सहयोग को विनिर्माण के मल्टी‑एजेंटिक एआई दृष्टिकोण के केंद्र में होना चाहिए। यहाँ बताया गया है कैसे।

अधिकांश, यदि सभी नहीं, बड़े‑पैमाने के निर्माताओं के पास अपने डिजिटल बुनियादी ढाँचे में कई सिस्टम हैं जिन्हें वे संभाल रहे हैं। अक्सर, ये सभी एक साथ शॉप फ़्लोर पर काम कर रहे होते हैं: एक प्रेडिक्टिव मेंटेनेंस एजेंट कंपनियों के सेंसरों को सुरक्षा पैटर्न के लिए देखता है, एक विज़न‑आधारित क्वालिटी कंट्रोल एजेंट उत्पाद दोषों को चिन्हित करता है और एक शेड्यूलिंग एजेंट परिवर्तन समय को संभालता है जबकि एक इन्वेंटरी एजेंट खरीदारी पर नज़र रखता है। प्रत्येक का स्पष्ट कार्य है, लेकिन अक्सर ये सिस्टम एक‑दूसरे से बात नहीं करते।

सहयोग की इस विफलता ही बड़े‑पैमाने के विनिर्माण में एजेंटिक एआई को कमजोर करती है। चाहे कोई एजेंट काम करे या न करे, एक और महत्वपूर्ण मुद्दा यह है कि बड़े निर्माताओं के लिए यह लगभग पूरी तरह से अलग‑थलग कार्य कर रहा है।

और, जबकि कम से कम एक कार्य में एआई एजेंटों को स्केल करने वाले बड़े‑साइज़ के संगठनों की संख्या वर्ष‑दर‑वर्ष 27% से 40% बढ़ी है, वे आईटी और सॉफ्टवेयर इंजीनियरिंग जैसी विशिष्ट कार्यों पर ध्यान केंद्रित कर रहे हैं, बजाय इसके कि एजेंटों को संचालन में समान रूप से वितरित करके एक समन्वित प्रणाली बनायीँ। इस बीच, यद्यपि अधिकांश संगठन स्वायत्त एजेंटों को लागू करने की योजना बना रहे हैं, केवल लगभग एक तिहाई मानते हैं कि उनका बुनियादी ढाँचा उनका समर्थन करने के लिए तैयार है। और भी, 2025 के शोध में पाया गया कि 79% मल्टी‑एजेंट LLM सिस्टम विफलताएँ समन्वय और विशिष्टता से जुड़ी समस्याओं के कारण होती हैं।

निर्माता फ़्लोर और उत्पादन लाइन में स्वायत्त निर्णय‑निर्माताओं को जोड़ रहे हैं, इससे भी तेज़ी से जितनी गति से वे उनके बीच कनेक्टिविटी बना रहे हैं। यह समन्वय और सहयोग की समस्या को बढ़ा रहा है जो इन मॉडलों के प्रदर्शन को कमजोर करता है। अंततः, यह एआई स्टैक के तीन स्पष्ट भागों में प्रकट होता है। यहाँ बताया गया है कि निर्माताओं को क्या करना चाहिए ताकि सहयोगी, अच्छी तरह से जुड़ी हुई एजेंटिक प्रणालियों को सुनिश्चित किया जा सके।

सहयोग के प्रमुख घर्षण बिंदु

पहला और शायद सबसे बड़ा बाधा डेटा है, जो कई बड़े संगठनों के लिए एआई को स्केल करने में एक महत्वपूर्ण अड़चन बना हुआ है। अधिकांश निर्माताओं के पास दशकों की संचित बुनियादी ढाँचा (और उससे जुड़ा डेटा) MES और ERP सिस्टम के रूप में है, जो संचार और मानव संसाधन जैसे अन्य डेटा प्रवाहों के साथ सामान्य स्कीमा साझा नहीं करता। इस कारण, एजेंट एक‑दूसरे से संवाद करने में संघर्ष करते हैं, यदि वे संवाद ही कर पाते हैं; अलग‑थलग या खराब स्वरूपित डेटा कई एजेंटों के बीच लगभग अभेद्य बाधा बन जाता है।

यह फ़ैक्टरी फ़्लोर पर इस प्रकार प्रकट होता है कि एक एजेंट जो एक लाइन पर मशीन स्वास्थ्य और प्रदर्शन की निगरानी करता है, उसके पास यह जानने का कोई विश्वसनीय तरीका नहीं होता कि दो सिस्टम दूर स्थित शेड्यूलिंग एजेंट आगामी परिवर्तन के लिए क्या योजना बना रहा है, जबकि दोनों निर्णय और कार्यप्रवाह सीधे एक‑दूसरे को प्रभावित करते हैं।

अगला घर्षण बिंदु प्रोटोकॉल है। यह वह तत्व है जिस पर एआई सहयोग के दौरान पर्याप्त विचार नहीं दिया जाता। एजेंटिक एआई बहुत नया है, और हाल ही तक, विभिन्न फ्रेमवर्क, आधार या विक्रेताओं पर निर्मित एजेंटों के लिए संवाद और सहयोग करने का कोई वास्तविक मानक तरीका नहीं था।

सौभाग्य से, यह बदलना शुरू हो रहा है। उदाहरण के लिए, Google का Agent2Agent (A2A) प्रोटोकॉल, जो पिछले वर्ष लॉन्च हुआ, यह मानकीकृत करता है कि स्वतंत्र एजेंट (संभवतः पूरी तरह अलग प्लेटफ़ॉर्म पर निर्मित) एक‑दूसरे की क्षमताओं की खोज कैसे करें और कार्यों को कैसे सौंपें। महत्वपूर्ण रूप से, यह स्पष्ट रूप से डिज़ाइन किया गया है ताकि Anthropic के Model Context प्रोटोकॉल (MCP), को पूरक बना सके, जो यह मानकीकृत करता है कि प्रत्येक एजेंट टूल्स और डेटा स्रोतों तक कैसे पहुँचता है। यहाँ सामान्य लक्ष्य अलगाव को दूर करना और सहयोग सुनिश्चित करना है, यहाँ तक कि बड़े पैमाने पर मल्टी‑एजेंट सेटिंग्स में भी।

अंत में, कई निर्माताओं को अभी भी मानव निगरानी प्रश्न का सामना करना पड़ रहा है। यहां तक कि एक पूरी तरह समन्वित एजेंट नेटवर्क भी विफल हो जाएगा यदि इसे देख रहे लोग उसके निर्णयों पर भरोसा नहीं करते या उसकी क्षमताओं के बारे में अवास्तविक अपेक्षाएँ रखते हैं। MIT Sloan के विश्लेषकों ने चेतावनियाँ उठाई हैं कि एजेंटिक एआई के बारे में बढ़ी हुई अपेक्षाएँ और घटता विश्वास, साथ ही एआई एजेंटों के साथ मानव सहभागिता के संभावित खतरे के बारे में। फ़्लोर पर, ये अंतराल और घर्षण बिंदु आपदा जैसी हो सकते हैं: एजेंटिक पारिस्थितिकी तंत्र को जोड़ने वाला मानव धागा सुरक्षित, विश्वसनीय संचालन के लिए बिल्कुल आवश्यक है।

विश्वास अंतर को पाटना

इसे मानव पक्ष को केवल सांस्कृतिक मुद्दा मानना और अधिक प्रशिक्षण सत्रों से हल करना आकर्षक लग सकता है। हालांकि, ये प्रयास तभी सफल होंगे जब उन्हें टिकाऊ वास्तुशिल्पीय सुधारों के साथ जोड़ा जाए। निगरानी डिजाइन को यह विचार करना चाहिए कि कब मानव निर्णय को प्रणाली को सौंपना चाहिए, न कि केवल इसलिए एजेंट के सुझाव को ओवरराइड करना क्योंकि लूप में मौजूद व्यक्ति उससे असहमत है।

तर्कशीलता की पारदर्शिता को शामिल करें, जिसका अर्थ है हमेशा दृश्यता और यह क्षमता कि क्यों एक एजेंट ने निर्णय लिया या सुझाव को चिन्हित किया, केवल आउटपुट को देखना नहीं। और, जब ऑपरेटर असहमत हों, तो सुनिश्चित करें कि एक स्पष्ट और कुशल एस्केलेशन पथ हो जो निर्णय‑निर्धारण प्रक्रियाओं में पारदर्शिता और ट्रेसबिलिटी को स्थापित करे।

समग्रता की भावना को पुनः स्थापित करना

एजेंट, बिलकुल उन टीमों की तरह जिनके समर्थन के लिए उन्हें बनाया गया है, केवल एक संकीर्ण, विशिष्ट कार्य तक पहुँच से अधिक की आवश्यकता रखते हैं। उन्हें वह महसूस होना चाहिए जो सम्पूर्णता की भावना के समान हो; एक कार्य मॉडल कि उनका संचालन का हिस्सा बाकी सबके साथ कैसे जुड़ा है। एक शेड्यूलिंग एजेंट जो परिवर्तन समय को अनुकूलित करता है लेकिन रखरखाव एजेंट द्वारा उम्रदराज़ उपकरणों के बारे में देखी गई जानकारी तक कोई दृश्यता नहीं रखता, केवल एक कुछ हद तक स्वीकार्य निर्णय ले रहा है जो अन्य कार्यप्रवाह की मांगों के सामने सही नहीं हो सकता।

यहीं पर प्रोटोकॉल लेयर और सम्पूर्णता की समस्या मिलती है। साझा संदर्भ वह व्यावहारिक साधन है जिससे एजेंट का व्यक्तिगत कार्य व्यापक प्लांट की वास्तविक स्थिति से जुड़ता है। निर्माण में, इसका एक आंशिक उत्तर पहले से मौजूद है, जैसे मानक ISA-95, जो यह परिभाषित करते हैं कि एंटरप्राइज़ और नियंत्रण प्रणालियाँ प्लांट में कैसे संवाद करती हैं। अब नई बात यह है कि इस साझा संचालन शब्दावली को केवल मानव‑पठनीय एकीकरण से उन सूचनाओं तक विस्तारित किया जाए जिन्हें एजेंट प्रोसेस कर सकें।

उस साझा मॉडल के बिना, प्रत्येक अतिरिक्त एजेंट एक नया अलग‑अलग तर्क और निर्णय‑बिंदु जोड़ता है जो एक सुसंगत सम्पूर्णता का हिस्सा नहीं होता। यही वह कारण है कि एजेंट का प्रसार अपनाने के पैमाने के बढ़ने पर स्वयं को हल नहीं करता बल्कि बिगड़ता है।

सफलता के लिए सही मापदंडों पर निरंतर नज़र रखना

एक और जाल यह है कि एजेंटिक एआई को उसी तरह मापा जाए जैसे किसी अन्य सॉफ़्टवेयर रोल‑आउट को मॉनिटर किया जाता है: दक्षता संख्याओं पर ध्यान देना और यह सुनिश्चित करना कि वे लगातार बढ़ती रहें। समन्वित और सहयोगी बहु‑एजेंट सिस्टम के लिए यह आवश्यक नहीं है और जब यह प्रदर्शन का एकमात्र मापदंड बन जाता है तो यह वास्तव में उल्टा प्रभाव डाल सकता है।

सबसे पहले यह पुष्टि करना आवश्यक है कि एजेंट केवल कितना पैसा बचाता है, बल्कि क्या वह सुरक्षित और सुरक्षित रूप से डिज़ाइन के अनुसार कार्य करता है। सुनिश्चित करें कि वह अपनी निर्धारित सीमाओं के भीतर कार्य करता है, पूर्वानुमेय विफलताएँ रखता है, और मानव हस्तक्षेप तथा एस्केलेशन की अनुमति देता है। केवल जब यह स्थापित हो जाए, तभी गुणवत्ता को केंद्र में रखा जाना चाहिए, जैसे कि क्या एजेंट का आउटपुट वास्तव में सही और सुसंगत है, न कि केवल त्वरित।

यह वह प्राथमिकता क्रम है जिसे निर्माताओं को अपनाना चाहिए। गति, थ्रूपुट और लागत बचत सबसे निचले प्राथमिकता हैं। एक असुरक्षित या अविश्वसनीय एजेंट पर आधारित उत्पादकता वृद्धि टीमों, प्रौद्योगिकी, उत्पादन लाइनों, संबंधों और व्यावसायिक प्रतिष्ठा के लिए एक दायित्व बन जाती है।

बड़े पैमाने पर जाने से पहले छोटे स्तर पर परीक्षण करें। एक एकल एजेंट जो एक स्पष्ट परिभाषित कार्य संभालता है, साफ़ पहले‑और‑बाद तुलना प्रदान कर सकता है। हालांकि, जब दृष्टिकोण को विस्तारित करके पूरे प्लांट में दर्जनों परस्पर क्रिया करने वाले एजेंटों को शामिल किया जाता है, जबकि कोई भी व्यक्तिगत रूप से सत्यापित नहीं हुआ है, तो यह निर्धारित करना बहुत कठिन हो जाता है कि प्रणाली का कौन‑सा भाग परिणाम को चला रहा है। जटिलता को केवल उसी गति से मापने के तरीके में जोड़ा जाना चाहिए जितनी गति से इसे तैनाती में जोड़ा जा रहा है।

यहाँ, सहयोग और माप एक साथ अस्तित्व में आते हैं। एजेंट का आउटपुट केवल तभी भरोसेमंद होगा जब वह उस संदर्भ तक पहुँच रखता हो जिसके आधार पर उसने कार्य किया हो। इसका अर्थ है कि उपर्युक्त साझा‑संदर्भ समस्या वास्तव में माप के लिए एक पूर्व‑शर्त है। जिन निर्माताओं ने सिस्टमों के बीच एकीकृत संचालन चित्र नहीं बनाया है, उनके पास यह जानने का विश्वसनीय तरीका नहीं है कि सकारात्मक या नकारात्मक परिणाम एजेंट के निर्णय का प्रतिबिंब है या उस तक पहुँच की सीमा में अंतर का। वे मेट्रिक्स जो मायने रखते हैं, तब पढ़ने योग्य होते हैं जब क्रमबद्धता और साझा संदर्भ लॉक हो जाए।

क्षमता के केंद्र में समन्वय और सहयोग

आखिरकार, बड़े निर्माताओं के संरचनात्मक लाभ (उनके विशाल उत्पादन मात्रा, ऐतिहासिक डेटा सेट, प्रक्रिया स्थिरता, और प्रतिभा एवं प्रौद्योगिकी संसाधन) निर्विवाद हैं। हालांकि, ये लाभ केवल तभी बढ़ते हैं जब निर्माता पहले सहयोग समस्या को हल कर लेते हैं।

भविष्य की ओर देखते हुए, जैसे ही एआई क्षमताएँ संभवतः पूर्ण स्वायत्तता तक विकसित होती हैं, और दोनों सिस्टम और उत्पादन लाइनें बढ़ती हैं, यह सहयोग और समन्वय एक पूर्ण आवश्यकता बन जाता है। स्केलेबल और सुरक्षित रूप से एजेंटिक एआई को लागू करने के लिए इंटरऑपरेबिलिटी, प्रोटोकॉल मानक, साझा संदर्भ, कैलिब्रेटेड मानव निगरानी, और सम्पूर्णता की भावना को वास्तु‑पूर्व शर्तों के रूप में मानना अनिवार्य है। यह वह विभाजन रेखा है जो सफलतापूर्वक और सुरक्षित रूप से एजेंटिक एआई को स्केल करने वाले निर्माताओं को उन पायलट‑स्तर पर फंसे रहने वालों से अलग करती है।