AI සමඟ කේත ලියන ඒජන්ට්ලාගේ උපදෙස් පාලනය කරන්නේ කොතරම් සාර්ථකද යන්න අලුත් පර්යේෂණයකින් හෙළිවී ඇත.
ඉතිහාසය පුරා, සංවර්ධකයන් AI‑වෙත “කේත ලේඛක” ලෙස භාවිතා කරමින්, ඒජන්ට්ලාට “AGENTS.md”, “CLAUDE.md” වැනි ගොනු තුළ උපදෙස්, නීති, ලොග් පද්ධති සකස් කර ඇත. එම උපදෙස් “ඉදිරියට සෑම commit එකකටම ක්රියාත්මක විය යුතු” යන ආකාරයෙන් ලියන ලද නමුත්, ඒවා ව්යාපාරිකව පරික්ෂා කර ඇත්ද?
ඉන්ටර්නට්වලින් පාලනය කරමින්, ලේඛකයා 8 විවෘත රෙපොසිටරීන් 1,332 උපදෙස් ඒකක, 17,611 තනි උපදෙස් පරීක්ෂා කළේය. “පරීක්ෂා කළ හැකි” උපදෙස් යනු රෙපොසිටරියෙන්ම සනාථ කළ හැකි, උදාහරණයක් ලෙස ගොනු නාමය, ක්රියා විධාන, diff, exit code වැනි තොරතුරු. ඉතිරි සියලු උපදෙස් “ඇස්තමේන්තු” ලෙස සලකන ලදී.
ප්රධාන සොයාගැනීම් දෙකකි. පළමුව, සම්පූර්ණ රෙපොසිටරියේ පරීක්ෂා කළ හැකි උපදෙස් සාමාන්යයෙන් 11.1% පමණයි; අඩුම 2.2% සිට ඉහළම 22.9% දක්වා වෙනස් වේ. දෙවැනි, 8 රෙපොසිටරීන්ගෙන් 5 ක් කිසිදු නිශ්චිත output artifact එකක් නියම කර නොතිබුණි. තවත් 3 රෙපොසිටරීන් පවතින 103 artifacts අතර 44 ක් කිසිදාම commit එකක පවා පෙනී නොතිබුණි – ඒවා “phantom artifacts” ලෙස හැඳින්වේ.
මෙම තත්ත්වය දෙකකට බෙදේ: (1) සත්ය පරීක්ෂා කළ නොහැකි උපදෙස් ඇති රෙපොසිටරීන්, (2) උපදෙස් අසාර්ථකව පවත්වන රෙපොසිටරීන්, එමගින් සම්භාව්ය “කොයින් ටොස්” වශයෙන් 43% අසාර්ථකත්වයක් පෙන්වයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තරුණ සංවර්ධකයින් AI‑කේත ඒජන්ට්ලා භාවිතා කරමින් ඉගෙනීමට උනන්දු වෙති. මෙම පර්යේෂණය පෙන්වන්නේ, උපදෙස් ලියන විට පරීක්ෂා කළ හැකි ක්රියාමාර්ග ඇතුළත් කිරීම අත්යවශ්ය බවයි. ඒ නිසා, ලංකාවේ සමාගම් සහ විශ්වවිද්යාලයන්ට:
- Git hook, CI pipeline ආදිය සමඟ උපදෙස් ස්වයංක්රිය පරීක්ෂා කිරීමේ ක්රමලේඛ නිර්මාණය.
- ඉදිරි AI‑ආධාරිත වැඩපිළිවෙළ සඳහා “artifact audit” ප්රතිපත්තියක් සකස් කිරීම.
- ඉගෙනුම් පාඨමාලා තුළ “phantom artifact” වර්ගය හඳුන්වා, ව්යාපෘති පාලනයේ ගැටලු අවධාරණය කිරීම.
ඒජන්ට් උපදෙස් පාලනයේ අඩුපාඩු ඉවත් කරමින්, ලංකාවේ තාක්ෂණික නිෂ්පාදන ගුණාත්මකභාවය වැඩිදියුණු කර, දේශීය AI‑ආරම්භක ව්යාපාරවල විශ්වාසය ඉහළ දැමිය හැක.
අවසන් වශයෙන්, AI කේත ඒජන්ට්ලාගේ “උපදෙස්” පාලනය කෙරෙහි අවධානය යොමු කිරීම, සංවර්ධකයන්ට වැඩි නිශ්චලතාවයක්, ව්යාපාරයන්ට වඩාත් විශ්වාසනීය automation, සහ පාරිසරිකව තවත් නවෝත්පාදන සඳහා පදනමක් සපයයි.
