अली सर्राफी, कोवांत के सीईओ और संस्थापक – साक्षात्कार श्रृंखला

अली सर्राफी, कोवांत के सीईओ और संस्थापक, स्टॉकहोम में स्थित एक अनुभवी प्रौद्योगिकी और एआई कार्यकारी हैं, जिनका उच्च वृद्धि वाली एआई कंपनियों का निर्माण और विस्तार करने का एक ट्रैक रिकॉर्ड है। कोवांत की स्थापना के बाद से, उन्होंने एंटरप्राइज एआई रणनीति, गो-टू-मार्केट कार्यान्वयन और परिचालन स्केलिंग में गहरे अनुभव का लाभ उठाया है। इससे पहले, उन्होंने एएमडी द्वारा अधिग्रहण के बाद सिलो एआई में रणनीति के उपाध्यक्ष के रूप में कार्य किया, जहां उन्होंने एंटरप्राइज एआई रणनीति को आकार देने और बड़े पैमाने पर अपनाने के लिए जिम्मेदार थे। अपने करियर की शुरुआत में, उन्होंने कॉम्बिनेंट मिक्स की सह-स्थापना की, कंपनी को तेजी से विकास और सिलो एआई द्वारा सफल अधिग्रहण के माध्यम से नेतृत्व किया, और तब से शिक्षा और एआई स्टार्टअप्स में सलाहकार और बोर्ड भूमिकाओं को धारण किया है, जो उन्नत एआई को वास्तविक दुनिया के व्यावसायिक प्रभाव में अनुवाद करने पर एक सुसंगत ध्यान को दर्शाता है।

कोवांत एक एंटरप्राइज एआई कंपनी है जो संगठनों को प्रयोगात्मक एआई उपयोग से पूरी तरह से संचालित, स्वायत्त व्यावसायिक प्रक्रियाओं में ले जाने में सक्षम बनाने पर केंद्रित है। कंपनी एक एजेंट-आधारित प्लेटफ़ॉर्म विकसित करती है जो जटिल परिचालन डोमेन जैसे कि खरीद, आपूर्ति श्रृंखला, अनुपालन और ग्राहक संचालन में एआई एजेंटों की टीमों को समन्वयित करने के लिए डिज़ाइन की गई है। सुरक्षित, एंटरप्राइज़-ग्रेड डिप्लॉयमेंट और तेज़ समय-से-मूल्य पर जोर देने के द्वारा, कोवांत खुद को रणनीतिक एआई महत्वाकांक्षा और दिन-प्रतिदिन के कार्यान्वयन के बीच एक पुल के रूप में स्थापित करता है, बड़े संगठनों को अपने मुख्य कार्य प्रवाहों में एआई को शामिल करने में मदद करता है, न कि इसे एक स्टैंडअलोन टूल या पायलट परियोजना के रूप में मानते हुए।

आप स्पॉटिफाई में प्रमुख एआई पहलों का नेतृत्व कर चुके हैं, कॉम्बिनेंट मिक्स को स्केल किया और बाहर निकाला है, और बाद में सिलो एआई में एंटरप्राइज एआई रणनीति को आकार दिया है। कोवांत की स्थापना से पहले आपको किन विशिष्ट अंतराल या निराशाओं का सामना करना पड़ा, जिन्होंने आपको स्वायत्त एंटरप्राइज प्लेटफ़ॉर्म बनाने के लिए समय के बारे में आश्वस्त किया, और उस इतिहास ने कोवांत के मुख्य डिज़ाइन दर्शन को कैसे आकार दिया?

मेरी पिछली भूमिकाओं में, कुछ निरंतर अंतराल दिखाई दिए। सबसे पहले, अधिकांश “वर्टिकल” एआई टूल एक ही सॉफ़्टवेयर स्टैक के लिए प्रभावी रूप से बंधे हुए हैं: वे एक सीमा के भीतर एक चीज़ को थोड़ा बेहतर करते हैं, लेकिन जैसे ही एक कार्यप्रवाह को कई प्रणालियों में फैलाने की आवश्यकता होती है, वे संघर्ष करते हैं। उसी समय, एंटरप्राइज़ डेटा कई उपकरणों में बिखरा हुआ है, और कई स्वचालन समाधान वास्तव में इसे तक नहीं पहुंच सकते हैं। वर्षों के बिंदु एकीकरण की परतें जोड़ें, और आपको क्लासिक स्पेगेटी आर्किटेक्चर मिलता है: जटिलता बढ़ जाती है, परिवर्तन धीमा हो जाता है, और टीमें व्यक्तिगत चरणों को स्वचालित करने के बजाय कार्यप्रवाह को अंत से अंत तक पुनः कल्पना करने के लिए समाप्त हो जाती हैं। परिणाम यह है कि आरओआई अक्सर धीमी गति से आता है – और छोटा होता है – जितना संगठनों को उम्मीद थी।

कोवांत उस वास्तविकता के प्रति एक प्रतिक्रिया के रूप में डिज़ाइन किया गया है। हमारा मूल दर्शन यह है कि एजेंटों को कर्मचारियों की तरह व्यवहार करना चाहिए: वे कई उपकरणों में काम करते हैं, वे नौकरियों के लिए “नियुक्त” किए जाते हैं, न कि एक एकल स्क्रिप्ट क्रम को स्वचालित करने के लिए। यही कारण है कि एकीकरण और ऑर्केस्ट्रेशन निर्मित हैं, और हम यह मानते हैं कि एंटरप्राइज़ डेटा अक्सर गंदा और असंरचित होता है – यह अपवादों और अस्पष्टता को संभालने के लिए एक अधिक मानवीय दृष्टिकोण की आवश्यकता होती है।

हम फ़ाउंडेशन एजेंटों का उपयोग गति और पैमाने की उपलब्धि के लिए करते हैं, जबकि डेटा संप्रभुता को आगे रखा जाता है: एंटरप्राइज़ अपने स्वयं के डेटा को अपने परिसर में बिना छोड़े क्षैतिज रूप से एक्सेस और उपयोग कर सकते हैं।

कोवांत खुद को एक स्वायत्त एंटरप्राइज प्लेटफ़ॉर्म के रूप में स्थापित करता है जो पूरे संचालन और विभागों को एआई एजेंटों के साथ चला सकता है। आप एक एंटरप्राइज़ संदर्भ में “स्वायत्त” को कैसे परिभाषित करते हैं, और यह आज टूल्स और कंपनियों के साथ प्रयोग कर रहे स्वचालन और एजेंट टूल्स से कैसे अलग है?

एक एंटरप्राइज़ संदर्भ में, जब हम “स्वायत्त” कहते हैं, तो हमारा मतलब “अनिरीक्षित” नहीं है। हमारा मतलब है कि एआई एजेंट वास्तविक कार्रवाई कर सकते हैं जो एक संचालन में अंत से अंत तक होती है, स्पष्ट लक्ष्यों और गार्डरेल के साथ, और वे मानव पर्यवेक्षण की आवश्यकता होने पर मानवों को एस्केलेट करेंगे।

कोवांत को क्या अलग बनाता है वह हमारे फ़ाउंडेशन एजेंट हैं। एक एकल, निर्धारित प्रक्रिया को स्वचालित करने या एक पूर्व-निर्मित अनुक्रम का पालन करने के बजाय, कोवांत एजेंट एक ऑपरेशन पर एक टीम (या झुंड) के रूप में काम कर सकते हैं, केवल निर्देशों और एक ऑपरेशन ओवरव्यू का उपयोग करके जिसे हम एक नीला दिशा निर्देश कहते हैं। वे एक संकीर्ण कार्य के लिए डिज़ाइन नहीं किए गए हैं; वे जटिल कार्यप्रवाह को हल करने के लिए सहयोग करते हैं, बदलती परिस्थितियों के अनुकूल होते हैं, और जब स्थिति पर्यवेक्षण की आवश्यकता होती है तो मानवों को हस्तांतरित करते हैं।

उदाहरण के लिए, एक इन्वेंट्री प्रबंधन एजेंट टीम निम्नलिखित सभी कार्यों को बिना उन्हें स्क्रैच से पुनः बनाए, कर सकती है: आपूर्तिकर्ताओं के साथ ईमेल के माध्यम से, इन्वेंट्री स्तरों और स्टॉक आउट संकेतों की निगरानी करना, शिपमेंट और खरीद आदेशों को ट्रैक करना, सिस्टम में स्थिति को अपडेट करना, इन्वेंट्री योजनाकारों के लिए विचलन टिकट बनाना, गोदामों के बीच इन्वेंट्री को पुनः वितरित करना, और इन्वेंट्री रिपोर्ट को समेकित करना।

तो बदलाव यह है कि इसके बजाय “चैट प्लस टूल” या ब्रिटल स्वचालन जो पैमाने पर टूट जाते हैं, एंटरप्राइज़ एजेंटों को बनाने से चलाने के लिए स्थानांतरित हो जाते हैं।

एजेंटिक एआई में भारी रुचि के बावजूद, कई संगठन पायलट मोड में फंसे रहते हैं। वास्तविक तैनाती में से क्या आप देख रहे हैं, प्रयोग से स्केल्ड उत्पादन में स्थानांतरित करने में कंपनियों को कौन से मुख्य कारणों से संघर्ष करना पड़ता है?

जो हम देख रहे हैं वह यह है कि अधिकांश संगठन पायलट मोड में नहीं फंसते हैं क्योंकि विचार गलत है; वे फंस जाते हैं क्योंकि वातावरण स्केलिंग के लिए शत्रुतापूर्ण है।

पहला ब्लॉकर विखंडित एंटरप्राइज़ टेक लैंडस्केप है। कार्यप्रवाह कई प्रणालियों में फैले हुए हैं, डेटा कई स्थानों पर रहता है, और सब कुछ विश्वसनीय रूप से एक साथ जोड़ना मुश्किल है। और एजेंटिक एआई अक्सर मौजूदा टूल्स के लिए एक ऐड-ऑन के रूप में तैनात किया जाता है, एक एंड-टू-एंड वर्कफ़्लो को कैसे चलाना चाहिए, इसे पुनः सोचे बिना।

एक वास्तविक आर्किटेक्चर और डेटा समस्या भी है। कई सास विक्रेता अभी भी डेटा को बंद करने का प्रयास करते हैं, जो असंगतता पैदा करता है और सीमित करता है कि एजेंट वास्तव में प्रणालियों में क्या कर सकते हैं। और कई टीमें यह तथ्य कम आंकती हैं कि अधिकांश एंटरप्राइज़ डेटा असंरचित है (ईमेल, दस्तावेज़, टिकट, पीडीएफ, चैट लॉग)। यदि आपका दृष्टिकोण स्वच्छ, संरचित डेटा मानता है, तो समय-से-मूल्य लंबा, दर्दनाक और पायलट से परे दोहराना मुश्किल हो जाता है।

संक्षेप में, विखंडन, लॉक-इन और असंरचित डेटा घसीटते हैं – और पायलट कभी उत्पादन में नहीं बदलते हैं जब तक कि वे वास्तविकताएं डिज़ाइन नहीं की जाती हैं।

विश्वसनीयता को अक्सर एआई एजेंटों को वास्तविक दुनिया में तैनात करने के लिए सबसे बड़ा बाधक के रूप में उद्धृत किया जाता है। इतने सारे एजेंट प्रणाली नियंत्रित वातावरण में विफल क्यों हो जाती हैं, और कोवांत का दृष्टिकोण हॉलुसिनेशन और अप्रत्याशित व्यवहार जैसी समस्याओं को कैसे कम करता है?

कुछ एजेंट प्रणाली डेमो में अच्छी दिखाई देती हैं, फिर वास्तविक दुनिया में विफल हो जाती हैं क्योंकि वातावरण गंदा और अप्रत्याशित है। डेटा अधूरा या असंगत है, एज केस लगातार दिखाई देते हैं (रिफंड, विवाद, विशेष अनुमोदन)। कार्यप्रवाह कई उपकरणों, प्लेटफ़ॉर्म और एकीकरण को पार करता है जो समय के साथ बदलते हैं, और अनुमतियां भिन्न होती हैं। जब एक एआई एजेंट को एक बड़ा कार्य सौंपा जाता है और एक बार में बहुत सारा संदर्भ दिया जाता है, तो हॉलुसिनेशन और अजीब व्यवहार का जोखिम बढ़ जाता है।

कोवांत डिज़ाइन द्वारा इसे कम करता है। हमारी विशिष्ट आर्किटेक्चर समस्या स्थान, निर्णय स्थान और मॉडल के साथ काम करने वाले संदर्भ को संकुचित करती है, जो हॉलुसिनेशन को कम करती है। हम संचालन को संकीर्ण, केंद्रित कार्यों में तोड़ देते हैं जो व्यक्तिगत एजेंटों और चरणों के लिए होते हैं। यह व्यवहार को अधिक अनुमानित बनाता है, और प्रणाली में ट्रेसबिलिटी और नियंत्रणीयता जोड़ता है और हॉलुसिनेशन को बेहतर ढंग से प्रबंधित कर सकता है। हम देख सकते हैं कि प्रत्येक एजेंट ने क्या किया, विफलता कहां से शुरू हुई, और जब आवश्यकता हो तब हस्तक्षेप या एस्केलेट कर सकते हैं।

हॉलुसिनेशन गायब नहीं हो जाते हैं, लेकिन प्रत्येक एजेंट के लिए जिम्मेदारी और संदर्भ को सीमित करके, हम उनकी आवृत्ति को कम कर सकते हैं और उनके प्रभाव को सीमित कर सकते हैं। यह “संकीर्ण कार्य/संदर्भ” दृष्टिकोण को हाल ही में न्विदा के शोध दल द्वारा समर्थित किया गया है, जिसने एजेंट निर्णय लेने को सीमित करने से समान लाभ पाया है।

जिम्मेदारी एक प्रमुख चिंता है क्योंकि एआई एजेंट व्यवसाय प्रणालियों में वास्तविक कार्रवाई करना शुरू करते हैं। विस्तृत कार्रवाई लॉग जिम्मेदारी, अनुपालन और संचालन जोखिम के आसपास की बातचीत को कैसे बदलते हैं?

विस्तृत कार्रवाई लॉग के साथ, हम देख सकते हैं कि क्या हुआ, क्यों हुआ और आगे क्या होगा।

विस्तृत लॉग एक एजेंट को एक रहस्यमय बॉट से एक प्रणाली में बदल देते हैं जिसे आप जांच सकते हैं।

कोवांत में, किसी भी एआई एजेंट तैनाती के साथ, एक जोखिम मानचित्र होगा जिस पर संगठन कार्रवाई कर सकता है, हमारे पास जोखिम भरे कार्यों के लिए मानवों के लिए निर्मित गेटकीपिंग है, जिसका अर्थ है कि एजेंट केवल तभी उन कार्यों को कर सकते हैं जब एक मानव निर्णय की समीक्षा और अनुमोदन करता है। सभी लॉग एक ही तरह से लॉग किए जाते हैं जैसे कि एक सिस्टम ऑफ रिकॉर्ड लॉग किया जाता है और ट्रेसेबल होते हैं।

हमारा मानना है कि यह महत्वपूर्ण है कि कार्रवाई लॉग को मानव पर्यवेक्षण और अवलोकन के साथ जोड़ा जाए ताकि जोखिम को कम किया जा सके। इसका मतलब है कि आप अभी भी एजेंटों को वास्तविक संचालन चलाने के लाभों को प्राप्त करते हैं।

एजेंटिक एआई के लिए बीमा कराने की क्षमता के बारे में बढ़ती चर्चा है क्योंकि उनके निर्णय लेने में पारदर्शिता की कमी है। एजेंट कार्यप्रवाह को ऑडिट करने योग्य और पुनरावृत्ति योग्य बनाना “ब्लैक बॉक्स” समस्या को हल करने और बीमा के लिए दरवाजा खोलने में कैसे मदद करता है?

“ब्लैक बॉक्स” समस्या ही है जो बीमा को कठिन बनाती है। यदि आप स्पष्ट रूप से नहीं दिखा सकते कि एक एजेंट ने क्या किया, क्यों किया, और कौन से नियंत्रण थे, तो यह किसी के लिए, विशेष रूप से बीमा प्रदाताओं के लिए, जोखिम की कीमत लगाना मुश्किल है।

हमारा दृष्टिकोण मूल रूप से पिछले उत्तर में जिम्मेदारी सेटअप का एक विस्तार है। हम निर्णय दायरे और कार्रवाई के प्रभाव को छोटे हिस्सों में तोड़ते हैं ताकि मॉडल एक बड़ा, अपारदर्शी निर्णय न ले जो पूरे संचालन को प्रभावित कर सकता है। प्रत्येक चरण संकीर्ण, अधिक अनुमानित और आसान मूल्यांकन करने योग्य है।

हम विस्तृत लॉग, अवलोकन और मानव पर्यवेक्षण जोड़ते हैं। सबसे महत्वपूर्ण और प्रभावशाली निर्णयों के लिए, हम एक मानव गेटकीपर का उपयोग करते हैं ताकि एजेंट केवल समीक्षा और अनुमोदन के बाद आगे बढ़ सके। इससे व्यवहार में बहुत अधिक दृश्यता पैदा होती है।

कार्यप्रवाह को ऑडिट करने योग्य और पुनरावृत्ति योग्य बनाना अंतिम टुकड़ा है। यदि कुछ गलत हो जाता है, तो आप पुनः उत्पन्न कर सकते हैं कि क्या हुआ, इसे जल्दी से जांच सकते हैं, सत्यापन कर सकते हैं और सुधार कर सकते हैं। अन्यथा, यह रहस्यमय एआई व्यवहार कुछ मानक संचालन जोखिम में बदल जाता है।

एजेंटिक सिस्टम के लिए साझा मानक बनाने के लिए एजेंटिक एआई फाउंडेशन जैसी पहलों के साथ, आप इन प्रयासों के सबसे आशाजनक पहलुओं को क्या देखते हैं, और वे वास्तविक एंटरप्राइज़ संचालन के लिए अभी भी कहां कम पड़ते हैं?

मानकीकरण आमतौर पर एक अच्छी चीज है। एएआईएफ एजेंट सिस्टम को एक ही भाषा में बोलने का काम कर सकता है, जो एकीकरण को आसान बना देगा और समय के साथ विक्रेता लॉक-इन को कम कर देगा।

मैं जहां सावधान हूं, वह यह है कि किसका दृष्टिकोण मानकों को आकार देता है। यदि अधिकांश काम मॉडल निर्माताओं और प्रौद्योगिकी पैमाने पर नेतृत्व किया जाता है, तो एक जोखिम है कि “मानक” वही होंगे जो निर्माण में आसान हों या डेमो के लिए, न कि जो बड़े संगठनों को दिन-प्रतिदिन एजेंटों को सुरक्षित रूप से चलाने की आवश्यकता होती है।

वास्तविक एंटरप्राइज़ संचालन के लिए, अंतराल नियंत्रण के बारे में कम होते हैं: क्या एक एजेंट एक्सेस और बदल सकता है, उच्च प्रभाव वाली क्रियाओं के लिए अनुमोदन कार्यप्रवाह, ऑडिट लॉग, और अवलोकन ताकि टीमें व्यवहार की निगरानी कर सकें, घटनाओं की जांच कर सकें और अनुपालन साबित कर सकें। एंटरप्राइज़ को व्यावहारिक मानकों की आवश्यकता होती है जो वास्तविक दुनिया की जटिलताओं के लिए खाते हैं: एज केस के खिलाफ परीक्षण, बदलते प्रणालियों को संभालना, और सुरक्षित रूप से पlegacy टूल और नियंत्रित डेटा वातावरण में कार्रवाई को रोकने, सीमित करने या वापस लेने में सक्षम होना।

तो यह एक आशाजनक दिशा है, लेकिन प्रभाव सीमित होगा जब तक कि एंटरप्राइज़ आवश्यकताओं और संचालन जोखिम नियंत्रणों को एक उपोत्पाद के रूप में नहीं माना जाता है।

कोवांत ने बड़े नॉर्डिक एंटरप्राइज़ से महत्वपूर्ण राजस्व उत्पन्न किया है, जबकि मुख्य रूप से गुप्त रूप से संचालित किया जा रहा है। आज कौन से व्यवसाय कार्य या कार्यप्रवाह स्वायत्त एआई एजेंटों के लिए तैयार हैं?

वास्तविक तैनाती से जो हमने देखा है, वह कार्यप्रवाह हैं जो प्रतिक्रियात्मक गैर-उत्पादन कार्य से बने होते हैं: निगरानी, पीछा करना, जांच, सिस्टम को अपडेट करना, अपवादों को संभालना और कई उपकरणों में संचालन को बनाए रखना।

उत्पादन और व्यापक एंटरप्राइज़ आपूर्ति श्रृंखला में, यह दिखाई देता है:

• सोर्सिंग/प्रोक्योरमेंट: कच्चे माल की उपलब्धता, स्थायी सोर्सिंग, अनुपालन ऑपरेशन, आपूर्तिकर्ता चयन (รวม डुअल/मल्टी-सोर्सिंग), अनुबंध प्रबंधन, आपूर्तिकर्ता जोखिम प्रबंधन, और टेंडरिंग/बिड प्रबंधन।
• उत्पादन: क्षमता योजना, उत्पादन अनुसूची, रखरखाव प्रबंधन, गुणवत्ता प्रबंधन, बोतलनेक प्रबंधन, और हानि रोकथाम।
• वेयरहाउसिंग: प्राप्ति और निरीक्षण, इन्वेंट्री प्रबंधन, स्टॉक रोटेशन (फीफो/फेफो), और चक्र गणना/लेखा परीक्षा।
• परिवहन / लॉजिस्टिक्स: मोड और वाहक चयन, सीमा शुल्क मंजूरी/दस्तावेज़, ट्रैकिंग और दृश्यता, उत्सर्जन निगरानी, और व्यापार अनुपालन।
• बिक्री और सेवा: उत्पाद उपलब्धता, स्टॉकआउट रोकथाम, बिक्री/वापसी प्रबंधन, उपभोक्ता व्यवहार विश्लेषण, साथ ही बाद की बिक्री के क्षेत्र जैसे कि मरम्मत, अंत-जीवन ट्रैकिंग, कार्यशाला संचालन, और सेवा अनुबंध।

जब एंटरप्राइज़ संचालन में एआई एजेंटों को तैनात करते हैं, तो आप नियंत्रण के बिना धीमा होने के बिना स्वायत्तता के साथ मानव पर्यवेक्षण को कैसे संतुलित करने की सलाह देते हैं?

संतुलन शासित स्वायत्तता द्वारा शासित है। आपको एजेंटों को निम्न-जोखिम वाले कार्यों पर तेजी से आगे बढ़ने देना होगा, स्पष्ट गार्डरेल के भीतर, और मानवों को तब एस्केलेट करना होगा जब कार्रवाई एक परिभाषित जोखिम सीमा को पार करती है।

बहुत सारी विफलताएं मॉडल को एक बार में बहुत अधिक स्कोप और बहुत अधिक संदर्भ देने से आती हैं। मैं संचालन को संकीर्ण, संकीर्ण निर्णयों में तोड़ने की सलाह देता हूं, जहां प्रत्येक चरण के पास स्पष्ट अनुमतियां और सीमित प्रभाव क्षेत्र होता है। इससे व्यवहार अधिक अनुमानित हो जाता है, और प्रदर्शन को बेहतर ढंग से निगरानी और सुधारा जा सकता है।

फिर आप तीन चीजों को जोड़ते हैं: अवलोकन, कार्रवाई लॉग, और मानव गेटकीपिंग। एजेंट द्वारा की जाने वाली हर चीज़ को ट्रेसेबल होना चाहिए, ताकि आप देख सकें कि क्या हुआ और तेजी से जांच कर सकें। उच्च प्रभाव वाली या जोखिम भरी क्रियाओं के लिए, आप कार्यप्रवाह में एक मानव अनुमोदन चरण डालते हैं, ताकि एजेंट प्रस्ताव और तैयार कर सकता है, लेकिन केवल तभी निष्पादित करता है जब एक व्यक्ति हस्ताक्षर करता है।

यह चीजों को तेजी से बनाए रखता है। यदि यह केवल मानव पर्यवेक्षण चरण में थोड़ा धीमा हो जाता है, तो यह प्रक्रिया का एक महत्वपूर्ण हिस्सा है। मानव एस्केलेट नहीं हैं; वे केवल उन क्षणों में शामिल होते हैं जो महत्वपूर्ण हैं। परिणाम यह है कि जहां यह सुरक्षित है वहां गति है, और जहां आवश्यक है वहां पर्यवेक्षण है।

आगे देखते हुए, आप अगले कुछ वर्षों में बड़े संगठनों के भीतर स्वायत्त एआई एजेंटों की भूमिका कैसे विकसित होने की उम्मीद करते हैं, और कौन से कारक कंपनियों को एजेंटिक एआई में सफल बनाने से अलग करेंगे जो संघर्ष कर रहे हैं?

अगले कुछ वर्षों में, स्वायत्त एआई एजेंट वास्तविक दुनिया की प्रयोगात्मक परियोजनाओं से वास्तविक संचालन परत में चले जाएंगे। वे संचालन, ग्राहक सेवा, वित्त और एचआर के लिए उपयोग किए जाएंगे। जैसे-जैसे विश्वसनीयता, शासन और पर्यवेक्षण में सुधार होता है, हम देखेंगे कि एंटरप्राइज़ पायलट से एजेंट टीमों को एंड-टू-एंड कार्यप्रवाह में चलाने की ओर बढ़ रहे हैं।

सबसे बड़ा परिवर्तन यह है कि गति, लचीलापन, पैमाने, कुशलता और लागत अब एक प्रत्यक्ष प्रतिस्पर्धी लीवर बन जाएंगे। मुझे लगता है कि एक “उबर आंदोलन” एंटरप्राइज़ के लिए आ रहा है। जो कंपनियां वास्तव में एजेंटिक एआई को मास्टर करेंगी, वे धीमी गति से चलने वालों की तुलना में मूल रूप से तेजी से काम कर पाएंगी, बाजारों में तेजी से प्रवेश कर पाएंगी और परिवर्तन का जवाब दे पाएंगी बिना सामान्य संचालन जाम के।

जो विजेताओं को अलग करता है वह केवल एजेंटों को तैनात करना नहीं है; यह उन्हें अच्छी तरह से तैनात करना है। शासित स्वायत्तता, मजबूत अवलोकन और कार्रवाई लॉग, और संकीर्ण निर्णय दायरे वाले आर्किटेक्चर इसे संभव बनाएंगे। कंपनियां जो एजेंटिक एआई को एक मूल संचालन क्षमता के रूप में मानती हैं, सही नियंत्रण, एकीकरण और स्वामित्व के साथ, इसका उपयोग अधिक करने के लिए करेंगे, कम नहीं। इससे टीमों को विकास और नवाचार पर ध्यान केंद्रित करने की अनुमति मिलेगी, न कि प्रशासन में दिन बिताने के लिए। संक्षेप में, कट्टर गति और दक्षता वास्तविक प्रतिस्पर्धी लाभ बन जाती है एंटरप्राइज़ पैमाने पर।

धन्यवाद महान साक्षात्कार के लिए, पाठक जो अधिक जानना चाहते हैं उन्हें कोवांत पर जाना चाहिए।