AI విప్లవం అపూర్వమైన ఉత్పాదకతను వాగ్దానం చేస్తున్నప్పటికీ, పెద్ద సంస్థలు ఒక భారీ అడ్డంకిని ఎదుర్కొంటున్నాయి: వారు సంక్లిష్టమైన మోడళ్లను గందరగోళంగా ఉన్న పాత (legacy) వాతావరణాల్లోకి అనుసంధానించలేకపోతున్నారు. ఒక కొత్త స్టార్టప్, June, ప్రస్తుతం ఖరీదైన కన్సల్టెంట్ల సైన్యం అవసరమయ్యే ప్రక్రియలను AI ద్వారా ఆటోమేట్ చేయడం ద్వారా ఈ డిప్లాయ్‌మెంట్ సంక్షోభాన్ని పరిష్కరించడానికి ప్రయత్నిస్తోంది.

AI అమలులోని వైరుధ్యం

AI మోడళ్లు మరింత సామర్థ్యం పెంచుతున్న కొద్దీ, మాన్యువల్ ప్రొఫెషనల్ సర్వీసుల డిమాండ్ నిజానికి పెరుగుతోంది. కంపెనీలు "Forward-Deployed Engineers" (FDEs)లను నియమించుకుంటున్నాయి—వీరు సంస్థ లోపలే ఉంటూ, ముడి AI మోడళ్లకు మరియు ఇప్పటికే ఉన్న కార్పొరేట్ ఇన్‌ఫ్రాస్ట్రక్చర్‌కు మాన్యువల్‌గా అనుసంధానం చేస్తారు.

మాజీ Salesforce ఎగ్జిక్యూటివ్ అయిన Efrat Rapoport, సంక్లిష్టతను నిర్వహించడానికి ఎక్కువ మందిని నియమించుకోవడం అనేది స్థిరమైన పద్ధతి కాదని చెబుతున్నారు. ఆ మాన్యువల్ విధానం ఒక అడ్డంకిని (bottleneck) సృష్టిస్తుంది, ఇది అత్యంత శక్తివంతమైన LLMలు కూడా Fortune 500 కంపెనీలకు నిజమైన విలువను అందించకుండా అడ్డుకుంటుంది.

లెగసీ డేటా గందరగోళాన్ని పరిష్కరించడం

అతిపెద్ద అడ్డంకి మోడల్ తెలివితేటలు కాదు; అది "అడుగున ఉన్న గందరగోళం" (mess underneath). పెద్ద కార్పొరేషన్లు Salesforce, ServiceNow, Databricks, Workday వంటి వివిధ ప్లాట్‌ఫారమ్‌ల కలయికపై నడుస్తాయి—ఇవి టెక్నికల్ డెట్, డూప్లికేట్ ఫీల్డ్‌లు మరియు అసందర్భమైన వర్క్‌ఫ్లోలతో నిండి ఉంటాయి.

June ప్లాట్‌ఫారమ్ ఒక కంపెనీ యొక్క సిస్టమ్‌లను స్కాన్ చేస్తుంది, దాని ప్రత్యేక ప్రక్రియలను నేర్చుకుంటుంది మరియు స్వయంచాలకంగా దశలవారీ డిప్లాయ్‌మెంట్ రోడ్‌మ్యాప్‌ను రూపొందిస్తుంది. ఇంటిగ్రేషన్లను మ్యాపింగ్ చేయడానికి మానవ ఆర్కిటెక్ట్‌లకు బదులుగా, June అడ్డంకులను గుర్తిస్తుంది, డూప్లికేట్ డేటాను క్లీన్ చేయమని లేదా సోర్స్‌లను కనెక్ట్ చేయమని వినియోగదారులను కోరుతుంది, ఆపై ఇంటిగ్రేషన్‌ను స్వయంచాలకంగా నిర్మిస్తుంది.

కన్సల్టింగ్ యొక్క "బ్లాక్ బాక్స్" నుండి ముందుకు సాగడం

June, అధిక ఖర్చుతో కూడిన మాన్యువల్ మోడల్‌కు బదులుగా సెల్ఫ్-సర్వీస్ టూల్‌ను అందిస్తుంది. అమెరికాకు చెందిన ప్రధాన మౌట్‌గేజ్ లెండర్ అయిన CMGకి, ఈ మార్పు విప్లవాత్మకమైనది. సాంప్రదాయ కన్సల్టింగ్ ద్వారా Claude Code మరియు Salesforceతో పోరాడిన తర్వాత, June వారి బృందానికి డిప్లాయ్‌మెంట్ పాయింట్లను గుర్తించి, వారాల తరబడి అడ్డంకులు లేకుండా ముందుకు సాగడానికి సహాయపడింది.

డేటా క్లీనింగ్, మ్యాపింగ్, వర్క్‌ఫ్లో ఆప్టిమైజేషన్ వంటి "ప్లంబింగ్" పనులను ఆటోమేట్ చేయడం ద్వారా, June కంపెనీలు ప్రత్యేక ఇంజనీర్ల భారీ బృందం అవసరం లేకుండానే, ప్రయోగాత్మక "vibe-coding" నుండి స్కేలబుల్, ఏజెంట్-ఆధారిత కార్యకలాపాలకు మారేలా చేస్తుంది.

AI రంగంలో ఇది ఎందుకు ముఖ్యం

AI యొక్క తదుపరి దశ పారామీటర్ల సంఖ్య ద్వారా కాకుండా, మోడళ్లను ఇప్పటికే ఉన్న ఆర్థిక వ్యవస్థలోకి ఎవరు విజయవంతంగా అనుసంధానించగలరు అనే దాని ద్వారా నిర్ణయించబడుతుంది. June విజయం సాధిస్తే, పరిశ్రమ సర్వీస్-హెవీ మోడల్ నుండి సాఫ్ట్‌వేర్-డ్రివెన్ మోడల్‌కు మారవచ్చు, ఇది ఎంటర్‌ప్రైజ్ ఆటోమేషన్‌కు అడ్డంకులను తగ్గించి, "Agentic Workflow" యుగాన్ని వేగవంతం చేస్తుంది.

ముఖ్యమైన అంశాలు

  • ఇంటిగ్రేషన్‌ను ఆటోమేట్ చేయడం: June సంక్లిష్టమైన లెగసీ సిస్టమ్‌లను స్కాన్ చేసి మ్యాప్ చేస్తుంది, ఆపై డేటా ఫ్రాగ్మెంటేషన్ మరియు టెక్నికల్ డెట్‌ను పరిష్కరించడానికి స్వయంచాలక రోడ్‌మ్యాప్‌ను అందిస్తుంది.
  • మానవ శ్రమను తగ్గించడం: ఈ ప్లాట్‌ఫారమ్ ఖరీదైన Forward-Deployed Engineers స్థానంలో సెల్ఫ్-సర్వీస్, "build-on-click" డిప్లాయ్‌మెంట్ మోడల్‌ను అందిస్తుంది.
  • పెద్ద సంస్థల మద్దతు: Bonobo AI వెనుక ఉన్న బృందం రూపొందించిన June, Marc Benioff యొక్క Time Ventures నేతృత్వంలో $20 మిలియన్ల ప్రీ-సీడ్ నిధులను సేకరించింది.

June ఒక AI-ఆధారిత ప్లాట్‌ఫారమ్‌ను వెల్లడించింది, ఇది లార్జ్-లాంగ్వేజ్ మోడళ్లను (LLMs) లెగసీ ఎంటర్‌ప్రైజ్ సిస్టమ్‌లలో స్వయంచాలకంగా అనుసంధానిస్తుంది, దీనివల్ల ఖరీదైన ఫార్వర్డ్-డిప్లాయ్డ్ ఇంజనీరింగ్ బృట్ల అవసరం ఉండదని పేర్కొంది.

ఇంటిగ్రేషన్ అడ్డంకి

సంస్థలు గత ఏడాది కాలంగా మరింత శక్తివంతమైన LLMలను కొనుగోలు చేస్తున్నాయి, అయినప్పటికీ చాలా వరకు మొదటి అడ్డంకిలోనే తడబడుతున్నాయి: ఆ మోడళ్లను ఆన్-ప్రిమ్ మరియు క్లౌడ్ అప్లికేషన్‌ల కలయికలోకి అనుసంధానించడం. సాధారణ పరిష్కారం ఒక FDE స్క్వాడ్‌ను నియమించుకోవడం—కంపెనీ లోపలే ఉంటూ, డేటా ఫ్లోలను మాన్యువల్‌గా మ్యాప్ చేసే మరియు glue code రాసే కన్సల్టెంట్లు.

Efrat Rapoport ఆ విధానాన్ని “unsustainable” అని పిలుస్తారు. సిబ్బందిని పెంచడం వల్ల డూప్లికేట్ ఫీల్డ్‌లు, పాత టేబుల్‌లు మరియు విడిపోయిన వర్క్‌ఫ్లోలు తొలగిపోవు; అది కేవలం అనివార్యమైన అడ్డంకిని వాయిదా వేస్తుంది మాత్రమే. వైరుధ్యం స్పష్టంగా ఉంది: AI మోడళ్లు మరింత సామర్థ్యం పెంచుతున్న కొద్దీ, మాన్యువల్ ఇంప్లిమెంటేషన్ సర్వీసుల డిమాండ్ తగ్గుముఖం పట్టడం లేదు, పైగా పెరుగుతోంది.

June ప్లాట్‌ఫారమ్ ఎలా పనిచేస్తుంది

June విధానాన్ని పూర్తిగా మారుస్తుంది. క్లయింట్ వాతావరణాన్ని తనిఖీ చేయడానికి ఇంజనీర్లను పంపే బదులు, ఈ ప్లాట్‌ఫారమ్ ఇప్పటికే ఉన్న టెక్ స్టాక్—Salesforce, ServiceNow, Databricks, Workday, లేదా కస్టమ్ ERP—ను స్కాన్ చేయడానికి దాని స్వంత AIని ఉపయోగిస్తుంది. ఈ స్కాన్ డేటా స్కీమాలు, API ఎండ్‌పాయింట్లు మరియు వర్క్‌ఫ్లో ట్రిగ్గర్‌ల యొక్క వివరణాత్మక మ్యాప్‌ను రూపొందిస్తుంది. ఆ మ్యాప్ నుండి, June స్వయంచాలకంగా వీటిని గుర్తిస్తుంది:

  • మోడల్ శిక్షణకు అడ్డంకిగా మారే అనవసరమైన లేదా ఒంటరి డేటా ఫీల్డ్‌లు (Redundant or orphaned data fields)
  • రన్‌టైమ్ ఎర్రర్‌లకు కారణమయ్యే సరిపోని API కాంట్రాక్టులు (Misaligned API contracts)
  • LLM-ఆధారిత ఏజెంట్ విలువను జోడించగల వర్క్‌ఫ్లో గ్యాప్‌లు (Workflow gaps)

ఆ ప్లాట్‌ఫారమ్ ఒక రిమిడియేషన్ ప్లాన్‌ను (remediation plan) రూపొందిస్తుంది, టేబుల్స్‌ను డూప్లికేట్ చేయకుండా తొలగించడం (de-duplicating tables) లేదా సురక్షితమైన డేటా పైప్‌లైన్‌లను ఏర్పాటు చేయడం వంటి క్లీన్-అప్ చర్యలను ఆమోదించమని వినియోగదారుని కోరుతుంది. ఒకసారి ఆమోదించిన తర్వాత, అదే AI ఇంజిన్ మార్పులను అమలు చేస్తుంది, కనెక్టర్లను నిర్మిస్తుంది మరియు LLMని ఒక మేనేజ్డ్ సర్వీస్‌గా డిప్లాయ్ చేస్తుంది.

ఆచరణలో, ఈ వర్క్‌ఫ్లో వారాల తరబడి సాగే కన్సల్టింగ్ ప్రక్రియకు బదులుగా "build-on-click" అనుభవాన్ని అందిస్తుంది. అంతర్గత బృందాలు బాహ్య ఇంజనీర్ల కోసం వేచి చూడకుండానే ఇంటిగ్రేషన్లపై పదేపదే పని చేయవచ్చు.

ఒక వాస్తవ ప్రపంచ టెస్ట్ కేస్

అమెరికాలోని ప్రముఖ మోర్ట్‌గేజ్ లెండర్ అయిన CMG, Claude Code—ఒక కన్వర్సేషనల్ AI టూల్—ను తన Salesforce ఇన్‌స్టన్స్‌కు అనుసంధానించడంలో ఇబ్బంది పడింది. సాంప్రదాయ ఆర్కిటెక్చరల్ కన్సల్టింగ్ వల్ల ఆ సంస్థ అనేక సమావేశాల కోసం ఎదురుచూడాల్సి వచ్చింది, దీనివల్ల ప్రతిసారీ వారాల సమయం వృథా అయ్యింది. June ప్లాట్‌ఫారమ్‌కు మారిన తర్వాత, CMG సిబ్బంది ఖచ్చితమైన ఇంటిగ్రేషన్ పాయింట్లను గుర్తించి, ఆటోమేటెడ్ క్లీనప్‌ను నిర్వహించి, వారాల సమయం పట్టే పనిని కేవలం కొన్ని రోజుల్లోనే పూర్తి చేసి LLMని లాంచ్ చేశారు. ఫలితం: బాహ్య FDE క్రూ అవసరం లేకుండా అండర్‌రైటింగ్ ప్రశ్నలకు సమాధానం ఇచ్చే ఒక ఫంక్షనల్ ఏజెంట్ సిద్ధమైంది.

ప్రమాదాలు మరియు సవాళ్లు

ఒక కంపెనీ యొక్క డేటా-గవర్నెన్స్ పాలసీలు, భద్రతా పరిమితులు మరియు నియంత్రణ అవసరాలను AI నమ్మదగిన రీతిలో అర్థం చేసుకోగలదని ఈ విధానం భావిస్తుంది. తప్పుగా కాన్ఫిగర్ చేయబడిన కనెక్టర్ వల్ల సున్నితమైన కస్టమర్ సమాచారం బయటపడవచ్చు లేదా తదుపరి ప్రక్రియల్లో వైఫల్యాలు సంభవించవచ్చు. ఫైనాన్స్ లేదా హెల్త్‌కేర్ వంటి కఠినమైన నిబంధనలు ఉండే రంగాలలో, పూర్తిగా ఆటోమేటెడ్ ఇంటిగ్రేషన్‌కు ఇప్పటికీ మానవ పర్యవేక్షణ (human safety net) అవసరమని విమర్శకులు హెచ్చరిస్తున్నారు.

పరిశ్రమపై ప్రభావం

Bonobo AIని నిర్మించిన బృందం నుండి June ఉద్భవించింది మరియు Marc Benioff యొక్క Time Ventures నేతృత్వంలో ఇప్పటికే $20 మిలియన్ల ప్రీ-సీడ్ ఫండింగ్‌ను పొందింది. డిప్లాయ్‌మెంట్ ఇబ్బందులను తగ్గించే సాఫ్ట్‌వేర్ నుండే AI విలువ యొక్క తదుపరి దశ వస్తుందని, కేవలం మోడల్ పరిమాణం పెరగడం వల్ల కాదని ఈ పెట్టుబడి ఇన్వెస్టర్ల నమ్మకాన్ని సూచిస్తోంది.

వ్యతిరేక వాదన: మానవ అంశం

ఆటోమేషన్ వల్ల సంక్లిష్టత అంతా తొలగిపోదు. లెగసీ సిస్టమ్స్‌లో తరచుగా డాక్యుమెంట్ చేయని కస్టమైజేషన్లు ఉంటాయి మరియు కొన్ని ఇంటిగ్రేషన్ పాయింట్లు స్థిరత్వాన్ని దెబ్బతీయకుండా తిరిగి రాయలేని లెగసీ కోడ్‌ను కలిగి ఉంటాయి. June ప్లాట్‌ఫారమ్ "plumbing" దశను వేగవంతం చేయవచ్చు, కానీ ఆటోమేటెడ్ పరిష్కారాలు వ్యాపార నియమాలు మరియు నిబంధనలకు అనుగుణంగా ఉన్నాయో లేదో ధృవీకరించడానికి సంస్థలకు ఇప్పటికీ డొమైన్ నిపుణులు అవసరమవుతారు.

తదుపరి గమనించాల్సిన అంశాలు

  • అడాప్షన్ మెట్రిక్స్ (Adoption metrics): కొత్త సంస్థలు పైలట్ నుండి ప్రొడక్షన్ దశకు ఎంత వేగంగా మారుతున్నాయి మరియు ప్రారంభంలో వినియోగదారులు ఎంతమంది తప్పుకుంటున్నారనే అంశం, ఆటోమేషన్ నిజంగా మానవ ఇంజనీర్ల స్థానాన్ని భర్తీ చేస్తుందో లేదో తెలియజేస్తుంది.
  • రెగ్యులేటరీ స్పందన (Regulatory response): AI ప్రధాన వ్యాపార విధుల్లో భాగమైనప్పుడు, ముఖ్యంగా డేటా ప్రైవసీకి సంబంధించి ఆటోమేటెడ్ ఇంటిగ్రేషన్ పై నియంత్రణ సంస్థలు మార్గదర్శకాలను జారీ చేయవచ్చు.
  • పోటీ రంగం (Competitive landscape): ఇతర స్టార్టప్‌లు మరియు స్థాపించబడిన వెండర్లు తమ క్లౌడ్ ప్లాట్‌ఫారమ్‌లతో AI డిప్లాయ్‌మెంట్ టూల్స్‌ను కలిపి అందించడానికి పోటీ పడుతున్నారు. June తన స్కానింగ్ మరియు రిమిడియేషన్ ఇంజిన్‌ను ఎలా ప్రత్యేకంగా నిలుపుకుంటుందనేది కీలకం.
  • ధరల పారదర్శకత (Pricing transparency): ప్లాట్‌ఫారమ్ ఖర్చులను సాంప్రదాయ కన్సల్టింగ్ ఫీజులతో పోల్చడం ద్వారా, ఖర్చుల పట్ల జాగ్రత్తగా ఉండే CFOలకు ఇది ఎంత ఆకర్షణీయంగా ఉంటుందో తెలుస్తుంది.

ఎంటర్‌ప్రైజ్ AI డిప్లాయ్‌మెంట్ యొక్క సంక్లిష్టమైన మరియు లెగసీతో నిండిన ప్రపంచాన్ని ఆటోమేట్ చేయాలనే June యొక్క వాదన సాహసోపేతమైనది, మరియు CMG లోని ప్రారంభ ఫలితాలు ఈ సాంకేతికత వారాల పనిని రోజుల్లోకి తగ్గించగలదని సూచిస్తున్నాయి. కన్సల్టింగ్ సంస్థలను వ్యాపారంలో ఉంచే 'ఎడ్జ్ కేసెస్' (edge cases) ను ఈ మోడల్ నిలకడగా ఎదుర్కోగలదా లేదా అనే అంశమే, AI ఇంటిగ్రేషన్ మార్కెట్ నిజంగా మనుషులపై ఆధారపడే విధానం నుండి సాఫ్ట్‌వేర్-ఆధారిత విధానానికి మారుతుందో లేదో నిర్ణయిస్తుంది. "build-on-click" అనేది LLMలను ఆదాయాన్ని ఆర్జించే ఏజెంట్లుగా మార్చడానికి కొత్త ప్రమాణంగా మారుతుందో లేదో రాబోయే కొన్ని త్రైమాసికాలు తెలియజేస్తాయి.