Microsoft Says Execution-Ready AI Agents Need 26-60 Engineer-Weeks to Build

தலைப்பு: உதவியிலிருந்து செயல்படுத்துவதற்கு: ஒரு கட்டமைப்பு மாற்றம்

பயனர்களுக்கு வெறும் உதவியாக மட்டும் இருப்பதை விட்டுவிட்டு, உண்மையில் பணிகளைச் செயல்படுத்துவதற்கு AI ஏஜெண்டுகள் எவ்வாறு மறுசீரமைக்கப்பட வேண்டும் என்பதை மைக்ரோசாஃப்டின் (Microsoft) 2026 "Agentic Transformation Patterns" வழிகாட்டி விளக்குகிறது. ஒரு 'execution-mode' ஏஜெண்டைத் தயாரிப்பதற்கு முன்னதாக, அதன் முக்கிய உள்கட்டமைப்பிற்காக 26 முதல் 60 பொறியாளர்-வாரங்கள் (engineer-weeks) வரை தேவைப்படும் என்ற துல்லியமான மதிப்பீட்டை இது வழங்குகிறது. இந்த மாற்றத்தைப் புறக்கணிக்கும் நிறுவனங்கள், தானாகவே பாதுகாப்பாகச் செயல்பட முடியாத பலவீனமான கருவிகளை உருவாக்கும் அபாயத்தைச் சந்திக்க நேரிடும்.

நிறுவனங்கள் தற்போது மின்னஞ்சல்களைத் தயாரித்தல், குறியீட்டுத் துண்டுகளைப் (code snippets) பரிந்துரைத்தல் அல்லது தரவுகளைக் கண்டறிதல் போன்ற பணிகளுக்காகப் பெரிய மொழி மாதிரிகளை (LLM) உதவியாளர்களாகப் பயன்படுத்திப் பரிசோதித்து வருகின்றன. அந்த ஏஜெண்டுகள் "assist" முறையில் மட்டுமே உள்ளன: ஒரு மனிதர் ஒவ்வொரு வெளியீட்டையும் சரிபார்க்கிறார், மேலும் ஒரு மெல்லிய அடுக்கு (thin wrapper) கோரிக்கையை மாதிரியிடம் (model) அனுப்பி பதிலைப் பெறுகிறது. இந்த கட்டமைப்பு அமைப்பதற்கு மலிவானது மற்றும் வேகமானது, ஆனால் இது முடிவெடுத்தல் மற்றும் தரவுகளை எழுதுதல் போன்ற பணிகளை வேண்டுமென்றே பயனரிடமே விட்டுவிடுகிறது.

ஒரு நிறுவனம் ஏஜெண்டைக் கொண்டு முழுமையான பணிப்பாய்வை (workflow) இயக்க விரும்பும்போது—அதாவது ஒரு தரவுத்தளத்தை நிரப்புதல், அடுத்தகட்டச் செயல்பாட்டைத் தொடங்குதல் அல்லது ஒரு பரிவர்த்தனையை அங்கீகரித்தல்—அந்த மாதிரி (model) ஒரு மனிதர் சரிபார்க்க வேண்டிய பதிலைத் தரும் ஒரு 'black box'-ஆக மட்டும் இருக்க முடியாது. அந்த ஏஜெண்ட் தனது சொந்த அடையாளம் (identity), நிலையான நிலை (persistent state) மற்றும் உள்ளமைக்கப்பட்ட பாதுகாப்பு வலைப்பின்னல்களுடன் (safety nets) ஒரு தன்னாட்சிச் சேவையாக (autonomous service) செயல்பட வேண்டும். பழைய 'assist-only' வடிவமைப்பை ஒரு 'execution-ready' அமைப்பாக எளிதில் மாற்ற முடியாது என்றும், அதற்கு ஏழு கட்டமைப்புத் தூண்களின் அடிப்படையில் முழுமையான மறுவடிவமைப்பு தேவை என்றும் மைக்ரோசாஃப்ட் வாதிடுகிறது.

செயல்படத் தயாராக உள்ள AI ஏஜெண்டுகளின் ஏழு தூண்கள்

• அதிகாரம் (Authority) – "பயனர் வழங்கிய" அனுமதிகளிலிருந்து, குறிப்பிட்ட அணுகல் உரிமைகளைக் கொண்ட நிலையான ஏஜெண்ட் அடையாளங்களுக்கு மாற வேண்டும். ஒரு மனிதரின் டோக்கன் (token) இல்லாமலேயே, ஏஜெண்ட் அடுத்தகட்டச் சேவைகளுக்கு (downstream services) தன்னைத் தானாகவே அங்கீகரிக்கிக் கொள்ள வேண்டும்.
• எல்லைகள் (Boundaries) – முக்கியமான கணக்கீடுகளுக்குத் தற்காலிகமான மாதிரித் தர்க்கத்திற்குப் (model reasoning) பதிலாக, தீர்மானிக்கப்பட்ட குறியீட்டுப் பாதைகளை (deterministic code paths) பயன்படுத்த வேண்டும். நிதி சார்ந்த கணிதங்கள், இணக்கச் சரிபார்ப்புகள் (compliance checks) போன்ற துல்லியம் தேவைப்படும் எதையும் சரிபார்க்கப்பட்ட மென்பொருளில் இயக்க வேண்டும்; மாதிரியின் வெளியீட்டிலிருந்து மட்டும் அதை ஊகித்துவிடக் கூடாது.
• ஸ்கீமாக்கள் (Schemas) – தளர்வான தரவுப் பரிமாற்றங்களிலிருந்து, ஒரு குறிப்பிட்ட தரவுப் பொறுப்பாளர் (data steward) நிர்வகிக்கும் முறையான ஸ்கீமாவிற்கு மாற வேண்டும். இது ஏஜெண்ட் தவறான தரவுப் பதிவுகளை (malformed records) எழுதுவதைத் தடுக்கும், இதனால் அடுத்தகட்ட அமைப்புகளால் அவற்றைச் சரியாகப் பயன்படுத்த முடியும்.
• தோல்வி கண்டறிதல் (Failure Detection) – மனித மேற்பார்வைக்குப் பதிலாகத் தொடர்ச்சியான தொலைதூரக் கண்காணிப்பு (telemetry) மற்றும் வணிக விளைவு கண்காணிப்பை (business-outcome monitoring) அறிமுகப்படுத்த வேண்டும். எதிர்பாராத பரிவர்த்தனை அளவுகள் போன்ற அசாதாரணமான நிகழ்வுகளைத் தானாகவே கண்டறிந்து, நிர்ணயிக்கப்பட்ட வரம்புகளைத் தாண்டினால் ஏஜெண்டைத் தற்காலிகமாக நிறுத்த வேண்டும்.
• நிலை (State) – குறுகிய கால அரட்டை அமர்வுகளுக்குப் பதிலாக, ஒரு பதிவு அமைப்பில் (system of record) சேமிக்கப்பட்ட நிலையான மற்றும் குறிப்பிட்ட வழக்கு சார்ந்த நிலையை (case-scoped state) பயன்படுத்த வேண்டும். ஒரு 'execution agent' பல நாட்கள் அல்லது வாரங்களுக்கு முந்தைய படிகள், தணிக்கைப் பதிவுகள் (audit trails) அல்லது பயனர் விருப்பங்களை நினைவுகூர வேண்டியிருக்கலாம்.
• முன்னர் நிலைக்குத் திரும்புதல் (Rollback) – "மீண்டும் ப்ராம்ப்ட்டை இயக்குதல்" (re-run the prompt) என்பதற்குப் பதிலாக, நிகழ்வு ஆதாரங்கள் (event-sourcing) அல்லது செயல்களை நம்பகமான முறையில் ரத்து செய்யக்கூடிய ஈடுசெய்யும் பரிவர்த்தனைகளை (compensating transactions) பயன்படுத்த வேண்டும். ஏஜெண்ட் ஏதேனும் தவறு செய்தால், மனிதத் தலையீடு இன்றி அந்தத் தவறான விளைவுகளைத் தளம் மீட்டெடுக்க வேண்டும்.
• தணிக்கை செய்யும் திறன் (Auditability) – சாதாரண அரட்டைப் பதிவுகளிலிருந்து, ஒவ்வொரு செயல்பாட்டையும் ஒரு குறிப்பிட்ட ஏஜெண்ட் பதிப்பு மற்றும் அடையாளத்துடன் இணைக்கும் செயல்முறைப் பதிவுகளாக (per-action logs) மேம்படுத்த வேண்டும். இதன் மூலம் ஒழுங்குமுறை அமைப்பாளர்கள் மற்றும் உள் தணிக்கையாளர்கள் ஏஜெண்ட் என்ன செய்தது, எப்போது செய்தது மற்றும் எந்தக் கொள்கையின் கீழ் செய்தது என்பதைத் துல்லியமாகக் கண்டறிய முடியும்.

இந்த மாற்றங்கள் விருப்பத்தேர்வு சார்ந்த கூடுதல் அம்சங்கள் அல்ல; இவை AI சார்ந்த தானியங்கி செயல்பாட்டிற்கான ஒரு புதிய இயக்க மாதிரியாகும் (operating model). இந்த அடித்தளத்தை உருவாக்குவதற்கு 26 முதல் 60 பொறியாளர்-வாரங்கள் தேவைப்படும் என்று மைக்ரோசாஃப்ட் மதிப்பிடுகிறது.

செலவு ஏன் முக்கியமானது

பயனரின் பணிப்பாய்வில் சில நிமிடங்களை மட்டுமே மிச்சப்படுத்தும் குறைந்த மதிப்புள்ள பணிகளுக்காக 'execution-mode' ஏஜெண்டுகளைப் பயன்படுத்துவதற்கு இந்த வழிகாட்டி எச்சரிக்கிறது. இதற்கான பொறியியல் முதலீடு, அதனால் கிடைக்கும் சிறிய உற்பத்தித் திறனை விட அதிகமாக இருக்கும். எனவே, அளவிடக்கூடிய முடிவுகளைக் கொண்ட பணிகளைத் தேர்ந்தெடுக்க வேண்டும்—உதாரணமாக, ஆர்டர் நிறைவேற்றுதல் (order fulfillment), உரிமை கோரல் தீர்ப்பு (claim adjudication), இணக்க அறிக்கையிடல் (compliance reporting)—இங்கு தன்னாட்சிச் செயல்பாடு நேரடியாகச் செலவு சேமிப்பிற்கும் அல்லது இடர் குறைப்பிற்கும் வழிவகுக்கும்.

உங்கள் தரவு ஸ்கீமைகளை (data schemas) நிர்வகிக்க நிர்வாக அதிகாரம் தேவைப்படுகிறது.

எதிர் கருத்து: 'assist-only' போதுமானதா?

பல உள் ஆதரவுச் சூழல்களுக்கு—கூட்டக் குறிப்புகளைத் தயாரித்தல், அறிவுத் தளக் கட்டுரைகளைக் கண்டறிதல்—மனித சரிபார்ப்பு ஒரு நடைமுறைப் பாதுகாப்பு வலையாகவே உள்ளது. ஆனால், இதன் விளைவாகச் செயல்பாட்டு நேரம் (cycle times) அதிகரிக்கும் மற்றும் இறுதி முடிவிற்காகத் தொடர்ந்து மனித உழைப்பைச் சார்ந்திருக்க வேண்டியிருக்கும்.

இதிலிருந்து நாம் அறிந்துகொள்ள வேண்டியது தெளிவானது: AI ஏஜெண்டுகளை ஒரு துணைப் பங்கிலிருந்து தன்னாட்சிப் பங்கிற்கு மாற்றுவது என்பது ஒரு சாதாரண அம்சம் (feature toggle) அல்ல; அது முழுமையான கட்டமைப்பு மறுசீரமைப்பு ஆகும். பொறியியல் மற்றும் நிர்வாகத் தேவைகளை (governance demands) குறைத்து மதிப்பிடும் நிறுவனங்கள், பலவீனமான பாட்களை (brittle bots) உருவாக்கும் அபாயத்தைச் சந்திக்க நேரிடும்.