आर्टिफिशियल इंटेलिजेंस का विकास सहायक (copilots) और मूड कोडिंग (vibe coding) के उपयोग से हटकर ऐसी एआई सिस्टम बनाने की ओर बढ़ रहा है जो वर्कफ़्लो के भीतर तर्क कर सकें, विशेष एजेंटों का समन्वय कर सकें और न्यूनतम मानवीय भागीदारी के साथ परिणाम प्राप्त कर सकें।
देवस्पार्क्स हैदराबाद 2026 कार्यक्रम में, यूबीएस इंडिया के प्रबंध निदेशक और तकनीकी निदेशक एलांगो सोमासुंदराम ने बताया कि एजेंटिक एआई में बदलाव इंजीनियरों को बदलने के बारे में कम और इंजीनियरिंग गतिविधि की प्रकृति को बदलने के बारे में अधिक है।
एलांगो के अनुसार, अगली प्रतिस्पर्धात्मक बढ़त न केवल मॉडल में सुधार पर निर्भर करेगी, बल्कि समृद्ध संदर्भ, मजबूत सुरक्षा तंत्र (guardrails) और ऐसे डेवलपर्स पर भी निर्भर करेगी जो केवल कोड से परे सोच सकें।
उन्होंने जोर देकर कहा: 'हम एजेंट इंजीनियरिंग के युग में प्रवेश कर रहे हैं, जहां एआई एजेंट केवल अनुरोधों का जवाब नहीं देते हैं, बल्कि कार्य के संदर्भ को समझते हैं और अधिक सूचित निर्णय लेने के लिए उसका उपयोग करते हैं।'
एलांगो ने कई चरणों के माध्यम से एआई के विकास को ट्रैक किया: रोटिक प्रोसेस ऑटोमेशन और क्लाउड प्रौद्योगिकियों से लेकर सहायकों, वाइब कोडिंग और विशिष्ट एजेंटों तक। जबकि सहायक अगली कोड पंक्ति का अनुमान लगा सकते हैं, वाइब कोडिंग प्राकृतिक भाषा संकेतों के माध्यम से प्रोग्राम बनाने की अनुमति देती है, और एजेंट विशिष्ट कार्य करते हैं। एजेंटिक एआई आगे जाता है: यह इरादे से शुरू होता है, आवश्यक कार्यों को परिभाषित करता है, उन्हें विशिष्ट एजेंटों को सौंपता है और अंतिम परिणाम प्रदान करता है।
अगला मील का पत्थर एजेंट इंजीनियरिंग नामित किया गया है। डेवलपर्स द्वारा आवश्यकताओं को मैन्युअल रूप से एपिक्स में तोड़ने, निर्भरताओं को परिभाषित करने, टीमों का समन्वय करने और वर्कफ़्लो को जोड़ने के बजाय, बुद्धिमान सिस्टम इन अंतर्संबंधों को अधिक बार स्वयं समझेंगे। यह सॉफ्टवेयर विकास के एक अलग दृष्टिकोण की ओर इशारा करता है, जहां एआई पारंपरिक रूप से अनुभवी इंजीनियरों द्वारा किए जाने वाले वास्तुशिल्प सोच में भाग लेना शुरू कर देता है।
एलांगो के अनुसार, कौशल तेजी से वस्तु बन रहे हैं। अधिकांश संगठनों के पास अब शक्तिशाली आधार मॉडल और विशिष्ट योग्यताएं हैं जिन्हें ओपन-सोर्स इकोसिस्टम और एआई/एमएल समुदायों के कारण लोकतांत्रिक बनाया गया है। उन्होंने तर्क दिया कि अंतर संदर्भ ही है।
'हम अपने विकसित एजेंटों में अधिक संदर्भ कैसे ला सकते हैं? आप कौशल प्राप्त कर सकते हैं, लेकिन आप संदर्भ को कैसे सुनिश्चित करेंगे? डेटा महत्वपूर्ण हो जाता है,' उन्होंने कहा।
कंपनियों के लिए, विशेष रूप से बैंकिंग जैसे विनियमित क्षेत्रों में, संदर्भ में मालिकाना व्यावसायिक प्रक्रियाएं, उत्पाद ज्ञान, सुरक्षा नीतियां, ग्राहक अपेक्षाएं और संगठनात्मक वर्कफ़्लो शामिल हैं। सामान्य मॉडल कोड लिख सकते हैं, लेकिन वे स्वचालित रूप से यह नहीं समझते हैं कि कोई विशिष्ट बैंक लेनदेन को कैसे मंजूरी देता है, कोई चिकित्सा सुविधा अनुपालन का प्रबंधन कैसे करती है, या कोई ऑटोमोटिव कंपनी अपने उत्पादों को कैसे डिजाइन करती है।
यह डेटा की गुणवत्ता को मौलिक बनाता है। कंपनियां जानकारी की विशाल मात्रा रख सकती हैं, लेकिन यह अक्सर प्रणालियों के बीच खंडित, डुप्लिकेट, असंगत या एआई के लिए आवश्यक वर्कफ़्लो से अलग होती है। नतीजतन, ध्यान उन कर्मचारियों की संख्या से हटकर स्थानांतरित हो जाता है जो एआई उपकरणों का उपयोग करते हैं, या खपत किए गए टोकन की संख्या से हटकर, एआई सिस्टम की कॉर्पोरेट संदर्भ का उपयोग करके सटीक और विश्वसनीय परिणाम प्राप्त करने की क्षमता पर केंद्रित हो जाता है।
यह डेवलपर्स के काम की प्रकृति को भी बदलता है। केवल कहानियों और एपिक्स को लागू करने के बजाय, उन्हें सिस्टम को समस्याओं को सही ढंग से हल करने के लिए आवश्यक ज्ञान से समृद्ध करने की आवश्यकता होती है।
एलांगो ने समझाया कि एजेंटिक एआई केवल अनुप्रयोग स्तर पर ध्यान केंद्रित करके सफल नहीं हो सकता। उन्होंने कॉर्पोरेट आर्किटेक्चर को बुनियादी ढांचे और नेटवर्क इंटरैक्शन, पहचान प्रबंधन, सॉफ्टवेयर विकास प्रथाओं, प्रबंधन और सुरक्षा को कवर करने वाली परस्पर जुड़ी परतों के सेट के रूप में वर्णित किया। आधुनिक एप्लिकेशन क्लाउड और ऑन-प्रिमाइसेस दोनों वातावरण में चल सकता है, दर्जनों सेवाओं से कनेक्ट हो सकता है और संगठन के लिए विशिष्ट वास्तुशिल्प सिद्धांतों के भीतर कार्य कर सकता है। इसलिए, एजेंटिक सिस्टम को केवल कार्यात्मक कोड उत्पन्न करने के बजाय पूरी व्यापक पारिस्थितिकी तंत्र के भीतर तर्क करना चाहिए।
पहचान और एक्सेस प्रबंधन विशेष रूप से महत्वपूर्ण हो जाता है क्योंकि एजेंट एक दूसरे के साथ अधिक बार जानकारी साझा करते हैं। यदि किसी एजेंट से दूसरे एजेंट तक गलत या भ्रमित जानकारी पारित की जाती है, तो त्रुटि बढ़ सकती है और वर्कफ़्लो के गलत और अनपेक्षित परिणाम का कारण बन सकती है, जिसके गंभीर परिणाम हो सकते हैं। इसलिए, उद्यमों को प्रत्येक वास्तुशिल्प स्तर पर सुरक्षा तंत्र की आवश्यकता होती है: कनेक्टिविटी, प्रमाणीकरण, सॉफ्टवेयर विकास जीवनचक्र तत्व, नियामक अनुपालन और सुरक्षा नीतियां अंतिम जांच के बजाय एजेंट वर्कफ़्लो का हिस्सा बन जाते हैं।
एलांगो ने मानव की भूमिका में बदलाव पर भी चर्चा की। चूंकि एआई निष्पादन के अधिक चरणों को स्वचालित करता है, डेवलपर्स लक्ष्यों को परिभाषित करना, परिणामों की जांच करना और व्यावसायिक संदर्भ प्रदान करना जारी रखेंगे। उद्यमों के लिए, उन्नत तर्क मॉडल ने एआई को लागू करना एक साथ अधिक आशाजनक और अधिक जटिल बना दिया है। उन्होंने टिप्पणी की: 'हालांकि हमें कोड विकास और यहां तक कि परीक्षण में तेजी लाने के मामले में अधिक दक्षता मिलती है, अंतिम परिणाम के लिए सावधानीपूर्वक परीक्षण की आवश्यकता होती है। एआई एक मिनट में हजारों पंक्तियाँ कोड उत्पन्न कर सकता है; हमें यह सुनिश्चित करना होगा कि इसमें कुछ भी गलत न हो।'
पहले एआई वर्कफ़्लो मानव कोड समीक्षा पर बहुत अधिक निर्भर थे इससे पहले कि इसे परीक्षण के लिए आगे बढ़ाया जाए। एजेंटिक सिस्टम एक और स्तर की जटिलता जोड़ते हैं, क्योंकि कई एजेंट स्वतंत्र रूप से वर्कफ़्लो के विभिन्न हिस्सों को उत्पन्न, सत्यापित और निष्पादित कर सकते हैं। परिणामस्वरूप, उद्यम तैनाती धीमा कर रहे हैं - यह इसलिए नहीं है कि तकनीक में कुछ अच्छा होने का वादा नहीं है, बल्कि इसलिए है क्योंकि प्रबंधन गति से अधिक महत्वपूर्ण हो गया है।
एंटरप्राइज वातावरण में आने वाला प्रत्येक मॉडल अब सावधानीपूर्वक क्यूरेशन की मांग करता है। सुरक्षा टीमों को यह सुनिश्चित करना चाहिए कि गोपनीय जानकारी बाहरी मॉडलों में लीक न हो, और डेवलपर्स को यह सुनिश्चित करना चाहिए कि एआई द्वारा उत्पन्न आउटपुट उत्पादन में जाने से पहले आंतरिक नीतियों का अनुपालन करता है।
एलांगो बैंकिंग क्षेत्र को इस बात का प्रारंभिक उदाहरण मानते हैं कि एजेंटिक एआई परिचालन मॉडल को कैसे बदल सकता है। भुगतान गणना, ग्राहक संचालन और वर्कफ़्लो ऑर्केस्ट्रेशन जैसी नियमित प्रक्रियाओं को अंततः बड़े परिचालन टीमों के बजाय समन्वित एजेंटों द्वारा प्रबंधित किया जा सकता है। हालांकि, यह भविष्य अभी भी उन वास्तुकारों, इंजीनियरों, व्यापार नेताओं और परिचालन विशेषज्ञों पर निर्भर करता है जो इन एजेंटों के पीछे पारिस्थितिकी तंत्र को डिजाइन करते हैं।
उनके विचार में बड़ी संभावना उद्यम के विभेदीकरण में निहित है। प्रत्येक उद्योग का एक अद्वितीय संदर्भ होता है जिसे प्रतियोगी आसानी से दोहरा नहीं सकते हैं। बैंकिंग में, इसमें नियामक ज्ञान, जोखिम ढांचे, भुगतान अवसंरचना और ग्राहक विश्वास शामिल है। जैसे-जैसे एजेंटिक सिस्टम परिपक्व होते हैं, ये प्रासंगिक लाभ सामान्य एआई मॉडल तक पहुंच की तुलना में अधिक मूल्यवान हो सकते हैं।
एलांगो ने इस बात पर भी चर्चा की कि एजेंटिक एआई डेवलपर्स के लिए क्या मायने रखता है। उन्होंने जोर दिया कि अनुभव अभी भी मायने रखता है। एआई मॉडल हजारों लाइनों का कार्य कोड उत्पन्न कर सकता है, लेकिन एक अनुभवी इंजीनियर अक्सर उसी समस्या को अधिक कुशलता से और प्रभावी ढंग से हल करने का तरीका जानता है, क्योंकि वह व्यावसायिक संदर्भ, आंशिक रिलीज़ से सीखे गए सबक, ग्राहकों की जरूरतों को जानता है जो प्रलेखित नहीं हैं, और निरंतर बातचीत और स्पष्टीकरण के माध्यम से उनका अध्ययन करता है।
भविष्य के डेवलपर्स की पीढ़ी में तीन क्षमताओं का होना चाहिए: व्यावसायिक समस्या की समझ, जटिल कॉर्पोरेट पारिस्थितिकी तंत्र में सहयोग और एआई सिस्टम के लिए इरादों का स्पष्ट विवरण, न कि केवल कोड लिखना। जैसे-जैसे एजेंट इंजीनियरिंग विकसित होती है, कोडिंग डेवलपर टूलकिट का केवल एक हिस्सा बन जाएगा। संदर्भ, निर्णय और प्रणालीगत सोच उन लोगों के लिए तेजी से महत्वपूर्ण हो जाएगी जो एआई के साथ नेतृत्व करना चाहते हैं।