मॉडल्स और एजेंट्स के बीच महत्वपूर्ण अंतर पर Vercel के CEO Guillermo Rauch

जैसे-जैसे AI उद्योग प्रयोगात्मक प्रोटोटाइपिंग (experimental prototyping) से प्रोडक्शन-रेडी एप्लिकेशन की ओर बढ़ रहा है, इन टूल्स को शक्ति देने वाला इंफ्रास्ट्रक्चर एक बड़े बदलाव से गुजर रहा है। Vercel के CEO Guillermo Rauch का तर्क है कि AI का भविष्य कार्यों को निष्पादित करने वाले एजेंट्स से अंतर्निहित मॉडल्स को अलग करने (decoupling) में निहित है, जिससे एक मॉड्यूलर इकोसिस्टम की ओर बढ़ा जा सके।

प्रोटोटाइपिंग से प्रोडक्शन की ओर बदलाव

पिछले साल, AI परिदृश्य "एजेंट्स को मुक्त करने" और पायलट प्रोग्रामों के माध्यम से क्या संभव है उसकी सीमाओं का परीक्षण करने से परिभाषित था। हालाँकि, Vercel के हालिया डेटा से पता चलता है कि डेवलपर्स AI के प्रति जिस तरह से दृष्टिकोण अपना रहे हैं, उसमें महत्वपूर्ण परिपक्वता आई है। कंपनी वर्तमान में प्रतिदिन 6 मिलियन डिप्लॉयमेंट का प्रबंधन करती है, जिनमें से 50% से अधिक को कोडिंग एजेंट्स द्वारा ट्रिगर किया जाता है। इसके अलावा, हर दिन Vercel के AI गेटवे के माध्यम से 1 ट्रिलियन से अधिक टोकन प्रवाहित होते हैं।

Rauch के अनुसार, उद्योग "असीमित संभावनाओं" (sky's the limit) वाले चरण से आगे निकल चुका है और अब प्रोडक्शन की वास्तविकताओं: सुरक्षा, डेटा एक्सेस और ऑडिटेबिलिटी से जूझ रहा है। इस बदलाव ने एजेंट्स के लिए दो प्राथमिक "किलर ऐप्स" को उजागर किया है: कोडिंग असिस्टेंट और बिजनेस वर्कफ़्लो को ऑटोमेट करने के लिए डिज़ाइन किए गए आंतरिक कॉर्पोरेट एजेंट्स।

सुरक्षा की दुविधा का समाधान: सैंडबॉक्स और डेटा कंट्रोल

स्वायत्त एजेंट्स (autonomous agents) को तैनात करने में सबसे बड़ी बाधाओं में से एक डेटा लीक होने का जोखिम है। Rauch ने Airbus जैसे उद्यमों के लिए एक गंभीर चिंता पर प्रकाश डाला है: यदि कोई डेवलपर उचित सुरक्षा उपायों के बिना Cursor या Devin जैसे AI-एकीकृत IDE का उपयोग करता है, तो मालिकाना कोड (proprietary code) का अनजाने में सार्वजनिक मॉडल्स को प्रशिक्षित करने के लिए उपयोग किया जा सकता है।

इन जोखिमों को कम करने के लिए, Vercel विशेष इंफ्रास्ट्रक्चर विकसित कर रहा है। उनका Eve फ्रेमवर्क उपयोगकर्ताओं को प्राकृतिक भाषा का उपयोग करके एजेंट के निर्देशों और कौशल को परिभाषित करने की अनुमति देता है, जबकि Vercel Sandbox एजेंट के लिए एक "पिंजरा" (cage) प्रदान करता है। यह सैंडबॉक्स एजेंट को अपनी बुद्धिमत्ता का उपयोग करने की अनुमति देता है, साथ ही इस पर सख्त नीतियां लागू करता है कि किस डेटा तक पहुंच बनाई जा सकती है और, इससे भी महत्वपूर्ण बात यह है कि किस डेटा को वातावरण से बाहर जाने की अनुमति है।

SaaS डेटा साइलो (Data Silos) का अंत

एजेंट्स का उदय पारंपरिक SaaS बिजनेस मॉडल के साथ एक मौलिक संघर्ष भी पैदा कर रहा है। कई सॉफ्टवेयर दिग्गजों ने उपयोगकर्ता डेटा को अपने मालिकाना इकोसिस्टम के भीतर "कैद" करके अपना मूल्य बनाया है। Rauch का कहना है कि यह मॉडल स्वाभाविक रूप से एजेंट्स के साथ असंगत है, जिन्हें प्रभावी होने के लिए डेटा तक निर्बाध, API-संचालित पहुंच की आवश्यकता होती है।

चाहे वह जटिल Salesforce डेटा को क्वेरी करने के लिए एजेंट का उपयोग करने वाला सेल्स प्रतिनिधि हो या वर्कफ़्लो को ऑटोमेट करने वाली R&D टीम, एजेंट्स एक ओपन आर्किटेक्चर की मांग करते हैं। यह बदलाव कंपनियों को डेटा एक्सेसिबिलिटी को प्राथमिकता देने के लिए मजबूर कर रहा है, जिसका एंटरप्राइज सॉफ्टवेयर के निर्माण और बिक्री के तरीके पर दीर्घकालिक प्रभाव पड़ेगा।

ओपन AI इंफ्रास्ट्रक्चर के लिए लड़ाई

जैसे-जैसे OpenAI जैसी प्रमुख AI लैब्स अपनी क्षमताओं का विस्तार कर रही हैं—जैसे कि ऐसे टूल्स जारी करना जो सीधे वेब पर प्रकाशित होते हैं—Vercel जैसी प्लेटफॉर्म कंपनियों को सीधी प्रतिस्पर्धा का सामना करना पड़ रहा है। Rauch इसे इस बात की लड़ाई के रूप में देखते हैं कि "मॉडल" और "एजेंट" को जोड़ा जाएगा या अलग किया जाएगा।

Vercel खुद को "इस पीढ़ी के AWS" के रूप में स्थापित कर रहा है, और एक मॉड्यूलर दृष्टिकोण की वकालत कर रहा है जहाँ डेवलपर्स LEGO ब्रिक्स की तरह कंपोनेंट्स को बदल सकते हैं। किसी एक प्रदाता तक सीमित रहने के बजाय, डेवलपर्स OpenAI, Anthropic, Google के Gemini, और DeepSeek जैसे ओपन-सोर्स मॉडल्स को मिलाकर कीमत और प्रदर्शन के लिए तेजी से अनुकूलित (optimize) कर रहे हैं।

मुख्य बातें

• प्रोटोटाइपिंग के बजाय प्रोडक्शन: AI उद्योग प्रयोगात्मक पायलटों से उच्च-स्तरीय प्रोडक्शन की ओर बढ़ रहा है, जिसका प्रमाण Vercel के प्रतिदिन 1 ट्रिलियन टोकन हैं।
• सुरक्षा सर्वोपरि है: मालिकाना डेटा को मॉडल ट्रेनिंग सेट में लीक होने से रोकने के लिए Vercel Sandbox जैसे टूल्स आवश्यक हैं।
• मॉड्यूलर आर्किटेक्चर: AI सॉफ्टवेयर का भविष्य मॉडल्स को एजेंट्स से अलग करने पर निर्भर करता है, जिससे डेवलपर्स मल्टी-मॉडल दृष्टिकोण का उपयोग करके लागत और प्रदर्शन को अनुकूलित कर सकें।