மாடல்களுக்கும் ஏஜெண்டுகளுக்கும் இடையிலான முக்கியமான பிரிவினைப் பற்றி Vercel CEO Guillermo Rauch

AIத் துறை சோதனை ரீதியான முன்மாதிரிகளிலிருந்து (prototyping), பயன்பாட்டிற்குத் தயாரான செயலிகளாக (production-ready applications) மாறிவரும் நிலையில், இந்தத் கருவிகளுக்குத் தேவையான உள்கட்டமைப்பு ஒரு மிகப்பெரிய மாற்றத்தைச் சந்தித்து வருகிறது. AI-ன் எதிர்காலம் என்பது பணிகளைச் செய்யும் ஏஜெண்டுகளிலிருந்து (agents), அடிப்படையான மாடல்களைத் (models) தனித்தனியாகப் பிரிப்பதிலும், ஒரு மாடுலர் (modular) சூழலை நோக்கி நகர்வதிலும் தான் உள்ளது என்று Vercel CEO Guillermo Rauch வாதிடுகிறார்.

முன்மாதிரிகளிலிருந்து பயன்பாட்டிற்கு மாறுதல் (Prototyping to Production)

கடந்த ஆண்டு, AI உலகம் "ஏஜெண்டுகளைத் திறந்துவிடுதல்" மற்றும் முன்னோடித் திட்டங்கள் (pilot programs) மூலம் சாத்தியமானவற்றின் எல்லைகளைச் சோதிப்பதன் மூலம் வரையறுக்கப்பட்டது. இருப்பினும், டெவலப்பர்கள் AI-ஐ அணுகும் முறையில் ஏற்பட்டுள்ள குறிப்பிடத்தக்க முதிர்ச்சியை Vercel-ன் சமீபத்திய தரவுகள் காட்டுகின்றன. இந்நிறுவனம் தற்போது நாளொன்றுக்கு 6 மில்லியன் பயன்பாடுகளை (deployments) நிர்வகிக்கிறது, அதில் 50%-க்கும் அதிகமானவை கோடிங் ஏஜெண்டுகளால் (coding agents) தூண்டப்படுகின்றன. மேலும், ஒவ்வொரு நாளும் 1 டிரில்லியனுக்கும் அதிகமான டோக்கன்கள் (tokens) Vercel-ன் AI gateway வழியாகச் செல்கின்றன.

Rauch-ன் கூற்றுப்படி, இந்தத் துறை "எல்லையற்ற வாய்ப்புகள்" என்ற நிலையைக் கடந்து, இப்போது பயன்பாட்டின் யதார்த்தங்களான பாதுகாப்பு (security), தரவு அணுகல் (data access) மற்றும் தணிக்கைத்தன்மை (auditability) ஆகியவற்றைக் கையாண்டு வருகிறது. இந்த மாற்றம் ஏஜெண்டுகளுக்கான இரண்டு முதன்மையான "killer apps"-களை முன்னிலைப்படுத்தியுள்ளது: கோடிங் உதவியாளர்கள் (coding assistants) மற்றும் வணிகப் பணிப்பாய்வுகளை (business workflows) தானியக்கமாக்க வடிவமைக்கப்பட்ட நிறுவனத்தின் உள் ஏஜெண்டுகள் (internal corporate agents).

பாதுகாப்புச் சிக்கலைத் தீர்த்தல்: Sandboxes மற்றும் தரவுக் கட்டுப்பாடு

தன்னாட்சி ஏஜெண்டுகளை (autonomous agents) பயன்படுத்துவதில் உள்ள மிக முக்கியமான தடைகளில் ஒன்று தரவு கசிவு (data leakage) அபாயமாகும். Airbus போன்ற நிறுவனங்களுக்கு இருக்கும் ஒரு முக்கியமான கவலையை Rauch சுட்டிக்காட்டுகிறார்: ஒரு டெவலப்பர் முறையான பாதுகாப்பு வழிமுறைகள் இன்றி Cursor அல்லது Devin போன்ற AI- ஒருங்கிணைந்த IDE-களைப் பயன்படுத்தினால், நிறுவனத்தின் ரகசியக் குறியீடுகள் (proprietary code) தெரியாமல் பொது மாடல்களைப் பயிற்றுவிக்கப் பயன்படுத்தப்படலாம்.

இந்த அபாயங்களைக் குறைக்க, Vercel பிரத்யேக உள்கட்டமைப்பை உருவாக்கி வருகிறது. அவர்களின் Eve framework பயனர்கள் இயல்பான மொழியைப் (natural language) பயன்படுத்தி ஒரு ஏஜெண்டின் அறிவுறுத்தல்கள் மற்றும் திறன்களை வரையறுக்க அனுமதிக்கிறது, அதே நேரத்தில் Vercel Sandbox அந்த ஏஜெண்டிற்கு ஒரு "கூண்டு" (cage) போன்ற பாதுகாப்பை வழங்குகிறது. இந்த sandbox, எந்தத் தரவை அணுகலாம் மற்றும் மிக முக்கியமாக, எந்தத் தரவைச் சூழலை விட்டு வெளியேற்ற அனுமதி உண்டு என்பது குறித்த கடுமையான கொள்கைகளைச் செயல்படுத்துவதன் மூலம், ஏஜெண்ட் தனது அறிவாற்றலைப் பயன்படுத்த அனுமதிக்கிறது.

SaaS தரவுத் தனிமைப்படுத்தல்களின் முடிவு (The End of SaaS Data Silos)

ஏஜெண்டுகளின் எழுச்சி பாரம்பரிய SaaS வணிக மாதிரிகளுடன் ஒரு அடிப்படை மோதலை உருவாக்குகிறது. பல மென்பொருள் நிறுவனங்கள் பயனர் தரவைச் சொந்தச் சூழல்களுக்குள் (proprietary ecosystems) "தடைமிட்டு" வைத்துத் தங்கள் மதிப்பை உருவாக்கியுள்ளன. ஆனால், ஏஜெண்டுகள் திறம்படச் செயல்படத் தடையற்ற, API மூலம் இயக்கப்படும் தரவு அணுகல் தேவைப்படுவதால், இந்த மாதிரி ஏஜெண்டுகளுடன் இயல்பாகவே ஒத்துப்போகாது என்று Rauch குறிப்பிடுகிறார்.

ஒரு விற்பனைப் பிரதிநிதி சிக்கலான Salesforce தரவைக் கண்டறிய ஏஜெண்டைப் பயன்படுத்தினாலும் அல்லது ஒரு R&D குழு பணிப்பாய்வுகளைத் தானியக்கமாக்கினாலும், ஏஜெண்டுகள் ஒரு திறந்த கட்டமைப்பை (open architecture) கோருகின்றன. இந்த மாற்றம் நிறுவனங்கள் தரவு அணுகலுக்கு முன்னுரிமை அளிக்கத் தூண்டுகிறது, இது நிறுவன மென்பொருள்கள் எவ்வாறு உருவாக்கப்படுகின்றன மற்றும் விற்கப்படுகின்றன என்பதில் நீண்டகால தாக்கங்களை ஏற்படுத்தும்.

திறந்த AI உள்கட்டமைப்பிற்கான போராட்டம்

OpenAI போன்ற பெரிய AI ஆய்வகங்கள் இணையத்தில் நேரடியாக வெளியிடும் கருவிகளை வெளியிடுவது போன்ற தனது திறன்களை விரிவுபடுத்தும்போது, Vercel போன்ற தள நிறுவனங்கள் நேரடிப் போட்டியைச் சந்திக்கின்றன. "மாடல்" மற்றும் "ஏஜெண்ட்" ஆகியவை இணைக்கப்பட்டிருப்பதா அல்லது பிரிக்கப்பட்டிருப்பதா என்பதற்கான ஒரு போராட்டமாக Rauch இதைுகிறார்.

Vercel தன்னை "இந்தத் தலைமுறையின் AWS" என்று நிலைநிறுத்திக் கொள்கிறது; அதாவது டெவலப்பர்கள் LEGO கட்டைகளைப் போலக் கூறுகளை மாற்றிக்கொள்ளக்கூடிய ஒரு மாடுலர் அணுகுமுறையை இது ஆதரிக்கிறது. ஒரு தனி வழங்குநருடன் (provider) முடங்கிவிடாமல், டெவலப்பர்கள் OpenAI, Anthropic, Google-ன் Gemini மற்றும் DeepSeek போன்ற திறந்த மூல (open-source) மாடல்களைக் கலந்து பயன்படுத்துவதன் மூலம் விலை மற்றும் செயல்திறனை (performance) மேம்படுத்தி வருகின்றனர்.

முக்கியக் குறிப்புகள்

• முன்மாதிரிகளை விட பயன்பாடு முக்கியம் (Production over Prototyping): Vercel-ன் தினசரி 1 டிரில்லியன் டோக்கன்கள் என்பதற்குச் சான்றாக, AIத் துறை சோதனை ரீதியான முன்னோடித் திட்டங்களிலிருந்து அதிக அளவிலான பயன்பாட்டிற்கு (high-scale production) நகர்ந்து கொண்டிருக்கிறது.
• பாதுகாப்பு மிக முக்கியமானது: நிறுவனத்தின் ரகசியத் தரவுகள் மாடல் பயிற்சித் தொகுதிகளுக்குள் (model training sets) கசிவதைத் தடுக்க Vercel Sandbox போன்ற கருவிகள் அவசியமானவை.
• மாடுலர் கட்டமைப்பு (Modular Architecture): AI மென்பொருளின் எதிர்காலம் மாடல்களை ஏஜெண்டுகளிலிருந்து பிரிப்பதிலேயே உள்ளது; இது டெவலப்பர்கள் பல மாடல்களைப் பயன்படுத்தும் அணுகுமுறை (multi-model approach) மூலம் செலவு மற்றும் செயல்திறனை மேம்படுத்த அனுமதிக்கிறது.