EdgeVerve द्वारे तुमच्यासाठी आणले
ग्लोबल बिझनेस सर्व्हिसेस (GBS) मध्ये येण्यापूर्वी, एक पाऊल मागे घेऊ या. एजंटिव्ह AI, ध्येय-निर्देशित कृती करण्यास सक्षम AI प्रकार, केवळ GBSच नव्हे तर कोणत्याही प्रकारच्या संस्थेचे रूपांतर करू शकेल का? तुम्ही अजून ते केले आहे का?
अनेक नवीन तंत्रज्ञानाप्रमाणे, या प्रकरणात वक्तृत्व प्रकाशनाच्या पलीकडे गेले. 2025 हे एजंटिक एआयचे वर्ष मानले जात असले तरी, व्हेंचरबीटचे योगदान देणारे संपादक टेरिन प्लंब यांच्या म्हणण्यानुसार ते तसे झाले नाही. Google क्लाउड आणि रिप्लिट इंटिग्रेटेड डेव्हलपमेंट एन्व्हायर्नमेंट (IDE) कडील इनपुटवर अवलंबून राहून, Plumb ने डिसेंबर 2025 मध्ये VentureBeat वरील एका पोस्टमध्ये नोंदवले होते की स्केल करण्यासाठी आवश्यक असलेल्या मूलभूत गोष्टी काय आहेत.
एलएलएम-आधारित जनरेटिव्ह एआयचा अनुभव पाहता, हा निकाल आश्चर्यकारक नाही. फेब्रुवारी 2025 मध्ये शेअर्ड सर्व्हिसेस अँड आउटसोर्सिंग नेटवर्क (SSON) समिटमध्ये केलेल्या सर्वेक्षणात, 65% GBS संस्थांनी प्रतिसाद दिला की त्यांनी अद्याप GenAI प्रकल्प पूर्ण केलेला नाही. कोणीही सुरक्षितपणे म्हणू शकतो की अलीकडील एजंटिक एआयचा अवलंब अद्याप जीबीएससह संस्थांसाठी त्याच्या सुरुवातीच्या टप्प्यात आहे.
जागतिक व्यवसाय सेवांमध्ये एजंटिक एआयची भूमिका
तथापि, प्रभावी AI च्या प्रचंड क्षमतेवर आणि GBS क्षेत्रामध्ये त्याचा वापर यावर लक्ष केंद्रित करण्याची चांगली कारणे आहेत.
प्रचाराच्या पलीकडे, Agentic AI सॉफ्टवेअर वर्कफ्लोच्या ऑर्केस्ट्रेशन स्तरावर शक्यता उघडते जे पूर्वी व्यावहारिक नव्हते. हे एलएलएमसह (परंतु आवश्यक नाही) विविध तंत्रांद्वारे करते. एजंटिक AI मोठ्या प्रमाणावर तैनात करण्यासाठी आवश्यक असलेल्या काही मूलभूत गोष्टी कंपन्या आधीच गहाळ करत असतील, परंतु या मूलभूत आवश्यकता आवाक्याबाहेर नाहीत.
GBS आणि त्याच्या जागतिक क्षमता केंद्रांबद्दल, त्यांनी आधीच बॅक-ऑफिस विस्तारापासून वाढत्या धोरणात्मक कॉर्पोरेट भागीदारांमध्ये परिवर्तन केले आहे. Agentic AI हे नैसर्गिक तंदुरुस्त आहे कारण त्याच्या प्रमाणित वापराच्या प्रकरणांमध्ये IT ऑपरेशन्स किंवा ग्राहक सेवा एजंट, विद्यमान GBS आणि GCC व्हीलहाऊसमध्ये आधीपासून अस्तित्त्वात असलेले कार्य यांचा समावेश होतो.
तर, होय, एजंटिक AI GBS क्षेत्रामध्ये परिवर्तन करू शकते. औद्योगिक नेत्यांनी पद्धतशीर दृष्टीकोन घेऊन मोठ्या प्रमाणावर तैनातीकडे वाटचाल करणे चांगले होईल.
GBS मध्ये एजंटिक AI तैनात करण्यासाठी पाच पायऱ्या
एजंटिक एआय हा शहरातील एकमेव खेळ नाही. नमूद केल्याप्रमाणे, GenAI आहे, जो मुख्यतः सामग्री निर्मितीसाठी वापरला जातो. परंतु व्याप्ती वाढवताना, आम्ही भविष्यसूचक AI आणि माहितीपट AI चा देखील संदर्भ घेऊ शकतो, जे अनुक्रमे भविष्यवाणी आणि डेटा मायनिंगसाठी वापरले जातात. (काहीही MBA आवश्यक नाही.) पूर्व-अस्तित्वात असलेल्या AI चे एक्सपोजर एजंटिक AI च्या भविष्यासाठी चांगले आहे.
प्रथम, AI चे हे फ्लेवर्स एकमेकांना समर्थन देतात आणि आधुनिक प्रणालींमध्ये स्टॅक केलेले (वेगळे नाही) आहेत. एजंट AI, विशेषतः, इतरांवर अवलंबून राहण्याच्या स्थितीत आहे. दुसरे, GenAI च्या हाइप सायकलमधून जगत असताना, उद्योगातील नेत्यांना एजंटिक AI साठी अधिक मोजमाप आणि उत्पादक दृष्टीकोन घेण्याचा मोह होऊ शकतो.
पायलटमध्ये घाई करण्याऐवजी, उद्योगाने काळजीपूर्वक तयारी करणे चांगले होईल (चरण 1-3). योग्य चाचणी प्रकल्प (चरण 4) सह एकत्रित केल्यावर, या क्रिया एजंटिक AI (चरण 5) च्या विस्तारित तैनातीसाठी मार्ग मोकळा करू शकतात:
तुमच्या प्रक्रिया जाणून घ्या. व्यवसाय प्रक्रिया जटिल असू शकते. उदाहरणार्थ, एक प्रमुख जागतिक शिपिंग आणि लॉजिस्टिक कंपनी घ्या, जिच्या सात GBS केंद्रांमधील हजारो पूर्ण-वेळ कर्मचारी 80 पेक्षा जास्त प्रक्रियांना समर्थन देतात ज्यात विस्तृत प्रादेशिक भिन्नता असलेल्या अत्यंत जटिल, मॅन्युअल-केंद्रित वर्कफ्लोचा समावेश आहे. केवळ वर्तमान प्रक्रिया आणि कार्यप्रवाह प्रथम समजून घेतल्यावरच यासारख्या संस्थेला त्यांचा पुनर्विचार किंवा पुनर्रचना करण्यास सक्षम होण्याची संधी असते.
तुमचा डेटा जाणून घ्या. ते डेटाशी जवळून जोडलेले आहेत ज्यावर कार्यप्रवाह अवलंबून आहेत. हा डेटा शेवटपासून शेवटपर्यंत कसा प्रवाहित होतो? पाइपलाइन कशा दिसतात? मुख्य APIs कुठे आहेत? डेटा संरचित आहे की असंरचित? संसाधनांमध्ये डेटा प्लॅटफॉर्म (रेकॉर्डची प्रणाली) आणि वेक्टर डेटाबेस (संदर्भ इंजिन) समाविष्ट आहेत, जे दोन्ही एआय एजंट्सना चांगले निर्णय घेणे आवश्यक आहे? कोणत्या प्रकारचे डेटा प्रशासन आणि सुरक्षा प्रचलित आहे? एजंटिक एआय परिस्थितीत हे कसे बदलू शकते?
समस्येची व्याख्या करा. वर नमूद केलेल्या शिपिंग कंपनीच्या बाबतीत, तिच्या वर्कफ्लोची जटिलता आणि विविधता, तसेच तिची मॅन्युअल तीव्रता, त्याला महत्त्वपूर्ण खर्च, सेवा स्तरावरील करार (SLAs) मध्ये त्रुटी, खराब ग्राहक अनुभव आणि वाढीव अनुपालन आणि कायदेशीर जोखीम यांचा पर्दाफाश करते. एकदा नाव दिल्यावर, समस्या तार्किकदृष्ट्या स्वतंत्र उद्दिष्टांसह संभाव्य वापर केस बनते.
ऑपरेटिंग मॉडेल वापरून पहा. पर्यायांमध्ये उत्कृष्टतेच्या केंद्रामध्ये एकत्रित प्रयत्न करणे, नागरिकांच्या नेतृत्वाखालील दृष्टीकोनातून विकासाचे लोकशाहीकरण करणे आणि बिल्ड-ऑपरेट-हस्तांतरण-हस्तांतरण (BOTT) मॉडेलद्वारे भागीदारी करणे यासह इतरांचा समावेश आहे. स्ट्रक्चरल स्पष्टतेशिवाय, एआय पायलटलाही त्यांच्या सुरुवातीच्या डोमेनच्या पलीकडे विस्तार करणे कठीण आहे. मॉडेलने वास्तविकता देखील प्रतिबिंबित केली पाहिजे. एजंटिक AI मध्ये बहुधा समन्वित उद्दिष्टांचा पाठपुरावा करण्यासाठी अनेक समांतर एजंट्सचा समावेश असेल आणि तरीही ते पर्यावरण, जटिलता, जोखीम आणि प्रशासनाद्वारे मर्यादित आहे.
पातळी वर. यशस्वी वैमानिक त्यांची पुढील पावले चालवतात. उदाहरणार्थ, ऑस्ट्रेलियातील एका मोठ्या बहुराष्ट्रीय बँकेचा खंडित झालेला अनुभव घ्या. COE ऑटोमेशनद्वारे अनेक नॉन-कोर प्रक्रिया स्वयंचलित केल्यानंतर, बँकेला अधिक जटिल कार्यप्रवाहांचे विश्लेषण आणि सुधारणा करण्याची आवश्यकता असल्याचे जाणवले. त्याने एक अत्याधुनिक सॉफ्टवेअर प्लॅटफॉर्म निवडला ज्याने 14 महिन्यांपेक्षा कमी कालावधीत 100 हून अधिक शोध प्रकल्प पूर्ण करण्यास सक्षम केले. पायलट प्रकल्प अशा प्रकारे एंटरप्राइझ-व्यापी उपक्रमांमध्ये वाढू शकतात.
एंटरप्राइझ-स्केल एजंटिक AI कसा दिसतो
केवळ आकारच वास्तविक प्रभाव पाडू शकतो. शिपिंग प्रदात्याने, त्याच्या सात GBS केंद्रांसह, डेटा पाइपलाइन तयार करणे, जटिल दस्तऐवजांचे डिजिटायझेशन करणे, देश-विशिष्ट अपवादांमध्ये नियम-आधारित तर्क लागू करणे आणि कार्यसंघांमध्ये कार्य आयोजित करणे या तंत्रज्ञानासह समाप्त केले. या एआय-फर्स्ट ट्रान्सफॉर्मेशन फाउंडेशनमुळे सुमारे 16 उपक्रम, ऑटोमेशनमध्ये घातांक वाढ आणि लक्षणीय कार्यक्षमतेत वाढ झाली आहे.
ऑर्केस्ट्रेशन स्तरावर क्षमता उघडून-संदर्भीय जागरूकता, क्रॉस-डोमेन सहयोग आणि गव्हर्नन्स-संरेखित स्वायत्त कृती सक्षम करून-एजंट AI AI आणि मानवी दोन्ही ऑपरेशन्स सुपरचार्ज करू शकतात.
आपल्या खरेदीचा विचार करा. दस्तऐवज AI काही मॅन्युअल चेक टाळून, खरेदी ऑर्डरमधून डेटा काढू शकतो, एआय एजंट विक्रेत्याच्या जोखमीचे, क्रॉस-रेफरन्स अनुपालन मानकांचे मूल्यांकन करू शकतो, बजेटची उपलब्धता तपासू शकतो आणि नियामक अहवालासाठी ऑडिट रेकॉर्ड राखून वाटाघाटी देखील करू शकतो. आर्थिक सल्लागार परिस्थितीत, प्रेडिक्टिव एआय ट्रेंडचे विश्लेषण करू शकते, एआय एजंट पुढील कारवाई करू शकतो, लक्ष्यित धोरणात्मक गुंतवणुकीसह विशिष्ट व्यावसायिक युनिट्समधील व्यावसायिकांना मदत करू शकतो.
लक्षात घ्या की एजंट मानवी निर्णयाची जागा घेत नाही, परंतु निर्णय अधिक जलद, अधिक सुसंगतपणे आणि मोठ्या प्रमाणावर घेतले जातील याची खात्री करून त्याची व्याप्ती वाढवतो.
स्वायत्त ऑटोमेशन पासून GBS येथे एजंट इकोसिस्टम पर्यंत
एजंटिक AI च्या युगात एंटरप्राइझचे नेतृत्व करण्यासाठी GBS अद्वितीय स्थानावर आहे. डिझाइननुसार, GBS अनेक व्यवसाय युनिट्समधील प्रक्रिया आणि डेटाच्या छेदनबिंदूवर बसते. फायनान्स, एचआर, पुरवठा साखळी आणि आयटीचा प्रवाह सामायिक सेवा मॉडेलद्वारे होतो. हे केंद्रीय नियंत्रण बिंदू प्रभावी AI परिसंस्था तयार करण्यासाठी GBS ला एक आदर्श लॉन्चिंग पॅड बनवते.
इकोसिस्टम स्वायत्त ऑटोमेशनपेक्षा वेगळी असते. एजंट स्वतंत्रपणे कार्य करत नाहीत. त्याऐवजी, ते एकमेकांशी जोडलेल्या प्रणालीचा भाग म्हणून कार्य करतात. ते कल्पना सामायिक करतात, एकमेकांकडून शिकतात आणि संघटना-व्यापी परिणाम सुधारण्यासाठी समन्वय साधतात. GBS किंवा GCC मध्ये तैनात करून, Agentic AI त्यांच्या चालू परिवर्तनाला गती देऊ शकते, त्यांना वाढत्या ऑटोमेशनच्या पलीकडे जाण्यास आणि एंड-टू-एंड ऑपरेशन ऑर्केस्ट्रेशन स्तरावर कार्य करण्यास सक्षम करते.
एन. शशिदार एजवेर्व्हचे वरिष्ठ उपाध्यक्ष आणि उत्पादन व्यवस्थापनाचे जागतिक प्रमुख आहेत.
प्रायोजित लेख ही पोस्टसाठी पैसे देणाऱ्या किंवा VentureBeat शी कार्यरत संबंध असलेल्या कंपनीद्वारे उत्पादित केलेली सामग्री असते आणि नेहमी स्पष्टपणे लेबल केलेली असते. अधिक माहितीसाठी, कॉल करा sales@venturebeat.com.
