कल एंथ्रोपिक ने बताया कि उन्होंने अपना इंटरनल "डेटा एजेंट" कैसे बनाया: How Anthropic enables self-service data analytics with Claude
OpenAI ने पाँच महीने पहले अपना "इन-हाउस डेटा एजेंट" पोस्ट प्रकाशित किया था: Inside OpenAI’s in-house data agent
मैंने दोनों पढ़े - नीचे परिणाम है।
जहाँ वे सहमत हैं
- मुश्किल हिस्सा SQL लिखना नहीं है। यह सही टेबल ढूँढना है और समझना है कि इसका सही तरीके से उपयोग कैसे करें। दोनों ने इसे दोहराया है।
- मॉडल एक कमोडिटी है (उन्होंने सीधे तौर पर ऐसा नहीं कहा लेकिन...) - इसके आस-पास का संदर्भ ही उत्पाद है। एंथ्रोपिक ने 21% से 95% सटीकता तक पहुँचाया, बस एक ऐसा स्किल जोड़कर जिसके पास संदर्भ तक पहुँच है - एक नॉलेज बेस।
- (हैरानी की बात है, हैरानी की बात नहीं) अधिक संदर्भ हमेशा मदद नहीं करता। एंथ्रोपिक की सटीकता में 1% से भी कम की वृद्धि हुई जब उन्होंने हजारों पिछली क्वेरीज़ तक पहुँच दी (मैं केवल कल्पना कर सकता हूँ कि उनका टोकन खपत कितनी बढ़ गई 🙂)।
वे कैसे भिन्न हैं
- OpenAI ने एक स्टैंडअलोन एजेंट बनाया। Codex और इंटरनल ChatGPT MCP के माध्यम से एजेंट का उपयोग करते हैं या उपयोगकर्ता सीधे वेब या Slack के माध्यम से इससे चैट कर सकता है। जबकि एंथ्रोपिक ने सिर्फ एक स्किल बनाया जिसके पास किसी नॉलेज बेस (md फ़ाइलों पर आधारित) के माध्यम से डेटा संदर्भ तक पहुँच है।
- OpenAI के पास एक "इंडेक्स" में संदर्भ है जो पाइपलाइन जॉब्स द्वारा दैनिक रूप से आबाद होता है, जबकि एंथ्रोपिक नॉलेज बेस को उसी रेपो में md फ़ाइलों के रूप में कमिट करता है जहाँ डेटा मॉडल है, उसी PR में अपडेट किया जाता है।
मेरा दृष्टिकोण (असंरचित डेटा के लिए "डेटा एजेंट" बनाने के बाद, SQL नहीं)
एंथ्रोपिक का स्किल के साथ दृष्टिकोण अधिक "हार्नेस-नेटिव" है, इसलिए यह मौजूदा टूलसेट में बेहतर फिट बैठता है। मेरा मानना है कि संपूर्ण डेवलपर अनुभव, डेटा संदर्भ और साथ ही संपूर्ण डेटा प्लेटफ़ॉर्म हार्नेस के अंतर्गत आ जाएगा (इस दिशा में सबसे अच्छा अकादमिक पेपर - Code as Agent Harness)। OpenAI का दृष्टिकोण अधिक स्केलेबल और परिपक्व लगता है (5 महीने आगे?) - समर्पित डेटा एजेंट, 600Tb डेटा और संदर्भ को अपडेट करने के लिए शेड्यूल्ड पाइपलाइनों के साथ। हम देखेंगे कि यह कैसे विकसित होता है।
यहाँ डेटा विशेषज्ञों के लिए प्रश्न
आप इन एजेंटिक वर्कफ़्लो में से किसी पर कितनी दूर तक आगे हैं? मेरी समझ यह है कि अधिकांश टीमें अभी भी हाथ से SQL लिख रही हैं और "संदर्भ" को टुकड़े-टुकड़े करके Claude Code/Copilot/Codex में कॉपी-पेस्ट कर रही हैं और Slack में ज्ञान साझा कर रही हैं।
हमारे ब्लॉग पोस्ट में अधिक विवरण और आँकड़ों के साथ पूर्ण साइड-बाय-साइड तुलना तालिका - टिप्पणियों में लिंक 👇
