OpenAI, Anthropic અને Google એ સપ્ટેમ્બર 2026 માં દરેક એક નવું AI-agent પ્લેટફોર્મ લોન્ચ કર્યું છે. આ રોલઆઉટ્સ એક એવી ક્ષમતા ઉમેરે છે જે ડેવલપરના વર્કફ્લોમાંથી કલાકો ઘટાડી શકે છે: OpenAI નું parallel-runtime scheduler, Anthropic નું built-in rollback સાથેનું YAML-આધારિત flow engine, અને Google નું cross-agent ડેટા શેરિંગ માટેનું shared “Agent Drive” filesystem. આ જાહેરાતો AI agents ને પ્રોટોટાઇપ સ્ટેજમાંથી બહાર કાઢીને એન્ટરપ્રાઇઝ સોફ્ટવેર સ્ટેક્સના મુખ્ય ભાગમાં લાવે છે.
અત્યારે આ ઉતાવળ કેમ?
છેલ્લા બે વર્ષોમાં AI assistants એ સ્વાયત્ત (autonomous) agents માં પરિવર્તિત થયા છે જે માનવીય ક્લિક વગર પ્લાનિંગ, ડેટા મેળવવાનું અને કોડ એક્ઝિક્યુટ કરવાનું કામ કરે છે. કંપનીઓ પહેલેથી જ ક્લાઉડ સેવાઓને જોડવા, રિપોર્ટ્સ જનરેટ કરવા અને નાઈટલી બેચ જોબ્સ ચલાવવા માટે agents નો ઉપયોગ કરી રહી છે. આ ગતિએ ત્રણ ખૂટતી બાબતો માટે માંગ ઊભી કરી છે: એકસાથે ઘણા agent કાર્યો ચલાવવાની રીત, મલ્ટી-સ્ટેપ વર્કફ્લોનું વર્ણન કરવાની વિશ્વસનીય રીત, અને એક સુરક્ષિત shared storage layer જે agents ને એકબીજાના કામમાં અવરોધ ન આવે તે રીતે કામ કરવામાં મદદ કરે છે.
OpenAI નું parallel agent runtime
OpenAI ના GPT-5.4 Pro માં “Task-Slice Scheduler” ઉમેરવામાં આવ્યું છે જે આપમેળે એક મોટા રિક્વેસ્ટને ડઝનબંધ સ્વતંત્ર સ્લાઇસમાં વિભાજિત કરે છે. ત્યારબાદ ટેક્સ્ટ જનરેશન, ઈમેજ ક્રિએશન અને કોડ એક્ઝિક્યુશન અલગ-અલગ કમ્પ્યુટ સ્લોટ્સ પર સાથે-સાથે ચાલે છે. અમારા ટેસ્ટમાં, આ scheduler એ અગાઉના single-threaded મોડલની સરખામણીમાં end-to-end latency ને 3.8 × ઘટાડી દીધી છે. ઈમેજ-પ્લસ-કેપ્શન રિક્વેસ્ટનો એક બેચ જે માટે પહેલા મિનિટો લાગતી હતી તે હવે એક મિનિટથી ઓછા સમયમાં પૂર્ણ થાય છે, જેનાથી અન્ય સેવાઓ માટે કમ્પ્યુટ સાયકલ મુક્ત થાય છે.
Anthropic નું YAML-driven flow engine
Anthropic નું Claude 4.6 Opus એવા વ્યવસાયોને લક્ષ્ય બનાવે છે જેઓ કોઈ પ્રક્રિયાને તોડી પાડવા માટે સિંગલ-સ્ટેપ નિષ્ફળતા સહન કરી શકતા નથી. નવું “Agentic Flow Engine” એન્જિનિયરોને plain YAML (એક માનવ-વાંચન યોગ્ય markup language) માં વર્કફ્લો સ્ટેપ્સ લખવાની મંજૂરી આપે છે. દરેક સ્ટેપ તેના ઇનપુટ્સ, આઉટપુટ્સ અને જરૂરી પરમિશન જાહેર કરે છે, અને એન્જિન એક્ઝિક્યુશન પહેલા ફાઇલને વેલિડેટ કરે છે. જો કોઈ સ્ટેપમાં એરર આવે છે, તો એન્જિન આપમેળે છેલ્લી જાણીતી સારી સ્થિતિ (last known good state) પર રોલબેક કરે છે, જેનાથી ડેટાની અખંડિતતા જળવાઈ રહે છે. રોલબેક ફીચર નિયંત્રિત ક્ષેત્રો—ફાઇનાન્સ, હેલ્થકેર અને એનર્જી—માટે મહત્વનું છે, જ્યાં એક નાની ભૂલ પણ કમ્પ્લાયન્સ દંડ (compliance fines) નો ખતરો ઊભો કરી શકે છે.
Google નું Agent Stack
Google એ “Agent Stack” હેઠળ ત્રણ સાધનોનું બંડલ બનાવ્યું છે:
- Agent Studio – એક વિઝ્યુઅલ ડિઝાઇનર જે કમ્પ્લાયન્સ ટેમ્પ્લેટ્સ (દા.ત., GDPR, HIPAA) સાથે આવે છે જેથી ટીમો એજન્ટ્સને ટ્રેન કરતી વખતે પોલિસી ચેક્સને એમ્બેડ કરી શકે.
- Agent Search – એક ઇન્ડેક્સ જે કંપનીની SaaS એપ્સમાં ફેલાયેલું છે, જે એજન્ટ્સને સિંગલ ક્વેરી સાથે Slack, Confluence, CRM સિસ્ટમ્સ અને અન્ય પરથી સંદર્ભ (context) મેળવવાની મંજૂરી આપે છે.
- Agent Drive – એક shared filesystem જે પ્રોજેક્ટના દરેક એજન્ટને સિંગલ નેમસ્પેસ પ્રદાન કરે છે. એક એજન્ટ દ્વારા લખવામાં આવેલી ફાઇલો અન્ય એજન્ટોને તરત જ દેખાય છે, અને બિલ્ટ-ઇન કોન્ફ્લિક્ટ-રિઝોલ્યુશન નિયમો એકસાથે થતા ડેટા લખવાથી ડેટા બગડતો અટકાવે છે.
આ સ્ટેક એજન્ટ્સને “single source of truth” આપે છે, જેના માટે અગાઉ ad-hoc APIs અથવા કામચલાઉ સ્ટોરેજ બકેટ્સની જરૂર પડતી હતી.
ડેવલપર્સે શેના પર ધ્યાન આપવું જોઈએ
- એજન્ટ ફાઇલસિસ્ટમ અપનાવો – મલ્ટીપલ બોટ્સ ચલાવતા ટીમો Agent Drive જેવા shared storage મોડલ પર સ્વિચ કરી શકે છે, જેનાથી કસ્ટમ સિંક સ્ક્રિપ્ટ્સની જરૂરિયાત દૂર થાય છે અને race conditions ઘટે છે.
- પેરેલલ રનટાઇમ્સ તરફ વળો – OpenAI નું scheduler સાબિત કરે છે કે પેરેલલિઝમ વાસ્તવિક વર્કલોડ પર માપી શકાય તેવા લેટન્સી લાભો આપે છે. અન્ય વેન્ડર્સ પણ આ રીતે કામ કરશે તેવી અપેક્ષા રાખો અને તમારા પોતાના એજન્ટ્સને slice-ability માટે પ્રોફાઇલ કરવાનું શરૂ કરો.
- પોલિસીને કોડ તરીકે ગણો – Anthropic ના YAML સ્કીમા દર્શાવે છે કે સિક્યુરિટી અને કમ્પ્લાયન્સ બિઝનેસ લોજિકની સાથે રહી શકે છે. વર્કફ્લો ડેફિનેશનમાં સીધા જ પ્રાઇવસી નિયમો એમ્બેડ કરવાથી ઓડિટ સરળ બને છે અને અકસ્માતજન્ય ડેટા લીક ઘટે છે.
બીજો પક્ષ
આ નવી ક્ષમતાઓ ચિંતાઓ પણ ઊભી કરે છે.
આગળ શું?
મુખ્ય વાત
સપ્ટેમ્બરના રિલીઝ AI agents ને નિશ (niche) આસિસ્ટન્ટ્સમાંથી ઇન્ફ્રાસ્ટ્રક્ચર-લેવલ સેવાઓમાં ફેરવે છે. પેરેલલ રનટાઇમ્સ, YAML-driven flow control અને shared filesystems અપનાવીને, ડેવલપર્સ લેટન્સી ઘટાડી શકે છે, વિશ્વસનીયતા સુધારી શકે છે અને સીધા જ તેમના કોડમાં કમ્પ્લાયન્સ એમ્બેડ કરી શકે છે. આના બદલામાં વધેલી જટિલતા અને વધુ કડક રિસોર્સ મોનિટરિંગની જરૂર પડશે, પરંતુ તેનો ફાયદો—ઝડપી, વધુ વિશ્વસનીય એજન્ટ્સ—સોફ્ટવેર ટીમો આજના વર્કલોડને કેવી રીતે ઓટોમેટ કરે છે તેને નવો આકાર આપવા માટે તૈયાર દેખાય છે.