శీర్షిక: సహాయం నుండి అమలు వరకు: ఆర్కిటెక్చరల్ మార్పు

కేవలం వినియోగదారులకు సహాయం చేయడమే కాకుండా, నిజంగా పనులను అమలు చేసేలా AI ఏజెంట్లను ఎలా పునర్నిర్మించాలో మైక్రోసాఫ్ట్ యొక్క 2026 “Agentic Transformation Patterns” ప్లేబుక్ వివరిస్తుంది. ఒకే ఒక్క ఎగ్జిక్యూషన్-మోడ్ ఏజెంట్‌ను పంపే ముందు, కోర్ ఇన్‌ఫ్రాస్ట్రక్చర్ కోసం 26 నుండి 60 ఇంజనీర్-వారాల సమయం పడుతుందని ఇది ఖచ్చితమైన అంచనా వేసింది. ఈ మార్పును విస్మరించే కంపెనీలు, తమంతట తాముగా సురక్షితంగా పనిచేయలేని బలహీనమైన సాధనాలను నిర్మించే ప్రమాదంలో పడతాయి.

సంస్థలు ప్రస్తుతం ఈమెయిల్స్ డ్రాఫ్ట్ చేయడం, కోడ్ స్నిప్పెట్‌లను సూచించడం లేదా డేటాను వెలికితీయడం వంటి పనుల కోసం లార్జ్-లాంగ్వేజ్-మోడల్ (LLM) అసిస్టెంట్లతో ప్రయోగాలు చేస్తున్నాయి. ఆ ఏజెంట్లు "అసిస్ట్" మోడ్‌లోనే ఉంటాయి: ప్రతి అవుట్‌పుట్‌ను మనిషి తనిఖీ చేస్తారు, మరియు ఒక థిన్ రాపర్ (thin wrapper) రిక్వెస్ట్‌ను మోడల్‌కు పంపి, ప్రతిస్పందనను తిరిగి తెస్తుంది. ఈ ఆర్కిటెక్చర్ తక్కువ ఖర్చుతో మరియు త్వరగా రూపొందించవచ్చు, కానీ ఇది నిర్ణయాలు తీసుకోవడం మరియు డేటా రైటింగ్ (data writes) వంటి పనులను కావాలనే వినియోగదారుడికే వదిలివేస్తుంది.

ఒక సంస్థ ఏజెంట్ పూర్తి వర్క్‌ఫ్లోను నిర్వహించాలని కోరుకున్నప్పుడు—డేటాబేస్‌ను నింపడం, డౌన్‌స్ట్రీమ్ ప్రాసెస్‌ను ప్రారంభించడం లేదా లావాదేవీని ఆమోదించడం వంటివి—ఆ మోడల్ ఇకపై మనిషి ధృవీకరించడానికి సమాధానాన్ని ఇచ్చే ఒక బ్లాక్ బాక్స్ (black box) లాగా ఉండకూడదు. ఏజెంట్ తన స్వంత గుర్తింపు (identity), పర్సిస్టెంట్ స్టేట్ (persistent state) మరియు బిల్ట్-ఇన్ సేఫ్టీ నెట్స్‌తో ఒక స్వయంప్రతిపత్తి కలిగిన సర్వీస్‌గా పనిచేయాలి. పాత అసిస్ట్-ఓన్లీ డిజైన్‌ను ఎగ్జిక్యూషన్-రెడీ సిస్టమ్‌గా మార్చలేమని, దీని కోసం ఏడు ఆర్కిటెక్చరల్ పిల్లర్ల (architectural pillars) ద్వారా మొదటి నుండి పునర్నిర్మించాల్సి ఉంటుందని మైక్రోసాఫ్ట్ వాదిస్తోంది.

ఎగ్జిక్యూషన్-రెడీ AI ఏజెంట్ల ఏడు పిల్లర్లు

  • అథారిటీ (Authority) – "యూజర్-డెలిగేటెడ్" అనుమతుల నుండి, పరిమిత యాక్సెస్ హక్కులను కలిగి ఉండే పర్సిస్టెంట్ ఏజెంట్ ఐడెంటిటీలకు మారాలి. ఏజెంట్ మనిషి టోకెన్ లేకుండానే డౌన్‌స్ట్రీమ్ సర్వీసులకు తనను తాను అథెంటికేట్ చేసుకోవాలి.
  • బౌండరీస్ (Boundaries) – కీలకమైన గణనల కోసం అడ్-హాక్ మోడల్ రీజనింగ్‌కు బదులుగా డిటర్మినిస్టిక్ కోడ్ పాత్‌లను (deterministic code paths) ఉపయోగించాలి. ఖచ్చితత్వం అవసరమయ్యే ఏ అంశమైనా—ఆర్థిక గణితం, కంప్లయన్స్ చెక్‌లు—పరీక్షించబడిన సాఫ్ట్‌వేర్‌లో నడవాలి, మోడల్ అవుట్‌పుట్ నుండి ఊహించకూడదు.
  • స్కీమాస్ (Schemas) – లూజ్లీ-టైప్డ్ డేటా ఎక్స్ఛేంజ్ నుండి, ఒక నిర్దేశిత డేటా స్టెవార్డ్ (data steward) ఆధీనంలో ఉండే కానానికల్ స్కీమాకు మారాలి. ఇది ఏజెంట్ తప్పుగా ఉన్న రికార్డులను (malformed records) రాయకుండా నిరోధిస్తుంది, తద్వారా డౌన్‌స్ట్రీమ్ సిస్టమ్స్ వాటిని ఉపయోగించుకోగలవు.
  • ఫెయిల్యూర్ డిటెక్షన్ (Failure Detection) – మానవ పర్యవేక్షణకు బదులుగా నిరంతర టెలిమెట్రీ మరియు బిజినెస్-అవుట్‌కమ్ మానిటరింగ్‌ను ఉపయోగించాలి. సిస్టమ్ స్వయంచాలకంగా అసాధారణతలను (anomalies), ఉదాహరణకు ఊహించని లావాదేవీల పరిమాణాలను గుర్తించాలి మరియు పరిమితులు దాటితే ఏజెంట్‌ను నిలిపివేయాలి.
  • స్టేట్ (State) – స్వల్పకాలిక చాట్ సెషన్‌లకు బదులుగా, సిస్టమ్ ఆఫ్ రికార్డ్‌లో నిల్వ చేయబడిన డ్యూరబుల్, కేస్-స్కోప్డ్ స్టేట్‌ను ఉపయోగించాలి. ఒక ఎగ్జిక్యూషన్ ఏజెంట్‌కు గత దశలు, ఆడిట్ ట్రయల్స్ లేదా వినియోగదారు ప్రాధాన్యతలను రోజులు లేదా వారాల తర్వాత కూడా గుర్తుంచుకోవాల్సి రావచ్చు.
  • రోల్‌బ్యాక్ (Rollback) – "రీ-రన్ ది ప్రాంప్ట్"కు బదులుగా, చర్యలను నమ్మదగిన రీతిలో వెనక్కి తీసుకోవడానికి వీలున్న ఈవెంట్-సోర్సింగ్ లేదా కాంపెన్సేటింగ్ ట్రాన్సాక్షన్‌లను ఉపయోగించాలి. ఏజెంట్ ఏదైనా తప్పు చేస్తే, మాన్యువల్ జోక్యం లేకుండా ప్లాట్‌ఫారమ్ ఆ పనుల ప్రభావాన్ని (side effects) వెనక్కి తీసుకోవాలి.
  • ఆడిటబిలిటీ (Auditability) – సాధారణ చాట్ ట్రాన్స్‌క్రిప్ట్‌ల నుండి, ప్రతి ఆపరేషన్‌ను ఒక నిర్దిష్ట ఏజెంట్ వెర్షన్ మరియు ఐడెంటిటీకి అనుసంధానించే పర్-యాక్షన్ లాగ్‌లకు (per-action logs) అప్‌గ్రేడ్ చేయాలి. దీనివల్ల రెగ్యులేటర్లు మరియు అంతర్గత ఆడిటర్లు ఏజెంట్ ఏమి చేసింది, ఎప్పుడు చేసింది మరియు ఏ పాలసీ కింద చేసింది అనే అంశాలను ఖచ్చితంగా గుర్తించగలరు.

ఈ మార్పులు ఐచ్ఛిక అదనపు ఫీచర్లు కావు; ఇవి AI-ఆధారిత ఆటోమేషన్ కోసం ఒక కొత్త ఆపరేటింగ్ మోడల్‌ను ఏర్పరుస్తాయి. ఈ పునాదిని నిర్మించడానికి 26 నుండి 60 ఇంజనీర్-వారాల సమయం పడుతుందని మైక్రోసాఫ్ట్ అంచనా వేస్తోంది.

ఖర్చు ఎందుకు ముఖ్యం

వినియోగదారుడి వర్క్‌ఫ్లోలో కేవలం కొన్ని నిమిషాలను మాత్రమే తగ్గించే తక్కువ విలువ కలిగిన పనుల కోసం ఎగ్జిక్యూషన్-మోడ్ ఏజెంట్లను ఉపయోగించవద్దని ఈ ప్లేబుక్ హెచ్చరిస్తోంది. అటువంటి పనుల కోసం చేసే ఇంజనీరింగ్ పెట్టుబడి, దాని వల్ల వచ్చే స్వల్ప ఉత్పాదకత లాభం కంటే ఎక్కువగా ఉంటుంది. ఆర్డర్ ఫుల్‌ఫిల్మెంట్, క్లెయిమ్ అడ్జుడికేషన్, కంప్లయన్స్ రిపోర్టింగ్ వంటి కొలవదగిన ఫలితాలు ఇచ్చే ప్రక్రియలను లక్ష్యంగా చేసుకోండి, ఇక్కడ స్వయంప్రతిపత్తి కలిగిన అమలు నేరుగా ఖర్చు తగ్గింపు లేదా రిస్క్ తగ్గింపుకు దారితీస్తుంది.

డేటా స్కీమాలను నిర్వహించడానికి పాలనాపరమైన అధికారం (Political authority) అవసరం.

ప్రతివాదన: అసిస్ట్-ఓన్లీ సరిపోతుందా?

అనేక అంతర్గత సపోర్ట్ సందర్భాలలో—మీటింగ్ నోట్స్ డ్రాఫ్ట్ చేయడం, నాలెడ్జ్-బేస్ ఆర్టికల్స్‌ను వెలికితీయడం వంటి వాటిలో—మానవ ధృవీకరణ అనేది ఒక ఆచరణాత్మక సేఫ్టీ నెట్‌గా ఉంటుంది. అయితే, దీని వల్ల సైకిల్ టైమ్స్ (cycle times) నెమ్మదించడం మరియు తుది నిర్ణయం కోసం మానవ శ్రమపై నిరంతరం ఆధారపడటం వంటి పరిమితులు ఉంటాయి.

ముగింపు స్పష్టంగా ఉంది: AI ఏజెంట్లను సహాయక పాత్ర నుండి స్వయంప్రతిపత్తి కలిగిన పాత్రలోకి మార్చడం అనేది కేవలం ఒక ఫీచర్ టోగుల్ (feature toggle) కాదు; అది పూర్తి ఆర్కిటెక్చరల్ రీరైట్ (architectural rewrite). ఇంజనీరింగ్ మరియు గవర్నెన్స్ అవసరాలను తక్కువగా అంచనా వేసే కంపెనీలు బలహీనమైన బాట్‌లను (brittle bots) విడుదల చేసే ప్రమాదంలో పడతాయి.