$11 बिलियन का संकेत: क्यों रीयल-टाइम डेटा एजेंटिक AI की तंत्रिका तंत्र है

IBM द्वारा Confluent का $11B का अधिग्रहण सबसे स्पष्ट संकेत है कि एजेंटिक AI वास्तविक समय के डेटा का उपयोग करने वाली क्षमताओं पर निर्भर होगा। 

IBM के अलावा, Google और Salesforce जैसे अन्य उद्योग दिग्गजों ने भी ध्यान दिया है, हाल के वर्षों में बड़े अधिग्रहणों के साथ जिनका उद्देश्य उद्यम डेटा और सिस्टम को बेहतर ढंग से जोड़ना है।  

दिशा स्पष्ट है।  अब, प्रभावी उद्यम वास्तुकला डिजाइन के लिए मुख्य प्रश्न यह हैं कि एजेंटिक AI के वादे को पूरा करने के लिए कैसे योजना बनाई और निर्माण किया जाए।  मेरे विचार में, उद्यम बड़े पैमाने पर मल्टी-एजेंट ऑर्केस्ट्रेशन की ओर बढ़ रहा है, और वास्तविक मूल्य प्रदान करने के लिए रियल-टाइम डेटा आवश्यक होगा। 

रियल-टाइम संदर्भ के बिना AI एजेंट अतीत में काम कर रहे हैं 

एजेंटिक AI स्वायत्त प्रणालियों का वादा करता है जो वास्तविक समय में प्रतिक्रिया दे सकती हैं और तर्क कर सकती हैं। लेकिन उत्पादन वातावरण में, यह वादा जल्दी ध्वस्त हो जाता है यदि सिस्टम बहुत देर से प्रतिक्रिया करता है या रियल-टाइम संदर्भ की कमी है। 

एक वैश्विक वित्तीय सेवा फर्म पर विचार करें, जहां हजारों लगातार बदलते बाजार इनपुट पर विचार किया जाना चाहिए और जैसे ही वे होते हैं, उनका जवाब दिया जाना चाहिए। इस तरह के वातावरण में, AI-संचालित प्रक्रियाएं समय-समय पर स्रोत सिस्टम को परिवर्तनों की तलाश में पोल करने का जोखिम नहीं उठा सकती हैं। मिनटों की देरी एक असुविधा नहीं है, यह एक जोखिम है। सिस्टम को अभी जो बदला है उस पर प्रतिक्रिया देनी होगी, अब से कुछ मिनट बाद नहीं। 

यहीं पर अन्य एजेंटिक AI प्लेटफॉर्म कम पड़ जाते हैं। उनकी रिक्वेस्ट-रिस्पॉन्स आर्किटेक्चर एक धीमी दुनिया के लिए डिज़ाइन की गई थी, जहां एप्लिकेशन बैच मोड में काम कर सकते थे, समय-समय पर स्रोत सिस्टम से परिवर्तनों की तलाश में क्वेरी करते हुए, कंप्यूट और LLM संसाधनों को समाप्त करते हुए।  

रिस्पॉन्सिव एजेंटिक सिस्टम अलग तरह से काम करते हैं। उन्हें पूरे उद्यम में हो रहे परिवर्तनों का जवाब देने की आवश्यकता होती है – ऑर्डर दिए जा रहे हैं, सेवा वितरण अपडेट, ग्राहक बिक्री गतिविधियां – वास्तविक समय में, न कि उनके होने के मिनट या घंटों बाद।  

एक AI एजेंट जिसे वर्तमान स्थिति को समझने के लिए डेटाबेस को पोल करना पड़ता है, वह रियल-टाइम नहीं है; यह पूर्वदृष्टि पर काम कर रहा है। व्यावसायिक घटनाओं पर रियल-टाइम में प्रतिक्रिया देना ही एजेंटों को सच्ची स्थितिजन्य जागरूकता देता है। यह उन्हें निर्णायक रूप से कार्य करने, अन्य एजेंटों के साथ समन्वय करने और विश्वसनीय रूप से काम करने के लिए आवश्यक प्रतिक्रियाशीलता और अद्यतन संदर्भ प्रदान करता है। 

घटनाओं द्वारा संचालित AI ऑर्केस्ट्रेशन की ओर बढ़ना 

उद्यम स्तर पर इसका समर्थन करने के लिए, अंतर्निहित आर्किटेक्चर को स्थिर डेटा एकीकरण से वास्तविक समय में काम करने वाले विशेष एजेंटों के गतिशील ऑर्केस्ट्रेशन की ओर स्थानांतरित होना चाहिए। बड़ी समस्याओं को छोटे कार्यों में विभाजित किया जाना चाहिए और वास्तविक समय में सही कौशल वाले उपयुक्त AI एजेंटों को भेजा जाना चाहिए। एजेंटों, एंटरप्राइज एप्लिकेशन और डेटा स्रोतों के बीच असिंक्रोनस संचार, और LLM को बहुत अधिक हैलुसिनेशन-प्रेरित संदर्भ से अभिभूत न करना, उच्च-प्रदर्शन वाले उद्यमों द्वारा आवश्यक मापनीयता, विश्वसनीयता और सटीकता प्राप्त करने का एकमात्र तरीका है। 

बाजार इस आंदोलन का समर्थन करने के लिए तेजी से परिपक्व हो रहा है। हम देख रहे हैं कि प्रमुख क्लाउड प्रदाता इन प्रौद्योगिकियों के लिए समर्पित स्थान बनाकर इस आवश्यकता को स्वीकार कर रहे हैं। उदाहरण के लिए, AWS Marketplace ने हाल ही में एक नई AI Agents and Tools श्रेणी पेश की है जो इन समाधानों के लिए एक केंद्रीकृत कैटलॉग के रूप में काम करती है। 

इकोसिस्टम की यह परिपक्वता महत्वपूर्ण है। यह खोज और खरीद प्रक्रिया को सरल बनाता है, उद्यमों को विक्रेता वार्ता के बजाय नवाचार पर ध्यान केंद्रित करने की अनुमति देता है। हमारे नए-लॉन्च किए गए Solace Agent Mesh जैसे समाधान, जो अब इस नई AWS श्रेणी में उपलब्ध हैं, इस बात के उदाहरण हैं कि उद्योग कैसे अंतर को पाटने की कोशिश कर रहा है, पूरे स्टैक का पुनर्निर्माण किए बिना एजेंटों को नियंत्रित और व्यवस्थित करने के लिए आवश्यक ढांचा प्रदान करता है। 

निर्णय 

IBM–Confluent सौदा उस बात की पुष्टि करता है जो कई उद्यम आर्किटेक्ट पहले से ही समझते हैं: रियल-टाइम डेटा अब वैकल्पिक नहीं है। यह बड़े पैमाने पर एंटरप्राइज AI के लिए गैर-परक्राम्य नींव है। 

प्रभावी एजेंटिक सिस्टम वर्तमान क्षण से अलगाव में तर्क, योजना या कार्य नहीं कर सकते। उन्हें व्यावसायिक घटनाएं होने पर वास्तविक समय में प्रतिक्रिया देनी चाहिए। रियल-टाइम प्रतिक्रियाशीलता के बिना, AI पूर्वदृष्टि तक ही सीमित है।  

"एजेंटिक युग" आ गया है। और इसे केवल मॉडल द्वारा परिभाषित नहीं किया जाएगा, बल्कि उन मॉडलों की बुद्धिमत्ता द्वारा परिभाषित किया जाएगा जो वास्तविक समय में लागू की जा रही है।