लगभग दो दशकों तक एंटरप्राइज लीडर्स द्वारा विश्वसनीय घटना में शामिल हों। वीबी ट्रांसफॉर्म एक साथ वास्तविक उद्यम एआई रणनीति बनाने वाले लोगों को एक साथ लाता है। और अधिक जानें
जबकि उद्यमों को महत्वपूर्ण अनुप्रयोगों में एआई एजेंटों को तैनात करने की चुनौतियों का सामना करना पड़ता है, एक नया, अधिक व्यावहारिक मॉडल उभर रहा है जो मनुष्यों को नियंत्रण में रखता है और एआई विफलता के खिलाफ रणनीतिक सुरक्षा के रूप में नियंत्रण में है।
ऐसा ही एक उदाहरण है मिक्ससऔर मिशन-महत्वपूर्ण कार्य के लिए एआई एजेंटों को रिले करने के लिए उपयोग और “सहकर्मी-इन-द-लूप” दृष्टिकोण।
यह दृष्टिकोण है और बढ़ते सबूतों की प्रतिक्रिया है कि पूरी तरह से स्वायत्त एजेंट हैं और उच्च-दांव जुआ खेलते हैं।
अनियंत्रित एआई की उच्च लागत
की समस्या एआई मतिभ्रम एआई अनुप्रयोगों का पता लगाने के रूप में कंपनियों के रूप में और ठोस जोखिम बन गया है। एक हालिया घटना में, एआई-संचालित कोड एडिटर कर्सर ने अपना समर्थन बॉट देखा आविष्कार और नकली नीति सार्वजनिक ग्राहक रद्दीकरण की सब्सक्रिप्शन, स्पार्किंग और लहर को प्रतिबंधित करना।
इसी तरह, फिनटेक कंपनी क्लाना प्रसिद्ध रूप से रिवर्स कोर्स इस कदम को स्वीकार करने के बाद एआई के साथ ग्राहक सेवा एजेंटों को बदलने के परिणामस्वरूप कम गुणवत्ता हुई। अधिक खतरनाक मामले में, न्यूयॉर्क शहर के एआई-संचालित व्यवसाय चैटबोट ने उद्यमियों को सलाह दी अवैध प्रथाओं में संलग्न हैंअनियंत्रित एजेंटों के भयावह अनुपालन जोखिमों को उजागर करना।
ये घटनाएं एक बड़ी क्षमता अंतर के लक्षण हैं। मई 2025 सेल्सफोर्स के अनुसार शोध पत्रआज के प्रमुख एजेंटों ने एकल-चरण कार्यों पर केवल 58% समय और बहु-चरण वाले लोगों पर सिर्फ 35% समय दिया, “वर्तमान एलएलएम क्षमताओं और वास्तविक दुनिया के उद्यम परिदृश्यों की बहुआयामी मांगों के बीच महत्वपूर्ण अंतर को उजागर किया।”
सहकर्मी-इन-द-लूप मॉडल
इस अंतर को पाटने के लिए, और नया दृष्टिकोण संरचित मानव निरीक्षण पर केंद्रित है। मिक्सस के सह-संस्थापक इलियट काट्ज ने वेंचरबीट को बताया, “एक एआई एजेंट को आपकी दिशा में और आपकी ओर से कार्य करना चाहिए।” “लेकिन अंतर्निहित संगठनात्मक निरीक्षण के बिना, ऑफ द ऑफ के पूरी तरह से स्वायत्त एजेंट वे हल करने की तुलना में अधिक समस्याएं पैदा करते हैं।”
यह दर्शन मिक्सस के सहयोगी-इन-द-लूप मॉडल को रेखांकित करता है, जो मानव सत्यापन को सीधे ऑटो वर्कफ़्लो में एम्बेड करता है। उदाहरण के लिए, और बड़े रिटेलर को हजारों स्टोरों से साप्ताहिक रिपोर्ट प्राप्त हो सकती है जिसमें महत्वपूर्ण परिचालन डेटा (जैसे, बिक्री वॉल्यूम, श्रम घंटे, उत्पादकता अनुपात, मुख्यालय से मुआवजा अनुरोध) शामिल हैं। मानव विश्लेषकों को डेटा की समीक्षा करने और उत्तराधिकारियों के आधार पर निर्णय लेने में घंटे बिताने चाहिए। मिक्सस के साथ, एआई एजेंट भारी उठाने, जटिल पैटर्न का विश्लेषण करने और असामान्य रूप से उच्च वेतन अनुरोधों या उत्पादकता आउटलेयर जैसी विसंगतियों को झंडी दिखाने के लिए ऑटोस करता है।
उच्च-दांव के फैसलों के लिए जैसे भुगतान प्राधिकरण या नीति उल्लंघन-वर्कफ्लो और मानव उपयोगकर्ता द्वारा “उच्च-जोखिम” के रूप में परिभाषित किया गया है-एजेंट रुकता है और प्रक्रिया करने से पहले मानव अनुमोदन की आवश्यकता होती है। एआई और मनुष्यों के बीच श्रम के विभाजन को एजेंट निर्माण प्रक्रिया को एकीकृत किया गया है।
“इस दृष्टिकोण का मतलब है कि मनुष्य केवल तभी शामिल होते हैं जब उनकी विशेषज्ञता वास्तविक रूप से महत्वपूर्ण 5-10% निर्णयों को जोड़ती है, जो महत्वपूर्ण प्रभाव डाल सकते हैं-जब शेष 90-95% नियमित कार्यों के माध्यम से प्रवाहित होता है,” आप मानक संचालन के लिए पूर्ण ऑटोडियन की गति प्राप्त करते हैं, लेकिन मानव ओवरसाइट संदर्भ, निर्णय, और जवाबदेही के मामले में ठीक से किक मारता है। “
एक डेमो में कि मिक्सस टीम ने वेंचरबीट को दिखाया, एक एजेंट बनाना एक सहज ज्ञान युक्त प्रक्रिया है जो सादे-पाठ निर्देशों के साथ हो सकती है। पत्रकारों के लिए, उदाहरण के लिए, सह-संस्थापक SHAI Magzimof ने केवल प्राकृतिक भाषा में मल्टी-स्टेप प्रक्रिया का वर्णन किया और मंच को विशिष्ट थ्रेसहोल्ड प्रतिष्ठित क्षति या कानूनी परिणामों के साथ मानव सत्यापन चरणों को एम्बेड करने के लिए निर्देशित किया।
प्लेटफ़ॉर्म के मुख्य स्ट्रेंग्स में से एक Google ड्राइव, ईमेल और स्लैक जैसे उपकरणों के साथ इसका एकीकरण है, जिससे एंटरप्राइज़ उपयोगकर्ता अपने स्वयं के डेटा स्रोतों को वर्कफ़्लोज़ में लाने और पसंद के संचार मंच से सीधे एजेंटों के साथ बातचीत करने की अनुमति देते हैं, बिना संदर्भों को स्विच करने या सीखने और नए इंटरफ़ेस (उदाहरण के लिए, तथ्य-चोकिंग एजेंट को संपादक के ईमेल के लिए अनुमोदन अनुरोध भेजने का निर्देश दिया गया था)।
प्लेटफ़ॉर्म की एकीकरण कैपैबिलिटी विशिष्ट उद्यम जरूरतों को पूरा करने के लिए आगे बढ़ती है। मिक्सस का समर्थन करता है मॉडल संदर्भ प्रोटोकॉल (एमसीपी), जो बुशबीन को अपने सर्वश्रेष्ठ उपकरणों और एपीआई से एग्रेस को जोड़ने में सक्षम बनाता है, मौजूदा आंतरिक प्रणालियों के लिए पहिया को फिर से मजबूत करने की आवश्यकता से बचता है। JIRA और Salesforce जैसे अन्य सॉफ़्टवेयर के लिए एकीकरण के साथ संयुक्त, यह एजेंटों को जटिल, क्रॉस-प्लेटफॉर्म कार्यों को करने की अनुमति देता है, जैसे कि ओपन इंजीनियरिंग टिकटों की जाँच करना और स्लैक पर और प्रबंधक को वापस रिपोर्ट करना।
मानवीय रूप से और रणनीतिक गुणक के रूप में
एंटरप्राइज एआई स्पेस वर्तमान में चल रहा है और वास्तविकता की जांच के रूप में कंपनियां प्रयोग से उत्पादन तक आगे बढ़ती हैं। कई उद्योग के नेताओं के बीच आम सहमति यह है कि लूप में मनुष्य और एगेंस के लिए व्यावहारिक आवश्यकता होती है कि वे अंतिम रूप से प्रदर्शन करें।
मिक्सस का सहयोगी मॉडल स्केलिंग एआई के अर्थशास्त्र को बदलता है। मिक्सस पेडिक्ट्स कि 2030, एजेंट की तैनाती 1000x बढ़ सकती है और प्रत्येक मानव ओवरसीर 50x अधिक प्रभावशाली हो जाएगा क्योंकि एआई एजेंट अधिक स्पष्ट हो जाते हैं। लेकिन मानव निरीक्षण की कुल आवश्यकता अभी भी बढ़ेगी।
“प्रत्येक मानव ओवरसियर समय के साथ तेजी से अधिक एआई काम का प्रबंधन करता है, लेकिन आपको अभी भी अधिक कुल ओवरसाइट एआई तैनाती की आवश्यकता है जो आपके संगठन में विस्फोट होता है,” काट्ज ने कहा।
उद्यम नेताओं के लिए, इसका मतलब है कि मानव कौशल गायब होने के बजाय विकसित होगा। एआई द्वारा प्रतिस्थापित किए जाने के बजाय, विशेषज्ञों को उन भूमिकाओं में पदोन्नत किया जाएगा जहां वे कृषि एग्रेस के ऑर्केस्ट्राट्रेट बेड़े और उनकी समीक्षा के लिए उच्च-दांव के फैसलों को संभालते हैं।
इस ढांचे में, भवन और मजबूत मानव ओवरसाइट फ़ंक्शन और प्रतिस्पर्धी लाभ बन जाता है, जिससे कंपनियों को अपने प्रतिद्वंद्वियों की तुलना में एआई को अधिक आक्रामक और सुरक्षित रूप से तैनात करने की अनुमति मिलती है।
“कंपनियां जो इस गुणन में महारत हासिल करती हैं, उनके उद्योगों पर हावी होंगी, जबकि पूर्ण स्वचालन का पीछा करने वाले लोग विश्वसनीयता, अनुपालन और विश्वास के साथ संघर्ष करेंगे,” काट्ज़ ने कहा।
स्रोत लिंक
टूर गाइडेंस
