OpenAI ಕೇವಲ ಸರಳ ಚಾಟ್‌ಬಾಟ್‌ಗಳಿಗಿಂತ ಮೀರಿ, ಬಹು-ಹಂತದ ಡಿಜಿಟಲ್ ಕಾರ್ಯಪ್ರವಾಹಗಳನ್ನು (workflows) ನಿರ್ವಹಿಸುವ ಸ್ವಾಯತ್ತ AI ಏಜೆಂಟ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಲು ಮುಂದಾಗಿದೆ. ಇದು ತನ್ನ ಗ್ರಾಹಕ ಚಂದಾದಾರಿಕೆಯೊಂದಿಗೆ ತಿಂಗಳಿಗೆ $20 ಹೆಚ್ಚುವರಿ ಶುಲ್ಕದೊಂದಿಗೆ ChatGPT Work ಎಂಬ ಮೊದಲ ಏಜೆಂಟ್ ಅನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿದೆ. ಈ ಸೇವೆಯು ಇನ್‌ಬಾಕ್ಸ್, Slack, Notion ಮತ್ತು ಇತರ ಪರಿಕರಗಳಿಂದ ಡೇಟಾವನ್ನು ಪಡೆಯುವ ಡಿಜಿಟಲ್ ಸಹಯೋಗಿಯಂತೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಭರವಸೆ ನೀಡುತ್ತದೆ—ಈ ಸಾಮರ್ಥ್ಯವು ಜ್ಞಾನದ ಕೆಲಸಗಾರರು (knowledge workers) ತಮ್ಮ ದಿನವನ್ನು ಕಳೆಯುವ ರೀತಿಯನ್ನು ಮರುರೂಪಿಸಬಹುದು.

“ಏಜೆಂಟಿಕ್” (agentic) AI ಕಡೆಗೆ ಏಕೆ ಬದಲಾವಣೆ?

ಸಾಂಪ್ರದಾಯಿಕ ಲಾರ್ಜ್-ಲ್ಯಾಂಗ್ವೇಜ್ ಮಾಡೆಲ್‌ಗಳು ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುತ್ತವೆ ಮತ್ತು ಅಲ್ಲಿಗೆ ನಿಲ್ಲುತ್ತವೆ. “Agentic AI” ಎಂಬುದು ಏನು ಮಾಡಬೇಕೆಂದು ನಿರ್ಧರಿಸುವ ಮತ್ತು ನಂತರ ಅದನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ—ಅಂದರೆ ಮನುಷ್ಯ ಪ್ರತಿಯೊಂದು ಬಟನ್ ಕ್ಲಿಕ್ ಮಾಡುವ ಅಗತ್ಯವಿಲ್ಲದೆ ಇಮೇಲ್‌ಗಳನ್ನು ಕಳುಹಿಸುವುದು, ಸ್ಪ್ರೆಡ್‌ಶೀಟ್‌ಗಳನ್ನು ಅಪ್‌ಡೇಟ್ ಮಾಡುವುದು ಅಥವಾ Figma ನಲ್ಲಿ ವಿನ್ಯಾಸಗಳನ್ನು (designs) ಬಿಡಿಸುವುದು—ಅಂತಹ ವ್ಯವಸ್ಥೆಗಳನ್ನು ವಿವರಿಸುತ್ತದೆ. ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ನಡುವೆ ಪದೇ ಪದೇ ಬದಲಾಗುವುದು ಕೆಲಸದ ಸಮಯವನ್ನು ವ್ಯರ್ಥ ಮಾಡುವ ವೃತ್ತಿಗಳಲ್ಲಿ, ಈ ಹೆಚ್ಚುವರಿ ಹಂತವು ಸಂಭಾಷಣಾ ಸಹಾಯಕನನ್ನು ಉತ್ಪಾದಕತೆಯ ಪಾಲುದಾರನನ್ನಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ ಎಂದು OpenAI ಎಂಜಿನಿಯರ್‌ಗಳು ಹೇಳುತ್ತಾರೆ.

ಡೆವಲಪರ್‌ಗಳಿಂದ ಇಡೀ ಕಚೇರಿಗೆ

ಏಜೆಂಟಿಕ್ AI ನ ಅತ್ಯಂತ ಗಮನಾರ್ಹ ಯಶಸ್ಸು ಸಾಫ್ಟ್‌ವೇರ್ ಎಂಜಿನಿಯರಿಂಗ್‌ನಲ್ಲಿ ಕಂಡುಬಂದಿದೆ. OpenAI ನ Codex ಮಾಡೆಲ್ ಡೆವಲಪರ್‌ಗಳು ತಮಗೆ ಬೇಕಾದುದನ್ನು ಸಾಮಾನ್ಯ ಭಾಷೆಯಲ್ಲಿ ವಿವರಿಸಲು ಮತ್ತು ನಂತರ ಕೋಡ್ ಅನ್ನು ರಚಿಸಲು ಅನುವು ಮಾಡಿಕೊಟ್ಟಿತು, ಇದು ಸಿಂಟ್ಯಾಕ್ಸ್ (syntax) ಸಮಸ್ಯೆಯನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ನಿವಾರಿಸಿತು. ಕಂಪನಿಯ ಬೆಂಬಲಿತ ಅಧ್ಯಯನವೊಂದು ತೋರಿಸುವಂತೆ, OpenAI ನ ಬಹುತೇಕ ಎಲ್ಲಾ ಉದ್ಯೋಗಿಗಳು Codex ಅನ್ನು ಬಳಸುತ್ತಿದ್ದರೆ, ನೂರು ಜನ ಬಾಹ್ಯ ಚಂದಾದಾರರಲ್ಲಿ ಒಬ್ಬರಿಗಿಂತ ಕಡಿಮೆ ಜನ ಅದನ್ನು ಬಳಸುತ್ತಿದ್ದರು. ChatGPT Work ಅದೇ “ನಿಮಗೆ ಏನು ಬೇಕು ಎಂದು ವಿವರಿಸಿ” ಎಂಬ ಅನುಭವವನ್ನು ಅಕೌಂಟೆಂಟ್‌ಗಳು, ವೈದ್ಯರು, ಹೂಡಿಕೆದಾರರು ಮತ್ತು ಇತರ ತಾಂತ್ರಿಕೇತರ ವೃತ್ತಿಪರರಿಗೆ ತಲುಪಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ. ಹಳೆಯ ವೆಬ್‌ಸೈಟ್‌ಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳುವುದು, ವಿಭಿನ್ನ SaaS ಉತ್ಪನ್ನಗಳಿಂದ ಡೇಟಾವನ್ನು ಪಡೆಯುವುದು ಮತ್ತು ಫಲಿತಾಂಶಗಳನ್ನು ಒಟ್ಟುಗೂಡಿಸುವ ಸರಳ ಪಠ್ಯ ಪ್ರಾಂಪ್ಟ್ ಮೂಲಕ ಕಮಾಂಡ್-ಲೈನ್ ಇಂಟರ್ಫೇಸ್‌ಗಳು ಮತ್ತು ಕಸ್ಟಮ್ ಸ್ಕ್ರಿಪ್ಟ್‌ಗಳನ್ನು ಬದಲಾಯಿಸುವುದು ಇದರ ಗುರಿಯಾಗಿದೆ.

ಗೌಪ್ಯತೆ ಮತ್ತು ನಿಯಂತ್ರಣದ ಕಾಳಜಿಗಳು

ಉಪಯುಕ್ತವಾಗಲು, ಏಜೆಂಟ್ ಮನುಷ್ಯನಂತೆಯೇ ಮಾಹಿತಿಯನ್ನು ನೋಡಬೇಕಾಗುತ್ತದೆ: ಖಾಸಗಿ ಇಮೇಲ್‌ಗಳು, ಇನ್‌ಸ್ಟಂಟ್-ಮೆಸೇಜ್ ಥ್ರೆಡ್‌ಗಳು, ಆಂತರಿಕ ದಾಖಲೆಗಳು ಮತ್ತು ಡಿಸೈನ್ ಫೈಲ್‌ಗಳು. AI ಗೆ ಅಂತಹ ಮಟ್ಟದ ದೃಶ್ಯತೆಯನ್ನು ನೀಡುವುದು ಹೊಸ ದಾಳಿಯ ಅವಕಾಶವನ್ನು (attack surface) ಸೃಷ್ಟಿಸುತ್ತದೆ ಎಂದು ವಿಮರ್ಶಕರು ಎಚ್ಚರಿಸುತ್ತಾರೆ—ಒಂದು ವೇಳೆ ಮಾಡೆಲ್ ಹ್ಯಾಕ್//ಪರಿಚಯಿಸಲ್ಪಟ್ಟರೆ (compromised) ಗೌಪ್ಯ ಡೇಟಾವನ್ನು ಸೋರಿಕೆಯ ಮಾಡಬಹುದು ಮತ್ತು ಬಳಕೆದಾರರು ತಮ್ಮ ಮಾಹಿತಿಯನ್ನು ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ರಚಿಸಲು ಹೇಗೆ ಬಳಸಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳದಿರಬಹುದು. OpenAI ತಂಡವು ಈ ಅಪಾಯವನ್ನು ಒಪ್ಪಿಕೊಳ್ಳುತ್ತದೆ ಆದರೆ ಈ ಹೊಂದಾಣಿಕೆಯು ಅನಿವಾರ್ಯ ಎಂದು ಹೇಳುತ್ತದೆ; ಆಳವಾದ ಏಕೀಕರಣವಿಲ್ಲದೆ (deep integration), ಬಳಕೆದಾರರು ಕೇಳುವ ಕಾರ್ಯಗಳನ್ನು ಏಜೆಂಟ್ ಪೂರ್ಣಗೊಳಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ.

ವೃತ್ತಿಪರ ಪರಿಣತರಿಂದ (Vertical specialists) ಸ್ಪರ್ಧಾತ್ಮಕ ಒತ್ತಡ

ಸ್ವಾಯತ್ತ ಏಜೆಂಟ್‌ಗಳ ಮೇಲೆ ಪಣತೊಡುತ್ತಿರುವ ಏಕೈಕ ಸಂಸ್ಥೆ OpenAI ಮಾತ್ರವಲ್ಲ. ಸಣ್ಣ ಸಂಸ್ಥೆಗಳು ಒಂದೇ ವೃತ್ತಿಯ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುವ ಪರಿಕರಗಳನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿದೆ—ಒಂದು ವಕೀಲರಿಗಾಗಿ, ಇನ್ನೊಂದು ಮಾರಾಟ ತಂಡಗಳಿಗಾಗಿ (sales teams) ತನ್ನನ್ನು ತಾನು ಬ್ರ್ಯಾಂಡ್ ಮಾಡಿಕೊಂಡಿದೆ. ಆ ಉತ್ಪನ್ನಗಳು ಮಾಡೆಲ್-ಅಗ್ನಾಸ್ಟಿಕ್ (model-agnostic) ವಿಧಾನವನ್ನು ಅನುಸರಿಸುತ್ತವೆ: ಅವು ಒಂದೇ ಪೂರೈಕೆದಾರರ ತಂತ್ರಜ್ಞಾನಕ್ಕೆ ಕಟ್ಟುಬರದೆ, ತಮ್ಮ ಕ್ಷೇತ್ರಕ್ಕೆ ಅತ್ಯುತ್ತಮ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ನೀಡುವ ಯಾವುದೇ ಭಾಷಾ ಮಾಡೆಲ್ ಅನ್ನು ಬಳಸಿಕೊಳ್ಳುತ್ತವೆ. ಈ ನಮ್ಯತೆಯು (flexibility) ಅವುಗಳು ವೇಗವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಮತ್ತು ಸುಧಾರಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. OpenAI ಗೆ ಇರುವ ಸವಾಲೆಂದರೆ, ಎಲ್ಲರಿಗೂ ಒಪ್ಪುವಂತಹ ಪರಿಹಾರವನ್ನು (one-size-many solution) ಸಿದ್ಧಪಡಿಸುವುದು, ಅದು ವಿಶೇಷ ಅಪ್ಲಿಕೇಶನ್‌ನಷ್ಟೇ ನಿಖರವಾಗಿರಬೇಕು; ಇಲ್ಲದಿದ್ದರೆ ಉದ್ಯಮಗಳು ಹೆಚ್ಚು ಪರಿಷ್ಕೃತವಾದ ಪರ್ಯಾಯ ಮಾರ್ಗಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಬಹುದು.

ದೀರ್ಘಕಾಲದ ಏಜೆಂಟ್‌ಗಳ ಹಿಂದಿರುವ ಆರ್ಥಿಕ ಪ್ರೇರಣೆಗಳು

ಏಜೆಂಟ್ ಸೃಷ್ಟಿಸುವ ಪ್ರತಿಯೊಂದು ಟೋಕನ್—ಪ್ರತಿಯೊಂದು ಪದ ಅಥವಾ ಕೋಡ್ ತುಣುಕು—OpenAI ನ ಕಂಪ್ಯೂಟ್ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಬಳಸುತ್ತದೆ ಮತ್ತು ಕಂಪನಿಯು ಟೋಕನ್ ಬಳಕೆಯ ಆಧಾರದ ಮೇಲೆ ಬಳಕೆದಾರರಿಗೆ ಬಿಲ್ ಮಾಡುತ್ತದೆ. ಏಜೆಂಟ್ ಹಲವಾರು ನಿಮಿಷಗಳ ಕಾಲ ನಡೆಯುವ ಕಾರ್ಯಪ್ರವಾಹವನ್ನು ನಡೆಸಿದಾಗ, ಹಲವಾರು API ಗಳೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸಿದಾಗ ಮತ್ತು ಅಂತಿಮ ವರದಿಯನ್ನು ಸಿದ್ಧಪಡಿಸಿದಾಗ, ಕೇವಲ ಒಂದು ಪ್ರಶ್ನೆಯ ಚಾಟ್‌ಗೆ ಹೋಲಿಸಿದರೆ ಟೋಕನ್ ಸಂಖ್ಯೆಯು ಗಣನೀಯವಾಗಿ ಹೆಚ್ಚಾಗುತ್ತದೆ. ಇದು ಬಳಕೆದಾರರ ವರಮಾನವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ, ವಿಶೇಷವಾಗಿ $20 ಹೆಚ್ಚುವರಿ ಚಂದಾದಾರಿಕೆಯನ್ನು ಸಕ್ರಿಯವಾಗಿರಿಸಿಕೊಂಡಿರುವವರಿಗೆ ಇದು ಹೆಚ್ಚು ಲಾಭದಾಯಕ. ಈ ವ್ಯವಹಾರವು ಸೇವೆಯನ್ನು ಬೃಹತ್ ಬಳಕೆದಾರರ ತಳಮಟ್ಟಕ್ಕೆ ಕೊಂಡೊಯ್ಯುವುದರ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ; ಪ್ರತಿದಿನ ಏಜೆಂಟ್ ಮೇಲೆ ಅವಲಂಬಿತರಾಗುವ ವೃತ್ತಿಪರರ ಸಂಖ್ಯೆ ಹೆಚ್ಚಾದಂತೆ, ಕಂಪ್ಯೂಟ್ ಕ್ಲಸ್ಟರ್‌ಗಳು ಮತ್ತು ಮಾಡೆಲ್ ತರಬೇತಿಯಲ್ಲಿ ಹೆಚ್ಚಿನ ಹೂಡಿಕೆಯನ್ನು ಸಮರ್ಥಿಸಿಕೊಳ್ಳುವಷ್ಟು ಆದಾಯವೂ ಹೆಚ್ಚಾಗುತ್ತದೆ.

ಮುಂದೆ ಏನನ್ನು ಗಮನಿಸಬೇಕು

  • ಅಳವಡಿಕೆಯ ಮಾಪನಗಳು (Adoption metrics) – ತಾಂತ್ರಿಕೇತರ ಬಳಕೆದಾರರು ಕಲಿಕೆಯ ಸವಾಲನ್ನು ಎದುರಿಸಿ, ಸೂಕ್ಷ್ಮ ಕಾರ್ಯಗಳಿಗಾಗಿ ಏಜೆಂಟ್ ಅನ್ನು ನಂಬಬಲ್ಲರೇ ಎಂಬುದನ್ನು ಆರಂಭಿಕ ಬಳಕೆಯ ಡೇಟಾ ತೋರಿಸುತ್ತದೆ.
  • ಗೌಪ್ಯತಾ ರಕ್ಷಣೆಗಳು (Privacy safeguards) – ಸಾಧನದಲ್ಲಿಯೇ ಇನ್ಫರೆನ್ಸ್ (on-device inference) ಅಥವಾ ಬಲವಾದ ಅನುಮತಿ ನಿಯಂತ್ರಣಗಳ ಬಿಡುಗಡೆಯು ಉದ್ಯಮದ ಖರೀದಿದಾರರಿಗೆ ಅಪಾಯ-ಪ್ರತಿಫಲದ ಸಮತೋಲನವನ್ನು ಬದಲಿಸಬಹುದು.

ತೀರ್ಮಾನ

ChatGPT ಅನ್ನು ಸಕ್ರಿಯ ಸಹಯೋಗಿಯನ್ನಾಗಿ ಮಾಡುವ OpenAI ನ ಪ್ರಯತ್ನವು ಕಚೇರಿಯ ಉತ್ಪಾದಕತೆಯನ್ನು ಮರು ವ್ಯಾಖ್ಯಾನಿಸಬಹುದು, ಆದರೆ ಈ ಹಾದಿಯಲ್ಲಿ ಗೌಪ್ಯತೆಯ ಆತಂಕಗಳು, ಅಳವಡಿಕೆಯ ಕಷ್ಟಗಳು ಮತ್ತು ಈಗಾಗಲೇ ನಿರ್ದಿಷ್ಟ ಮಾರುಕಟ್ಟೆಗಳನ್ನು ಹೊಂದಿರುವ ಪ್ರತಿಸ್ಪರ್ಧಿಗಳ ಸವಾಲುಗಳಿವೆ. ತಮ್ಮ ಡಿಜಿಟಲ್ ಜೀವನಕ್ಕೆ AI ಗೆ ಹೆಚ್ಚಿನ ಪ್ರವೇಶವನ್ನು ನೀಡುವುದರಿಂದ ಉಂಟಾಗುವ ಅಪಾಯಗಳಿಗಿಂತ, ಅದರ ಸೌಲಭ್ಯ ಮತ್ತು ಆದಾಯದ ಲಾಭಗಳು ಹೆಚ್ಚು ಎಂಬುದನ್ನು ವಿಶಾಲ ವರ್ಗದ ವೃತ್ತಿಪರರಿಗೆ ಮನವರಿಕೆ ಮಾಡಿಕೊಡುವುದರ ಮೇಲೆ ಯಶಸ್ಸು ಅವಲಂಬಿತವಾಗಿರುತ್ತದೆ.