मुस्तफा सुलेमान, माइक्रोसॉफ्ट के AI CEO, ने हाल ही में MIT टेक्नोलॉजी रिव्यू में घोषणा की कि कंप्यूटिंग 'लगभग मानव-स्तरीय एजेंटों' की दहलीज पर है। यह बहुत अच्छा है, बशर्ते हम यह पता लगा सकें कि उन्हें गलती से आपके निजी मेडिकल रिकॉर्ड किसी अजनबी को ईमेल करने से कैसे रोका जाए।\n\nडेटाब्रिक्स की 'स्टेट ऑफ AI एजेंट्स' रिपोर्ट के अनुसार, केवल 19% संगठनों ने AI एजेंट तैनात किए हैं, और वह भी ज्यादातर सीमित आधार पर। डेटाब्रिक्स के AI प्रमुख क्रेग विले ने ZDNET को बताया कि CFO की तीन चिंताएँ हैं: नियंत्रण, गुणवत्ता और लागत। तो मूल रूप से वही चिंताएँ जो उन्हें अपने किशोर बच्चों के बारे में होती हैं, लेकिन अधिक डेटा लीक के साथ।\n\nविले की पहली सर्वोत्तम प्रथा शासन है - विशेष रूप से, यह नियंत्रित करना कि कोई एजेंट किस डेटा तक पहुँच सकता है। उन्होंने महिला स्वास्थ्य ऐप फ्लो की ओर इशारा किया, जिसके 75 मिलियन उपयोगकर्ता हैं और एक व्यक्ति के ओवुलेशन चार्ट को दूसरे के साथ मिलाने का वैध डर है। विले ने कहा, 'आखिरी चीज़ जो वे चाहेंगे वह यह है कि किसी ऐप उपयोगकर्ता को ऐसा जवाब मिले जिसमें किसी अन्य ऐप उपयोगकर्ता की जानकारी शामिल हो,' एक ऐसे व्यक्ति की अल्पोक्ति के साथ जिसने कभी डेटा उल्लंघन की सुर्खी नहीं देखी।\n\nएसेट मैनेजर फ्रैंकलिन टेम्पलटन को पोर्टफोलियो रिपोर्ट के साथ इसी तरह की चुनौती का सामना करना पड़ता है। कोई भी अपने वित्तीय सलाहकार से एक ईमेल प्राप्त नहीं करना चाहता जो 'प्रिय ग्राहक, यहाँ किसी और की कुल संपत्ति है' से शुरू होता है। विले जोर देते हैं कि डेटा सेगमेंटेशन को 'नियतात्मक रूप से बाध्य' किया जाना चाहिए, न कि केवल एक प्रॉम्प्ट में सुझाया जाना चाहिए - क्योंकि AI, एक विचलित इंटर्न की तरह, कम से कम प्रतिरोध का रास्ता अपनाएगा।\n\nदूसरी प्रथा मूल्यांकन है। जब फ्लो के डेवलपर्स को सटीकता सुनिश्चित करने की आवश्यकता थी, तो उन्होंने प्रोग्रामर से आउटपुट का न्याय करने के लिए नहीं कहा; उन्होंने वास्तविक चिकित्सकों से पूछा। विले ने समझाया, 'सॉफ्टवेयर प्रोग्रामर वह लिखते हैं जिसे ऑर्केस्ट्रेशन सिस्टम कहा जाता है, लेकिन यह चिकित्सक थे जो कह रहे थे, "इस प्रतिक्रिया को अतिरिक्त संदर्भ या रंग की आवश्यकता है।"' मूल्यांकन निरंतर होना चाहिए, न केवल अंतिम उत्तरों की जाँच करना बल्कि एजेंट की सोच के हर मध्यवर्ती चरण की भी। जो कंपनियाँ ऐसा करती हैं, उनके एजेंटों को उत्पादन में लाने की संभावना छह गुना अधिक होती है - जो या तो मूल्यांकन का प्रमाण है या बाकी सभी की एक अभिशप्त निंदा है।\n\nतीसरी चिंता, लागत, मूल रूप से पहले दो कामों को सही करने का इनाम है। विले ने कहा, 'एक बार जब आप ये दो काम कर सकते हैं, तो ईमानदारी से, बाकी कार्यान्वयन विवरण बन जाता है।' लेकिन लागत पर शुरू से ही विचार किया जाना चाहिए: 'क्या यह कुछ ऐसा है जिसे हम आज एक उचित लागत सीमा के भीतर हल कर सकते हैं? और यह मानते हुए कि हम इसे हल कर सकते हैं, क्या यह वास्तव में आपकी कंपनी में सुई हिलाएगा?'\n\nविले छोटी शुरुआत करने की सलाह देते हैं। सुविधा स्टोर श्रृंखला 7-इलेवन ने सेवा तकनीशियनों के लिए एक 'सुपर असिस्टेंट' बनाया जो उपकरणों के बारे में ढेर सारे दस्तावेज़ों तक पहुँचता है, जिससे किसी दोस्त को फोन करके पूछने की आवश्यकता कम हो जाती है, 'क्या आपने यह समस्या पहले देखी है?' परिणाम: पहली बार ठीक करने की दर में 25% की वृद्धि और मरम्मत के समय में 40% की गिरावट। बेलर विश्वविद्यालय संभावित छात्रों के साथ कॉल की रिकॉर्डिंग की समीक्षा करने के लिए एजेंटों का उपयोग करता है, उन निर्णय कारकों का विश्लेषण करता है जो मानव नोट-लेने वाले अनिवार्य रूप से चूक जाते हैं।\n\nफ्रैंकलिन टेम्पलटन के निवेश पोर्टफोलियो विश्लेषण के स्वचालन ने नए उत्पाद के अवसरों में $15 मिलियन से अधिक की पहचान की - संभवतः ग्राहक पोर्टफोलियो में अंतराल को देखकर जो मनुष्य देखने में बहुत व्यस्त थे।\n\nविले एजेंटिक AI की वर्तमान स्थिति की तुलना 'वेब पर 2001 के समकक्ष' से करते हैं, जहाँ कंपनियाँ अपने वेब पेजों में निवेश कर रही हैं लेकिन वास्तव में यह नहीं समझती हैं कि इस सब का उद्देश्य क्या है। मुख्य निष्कर्ष: पहले अपने डेटा को क्रम में रखें। विले ने कहा, 'यदि आपका डेटा अच्छी स्थिति में है, तो हम इसे [एक एजेंटिक सिस्टम बना और तैनात कर सकते हैं] आज दोपहर कर सकते हैं। यदि आपका डेटा खराब स्थिति में है, तो असली समस्या यह होगी कि हमें आपके डेटा को क्रम में लाने में कितना समय लगेगा।'\n\nतो लगभग मानव-स्तरीय एजेंटों का रास्ता साफ डेटा, कठोर मूल्यांकन, और शाश्वत आशा से प्रशस्त है कि आपका AI गलती से किसी अजनबी को आपके गहरे रहस्यों को प्रकट नहीं करेगा। भविष्य में आपका स्वागत है।