ஜெனரேஷன் முதல் ஏஜென்சிக்கு: AI இன் அடுத்த அலை மற்றும் நிறுவன வேலை ஓட்டம் ஆட்டோமேஷனில் அதன் வெளிப்பாட்டை பகுப்பாய்வு செய்தல்

1.0 நிர்வாக சுருக்கம்

மனித புத்திசாலித்தனம் (AI) துறை ஒரு குறிப்பிடத்தக்க முன்னுதாரண மாற்றத்தை அனுபவித்து வருகிறது, முக்கியமாக உள்ளடக்கத்தை உருவாக்கும் அமைப்புகளிலிருந்து தன்னியக்க செயல்களை செய்யக்கூடிய அமைப்புகளாக உருவாகி வருகிறது. இந்த அறிக்கை இந்த மாற்றத்தின் விரிவான பகுப்பாய்வை வழங்குகிறது, ஜெனரேடிவ் AI இன் நிறுவப்பட்ட திறன்கள், ஏஜென்டிக் AI இன் வளர்ந்து வரும் சக்தி, மற்றும் நிறுவன செயல்பாடுகளுக்கான மூலோபாய தாக்கங்களை ஆராய்கிறது. முக்கிய கண்டுபிடிப்பு என்னவென்றால், ஜெனரேடிவ் AI உள்ளடக்க உருவாக்கம் மற்றும் தகவல் ஒருங்கிணைப்பு ஆகியவற்றை புரட்சியாக மாற்றியிருந்தாலும், ஏஜென்டிக் AI அடுத்த தர்க்கரீதியான படியாகும், இது AI இன் சாத்தியமkeitကို நன்கு வரையறுக்கப்பட்ட, இலக்கு நோக்கிய செயலாக மாற்றுகிறது மற்றும் வணிக செயல்முறை ஆட்டோமேஷனின் நிலையத்தை மீண்டும் வரையறுக்கிறது.

ப_FOUNDATION models_/ மற்றும் ப_Large Language Models (LLMs)_/ ஆல் இயக்கப்படும் ஜெனரேடிவ் AI, குறிப்பிட்ட பயனர் குறிப்புகளுக்கு பதிலளிக்கும் போது புதிய உரை, படங்கள், குறியீடு மற்றும் பிற மீடியாவை உருவாக்குவதில் சிறந்தது. தனது மதிப்பு மனித கண்டுபிடிப்பு மற்றும் உற்பத்தித்திறனை அதிகரிப்பதில் உள்ளது, தனித்துவமான, உள்ளடக்க மையமாகிய பணிகளை ஆட்டோமேட் செய்வதன் மூலம். இந்த கருவிகளின் பரவலான ஏற்றுக்கொள்ளல் அடிப்படை உள்ளடக்க உருவாக்கத்தை பொருளாக்குகிறது, ப்ராம்ப்ட் இன்ஜினியரிங் மற்றும் மனித மேற்பார்வையின் மூலோபாய முக்கியத்துவத்தை உயர்த்துகிறது.

இதற்கு மாறாக, ஏஜென்டிக் AI சுதந்திரத்தின் ஒரு புதிய நிலையை அறிமுகப்படுத்துகிறது. இந்த அமைப்புகள் அவற்றின் முன்னெடுப்பு, தகவமைப்பு மற்றும் இலக்கு நோக்குத்தன்மையால் வரையறுக்கப்படுகின்றன. குறிப்புகளுக்கு பதிலளிப்பதற்கு பதிலாக, AI ஏஜென்டுகள் குறைந்த மனித தலையீட்டுடன் உயர் மட்டத்தின் இலக்குகளை பின்பற்றும் வகையில் வடிவமைக்கப்பட்டுள்ளன. அவை உணர்வு, பகுத்தறிவ, திட்டமிடல், செயல்பாடு மற்றும் கற்றல் ஆகியவற்றின் தொடர்ச்சியான லூப்பில் செயல்படுகின்றன, இது பல்வேறு டிஜிட்டல் பிளாட்பார்ம்களில் சிக்கலான, பல-படி வேலை ஓட்டங்களை நிர்வகிக்க முடியும். இந்த அமைப்புகளின் கட்டமைப்பு பெரும்பாலும் பல சிறப்பு செய்யும் ஏஜென்டுகளின் ஆர்க்கெஸ்ட்ரேஷனை உள்ளடக்கியது, அவை மொத்த வணிக இலக்குகளை அடைய இணைந்து செயல்படுகின்றன. இது AI ஐ ஒரு கருவியாக இருந்து AI ஐ ஒரு டிஜிட்டல் பணியாளராக மாற்றுகிறது.

ஒரு முக்கியமான பகுப்பாய்வு வெளிப்படுத்துகிறது என்னவென்றால், ஏஜென்டிக் AI ஜெனரேடிவ் AI க்கு மாற்று அல்ல, மாறாக LLMs ஐ ஒரு முக்கிய பகுத்தறிவ இயந்திரமாகப் பயன்படுத்தி அதில் கட்டமைக்கப்பட்ட ஒரு பரிணாமமாகும். இருப்பினும், வணிக தயாரிப்புகள் பெருக்கிய முறையில் இரு முன்னுதாரணங்களின் திறன்களை கலந்துகொள்வதால், வேறுபாடு மங்கலாகி வருகிறது. Seasalt.ai ஆல் உருவாக்கப்பட்ட SeaMeet ஐ “ஏஜென்டிக் மீட்டிங் கோபைலட்” என பிரச்சாரிக்கும் ஒரு விரிவான வழக்கு ஆய்வு இந்த போக்கை விளக்குகிறது. அதன் முக்கிய செயல்பாடுகள் ஜெனரேடிவ் (திருத்தம், சுருக்கம்) என்றாலும், பின்தொடரும் ஆவணங்களை உருவாக்குவதற்கான மின்னஞ்சல் அடிப்படையிலான வேலை ஓட்டம் “புரோட்டோ-ஏஜென்டிக்” திறனைக் குறிக்கிறது—ஒரு நுணுக்கமான, மனிதத்தால் தூண்டப்பட்ட ஆட்டோமேஷன், இது தயாரிப்புகளில் ஏஜென்ட் போன்ற அம்சங்களை ஊட்டுவதற்கான பரந்த சந்தை இயக்கத்தை சிக்னல் செய்கிறது.

வணிக தலைவர்களுக்கு, தர்க்கரீதியான அவசியம் இரட்டைக்குட்பட்டது: உடனடி உற்பத்தித்திறன் ஆதாயங்களுக்கு ஜெனரேடிவ் AI ஐ பயன்படுத்துவதும், அதே நேரத்தில் புதிய ஆட்டோமேஷன் யுகத்திற்கு முக்கிய வணிக செயல்முறைகளை மீண்டும் வடிவமைக்க ஏஜென்டிக் AI உடன் மூலோபாய பரிசோதனைகளைத் தொடங்குவதும். வெற்றிகரமான ஏற்றுக்கொள்ளல் தரவு готовیت், வலுவான பாதுகாப்பு மற்றும் மேலாண்மை கட்டமைப்புகள் மற்றும் தன்னியக்க அமைப்புகளை நிறுவுவதில் உள்ள நெறிமுறை பரிசீலனைகள் பற்றிய தெளிவான அறிவு ஆகியவற்றை நிறுவல் மீது தங்கியுள்ளது. இந்த தொழில்நுட்பத்தின் பாதை மனித மற்றும் AI ஏஜென்டுகளின் ஒரு ஒத்துழைப்பு சூழல் நிறுவன செயல்திறன், கண்டுபிடிப்பு மற்றும் மதிப்பு உருவாக்கத்தை இயக்கும் ஒரு எதிர்காலத்தை நோக்கி செல்கிறது.

2.0 ஜெனரேடிவ் புரட்சி: உள்ளடக்க உருவாக்கியாக AI

முக்கிய வணிக மற்றும் நுகர்வோர் பயன்பாடுகளில் செயற்கை நுண்ணறிவின் சமீபத்திய மற்றும் விரைவான பரவல் ஜெனரேடிவ் AI இன் எழுச்சியால் பெரும்பாலும் காரணமாகும். AI இன் இந்த துணைத்துறை பொது மனதை கவர்ந்து வைத்துள்ளது மற்றும் இயந்திரங்களுக்கு அசல் உள்ளடக்கை உருவாக்கும் திறனை வழங்குவதன் மூலம் குறிப்பிடத்தக்க உற்பத்தித்திறன் ஆதாயங்களை திறக்கியது. இந்த முன்னுதாரணத்தின் இயக்க முறைகள், திறன்கள் மற்றும் வரம்புகளைப் புரிந்துகொள்வது தன்னியக்க ஏஜென்டிக் அமைப்புகளுக்கு அடுத்த குதிப்பை சூழலாக்குவதற்கு அவசியமாகும்.

2.1 முன்னுதாரணத்தை வரையறுக்குதல்: உருவாக்கத்தின் இயக்க முறைகள்

ஜெனரேடிவ் செயற்கை நுண்ணறிவு (Generative Artificial Intelligence) என்பது பயனர் உள்ளீட்டிற்கு பதிலளிக்கும் போது புதிய உள்ளடக்கங்கள், அதாவது உரை, படங்கள், ஆடியோ, வீடியோ அல்லது பிற வடிவங்களில் தரவு ஆகியவற்றை உருவாக்க மशीनலர்னிங் மாடல்களைப் பயன்படுத்தும் AI இன் ஒரு வகையாகும்.1 முன்கூட்டிய முன்பredictions_/ அல்லது classification_/ செய்ய வடிவமைக்கப்பட்ட பாரம்பரிய AI அமைப்புகள் அல்லது ஏற்கனவே இருக்கும் தகவல்களைக் கண்டறிந்து தொகுக்கும் தேடல் எஞ்சின்கள과 வேறுபட்டு, ஜெனரேடிவ் மாடல்கள் முற்றிலும் புதிய வெளியீடுகளை உருவாக்குகின்றன.2 அவை மனிதர்களால் உருவாக்கப்பட்ட பெரிய தரவுத் தொகுப்புகளில் பயிற்சி பெறுவதன் மூலம் இதை அடைகின்றன. இந்த பயிற்சி செயல்பாட்டின் மூலம், மாடல்கள் தரவுக்குள் உள்ள அடிப்படை முறைகள், கட்டமைப்புகள் மற்றும் உறவுகளை கற்கின்றன. அவற்றின் முக்கிய செயல்பாடு நிகழ்தகவு 기반ானது; அவை ஒரு வரிசையில் அடுத்த சாத்தியமான உறுப்பை கணிக்கின்றன—ஒரு வாக்கியத்தில் ஒரு வார்த்தை, ஒரு படத்தில் ஒரு பிக்சல் அல்லது ஒரு இசை அமைப்பில் ஒரு நோட் போன்றவை—ஒரு ஒத்திசைவான மற்றும் சூழல் பொருத்தமான முடிவை உருவாக்குகின்றன.2

நவீன ஜெனரேடிவ் AIயின் தொழில்நுட்ப அடிப்படை அடித்தள மாதிரிகள் (FMs) எனப்படும் கட்டமைப்புகள் மற்றும் குறிப்பாக பெரிய மொழி மாதிரிகள் (LLMs) மீது அமைந்துள்ளது.4 FMs என்பது பரந்த அளவிலான இயந்திர கற்றல் மாதிரிகளாகும், அவை பொதுவான மற்றும் லேபிள் செய்யப்படாத தரவுகளின் பரந்த நிறைவில் முன் பயிற்சி பெற்றவை, இதனால் அவை புறக்கணிக்காமல் பல்வேறு பணிகளைச் செய்ய முடியும்.4 OpenAIயின் ஜெனரேடிவ் ப்ரீ-ட்ரெயின்ட் டிரான்ஸ்ஃபார்மர் (GPT) தொடர் போன்ற LLMs, சுருக்கம், உரை உருவாக்கம், வகைப்பாடு மற்றும் திறந்த முடிவு பேச்சு போன்ற மொழி அடிப்படையிலான பணிகளில் குறிப்பாக கவனம் செலுத்தும் FMs இன் ஒரு வகையாகும்.4

இந்த மாதிரிகளின் அளவு மற்றும் சிக்கலானது அவற்றின் முன்னோடிகளை விட பெரிய முன்னேற்றத்தைக் குறிக்கிறது. ஒரு நூற்றாண்டுக்கு முன்பு உருவாக்கப்பட்ட மார்கோவ் சங்கிலிகள் போன்ற ஜெனரேடிவ் AIயின் ஆரம்ப வடிவங்கள், அடுத்த வார்த்தை கணிப்பைச் செய்ய முடிந்தது, ஆனால் சில முன்னবর্তী வார்த்தைகளுக்கு அப்பால் பரந்த சூழலை கருத்தில் கொள்ள முடியாமையால் வரையறுக்கப்பட்டன.5 இதற்கு மாறாக, ChatGPT போன்ற நவீன LLMs பில்லியன்கள் கணக்கான அளவுருக்களுடன் கட்டமைக்கப்பட்டவை, மேலும் பொதுவாகக் கிடைக்கும் இணையத்தின் குறிப்பிடத்தக்க பகுதியில் பயிற்சி பெற்றவை, இதனால் அவை மொழியில் உள்ள சிக்கலான சார்புகள், நுண்ணிய விவரங்கள் மற்றும் புள்ளியியல் முறைகளை புரிந்து கொள்ள முடியும். இந்த பெரிய அளவு அவற்றை நம்பக்கூடிய, அதிநவீனமான மற்றும் மனித போன்ற உரையை உருவாக்க முடிக்கிறது, இது எளிய ஆட்டோ-முடிக்கும் செயல்பாடுகளை விட மிக அதிகமாக நகர்கிறது.5 அடிப்படை தொடர்பு மாதிரி எதிர்வினையாக இருக்கிறது: அமைப்பு பயனரிடமிருந்து ஒரு குறிப்பிட்ட ஊக்கத்தை காத்திருக்கிறது, பின்னர் பதிலாக உள்ளடக்கத்தை உருவாக்குகிறது.6

இந்த சக்திவாய்ந்த மற்றும் அணுகக்கூடிய கருவிகளின் பரவல், உள்ளடக்க தொடர்பான வேலையின் தன்மையை அடிப்படையில் மாற்றுகிறது. ஜெனரேடிவ் AI தேவைக்கு ஏற்ப உயர் தரம் கொண்ட அடிப்படை உள்ளடக்கத்தை உருவாக்க முடியும் போது, பொருளாதார மதிப்பு கைமுறையாக உருவாக்கும் செயலிலிருந்து நகர்கிறது. அதற்கு பதிலாக, AIக்கு வழங்கப்படும் மூலோபாய திசையில் மதிப்பு அதிகரித்து வருகிறது. விரும்பிய வெளியீட்டைத் தூண்டும் துல்லியமான, சூழல் நிறைந்த ஊக்கத்தை உருவாக்கும் திறன்—பெரும்பாலும் “ப்ராம்ப்ட் இன்ஜினியரிங்” என்று அழைக்கப்படும் திறன்—முக்கியமான திறனாக மாறுகிறது. இந்த இயக்கம் மனித பங்கை தூய உருவாக்கியாக இருந்து படைப்பு இயக்குனர், மூலோபாயத் திட்டமிடுபவர் மற்றும் எடிட்டராக மாற்றுகிறது, அவர் AI ஐ சக்திவாய்ந்த சக்தி பெருக்கியாகப் பயன்படுத்துகிறார். தொழில்நுட்பம் மனித முயற்சியை மாற்றுவது மட்டுமல்ல, மனிதனின் மூலோபாய உள்ளீட்டின் தரம் AIயின் வெளியீட்டின் தரத்தை நேரடியாக நிர்ணயிக்கும் ஒரு புதிய ஒத்துழைப்பு அடுக்கை உருவாக்குகிறது.

2.2 முக்கிய திறன்கள் மற்றும் பயன்பாடுகள்: ஜெனரேடிவ் கருவிகளின் ஆய்வு

ஜெனரேடிவ் AIயின் பயன்பாடுகள் பரந்த துறைகளில் பரவியுள்ளன, இது அடிப்படை அடித்தள மாதிரிகளின் பல்துறை திறனைக் குறிக்கிறது. இந்த கருவிகள் உற்பத்தித்திறனை அதிகரிக்க, படைப்பு பணிகளை ஆதரிக்க மற்றும் தொடர்பு முறையை தானியங்க화하기 위해 தொழில்கள் முழுவதும் வேலை ஓட்டங்களில் ஒருங்கிணைக்கப்படுகின்றன.4 அதன் முக்கிய திறன்களின் ஆய்வு, நவீன அறிவு வேலைக்கான விரிவான கருவிகளை வெளிப்படுத்துகிறது.

முதன்மையான மற்றும் பரவலாக ஏற்றுக்கொள்ளப்பட்ட பயன்பாடு உரை உருவாக்கம் ஆகும். ஜெனரேடிவ் மாதிரிகள், புரოფெஷனல் மின்னஞ்சல்கள், மார்க்கெட்டிங் காபி, தொழில்நுட்ப அறிக்கைகள் வரை வரையறுக்குதல் முதல் கவிதைகள் மற்றும் கதைகள் போன்ற படைப்பு படைப்புகளை உருவாக்குதல் வரை பரந்த அளவிலான எழுதப்பட்ட உள்ளடக்கத்தை உருவாக்க முடியும்.2 இந்த திறன் நீட்டிக்கப்படுகிறது

உள்ளடக்க சுருக்கம் மற்றும் ஒருங்கிணைப்பு க்கு, அங்கு AI நீண்ட ஆவணங்கள், ஆராய்ச்சி கட்டுரைகள் அல்லது பேச்சுகளை சுருக்கமான மற்றும் சிக்கக்கூடிய சுருக்கங்களாக மாற்றலாம், இது பயனர்களுக்கு பெரிய அளவிலான அமைப்பு இல்லாத தரவுகளிலிருந்து முக்கிய தகவல்களை விரைவாக புரிந்து கொள்ள உதவுகிறது.2

உரையை விட அதிகமாக, ஜெனரேடிவ் AI மல்டிமீடியா உருவாக்கத்தில் குறிப்பிடத்தக்க முன்னேற்றங்களை செய்துள்ளது. DALL-E 3, Midjourney மற்றும் Stable Diffusion போன்ற கருவிகள் எளிய உரை விவரங்களிலிருந்து உயர் தரம், அசல் படங்கள் மற்றும் கலை படைப்புகளை உருவாக்க முடியும்.8 இது வீடியோ மற்றும் ஆடியோவுக்கு நீட்டிக்கப்படுகிறது, அங்கு வளர்ந்து வரும் மாதிரிகள் விர்சுவல் உதவிகள் மற்றும் ஆடியோ புத்தக விவரிப்பு போன்ற பயன்பாடுகளுக்கு அனிமேஷன்களை உருவாக்கலாம் அல்லது இயற்கையான ஒலியுடன் பேச்சை ஒருங்கிணைக்கலாம்.8

மென்பொருள் மேம்பாடு துறையில், ஜெனரேடிவ் AI புரோகிராமர்களுக்கு சக்திவாய்ந்த உதவியாக செயல்படுகிறது. GitHub Copilot போன்ற பிளாட்பார்ம்கள் மேம்பாட்டு சூழல்களில் நேரடியாக ஒருங்கிணைக்கப்பட்டு, குறியீடு துண்டுகளை பரிந்துரைக்க, செயல்பாடுகளை முடிக்க, புரோகிராமிங் மொழிகளுக்கு இடையில் மொழிபெயர்க்க மற்றும் இருக்கும் குறியீட்டை பிழைத் தீர்க்க உதவுகின்றன.2 இது மேம்பாட்டு வாழ்க்கைச் சுழற்சியை துரிதப்படுத்துகிறது மற்றும் பொறியாளர்களை உயர் மட்டத்தின் கட்டமைப்பு பிரச்சனைகளில் கவனம் செலுத்த அனுமதிக்கிறது.10

மற்றொரு அதிநவீன பயன்பாடு செயற்கை தரவு உருவாக்கம் ஆகும். ஜெனரேடிவ் மாதிரிகள் உண்மையான உலக தரவுத்தொகுப்பின் புள்ளியியல் பண்புகளைப் பிரதிபலிக்கும் புதிய, செயற்கை தரவை உருவாக்க முடியும். இந்த செயற்கை தரவு பிற இயந்திர கற்றல் மாதிரிகளுக்கு பயிற்சி அளிப்பதற்கு மிகவும் முக்கியமானது, குறிப்பாக சுகாதாரம் அல்லது நிதி போன்ற உண்மையான உலக தரவு குறைவாக, உணர்திறன் கொண்ட அல்லது பெறுவது விலை உயர்ந்த துறைகளில்.4

வணிக நிலப்பரப்பில் பல புகழ்பெற்ற பயன்பாடுகள் உள்ளன, அவை இந்த திறன்களை மில்லியன் கணக்கான பயனர்களுக்கு கொண்டு வந்துள்ளன. இவை ChatGPT மற்றும் Gemini போன்ற பேச்சு AIகள், Grammarly போன்ற எழுத்து உதவிகள், மேலும் Microsoft Copilot மற்றும் Adobe Firefly போன்ற ஒருங்கிணைந்த தீர்வுகளை அடங்கும், அவை ஜெனரேடிவ் அம்சங்களை ஏற்கனவே உள்ள உற்பத்தித் தொகுப்புகளில் உட்பொதிக்கின்றன.9 இந்த கருவிகளின் மொத்த வணிக மதிப்பு என்பது உள்ளடக்க உருவாக்கத்தை தன்னியக்கமாக்குவதன் மூலமும் குறிப்பிட்ட, உள்ளீடு-ஆధારित பணிகளை சுருக்கமாக்குவதன் மூலமும் உற்பத்தித்திறனை மேம்படுத்தும் மற்றும் புதுமையை ஊக்குவிப்பதன் திறனில் உள்ளது.4

3.0 ஏஜென்டிக் லீப்: உள்ளடக்க உருவாக்கத்திலிருந்து தன்னாட்சி செயல்பாடு வரை

ஜெனரேடிவ் AI உள்ளடக்க உருவாக்கத்தில் ஒரு புரட்சியைக் குறிக்கிறது என்றாலும், புதிய புலம் என்பது உருவாக்கத்திலிருந்து செயல்பாட்டிற்கு மாறுவதாக வரையறுக்கப்படுகிறது. ஏஜென்டிக் AI இந்த பரிணாமத்தைக் குறிக்கிறது, அது விடையளிப்பது மட்டுமல்ல, சிக்கலான இலக்குகளை அடைய தன்னார்வாக செயல்படும் அமைப்புகளை அறிமுகப்படுத்துகிறது. தன்னாட்சிக்கு நோக்கிய இந்த பெருக்கம் புதிய அளவிலான உற்பத்தித்திறனை திறக்கும் மற்றும் வணிக செயல்முறை தன்னியக்கத்தின் அடிப்படை தன்மையை மாற்றும் வாக்குறுதியைக் கொண்டுள்ளது.

3.1 தன்னாட்சி அமைப்புகளின் பிறகாலம்: ஏஜென்சியை வரையறுக்குதல்

ஏஜென்டிக் AI என்பது உயர்ந்த நிலையிலான புள்ளிவிவர மொழி மாதிரியைக் (LLM) அடிப்படையாகக் கொண்ட மேம்பட்ட ப형態의 செயற்கை நுண்ணறிவாகும், இது குறைந்த மனித தலைமுறையுடன் முடிவுகளை எடுக்கும் மற்றும் பணிகளைச் செய்யும் தன்னாட்சி அமைப்புகளின் வளர்ச்சியை மையமாகக் கொண்டுள்ளது.13 “ஏஜென்டிக்” என்ற சொல் ஏஜென்சி என்ற கருத்திலிருந்து பெறப்பட்டது—அது சூழலில் தன்னார்வாக மற்றும் நோக்கமாக செயல்பட்டு முன்கூட்டியே நிர்ணயிக்கப்பட்ட இலக்குகளை அடையும் அமைப்பின் திறன் ஆகும்.15 இது பாரம்பரிய AI, ஜெனரேடிவ் AI உட்பட, அடிப்படையில் ப্রতিকிரியాత्मಕವானவற்ற과 முற்றிலும் மாறுபட்டுள்ளது. ஒரு ஜெனரேடிவ் மாதிரி ஒரு ஊக்கத்தை காத்திருக்கிறது மற்றும் ஒரு முன்கூட்டியே வரையறுக்கப்பட்ட வேலை ஓட்டத்தைப் பின்பற்றி ஒரு வெளியீட்டை உருவாக்குகிறது; ஒரு ஏஜென்டிக் அமைப்பு, உயர் மட்டத்திலான இலக்கு கொடுக்கப்பட்ட பிறகு, அந்த இலக்கை அடைய ஒரு திட்டத்தை முன்கூட்டியே உருவாக்கி செயல்படுத்தலாம்.7

முக்கிய வேறுபாடு கோரிக்கை-விடை மாதிரியிலிருந்து இலக்கு-முனைந்த மாதிரிக்கு மாறுவதில் உள்ளது. ஒரு ஏஜென்டிக் அமைப்பு படிப்படியான வழிமுறைகளைப் பின்பற்றுவது அல்ல. மாறாக, இது ஒரு சிக்கலான இலக்கை சிறிய, நிர்வகிக்கக்கூடிய துணை-கடமைகளின் வரிசையாகப் பிரிக்கும் மற்றும் அவற்றை தன்னார்வாகப் பின்பற்றும் திறனைக் கொண்டுள்ளது.17 இந்த முன்கூட்டிய செயல்பாடு தன்மை அதற்கு தேவைகளை முன்கூட்டியே கண்டறிய, சாத்தியமான பிரச்சனைகளை அடையாளம் காண, அவை அதிகரிக்கும் முன் பிரச்சனைகளை நிவர்த்தி செய்ய முன்முயற்சி செய்ய அனுமதிக்கிறது, இது ப্রতিকிரியాత्मಕ அமைப்புகளின் வீச்சுக்கு அப்பால் உள்ள திறன் ஆகும்.15

3.2 AI ஏஜென்டின் உடற்கூறு: செயல்பாட்டு வளையம்

ஏஜென்டிக் AI இன் செயல்பாடு அதன் தன்னாட்சி நடத்தையை செயல்படுத்தும் முக்கிய பண்புகளின் தொகுப்பின் மீது கட்டமைக்கப்பட்டுள்ளது. இந்த அமைப்புகள் பின்வருமாறு வடிவமைக்கப்பட்டுள்ளன:

• முன்கூட்டிய செயல்பாடு & தன்னாட்சி: அவை ஒவ்வொரு செயலுக்கும் வெளிப்படையான கட்டளைகளை காத்திருக்காது. மாறாக, அவை நிலையான மனித கண்காணிப்பு இல்லாமல் பணிகளைச் செய்ய ஒரு அளவு சுதந்திரத்துடன் செயல்படுகின்றன, இது நீண்ட கால இலக்குகளையும் பல-படி பிரச்சனைகளையும் நிர்வகிக்க அனுமதிக்கிறது.15
• தழுவக்கூடிய: முக்கியமான அம்சம் தொடர்புகளிலிருந்து கற்று மாறும் சூழல்களுக்கு ஏற்ப மாற்றும் திறன் ஆகும். அவை புதிய தகவல்கள் அல்லது பின்னூட்டங்களின் அடிப்படையில் தனது மூலோபாயங்கள் மற்றும் செயல்களை நிகழ்நேரத்தில் சரிசெய்ய முடியும், இது அவற்றை மாறும் மற்றும் கணிக்க முடியாத சூழ்நிலைகளுக்கு பொருத்தமாக்குகிறது.12
• இலக்கு-முனைந்த: AI ஏஜென்டுகள் குறிப்பிட்ட இலக்குகளை அடையும் வகையில் வெளிப்படையாக வடிவமைக்கப்பட்டுள்ளன. அவை இலக்கை அடைய தேவையான படிகளைப் பற்றி நினைக்கின்றன மற்றும் அதற்கு ஒரு மூலோபாயத்தை உருவாக்குகின்றன.14
• தர்க்கம் & திட்டமிடல்: ஏஜென்டிக் அமைப்பின் மையத்தில் ஒரு தர்க்க இயந்திரம் உள்ளது, இது பெரும்பாலும் ஒரு சக்திவாய்ந்த பெரிய மொழி மாதிரி (LLM) ஆகும். LLM ஏஜென்டின் “மூளை” olarak செயல்படுகிறது, இது தரவை பகுப்பாய்வு செய்ய, சூழலைப் புரிந்து கொள்ள, சாத்தியமான தீர்வுகளை உருவாக்க, மற்றும் ஒரு செயல் பாதையை திட்டமிட அனுமதிக்கிறது.14

AI ஏஜென்டின் செயல்பாடு ஒரு தொடர்ச்சியான, சுழற்சி செயல்முறையாக புரிந்து கொள்ளலாம். இந்த வளையம் ஏஜென்டுக்கு அதன் சூழலுடன் புத்திசாலியாக தொடர்பு கொள்ளவும் காலப்போக்கில் அதன் செயல்திறனை செம்மைப்படுத்தவும் அனுமதிக்கிறது 16:

1. புலனுணர்ச்சி: ஏஜென்ட் அதன் சூழலிலிருந்து தரவை சேகரிப்பதன் மூலம் தொடங்குகிறது. இது APIs, தரவுத்தளங்கள், சென்சார்கள் அல்லது நேரடி பயனர் தொடர்புகள் போன்ற பல மூலங்களிலிருந்து வரலாம்.
2. தர்க்கம்: சேகரிக்கப்பட்ட தரவு அர்த்தமுள்ள நுண்ணறிவுகளை பிரித்தெடுக்கும் வகையில் செயலாக்கப்படுகிறது. இயற்கை மொழி செயலாக்குதல் போன்ற திறன்களைப் பயன்படுத்தி, ஏஜென்ட் தகவலை விளக்கி, முறைகளைக் கண்டறி, பரந்த சூழலைப் புரிந்து கொள்கிறது.
3. தீர்மானம் எடுக்குதல்: அதன் தர்க்கத்திற்கும் முன்னர் வரையறுக்கப்பட்ட இலக்குகளுக்கும் அடிப்படையில், ஏஜென்ட் பல சாத்தியமான செயல்களை மதிப்பிடுகிறது. செயல்திறன், வெற்றியின் நிகழ்தகவு மற்றும் முன்கணிக்கப்பட்ட விளைவுகள் போன்ற காரணிகளின் அடிப்படையில் சிறந்த செயல்பாட்டை தேர்ந்தெடுக்கிறது.
4. செயலாக்குதல்: தேர்ந்தெடுக்கப்பட்ட செயல்பாடு ஏஜென்ட் மூலம் செய்யப்படுகிறது. இது பெரும்பாலும் APIs ஐ அழைப்பது, தரவை கையாள்வது அல்லது பயனர்களுடன் தொடர்பு கொள்வது போன்ற வெளிப்புற அமைப்புகளுடன் தொடர்பு கொள்வதை உள்ளடக்குகிறது.
5. கற்றல் மற்றும் தழுவல்: செயலாக்குதலுக்குப் பிறகு, ஏஜென்ட் விளைவை மதிப்பிடுகிறது. இந்த பின்னூட்டம் அதன் உள் மாதிரிகளை செம்மைப்படுத்தவும் எதிர்கால முடிவுகளை மேம்படுத்தவும் பயன்படுத்தப்படுகிறது, பெரும்பாலும் வலுவூட்டல் கற்றல் போன்ற நுட்பங்கள் மூலம்.

இந்த செயல்பாட்டு கட்டமைப்பு அடித்தள மாதிரிகளின் மூல திறனை நடைமுறைக்கு ஏற்ற, இலக்கு நோக்கிய செயலாக மாற்றுகிறது. LLM பகுத்தறிவு மற்றும் புரிதலுக்கு மைய நுண்ணறிவை வழங்குகிறது என்றாலும், திட்டமிடுதல், கருவி பயன்பாடு, நினைவகம் மற்றும் சுற்றுச்சூழல் தொடர்பு போன்ற கூறுகளைக் கொண்ட ஏஜென்டிக் கட்டமைப்பு இந்த நுண்ணறிவை உண்மையான உலக义务ங்களுக்கு பயன்படுத்த அனுமதிக்கிறது. இந்த உறவு ஒரு கணினியின் இயக்க ம�רכת과 அதன் பயன்பாட்டு மென்பொருளுக்கு ஒப்புமையாக உள்ளது. LLM அடிப்படை திறன்களை வழங்கும் சக்திவாய்ந்த இயக்க ம�רכתாகும், அதே சமயம் ஏஜென்டிக் அமைப்பு இந்த திறன்களை பயன்படுத்தி பயனருக்கு குறிப்பிட்ட, மதிப்புமிக்க செயல்பாடுகளைச் செய்யும் பயன்பாடு அடுக்காகும், இது ஒரு எளிய சாட் இடைமுகத்தை விட மிக அதிகமாக உள்ளது.

3.3 ஒத்துழைப்பின் சக்தி: ஆர்கেস்ட்ரேஷன் மற்றும் மல்டி-எஜென்ட் அமைப்புகள்

உண்மையான உலக வணிக பிரச்சனைகளின் சிக்கலானது பெரும்பாலும் மாறுபட்ட திறன்கள் மற்றும் துறை அறிவை தேவைப்படுத்துகிறது. இதை நிவர்த்தி செய்ய, முன்னேறிய ஏஜென்டிக் அமைப்புகள் பெரும்பாலும் மல்டி-எஜென்ட் அமைப்புகளாக வடிவமைக்கப்படுகின்றன, அங்கு பல, மிகவும் சிறப்பு செய்யப்பட்ட AI ஏஜென்டுகள் ஒரு பொதுவான இலக்கை அடைய ஒத்துழைக்கின்றன.15 உதாரணமாக, நிதி சேவைகள் சூழலில், ஒரு ஏஜென்ட் ஒழுங்குமுறை இணக்கம்方面 சிறப்பு செய்யலாம், மற்றொரு ஏஜென்ட் மошல் கண்டறிதல方面, மூன்றாவது போர்ட்ஃபோலியோ மேம்படுத்தல方面 சிறப்பு செய்யலாம். இந்த ஏஜென்டுகள் தங்கள் செயல்பாடுகளை ஒழுங்குபடுத்துகின்றன, நுண்ணறிவுகளை பகிர்ந்து கொள்கின்றன, முழுமையான தீர்வை வழங்குவதற்கு தேவையான போது义务ங்களை ஒப்படைக்கின்றன, இது ஒரு தனி, பொதுவான ஏஜென்ட்டின் திறனை விட அதிகமாக இருக்கும்.15

இந்த ஒத்துழைப்பு மாதிரி ஆர்கেস்ட்ரேஷன் எனப்படும் முக்கியமான செயல்பாட்டை தேவைப்படுத்துகிறது. ஆர்கেস்ட்ரேஷன் ஒரு சுற்றுச்சூழலில் உள்ள பல்வேறு AI ஏஜென்டுகள் மற்றும் அமைப்புகளின் மேலோட்டமான மேலாண்மை மற்றும் ஒழுங்குமுறையாகும்.16 ஒரு ஆர்கেস்ட்ரேஷன் பிளாட்ஃபார்ம் வேலை ஓட்டங்களை தானியங்க화 செய்வது, இலக்குகளை நோக்கிய முன்னேற்றத்தை கண்காணித்தல், வளங்கள் ஒதுக்கீட்டை மேலாண்மை செய்வது மற்றும் தோல்விகளை கையாள்வது பொறுப்பாகும். இது தனிப்பட்ட ஏஜென்டுகள் ஒரே மாதிரியாக மற்றும் திறமையாக வேலை செய்யும் 것을 உறுதி செய்கிறது. இது “AI ஏஜென்ட்” (இது ஒரு தனி கருவி அல்லது நிபுணராகக் காணலாம்) மற்றும் “ஏஜென்டிக் AI” (இது இந்த ஏஜென்டுகளை மேலாண்மை செய்து பரந்த, மிகவும் சிக்கலான நோக்கங்களை அடையும் ஒருங்கிணைந்த அமைப்பைக் குறிக்கிறது) இடையே உள்ள வேறுபாட்டை தெளிவுபடுத்துகிறது.14 Amazon Bedrock மற்றும் Google’s Vertex AI Agent Builder போன்ற தொழில்நுட்ப பிளாட்ஃபார்ம்கள் இந்த நுண்ணிய மல்டி-எஜென்ட் அமைப்புகளை உருவாக்குவதற்கும் ஆர்கெஸ்ட்ரேட் செய்வதற்கும் உள்கட்டமைப்பை வழங்குவதற்கு உருவாக்கப்படுகின்றன, இது AI வளர்ச்சியில் மோனோலிதிக் மாதிரிகளிலிருந்து ஒத்துழைப்பு டிஜிட்டல் பணியாளர்களுக்கு முக்கிய கட்டமைப்பு மாற்றத்தை அறிவிக்கிறது.14

4.0 ஒப்பீட்டு கட்டமைப்பு: ஜெனரேடிவ் vs ஏஜென்டிக் அமைப்புகள்

ஜெனரேடிவ் மற்றும் ஏஜென்டிக் AI க்கு இடையிலான வேறுபாடுகள் மற்றும் உறவை புரிந்துகொள்வது ஒரு ஒத்திசைவான AI மூலோபாயத்தை உருவாக்க விரும்பும் எந்த நிறுவனத்திற்கும் முக்கியமானது. இரண்டும் ஒத்த அடிப்படை தொழில்நுட்பங்களைப் பயன்படுத்தினாலும், அவற்றின் நோக்கம், தொடர்பு மாதிரிகள் மற்றும் செயல்பாட்டு வீச்சு அடிப்படையில் வேறுபடுகின்றன. ஏஜென்டிக் AI ஜெனரேடிவ் AI க்கு போட்டியாளர் அல்ல, மாறாக உள்ளடக்க உருவாக்கத்திலிருந்து义务செயல் செய்வதற்கு அதன் திறன்களை அடிப்படையாகக் கொண்ட செயல்பாட்டு பரிணாமமாகும்.

4.1 ரியாக்டிவ் ப்ராம்ப்ஸ் vs புரோஆக்டிவ் இலக்குகள்: முக்கிய வேறுபாடு

இரண்டு பாரடைம்களுக்கு இடையிலான மிக அடிப்படையான வேறுபாடு அவற்றின் செயல்பாட்டு நிலையில் உள்ளது: ஜெனரேடிவ் AI ரியாக்டிவ் ஆகும், அதே சமயம் ஏஜென்டிக் AI புரோஆக்டிவ் ஆகும்.7 ஜெனரேடிவ் அமைப்பு ஒரு குறிப்பிட்ட பயனர் ப்ராம்ப்ஸுக்கு நேரடியாக பதிலளிக்கும் உள்ளடக்கத்தை உருவாக்க வடிவமைக்கப்படுகிறது. இது வழிமுறைகளை காத்திருக்கும் ஒரு பாசிவ் கருவியாகும்.17 மாறாக, ஏஜென்டிக் அமைப்பு உயர் மட்டத்திலான இலக்கை பursue செய்யும் செயல்களை நிகழ்த்த வடிவமைக்கப்படுகிறது. இது அதன் நோக்கங்கள் மற்றும் சுற்றுச்சூழலின் உணர்வின் அடிப்படையில் முன்னெடுப்பு எடுக்கும் செயலில் பங்கேற்கும் ஒரு அக்டிவ் பங்கேற்பாளராகும்.15

இந்த வேறுபாட்டை ஒரு நடைமுறை ஒப்புமையால் தெளிவுபடுத்தலாம். ஜெனரேடிவ் AI மிகவும் திறமையான நிபுணர், பின்னணி எழுத்தாளர் அல்லது வரைகலை வடிவமைப்பாளர் போன்றவர்களைப் போல் உள்ளது. நீங்கள் இந்த நிபுணருக்கு விரிவான சுருக்கம் (“தலைப்பு X க்கு 500 வார்த்தைகள் கொண்ட பிளாக் போஸ்டை தொழில்முறை தொனியில் எழுதுங்கள்”) வழங்குகிறீர்கள், அவர்கள் அந்த குறிப்பிட்ட义务த்தை நிறைவு செய்கிறார்கள். இருப்பினும், அவர்கள் ஒரு பிளாக் போஸ்ட் தேவை என்று சுயாதீனமாக முடிவு செய்ய மாட்டார்கள, கேட்கப்படாமல் தலைப்பை ஆராய மாட்டார்கள அல்லது அதன் வெளியீட்டை நேரம் நிர்ணயிக்க மாட்டார்கள்.6 மாறாக, ஏஜென்டிக் AI ஒரு தன்னாட்சி திட்டம் மேலாளருக்கு ஒப்புமையாக உள்ளது. நீங்கள் இந்த மேலாளருக்கு உயர் மட்டத்திலான இலக்கை (“இந்த காலாண்டில் எங்கள் இலக்கு பார்வையாளர்களுடன் ஈடுபாட்டை அதிகரிக்கவும்”) வழங்குகிறீர்கள். ஏஜென்டிக் மேலாளர் பின்னர் சுயாதீனமாக ஒரு திட்டத்தை உருவாக்கும், இதில் ஒரு தொடர் பிளாக் போஸ்ட்களை ஆணையிடுவது (இது ஒரு ஜெனரேடிவ் மாதிரிக்கு ஒப்படைக்கும்义务), சோசியல் மீடியா புதுப்பிப்புகளை நேரம் நிர்ணயிப்பது, ஈடுபாட்டு தரவை பகுப்பாய்வு செய்வது மற்றும் செயல்திறனின் அடிப்படையில் மூலோபாயத்தை சரிசெய்வது போன்றவை இருக்கலாம், இவை அனைத்தும் ஒவ்வொரு செயலுக்கும் படி-படி வழிமுறைகள் தேவையில்லாமல் நிகழ்கின்றன.7

இந்த செயல்பாட்டு வேறுபாடு மனித தொடர்பின் தன்மையை நேரடியாக பாதிக்கிறது. ஜெனரேடிவ் AI உடன், பயனர் “லூபில்” உள்ளார், செயல்பாட்டின் ஒவ்வொரு கட்டத்திலும் திசை மற்றும் முடிவுகளை வழங்குகிறார். ஏஜென்டிக் AI உடன், பயனர் “லூப் மீது” உள்ளார், ஒட்டுமொத்த இலக்குகளை அமைக்கிறார் மற்றும் மேற்பார்வையை வழங்குகிறார், ஆனால் முக்கியமாக விதிவிலக்குகளை கையாள அல்லது ஏஜென்ட் அதன் நிரலாக்கத்திற்கு அப்பால் உள்ள சூழ்நிலையை சந்திக்கும் போது மூலோபாய வழிகாட்டுதலை வழங்குகிறார்.6

4.2 ஒரு சமவாழ் உறவு: பரிணாமம், புரட்சி அல்ல

ஏஜென்டிக் AI ஜெனரேடிவ் AI ஐ பிரதியாக்காது; மாறாக, அது சமவாழ் உறவில் அதன் திறன்களை விரிவுபடுத்துகிறது.16 ஏஜென்டிக் அமைப்புகள் ஜெனரேடிவ் மாடல்கள், குறிப்பாக LLMs, அவற்றின் மைய செயலாக்க அலகு அல்லது “மூளை” என்று நம்பியுள்ளன.14 LLM ஆனது தர்க்கம், மொழி புரிதல் மற்றும் திட்டமிடல் ஆகிய முக்கியமான அறிவாற்றல் செயல்பாடுகளை வழங்குகிறது, இது ஏஜென்டுக்கு இலக்குகளை விளக்க, சூழ்நிலைகளை பகுப்பாய்வு செய் மற்றும் தந்திரங்களை உருவாக்க அனுமதிக்கிறது.

இந்த ஒத்திசைவை விளக்கும் தெளிவான உதாரணம் உள்ளது. ஒரு விற்பனை பிரதிநிதி, “எங்கள் முன்மொழிவைப் பற்றிய மரியாதைக்குரிய பின்தொடரல் மின்னஞ்சலை மெரியா வாங்கிற்கு எழுது” என்று அறிவுறுத்தல் આપுவதன் மூலம் தூய ஜெனரேடிவ் AI கருவியைப் பயன்படுத்தலாம். AI பத்தியை உருவாக்கும், ஆனால் பிரதிநிதியின் பின்னர் அதை மின்னஞ்சல் கிளையன்டில் தானாகவே நகலெடுக்க, மரியாவின் தொடர்பு விவரங்களைக் கண்டறிய, மின்னஞ்சலை அனுப்ப, பின்னர் தங்கள் கஸ்டமர் ரிலேஷன்ஷிப் மேனேஜ்மென்ட் (CRM) அமைப்பை புதுப்பிக்க வேண்டும். இது AI ஆல் மேம்படுத்தப்பட்ட, பிரித்து கொள்ளக்கூடிய, மனித-திருத்தப்பட்ட பணிகளின் தொடராகும்.7

ஒரு ஏஜென்டிக் அமைப்பு ஒரே இலக்கை வேறு முறையில் கையாளும். பிரதிநிதி, “பின்தொடரல் தேவை” என குறிக்கப்பட்ட எந்த முன்னோட்டத்திற்கும், இரண்டு வணிக நாட்களுக்குப் பிறகு பின்தொடரல் மின்னஞ்சலை அனுப்பு” போன்ற உயர்-நிலை விதி அல்லது இலக்கை அமைக்கும். பின்னர் ஏஜென்டிக் அமைப்பு தன்னிறைவாக பல-படி வேலை ஓட்டத்தை செயல்படுத்தும். இது தூண்டுதலுக்கு CRM ஐ கண்காணிக்க, குறிப்பிட்ட நேரத்தை காத்திருக்க, CRM இலிருந்து மரியாவின் விவரங்களை மீட்டெடுக்க, ஜெனரேடிவ் மாடலைப் பயன்படுத்தி தனிப்பயன் மின்னஞ்சலை உருவாக்க, API அழைப்பு மூலம் மின்னஞ்சலை அனுப்ப, இறுதியாக செயலை பதிவு செய்ய CRM ஐ புதுப்பிக்கும். இந்த வேலை ஓட்டத்தில், ஜெனரேடிவ் AI ஒரு முக்கிய அங்கமாகும்—ஏஜென்ட் அதன் பரந்த, தன்னிறைவு திட்டத்தின் ஒரு படியை முடிக்க பயன்படுத்தும் கருவி.7

இந்த உறவு எடுத்துக்காட்டுகிறது என்னவென்றால், இந்த இரண்டு கருத்துக்களுக்கு இடையேயான கோடு வணிக பயன்பாடுகளில் மேலும் மờம்புக்கு வருகிறது. ப্রতিকிரியాత्मಕ உள்ளடக்க உருவாக்கம் மற்றும் முன்கூட்டியே இலக்கை அடைவது இடையே உள்ள தத்துவார்த்த வேறுபாடு தெளிவாக உள்ளது, ஆனால் நடைமுறையில், மத்திய நிலையை ஆக்கிரமித்த பொருட்கள் வெளிவருகின்றன. ChatGPT போன்ற மேம்பட்ட ஜெனரேடிவ் கருவிகள், “செயல்பாடு அழைப்பு” போன்ற அம்சங்களைச் சேர்க்கின்றன, இது அவற்றை வெளிப்புற கருவிகளுடன் தொடர்பு கொள்ளவும், எளிய, சங்கிலி செயல்களைச் செய்யவும் அனுமதிக்கிறது, இதன் மூலம் ஆரம்ப கட்டத்தில் உள்ள ஏஜென்டிக் நடத்தைகளை வெளிப்படுத்துகிறது.2 மாறாக, ஏஜென்டிக் அமைப்புகள் அவற்றின் முக்கிய அறிவுக்கு ஜெனரேடிவ் திறன்களை அடிப்படையில் சார்ந்துள்ளன.14 இந்த ஒன்றிணைப்பு கூறுகிறது என்னவென்றால், பரிவர்த்தனை இரண்டு வேறுபட்ட தொழில்நுட்பங்களுக்கு இடையே இருமுனை தேர்வாக இல்லாமல், AI திறன்களின் நிறமாலையாக உருவாகி வருகிறது. இது வணிக தலைவர்களுக்கு ஒரு சவாலை உருவாக்குகிறது, அவர்கள் மார்க்கெட்டிங் லேபிள்களுக்கு அப்பால் பார்க்க வேண்டும், ஒரு குறிப்பிட்ட பொருள் வழங்கும் உண்மையான தன்னிறைவு மற்றும் அறிவு நிலையை துல்லியமாக மதிப்பிட வேண்டும்.

4.3 அட்டவணை 1: ஜெனரேடிவ் AI vs. ஏஜென்டிக் AI - அம்சம் மூலம் அம்சம் ஒப்பீடு

பின்வரும் அட்டவணை, ஜெனரேடிவ் மற்றும் ஏஜென்டிக் AI முன்மாதிரிகளுக்கு இடையேயான முக்கிய வேறுபாடுகளை சுருக்குவதற்கு சுருக்கமான, அம்ச-நிலை ஒப்பீட்டை வழங்குகிறது.

அம்சம்	ஜெனரேடிவ் AI (உள்ளடக்க உருவாக்குபவர்)	ஏஜென்டிக் AI (தன்னிறைவு செயல்பாட்டாளர்)	ஆதரவு துண்டுகள்
முதன்மை செயல்பாடு	கற்றுக்கொண்ட முறைகளின் அடிப்படையில் புதிய உள்ளடக்கங்கள் (பத்தி, படங்கள், குறியீடு) உருவாக்குவது.	பல-படி பணிகளைச் செயல்படுத்துவதன் மூலம் செயல்பட்டு உயர்-நிலை இலக்குகளை அடைவது.	2
தொடர்பு மாதிரி	ப্রতিকிரியాత्मಕ: குறிப்பிட்ட, நேரடி பயனர் அறிவுறுத்தல்களுக்கு பதிலளிக்கிறது.	முன்கூட்டியே: இலக்குகள் மற்றும் சுற்றுச்சூழல் தரவுகளின் அடிப்படையில் முன்னெடுப்பு எடுக்கிறது.	7
தன்னிறைவு நிலை	குறைந்த (மனித-இல்-லூப்): ஒவ்வொரு வெளியீட்டிற்கும் படிப்படியாக மனித வழிகாட்டுதல் தேவை.	உயர் (மனித-ஆன்-லூப்): விதிவிலக்குகளுக்கு மனித கண்காணிப்புடன் சுயாதீனமாக செயல்படுகிறது.	6
உள்ளீடு முறை	குறிப்பிட்ட அறிவுறுத்தல்கள்: “X பற்றிய மின்னஞ்சலை எழுது.”	உயர்-நிலை இலக்குகள்: “அனைத்து புதிய விற்பனை முன்னோட்டுகளுக்கான பின்தொடரல்களை நிர்வகிக்க.”	7
வேலை வீச்சு	குறுகிய, வரையறுக்கப்பட்ட பணிகள்: உள்ளடக்க உருவாக்கம், சுருக்கம், மொழிபெயர்ப்பு.	பரந்த, சிக்கலான வேலை ஓட்டங்கள்: செயல்முறை ஆட்டோமேஷன், பிரச்சனை தீர்வு, அமைப்பு நிர்வாகம்.	19
முக்கிய பொறிமுறை	முறை அங்கீகாரம் & கணிப்பு: வரிசையில் அடுத்த பொருளை கணிக்கிறது.	புலன்-தர்க்கம்-செயல் சுழற்சி: உணர்கிறது, திட்டமிடுகிறது, முடிவு செய்கிறது, செயல்படுகிறது மற்றும் கற்கிறது.	2
கருவி ஒருங்கிணைப்பு	குறைவான: பெரிய பயன்பாட்டிற்குள் அம்சமாக ஒருங்கிணைக்கப்படலாம்.	விரிவான: வெளிப்புற கருவிகள், APIs மற்றும் பிற அமைப்புகளை அழைக்க, செயல்படுவதற்கு இயல்பாக வடிவமைக்கப்பட்டுள்ளது.	14
வணிக ஒப்புமை	அதிக திறமையுள்ள நிபுணர் அல்லது உதவியாளர் (எ.கா., காபி ரைட்டர், கோடர், ஆராய்ச்சியாளர்).	தன்னிறைவு திட்ட மேலாளர் அல்லது டிஜிட்டல் ஊழியர்.	6

5.0 ஏஜென்டிக் நிறுவனம்: தன்னிறைவு வேலை ஓட்டங்களுடன் தொழில்களை மாற்றுகிறது

அஜென்டிக் AI இன் கோட்பாட்டு வாக்குறுதி விரைவாக நடைமுறை பயன்பாடுகளாக மாறுகிறது, இது பல துறைகளில் செயல்பாட்டு செயல்திறன் மற்றும் மூலோபாய திறனை மற định определить செய்யும் தயாராக உள்ளது. எளிய பணிகளை மட்டுமல்லாமல் சிக்கலான, முன்-முடிவு வேலை ஓட்டங்களை தானியங்க화 করுவதன் மூலம், அஜென்டிக் அமைப்புகள் நிறுவன உற்பத்தித்திறனின் புதிய முன்னுதாரணத்தை செயல்படுத்துகின்றன. இது முந்தைய தானியங்க화 தொழில்நுட்பங்களிலிருந்து குறிப்பிடத்தக்க பரிணாமத்தைக் குறிக்கிறது, மனித ஆற்றலை மாற்றியமைக்கும் மாறாக மேலும் மேம்படுத்துகிறது.

5.1 தாக்கத்தின் குறுக்கு துறை பகுப்பாய்வு

அஜென்டிக் AI இன் பலதரப்பட்ட தன்மை, அதன் பகுத்தறிவு, திட்டமிடல் மற்றும் டிஜிட்டல் அமைப்புகளுடன் தொடர்பு கொள்ளும் திறன் மூலம் உருவாகிறது, இது சிக்கலான தகவல் செயலாக்கம் மற்றும் முடிவெடுப்பு ஆகியவற்றை நம்பியிருக்கும் எந்தவொரு துறையிலும் அதன் பயன்பாட்டை அனுமதிக்கிறது.

• கொள்கையாளர் சேவை: அஜென்டிக் AI கொள்கையாளர் ஆதரவை எதிர்ப்பு முறையில், ஸ்கிரிப்ட் அடிப்படையிலான சாட்போட்களிலிருந்து முன்கூட்டிய சேவை ஏஜென்டுகளாக மாற்றுகிறது. இந்த அமைப்புகள் தன்னியக்க முறையில் கொள்கையாளர் கேள்விகளை நிர்வகிக்க முடியும், சிக்கலான பிரச்சனைகளை தீர்க்க அறிவு அடிப்படைகளை அணுகலாம், மீட்டு அல்லது திரும்பப் பெறுதல்களை செயல்படுத்தலாம், மேலும் பல சேனல்களில் தனிப்பயனாக்கப்பட்ட ஆதரவை வழங்கலாம், மிகவும் நுணுக்கமான அல்லது புரிதல் சார்ந்த தொடர்புகளுக்கு மட்டுமே மனித ஏஜென்டுகளுக்கு அதிகரிக்கும்.14
• நிதி மற்றும் வங்கி: தரவு அடங்கிய நிதி துறையில், AI ஏஜென்டுகள் நிகழ்வு நேரத்தில் பரிவர்த்தனைகளை கண்காணித்து சந்தேகத்தனமான செயல்பாட்டை தடுக்கும் நடவடிக்கை எடுத்து மோசடி கண்டறிதலை தானியங்க화 করত் பயன்படுத்தப்படுகின்றன. அவை தொடர்ச்சியான ஆபத்து மதிப்பீடுகளைச் செய்யலாம், சந்தை நிலைமைகள் மற்றும் முன்குறிப்பிட்ட மூலோபாயங்களின் அடிப்படையில் முதலீட்டு போர்ட்ஃபோலியோக்களை நிர்வகிக்கலாம், மேலும் சட்டத்தில் மாற்றங்களைக் கண்காணித்து உள் கொள்கைகளை பொருத்தமாக புதுப்பித்து ஒழுங்குமுறை இணக்கத்தை உறுதி செய்யலாம்.14
• சுகாதாரம்: சுகாதாரத்தில் அதன் தாக்கம் ஆழமானது. அஜென்டிக் அமைப்புகள் மருத்துவ பதிவுகள், ஆராய்ச்சி கட்டுரைகள் மற்றும் மருத்துவ பரிசோதனை தரவுகளை பகுப்பாய்வு செய்து நோயறிதல் மற்றும் சிகிச்சை திட்டமிடலில் உதவுவதன் மூலம் மருத்துவர்களுக்கு உதவ முடியும். அவை முன்கூட்டிய நோயாளி கண்காணிப்புக்கும் பயன்படுத்தப்படலாம், அணியக்க பொருள்களிலிருந்து தரவைப் பயன்படுத்தி ஆரோக்கிய பிரச்சனைகளின் ஆரம்ப அறிகுறிகளைக் கண்டறிந்து பராமரிப்பு குழுக்களுக்கு அறிவிக்கும், அல்லது தொடர் சந்திப்புகளை தானியங்க하게 நிரல்ப்படுத்தலாம்.14
• பொருள் சங்கிலி மற்றும் போக்குவரத்து: அஜென்டிக் AI மிகவும் வலுவான மற்றும் செயல்திறன் கொண்ட பொருள் சங்கிலிகளை உருவாக்கலாம். விற்பனை, சரக்கு, வானிலை, போக்குவரத்து ஆகியவற்றிலிருந்து தரவை பகுப்பாய்வு செய்வதன் மூலம், இந்த அமைப்புகள் தேவையை கணிக்கலாம், போக்குவரத்தை மேம்படுத்தலாம், தாமதங்களைத் தவிர்க்க முன்கூட்டிய முறையில் பொருள் அனுப்பல்களை மாற்றலாம், அதே நேரத்தில் செலவులை குறைக்கும் மற்றும் மனித கண்காணிப்பை குறைக்கும்.14
• மென்பொருள் உருவாக்கம் மற்றும் IT செயல்பாடுகள்: எளிய குறியீடு உருவாக்கத்திற்கு அப்பால், AI ஏஜென்டுகள் பிழை நீக்கம், சோதனை மற்றும் நிறுவல் உட்பட முழு மென்பொருள் உருவாக்கும் வாழ்க்கைச் சுழற்சியையும் தானியங்க화 করত் முடியும். IT சேவை நிர்வாகத்தில், ஏஜென்டுகள் எளிய ஹெல்ப்டெஸ்க் போட்களாக இருப்பதை விட சிக்கலான IT டிக்கெட்டுகளை தன்னியக்க முறையில் தீர்க்கும், நெட்வொர்க் பிரச்சனைகளை தீர்க்கும் மற்றும் மென்பொருள் வழங்கலை நிர்வகிக்கும்.14
• மனித வளங்கள்: மனித வளங்கள் துறைகள் நேரத்தை எடுத்துக்கொள்ளும் செயல்முறைகளை தானியங்க화 করত் அஜென்டிக் வேலை ஓட்டங்களைப் பயன்படுத்தலாம், எ如初ு ரிச்யூம் திரையிடல், அங்கு ஏஜென்டுகள் வேலை அளவுகோல்களுக்கு எதிராக விண்ணப்பதாரர்களை பகுப்பாய்வு செய்து மதிப்பிடலாம். அவர்கள் விண்ணப்பதாரர்கள் மற்றும் நியமன மேலாளர்களுக்கு இடத்தை ஒருங்கிணைப்பதன் மூலம் பேட்டி நிரல்ப்படுத்தலையும் செய்யலாம், மேலும் ஊழியர் உள்வரவு மற்றும் மாத சம்பள செயல்முறைகளை நிர்வகிக்கலாம்.25

இந்த பயன்பாடுகளின் உண்மையான, நீண்ட கால தாக்கம் தற்போதைய பணிகளை தானியங்க화 செய்வதை விட அதிகமாக நீட்டிக்கும். தன்னாட்சி ஏஜென்டுகளின் அறிமுகம் வணிக செயல்முறைகள் எவ்வாறு வடிவமைக்கப்படுகின்றன என்பதை அடிப்படையில் மற்றும் சிந்திக்க அனுமதிக்கிறது. மனித முடிவெடுப்பின் வேகம் மற்றும் திறனால் முன்பு கட்டுப்படுத்தப்பட்ட வேலை ஓட்டங்கள் மிகவும் மாறும், பதிலளிக்கக்கூடிய மற்றும் தரவு-ஆధாரિત ஆக மாற்றப்படலாம். உதாரணமாக, ஒரு ஏஜென்ட் பொருள் சங்கிலி இடையூறு சாத்தியம் என்பதை மனிதருக்கு மதிப்பிட வைக்கும் பிறகு மாறாக, முழுமையாக நிறுவப்பட்ட அஜென்டிக் அமைப்பு இடையூறின் நிதி தாக்கத்தை தன்னியக்க முறையில் மாதிரியாக்கி, மாற்று போக்குவரத்து பாதைகளை மதிப்பிடலாம், API மூலம் கேரியர்களுடன் புதிய நிபந்தனைகளை பேசலாம், புதிய திட்டத்துடன் நிறுவன ஆதார மேலாண்மை (ERP) அமைப்பை புதுப்பித்தலாம், மேலும் அனைத்து தொடர்புடைய பங்குதாரர்களுக்கு நிகழ்வு நேரத்தில் அறிவிக்கலாம். இது வெறும் பணி தானியங்க화가 அல்ல; இது வணிக செயல்முறையின் முழு மாற்றமாகும், இது முன்பு அடைய முடியாத அளவு செயல்பாட்டு சுறுசுறுப்பு மற்றும் வலிமையை செயல்படுத்துகிறது.

5.2 உற்பத்தித்திறனை மற định определить செய்வது: ரோபோடிக் பிரசஸ் ஆட்டோமேஷன் (RPA) இன் அப்பால்

அஜென்டிக் தானியங்க화ின் எழுச்சி ரோபோடிக் பிரசஸ் ஆட்டோமேஷன் (RPA) போன்ற பாரம்பரிய தானியங்க화 தொழில்நுட்பங்களை விட குறிப்பிடத்தக்க முன்னேற்றமாகக் குறிக்கிறது. RPA கட்டமைக்கப்பட்ட, மீண்டும் மீண்டும் செய்யப்படும் பணிகளை தானியங்க화 করত் மிகவும் பயனுள்ளதாக இருந்தது, எ如初ு தரவு நுழைவு அல்லது பில் செயலாக்கம். இருப்பினும், இது கட்டமைக்கப்படாத தரவு அல்லது அடிப்படை பயன்பாடுகள் அல்லது செயல்முறைகளில் மாற்றங்களை எதிர்க்கும் போது பெரும்பாலும் சிரமப்படுகிறது.7 எடுத்துக்காட்டாக, ஸ்கிரீன்-ஸ்கிராப்பிங் போட்கள் இலக்கு வலைத்தளத்தின் பயனர் இடைமுகம் புதுப்பிக்கப்பட்டால் எளிதாக உடைந்துவிடும்.7

ஏஜென்டிக் AI இந்த வரம்புகளை கடக்கிறது. LLMs இன் தர்க்க திறன்களைப் பயன்படுத்துவதன் மூலம், AI ஏஜென்டுகள் சூழலைப் புரிந்து கொள்ள, தெளிவின்மையைக் கையாள, மற்றும் அவற்றின் சூழலில் ஏற்படும் மாற்றங்களுக்கு ஏற்ப மாற்றலாம். இது அவற்றை மிகப் பரந்த வகையான வேலைகளை தானியங்க화 করত் பারுகிறது, இதில் முறைக்கு உட்படாத தரவு மற்றும் டைனமிக் முடிவெடுக்கும் செயல்களை உள்ளடக்கிய சிக்கலான, முழு முறையான செயல்முறைகள் அடங்கும்.17 இது எளிய “ரோபோடிக்” பணிகளை தானியங்க화 ਕਰਨ ਤੋਂ “கிரண்டிவ்” வேலை ஓட்டங்களை தானியங்க화 ਕਰਨாக மாற்றம் குறிக்கிறது.

முக்கியமாக, தானியங்க화ின் இந்த புதிய அலை மனித மேம்பெருக்கம் என்ற வடிவமாக நன்கு புரிந்து கொள்ளப்படுகிறது.17 இலக்கு மனித வேலையாளர்களை மாற்றுவது அல்ல, அவர்களின் திறன்களையும் உற்பத்தித்திறனையும் மேம்படுத்துவது ஆகும். சிக்கலான, நேரம் எடுக்கும், மீண்டும் மீண்டும் செய்யப்படும் பணிகளை AI ஏஜென்டுகளுக்கு ஒப்படைக்கும் மூலம், மனித ஊழியர்கள் தனித்துவமான மனித திறன்கள் தேவைப்படும் செயல்களில் கவனம் செலுத்த முடியும்: திட்டமிட்ட சிந்தனை, கிரியேட்டிவ் பிரச்சனை தீர்வு, சிக்கலான பேச்சுவார்த்தை, மற்றும் மனித உறவுகளை உருவாக்குதல்.17 மனிதர்களுக்கும் AI ஏஜென்டுகளுக்கும் இடையேயான இந்த ஒத்துழைப்பு ஒரு நிறுவனத்தின் சிக்கலான சவால்களை எதிர்கொள்ள, புதுமை ஊக்குவிக்க, மற்றும் அதிக தரமான முடிவுகளை வழங்கும் திறனை விரிவுபடுத்துவதை உறுதி செய்கிறது. இந்த போக்கின் முக்கியத்துவம் மார்க்கெட் முன்கணிப்புகளால் வலியுறுத்தப்படுகிறது, Gartner 2028 வாக்கில், எல்லா நிறுவன மென்பொருள்களில் மூன்றில் ஒரு பங்கு ஏஜென்டிக் AI திறன்களை உள்ளடக்கும் என்றும், தினசரி வணிக முடிவுகளில் குறைந்தது 15% AI ஏஜென்டுகளால் தன்னியக்க முறையில் எடுக்கப்படும் என்றும் கணித்துள்ளது.19

6.0 கேஸ் ஸ்டுடி: “ஏஜென்டிக் மீட்டிங் கோபைலட்” - Seasalt.ai இன் SeaMeet ஐ பகுப்பாய்வு செய்தல்

எஜென்டிக் AI பற்றிய கோட்பாட்டு விவாதத்தை உண்மையான உலக வணிக உதாரணத்தில் நிறுவ, இந்த பிரிவு Seasalt.ai இன் தயாரிப்பான SeaMeet பற்றிய விரிவான பகுப்பாய்வை வழங்குகிறது. அதன் அம்சங்கள், மார்க்கெட்டிங் மற்றும் மூலோபாய நிலைப்பாட்டை ஆய்வு செய்வதன் மூலம், “ஏஜென்சி” என்ற கருத்து தற்போதைய சந்தையில் எவ்வாறு புரிந்து கொள்ளப்படுகிறது மற்றும் செயல்படுத்தப்படுகிறது என்பதை பகுப்பாய்வு செய்ய முடியும், இது சுத்த ஜெனரேட்டிவ் திறன்களுக்கும் முழு தன்னாட்சிக்கும் இடையில் நிற்கும் நுணுக்கமான உண்மையை வெளிப்படுத்துகிறது.

6.1 தயாரிப்பு கண்ணோட்டம் மற்றும் முக்கிய ஜெனரேட்டிவ் திறன்கள்

SeaMeet என்பது தனிநபர்கள் மற்றும் குழுக்களுக்கு உற்பத்தித்திறனை மேம்படுத்த வடிவமைக்கப்பட்ட AI மீட்டிங் உதவியாளர் அல்லது “கோபைலட்” என்று மார்க்கெட் செய்யப்படுகிறது.31 அதன் அடிப்படை அம்சங்கள் மீட்டிங்குகளின் உள்ளடக்கத்தை செயலாக்குவதில் மையமாக உள்ளன. சிஸ்டம் Google Meet மற்றும் Microsoft Teams போன்ற பிரபலமான வீடியோ கன்ஃபரன்சிங் பிளாட்பார்ம்களுடன் ஒருங்கிணைக்கிறது, மேலும் நேரில் நடத்தப்படும் மீட்டிங்குகளிலிருந்து பதிவேற்றப்பட்ட ஆடியோ கோப்புகளையும் செயலாக்க முடியும்.31

தயாரிப்பின் முக்கிய செயல்பாடுகள்:

• நிகழ்நேர மொழிபெயர்ப்பு: SeaMeet மீட்டிங் பேச்சுக்களின் மிகத் துல்லியமான, நிகழ்நேர மொழிபெயர்ப்பை வழங்குகிறது, இதில் பேச்சாளர் அடையாளம் மற்றும் நேரக்குறிகள் உள்ளன.31
• புத்திசாலித்தனமான சுருக்குகள்: மீட்டிங் முடிந்த பிறகு, சிஸ்டம் முக்கிய தலைப்புகளையும் விவாதங்களையும் பிடிக்கும் புத்திசாலித்தனமான சுருக்குகளை தானாகவே உருவாக்குகிறது.31
• செயல் உருப்படி கண்டறிதல்: AI மொழிபெயர்ப்பை பகுப்பாய்வு செய்து விவாதிக்கப்பட்ட செயல்படுத்தக்கூடிய பணிகள் அல்லது “செய்ய வேண்டிய” உருப்படிகளை தானாகவே அடையாளம் கண்டறிந்து பட்டியலிடுகிறது.31

இந்த முதன்மை அம்சங்கள் ஜெனரேட்டிவ் AI இன் தெளிவான பயன்பாடுகளாகும். சிஸ்டம் அதிநவீன பேச்சு-உரை மாதிரிகளைப் பயன்படுத்தி மொழிபெயர்ப்பை உருவாக்குகிறது (ஆடியோவிலிருந்து உரையை உருவாக்குகிறது) மற்றும் பின்னர் LLMs ஐ பயன்படுத்தி இந்த மொழிபெயர்ப்பை புதிய, சுருக்கப்பட்ட வடிவத்தில் (சுருக்கு) ஒருங்கிணைக்கிறது மற்றும் சில அறிக்கைகளை செயல் உருப்படிகளாக வகைப்படுத்துகிறது. பயனர் மதிப்புரைகள் இந்த ஜெனரேட்டிவ் திறன்களின் மதிப்பை தொடர்ந்து வலியுறுத்துகின்றன, கைமுறையாக நோட்டு எடுக்கும் தேவையை நீக்குகிறது மற்றும் பொறுப்புகளைக் கண்காணிக்க எளிய வழியை வழங்குகிறது, இதன் மூலம் பல புரфес்சனல்களுக்கு முக்கிய பிரச்சனையை தீர்க்கிறது என்று குறிப்பிடுகின்றன.34

6.2 “எஜென்டிக்” கூற்றை பகுப்பாய்வு செய்தல்: மின்னஞ்சல் அடிப்படையிலான வேலை ஓட்டம்

SeaMeet சந்தையில் தன்னை “எஜென்டிக் மீட்டிங் கோபைலட்” என்று பிராண்டிங் செய்வதன் மூலம் தன்னை வேறுபடுத்துகிறது.32 இந்த கூற்றுக்கான நியாயம் ஒரு குறிப்பிட்ட, புதுமையான அம்சத்தில் தங்கியுள்ளது: மீட்டிங் பிறகு நிகழும் பணிகளை தானியங்க화 செய்ய வடிவமைக்கப்பட்ட மின்னஞ்சல் அடிப்படையிலான வேலை ஓட்டம். மீட்டிங் முடிந்த பிறகு, SeaMeet உருவாக்கப்பட்ட சுருக்கை மின்னஞ்சல் மூலம் பயனருக்கு அனுப்புகிறது. பயனர் பின்னர் இந்த மின்னஞ்சலுக்கு “கிளையன்டுக்கு பின்தொடரும் மின்னஞ்சலை வரைக”, “நமது விவாதத்தின் அடிப்படையில் வேலை அறிக்கை (SOW) உருவாக்க” அல்லது “ஸ்டேக்க்ஹோல்டர்களுக்கு அறிக்கையை உருவாக்க” போன்ற இயற்கை மொழி கட்டளைகளுடன் நேரடியாக பதிலளிக்க முடியும்.32 சிஸ்டம் பின்னர் இந்த கோரிக்கையை செயலாக்கி தொழில்முறையாக வடிவமைக்கப்பட்ட, அனுப்பப் ப-ready ஆவணத்தை திரும்பப் பெறுகிறது.

இந்த வேலை ஓட்டத்தை இந்த அறிக்கையில் முன்னர் நிறுவப்பட்ட Agentic AI இன் கடுமையான வரையறைக்கு எதிராக கடுமையாக மதிப்பிடுவது நுணுக்கமான படத்தை வெளிப்படுத்துகிறது. இந்த அம்சம் வலுவான மற்றும் அதிநவீன வேலை ஓட்டம் தானியங்க화 வடிவமாக இருந்தாலும், இது உண்மையான, இலக்கு மையமாகிய தன்னாட்சியை நிரூபிக்காது.

ச스템ின் செயல்கள் முற்றிலும் ப্রতিকிரியాత्मಕ; இது செயல்படுவதற்கு முன் மின்னஞ்சல் மூலம் குறிப்பிட்ட, மனிதனால் துவக்கப்பட்ட கட்டளையை காத்திருக்கிறது. இது ஒரு சங்கிலி பணியாகும்—ஆரம்ப சுருக்கை புதிய பயனர் ஊக்கத்துடன் இணைத்து அடுத்த ஆவணத்தை உருவாக்குகிறது—ஆனால் இது முன்கூட்டியே செயல்படாத.

ஒரு உண்மையான ஏஜென்டிக் அமைப்பு, மாறாக, “இந்த புதிய கிளையன்ட் திட்டத்திற்கான ஆன்போர்டிங்கை நிர்வகிக்கவும்” போன்ற உயர்-நிலை இலக்கு வழங்கப்படலாம். ஆரம்ப மீட்டிங்கின் உள்ளடக்கத்தின் அடிப்படையில், இது தனியாக SOW தேவையை அங்கீகரிக்க முடியும், அதை தெளிவாக சொல்லப்படாமல் வரைகலாம், மேலும் அதை உள் அங்கீகாரத்திற்கு அனுப்பலாம். SeaMeet இன் வேலை ஓட்டம், அதிக திறமையானதாக இருந்தாலும், ஒவ்வொரு பெரிய மீட்டிங்குக்குப் பிறகு நடவடிக்கையைத் தூண்டும் “சுழற்சியில்” இருக்கும் மனிதரை நம்பியிருக்கிறது. தன்னியக்க பணி ஒதுக்குதல் அல்லது முடிவுக்கான அம்சங்களை விவரிக்கும் பொதுவாகக் கிடைக்கக்கூடிய ஆவணங்களின் பற்றாக்குறை மேலும் மதிப்பீட்டை ஆதரிக்கிறது, அதாவது அமைப்பு முழுமையாக தன்னியக்க ஏஜென்ட்டிற்கு பதிலாக முன்னேறிய, கட்டளை-மောளமான உதவியாளராக செயல்படுகிறது.33

6.3 மூலோபாய சூழல்: பரந்த Seasalt.ai சூழலில் SeaMeet

SeaMeet இன் நிலையை முழுமையாக புரிந்து கொள்ள, அதன் பெற்றோர் நிறுவனமான Seasalt.ai இன் பெரிய மூலோபாய கட்டமைப்பில் அதை பார்க்க வேண்டும். 2020 இல் நிறுவப்பட்ட Seasalt.ai, சிறிய மற்றும் நடுத்தர அளவிலான வணிகங்கள் (SMBs) முதன்மையாக இலக்கு செய்யும் அனைத்தும் ஒரே இடத்தில் உள்ள தொடர்பு மையம் மற்றும் AI ஆட்டோமேஷன் பிளாட்பார்மாக தன்னை நிலைப்படுத்துகிறது.22 நிறுவனத்தின் பரந்த தயாரிப்பு தொகுப்பு வணிக தொடர்புகள் மற்றும் செயல்பாட்டு வேலை ஓட்டங்களின் பரந்த அளவை ஆட்டோமேட் செய்ய வடிவமைக்கப்பட்டுள்ளது. இதில் 24/7 வாடிக்கையாளர் ஆதரவுக்கான AI ஆதரিত வாய்ப்பு போட்டுகள் மற்றும் சாட் போட்டுகள், ஆட்டோமேட்டட் சந்திப்பு நேரம் நிர்ணயம், லீட் தகுதி மற்றும் பாதை நிர்ணயம், மற்றும் ஒருங்கிணைந்த இன்பாக்ஸில் இருந்து ஒம்னி-சேனல் தொடர்புகள் (எ.கா., WhatsApp, SMS, வாய்ப்பு) மேலாண்மை ஆகியவை அடங்கும்.22

இந்த சூழலில், SeaMeet உள் மற்றும் வாடிக்கையாளர் முனைய மீட்டிங் நுண்ணறிவில் கவனம் செலுத்தும் முக்கிய கூறாக செயல்படுகிறது. மீட்டிங்களில் உருவாக்கப்படும் மதிப்புமிக்க தரவை பிடித்து கட்டமைப்பதன் மூலம் நிறுவனத்தின் வெளிப்புற தொடர்பு ஆட்டோமேஷன் கருவிகளை பூரணப்படுத்துகிறது. இது SMB சந்தைக்கு அணுகக்கூடிய, முழு முறையான AI ஆட்டோமேஷன் தீர்வுகளை வழங்குவதற்கான நிறுவனத்தின் மொத்த மিশனுடன் ஒத்துப்போகிறது, இது மிகவும் சிக்கலான நிறுவன-நிலை அமைப்புகளை கட்ட அல்லது ஒருங்கிணைக்க வலங்கள் இல்லாத பிரிவாகும்.38

6.4 சந்தை நிலைப்பாடு: “புரோட்டோ-ஏஜென்டிக்” வேறுபாடு

SeaMeet ஐ “ஏஜென்டிக்” என பிரச்சாரிக்கும் முடிவு ஒரு தன்னிச்சையான மற்றும் மூலோபாயமாக புத்திசாலியான நடவடிக்கையாகும். மீட்டிங் டிரான்ஸ்கிரிப்ஷன் மற்றும் சுருக்கம் கருவிகளின் கடுமையான சந்தையில், “ஏஜென்டிக்” லேபிள் ஒரு வலுவான வேறுபாடாக செயல்படுகிறது. இது சாத்தியமான வாடிக்கையாளர்களுக்கு நிலையான ஜெனரேடிவ் AI க்கு மேல் உள்ள திறன்களை வழங்கும் என்று சமிக்ஞை அனுப்புகிறது, தன்னியக்க அமைப்புகள் சுற்றியுள்ள வளரும் தொழில் உற்சாகத்தை பயன்படுத்துகிறது.

இந்த வகை கருவிக்கான மிகத் துல்லியமான வகைப்பாடு “புரோட்டோ-ஏஜென்டிக்” அல்லது “ஏஜென்ட்-ஆதரவு” என இருக்கலாம். இந்த அமைப்புகள் தூய ஜெனரேடிவ் கருவிகளுக்கும் முழுமையாக தன்னியக்க ஏஜென்ட்களுக்கும் இடையில் உள்ள ஸ்பெக்ட்ரமில் ஒரு மத்திய படியைக் குறிக்கின்றன. அவை சிக்கலான, பல-படி பணிகளை ஆட்டோமேட் செய்வதில் சிறந்து வைக்கின்றன, ஆனால் வேலை ஓட்டத்தைத் தொடங்க மனித தூண்டுதல் தேவைப்படுகிறது. இந்த நிலைப்பாடு Seasalt.ai க்கு முழு முன்கூட்டிய, இலக்கு-தேடும் திறன்களைக் கொண்ட அமைப்பை உருவாக்க வேண்டாம் என்றாலும் தொழில்நுட்ப ரீதியாக முன்னேறிய நிலையை கூற அனுமதிக்கிறது.

இந்த கேஸ் ஸ்டுடி AI இன் வணிகೀकरणத்தில் ஒரு பரந்த போக்கை வெளிப்படுத்துகிறது. “ஏஜென்சி” போன்ற புதிய, வலுவான கருத்துக்கள் இடம் பெறும்போது, பிரச்சார மொழி பெரும்பாலும் தொழில்நுட்பத்தின் முழு முதிர்ச்சியை முன்னெடுக்கிறது. நிறுவனங்கள் தங்கள் தயாரிப்புகளின் பரிசீலனையை வடிவமைக்கும் மற்றும் சந்தை கவனத்தை பிடிக்கும் জন্য மூலோபாயமாக இந்த சொல்லாக்கத்தை ஏற்றுக்கொள்கின்றன. வணிக தலைவர்கள் மற்றும் தொழில்நுட்ப மதிப்பீட்டாளர்களுக்கு, இது இந்த கருத்துக்களின் நுணுக்கமான புரிதலை வளர்ப்பதன் முக்கிய முக்கியத்துவத்தை வலியுறுத்துகிறது. பிரச்சார கூற்றுகளை முகத்திலேயே ஏற்றுக்கொள்ள போதுமானது இல்லை; மாறாக, தகவலறிந்த வாங்குதல் மற்றும் மூலோபாய முடிவுகளை எடுக்க, ஒரு தயாரிப்பின் உண்மையான செயல்பாட்டு மாதிரியின் ஆழமான பகுப்பாய்வு—அதன் முன்கூட்டிய நடவடிக்கை, தகவமைப்பு மற்றும் இலக்கு-நோக்குநிலை நிலை—தேவைப்படுகிறது.

7.0 மூலோபாய அவசியம் மற்றும் எதிர்கால முன்னோக்கு

ஜெனரேடிவ் முதல் ஏஜென்டிக் AI வரை பரிணாமம் ஒரு மீசைக்கு மீசையாக தொழில்நுட்ப முன்னேற்றம் மட்டுமல்ல; இது வணிகங்கள் மதிப்பை உருவாக்க மெய்நிகர் நுண்ணறிவை எவ்வாறு பயன்படுத்தலாம் என்பதில் ஒரு அடிப்படை மாற்றமாகும். இந்த மாற்றம் நிறுவன தலைவர்களிடமிருந்து முன்கூட்டிய மற்றும் நன்கு பரிசீலிக்கப்பட்ட மூலோபாய பதிலை தேவைப்படுத்துகிறது. இந்த புதிய எல்லையை வழிநடத்துவதற்கு தற்போதைய வாய்ப்புகளின் தெளிவான புரிதல, மூலோபாய ஏற்புக்கான திட்டம் மற்றும் தொடர்புடைய ஆபத்துகள் மற்றும் நெறிமுறை பரிசீலனைகளுக்கு சतर்க அணுகுமுறை தேவைப்படுகிறது.

7.1 ஏற்புக்கான பரிந்துரைகள்: புதிய AI எல்லையை வழிநடத்த

இந்த பரிணமிக்கும் AI சூழலின் சக்தியைப் பயன்படுத்த விரும்பும் நிறுவனங்களுக்கு நியாயமான, இரண்டு கோண அணுகுமுறை பரிந்துரைக்கப்படுகிறது. முதலாவது, வணிகங்கள் இப்போதே ஜெனரேடிவ் AI இன் பயன்பாட்டை ஏற்றுக்கொள்ளவும் மற்றும் அளவிடவும தற்போதைய மற்றும் நிரூபிக்கக்கூடிய உற்பத்தித்திறன் ஆதாயங்களுக்கு. இந்த தொழில்நுட்பம் முதிர்ந்து அணுகக்கூடியதாக இருக்கும், இது பல்வேறு செயல்பாடுகளில் நிறுவப்பட்டு உள்ளடக்க உருவாக்கத்தை ஆட்டோமேட் செய்ய, ஆராய்ச்சி மற்றும் தரவு ஒருங்கிணைப்பை துரிதப்படுத்த, மென்பொருள் மேம்பாட்டில் உதவ முடியும்.4 இது குறுகிய கால ROI ஐ வழங்குவது மட்டுமல்ல, நிறுவனத்திற்குள் அடிப்படை “AI-தயார்” கலாச்சாரத்தை உருவாக்க, பணியாளர்களை மனித-AI ஒத்துழைப்புடன் பழகச் செய்கிறது.

இரண்டாவதாக, தலைவர்கள் ஆஜென்டிக் AI உடன் திட்டமிட்டு பரிசோதிக்கத் தொடங்க வேண்டும். இது நன்கு வரையறுக்கப்பட்ட, அதிக தாக்கத்துள்ள, தன்னிறைவான அல்லது அரை-தன்னிறைவான ஏஜென்ட்டால் தானியங்கித்தலுக்கு பொருத்தமான வணிக செயல்முறைகளை அடையாளம் காண்பதன் மூலம் தொடங்க வேண்டும். IT சேவை மேலாண்மை, வாடிக்கையாளர் ஆதரவு டிக்கெட் தீர்வு அல்லது விநியோகச் சங்கிலி கண்காணிப்பு போன்ற பகுதிகளில் ஆரம்ப பயன்பாடுகள் உள்ளமைக் கருத்துக்களை உருவாக்குவதற்கும் ஆஜென்டிக் வேலை ஓட்டங்களின் சாத்தியத்தை நிரூபிக்குவதற்கும் மதிப்புமிக்க பைலட் திட்டங்களாக செயல்படலாம்.17

எந்த ஒரு முன்மாதிரியின் வெற்றிகரமான செயல்படுத்தல், ஆனால் குறிப்பாக ஆஜென்டிக் AI, பல முக்கியமான முன்நிபந்தனைகளைச் சார்ந்தது:

• தரவு தயார்மை: AI ஏஜென்ட்கள் அவை அணுகலாம் மற்றும் செயலாக்க முடியும் தரவு போலவே மட்டுமே பயனுள்ளதாக இருக்கும். நிறுவனங்கள் சுத்தமான, நன்கு நிர்வகிக்கப்பட்ட, அணுகக்கூடிய நிறுவன தரவு உள்கட்டமைப்பை உருவாக்குவதில் முதலீடு செய்ய வேண்டும். இந்த “AI-தயார்” தரவு அடித்தளம் ஏஜென்ட்களுக்கு துல்லியமான, சூழல்-அறிந்த முடிவுகளை எடுக்க உதவுவதற்கு அவசியம்.30
• பாதுகாப்பு மற்றும் நிர்வாகம்: ஆஜென்டிக் AIயின் சக்தி அதன் நிறுவன அமைப்புகளுடன் ஆழமாக ஒருங்கிணைக்கப்படுவதற்கும் உணர்திறன் தரவுகளை அணுகுவதற்கும் நேரடியாக இணைக்கப்பட்டுள்ளது. இது ஆழமான பாதுகாப்பு மற்றும் தனியுரிமை ஆபத்துகளை உருவாக்குகிறது.20 வலுவான பாதுகாப்பு நெறிமுறைகள், அணுகல் கட்டுப்பாடுகள் மற்றும் வெளிப்படையான ஆய்வு பாதைகள் விருப்பம் அல்ல, மாறாக அடிப்படை தேவைகளாகும். தெளிவான பாதுகாப்பு மற்றும் கண்காணிப்புடன் கூடிய “மனித-லூப்” நிர்வாக மாதிரி, ஆபத்துகளைக் குறைக்கும் மற்றும் ஏஜென்ட்கள் நம்பகத்தன்மையுடன் மற்றும் பாதுகாப்பாக செயல்படுவதை உறுதி செய்ய அவசியம்.15
• நீதிமனத் கருத்துக்கள்: AI ஏஜென்ட்கள் அல்காரிதம்கள் மற்றும் தரவுகளின் அடிப்படையில் செயல்படுகின்றன; அவை மனித மதிப்புகள், நீதிமனம் அல்லது நெறிமுறைகளைப் புரிந்து கொள்ளும் இயல்பு இல்லை. இது எதிர்பாராத விளைவுகளுக்கு குறிப்பாக சுகாதார, நிதி, அல்லது சட்ட அமலாக்கு போன்ற அதிக பங்கு உள்ள துறைகளில் குறிப்பாக குறிப்பிடத்தக்க ஆபத்தை உருவாக்குகிறது.20 நிறுவனங்கள் அவை பயனுள்ளதாக மட்டுமல்ல, பொறுப்பாக செயல்படுவதை உறுதி செய்ய நியாயமיות, சார்பு மற்றும் மனித மதிப்புகளுடன் சீரமைக்கப்பட்டுள்ளதா என்பதற்கு தங்கள் ஆஜென்டிக் அமைப்புகளை முன்கூட்டியே வடிவமைக்கும் மற்றும் சோதிக்க வேண்டும்.

7.2 AI ஏஜென்சியின் பாதை: முன்னோக்கு பாதை

ஆஜென்டிக் AIயின் வளர்ச்சி இன்னும் அதன் ஆரம்ப கட்டத்தில் உள்ளது, ஆனால் அதன் பாதை மேலும் மேம்பட்ட மற்றும் ஒருங்கிணைக்கப்பட்ட தன்னிறைவு அமைப்புகளின் எதிர்காலத்தை நோக்கி சுட்டிக்காட்டுகிறது. குறிப்பிட்ட வேலை ஓட்டங்களை நிர்வகிக்கும் ஒற்றை அல்லது சிறிய குழுக்களின் ஏஜென்ட்கள் மீது தற்போதைய கவனம் பெரிய அளவிலான, மையமற்ற மல்டி-ஏஜென்ட் அமைப்புகளாக உருவாகலாம். இந்த எதிர்கால பார்வையில், பல்வேறு சிறப்புத் திறன்களைக் கொண்ட பன்முகத் தன்மை கொண்ட ஏஜென்ட்கள்—சில நிறுவனத்தால், சில பங்காளிகளால், சில தனிநபர்களால் சொந்தமாகக் கொண்டவை—மிகவும் சிக்கலான, மாறும் பிரச்சனைகளைத் தீர்க்க ஒரு பொதுவான டிஜிட்டல் சூழலில் ஒத்துழைக்கும்.40

இந்த தொழில்நுட்ப முன்னேற்றம் வேலையின் தன்மைய் மற்றும் நிறுவனங்களின் அமைப்பில் ஆழமான தாக்கத்தை ஏற்படுத்தும். வேர்ல்ட் எகனாமிக் ஃபோரம் வலியுறுத்தியது போல், சிக்கலான முடிவெடுப்பு, பிரச்சனைத் தீர்வு மற்றும் மூலோபாய கண்காணிப்பு ஆகியவற்றை வலியுறுத்தும் பங்குகள் உலகப் பொருளாதாரத்தில் மேலும் முக்கியமாக மாறுகின்றன.41 ஆஜென்டிக் அமைப்புகளின் எழுச்சி இந்த போக்கை துரிதப்படுத்தும், நவீன நிறுவனத்தின் அறிவாற்றல் “பிளம்பிங்” பெரும்பகுதியை தானியங்கித்து, மனித பங்கை மூலோபாய, படைப்பாற்றல் மற்றும் நிர்வாகம் ஆகியவற்றிற்கு உயர்த்தும்.

இறுதியில், ஜெனரேடிவ் முதல் ஆஜென்டிக் அமைப்புகளுக்கு மாறுதல் மனித-கம்ப்யூட்டர் கூட்டாண்மையின் பரிணாமத்தில் ஒரு முக்கிய தருணத்தைக் குறிக்கிறது. இது AI ஐ நாம் அறிவுறுத்தும் கருவியிலிருந்து நாம் அதிகாரம் அளிக்கும் ஒத்துழைக்கும் நபராக மாற்றுகிறது. இந்த மாற்றத்தை வெற்றிகரமாக கடந்து செல்லும் நிறுவனங்களுக்கு, வெகுமதி செயல்பாட்டு சுறுசுறுப்பு, மீளுருவாக்கம் மற்றும் புதுமை ஆகியவற்றின் புதிய நிலையாக இருக்கும், இது மனித மற்றும் இயந்திர நுண்ணறிவின் முழுமையான ஒருங்கிணைப்பால் வரையறுக்கப்பட்ட எதிர்காலத்திற்கு வழி வகுக்கும்.

பயன்படுத்தப்பட்ட வேலைகள்

1. en.wikipedia.org, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://en.wikipedia.org/wiki/Generative_artificial_intelligence
2. ஜெனரேடிவ் AI என்றால் என்ன? - யுனிவர்சிட்டி சென்டர் ஃபார் டீச்சிங் அண்ட் லர்னிங், செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://teaching.pitt.edu/resources/what-is-generative-ai/
3. ஜெனரேடிவ் ஆர்டிஃபیشியல் இன்டெலిజென்ஸ் | NNLM, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.nnlm.gov/guides/data-thesaurus/generative-artificial-intelligence
4. ஜெனரேடிவ் AI என்றால் என்ன? - ஜென் AI விளக்கப்பட்டது - AWS - 2025 இல் புதுப்பிக்கப்பட்டது, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://aws.amazon.com/what-is/generative-ai/
5. விளக்கப்பட்டது: ஜெனரேடிவ் AI | MIT நியூஸ் | மாசசூசெட்ஸ் இன்ஸ்டிடியூட் ஆஃப் டெக்னாலஜி, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://news.mit.edu/2023/explained-generative-ai-1109
6. ஏஜென்டிக் AI வைஸ் ஜெனரேடிவ் AI: முக்கிய வேறுபாடுகள் | தாம்சன் ராய்டர்ஸ், செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.thomsonreuters.com/en/insights/articles/agentic-ai-vs-generative-ai-the-core-differences
7. ஏஜென்டிக் AI வைஸ் ஜெனரேடிவ் AI - ரெட் ஹாட், செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.redhat.com/en/topics/ai/agentic-ai-vs-generative-ai
8. ஜெனரேடிவ் AI என்றால் என்ன? - IBM, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.ibm.com/think/topics/generative-ai
9. 2025 ஆம் ஆண்டுக்கான 10 சிறந்த ஜெனரேடிவ் AI கருவிகள்: இன்றைய படைப்பு சக்திகள் - eWeek, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.eweek.com/artificial-intelligence/generative-ai-apps-tools/
10. ஜெனரேடிவ் AI என்றால் என்ன? எடுத்துக்காட்டுகள் மற்றும் பயன்பாடுகள் - கூகுள் கிளவுட், செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://cloud.google.com/use-cases/generative-ai
11. www.google.com, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.google.com/search?q=generative+ai+applications
12. ஏஜென்டிக் AI வைஸ் ஜெனரேடிவ் AI - நீங்கள் எந்த ஒன்றைப் பயன்படுத்த வேண்டும்? - Atera, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.atera.com/blog/agentic-ai-vs-generative-ai/
13. en.wikipedia.org, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://en.wikipedia.org/wiki/Agentic_AI
14. ஏஜென்டிக் AI என்றால் என்ன? வரையறை மற்றும் வேறுபடுத்துபவர்கள் - கூகுள் கிளவுட், செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://cloud.google.com/discover/what-is-agentic-ai
15. ஏஜென்டிக் AI என்றால் என்ன? - ஏஜென்டிக் AI விளக்கப்பட்டது - AWS - 2025 இல் புதுப்பிக்கப்பட்டது, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://aws.amazon.com/what-is/agentic-ai/
16. ஏஜென்டிக் AI என்றால் என்ன? | IBM, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.ibm.com/think/topics/agentic-ai
17. ஏஜென்டிக் AI என்றால் என்ன? | UiPath, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.uipath.com/ai/agentic-ai
18. ஏஜென்டிக் AI என்றால் என்ன? | Salesforce US, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.salesforce.com/agentforce/what-is-agentic-ai/
19. ஏஜென்டிக் AI வைஸ் ஜெனரேடிவ் AI: முக்கிய வேறுபாடுகளை புரிந்துகொள்ளுதல் - ThoughtSpot, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.thoughtspot.com/data-trends/artificial-intelligence/agentic-ai-vs-generative-ai
20. AI ஏஜென்டுகளைப் பற்றி நீங்கள் அறிய வேண்டியது - CSAIL அலயன்ஸஸ் - MIT, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://cap.csail.mit.edu/agentic-ai-what-you-need-know-about-ai-agents
21. GenAI வைஸ் ஏஜென்டிக் AI: டெவலப்பர்கள் அறிய வேண்டியது - Docker, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.docker.com/blog/genai-vs-agentic-ai/
22. ஆப்ஸை கையாள்வதை நிறுத்துங்கள். ஒவ்வொரு வாடிக்கையாளர் அழைப்பு, டெக்ஸ்ட், வாட்ஸ்அப் மற்றும் சாட் ஆகியவற்றை ஒரு எளிய இன்பாக்ஸில் ஒருங்கிணைக்கவும். - Seasalt.ai, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://seasalt.ai/en/
23. AI ஏஜென்டுகள் என்றால் என்ன? வரையறை, எடுத்துக்காட்டுகள் மற்றும் வகைகள் | கூகுள் கிளவுட், செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://cloud.google.com/discover/what-are-ai-agents
24. கான்டாக்ட் சென்டர்களுக்கான 10 ஏஜென்டிக் AI பயன்பாடுகள் - CX Today, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.cxtoday.com/conversational-ai/10-agentic-ai-use-cases-for-contact-centers-ringcentral/
25. வணிகங்களை மாற்றும் 6 ஏஜென்டிக் AI எடுத்துக்காட்டுகள் மற்றும் பயன்பாடுகள் - Moveworks, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.moveworks.com/us/en/resources/blog/agentic-ai-examples-use-cases
26. AI ஏஜென்ட் பயன்பாடுகள் - IBM, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.ibm.com/think/topics/ai-agent-use-cases
27. AI இன் எதிர்காலத்தை வடிவமைக்கும் 21 ஏஜென்டிக் AI பயன்பாடுகள் மற்றும் எடுத்துக்காட்டுகள் - Akka, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://akka.io/blog/agentic-ai-use-cases
28. 14 உண்மையான உலக ஏஜென்டிக் AI பயன்பாடுகள் - Valtech, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.valtech.com/thread-magazine/14-real-world-agentic-ai-use-cases/
29. 40+ உண்மையான எடுத்துக்காட்டுகளுடன் கூடிய ஏஜென்டிக் AI பயன்பாடுகள் - Research AIMultiple, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://research.aimultiple.com/agentic-ai/
30. AI-இல் சக்தி பெற்ற ஏஜென்டுகள் செயலில்: மைக்ரோசாப்டில் இந்த புதிய ‘எஜென்டிக்’ தருணத்தை நாம் ஏற்றுக்கொள்வது எப்படி, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.microsoft.com/insidetrack/blog/ai-powered-agents-in-action-how-were-embracing-this-new-agentic-moment-at-microsoft/
31. SeaMeet: ChatGPT மீட்டிங் நோட்டை நிகழ்நேரத்தில் எடுங்கள் - குரோம் வெப் ஸ்டோர், செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://chromewebstore.google.com/detail/seameet-take-chatgpt-meet/gkkhkniggakfgioeeclbllpihmipkcmn
32. SeaMeet | அதிக உற்பத்தித்திறன் கொண்ட தனிநபர்கள் மற்றும் உயர் செயல்திறன் கொண்ட குழுக்களுக்கான ஏஜென்டிக் மீட்டிங் கோப்பilot, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://seameet.ai/
33. FAQ - Seasalt.ai, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://wiki.seasalt.ai/seameet/seameet-manual/00-seameet-faq/
34. Seasalt.ai SeaMeet மதிப்புரைகள், மதிப்பீடுகள் மற்றும் அம்சங்கள் 2025 | Gartner Peer Insights, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.gartner.com/reviews/market/office-productivity-solutions-others/vendor/seasalt-ai/product/seameet
35. ரெகார்டிங்களில் வணிக வாய்ப்புகளைக் கண்டறியுங்கள் SeaMeet மூலம், செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://usecase.seasalt.ai/transcribe-audio-to-discover-insights/
36. Seasalt.ai | சிறிய வணிகங்களுக்கான ஓம்னி-சேனல் கான்டாக்ட் சென்டர் - Seasalt.ai, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://seasalt.ai/
37. AI ஆட்டோமேஷன் தீர்வுகள் - Seasalt.ai, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://seasalt.ai/en/solutions/ai-automation
38. Haptik ‘AI for All’ ஐ அறிமுகப்படுத்துகிறது, இது SMB களுக்கு நிறுவன-நிலை AI ஏஜென்டுகளை கொண்டு வருகிறது, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://timesofindia.indiatimes.com/technology/tech-news/haptik-launches-ai-for-all-to-bring-enterprise-grade-ai-agents-to-smbs/articleshow/123671151.cms
39. DIGITIMES Biz Focus - தைவான் டெக் அரீனா, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.digitimes.com/biz/index.asp?topic=617
40. வணிகம் ஏஜென்டிக் AI ஐ சந்திக்கிறது: தன்னியக்க மற்றும் ஏஜென்டிக் தீர்வுகளில் நம்பிக்கை - Capgemini, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.capgemini.com/insights/research-library/business-meet-agentic-ai/
41. IITM Pravartak மற்றும் Emeritus ஏஜென்டிக் AI மற்றும் பயன்பாடுகளில் புரфес்சனல் சான்றிதழ் திட்டத்தை அறிமுகப்படுத்துகின்றன, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.ptinews.com/story/business/iitm-pravartak-and-emeritus-launch-professional-certificate-programme-in-agentic-ai-and-applications/2878978
42. IITM Pravartak மற்றும் Emeritus ஏஜென்டிக் AI மற்றும் பயன்பாடுகளில் புரфес்சனல் சான்றிதழ் திட்டத்தை அறிமுகப்படுத்துகின்றன, செப்டம்பர் 6, 2025 அன்று அணுகப்பட்டது, https://www.aninews.in/news/business/iitm-pravartak-and-emeritus-launch-professional-certificate-programme-in-agentic-ai-and-applications20250902174614