हमने एक एआई को सपोर्ट टिकट दिया। इसने इंटीग्रेशन को फिर से बनाया और समस्या का समाधान किया।

क्लाउड कोड और एपीआईएएनटी ने किस तरह एक जटिल मल्टी-पेमेंट सिंक बग को एक सत्यापित समाधान में बदल दिया, जिसमें एक इंसान ने केवल अंत में ही हस्ताक्षर किए।

यह वाला यहाँ से आता है CRMConnectAPIANT का यह रेडीमेड इंटीग्रेशन Mindbody और HubSpot को सिंक्रनाइज़ रखता है। यह क्लाइंट डेटा, डुप्लीकेट डेटा हटाने और फ़ील्ड मैपिंग का काम संभालता है, जिससे मार्केटिंग टीम पुराने एक्सपोर्ट डेटा के बजाय वास्तविक गतिविधि पर काम कर सकती है। यहाँ हम जिस हिस्से की बात कर रहे हैं, वह Mindbody की बिक्री को HubSpot के सौदों में बदलता है, जिससे राजस्व सही क्लाइंट के साथ सही राशि के साथ स्वचालित रूप से CRM में आ जाता है।

एक ग्राहक ने काउंटर पर लगभग 8,400 डॉलर का भुगतान किया। CRM में डील 400 डॉलर दिखा रही थी। कोई त्रुटि नहीं आई थी, कुछ भी टूटा हुआ नहीं लग रहा था, और अधिकांश बिक्री ठीक से सिंक हो रही थीं। बस यह एक मामला Mindbody और HubSpot के बीच कहीं चुपचाप अपनी अधिकांश वैल्यू खो बैठा।

ये सबसे खराब किस्म की त्रुटियाँ हैं: वे त्रुटियाँ जो 2% असामान्य लेन-देनों में छिपी होती हैं। हमने इस त्रुटि को एक AI को सौंप दिया और निदान से लेकर परीक्षण किए गए समाधान और ग्राहक को जवाब देने तक, पूरी प्रक्रिया उसी पर छोड़ दी। जानिए यह प्रक्रिया कैसी रही।

टिकट

एक बुटीक फिटनेस स्टूडियो ने एक छोटी सी, परेशान करने वाली समस्या के बारे में लिखकर भेजा। उनके अधिकांश सौदे माइंडबॉडी से हबस्पॉट में बिना किसी रुकावट के ट्रांसफर हो जाते थे। लेकिन यह एक सौदा ट्रांसफर नहीं हुआ।

समस्या का कारण एक से अधिक तरीकों से किए गए भुगतान थे। भुगतान को कार्ड और खाते की शेष राशि में विभाजित करने पर, पुरानी सिंक प्रणाली एक ऐसी रिपोर्ट से जानकारी लेती थी जिसमें सभी भुगतान शामिल नहीं थे। परिणामस्वरूप, ग्राहक द्वारा वास्तव में भुगतान की गई राशि का एक अंश ही प्राप्त होता था।

यह आमतौर पर एक धीमी, कष्टदायक प्रक्रिया क्यों होती है?

इस तरह की गड़बड़ी को ठीक करने में आमतौर पर कई दिन लग जाते हैं। किसी को यह समझना पड़ता है कि इंटीग्रेशन कैसे काम करता है, यह पता लगाना पड़ता है कि कई सिंक पाथ में से कौन सा पाथ गड़बड़ कर रहा है, पहले से काम कर रहे पाथ को बिना तोड़े लॉजिक को बदलना पड़ता है, और फिर इसे एक लाइव सिस्टम पर टेस्ट करना पड़ता है जिस पर गड़बड़ी करना वाकई मुश्किल होता है। पॉइंट ऑफ़ सेल सॉफ़्टवेयर आपको "अजीबोगरीब स्प्लिट-पेमेंट सेल करें" बटन वाला कोई सैंडबॉक्स नहीं देता है।

इसलिए मामला वहीं अटका रहता है। ग्राहक इंतजार करता है। समस्या का समाधान जोखिम भरा है। एक चालू इंटीग्रेशन को छूने से हर कोई थोड़ा घबराता है।

हमने इसे एआई को सौंप दिया।

हमने APIANT पर चल रहे क्लाउड कोड को टिकट दिया और उसे काम करने दिया। "कोड स्निपेट सुझाने" का काम नहीं। बल्कि वास्तव में काम करने का काम: इंटीग्रेशन को पढ़ना, समझना, उसमें बदलाव करना, असली माइंडबॉडी अकाउंट पर उसका परीक्षण करना और रिपोर्ट देना। यहाँ देखिए कि इसने बिना किसी इंसान द्वारा एक भी लाइन कोड लिखे क्या कर दिखाया।

इसने असली कारण का पता लगा लिया। इसने समस्या को एक ही लक्षण के पीछे छिपी तीन अलग-अलग समस्याओं से जोड़ा: सिंक एक ऐसी रिपोर्ट से पढ़ रहा था जिसमें कुछ भुगतान प्रकारों को छोड़ दिया गया था, बहु-आइटम बिक्री की गणना गलत तरीके से की जा रही थी, और कुछ बिक्री एक ही पहचानकर्ता पर टकरा सकती थी।

इसने एकीकरण को ठीक से पुनर्स्थापित किया। एक त्वरित पैच के बजाय, इसने डील लॉजिक को एक साझा कंपोनेंट में पुनर्गठित किया जिसका उपयोग इंस्टेंट सिंक (बिक्री होते ही सक्रिय हो जाता है) और नाइटली कैच-अप सिंक दोनों द्वारा किया जाता है। वही लॉजिक, दो ट्रिगर, अब उनके बीच कोई विचलन नहीं। इसने दोनों को एक समृद्ध डेटा स्रोत पर स्थानांतरित कर दिया है जिसमें वास्तव में प्रत्येक भुगतान शामिल है, जिसमें खाता और सदस्यता शेष राशि भी शामिल है।

इससे बड़े पैमाने पर काम करना तेज़ हो गया। इसमें एक कैश जोड़ा गया है ताकि रात के समय चलने वाला जॉब हजारों पुरानी बिक्री के लिए बार-बार धीमी खोज न करे। पहले चरण में कैश बनता है; उसके बाद के हर चरण में यह महंगी खोज छोड़ दी जाती है।

इसमें ग्राहक द्वारा चाही गई जानकारी शामिल की गई। अब प्रत्येक सौदे में भुगतान विधि दर्ज की जाती है, जिससे स्टूडियो एक नजर में देख सकता है कि बिक्री का भुगतान कैसे किया गया था।

फिर इसे वास्तविक सिस्टम पर परीक्षण किया गया।

यही वो हिस्सा है जो अब भी थोड़ा-बहुत साइंस फिक्शन जैसा लगता है।

एआई ने ब्राउज़र में माइंडबॉडी का वास्तविक पॉइंट ऑफ़ सेल खोला और खुद ही परीक्षण बिक्री की। एक वस्तु का भुगतान एक बार में किया गया। एक वस्तु का भुगतान दो किस्तों में किया गया। कई वस्तुओं का भुगतान एक बार में किया गया। कई वस्तुओं का भुगतान अलग-अलग किस्तों में किया गया। एक ग्राहक बिना किसी पूर्व रिकॉर्ड के आया। एआई ने रजिस्टर में ठीक उसी तरह भुगतान किया जैसे कोई कर्मचारी करता है।

फिर इसने एकीकरण के माध्यम से प्रत्येक बिक्री की प्रक्रिया पर नज़र रखी और परिणामों को पंक्ति दर पंक्ति पढ़ा। क्या सही संख्या में सौदे हुए? क्या राशि कुल बिक्री राशि के बराबर थी? क्या भुगतान विधि दिखाई दी? क्या दो बार सिंक करने से डुप्लिकेट बन गए, या इसने सही ढंग से पहचान लिया कि बिक्री पहले ही हो चुकी है?

सभी शाखाओं की जाँच हो गई। राशियाँ मेल खाती थीं। कोई दोहराव नहीं था। भुगतान के तरीके भी सही थे।

इसने अपनी ही गलती पकड़ ली

प्रक्रिया के बीच में ही, इसके अपने ही एक बदलाव के कारण एक छोटी सी गड़बड़ी आ गई। एक नया फ़ील्ड सही ढंग से कनेक्ट नहीं किया गया था, और इसने चुपचाप नए सौदे बनाने की प्रक्रिया को बाधित कर दिया।

एआई ने इस बात को भांप लिया, क्योंकि वह अपने काम को सही मानने के बजाय लाइव एग्जीक्यूशन डेटा पढ़ रहा था। उसने समस्या का सटीक कारण पता लगाया, गड़बड़ी को ठीक किया, असफल बिक्री को दोबारा चलाया और पुष्टि की कि सुधार से सही परिणाम मिला है, साथ ही पूरी प्रक्रिया को रिकॉर्ड भी किया।

कोड जनरेट करने और परिणाम का स्वामित्व रखने में यही अंतर है।

इससे ग्राहक के साथ संपर्क प्रक्रिया पूरी हो गई।

समस्या का समाधान सत्यापित हो जाने पर, एआई ने ग्राहक को सरल भाषा में उत्तर लिखा: क्या हो रहा था, राशि गलत क्यों दिख रही थी, अब क्या बदलाव होंगे, और यह आश्वासन दिया कि पिछली बिक्री अगले सिंक्रोनाइज़ेशन में स्वतः ठीक हो जाएगी। उसने उस संदेश को टिकट पर तैयार रखा, ताकि वह तुरंत भेजा जा सके।

इसे एक इंसान ने पढ़ा, सहमति दी और भेज दिया। उत्पादन में बदलाव को प्रकाशित करने की अंतिम मंजूरी भी एक इंसान ने ही दी। यह जानबूझकर किया गया है। एआई भारी, सटीक और अथक काम करता है। दो फैसले जो हमेशा इंसान को लेने चाहिए, उन पर इंसानों का नियंत्रण बना रहता है: हम ग्राहक से क्या कहते हैं और क्या लाइव होता है।

एक ही समाधान, हर ग्राहक के लिए

अगर आप इंटीग्रेशन बनाने का काम करते हैं, तो यही वो हिस्सा है जो मायने रखता है। यह सिर्फ एक बार इस्तेमाल होने वाली स्क्रिप्ट नहीं थी जिसे किसी एक अकाउंट पर जोड़ दिया गया हो। Mindbody और HubSpot का सिंक एक विकसित प्रोडक्ट है। एपीआई ऐपएक ही एकीकरण, जिसे एक ही स्थान पर बनाया और अनुरक्षित किया जाता है, और जो इसका उपयोग करने वाले प्रत्येक ग्राहक के लिए लागू होता है। इसलिए जब AI ने डील लॉजिक को फिर से बनाया, तो उसने केवल इस एक स्टूडियो की समस्या को ही हल नहीं किया। इसने उस एकीकरण पर मौजूद सभी ग्राहकों के लिए भुगतान विभाजन की समस्या को दूर किया, और प्रत्येक नया ग्राहक पहले दिन से ही संशोधित संस्करण का उपयोग करने लगता है।

सिस्टम इंटीग्रेटर्स हमेशा इसी मॉडल की मांग करते हैं। एक बार सॉल्यूशन बनाएं, उसे कई बार बेचें और एक ही जगह पर उसमें सुधार करें। इस तरह का सुधार पूरे ग्राहक आधार के लिए उत्पाद की गुणवत्ता को एक साथ बढ़ाता है, और यही वह चीज़ है जो एक उत्पादित एकीकरण को वास्तविक आवर्ती राजस्व संपत्ति में बदल देती है, न कि प्रत्येक ग्राहक के लिए किए गए कस्टम कार्यों के ढेर में, जो समय के साथ और अधिक अस्थिर होता जाता है।

APIANT इसे कैसे संभव बनाता है?

एक कृत्रिम बुद्धिमत्ता (एआई) केवल वही संचालित कर सकती है जिसे वह देख और छू सकती है। अधिकांश एकीकरण प्लेटफॉर्म एक ब्लैक बॉक्स की तरह होते हैं, इसलिए एआई को बाहर से सुझाव लिखने पड़ते हैं।

APIANT का निर्माण इसके विपरीत किया गया है। प्रत्येक एकीकरण ऐसे घटकों से बना है जिनका AI वास्तव में निरीक्षण, संपादन और संचालन कर सकता है: स्वचालन, साझा उप-रूटीन, फ़ील्ड मैपिंग, लाइव निष्पादन इतिहास, कैश किए गए मान। AI किसी एक घटक को बदल सकता है, उसे चला सकता है, प्रत्येक चरण में हुई घटनाओं को सटीक रूप से पढ़ सकता है और आवश्यकतानुसार समायोजन कर सकता है। स्रोत प्रणाली पर ब्राउज़र नियंत्रण के साथ, यह अनुमान लगाने के बजाय वास्तविकता के आधार पर परीक्षण कर सकता है।

इसी संयोजन के कारण एक अव्यवस्थित वास्तविक दुनिया का टिकट एक पूर्ण, सत्यापित रिफैक्टर में बदल गया।

निष्कर्ष

यह कोई मामूली समस्या नहीं थी। यह दो गंभीर प्रणालियों के बीच लाइव एकीकरण में एक सूक्ष्म, बहु-कारण वाली गड़बड़ी थी, ऐसी गड़बड़ी जो आमतौर पर एक घबराए हुए इंजीनियर और एक सुस्त सप्ताह का संकेत देती है।

एक कृत्रिम बुद्धिमत्ता (AI) ने पूरी प्रक्रिया को अंजाम दिया। इसने वास्तविक कारण का पता लगाया, एकीकरण को सही तरीके से पुनः स्थापित किया, वास्तविक बिक्री केंद्र के विरुद्ध प्रत्येक मार्ग का परीक्षण किया, अपनी त्रुटि को पकड़ा और ठीक किया, और ग्राहक प्रतिक्रिया का मसौदा तैयार किया। लोगों ने केवल संदेश और तैनाती को मंजूरी देने के लिए हस्तक्षेप किया।

यही वो दिशा है जिसमें हम आगे बढ़ रहे हैं। ऐसी AI नहीं जो आपके लिए थोड़ा-सा कोड लिख दे, बल्कि ऐसी AI जो किसी कठिन, विशिष्ट समस्या को ले और उसे एक ऐसे प्लेटफॉर्म पर पूरी तरह से हल करे जो ठीक उसी के लिए बना हो और जिसका समाधान कारगर और परीक्षित हो। अगर आपके इंटीग्रेशन लगभग सही हैं, या बग्स केवल 2% मामलों में ही दिखाई देते हैं, तो उन्हें हल करने का तरीका अब कुछ ऐसा ही होने वाला है।

APIANT के बारे में हमसे बात करें