PromptLayer ابزارهایی برای قرار دادن افراد غیر فنی در فرآیند توسعه اپلیکیشن‌های هوش مصنوعی می‌سازد

طی چند سال گذشته، رونق GenAI موجی از استارتاپ‌ها را به همراه داشته که وعده پشتیبانی از فرآیند مهندسی درخواست‌ها — یعنی ارائه دستورالعمل‌هایی برای هدایت دقیق یک چت‌بات هوش مصنوعی به‌منظور ارائه خروجی‌های مفید — را دارند. به عنوان مثال، ابزارهایی مانند ChatGPT OpenAI و Gemini گوگل به کاربران یک محیط خالی برای جستجوی خود ارائه می‌دهند — و جایی که سوالات و روش سوال کردن می‌توانند نتایج بسیار متفاوتی را در پی داشته باشند.

شرکت PromptLayer مستقر در نیویورک زودتر وارد این حوزه شد و حدود دو سال پیش، ابزاری را برای کمک به توسعه‌دهندگان اپلیکیشن جهت مدیریت فرآیند درخواست را راه‌اندازی کرد. بنیانگذاران این شرکت خودشان با چت‌بات‌های هوش مصنوعی بازی کرده و به ابزاری برای پیگیری درخواست‌های خود نیاز داشتند، جرد زونریچ (فارغ‌التحصیل هکاتون TechCrunch Disrupt) این‌گونه روایت می‌کند.

آن‌ها به صورت تجربی، نمونه اولیه MVP خود را منتشر کردند (روی X) و ابزاری که برای خودشان ساخته بودند توجه بسیاری را جلب کرد. بنابراین به ساخت ادامه دادند و این ابزار اکنون به محصولی برای مدیریت درخواست‌ها تبدیل شده که به کسب‌وکارهای ثالث برای توسعه اپلیکیشن‌های هوش مصنوعی فروخته می‌شود، نشان‌دهنده این است که بنیان‌گذاران به درستی در زمان مناسب تمرکز خود را بر علاقه رو به افزایش کسب‌وکارها به کارکرد مدل‌های زبان بزرگ (LLMs) جهت افزایش بهره‌وری آن‌ها قرار داده‌اند.

در حالی که فضای پشتیبانی از درخواست‌ها در سال‌های اخیر و از زمان انتشار MVP توسط PromptLayer به شدت گرم شده است، آن‌ها به ساخت و توسعه پلتفرمی کامل برای مدیریت درخواست‌ها که شامل یک رابط کاربری بصری پر از ابزارها برای مدیریت و نظارت بر فرآیند استخراج بهترین ارزش از LLMها است، پرداخته‌اند.

حالا آن‌ها با بستن یک دایره سرمایه‌گذاری بذر ۴.۸ میلیون دلاری به ادامه ساخت کاربر افتاده‌اند. این دور به رهبری ایوان برکوویچ (ScOp Venture Partners) به همراه پیتر بویس دوم (Stellation Capital) که پیش از این نیز سرمایه‌گذاری کرده بود و همراه با چندین فرشته سرمایه‌گذاری و بنیانگذاران و گردانندگان هوش مصنوعی از جمله مایکل اکیلیان، جاشوا برودر، بیرن هوبارت، رومین هویت، جاش کمدجو، لوگان کیلتریک، بن لانگ، الکس اوپنهایمر، گوکول راجارام، گابریل استنگل و لوئیس ولوچ است، انجام شده است.

نگه‌داشتن ردپای درخواست‌ها

زونریچ می‌گوید هسته محصول PromptLayer یک "ثبت درخواست‌ها" است. "این یک CMS است، این کنترل نسخه برای درخواست‌ها است،" او توضیح می‌دهد. "شما یک درخواست دارید، نسخه جدیدی ایجاد می‌کنید، می‌توانید ببینید چرا نسخه‌ها متفاوت است و سپس می‌توانید انتخاب کنید کدام نسخه نسخه تولید شماست... این مرکزیت محصول ما است — و همه چیز از آن گسترش می‌یابد و تلاش می‌کند آن را مفیدتر کند."

"برای مثال، تست‌های بالا روی آن، یا لاگ‌ها روی آن زمانی که از کدام درخواست استفاده می‌کنید، یا تست‌های A/B بین درخواست‌ها و یک نوع تحلیل عمیق‌تر به اینکه کدام نسخه بهترین است فراهم می‌کند."

این پلتفرم برای پشتیبانی از مشتریان طراحی شده تا انواع مختلف درخواست‌ها را برای مورد خاص استفاده اپلیکیشن خود، مانند اپلیکیشن مربی هوش مصنوعی یا چت‌بات برای پشتیبانی مشتری، آزمایش کنند و همچنین بتوانند عملکرد نسخه‌های مختلف درخواست‌ها را در طیفی از LLMها ارزیابی کرده و به طور کلی با این دنیای جدید توسعه اپلیکیشن‌ها که در آن زبان لازم برای فرماندهی تکنولوژی روز تنها کلمات (و نه کد) است، بهتر آشنا شوند.

به طور غیرمعمول برای تولید کننده ابزارهای توسعه، PromptLayer به طور عمدی بر روی کاربران غیر فنی متمرکز است.

زونریچ می‌گوید که آن‌ها به عمد تصمیم به ساخت یک کسب‌وکار مدیریت درخواست گرفته‌اند که به طرف "کارشناسان حوزه" (یعنی، حرفه‌ای‌ها با تخصص کلیدی در حوزه خود، خواه آموزش،حقوقی، بهداشت و ...) گرایش دارد زیرا آن‌ها در ابتدا متوجه شده بودند که کاربران اولیه غیر برنامه‌نویس‌ها را به مهمانی توسعه اپلیکیشن دعوت می‌کردند.

"ما باور داریم که نمی‌توانید هوش مصنوعی برای بهداشت بدون پزشکان، هوش مصنوعی حقوقی بدون وکلا یا هوش مصنوعی درمانی بدون درمانگرا بسازید،" استارتاپ در بیانیه ماموریت خود می‌نویسد که می‌گوید ابزار نرم‌افزاری آن "اجازه می‌دهد تا کارشناسان حوزه و مهندسان همکاری کنند با استفاده از CMS تصوری درخواست ما."

زونریچ فراتر می‌رود و می‌گوید که پلتفرم کارشناسان حوزه را در "صندلی راننده" توسعه اپلیکیشن قرار می‌دهد.

"این به چیزی تبدیل می‌شود که آن‌ها باید نوعی آموزش داشته باشند — اما یک پیشرفت بزرگ نیست،" او می‌افزاید. "این به گونه‌ای نیست که آن‌ها باید کدنویسی یاد بگیرند. بنابراین چیزی است که شخص متوسط می‌تواند از آن برداشت کند."

گرفتن مسیر متفاوت

از آنجا که GenAI جعبه ابزار هوش مصنوعی را باز کرده است — به لطف تصمیم OpenAI برای ادغام هوش مصنوعی مولد در یک رابط زبان طبیعی آسان قابل دسترس — انتخاب تمرکز بر ابزارهای برای کاربران غیر فنی به طور منطقی منطقی است. با این حال، زونریچ معتقد است که آن‌ها را از اکثر بازیکنان در فضا جدا می‌کند.

"ما رویکرد بسیار متفاوتی نسبت به همه دیگران داریم،" او در یک مکالمه با TechCrunch می‌گوید. "این مفهوم کلیه کارشناسان حوزه که پیشتاز این حوزه هستند — در واقع هیچ‌کسی این کار را نمی‌کند. من فکر می‌کنم ما این را از مشتریان خود یاد گرفتیم. اما در دره سیلیکون، ساختن برای غیر فنی‌ها نسبت به فنی‌ها کمتر جذاب است."

"من فکر نمی‌کنم که ما باید کسی را قانع کنیم که این راه درستی برای انجام آن است. من فکر می‌کنم بازار خود بر این کار صحبت خواهد کرد." او ادامه می‌دهد، استدلال می‌کند: "من فکر نمی‌کنم شما بتوانید در بسیاری از این حوزه‌ها بدون به کارگیری کارشناسان حوزه [برای انجام مهندسی درخواست] پیروز شوید."

"به هر حال مهندسان کافی نیستند، حتی اگر می‌خواستیم همه چیز را با مهندسین پر کنیم."

از طریق ابزارهای هوش مصنوعی با تمرکز فنی، زونریچ به نام‌هایی مانند Zapier — و همچنین اشاره به آنچه او به عنوان شرکت‌های "عملیات LLM" مانند Braintrust و LangChain — هنگام بحث درباره منظره رقابتی اشاره می‌کند. "اما من فکر می‌کنم همه خیلی روی آن [ابزارها برای کاربران فنی] تمرکز دارند،" او می‌گوید، می‌گوید اعتقادش بر این است که برای اکثر شرکت‌ها که به دنبال بهره‌برداری از قدرت LLMها هستند، کارشناسان حوزه مربوط به اپلیکیشنی که می‌خواهند بسازند، کارکنان فنی نخواهند بود.

او همچنین باور دارد که مهارت‌های مورد نیاز برای یک مهندس درخواست خوب لزوماً همانند آن‌هایی نیست که یک برنامه‌نویس خوب می‌سازند.

"مهارت مهندسی درخواست 100٪ با مهندسان همبسته نیست. بخشی است، اما واقعاً مانند، نوعی مهارت سرهم‌بندی‌گری [نیاز است]… 'من فقط می‌خواهم این چیز تصادفی را امتحان کنم و ببینم خروجی چیست،'" او به ما می‌گوید. "برخی از افراد واقعاً سعی می‌کنند آن را برنامه‌ریزی کنند و در مورد اینکه درخواست چه باید باشد تحقیق کنند. و به نظر من، آن افراد در [مهندسی درخواست] خوب نیستند زیرا واقعاً علمی نیست."

"من فکر می‌کنم هرچه کمتر سعی می‌کنید LLM را درک کنید، بهتر هستید،" او افزود.

ساختن تقاضا

زونریچ در مورد اندازه نیاز بازار به ابزارهایی برای بهره‌برداری بهتر از LLMها نظر مثبت دارد. همچنین نگران نیست که این حوزه تازه پدید آمده از مهندسی درخواست به سرعت در تاریخ کار توسط پیشرفت‌های تازه در بازار سریع GenAI نابود شود.

حتی یک AGI — اگر چنین هوش مصنوعی عام هوشمندی به وجود بیاید — نیاز به چیزی برای کار کردن دارد، او استدلال می‌کند، اشاره می‌کند که انسان‌ها همچنان به برخی اشکال ابزار/پشتیبانی برای تنظیم ماشین‌ها در آینده قابل پیش‌بینی نیاز خواهند داشت.

"بخش سخت این است، چه کاری با آن انجام دهم؟ بخش سخت این است، چه وظیفه‌ای باید به آن بدهم تا حل کند؟" او می‌گوید، تأکید می‌کند بر اطمینان PromptLayer که ابزارسازی برای بلندمدت است. "بخش سخت این است که تعریف کنیم چه کاری انجام دهیم."

"اگر باور دارید که هیچ راه حل کامل برای بسیاری از این مشکلات وجود ندارد، بی‌نهایت راه برای حل آن‌ها وجود دارد، و این کار مهندس درخواست است — انتخاب اینکه چه مشکلی حتی حل می‌کنم؟ چه بستری برای حل مسئله است؟" او ادامه می‌دهد.

"LLM فقط ابزار برای رفتن از تعریف مسئله به حل است، اما شما فقط لایه انتزاع را جابجا می‌کنید… ما آن را از کد ماشینی به زبان‌های برنامه‌نویسی مدرن منتقل کردیم. سپس آن را از زبان‌های برنامه‌نویسی مدرن به درخواست‌ها انتقال دادیم. و شاید ما آن را از درخواست‌های خام به ورودی‌ای برای درخواست‌ها منتقل کنیم،" او گفت.

"اما در نهایت روز، شما همچنان به مقداری ورودی نیاز دارید. آن بخش غیرقابل کاهش است."

گردش سرمایه اولیه برای گسترش تیم (در حال حاضر هشت نفره) متمرکز خواهد شد، با تمرکز بر افزودن مهارت‌های مهندسی داخلی برای تضمین کیفیت و اعتماد برای مشتریان، به گفته زونریچ. او می‌گوید که آن‌ها همچنین می‌خواهند پلتفرم را برای خدمت به دیگر موارد استفاده و رشد استفاده گسترش دهند— و همراه با تلاش و انرژی برای ساخت جامعه به منظور کمک به پرورش این رشته جدید از مهندسی درخواست.

"هیئت منصفه نسبت به آنچه یک مهندس درخواست است یا به چه جنبه‌ای دارد، نیست. و من فکر می‌کنم وظیفه ماست که جامعه‌ای حول این بسازیم — مانند پیشگام این رشته مهندسی درخواست باشیم و به مردم نشان دهیم چگونه آن را انجام دهند. بنابراین تمرکز بزرگی است."

PromptLayer تعداد مشتریان پرداختی برای ابزارهای خود را هنوز اعلام نکرده است — اما زونریچ می‌گوید آن‌ها بیشتر از ۱۰,۰۰۰ مشتری رایگان و پرداختی که از طریق وب‌سایت آن‌ها عبور کرده‌اند، دارند. (ParentLab و شرکت تحت حمایت OpenAI، Speak دو مشتری پرداختی هستند که او نام می‌برد.)

استارتاپ همچنین امسال رشد درآمد ۱۳ برابر داشته است— و ادعا می‌کند که این رشد درآمد سریع صرفاً از طریق دهان به دهان "هنگامیکه تیم‌ها متوجه می‌شوند که برای ساخت هوش مصنوعی به کارشناسان حوزه نیاز دارند نه فقط مهندسین."

"تمام آنچه لازم است برای رفع این مشکلات درخواست‌ها باید انجام دهید این است که درخواست بدهید، و ببینید چگونه نتایج است — و ما ابزارهای زیادی داریم تا به شما کمک کنیم این را در مقیاس انجام دهید. اما آن چیز اصلی است: فقط روش علمی،" زونریچ اضافه می‌کند.