરે છે.

વધુમાં, સમગ્ર સોફ્ટવેરનો કેવી રીતે વિકાસ અને સંચાલન થવું જોઈએ તે ધ્યાનમાં લેવું પણ સર્વદિશાકીય ઇજનેર માટે એક મહત્વપૂર્ણ ભૂમિકા બની જાય છે.

સર્વદિશાકીય સોફ્ટવેર

ચાલો વિચારીએ કે કયા પ્રકારના સોફ્ટવેર ડેવલપમેન્ટ માટે સર્વદિશાકીય એન્જિનિયરની જરૂર પડે છે.

અગાઉ, મેં ઈ-કોમર્સ વેબ એપ્લિકેશનના વિકાસનું ઉદાહરણ આપ્યું હતું.

કંપનીના ટોચના મેનેજમેન્ટ દ્વારા આ ઈ-કોમર્સ વેબ એપ્લિકેશનને ઓવરહોલ કરવાનો આદેશ આપનાર એક કાર્યકારી અધિકારીના નિર્દેશ હેઠળ, આયોજન ટીમ નીચેની આવશ્યકતાઓ સાથે આવી શકે છે:

વપરાશકર્તા સમુદાય પ્લેટફોર્મ રૂપાંતરણ. આનો અર્થ માત્ર ઈ-કોમર્સ-વિશિષ્ટ એપ્લિકેશન અથવા સાઇટ જ નહીં, પરંતુ એક પ્લેટફોર્મ પ્રદાન કરવું જ્યાં ઉત્પાદન વપરાશકર્તાઓ ઉત્પાદનો અને તેમના ઉપયોગ વિશે એકબીજા સાથે વાર્તાલાપ કરી શકે. આનો હેતુ વપરાશકર્તાની જાળવણી, વર્ડ-ઓફ-માઉથ અસર, વપરાશકર્તાના યોગદાન દ્વારા સામગ્રીનું સમૃદ્ધિકરણ, અને નવા ઉત્પાદન આયોજન અને માર્કેટિંગ સાથે ઉત્પાદન વિકાસ પ્રતિસાદ (સકારાત્મક અને નકારાત્મક બંને) નું એકીકરણ છે.

ઓમ્ની-ડિવાઇસ સુસંગતતા. આ વેબ એપ્લિકેશન્સ ઉપરાંત સ્માર્ટફોન એપ્લિકેશન્સ, વોઇસ આસિસ્ટન્ટ્સ, વેરેબલ ડિવાઇસ, સ્માર્ટ હોમ એપ્લાયન્સિસ અને અન્ય તમામ ઉપકરણોમાંથી વપરાશકર્તા સમુદાય અને ઉત્પાદન માહિતી સુધી પહોંચની સુવિધા આપે છે.

ઓમ્ની-પ્લેટફોર્મ સુસંગતતા. આમાં માત્ર કંપનીનું પોતાનું વપરાશકર્તા સમુદાય પ્લેટફોર્મ જ નહીં, પણ ઉદાહરણ તરીકે, સામાન્ય ઈ-કોમર્સ સાઇટ્સ પર ઉત્પાદન સૂચિઓ અને સમીક્ષા શેરિંગ, સોશિયલ મીડિયા સાથેનું એકીકરણ, અને વિવિધ AI ટૂલ્સ સાથે કાર્યાત્મક અને માહિતી લિંકેજ પણ શામેલ છે.

વ્યવસાય પ્રણાલીનું નવીનીકરણ. હાલની વેચાણ વ્યવસ્થાપન અને ઉત્પાદન વિતરણ પ્રણાલીઓ સાથે કામચલાઉ રીતે જોડાણ જાળવી રાખતી વખતે, આ પ્રણાલીઓનું પણ નવીનીકરણ કરવામાં આવશે. નવીનીકરણ પછી, રીઅલ-ટાઇમ વેચાણ ડેટાનું એકત્રીકરણ, માંગનું અનુમાન, અને ઇન્વેન્ટરી વ્યવસ્થાપન પ્રણાલીઓ સાથેનું એકીકરણ કલ્પવામાં આવે છે. વધુમાં, જેમ જેમ પ્રાદેશિક વિતરિત ઇન્વેન્ટરી પ્રણાલીઓ અને ડિલિવરી કંપનીઓ દ્વારા પૂરી પાડવામાં આવતી ઉત્પાદન શિપિંગ સેવાઓ સાથે ક્રમશઃ એકીકરણ આગળ વધશે, તેમ માહિતી પ્રણાલીઓએ પણ તે મુજબ ક્રમશઃ એકીકૃત થવું જોઈએ.

લિક્વિડવેર સુસંગતતા. અલબત્ત, તમામ યુઝર ઇન્ટરફેસ લિક્વિડવેર સાથે સુસંગત હશે. આ ઉપરાંત, ઉત્પાદન વિકાસ અને આયોજન, સિસ્ટમ ઓપરેશન વિભાગો, અને મેનેજમેન્ટ રિપોર્ટ્સ માટે માહિતી એકત્રીકરણ અને પ્રતિસાદ જેવા તમામ આંતરિક યુઝર ઇન્ટરફેસ પણ લિક્વિડવેરમાં રૂપાંતરિત થશે.

જો આવા જટિલ સોફ્ટવેર માટે ડેવલપમેન્ટ પ્લાન રજૂ કરવામાં આવે, તો પરંપરાગત સોફ્ટવેર ડેવલપમેન્ટ ટીમ તેને તરત સ્વીકારશે નહીં. અથવા, સિસ્ટમ સ્પેસિફિકેશન્સને સુધારવાની પ્રક્રિયા દરમિયાન, તેઓ મોટા પ્રમાણમાં વિકાસ ખર્ચ અને સમયની જરૂરિયાતને તાર્કિક રીતે દર્શાવશે, અને સ્પેસિફિકેશન્સમાં નોંધપાત્ર ઘટાડો કરવા દબાણ કરશે.

જોકે, જો જનરેટિવ AI મોટાભાગના પ્રોગ્રામિંગને સ્વચાલિત કરી શકે, અને રજૂ કરાયેલા સિસ્ટમ સ્ટેક્સમાંથી અડધાથી વધુ ટીમમાં કોઈને પરિચિત હોય, અને ટીમને જનરેટિવ AI ની મદદથી શરૂઆતથી જ નવા સિસ્ટમ સ્ટેક્સ, પ્લેટફોર્મ્સ અને ફ્રેમવર્ક્સ સફળતાપૂર્વક રજૂ કરવાનો અગાઉનો અનુભવ હોય તો શું? અને જો તમે, સર્વદિશાકીય ઇજનેર તરીકે, આ માર્ગ પર પહેલેથી જ આગળ વધ્યા હોવ અને તેના પર ચાલુ રાખવાનો ઇરાદો હોય તો શું?

તે દૃષ્ટિકોણથી, તે ખૂબ જ આકર્ષક પ્રોજેક્ટ લાગવો જોઈએ. તમને આયોજન નેતૃત્વના નિર્દેશન હેઠળ મહત્વાકાંક્ષી દરખાસ્તો રજૂ કરતી આયોજન ટીમ, અને સર્વદિશાકીય સોફ્ટવેર ડેવલપમેન્ટ ટીમમાં વિકસિત થવાની સંભાવના ધરાવતી ડેવલપમેન્ટ ટીમ સાથે કામ કરવા મળશે.

હાલની સિસ્ટમોની ખાતરી પણ છે. આ એક એવો પ્રોજેક્ટ પણ છે જે ઝડપી વિકાસ પ્રક્રિયાઓને મંજૂરી આપે છે, જ્યાં ઉચ્ચ-પ્રભાવવાળી સુવિધાઓ ઝડપથી બનાવી શકાય છે, અને પ્રારંભિક અપનાવનાર વપરાશકર્તાઓના પ્રતિસાદ સાથે સિસ્ટમ ધીમે ધીમે વિકસી શકે છે.

આ ધ્યાનમાં લેતા, આ સર્વદિશાકીય સોફ્ટવેરનો વિકાસ એક આકર્ષક પ્રોજેક્ટ લાગવો જોઈએ.

સમાપ્તિમાં

જનરેટિવ AI દ્વારા સ્વચાલિત પ્રોગ્રામિંગને કારણે, લિક્વિડવેર અને સર્વદિશાકીય સોફ્ટવેર ડેવલપમેન્ટ પહેલેથી જ વર્તમાન વાસ્તવિકતા બની રહ્યા છે.

આવી સ્થિતિમાં, IT એન્જિનિયરોને ફુલ-સ્ટેકથી આગળ વધીને સર્વદિશાકીય એન્જિનિયર બનવાની જરૂરિયાત વધી રહી છે.

વધુમાં, તેનાથી આગળ, તેમનો વ્યાપ સર્વદિશાકીય બિઝનેસ એન્જિનિયરિંગ સુધી વિસ્તરશે, જે IT સિસ્ટમ્સના દાયરાથી આગળ ગ્રાહકો, આંતરિક કર્મચારીઓ અને AI ને જોડીને સંગઠનાત્મક પ્રવૃત્તિઓને વ્યાપકપણે એન્જિનિયર કરે છે, અને સર્વદિશાકીય સમુદાય એન્જિનિયરિંગ સુધી પણ.

અને તેનાથી પણ આગળ, હું માનું છું કે સર્વદિશાકીય સામાજિક એન્જિનિયરિંગ નામનું એક ક્ષેત્ર ઉભરી આવશે, જેનો ઉદ્દેશ્ય સમાજને વ્યાપકપણે સુધારવાનો હશે.