મોટાભાગના સૉફ્ટવેર ડેવલપર્સ, ટેક લીડ્સ અને DevOps એન્જિનિયરો પોતાની કારકિર્દીની શરૂઆત બિલ્ડર તરીકે કરે છે.

તેઓ સિસ્ટમ્સ, ઍપ્સ, કમ્પોનન્ટ્સ, થીમ્સ, પૅટર્ન્સ, મૉડ્યુલ્સ અને પાઇપલાઇન્સ બનાવે છે. તેઓ લેઆઉટ સુધારે છે, અપવાદરૂપ સ્થિતિઓ ઉકેલે છે, સુસંગતતા જાળવે છે અને એક પછી એક કમિટ સાથે સિસ્ટમને આગળ વધારે છે. આ કામ ચોક્કસ, વ્યવહારુ અને ઊંડું તકનીકી હોય છે.

પરંતુ એક તબક્કે કંઈક બદલાય છે.

શ્રેષ્ઠ વ્યાવસાયિકો બનાવવાનું બંધ કરતા નથી, પણ તેઓ સિસ્ટમની રીતે વિચારવા લાગે છે.

બિલ્ડરમાંથી સિસ્ટમ્સ થિંકર સુધી

બદલાવ: પરિણામથી નિયમો તરફ

બિલ્ડર તરીકે ધ્યાન પરિણામ પર હોય છે: કમ્પોનન્ટ્સ, ટેમ્પ્લેટ્સ, પેજ, ફીચર્સ, લાઇબ્રેરીઓ, ઍપ્લિકેશન્સ.

સિસ્ટમ્સ થિંકર તરીકે ધ્યાન નિયમો પર જાય છે: મર્યાદાઓ, પરસ્પર ક્રિયાઓ, ફીડબૅક લૂપ્સ.

"આ કમ્પોનન્ટ કેવું દેખાય છે?" એવું પૂછવાને બદલે સિસ્ટમ્સ થિંકર્સ જુદા પ્રશ્નો પૂછે છે: આ કમ્પોનન્ટને કયા નિયમો ચલાવે છે? તેની સાથે કોને ક્રિયાપ્રતિક્રિયા કરવાની છૂટ છે? ફેરફાર સમયે તે કેવી રીતે વર્તે છે? સમય જતાં મૂળ હેતુ કેવી રીતે ટકી રહે છે?

આ બદલાવ સ્વાભાવિક રીતે એજન્ટિક સિસ્ટમ્સ તરફ દોરી જાય છે.

જ્યારે ડિઝાઇન સ્થિર રહેતી નથી

આધુનિક ડિઝાઇન સિસ્ટમ્સ પહેલેથી તર્ક સમાવે છે: ટોકન્સ મર્યાદા નક્કી કરે છે, કમ્પોનન્ટ્સ માળખું નક્કી કરે છે, પૅટર્ન્સ વર્તન નક્કી કરે છે.

છતાં મોટાભાગની સિસ્ટમ્સ હજુ પણ માનવ સંકલન પર ભારે આધાર રાખે છે.

AI એજન્ટ્સ એક અલગ મૉડલ લાવે છે, જેમાં સિસ્ટમ્સ પોતાના નિયમો જાતે લાગુ કરી શકે, નિર્ણયોને સતત ચકાસી શકે, સંદર્ભ પ્રમાણે પ્રતિક્રિયા આપી શકે અને અંદરોઅંદર સંકલન કરી શકે.

અહીં ડિઝાઇન દસ્તાવેજીકરણમાંથી ચલાવી શકાય એવા તર્કમાં વિકસે છે.

આ બધું ક્યાં જઈ રહ્યું છે

હવે ધ્યાન આ વિચારોને વાસ્તવિક, કાર્યરત સિસ્ટમ્સમાં અમલમાં મૂકવા પર છે, પ્રયોગ તરીકે નહીં, પણ પાયા તરીકે.

1. ડિઝાઇન ટૂલ્સ (Figma) સાથે AI એજન્ટ્સનું વધુ ઊંડું એકીકરણ

એજન્ટિક ડિઝાઇન સિસ્ટમ્સ તરફ

ડિઝાઇન ટૂલ્સ નિષ્ક્રિય કૅનવાસ ન હોવા જોઈએ.

લક્ષ્ય એવું છે કે Figma સાથે એવા AI એજન્ટ્સ જોડાય જે ડિઝાઇન ટોકન્સ અને કમ્પોનન્ટની મર્યાદાઓ સમજે, નિર્ણયોને રિયલ ટાઇમમાં ચકાસે, ડિઝાઇનના હેતુને સિસ્ટમ-સ્તરના નિયમોમાં ઢાળે અને માત્ર નિકાસ કરનાર નહીં, પણ સહયોગી તરીકે કામ કરે.

આથી ડિઝાઇન એક પગથિયું ઉપર, પ્રારંભમાં જ આવે છે, જ્યાં હેતુ સચવાય છે, પાછળથી અનુમાનથી શોધવો પડતો નથી.

2. સ્કેલ થઈ શકે એવું AI એજન્ટ્સ મેનેજમેન્ટ

લક્ષ્ય: 150 એજન્ટ્સ, દરેક કમ્પોનન્ટ દીઠ એક

એક સર્વસામાન્ય AI ને બદલે ટીમો હવે અનેક વિશિષ્ટ એજન્ટ્સ તરફ વળી રહી છે.

દરેક કમ્પોનન્ટને પોતાનો એજન્ટ મળે છે, જેની નિશ્ચિત જવાબદારીઓ, સ્પષ્ટ સીમાઓ અને સંબંધિત કમ્પોનન્ટ્સ વિશે જાણકારી હોય છે.

સ્વસ્થ સિસ્ટમ્સ આ જ રીતે વિસ્તરે છે: વિશેષજ્ઞતા, સંકલન અને સ્પષ્ટ કરારો દ્વારા.

3. વાસ્તવિક સ્કિલ્સ, ટૂલ્સ અને પ્લગઇન્સ સાથેના એજન્ટ્સ

એજન્ટ્સ કામ કરી શકે એવા હોવા જોઈએ.

એટલે કે તેમને સ્કિલ્સ (ઍક્સેસિબિલિટીનો તર્ક, ડિઝાઇન ચકાસણી, પર્ફોર્મન્સની સમજ), ટૂલ્સ (લિન્ટર્સ, ટેસ્ટ રનર્સ, ડિઝાઇન API) અને પ્લગઇન્સ (Storybook, Drupal, CI પાઇપલાઇન્સ, Figma ઇન્ટિગ્રેશન્સ) આપવા.

સાધનો વિનાનો એજન્ટ માત્ર સૈદ્ધાંતિક છે. સાધનો સાથેનો એજન્ટ સિસ્ટમનો જ એક ભાગ બની જાય છે.

4. વધુ સ્માર્ટ સ્વચાલિત ફંક્શનલ ઍક્સેપ્ટન્સ ટેસ્ટિંગ

AI-સંચાલિત અને હેતુને સમજતું

પરંપરાગત ટેસ્ટિંગ પરિણામ ચકાસે છે. એજન્ટ-સંચાલિત ટેસ્ટિંગ વર્તન સમજે છે.

ધ્યાન એવા AI એજન્ટ્સ પર છે જે યુઝર જર્નીઓ વિશે તર્ક કરે, એવા ફંક્શનલ ટેસ્ટ્સ પર છે જે માત્ર સિલેક્ટર્સ નહીં, પણ હેતુ સમજે, એવી સિસ્ટમ્સ પર છે જે કમ્પોનન્ટ્સ સાથે ટેસ્ટ્સને પણ વિકસાવે, અને નાજુક ટેસ્ટ્સ ઘટાડીને અર્થગત વિશ્વાસ વધારવા પર છે.

ટેસ્ટિંગ સિસ્ટમ બુદ્ધિમત્તાનું વધુ એક સ્તર બની જાય છે.

AI ના યુગમાં TDD અને BDD: શા માટે AI એજન્ટ્સ 100% વધુ ટેસ્ટ-ફર્સ્ટ ડેવલપમેન્ટ માગે છે

આ શા માટે મહત્ત્વનું છે

ટીમો એવી સિસ્ટમ્સ બનાવી રહી છે જે પોતાના સર્જકો કરતાં વધુ ટકે, સતત અનુકૂલન સાધે અને લાંબા ગાળાના ડિઝાઇન નિર્ણયોને આગળ લઈ જાય.

આવી દુનિયામાં હાથથી નિયંત્રણ કરવું ચાલતું નથી. પણ સારી રીતે વ્યાખ્યાયિત નિયમો ચાલે છે.

ડિઝાઇનર્સ, ડેવલપર્સ અને AI એજન્ટ્સે એક જ તાર્કિક માળખામાં કામ કરવું જોઈએ, મર્યાદાઓ અને હેતુની એક સહિયારી સિસ્ટમમાં.

બિલ્ડરમાંથી સિસ્ટમ્સ થિંકર બનવાનો અર્થ અમલીકરણ છોડી દેવું નથી. તેનો અર્થ સિસ્ટમ્સને માત્ર ભાગોના સંગ્રહ કરતાં વધુ રૂપે જોવાનો છે.

આગલું પગલું એવા નિયમો ઘડવાનું છે જે સિસ્ટમ્સને તર્ક કરવા, અનુકૂલન સાધવા અને વિકસવા દે.

જે સૉફ્ટવેર ડેવલપર્સ, ટેક લીડ્સ અને DevOps એન્જિનિયરો આ બદલાવ કરે છે, તેઓ માત્ર બનાવતા નથી, તેઓ સિસ્ટમ્સ પોતાની જાતે બની શકે તેવી પરિસ્થિતિઓ રચે છે.