ChatGPT એ લાખો લોકો માટે આર્ટિફિશિયલ ઇન્ટેલિજન્સને રોજિંદી આદત બનાવી દીધી છે. એક પ્રશ્ન પૂછો, જવાબ મેળવો. ઈમેલ ડ્રાફ્ટ કરો, બગ (bug) સુધારો, ઈમેજ બનાવો. પરંતુ દરેક વાતચીત એક પ્રોમ્પ્ટથી શરૂ થાય છે અને મોડેલ ટાઈપ કરવાનું બંધ કરે ત્યારે પૂરી થાય છે. તમે એન્જિન છો; AI માત્ર એક સાધન છે.

આગામી પરિવર્તન ચેટ વિન્ડો જેવું ઓછું અને એક સહકર્મી જેવું વધુ દેખાશે જે તમે અન્ય કામો પર ધ્યાન કેન્દ્રિત કરો ત્યારે કામ પૂર્ણ કરે છે. તે પરિવર્તન એ Agentic AI છે.

OpenAI, Google અને Microsoft જેવી કંપનીઓ સક્રિયપણે AI એજન્ટ્સ બનાવી રહી છે. આ સિસ્ટમ્સ પ્રશ્નોના જવાબ આપવા કરતાં ઘણું વધારે કામ કરે છે. તેઓ તમારા તરફથી માત્ર પ્રસંગોપાત ઇનપુટ સાથે આયોજન કરે છે, તર્ક કરે છે અને કાર્યો પૂર્ણ કરે છે. તમે માત્ર મુકામનું વર્ણન કરો છો, અને તેઓ રસ્તો શોધી કાઢે છે.

Agentic AI શું છે?

પરંપરાગત ચેટબોટ્સ રિએક્ટિવ (પ્રતિક્રિયાશીલ) હોય છે. તમે તેમને પ્રોમ્પ્ટ આપો છો, તેઓ લખાણનો એક બ્લોક આપે છે, અને પછી બધું તમારે પોતે જ સંભાળવાનું હોય છે. જો તમારે દસ કામ કરવા હોય, તો તમારે દસ અલગ-અલગ પ્રશ્નો પૂછવા પડશે અને પછી પરિણામોને જાતે જ જોડવા પડશે.

Agentic AI એક ઉદ્દેશ્યને અનુસરે છે. તમારા આગામી મેસેજની રાહ જોવાને બદલે, તે કામ ચાલુ રાખે છે. તે એક મોટા લક્ષ્યને નાના, ચોક્કસ પગલાઓમાં વિભાજિત કરી શકે છે, કયો ક્રમ યોગ્ય રહેશે તે નક્કી કરી શકે છે, વેબ બ્રાઉઝર, કેલ્ક્યુલેટર, કોડ ઇન્ટરપ્રેટર અથવા તમારા કેલેન્ડર જેવા બાહ્ય સાધનોનો ઉપયોગ કરી શકે છે, તરત જ નવી માહિતી એકત્રિત કરી શકે છે અને જ્યારે પરિસ્થિતિ બદલાય ત્યારે તેની પોતાની યોજનામાં સુધારો કરી શકે છે. જો તેણે બુક કરવા માંગતી ફ્લાઇટ ઉપલબ્ધ ન હોય, તો તે તમારી મંજૂરી માંગ્યા વગર જ આગલી વિકલ્પ તપાસે છે. જો કોઈ ડેટા સોર્સ કામ ન કરતો હોય, તો તે તમને હેરાન કરતા પહેલા વૈકલ્પિક રસ્તો અજમાવે છે.

આ માત્ર ઝડપી આઉટપુટ નથી. તે વર્તણૂકની એક અલગ શ્રેણી છે.

Generative AI વિરુદ્ધ Agentic AI

Generative AI, જે ChatGPT પાછળનું ટેકનોલોજી છે, તે 'સિંગલ-ટર્ન સ્પેશિયાલિસ્ટ' છે. તમે પ્રોમ્પ્ટ આપો છો, તે ટેક્સ્ટ, કોડ અથવા ઈમેજ બનાવે છે, અને પછી તે રાહ જુએ છે. તે એક સમયે એક જ અલગ કાર્ય પૂર્ણ કરે છે અને આગળ વધવા માટે તેને સતત માર્ગદર્શનની જરૂર પડે છે.

Agentic AI એક 'મલ્ટી-સ્ટેપ ઓપરેટર' છે. તે સ્વતંત્ર રીતે લક્ષ્યોને અનુસરે છે, જોડાયેલા વર્કફ્લોઝનું પાલન કરે છે, ક્રમમાં અનેક જોડાયેલા કાર્યો સંભાળે છે, અને તમે નક્કી કરેલા નિયમો (guardrails) ની અંદર રહીને નિર્ણયો લે છે.

આ તફાવત એક સમયે એક કપ કોફી ઓર્ડર કરવા અને એક બરિસ્ટાને રાખવા વચ્ચેના તફાવત જેવો છે, જે સવારની ભીડનું સંચાલન કરે છે, કોફીના બીન્સ ફરીથી ભરે છે અને જ્યારે તમે દુકાન ચલાવવા પર ધ્યાન કેન્દ્રિત કરો છો ત્યારે મશીન સાફ કરે છે.

તમે તેને સૌપ્રથમ ક્યાં જોશો

જ્યારે તમે વાસ્તવિક કામ જુઓ છો ત્યારે આ બંને વચ્ચેનો તફાવત સ્પષ્ટ થઈ જાય છે.

બિઝનેસ આઉટરીચ (Business outreach). કલ્પના કરો કે તમારે સંભવિત ગ્રાહક સાથે મીટિંગ ગોઠવવી છે. જો તમે વિનંતી કરો તો Generative AI ચેટબોટ ઈમેલ લખી શકે છે. પરંતુ Agentic AI તમામ મહેનતનું કામ કરી દે છે. તે તાજેતરના સમાચાર અથવા ફંડિંગ રાઉન્ડ માટે કંપની પર સંશોધન કરે છે, તે માહિતીનો સંદર્ભ આપીને વ્યક્તિગત સંદેશ ડ્રાફ્ટ કરે છે, ખાલી સમય માટે તમારું કેલેન્ડર તપાસે છે, આમંત્રણ મોકલે છે અને ફોલો-અપ માટે રિમાઇન્ડર સેટ કરે છે. તમે અગાઉથી યોજનાને મંજૂરી આપો છો; એજન્ટ તમામ કંટાળાજનક કામ સંભાળે છે.

સોફ્ટવેર ડેવલપમેન્ટ (Software development). Generative AI ફંક્શન લખી શકે છે અથવા regex સમજાવી શકે છે. એક AI એજન્ટ ટિકિટ વાંચી શકે છે, કોડ જનરેટ કરી શકે છે, pull requests રિવ્યુ કરી શકે છે, ટેસ્ટ ચલાવી શકે છે, બગ શોધી શકે છે અને ફિક્સ સબમિટ કરી શકે છે. આર્કિટેક્ચર અને મોટા પાયાના ડિઝાઇનની માલિકી હજુ પણ તમારી જ રહેશે, પરંતુ પુનરાવર્તિત કામો—જેમ કે boilerplate, linting, minor refactoring—તે સોંપવામાં આવશે. તમે દરેક સેમીકોલન (semicolon) ટાઈપ કરવાનું બંધ કરશો અને તે ફીચર હોવું જોઈએ કે નહીં તે નક્કી કરવાનું શરૂ કરશો.

કસ્ટમર સર્વિસ (Customer service). Generative AI ગુસ્સાવાળા ટ્વીટનો નમ્ર જવાબ ડ્રાફ્ટ કરી શકે છે. Agentic સિસ્ટમ રિટર્ન પ્રોસેસ કરી શકે છે, ડેટાબેઝમાં ઓર્ડર શોધી શકે છે, શિપિંગ લેબલ ટ્રેક કરી શકે છે, પિકઅપ શેડ્યૂલ કરી શકે છે, સપોર્ટ ટિકિટ અપડેટ કરી શકે છે, અને જ્યારે કેસ ખરેખર જટિલ હોય ત્યારે જ માણસને સામેલ કરે છે. માનવ ટીમ રૂટિન કામોમાં ડૂબી જવાનું બંધ કરશે અને એવા પ્રશ્નો ઉકેલવાનું શરૂ કરશે જેમાં ખરેખર સહાનુભૂતિ, વાટાઘાટ અને સર્જનાત્મક નિર્ણય લેવાની જરૂર હોય છે.

આ પરિવર્તન માટે કેવી રીતે તૈયાર થવું

જો તમે વિદ્યાર્થી અથવા કાર્યરત વ્યાવસાયિક હોવ, તો આ એ સમય છે જ્યારે તમારે એવી કુશળતા કેળવવી જોઈએ જે તમને આ સિસ્ટમ્સ ડિઝાઇન કરવા, તૈનાત કરવા અને તેનું નિરીક્ષણ કરવા દેશે.

  • Python પ્રોગ્રામિંગ. તે AI ટૂલિંગ માટે મુખ્ય ભાષા છે, અને મોટાભાગના એજન્ટ ફ્રેમવર્ક તેના પર બનેલા છે. તમારે કર્નલ ડેવલપર હોવાની જરૂર નથી, પરંતુ સેવાઓને એકસાથે જોડતી સ્ક્રિપ્ટ્સ લખવામાં તમે નિપુણ હોવા જોઈએ.
  • AI અને મશીન લર્નિંગના પાયાના સિદ્ધાંતો. તમે જે સમજી શકતા નથી તેનું તમે નિરીક્ષણ કરી શકતા નથી. લાર્જ લેંગ્વેજ મોડલ્સ કેવી રીતે તર્ક કરે છે, તેઓ ક્યાં ભ્રમિત (hallucinate) થાય છે, અને તેમના આઉટપુટનું મૂલ્યાંકન કેવી રીતે કરવું તે જાણો.
  • API ઇન્ટિગ્રેશન. એજન્ટ્સ અન્ય સોફ્ટવેર—Slack, Gmail, Salesforce, GitHub સાથે વાતચીત કરીને કાર્ય કરે છે. REST APIs અને webhooks કેવી રીતે કામ કરે છે તે સમજવું એ વ્યવહારુ એન્જિનિયરિંગ જ્ઞાન છે જેનો તાત્કાલિક લાભ મળે છે.
  • ક્લાઉડ કમ્પ્યુટિંગ. એજન્ટ્સ ઇન્ફ્રાસ્ટ્રક્ચર પર ચાલે છે, તમારા લેપટોપ પર નહીં. કન્ટેનર કેવી રીતે શરૂ કરવું, પરમિશન મેનેજ કરવી અને બિલ વાંચવું જાણવાથી તમે એવા રમકડાં બનાવતા બચશો જે વાસ્તવિક લોડ હેઠળ તૂટી જાય.
  • ડેટા એનાલિસિસ. જેમ જેમ એજન્ટ્સ વધુ આઉટપુટ આપશે, તેમ તેમ કોઈએ તે ચકાસવાની જરૂર પડશે કે તે આઉટપુટ સાચું, પક્ષપાતી અથવા ઉપયોગી છે કે નહીં. મૂળભૂત આંકડાકીય સાક્ષરતા અને ડેટા ક્વેરી કરવાની ક્ષમતા મૂલ્યવાન દેખરેખ અને અંધ વિશ્વાસ વચ્ચેનો તફાવત સ્પષ્ટ કરે છે.
  • ક્રિટિકલ થિંકિંગ. ભવિષ્યનો અઘરો ભાગ ઝડપથી ટાઈપ કરવાનો નથી. તે સાચું લક્ષ્ય નક્કી કરવું, એજ કેસીસ (edge cases) ઓળખવા અને મશીનને ક્યારે ઓવરરાઈડ કરવું તે બરાબર જાણવાનો છે.

મુખ્ય તારણ

એજન્ટિક AI કામ કરવાની પદ્ધતિ બદલી નાખશે. રૂટિન કાર્યો—ડેટા એન્ટ્રી, શેડ્યુલિંગ, ફર્સ્ટ-લાઇન