Anthropic ने 2 अक्टूबर 2026 को Claude Frontier Academy की घोषणा की। 100 मिलियन डॉलर की प्रतिबद्धता वाला यह कार्यक्रम 2027 के अंत तक 10,000 इंजीनियरों को प्रशिक्षित करने का लक्ष्य रखता है। इसका उद्देश्य ऐसे पेशेवर तैयार करना है जो संगठनों में Claude लागू करने का नेतृत्व कर सकें। यह भविष्य का प्रशिक्षण लक्ष्य है, पहले से प्रमाणित 10,000 स्नातकों या कंपनी की ओर से वादा की गई नई नौकरियों की संख्या नहीं।
कंपनी की घोषणा के अनुसार, शुरुआती बैच सैन फ्रांसिस्को, न्यूयॉर्क और लंदन में आयोजित हो रहे हैं। भाग लेने वाले संगठनों में Accenture, Bain, Capgemini, Commonwealth Bank of Australia, Deloitte, McKinsey, Morgan Stanley और Novo Nordisk शामिल हैं। भागीदारी संगठनों की ओर से भेजे गए नामांकन से होती है, हर Claude उपयोगकर्ता के लिए खुले पंजीकरण से नहीं।
ट्रेनिंग का अंत वास्तविक प्रोजेक्ट से होता है, केवल पाठ देखने से नहीं
कार्यक्रम के पेज पर 4 दिन की शुरुआती ट्रेनिंग का विवरण है। पहले तीन दिनों में प्रतिभागी एक काल्पनिक संगठन के लिए Claude प्रणाली बनाते हैं, शुरुआती अनुरोध से सुरक्षा जांच और उपयोग के लिए सौंपने तक। चौथे दिन नए परिदृश्य पर उनका मूल्यांकन होता है। सफल प्रतिभागियों को Claude Resident Engineer बैज मिलता है।
इसके बाद 12 सप्ताह की अवधि आती है, जिसमें इंजीनियर मार्गदर्शन और सहायता के साथ अपने संगठन में Claude प्रोजेक्ट का नेतृत्व करता है। अंत में एक और मूल्यांकन Claude Frontier Deployed Engineer बैज की पात्रता तय करता है। Anthropic को उम्मीद है कि इस स्तर के पहले बैज 2027 की शुरुआत में दिए जाएंगे। इस तरह कार्यक्रम केवल कोर्स में मौजूद रहने के बजाय काम पूरा करने और दोबारा मूल्यांकन पर आधारित है।
कंपनी ऐसे सॉफ्टवेयर इंजीनियर चाहती है जिनकी बुनियादी समझ मजबूत हो, जिन्हें भाषा मॉडलों के साथ प्रणालियां बनाने और दूसरों को AI अपनाने में मदद करने का अनुभव हो। घोषणा के अनुसार, पहले एजेंट बनाने का अनुभव अनिवार्य नहीं है। हर उम्मीदवार के पास एक निर्धारित Claude प्रोजेक्ट होना चाहिए, जिसका नेतृत्व वह शुरुआती ट्रेनिंग के बाद अपने संगठन में करेगा।
पहले से प्रोजेक्ट तय होने की शर्त चयन का स्वरूप बदल देती है। उपयुक्त उम्मीदवार जरूरी नहीं कि वही हो जिसे सबसे ज्यादा कमांड मालूम हों। संगठन को हल की जा सकने वाली समस्या पहचाननी होगी, जानकारी और टूल तक पहुंच उपलब्ध करानी होगी और तय करना होगा कि परिणाम का इस्तेमाल कौन करेगा। इन फैसलों के बिना अच्छी तकनीकी ट्रेनिंग भी ऐसी प्रस्तुति तक सिमट सकती है जिसका असली काम से संबंध न हो।
सफल प्रदर्शन और काम करने वाली प्रणाली के बीच क्या बाकी रहता है
एक सरल उदाहरण से अंतर समझा जा सकता है: कर्मचारी किसी एजेंट से ग्राहकों की पूछताछ का सार तैयार करने को कहता है। छोटे प्रयोग में कुछ संदेश जोड़कर ठीक-ठाक सार पाया जा सकता है। नियमित उपयोग में तय करना होगा कि कौन से इनबॉक्स पढ़ने की अनुमति है, दोहराव कैसे रोका जाएगा और ग्राहक ने ऐसी जानकारी लिखी हो जिसे बड़ी टीम में साझा नहीं करना चाहिए तो क्या होगा।
फिर परिणाम की जिम्मेदारी का सवाल आता है। एजेंट केवल मसौदा बनाएगा या भेजेगा भी? क्या वह पूछताछ की स्थिति बदल सकता है? अपवाद वाले मामले को कौन जांचेगा? ये कार्यक्रम की खास पाठ्यवस्तु के दावे नहीं हैं, बल्कि मॉडल चुनने के अलावा संगठन में लागू करने के लिए जरूरी फैसलों का उदाहरण हैं।
सफलता मापने के लिए भी पहले तैयारी चाहिए। कर्मचारियों ने टूल कितनी बार चलाया, यह गिनने से पता नहीं चलेगा कि सार उपयोगी थे या नहीं। निपटाने का समय, मिली त्रुटियां और सुधार का समय मापा जा सकता है, लेकिन पहले तय करना होगा कि किसे सुधार माना जाएगा और कौन सी खराबी विस्तार रोक देगी।
ज्ञान के हस्तांतरण पर भी यही बात लागू होती है। अगर प्रणाली बनाने वाला इंजीनियर ही उसे चलाना जानता हो, तो प्रोजेक्ट की सफलता उसकी उपलब्धता पर निर्भर होगी। छोटा और स्पष्ट दस्तावेजी विवरण, तैयार काम स्वीकार करने वाला निर्धारित व्यक्ति और समस्याएं संभालने की प्रक्रिया उतने ही जरूरी हो सकते हैं जितना मॉडल का पहला प्रभावशाली जवाब।
एक और व्यावहारिक सवाल यह है कि इंजीनियर का प्रोजेक्ट पूरा होने पर प्रणाली स्वीकार करने का अधिकार किसके पास होगा। ऐसे जिम्मेदार व्यक्ति को तय करना उपयोगी होगा जो परिणाम मंजूर करे, प्रक्रिया रोकना जाने और जरूरत पड़ने पर दोबारा हाथ से काम करने का तरीका समझा सके। इससे मूल्यांकन उसी क्षण खत्म नहीं हो जाता जब बनाने वाले के सामने प्रदर्शन सफल हो जाए।
संगठन की ट्रेनिंग को उन चीजों से भी परखा जा सकता है जो प्रतिभागी के बाद बचती हैं: दोबारा चल सकने वाली जांच, फैसलों का दस्तावेज और ऐसी प्रक्रिया जिसे दूसरे कर्मचारी समझें। ये ऐसे परिणाम हैं जिन्हें प्रमाणपत्र के नाम या मॉडल के उत्साह पर निर्भर हुए बिना जांचा जा सकता है।
हर प्रक्रिया को स्वायत्त एजेंट की जरूरत नहीं होती
2024 में प्रकाशित पृष्ठभूमि लेख Building effective agents में Anthropic ने उस कार्यप्रवाह और एजेंट में अंतर किया था जिसके चरण कोड तय करता है और जो खुद चुनता है कि आगे कैसे बढ़ना है तथा कौन से टूल इस्तेमाल करने हैं। कंपनी ने काम के अनुकूल सबसे सरल समाधान से शुरुआत करने और जरूरत होने पर ही जटिलता जोड़ने की सलाह दी थी।
नई ट्रेनिंग समझने में यह सिद्धांत प्रासंगिक है, हालांकि वह लेख उसका पाठ्यक्रम नहीं है। तय नियमों से दोहराई जाने वाली प्रक्रिया के लिए मौजूदा स्वचालन में मॉडल का सीमित और केंद्रित समावेश काफी हो सकता है। काम के दौरान बदलती हुई जिम्मेदारी में उचित सीमाओं और जांच के साथ ज्यादा स्वतंत्रता देना सही हो सकता है।
उसी लेख में Anthropic ने बताया था कि एजेंट प्रणालियां बेहतर प्रदर्शन के बदले अधिक विलंब और लागत ला सकती हैं। इस समझौते को मापना होगा; यह नहीं मानना चाहिए कि ज्यादा स्वतंत्रता हमेशा बेहतर होती है। इस अंतर से समझ आता है कि प्रणाली लागू करने वाले इंजीनियर की ट्रेनिंग में इंजीनियरिंग संबंधी निर्णय भी क्यों शामिल हैं।
मसलन, यदि हर अनुरोध के लिए प्रबंधक की मंजूरी जरूरी है, तो एजेंट के हर बार उस प्रबंधक तक पहुंचने का नया तरीका खोजने में जरूरी नहीं कोई फायदा हो। दूसरी ओर, अधूरी जानकारी के साथ खराबी की जांच के लिए कई स्रोतों और टूल में से चुनना पड़ सकता है। कौन सा तरीका बनाना है, यह प्रणाली की जरूरतों से तय होना चाहिए, उत्पाद के नाम से नहीं।
इजराइल के इंजीनियरों और कंपनियों के लिए इसका अर्थ
घोषणा में इजराइल में बैच, हिब्रू भाषा का कोर्स या इजराइली कंपनियों के लिए खास पात्रता शर्तें नहीं हैं। संगठनों को अपने Anthropic अकाउंट टीम या पार्टनर मैनेजर से पूछताछ करने को कहा गया है। यह वादा करने का आधार नहीं है कि व्यक्तिगत सदस्यता वाला कर्मचारी जुड़ सकता है या उसकी भागीदारी की लागत अपने आप पूरी हो जाएगी।
कार्यक्रम का पेज अलग से Claude Academy का उल्लेख करता है, जो जनता के लिए खुली है। तुरंत सीखना चाहने वालों के लिए यह अंतर जरूरी है: उपलब्ध शिक्षण सामग्री और नामांकन के जरिए संगठनात्मक प्रमाणन दो अलग विकल्प हैं। निवेश की प्रतिबद्धता उन्हें एक ही सेवा नहीं बना देती।
नामांकन पर विचार कर रही इजराइली कंपनी प्रोजेक्ट के छोटे विवरण से शुरुआत कर सकती है: उपयोगकर्ता कौन हैं, कौन सी प्रक्रिया बदलेगी और किन आंकड़ों की जरूरत है। ऐसा वांछित परिणाम भी बताना उपयोगी होगा जिसे जांचा जा सके, साथ में कारण कि प्रोजेक्ट को AI क्यों चाहिए। इससे पात्रता की पूछताछ केवल नई पहल में शामिल होने की इच्छा के बजाय वास्तविक जरूरत पर आधारित होगी।
Anthropic की घोषणा जोर का कुछ हिस्सा लाइसेंसों की संख्या से उन्हें इस्तेमाल करने वाले लोगों के कौशल की ओर ले जाती है। परिणाम तब परखा जा सकेगा जब प्रोजेक्ट मूल्यांकन के चरण पार कर लंबे समय तक उपयोग में आएंगे। तब तक 100 मिलियन डॉलर एक प्रतिबद्धता है, 10,000 इंजीनियर एक लक्ष्य हैं और कार्यक्रम की व्यावहारिक संरचना बताती है कि कंपनी वहां पहुंचने की कोशिश कैसे करना चाहती है।