Barclays, Anthropic के साथ अपनी साझेदारी बढ़ा रहा है। बैंक को उम्मीद है कि 2026 के अंत तक उसके 50% डेवलपर्स और 2027 के दौरान अधिकांश सॉफ्टवेयर इंजीनियर Claude Code का उपयोग करने लगेंगे। Anthropic ने 1 अक्टूबर की घोषणा में यह जानकारी दी। विस्तार का उद्देश्य सॉफ्टवेयर विकास, पुरानी प्रणालियों का आधुनिकीकरण और बैंक के संचालन में मदद करना है। उपयोग बढ़ाने के ये लक्ष्य बैंक का अनुमान हैं, हासिल हो चुके आंकड़े नहीं।
लक्ष्यों के साथ घोषणा में दो मौजूदा उपयोग बताए गए हैं: आंतरिक ज्ञान सहायक और आने वाले ईमेल संभालने की प्रणाली। यह संयोजन इसलिए दिलचस्प है क्योंकि एक ही संगठन के कई अलग हिस्सों में AI का इस्तेमाल हो रहा है। डेवलपर को कोड संपादित करने में मदद देने वाले टूल को उसी तरीके से नहीं परखा जा सकता जिससे किसी कर्मचारी को ग्राहक के लिए जवाब खोजने में मदद देने वाला टूल परखा जाता है।
दो मौजूदा उपयोग और दो तरह के परिणाम
Anthropic के अनुसार, 16,000 से अधिक कर्मचारियों ने Colleague Knowledge Assistant अपनाया है। यह 2025 से काम कर रहा है और दस लाख से अधिक खोजों में सहायता कर चुका है। इसे Barclays UK के उन कर्मचारियों के लिए बनाया गया है जो 20 मिलियन से अधिक खुदरा ग्राहकों की सेवा करते हैं। ये आंकड़े एक आंतरिक सहायक के उपयोग को बताते हैं, 16,000 स्वायत्त एजेंट या ग्राहकों के खातों में किए गए दस लाख कामों को नहीं।
Global Markets विभाग में Claude मॉडल संदेशों का वर्गीकरण करने, अधूरी जानकारी पूरी करने और पूछताछ को उचित कार्यप्रवाह तक पहुंचाने में मदद करते हैं। घोषणा के अनुसार, रोज करीब 120,000 ईमेल प्रोसेस किए जाते हैं। बैंक ने प्रशासन, सुरक्षा और मानवीय निगरानी की व्यवस्थाओं का भी वर्णन किया है। विस्तार के बाद त्रुटियों की दर कितनी घटी, इसका कोई संख्यात्मक आंकड़ा प्रकाशित नहीं किया गया।
दैनिक संख्या बताए गए काम का पैमाना दिखाती है, लेकिन अकेले उससे उसका मूल्य नहीं मापा जा सकता। उदाहरण के लिए, छंटाई प्रणाली का मूल्यांकन करने के लिए यह जानना होगा कि जरूरी संदेश सही टीम तक पहुंचा या नहीं और अधूरी पूछताछ अतिरिक्त जानकारी के लिए वापस भेजी गई या नहीं। किसी अनुरोध को तेजी से गलत जगह भेजना देरी खत्म करने के बजाय उसे अगले चरण में पहुंचा सकता है।
ज्ञान सहायक पर भी यही तर्क लागू होता है। बार-बार उपयोग यह संकेत दे सकता है कि कर्मचारी इसे उपयोगी पाते हैं, लेकिन खोजों की संख्या सही जवाबों का अनुपात नहीं बताती। उपयोग की मात्रा, जवाब की गुणवत्ता और सेवा पर असर को अलग समझना जरूरी है। हर माप एक अलग सवाल का जवाब देता है।
मॉडल का जवाब बैंक की जानकारी से कैसे जुड़ता है
घोषणा के अनुसार, ज्ञान सहायक RAG आर्किटेक्चर पर आधारित है, यानी वह किसी संग्रह से निकाली गई जानकारी का उपयोग करके जवाब तैयार करता है। Contextual Retrieval पर Anthropic का व्याख्यात्मक लेख सामान्य प्रक्रिया बताता है: सवाल से संबंधित सामग्री खोजी जाती है और जवाब लिखने से पहले मॉडल को दिए जाने वाले इनपुट में जोड़ी जाती है।
इसका अर्थ यह नहीं है कि मॉडल ने बैंक के सभी दस्तावेज दोबारा सीख लिए हैं। केवल उसके सामान्य ज्ञान पर निर्भर रहने के बजाय प्रणाली उसे विशिष्ट सामग्री उपलब्ध करा सकती है। इसलिए परिणाम की गुणवत्ता इस बात पर भी निर्भर करती है कि कौन सी सामग्री मिली, केवल Claude की जवाब लिखने की क्षमता पर नहीं।
2024 में प्रकाशित उस पृष्ठभूमि लेख में Anthropic बताती है कि अर्थ के आधार पर खोज किसी सटीक पहचान संख्या या तकनीकी शब्द को क्यों चूक सकती है। शब्दों के मिलान को अर्थ-आधारित खोज के साथ जोड़ने से ऐसे मामलों में मदद मिल सकती है। यह जानकारी निकालने की सामान्य समस्या का उदाहरण है; Barclays की घोषणा यह नहीं कहती कि बैंक उस लेख में बताए गए हर खोज तरीके का उपयोग करता है।
एक काल्पनिक प्रक्रिया दस्तावेज से जोखिम समझा जा सकता है। यदि दो दस्तावेज एक ही विषय पर हों लेकिन उनमें से केवल एक अद्यतन हो, तो पुराने दस्तावेज पर आधारित सहज जवाब फिर भी गलत होगा। मॉडल के लिखे पाठ का मूल्यांकन करने से पहले यह देखना जरूरी है कि उसे कौन सा दस्तावेज दिया गया और उसे क्यों चुना गया।
पढ़ने की अनुमतियां भी अलग से जांचनी होंगी। किसी दस्तावेज का मिल जाना उसकी सामग्री हर कर्मचारी को दिखाने का कारण नहीं है। संगठन की प्रणाली के लिए उपयुक्तता की अच्छी जांच में अलग भूमिकाओं वाले उपयोगकर्ता शामिल होंगे और यह सत्यापित किया जाएगा कि हर व्यक्ति को केवल वही जानकारी मिले जिसे देखने की उसे अनुमति है। यह ऐसी प्रणाली की जांच का सुझाव है, Barclays में हमारी किसी जांच का विवरण नहीं।
उपयोग बढ़ने का लक्ष्य विकास की उत्पादकता का माप नहीं है
आधे डेवलपर्स का लक्ष्य बताता है कि कितने लोगों के Claude Code इस्तेमाल करने की उम्मीद है। इससे यह तय नहीं होता कि वे कितना कोड लिखेंगे, कितना समय बचाएंगे या भविष्य में कितने कर्मचारियों की जरूरत होगी। घोषणा के आधार पर यह निष्कर्ष नहीं निकाला जा सकता कि कर्मचारियों की संख्या उपयोग बढ़ने के अनुपात में घटेगी।
पुरानी प्रणालियों में यह अंतर खास तौर पर जरूरी है। एक घटक में छोटा बदलाव उस प्रक्रिया को प्रभावित कर सकता है जिस पर दूसरी प्रणाली निर्भर है। बदलाव लिखने की गति बढ़ाने वाले टूल को भी संगठन की संगतता जांच, कोड समीक्षा और रिलीज प्रक्रिया में समायोजित होना होगा। काम का एक हिस्सा यह समझना है कि कौन सा व्यवहार बरकरार रखना जरूरी है।
इसलिए AI के साथ और उसके बिना काम की उपयोगी तुलना पूरे बदलाव का पीछा कर सकती है, काम सौंपे जाने से लेकर संस्करण चलाने के लिए तैयार होने तक। माप में वह समय भी शामिल होना चाहिए जो डेवलपर परिणाम जांचने, समस्या ढूंढने और सुधारने में लगाता है। वरना लिखने का कम समय बचत लग सकता है, जबकि जांच का चरण लंबा हो गया हो।
यह भी देखा जा सकता है कि मॉडल उन कामों में खास मदद करता है या नहीं जिन्हें टीम अक्सर टालती है, जैसे मौजूदा कोड की व्याख्या या किसी असामान्य परिस्थिति के लिए जांच तैयार करना। यह कोड की पंक्तियां गिनने से अलग परिचालन सवाल है। इसमें मूल्यांकन का केंद्र प्रणाली के लिए जरूरी काम होता है, बनाए गए पाठ की मात्रा नहीं।
इजराइली संगठन इस विस्तार से क्या सीख सकता है
यह घोषणा इजराइल में नई बैंकिंग सेवा, हिब्रू के लिए नए समर्थन या स्थानीय उपयोग शर्तों का ऐलान नहीं है। इजराइली कंपनियों के लिए इसकी प्रासंगिकता लागू करने के तरीके में है: कर्मचारियों के लिए केवल सदस्यताएं खरीदने के बजाय मौजूदा काम के भीतर स्पष्ट कार्य चुनना।
हिब्रू में ज्ञान सहायक बनाने वाली स्थानीय टीम ऐसे वास्तविक सवालों से शुरू कर सकती है जिनके जवाब पहले से ज्ञात हों। समान नाम वाले दस्तावेज, परस्पर विरोधी संस्करण और हिब्रू-अंग्रेजी मिश्रित सामग्री शामिल करना उपयोगी होगा। ऐसी जांच बता सकती है कि समस्या सामग्री खोजने में है, जवाब की भाषा में है या मूल स्रोत में जानकारी की कमी में।
पूछताछ की छंटाई करते समय उन मामलों के लिए स्पष्ट रास्ता भी रखना चाहिए जिन्हें प्रणाली वर्गीकृत नहीं कर पाती। उन्हें किसी व्यक्ति तक पहुंचाने की व्यवस्था तय की जा सकती है और मापा जा सकता है कि कितनी पूछताछ वहां पहुंचती है। इससे समझने में मदद मिलेगी कि कहां स्वचालन उपयोगी है और कहां अब भी मानवीय निर्णय चाहिए, बिना मुश्किलों को कुल सफलता अंक के पीछे छिपाए।
Barclays ने विस्तार का लक्ष्य और बड़े रिपोर्ट किए गए पैमाने वाले उपयोग प्रस्तुत किए हैं। समय के साथ इनसे क्या हासिल होता है, यह जानने के लिए गुणवत्ता, लागत और ग्राहकों के परिणामों पर और आंकड़े चाहिए होंगे। फिलहाल घोषणा बताती है कि Claude आंतरिक काम में कई रास्तों से कैसे शामिल हो रहा है; यह प्रमाण नहीं है कि बैंक AI के जरिए स्वायत्त रूप से चलने लगा है।