অ্যানথ্রোপিক ল্যাবস: ২০ সদস্যের দল, ২ সপ্তাহের পর্যালোচনা, ২০-৩০% সফলতার হার

একটি প্রায় ২০ জনের দল ক্লড কোড, এমসিপি এবং ক্লড ডিজাইন তৈরি করেছে।

কিন্তু এনথ্রোপিকের সহ-প্রতিষ্ঠাতা এবং ল্যাবসের প্রধান বেন ম্যানের মতে, এই দলের বেশিরভাগ চেষ্টা ব্যর্থ হওয়ার জন্যই অনুমোদিত ছিল।

বিজনেস ইনসাইডারের প্রতিবেদন অনুযায়ী, এনথ্রোপিকের অভ্যন্তরীণ ল্যাবস দল প্রায় দুই সপ্তাহ পর পর নিজেদের হাতের পণ্য প্রোটোটাইপগুলি পর্যালোচনা করে: এগিয়ে যাওয়া উচিত, নাকি দিশা পরিবর্তন করা উচিত? যেসব ধারণার ভবিষ্যতের সম্ভাবনা নেই, সেগুলি বন্ধ করে দেওয়া হয় বা অন্যান্য প্রকল্পের সাথে একীভূত করা হয়। সত্যিকারেরভাবে কাজ করা পণ্যগুলি ল্যাবস থেকে “স্নাতক” হয়ে স্বতন্ত্র দলের হাতে স্থানান্তরিত হয়, যারা এগিয়ে নিয়ে যাবে।

ম্যানের প্রস্তাবের সফলতার হার মাত্র ২০% থেকে ৩০%। কিছু অনুসন্ধান যেগুলো স্বতন্ত্রভাবে পূর্ণাঙ্গ হয়নি, সেগুলোকে অন্যান্য প্রোটোটাইপ বা পণ্যে অন্তর্ভুক্ত করা হয়েছে। এই সংখ্যাটিকে Claude Code-এর সফলতার সাথে তুলনা করলে, Labs-এর সবচেয়ে উল্লেখযোগ্য বৈশিষ্ট্যটি প্রকাশ পায়: অসংখ্য চেষ্টাকে শেষপর্যন্ত নিয়ে যাওয়ার অগ্রহণযোগ্যতা এবং সংস্থানগুলোকে কয়েকটি মাত্র যেগুলোর সাথে আরও বেশি বিনিয়োগ করা উচিত, সেগুলোতে কেন্দ্রীভূত করা।

অ্যানথ্রোপিক যখন ব্যবসায়িককরণে এগিয়ে যাচ্ছে, তখন এই প্রক্রিয়ার গুরুত্ব বাড়ছে। বিজনেস ইনসাইডারের প্রতিবেদন অনুযায়ী, কোম্পানিটি তার তালিকাভুক্তির জন্য প্রস্তুতি নিচ্ছে। অগ্রণী মডেলের ক্ষমতাগুলিকে কীভাবে এমন পণ্যে রূপান্তরিত করা যায় যা ব্যবহারকারীরা দীর্ঘদিন ব্যবহার করতে চাইবে, তা হলো Labs-এর জন্য এখনও উত্তর দিতে হবে এমন প্রশ্ন।

ম্যান সাক্ষাতকারে মনে করিয়ে দেন যে, কয়েক বছর আগে তিনি এমনকি কোম্পানিকে পণ্য প্রকাশ শুরু করার জন্য রাজি করাতে বাধ্য হয়েছিলেন। সেই সময়, একটি আলোচনার বিষয় ছিল: কোম্পানিটি কি দানমূলক অর্থায়নের উপর নির্ভর করে উন্নত এআই গবেষণা চালিয়ে যেতে পারবে?

২০২৪ সালে, তিনি ল্যাবস প্রতিষ্ঠা করেন, যেখানে নতুন পণ্যের ধারণাগুলির জন্য মুক্ত অন্বেষণের জায়গা রাখা হয়। তারপরে, এই দলটি ক্লড কোড, এআই এজেন্টগুলিকে বাহ্যিক ডেটা এবং টুলগুলির সাথে সংযুক্ত করে এমসিপি (মডেল কনটেক্সট প্রোটোকল), এবং এই বছর চালু ক্লড ডিজাইনের মতো পণ্যগুলি বিকশিত করে। ইনস্টাগ্রামের সহ-প্রতিষ্ঠাতা মাইক ক্রিগারসহ অন্যান্যরাও এতে অংশগ্রহণ করেছেন।

বেন ম্যান

ম্যান্ন ল্যাবসকে একটি প্রকৃত স্টার্টআপ ইনকিউবেটর হিসাবে বর্ণনা করেছেন।

এই সংগঠনের জন্য স্পষ্ট রেফারেন্স রয়েছে। তিনি বেল ল্যাবসের কথা উল্লেখ করেছেন, যা ২০১৮ সালে গুগলের অভ্যন্তরীণ স্টার্টআপ প্রোগ্রাম এরিয়া ১২০-এ যোগদান করেছিল। গুগলের X-ও একটি ধারণা প্রদান করে: অনিশ্চিততা বেশি দিকগুলি অনুসন্ধানের জন্য বিশেষ দল গঠন করা, এবং পরিপক্ক প্রকল্পগুলিকে ধীরে ধীরে স্বাধীনভাবে চলতে দেওয়া।

ল্যাবসের বিশেষত্ব তা মডেল গবেষণার সাথে যে দূরত্ব রাখে তাতে বেশি প্রকাশ পায়। অগ্রণী মডেলগুলির ক্ষমতা নিয়মিত পরিবর্তন হচ্ছে। আজ একটি পণ্য যদি পর্যাপ্তভাবে ব্যবহারযোগ্য না হয়, তবে পরবর্তী মডেল আপগ্রেডের পর এটি ব্যবহারযোগ্যতার সীমানা অতিক্রম করতে পারে। যদি পণ্য দলটি আগে থেকেই জানতে পারে যে কোন ক্ষমতাগুলি উন্নতির মধ্যে রয়েছে, তবে এটি আগেই বিচার করতে পারে যে কীটি করা উচিত এবং কীটি পরীক্ষা শুরু করা যায়।

ক্লড কোড এই শর্তগুলির মধ্যেই জন্ম নেয়।

ম্যানের বর্ণনায়, ২০২৪ এর শেষের দিকে সংশ্লিষ্ট উন্নয়ন শুরু করার আগেই গবেষকরা তার দলকে জানিয়েছিলেন যে নতুন মডেলটি এজেন্ট প্রোগ্রামিংয়ে সম্ভাবনা প্রদর্শন করেছে। এটি একটি গুরুত্বপূর্ণ সংকেত দেয়: প্রোগ্রামিংয়ের উপর ভিত্তি করে পণ্য তৈরি করলে, মডেলকে আরও বেশি বাস্তবসম্মত কাজে নিয়োগ দেওয়ার চেষ্টা করা যেতে পারে।

ম্যান এই দিকটি প্রতিষ্ঠানে সাম্প্রতিকভাবে যোগদানকারী বোরিস চেরনির হাতে স্থানান্তর করেন। চেরনি প্রথমে একটি কোড বিশ্লেষণ টুলের প্রস্তাব দেন, কিন্তু ম্যান মনে করেন যে এই ধারণাটির স্কেল পর্যাপ্ত বড় নয়। তিনি একটি সাক্ষাত্কারে বলেন, বিশেষ করে নতুন কর্মচারীদের লক্ষ্যগুলি উল্লেখযোগ্যভাবে বাড়ানো দরকার, কারণ এজেন্টগুলি কতটা করতে পারবে, তা এখনও অনেকক্ষেত্রে অজানা।

বোরিস চেরনি

এটি এআই পণ্য বিকাশের একটি বাস্তব চ্যালেঞ্জের সাথে মেলে: যদি আপনি শুধুমাত্র পরিচিত ক্ষমতাগুলির ভিত্তিতে পণ্য ডিজাইন করেন, তবে মডেলটি পরবর্তীতে কী কাজ করতে পারবে তা আপনি অবহেলা করতে পারেন।

পরে চেরনি যে প্রোটোটাইপ তৈরি করেন, তা অভ্যন্তরীণভাবে জনপ্রিয় হয়। ২০২৫ সালের ফেব্রুয়ারিতে, Anthropic Claude Code-কে প্রিভিউ হিসাবে চালু করে। এটি নিহিত মডেল ব্যবহার করে কোড লিখে, সম্পাদনা করে এবং চালায়, এবং পরবর্তী মডেল আপগ্রেডগুলি পণ্যটির উন্নতিতে অবিরামভাবে অবদান রাখে।

ক্লড কোড এনথ্রোপিকের বৃদ্ধির একটি গুরুত্বপূর্ণ চালিকাশক্তি হয়ে উঠেছে। চারনি এখন এই পণ্যের দায়িত্ব পালন করছেন।

এই প্রক্রিয়াটি পুনরায় দেখলে, ল্যাবসের সুবিধা একটি বিচ্ছিন্ন ক্রিয়েটিভ আইডিয়া থেকে আসেনি। গবেষণা দল প্রথমে ক্ষমতার পরিবর্তন শনাক্ত করে, পণ্য দল এর ভিত্তিতে প্রোটোটাইপ তৈরি করে, অভ্যন্তরীণভাবে চাহিদা যাচাই করে, এবং পরবর্তী মডেলের উন্নতি অভিজ্ঞতা উন্নত করে। পদক্ষেপগুলির মধ্যে সংযোগ যতই ঘনিষ্ঠ হয়, পণ্যটি প্রযুক্তিগত অগ্রগতির সাথে সময়মতো সাড়া দেওয়ার সম্ভাবনা ততই বেশি।

কিন্তু, ক্ষমতা আগে দেখা মানে এই নয় যে প্রতিটি ধারণা দীর্ঘমেয়াদি বিনিয়োগের যোগ্য।

ল্যাবস প্রায় দুই সপ্তাহ পর পর প্রকল্পগুলির জন্য "ধরে রাখুন নাকি পথ বদলান" মূল্যায়ন করে। এই চক্রটি দিকনির্দেশ পরীক্ষা করার জন্য ব্যবহৃত হয়, যা সমস্ত পণ্যকে দুই সপ্তাহের মধ্যে সম্পন্ন করতে হবে এমন অর্থ বহন করে না।

যদি কোনো ধারণা ভালোভাবে কাজ না করে, তবে দলটি এটিকে বন্ধ করতে পারে বা এর মূল্যবান অংশগুলিকে অন্যান্য অনুসন্ধানের সাথে একীভূত করতে পারে। পরবর্তীতে অংশগ্রহণকারীরা নতুন কাজে চলে যায়। ম্যান উল্লেখ করেন যে, কিছু প্রচেষ্টা শেষপর্যন্ত Claude-এর Chrome এক্সটেনশন ইত্যাদি পণ্যে একীভূত হয়েছিল।

অতএব, 20% থেকে 30% সফলতার হারকে সহজেই বাকি কাজগুলি বাতিল হয়ে গেছে বলে বুঝা যায় না। একটি প্রোটোটাইপ যদি একটি স্বাধীন পণ্যে পরিণত না হয়, তবুও এটি পুনর্ব্যবহারযোগ্য ফাংশন, প্রযুক্তিগত অভিজ্ঞতা বা চাহিদা বিচার রেখে যেতে পারে।

একটি অন্যান্য নিয়ম একইভাবে গুরুত্বপূর্ণ: যখন প্রকল্প টিমের আকার সাধারণত চারজনের বেশি হয়, তখন এটি Labs থেকে "স্নাতক" হয়।

ক্লড কোড এবং ক্লড ডিজাইন উভয়ই এই পদ্ধতিতে কোম্পানির অভ্যন্তরীণ স্বাধীন দলে স্থানান্তরিত হয়। এর ফলে ল্যাবস ছোট আকারে অবস্থান করে পরবর্তী দিকগুলি অন্বেষণ করতে থাকে। এটিই ব্যাখ্যা করে যে কেন এটি সর্বদা একটি পরিবর্তনশীল দল হয়ে থাকে। প্রকল্পগুলি পরিপক্ক হওয়ার পর, কিছু সদস্য চলে যায়; ল্যাবস নতুন সদস্যদের যোগ করে নতুন প্রচেষ্টা শুরু করে।

যাচাইকৃত প্রকল্পগুলির জন্য আরও বেশি প্রকৌশল প্রচেষ্টা এবং দীর্ঘমেয়াদী রক্ষণাবেক্ষণের প্রয়োজন হয়, যখন ছোট দলগুলির দিকনির্দেশ সামঞ্জস্য করার জন্য স্থান রাখা প্রয়োজন। পরিপক্ক প্রকল্পগুলিকে সময়মতো স্বাধীন করে দেওয়া, Labs-কে দৈনিক পরিচালনা দ্বারা সম্পূর্ণভাবে ব্যস্ত হওয়া থেকে বাঁচাতে সহায়তা করে।

এটির প্রতিটি পরিচালনা খরচও রয়েছে। কর্মচারীদের নিয়মিত পরিবর্তন, নতুন সদস্যদের গবেষণার অগ্রগতি দ্রুত বুঝতে হবে, এবং দলকে নিয়মিত সহযোগিতার সম্পর্ক পুনর্গঠন করতে হবে। দুই সপ্তাহ পরপর মূল্যায়নটি কতটা কার্যকর হবে, তা প্রোটোটাইপের কর্মক্ষমতা মূল্যায়নের গুণমানের উপর নির্ভর করে।

ম্যানের বর্ণনা অনুযায়ী, ল্যাব এবং গবেষণা দলের মধ্যে যোগাযোগ দ্বিমুখীভাবে চলছে। পণ্য ডেভেলপাররা নতুন মডেল ব্যবহার করে সুযোগ খুঁজছেন, আর বাস্তব কাজের ফাঁকগুলি গবেষকদের নতুন ক্ষমতাগুলির দিকে মনোযোগ দিতে উৎসাহিত করছে।

ম্যান ল্যাবসের একটি লক্ষ্যকে সংক্ষেপে বর্ণনা করেছেন যে এটি হল এআইয়ের «ক্রিয়াকলাপের ক্ষেত্র» বাড়ানো, অর্থাৎ শক্তিশালী মডেলগুলিকে বাস্তব বিশ্বে আরও বেশি কাজ করতে সক্ষম করা। এই বিবৃতিটি পণ্যের কাজের লক্ষ্যকে নির্দিষ্ট কাজগুলিতে সংযুক্ত করে। প্রোগ্রামিংয়ের জন্য মডেলগুলিকে কোড পরিচালনা করতে সক্ষম হতে হবে, ডিজাইনের জন্য মডেলগুলিকে আরও উপযুক্ত ভিজুয়াল ফলাফল তৈরি করতে হবে, এবং বহুভাষিক ব্যবহারের জন্য সিস্টেমটিকে আরও বেশি মানুষের অভিব্যক্তি বুঝতে হবে। পণ্যটি সফল হবে কিনা, তা প্রকাশ করবে যে মডেলগুলির আরও কোন্‌ ক্ষমতা পূরণের প্রয়োজন।

এই পণ্যগুলি আরও বেশি বাজারে প্রবেশ করার সাথে সাথে, Anthropic আরও জটিল ব্যবসায়িক সম্পর্কের মুখোমুখি হবে।

ফররেস্টারের বিশ্লেষক মাইক গুয়ালটিয়ারি বিজনেস ইনসাইটারকে বলেন যে, এনথ্রোপিক দ্বারা চালু করা টুলগুলি সম্ভবত ব্যবসায়িক গ্রাহকদের ইতিমধ্যে ব্যবহার করা সফটওয়্যারের সাথে প্রতিযোগিতা করবে। Claude Design এর মতো একটি উদাহরণ, যা Adobe, Figma ইত্যাদি কোম্পানিগুলির ডিজাইন সফটওয়্যার ক্ষেত্রে প্রবেশ করেছে।

এখানে একটি স্থায়ী টানাটানি রয়েছে: Anthropic ডেভেলপার এবং প্রতিষ্ঠানদের মডেলের ক্ষমতা প্রদান করে, একইসাথে এই ক্ষমতাগুলি ব্যবহার করে নিজস্ব পণ্যও তৈরি করছে। প্ল্যাটফর্মে যত বেশি ফিচার যোগ করা হবে, অন্যান্য সফটওয়্যার পণ্যের সাথে তত বেশি ওভারল্যাপের সম্ভাবনা বাড়বে।

ব্যবহারকারীদের জন্য, বেশি অন্তর্নির্মিত ক্ষমতা টুল পরিবর্তন কমিয়ে দিতে পারে। পার্টনারদের জন্য, তাদের পণ্যটি আরও কী পার্থক্যমূলক মূল্য প্রদান করতে পারে তা নির্ণয় করা প্রয়োজন। Anthropic এই দুটি পাশকে কীভাবে ভারসাম্য রাখবে, তা তাদের প্ল্যাটফর্মের আকর্ষণকে প্রভাবিত করবে।

যদি কোম্পানি ভবিষ্যতে তার তালিকাভুক্তি সম্পন্ন করে, তবে ল্যাবসকে অনিশ্চিততা বেশি থাকা অনুসন্ধানের জন্যও স্পষ্টতর ব্যবসায়িক লক্ষ্যের অধীনে স্থান রাখতে হবে। এই প্রতিবেদনটির ভিত্তিতে তাদের তালিকাভুক্তির সময়সীমা নির্ধারণ করা যাবে না, এবং তালিকাভুক্তির পরে গবেষণা ও উন্নয়নের ব্যয়কে কীভাবে সামঞ্জস্য করা হবে, তা পূর্বনির্ধারণও করা যাবে না।

ম্যান্নের কল্পনায়, ল্যাবসের দিকনির্দেশ শুধুমাত্র অফিস এবং ডেভেলপমেন্ট টুলসে সীমাবদ্ধ ছিল না।

তিনি চান যে তাঁর দল ভবিষ্যতে জীববিজ্ঞান গবেষণা, পরিষ্কার শক্তি সঞ্চয় এবং অন্যান্য বাস্তব প্রয়োগের উন্নতিতে অংশগ্রহণ করুক। তিনি মনে করেন, মৌলিক বিজ্ঞান গবেষণাকে ত্বরান্বিত করলে এআই আরও অনেকের জন্য বাস্তব সুবিধা আনতে পারবে।

এগুলি এখনও দৃষ্টিভঙ্গি, যাচাইযোগ্য ফলাফলের জন্য এখনও দীর্ঘ পথ অবশিষ্ট আছে। কিন্তু এগুলি Labs-এর ইতিমধ্যে গ্রহণ করা কাজের পদ্ধতিকে অনুসরণ করে: সীমানা পর্যবেক্ষণ করা, সমাধানযোগ্য সমস্যা খুঁজে বার করা, এবং ধারণাগুলি পরীক্ষা করার জন্য প্রোটোটাইপ তৈরি করা।

Claude Code প্রমাণ করেছে যে একটি পথ অনুসরণ করা সম্ভব। পরবর্তী চ্যালেঞ্জ, Labs-এর জন্য, হল অবিরামভাবে পরিবর্তনশীল মডেল ক্ষমতা এবং ব্যবহারকারীর প্রয়োজনীয়তার মধ্যে পরবর্তী যোগ্য কাজটি খুঁজে পাওয়া।

এই প্রায় ২০ জনের দলের জন্য, প্রতিটি প্রকল্পকে সফল করে তোলা হয়তো সবচেয়ে গুরুত্বপূর্ণ বিষয় নয়। সম্ভাবনাহীন প্রচেষ্টাগুলিকে সময়মতো বন্ধ করে, সম্ভাবনাপূর্ণ পণ্যগুলিকে যথেষ্ট সম্পদ প্রদান করা হয়তোই এই হাইব্রিড মেকানিজমটির সাফল্যের সীমা নির্ধারণ করবে।

মূল লিঙ্ক: https://www.businessinsider.com/anthropic-labs-team-ai-innovation-ipo-2026-9

এই লেখাটি ওয়েইচ্যাট গিটহাব "মেশিন সিন্টিস" থেকে এসেছে