OpenAI வெறும் சாட்பாட்களைத் (chatbots) தாண்டி, பல படிநிலைகளைக் கொண்ட டிஜிட்டல் பணிப்பாய்வுகளை (workflows) நிர்வகிக்கும் தன்னாட்சி பெற்ற AI முகவர்களை (autonomous AI agents) உருவாக்கத் தொடங்கியுள்ளது. அதன் முதல் முகவராக ChatGPT Work என்பதை அறிமுகப்படுத்தியுள்ளது; இது அதன் நுகர்வோர் சந்தாவிற்கான மாதம் $20 கூடுதல் வசதியாகும் (add-on). இந்தச் சேவை மின்னஞ்சல்கள், Slack, Notion மற்றும் பிற கருவிகளிலிருந்து தரவுகளைப் பெறும் ஒரு டிஜிட்டல் கூட்டாளியாகச் செயல்படும் என்று உறுதியளிக்கிறது—இந்தத் திறன் அறிவுசார் பணியாளர்கள் (knowledge workers) தங்கள் நாளைக் கழிக்கப் போகும் முறையை மாற்றியமைக்கக்கூடும்.

ஏன் “ஏஜென்டிக்” (agentic) AI-க்கு மாறுகிறார்கள்

பாரம்பரிய பெரிய மொழி மாதிரிகள் (large-language models) கேள்விகளுக்குப் பதிலளித்து நின்றுவிடுகின்றன. “ஏஜென்டிக் AI” என்பது என்ன செய்ய வேண்டும் என்று தீர்மானித்து, பின்னர் அதைச் செயல்படுத்தும் அமைப்புகளைக் குறிக்கிறது—அதாவது ஒரு மனிதன் ஒவ்வொரு பொத்தானையும் கிளிக் செய்யத் தேவையில்லாமல், மின்னஞ்சல்களை அனுப்புவது, ஸ்பிரெட்ஷீட்களைப் புதுப்பிப்பது அல்லது Figma-வில் வடிவமைப்புகளை வரைவது போன்றவற்றைச் செய்யும். OpenAI பொறியாளர்கள் கூறுகையில், இந்த கூடுதல் படிநிலை ஒரு உரையாடல் உதவியாளரை ஒரு உற்பத்தித்திறன் கூட்டாளியாக (productivity partner) மாற்றுகிறது; குறிப்பாகப் பல செயலிகளுக்கு இடையே மாறி மாறி வேலை செய்வது வேலை நேரத்தை (billable hours) வீணடிக்கும் தொழில்களுக்கு இது மிகவும் பயனுள்ளதாக இருக்கும்.

மென்பொருள் உருவாக்குநர்களிடமிருந்து முழு அலுவலகத்திற்கும்

ஏஜென்டிக் AI-யின் மிகவும் குறிப்பிடத்தக்க வெற்றி மென்பொருள் பொறியியலில் (software engineering) காணப்படுகிறது. OpenAI-யின் Codex மாதிரி, உருவாக்குநர்கள் தாங்கள் விரும்புவதைத் தெளிவான மொழியில் விவரிக்க அனுமதித்ததுடன், குறியீடுகளையும் (code) உருவாக்கியது, இதன் மூலம் தொடரியல் (syntax) சிக்கல்களை எளிதாக்கியது. ஒரு நிறுவனத்தின் ஆய்வின்படி, OpenAI-யில் பணிபுரியும் கிட்டத்தட்ட அனைத்து ஊழியர்களும் Codex-ஐப் பயன்படுத்திய நிலையில், வெளிச் சந்தைப் பயனர்களில் நூற்றுக்கு ஒருவருக்குக் குறைவாகவே அதைப் பயன்படுத்தியுள்ளனர். ChatGPT Work அதே “உங்களுக்கு என்ன தேவை என்பதை விவரிக்கவும்” என்ற அனுபவத்தை கணக்காளர்கள், மருத்துவர்கள், முதலீட்டாளர்கள் மற்றும் பிற தொழில்நுட்பம் சாராத நிபுணர்களுக்கும் கொண்டு வருவதை நோக்கமாகக் கொண்டுள்ளது. பழைய இணையதளங்களை வழிநடத்துவது, பல்வேறு SaaS தயாரிப்புகளிலிருந்து தரவுகளைப் பெறுவது மற்றும் முடிவுகளை ஒருங்கிணைப்பது போன்ற பணிகளை, சிக்கலான கட்டளைகள் மற்றும் ஸ்கிரிப்ட்களுக்குப் பதிலாக ஒரு எளிய உரைத் தூண்டுதல் (text prompt) மூலம் செய்வதே இதன் இலக்காகும்.

தனியுரிமை மற்றும் கட்டுப்பாட்டு கவலைகள்

ஒரு முகவர் பயனுள்ளதாக இருக்க வேண்டுமானால், ஒரு மனிதரைப் போலவே அதே தகவல்களைப் பார்க்க வேண்டும்: தனிப்பட்ட மின்னஞ்சல்கள், உடனடிச் செய்தி உரையாடல்கள், உள் ஆவணங்கள் மற்றும் வடிவமைப்பு கோப்புகள். ஒரு AI-க்கு இவ்வளவு வெளிப்படைத்தன்மையைக் கொடுப்பது புதிய தாக்குதல் பரப்பை (attack surface) உருவாக்கும் என்று விமர்சகர்கள் எச்சரிக்கின்றனர்—ஒருவேளை பாதுகாப்பற்ற மாதிரி (compromised model) ரகசியத் தரவுகளைத் திருடக்கூடும், மேலும் பயனர்கள் தங்கள் தகவல்கள் எவ்வாறு பதில்களை உருவாக்கப் பயன்படுத்தப்படுகின்றன என்பதை முழுமையாகப் புரிந்துகொள்ளாமல் போகலாம். OpenAI குழுவினர் இந்த அபாயத்தை ஒப்புக்கொண்டாலும், இந்தச் சமரசம் தவிர்க்க முடியாதது என்று கூறுகின்றனர்; ஆழமான ஒருங்கிணைப்பு (deep integration) இல்லையென்றால், பயனர்கள் கேட்கும் பணிகளை முகவரால் முழுமையாகச் செய்து முடிக்க முடியாது.

குறிப்பிட்ட துறை சார்ந்த நிபுணர்களிடமிருந்து வரும் போட்டி அழுத்தம்

தன்னாட்சி முகவர்கள் மீது பந்தயம் கட்டும் ஒரே நிறுவனம் OpenAI மட்டுமல்ல. சிறிய நிறுவனங்கள் ஒரு குறிப்பிட்ட தொழிலில் மட்டும் கவனம் செலுத்தும் கருவிகளை அறிமுகப்படுத்தியுள்ளன—ஒன்று வழக்கறிஞர்களுக்காகவும், மற்றொன்று விற்பனை குழுக்களுக்காகவும் பிராண்ட் செய்யப்பட்டுள்ளது. அந்தத் தயாரிப்புகள் மாதிரி சார்ந்த சார்பற்ற (model-agnostic) அணுகுமுறையைக் கையாள்கின்றன: அவை ஒரு குறிப்பிட்ட நிறுவனத்தின் தொழில்நுட்பத்துடன் மட்டும் பிணைக்கப்படாமல், எந்த மொழி மாதிரி (language model) சிறந்த செயல்திறனைத் தருகிறதோ அதைப் பயன்படுத்துகின்றன. இந்த நெகிழ்வுத்தன்மை அவர்களை விரைவாகச் செயல்பட அனுமதிக்கிறது. OpenAI-க்கு உள்ள சவால் என்னவென்றால், ஒரு பொதுவான தீர்வை வழங்கினாலும், அது ஒரு நிபுணத்துவச் செயலி போலத் தனிப்பயனாக்கப்பட்ட உணர்வைத் தர வேண்டும்; இல்லையெனில் நிறுவனங்கள் குறுகிய ஆனால் அதிகத் திறன் கொண்ட மாற்றுத் தீர்வுகளைத் தேர்ந்தெடுக்கக்கூடும்.

நீண்ட நேரம் இயங்கும் முகவர்களுக்குப் பின்னால் உள்ள பொருளாதாரத் தூண்டுதல்கள்

ஒரு முகவர் உருவாக்கும் ஒவ்வொரு டோக்கனும் (token)—ஒவ்வொரு வார்த்தை அல்லது குறியீடு துண்டும்—OpenAI-க்கு கணினி வளங்களுக்கான (compute resources) செலவை ஏற்படுத்துகிறது, மேலும் நிறுவனம் டோக்கன் பயன்பாட்டின் அடிப்படையில் பயனர்களுக்குக் கட்டணம் வசூலிக்கிறது. ஒரு முகவர் பல நிமிடங்கள் நீடிக்கும் பணிப்பாய்வைச் செயல்படுத்தி, பல API-களுடன் பேசி, ஒரு இறுதி அறிக்கையைத் தயாரிக்கும்போது, ஒரு சாதாரண உரையாடலுடன் ஒப்பிடும்போது டோக்கன்களின் எண்ணிக்கை வியக்கத்தக்க வகையில் உயர்கிறது. இது ஒரு பயனர் மூலம் கிடைக்கும் வருவாயை அதிகரிக்கிறது, குறிப்பாக மாதம் $20 கூடுதல் வசதியைப் பயன்படுத்தும் சந்தாதாரர்களிடம். இந்த வணிக மாதிரி சேவையை மிகப்பெரிய பயனர் தளத்திற்கு விரிவுபடுத்துவதைச் சார்ந்துள்ளது; எத்தனை அதிகமான நிபுணர்கள் தினசரி இந்த முகவரைச் சார்ந்து இருக்கிறார்களோ, அவ்வளவு அதிகமாக வருவாய் பெருகும், இது கணினி தொகுதிகள் (compute clusters) மற்றும் மாதிரிப் பயிற்சியில் (model training) செய்யப்படும் பெரும் முதலீட்டை நியாயப்படுத்தும்.

அடுத்து கவனிக்க வேண்டியவை

  • பயன்பாட்டு அளவீடுகள் (Adoption metrics) – தொழில்நுட்ப அறிவு இல்லாத பயனர்கள் கற்றல் சவால்களைக் கடந்து, முக்கியமான பணிகளை இந்த முகவரிடம் ஒப்படைக்கத் தயங்காமல் நம்புவார்களா என்பதை ஆரம்பகாலப் பயன்பாட்டுத் தரவுகள் காட்டும்.
  • தனியுரிமைப் பாதுகாப்புகள் (Privacy safeguards) – சாதனத்திலேயே செயல்படும் முறை (on-device inference) அல்லது வலுவான அனுமதி கட்டுப்பாடுகள் (permission controls) போன்ற எந்தவொரு அறிமுகமும், நிறுவன வாங்குபவர்களுக்கான இடர்-பலன் (risk-reward) சமநிலையை மாற்றியமைக்கக்கூடும்.

சுருக்கம்

ChatGPT-யை ஒரு முன்முயற்சி எடுக்கும் கூட்டாளியாக மாற்றும் OpenAI-யின் முயற்சி அலுவலக உற்பத்தித்திறனை மறுவரையறை செய்யலாம், ஆனால் இந்த வழி தனியுரிமை கவலைகள், கற்றல் இடைவெளி மற்றும் ஏற்கனவே குறிப்பிட்ட சந்தைகளைக் கொண்டுள்ள போட்டியாளர்களால் நிறைந்துள்ளது. ஒரு AI-க்குத் தங்கள் டிஜிட்டல் வாழ்க்கையில் ஆழமான அணுகலை வழங்குவதால் ஏற்படும் அபாயங்களை விட, அதன் வசதிகளும் வருவாய் வாய்ப்புகளும் அதிகம் என்பதைப் பரந்த அளவிலான நிபுணர்களுக்குப் புரிய வைப்பதே இதன் வெற்றியைத் தீர்மானிக்கும்.