जब Codex लॉन्च हुआ, तो एक टीम सदस्य ने पूछा कि जब Codex उन उपयोग-मामलों को एक ही बार में कर सकता है जिन्हें बनाने में FDE टीम ने महीनों लगाए थे, तब उसे क्या करना चाहिए? OpenAI में, यह सवाल Forward Deployed Engineering (FDE) टीम के उद्देश्य को दर्शाता है। FDE ग्राहकों के साथ मिलकर काम करते हैं, उनकी सबसे कठिन समस्याओं को समझते हैं और ऐसे समाधान बनाते हैं जिन पर वे भरोसा कर सकें। जो वे सीखते हैं वह उत्पादों तक पहुंचता है और Research को हल करने के लिए ठोस समस्याएं देता है। अगर टीम हर कुछ महीनों में खुद को अप्रासंगिक बना देती है, तो वह अपना काम सही कर रही है।
यह टीम 2025 की शुरुआत में उस चीज़ को पाटने के लिए बनी थी जिसे OpenAI deployment gap कहता है: वह दूरी जो मॉडल की संभावित क्षमता और लोगों द्वारा अपने काम के लिए भरोसेमंद ढंग से उपयोग की जा सकने वाली चीज़ों के बीच होती है। कभी लापता कड़ी एक उत्पाद होती है। कभी मॉडल किसी बेंचमार्क पर अच्छा प्रदर्शन करता है, लेकिन वास्तविक दुनिया के चरों और बाधाओं को संभाल नहीं पाता। जहां मॉडल पहले से काम कर सकते हैं, वहां FDE समाधान को दोहराने योग्य बनाने के लिए Product और ग्राहकों के साथ काम करते हैं। जहां वे कम पड़ते हैं, वहां वे ग्राहकों और Research के साथ मिलकर अंतर को परिभाषित करते हैं और मॉडल सुधारते हैं।
200 साल पुराने कृषि व्यवसाय John Deere के सामने चुनौती थी किसानों के लिए व्यक्तिगत सलाह को बड़े पैमाने पर उपलब्ध कराना। इसकी See & Spray तकनीक कैमरों और मशीन लर्निंग का उपयोग करके पूरे खेत के बजाय केवल खरपतवार पर छिड़काव करती है, जिससे रसायनों का उपयोग 70% तक घट जाता है। लेकिन इन लाभों को पाने के लिए किसानों को यह जानना होता है कि तकनीक को कैसे कॉन्फ़िगर करें और अपनी कार्यप्रणाली कैसे समायोजित करें। John Deere ने प्राकृतिक-भाषा में उत्तर, अनुकूलित सेटअप मार्गदर्शन, और जब उपकरण अपनी पूरी क्षमता पर न चल रहे हों तब अलर्ट देने के लिए OpenAI के APIs तैनात किए।
OpenAI का कहना है कि ये समस्याएं अक्सर पूरी तरह खुली होती हैं, जिनका कोई स्थापित ground truth और कोई playbook नहीं होता। इसकी FDE टीम एक मूल सिद्धांत पर काम करती है: परिणाम से शुरुआत करें, सफल होने के लिए जो भी करना पड़े वह करें, फिर उसे बढ़ाएं। 2025 के मध्य में, लगभग 15 FDE ने एक बड़े सेमीकंडक्टर ग्राहक के साथ 10 से अधिक उपयोग-मामलों पर काम किया ताकि चिप सत्यापन को AI-native बनाया जा सके, एक ऐसा क्षेत्र जो किसी परियोजना के प्रयास का लगभग 70% हो सकता है।
स्रोत: OpenAI Blog · HeadlinesBriefing द्वारा सारांशित