మోడల్స్ మరియు ఏజెంట్ల మధ్య కీలకమైన విభజన గురించి Vercel CEO Guillermo Rauch

AI పరిశ్రమ ప్రయోగాత్మక ప్రోటోటైపింగ్ నుండి ప్రొడక్షన్-రెడీ అప్లికేషన్ల వైపు మారుతున్న కొద్దీ, ఈ సాధనాలను నడిపించే ఇన్‌ఫ్రాస్ట్రక్చర్ భారీ మార్పులకు లోనవుతోంది. AI భవిష్యత్తు అనేది పనులను అమలు చేసే ఏజెంట్ల నుండి అంతర్లీన మోడల్స్‌ను వేరు చేయడం (decoupling) మరియు ఒక మాడ్యులర్ ఎకోసిస్టమ్ వైపు వెళ్లడంలో ఉందని Vercel CEO Guillermo Rauch వాదిస్తున్నారు.

ప్రోటోటైపింగ్ నుండి ప్రొడక్షన్ వైపు మార్పు

గత సంవత్సరం, AI రంగం "ఏజెంట్లను విడుదల చేయడం" మరియు పైలట్ ప్రోగ్రామ్‌ల ద్వారా సాధ్యమయ్యే పరిమితులను పరీక్షించడంతో ముగిసింది. అయితే, డెవలపర్లు AIని ఎలా ఉపయోగిస్తున్నారనే విషయంలో గణనీయమైన పరిణతి చెందినట్లు Vercel యొక్క ఇటీవలి డేటా సూచిస్తోంది. ఈ కంపెనీ ప్రస్తుతం రోజుకు 6 మిలియన్ల డిప్లాయ్‌మెంట్లను నిర్వహిస్తోంది, అందులో 50% కంటే ఎక్కువ కోడింగ్ ఏజెంట్ల ద్వారా జరుగుతున్నాయి. అంతేకాకుండా, ప్రతిరోజూ Vercel AI గేట్‌వే ద్వారా 1 ట్రిలియన్ కంటే ఎక్కువ టోకెన్లు ప్రవహిస్తున్నాయి.

Rauch ప్రకారం, పరిశ్రమ "అపరిమిత అవకాశాలు" (sky's the limit) అనే దశను దాటి, ఇప్పుడు ప్రొడక్షన్ యొక్క వాస్తవాలతో—అంటే సెక్యూరిటీ, డేటా యాక్సెస్ మరియు ఆడిటబిలిటీతో—పోరాడుతోంది. ఈ మార్పు ఏజెంట్ల కోసం రెండు ప్రధాన "killer apps"లను హైలైట్ చేసింది: కోడింగ్ అసిస్టెంట్లు మరియు వ్యాపార వర్క్‌ఫ్లోలను ఆటోమేట్ చేయడానికి రూపొందించబడిన అంతర్గత కార్పొరేట్ ఏజెంట్లు.

సెక్యూరిటీ సందిగ్ధతను పరిష్కరించడం: Sandboxes మరియు డేటా కంట్రోల్

స్వయంప్రతిపత్తి కలిగిన (autonomous) ఏజెంట్లను మోహరించడంలో (deploying) ఎదురయ్యే అతిపెద్ద అడ్డంకులలో ఒకటి డేటా లీకేజీ రిస్క్. Airbus వంటి సంస్థలకు ఉన్న ఒక కీలక ఆందోళనను Rauch నొక్కి చెప్పారు: ఒక డెవలపర్ సరైన రక్షణ చర్యలు లేకుండా Cursor లేదా Devin వంటి AI-ఇంటిగ్రేటెడ్ IDEని ఉపయోగిస్తే, వారి సొంత (proprietary) కోడ్ తెలియకుండానే పబ్లిక్ మోడల్స్‌ను ట్రైన్ చేయడానికి ఉపయోగించబడవచ్చు.

ఈ రిస్క్‌లను తగ్గించడానికి, Vercel ప్రత్యేకమైన ఇన్‌ఫ్రాస్ట్రక్చర్‌ను అభివృద్ధి చేస్తోంది. వారి Eve ఫ్రేమ్‌వర్క్ వినియోగదారులు నేచురల్ లాంగ్వేజ్ ఉపయోగించి ఏజెంట్ యొక్క సూచనలు మరియు నైపుణ్యాలను నిర్వచించడానికి అనుమతిస్తుంది, అదే సమయంలో Vercel Sandbox ఏజెంట్‌కు ఒక "కేజ్" (cage) లాగా పనిచేస్తుంది. ఈ సాండ్‌బాక్స్ ఏజెంట్ తన తెలివితేటలను ఉపయోగించుకోవడానికి అనుమతిస్తుంది, అదే సమయంలో ఏ డేటాను యాక్సెస్ చేయవచ్చు మరియు ముఖ్యంగా, ఏ డేటా పర్యావరణం (environment) నుండి బయటకు వెళ్లడానికి అనుమతించబడుతుంది అనే దానిపై కఠినమైన విధానాలను అమలు చేస్తుంది.

SaaS డేటా సైలోస్ (Data Silos) ముగింపు

ఏజెంట్ల పెరుగుదల సాంప్రదాయ SaaS బిజినెస్ మోడల్స్‌తో ప్రాథమిక సంఘర్షణను కూడా సృష్టిస్తోంది. అనేక సాఫ్ట్‌వేర్ దిగ్గజాలు వినియోగదారుల డేటాను తమ సొంత ఎకోసిస్టమ్స్‌లో "బంధించడం" ద్వారా తమ విలువను పెంచుకున్నాయి. అయితే, ఏజెంట్లు సమర్థవంతంగా పనిచేయడానికి డేటాకు సీమ్‌లెస్, API-ఆధారిత యాక్సెస్ అవసరం కాబట్టి, ఈ మోడల్ ఏజెంట్లకు సహజంగానే సరిపోదని Rauch పేర్కొన్నారు.

సేల్స్ ప్రతినిధి సంక్లిష్టమైన Salesforce డేటాను కనుగొనడానికి ఏజెంట్‌ను ఉపయోగించినా లేదా R&D టీమ్ వర్క్‌ఫ్లోలను ఆటోమేట్ చేసినా, ఏజెంట్లకు ఓపెన్ ఆర్కిటెక్చర్ అవసరం. ఈ మార్పు కంపెనీలు డేటా యాక్సెసిబిలిటీకి ప్రాధాన్యత ఇచ్చేలా చేస్తోంది, ఇది ఎంటర్‌ప్రైజ్ సాఫ్ట్‌వేర్ ఎలా నిర్మించబడుతుంది మరియు విక్రయించబడుతుంది అనే దానిపై దీర్ఘకాలిక ప్రభావాలను చూపుతుంది.

ఓపెన్ AI ఇన్‌ఫ్రాస్ట్రక్చర్ కోసం పోరాటం

OpenAI వంటి ప్రధాన AI ల్యాబ్‌లు తమ సామర్థ్యాలను విస్తరిస్తున్నప్పుడు—ఉదాహరణకు నేరుగా వెబ్‌లో ప్రచురించే సాధనాలను విడుదల చేయడం వంటివి—Vercel వంటి ప్లాట్‌ఫారమ్ కంపెనీలు ప్రత్యక్ష పోటీని ఎదుర్కొంటున్నాయి. "మోడల్" మరియు "ఏజెంట్" కలిసి ఉండాలా (coupled) లేదా వేరు చేయాలా (decoupled) అనే అంశంపై జరిగే పోరాటంగా Rauch దీనిని చూస్తున్నారు.

Vercel తనను తాను "ఈ తరం యొక్క AWS"గా నిలబెట్టుకుంటోంది, డెవలపర్లు LEGO బ్రిక్స్ లాగా భాగాలను (components) మార్చుకోగలిగే మాడ్యులర్ విధానాన్ని సమర్థిస్తోంది. ఒకే ప్రొవైడర్‌తో ముడిపడి ఉండటానికి బదులుగా, డెవలపర్లు OpenAI, Anthropic, Google's Gemini మరియు DeepSeek వంటి ఓపెన్ సోర్స్ మోడల్స్‌ను మిక్స్ చేస్తూ ధర మరియు పనితీరు (performance) కోసం ఆప్టిమైజ్ చేస్తున్నారు.

ముఖ్య అంశాలు

  • ప్రోటోటైపింగ్ కంటే ప్రొడక్షన్ ముఖ్యం: Vercel యొక్క రోజువారీ 1 ట్రిలియన్ టోకెన్ల ఆధారంగా, AI పరిశ్రమ ప్రయోగాత్మక పైలట్ల నుండి భారీ స్థాయి ప్రొడక్షన్ వైపు మారుతోంది.
  • సెక్యూరిటీ అత్యంత కీలకం: సొంత డేటా మోడల్ ట్రైనింగ్ సెట్‌లలోకి లీక్ కాకుండా నిరోధించడానికి Vercel Sandbox వంటి సాధనాలు అవసరం.
  • మాడ్యులర్ ఆర్కిటెక్చర్: AI సాఫ్ట్‌వేర్ భవిష్యత్తు మోడల్స్‌ను ఏజెంట్ల నుండి వేరు చేయడంపై ఆధారపడి ఉంటుంది, ఇది డెవలపర్లు మల్టీ-మోడల్ విధానాన్ని ఉపయోగించి ఖర్చు మరియు పనితీరును ఆప్టిమైజ్ చేయడానికి అనుమతిస్తుంది.