मॉडेल्स आणि एजंट्समधील महत्त्वपूर्ण फरकावर Vercel CEO Guillermo Rauch यांचे विचार

जसा AI उद्योग प्रायोगिक प्रोटोटाइपिंगकडून (experimental prototyping) उत्पादन-सज्ज (production-ready) ॲप्लिकेशन्सकडे वळत आहे, तसा या साधनांना आधार देणाऱ्या इन्फ्रास्ट्रक्चरमध्ये मोठा बदल होत आहे. Vercel चे CEO Guillermo Rauch यांचा असा युक्तिवाद आहे की, AI चे भविष्य हे मूळ मॉडेल्सना (models) कार्य करणार्‍या एजंट्सपासून (agents) वेगळे करण्यामध्ये आहे, ज्यामुळे एका मॉड्युलर इकोसिस्टमकडे (modular ecosystem) वाटचाल होईल.

प्रोटोटाइपिंगकडून उत्पादनाकडे होणारे संक्रमण

गेल्या वर्षी, AI क्षेत्र हे "एजंट्स मुक्त करणे" (unleashing agents) आणि पायलट प्रोग्राम्सद्वारे काय शक्य आहे याच्या मर्यादा तपासण्याने परिभाषित झाले होते. तथापि, Vercel च्या अलीकडील डेटावरून असे दिसून येते की डेव्हलपर्सचा AI कडे पाहण्याचा दृष्टिकोन आता अधिक प्रगल्भ झाला आहे. कंपनी सध्या दररोज ६० लाख (6 million) deployments व्यवस्थापित करते, ज्यापैकी ५०% पेक्षा जास्त कोडिंग एजंट्सद्वारे कार्यान्वित होतात. शिवाय, दररोज १ ट्रिलियनपेक्षा जास्त टोकन्स Vercel च्या AI gateway मधून प्रवाहित होतात.

Rauch यांच्या मते, उद्योग आता "मर्यादा नसलेल्या" (sky's the limit) टप्प्यावरून पुढे गेला असून आता उत्पादनाच्या वास्तवाशी — म्हणजेच सुरक्षा, डेटा ॲक्सेस आणि ऑडिटेबिलिटी (auditability) — सामना करत आहे. या बदलामुळे एजंट्ससाठी दोन प्राथमिक "killer apps" समोर आल्या आहेत: कोडिंग असिस्टंट्स आणि बिझनेस वर्कफ्लो स्वयंचलित करण्यासाठी डिझाइन केलेले अंतर्गत कॉर्पोरेट एजंट्स.

सुरक्षेचा पेच सोडवणे: सँडबॉक्स आणि डेटा नियंत्रण

स्वायत्त एजंट्स (autonomous agents) तैनात करताना डेटा लीक होण्याचा धोका हा सर्वात मोठा अडथळा आहे. Rauch यांनी Airbus सारख्या मोठ्या कंपन्यांसाठी एका गंभीर चिंतेवर प्रकाश टाकला आहे: जर एखाद्या डेव्हलपरने योग्य सुरक्षा उपाय न वापरता Cursor किंवा Devin सारखे AI-integrated IDE वापरले, तर मालकीचा कोड (proprietary code) चुकून सार्वजनिक मॉडेल्सना प्रशिक्षित करण्यासाठी वापरला जाऊ शकतो.

हे धोके कमी करण्यासाठी, Vercel विशेष इन्फ्रास्ट्रक्चर विकसित करत आहे. त्यांचे Eve फ्रेमवर्क वापरकर्त्यांना नैसर्गिक भाषा वापरून एजंटच्या सूचना आणि कौशल्ये परिभाषित करण्याची परवानगी देते, तर Vercel Sandbox एजंटसाठी एक "पिंजरा" (cage) प्रदान करते. हा सँडबॉक्स एजंटला बुद्धिमत्ता वापरण्याची परवानगी देतो, परंतु कोणता डेटा ॲक्सेस केला जाऊ शकतो आणि सर्वात महत्त्वाचे म्हणजे, कोणता डेटा वातावरणाबाहेर नेण्यास परवानगी आहे, यावर कडक धोरणे लागू करतो.

SaaS डेटा सायलोसचा (Data Silos) अंत

एजंट्सच्या वाढत्या वापरामुळे पारंपारिक SaaS बिझनेस मॉडेल्ससोबत मूलभूत संघर्ष निर्माण होत आहे. अनेक सॉफ्टवेअर दिग्गज कंपन्यांनी वापरकर्त्याचा डेटा त्यांच्या मालकीच्या इकोसिस्टममध्ये "कैद" करून आपले मूल्य निर्माण केले आहे. Rauch यांनी नमूद केले आहे की हे मॉडेल एजंट्ससाठी स्वाभाविकपणे विसंगत आहे, कारण एजंट्सना प्रभावीपणे काम करण्यासाठी डेटाचा अखंड, API-चालित ॲक्सेस आवश्यक असतो.

मग तो सेल्स प्रतिनिधी जटिल Salesforce डेटा शोधण्यासाठी एजंट वापरत असो किंवा R&D टीम वर्कफ्लो स्वयंचलित करत असो, एजंट्सना 'ओपन आर्किटेक्चर'ची गरज असते. हा बदल कंपन्यांना डेटा सुलभतेला (data accessibility) प्राधान्य देण्यास भाग पाडत आहे, ज्याचे एंटरप्राइझ सॉफ्टवेअर कसे बनवले आणि विकले जाते यावर दीर्घकालीन परिणाम होतील.

ओपन AI इन्फ्रास्ट्रक्चरसाठी संघर्ष

जसे OpenAI सारखे प्रमुख AI लॅब्स त्यांच्या क्षमता विस्तारत आहेत — जसे की थेट वेबवर प्रकाशित करणारी साधने रिलीज करणे — तसे Vercel सारख्या प्लॅटफॉर्म कंपन्यांना थेट स्पर्धेचा सामना करावा लागत आहे. Rauch याला "मॉडेल" आणि "एजंट" एकमेकांशी जोडलेले राहतील की वेगळे केले जातील, यातील एक लढा म्हणून पाहतात.

Vercel स्वतःला "या पिढीचे AWS" म्हणून प्रस्थापित करत आहे, आणि एका मॉड्युलर दृष्टिकोनाचे समर्थन करत आहे जिथे डेव्हलपर्स LEGO ब्रिक्सप्रमाणे घटक बदलू शकतात. एकाच पुरवठादारावर अवलंबून राहण्याऐवजी, डेव्हलपर्स आता OpenAI, Anthropic, Google चे Gemini आणि DeepSeek सारख्या ओपन-सोर्स मॉडेल्सचे मिश्रण करून किंमत आणि कामगिरीसाठी (performance) ऑप्टिमाइझ करत आहेत.

मुख्य निष्कर्ष

  • प्रोटोटाइपिंगपेक्षा उत्पादनावर भर: AI उद्योग प्रायोगिक पायलट प्रोग्राम्सकडून मोठ्या प्रमाणावरील उत्पादनाकडे (high-scale production) वळत आहे, ज्याचा पुरावा Vercel चे दररोजचे १ ट्रिलियन टोकन्स आहेत.
  • सुरक्षा सर्वोपरि आहे: मालकीचा डेटा मॉडेल ट्रेनिंग सेट्समध्ये लीक होण्यापासून रोखण्यासाठी Vercel Sandbox सारखी साधने आवश्यक आहेत.
  • मॉड्युलर आर्किटेक्चर: AI सॉफ्टवेअरचे भविष्य हे मॉडेल्सना एजंट्सपासून वेगळे करण्यावर अवलंबून आहे, ज्यामुळे डेव्हलपर्सना मल्टी-मॉडेल दृष्टिकोन वापरून खर्च आणि कामगिरी ऑप्टिमाइझ करता येईल.