ಮೈಕ್ರೋಸಾಫ್ಟ್ ತನ್ನ ಬೆಂಗಳೂರಿನ 'ಕ್ಲೌಡ್ ಮತ್ತು AI ಇನ್ನೋವೇಶನ್ ಡೇ'ನಲ್ಲಿ ಏಜೆಂಟ್-ಕೇಂದ್ರಿತ AI ಸ್ಟ್ಯಾಕ್ ಅನ್ನು ಅನಾವರಣಗೊಳಿಸಿತು. ಇದರಲ್ಲಿ Microsoft IQ, Fabric IQ, ಒಂದು Ontology ಲೇಯರ್ ಮತ್ತು Agent 365 ಗವರ್ನೆನ್ಸ್ ಅನ್ನು ಪರಿಚಯಿಸಲಾಯಿತು. ಈ ಕ್ರಮವು ಕೇವಲ ಚಾಟ್ಬಾಟ್ಗಳಿಗಿಂತ ಕಂಪನಿಯ ಕ್ಲೌಡ್ ಸೇವೆಗಳಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಸ್ವಾಯತ್ತ "ಏಜೆಂಟ್ಗಳ"ತ್ತ ಗಮನವನ್ನು ವರ್ಗಾಯಿಸುತ್ತದೆ, ಇದು ಉದ್ಯಮಗಳು AI ಅನ್ನು ಹೇಗೆ ನಿರ್ಮಿಸಬೇಕು, ನಡೆಸಬೇಕು ಮತ್ತು ನಿಯಂತ್ರಿಸಬೇಕು ಎಂಬುದನ್ನು ಮರುಪರಿಶೀಲಿಸುವಂತೆ ಮಾಡುತ್ತದೆ.
ಈ ಬದಲಾವಣೆ ಈಗ ಏಕೆ ಮುಖ್ಯ?
ಹೆಚ್ಚಿನ ಸಂಸ್ಥೆಗಳು ಪ್ರಾಫ್-ಆಫ್-ಕನ್ಸೆಪ್ಟ್ ಮತ್ತು ಪೂರ್ಣ ಪ್ರಮಾಣದ ನಿಯೋಜನೆಯ ನಡುವೆ ಸಿಲುಕಿಕೊಳ್ಳುತ್ತವೆ. ಇಲ್ಲಿ ಅಡಚಣೆಯು ಮಾಡೆಲ್ಗಳಲ್ಲ; ಬದಲಾಗಿ ಏಜೆಂಟ್ ಅನ್ನು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಮತ್ತು ನಿಯಮಬದ್ಧವಾಗಿರಿಸುವ ಗವರ್ನೆನ್ಸ್, ಐಡೆಂಟಿಟಿ ಮತ್ತು ಅಬ್ಸರ್ವೇಬಿಲಿಟಿ (observability) ಎಂಬ ಮೂಲಸೌಕರ್ಯಗಳಲ್ಲಿ (plumbing) ಇದೆ. ಮೈಕ್ರೋಸಾಫ್ಟ್ನ ಹೊಸ ಸ್ಟ್ಯಾಕ್ ಈ ಮೂಲಸೌಕರ್ಯವನ್ನು ಪೂರೈಸುತ್ತದೆ, ಇದು ಯಾವುದೇ ಡೇಟಾ ಪ್ಲಾಟ್ಫಾರ್ಮ್ ಮತ್ತು ಯಾವುದೇ ಲಾರ್ಜ್-ಲ್ಯಾಂಗ್ವೇಜ್ ಮಾಡೆಲ್ (LLM) ಮೇಲೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಮರುಬಳಕೆ ಮಾಡಬಹುದಾದ ಇಂಟೆಲಿಜೆನ್ಸ್ ಲೇಯರ್ ಅನ್ನು ನೀಡುತ್ತದೆ.
ಮೈಕ್ರೋಸಾಫ್ಟ್ ಪರಿಚಯಿಸಿದ ಮೂಲ ಘಟಕಗಳು
- Microsoft IQ – ಇದು ಗ್ರಾಹಕರ ಟೆನೆಂಟ್ನಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಇಂಟೆಲಿಜೆನ್ಸ್ ಲೇಯರ್ ಆಗಿದ್ದು, ಪ್ರಾಂಪ್ಟ್ಗಳು, ಮೆಮೊರಿ ಮತ್ತು ಪಾಲಿಸಿಗಳ ಮೇಲೆ ನೇರ ನಿಯಂತ್ರಣವನ್ನು ನೀಡುತ್ತದೆ.
- Fabric IQ – ಇದೇ ಸಾಮರ್ಥ್ಯವನ್ನು ಮೈಕ್ರೋಸಾಫ್ಟ್ನ ಡೇಟಾ-ಫ್ಯಾಬ್ರಿಕ್ ಆಫರಿಂಗ್ನಲ್ಲಿ ಅಳವಡಿಸಲಾಗಿದೆ, ಇದರಿಂದ ವಿಶ್ಲೇಷಣೆ (analytics) ಮತ್ತು AI ಎರಡೂ ಸಾಮಾನ್ಯ ಸಂದರ್ಭವನ್ನು (context) ಹಂಚಿಕೊಳ್ಳುತ್ತವೆ.
- Ontology – ಇದು ವ್ಯವಹಾರದ ಪ್ರಕ್ರಿಯೆಗಳು, ಘಟಕಗಳು ಮತ್ತು ಸಂಬಂಧಗಳ ಜೀವಂತ, ಯಂತ್ರ-ಓದಬಲ್ಲ (machine-readable) ಮಾಡೆಲ್ ಆಗಿದೆ. ಇದು ಯಾವುದೇ ಕಠಿಣ ನಿಯಮಗಳನ್ನು (hard-coding) ಬರೆಯದೆಯೇ ಏಜೆಂಟ್ಗಳು "ಯಾರು ಏನು ಮಾಡುತ್ತಾರೆ" ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
- Agent 365 – ಇದು ಪ್ರತಿಯೊಂದು AI ಏಜೆಂಟ್ಗೆ ಐಡೆಂಟಿಟಿ, ಪಾತ್ರ ಆಧಾರಿತ ಪ್ರವೇಶ (role-based access) ಮತ್ತು ಆಡಿಟ್ ಟ್ರೈಲ್ಗಳನ್ನು ಜೋಡಿಸುವ ಗವರ್ನೆನ್ಸ್ ಫ್ರೇಮ್ವರ್ಕ್ ಆಗಿದೆ. ಇದು ಏಜೆಂಟ್ ಅನ್ನು HR ಅಥವಾ ಸೆಕ್ಯೂರಿಟಿ ಸಿಸ್ಟಮ್ಗಳಲ್ಲಿನ ಉದ್ಯೋಗಿಯಂತೆ ಪರಿಗಣಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
ಒಟ್ಟಾರೆಯಾಗಿ, ಈ ಘಟಕಗಳು "ಚಾಟ್ಬಾಟ್" ಅನ್ನು ಡೇಟಾವನ್ನು ಪಡೆಯುವ, ವರ್ಕ್ಫ್ಲೋಗಳನ್ನು ಪ್ರಾರಂಭಿಸುವ ಮತ್ತು ಸಾಂಸ್ಥಿಕ ಮಿತಿಯೊಳಗೆ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ "ಡಿಜಿಟಲ್ ಸಹೋದ್ಯೋಗಿ"ಯನ್ನಾಗಿ ಪರಿವರ್ತಿಸುತ್ತವೆ.
ತಜ್ಞರು ಇಂದು ಮಾಡಬಹುದಾದ ಕ್ರಮಗಳು
- ಏಜೆಂಟ್ನ ಕೆಲಸದ ವಿವರಣೆಯನ್ನು (job description) ವ್ಯಾಖ್ಯಾನಿಸಿ – ಪ್ರತಿಯೊಂದು AI ಅಸಿಸ್ಟೆಂಟ್ ಅನ್ನು ನಿರ್ದಿಷ್ಟ ಕೌಶಲ್ಯಗಳು, ಸೂಚನೆಗಳು ಮತ್ತು ವಿಶಿಷ್ಟ ಗುರುತನ್ನು ಹೊಂದಿರುವ ಒಂದು ಪಾತ್ರವಾಗಿ ಪರಿಗಣಿಸಿ. ಏಜೆಂಟ್ ತಪ್ಪಾಗಿ ವರ್ತಿಸಿದಾಗ, ಕೇವಲ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಮಾತ್ರವಲ್ಲದೆ, ಅದರ ವ್ಯಾಖ್ಯಾನಿತ ಜವಾಬ್ದಾರಿಗಳನ್ನು ಮೊದಲು ಪರಿಶೀಲಿಸಿ.
- ಮಾಡೆಲ್ ಅನ್ನು ಬದಲಾಯಿಸಬಹುದಾದಂತೆ ಮಾಡಿ – LLM ಅನ್ನು ಸುತ್ತಲಿನ ಮೂಲಸೌಕರ್ಯದಿಂದ ಬೇರ್ಪಡಿಸುವ ಮೂಲಕ, ಕಂಪನಿಯು ಇಡೀ ಸ್ಟ್ಯಾಕ್ ಅನ್ನು ಮರುನಿರ್ಮಾಣ ಮಾಡದೆ GPT ಅನ್ನು Claude, Llama ಅಥವಾ ಯಾವುದೇ ಭವಿಷ್ಯದ ಮಾಡೆಲ್ಗೆ ಬದಲಾಯಿಸಬಹುದು. ಹೂಡಿಕೆಯು ಮಾಡೆಲ್ ಮೇಲೆ ಅಲ್ಲದೆ, ಆರ್ಕೆಸ್ಟ್ರೇಶನ್ ಲೇಯರ್ ಮೇಲೆ ಇರುತ್ತದೆ.
- ಹಳೆಯ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಅಳಿಸಬೇಡಿ, ಬದಲಿಗೆ ಅವುಗಳಿಗೆ ಹೊಸ ಲೇಯರ್ ಸೇರಿಸಿ (Wrap, don't rip) – ಹಳೆಯ (Legacy) ಸಿಸ್ಟಮ್ಗಳನ್ನು ಅಡಾಪ್ಟರ್ಗಳ ಮೂಲಕ AI ಗೆ ಜೋಡಿಸಬಹುದು. ಕೋಟಕ್ ಮಹೀಂದ್ರಾ ಇದನ್ನು ತನ್ನ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಟೆಲಿಫೋನಿ ಸೆಟಪ್ ಮೇಲೆ Azure Voice Live ಅನ್ನು ಲೇಯರ್ ಮಾಡುವ ಮೂಲಕ ಪ್ರದರ್ಶಿಸಿತು, ಇದರಿಂದ ಪೂರ್ಣ ಪ್ರಮಾಣದ ಬದಲಾವಣೆ ಅಗತ್ಯವಿಲ್ಲ ಎಂಬುದು ಸಾಬೀತಾಯಿತು.
- ಟ್ಯೂನಿಂಗ್ ಅನ್ನು ನಿರಂತರ ಪ್ರಕ್ರಿಯೆಯಾಗಿ ಪರಿಗಣಿಸಿ – ಫೈನ್-ಟ್ಯೂನಿಂಗ್ ಮಾಡಲು ಡೇಟಾವನ್ನು ಸಿದ್ಧಪಡಿಸುವ, ತರಬೇತಿ ನೀಡುವ, ಮೌಲ್ಯಮಾಪನ ಮಾಡುವ ಮತ್ತು ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುವ ಲೂಪ್ ಅಗತ್ಯವಿದೆ. ಮೌಲ್ಯಮಾಪನ ಪೈಪ್ಲೈನ್ ಇಲ್ಲದಿದ್ದರೆ, ಯಾವುದೇ ಟ್ಯೂನಿಂಗ್ ಪ್ರಯತ್ನವು ಫಲಪ್ರದವಾಗುವುದಿಲ್ಲ.
- ಸ್ವಚ್ಛವಾದ ಡೇಟಾದೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ – ಒಬ್ಬ ಭಾಗವಹಿಸಿದ ವ್ಯಕ್ತಿಯ ಪ್ರಕಾರ, ಅವರ ವರದಿಗಳಲ್ಲಿ ಕಾಲು ಭಾಗವು ಎಂದಿಗೂ ಬಳಕೆಯಾಗಿಲ್ಲ. ಅಸ್ತವ್ಯಸ್ತವಾದ ಡೇಟಾವನ್ನು ಏಜೆಂಟ್ಗೆ ನೀಡುವುದು ಕೇವಲ ಅಸ್ತವ್ಯಸ್ತತೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಿದಂತೆ ಆಗುತ್ತದೆ. ದೊಡ್ಡ ಪ್ರಮಾಣದ AI ನಿಯೋಜನೆಗಿಂತ ಮೊದಲು ಡೇಟಾ-ಗುಣಮಟ್ಟದ ಉಪಕ್ರಮಗಳು ಮತ್ತು ವರದಿಗಳ ಸಮರ್ಥೀಕರಣ ನಡೆಯಬೇಕು.
ಉದ್ಯಮದ ಸ್ಟ್ಯಾಕ್ಗಾಗಿ ಕೆಲವು ಪ್ರಾಯೋಗಿಕ ಐಡಿಯಾಗಳು
- AI ಸಂಬಂಧಿತ ವೆಚ್ಚಗಳು, ವಿಳಂಬ (latency) ಮತ್ತು ಪೈಪ್ಲೈನ್ಗಳ ಆರೋಗ್ಯವನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡುವ ಏಕೀಕೃತ ಅಬ್ಸರ್ವೇಬಿಲಿಟಿ ಡ್ಯಾಶ್ಬೋರ್ಡ್ ಅನ್ನು ನಿರ್ಮಿಸಿ.
- ಡೇಟಾ ಚಲನೆಯನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಮತ್ತು ಲೆಕ್ಕಪರಿಶೋಧನೆಗೆ (auditable) ಅನುಕೂಲವಾಗುವಂತೆ ಮಾಡಲು, ಏಜೆಂಟ್ಗಳಿಗೆ ಆಂತರಿಕ ಡೇಟಾ ವೇರ್ಹೌಸ್ಗಳನ್ನು ಪ್ರದರ್ಶಿಸಲು MCP ಪ್ರೊಟೊಕಾಲ್ಗಳನ್ನು ಬಳಸಿ.
- ವೆಚ್ಚ ನಿರ್ವಹಣೆಯ ಪ್ರಶ್ನೆಗಳನ್ನು ನೈಸರ್ಗಿಕ ಭಾಷೆಗೆ ಅನುವಾದಿಸುವ ಸೆಮ್ಯಾಂಟಿಕ್ ಮಾಡೆಲ್ಗಳನ್ನು ರಚಿಸಿ. ಇದರಿಂದ ಹಣಕಾಸು ತಂಡಗಳು "ಕಳೆದ ತ್ರೈಮಾಸಿಕದಲ್ಲಿ ನಮ್ಮ ಕ್ಲೌಡ್ ವೆಚ್ಚ ಎಷ್ಟು?" ಎಂದು ಕೇಳಿದ ತಕ್ಷಣ ಉತ್ತರ ಪಡೆಯಬಹುದು.
- ಕೋಡ್ ರಿವ್ಯೂಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ಡೆವಲಪ್ಮೆಂಟ್ ತಂಡಗಳಲ್ಲಿ GitHub Copilot ಅನ್ನು ಪೈಲಟ್ ಮಾಡಿ, ಇದರಿಂದ ವೇಗ ಮತ್ತು ದೋಷಗಳ ಇಳಿಕೆಯ ಎರಡನ್ನೂ ಅಳೆಯಬಹುದು.