ChatGPT turned artificial intelligence into a daily habit for millions. Ask a question, get an answer. Draft an email, f

ChatGPT மில்லியன் கணக்கான மக்களுக்கு செயற்கை நுண்ணறிவை (artificial intelligence) ஒரு அன்றாடப் பழக்கமாக்கியுள்ளது. ஒரு கேள்வியைக் கேளுங்கள், பதிலைப் பெறுங்கள். ஒரு மின்னஞ்சலைத் தயார் செய்யுங்கள், ஒரு பிழையைச் சரிசெய்யுங்கள், ஒரு படத்தை உருவாக்குங்கள். ஆனால் ஒவ்வொரு உரையாடலும் ஒரு prompt-உடன் தொடங்கி, மாடல் தட்டச்சு செய்வதை நிறுத்தும் போது முடிகிறது. நீங்களே இயந்திரம்; AI என்பது வெறும் கருவி மட்டுமே.

அடுத்த மாற்றம் ஒரு சாட் விண்டோவைப் போல இல்லாமல், நீங்கள் வேறு எங்கோ கவனம் செலுத்தும் போது வேலைகளைச் செய்து முடிக்கும் ஒரு சக ஊழியரைப் போல இருக்கும். அந்த மாற்றமே agentic AI ஆகும்.

OpenAI, Google மற்றும் Microsoft போன்ற நிறுவனங்கள் தீவிரமாக AI ஏஜென்ட்களை (AI agents) உருவாக்கி வருகின்றன. இந்த அமைப்புகள் கேள்விகளுக்குப் பதிலளிப்பதை விட மேலானவற்றைச் செய்கின்றன. அவை திட்டமிடுகின்றன, பகுத்தாய்கின்றன மற்றும் உங்களிடமிருந்து அவ்வப்போது சில தகவல்களைப் பெற்று பணிகளை முடிக்கின்றன. நீங்கள் இலக்கை விவரிக்கிறீர்கள், அவை பாதையைக் கண்டறிகின்றன.

Agentic AI என்றால் என்ன?

பாரம்பரிய சாட்பாட்கள் (chatbots) எதிர்வினை ஆற்றும் தன்மை கொண்டவை. நீங்கள் ஒரு prompt-ஐக் கொடுத்தால், அவை ஒரு உரைத் தொகுப்பைத் திருப்பித் தரும், அதன் பிறகு அடுத்த கட்டம் உங்கள் கையில் இருக்கும். உங்களுக்கு பத்து விஷயங்கள் செய்யப்பட வேண்டும் என்றால், நீங்கள் பத்து தனித்தனி கேள்விகளைக் கேட்க வேண்டும், பின்னர் முடிவுகளை நீங்களே இணைக்க வேண்டும்.

Agentic AI ஒரு இலக்கை நோக்கிச் செயல்படுகிறது. உங்கள் அடுத்த செய்திக்காகக் காத்திருக்காமல், அது தொடர்ந்து வேலை செய்யும். அது ஒரு பரந்த இலக்கைச் சிறிய, உறுதியான படிகளாகப் பிரிக்கலாம், எந்த வரிசை சரியாக இருக்கும் என்று தீர்மானிக்கலாம், வெப் பிரவுசர்கள், கால்குலேட்டர்கள், code interpreters அல்லது உங்கள் காலண்டர் போன்ற வெளிப்புறக் கருவிகளைப் பயன்படுத்தலாம், உடனுக்குடன் புதிய தகவல்களைச் சேகரிக்கலாம் மற்றும் சூழல் மாறும்போது தனது சொந்தத் திட்டத்தை மாற்றியமைக்கலாம். அது முன்பதிவு செய்ய விரும்பிய விமானம் காலியாக இல்லை என்றால், உங்களிடம் அனுமதி கேட்காமல் அடுத்த விருப்பத்தைச் சரிபார்க்கும். ஒரு தரவு ஆதாரம் (data source) வேலை செய்யவில்லை என்றால், உங்களைத் தொந்தரவு செய்வதற்கு முன் அது மாற்று வழியை முயற்சிக்கும்.

இது வெறும் வேகமான வெளியீடு மட்டுமல்ல. இது ஒரு மாறுபட்ட வகை நடத்தை.

Generative AI vs. Agentic AI

ChatGPT-ன் பின்னணியில் உள்ள தொழில்நுட்பமான Generative AI, ஒருமுறை மட்டுமே செயல்படும் நிபுணர் (single-turn specialist). நீங்கள் ஒரு prompt கொடுத்தால், அது உரை, code அல்லது படங்களை உருவாக்கிவிட்டு காத்திருக்கும். அது ஒவ்வொரு முறையும் ஒரு தனித்தனிப் பணியை மட்டுமே முடிக்கும், அடுத்த பணிக்குச் செல்ல அதற்குத் தொடர்ச்சியான வழிகாட்டுதல் தேவைப்படும்.

Agentic AI என்பது பல படிகளைக் கொண்ட ஒரு செயல்பாட்டாளர் (multi-step operator). அது இலக்குகளைத் தன்னிச்சையாகத் தொடர்கிறது, இணைக்கப்பட்ட பணிப்பாய்வுகளை (workflows)ச் செயல்படுத்துகிறது, தொடர்ச்சியாகப் பல பிணைக்கப்பட்ட பணிகளைக் கையாள்கிறது மற்றும் நீங்கள் அமைத்துள்ள கட்டுப்பாடுகளுக்குள் முடிவுகளை எடுக்கிறது.

இந்த வேறுபாடு, ஒவ்வொரு முறையும் ஒரு காபி கோப்பையைத் தனியாக ஆர்டர் செய்வதற்கும், நீங்கள் கடையை நடத்துவதில் கவனம் செலுத்தும் போது, காலை நேரக் கூட்டத்தை நிர்வகித்து, காபி கொட்டைகளை நிரப்பி, இயந்திரத்தைச் சுத்தம் செய்யும் ஒரு பாரிஸ்டாவை (barista) பணியமர்த்துவதற்கும் இடையிலான வேறுபாட்டைப் போன்றது.

இதை நீங்கள் முதலில் எங்கே காண்பீர்கள்

நிஜமான வேலைகளைப் பார்க்கும்போது இவ்விரண்டிற்கும் இடையிலான இடைவெளி தெளிவாகத் தெரியும்.

வணிகத் தொடர்பு (Business outreach). ஒரு சாத்தியமான வாடிக்கையாளருடன் நீங்கள் ஒரு கூட்டத்தை அமைக்க வேண்டும் என்று கற்பனை செய்து பாருங்கள். நீங்கள் கேட்டால் ஒரு generative AI சாட்பாட் மின்னஞ்சலை எழுதக்கூடும். ஆனால் ஒரு agentic AI அனைத்து வேலைகளையும் முன்னின்று செய்யும். அது அந்த நிறுவனத்தின் சமீபத்திய செய்திகள் அல்லது நிதித் திரட்டல் (funding rounds) பற்றி ஆராய்ச்சி செய்யும், அந்தத் தகவலைக் குறிப்பிட்டு ஒரு தனிப்பயனாக்கப்பட்ட செய்தியைத் தயார் செய்யும், உங்கள் காலண்டரில் காலியிடங்களைச் சரிபார்க்கும், அழைப்பை அனுப்பும் மற்றும் தொடர் நடவடிக்கைகளுக்காக (follow up) ஒரு நினைவூட்டலை அமைக்கும். நீங்கள் திட்டத்திற்கு முன்கூட்டியே ஒப்புதல் அளிக்கிறீர்கள்; ஏஜென்ட் கடினமான வேலைகளைச் செய்கிறது.

மென்பொருள் மேம்பாடு (Software development). Generative AI ஒரு function-ஐ எழுதலாம் அல்லது regex-ஐ விளக்கலாம். ஆனால் ஒரு AI ஏஜென்ட் ஒரு டிக்கெட்டைப் படித்து, code உருவாக்கி, pull requests-ஐ ஆய்வு செய்து, சோதனைகளை (tests) இயக்கி, பிழைகளைக் கண்டறிந்து, திருத்தங்களைச் சமர்ப்பிக்க முடியும். நீங்கள் இன்னும் கட்டமைப்பையும் (architecture) பெரிய அளவிலான வடிவமைப்பையும் கவனிப்பீர்கள், ஆனால் மீண்டும் மீண்டும் செய்யப்படும் வேலைகள்—boilerplate, linting, சிறிய மாற்றங்கள் (refactoring)—ஏஜென்ட்டிடம் ஒப்படைக்கப்படும். நீங்கள் ஒவ்வொரு செமிகோலனையும் (semicolon) தட்டச்சு செய்வதை நிறுத்திவிட்டு, அந்த அம்சம் (feature) தேவையா இல்லையா என்பதைத் தீர்மானிக்கத் தொடங்குவீர்கள்.

வாடிக்கையாளர் சேவை (Customer service). ஒரு கோபமான ட்வீட்டிற்கு (tweet) கண்ணியமான பதிலை Generative AI எழுதக்கூடும். ஆனால் ஒரு agentic அமைப்பு ஒரு பொருளைத் திருப்பி அனுப்புவதைப் (return) பரிசீலிக்கலாம், தரவுத்தளத்தில் (database) ஆர்டரைக் கண்டறியலாம், ஷிப்பிங் லேபிளைக் கண்காணிக்கலாம், பொருட்களைத் திரும்பப் பெறுவதற்கான நேரத்தைத் திட்டமிடலாம், சப்போர்ட் டிக்கெட்டைப் புதுப்பிக்கலாம் மற்றும் சிக்கலான சூழல்களில் மட்டுமே ஒரு மனிதனைத் தொடர்பு கொள்ளலாம். மனிதக் குழு வழக்கமான வேலைகளில் மூழ்கிவிடாமல், உண்மையான அனுதாபம், பேச்சுவார்த்தை மற்றும் ஆக்கபூர்வமான தீர்வுகள் தேவைப்படும் சிக்கல்களைத் தீர்க்கத் தொடங்கும்.

இந்த மாற்றத்திற்குத் தயாராவது எப்படி

நீங்கள் ஒரு மாணவராகவோ அல்லது பணிபுரியும் நிபுணராகவோ இருந்தால், இந்த அமைப்புகளை வடிவமைக்கவும், செயல்படுத்தவும் மற்றும் மேற்பார்வையிடவும் உதவும் திறன்களை வளர்த்துக்கொள்ள வேண்டிய நேரம் இதுவே.

• Python நிரலாக்கம். இது AI கருவிகளுக்கான முதன்மையான மொழியாகும், மேலும் பெரும்பாலான ஏஜென்ட் கட்டமைப்புகள் (agent frameworks) இதன் அடிப்படையிலேயே உருவாக்கப்பட்டுள்ளன. நீங்கள் ஒரு கர்னல் டெவலப்பராக (kernel developer) இருக்க வேண்டிய அவசியமில்லை, ஆனால் சேவைகளை ஒன்றிணைக்கும் ஸ்கிரிப்ட்களை (scripts) எழுதுவதில் உங்களுக்குத் தேர்ச்சி இருக்க வேண்டும்.
• AI மற்றும் இயந்திரக் கற்றல் அடிப்படைகள். உங்களுக்குப் புரியாத ஒன்றைக் கண்காணிக்க முடியாது. பெரிய மொழி மாதிரிகள் (large language models) எவ்வாறு சிந்திக்கின்றன, அவை எங்கே தவறான தகவல்களைத் தருகின்றன (hallucinate), மற்றும் அவற்றின் வெளியீடுகளை எவ்வாறு மதிப்பீடு செய்வது என்பதைத் தெரிந்து கொள்ளுங்கள்.
• API ஒருங்கிணைப்பு. ஏஜென்ட்கள் பிற மென்பொருட்களுடன்—Slack, Gmail, Salesforce, GitHub—தொடர்பு கொள்வதன் மூலமே செயல்படுகின்றன. REST APIs மற்றும் webhooks எவ்வாறு செயல்படுகின்றன என்பதைப் புரிந்துகொள்வது, உடனடியாகப் பயன் தரும் ஒரு நடைமுறைப் பொறியியல் அறிவாகும்.
• கிளவுட் கம்ப்யூட்டிங். ஏஜென்ட்கள் உள்கட்டமைப்பில் (infrastructure) இயங்குகின்றன, உங்கள் மடிக்கணினியில் அல்ல. ஒரு கண்டெய்னரை (container) உருவாக்குவது, அனுமதிகளை (permissions) நிர்வகிப்பது மற்றும் பில்களைப் படிப்பது போன்றவற்றைத் தெரிந்து கொள்வது, நிஜமான பணிச்சுமையின் போது செயலிழந்து போகும் வெறும் பொம்மைகளை உருவாக்குவதைத் தவிர்க்க உதவும்.
• தரவு பகுப்பாய்வு. ஏஜென்ட்கள் அதிக வெளியீடுகளை உருவாக்கும்போது, அந்த வெளியீடு சரியானது, சார்புடையது (biased) அல்லது பயனுள்ளது என்பதை யாராவது சரிபார்க்க வேண்டும். அடிப்படை புள்ளிவிவர அறிவு மற்றும் தரவுகளைக் கையாளும் (query) திறன் ஆகியவை, ஒரு பயனுள்ள மேற்பார்வையையும் குருட்டு நம்பிக்கையையும் வேறுபடுத்துகின்றன.
• விமர்சனச் சிந்தனை. எதிர்காலத்தின் கடினமான பகுதி வேகமாகத் தட்டச்சு செய்வது அல்ல. சரியான இலக்கை வரையறுப்பது, விளிம்பு நிலைச் சூழல்களைக் (edge cases) கண்டறிவது மற்றும் இயந்திரத்தின் முடிவை எப்போது மாற்றியமைக்க வேண்டும் (override) என்பதைத் துல்லியமாகத் தெரிந்து கொள்வதே ஆகும்.

உண்மையான சாராம்சம்

Agentic AI வேலை செய்யும் முறையை மாற்றும். வழக்கமான பணிகள்—தரவு உள்ளீடு, கால அட்டவணைப்படுத்துதல், முதல்நிலை-