स्प्लंकने तुमच्यासाठी आणले
एजंटिक AI चा फायदा घेण्यासाठी प्रत्येक उद्योगातील संस्था झटत आहेत. डिजिटल लवचिकतेसाठी वचन सक्तीचे आहे – संघटनांना प्रतिक्रियात्मक ते प्रतिबंधात्मक प्रक्रियांकडे नेण्याची क्षमता.
परंतु बहुतेक संस्था ज्या पद्धतीने या परिवर्तनाकडे जात आहेत त्यात एक मूलभूत त्रुटी आहे.
आपण इंद्रियांशिवाय मेंदू तयार करतो
AI धोरणावर चर्चा करणाऱ्या कोणत्याही कॉन्फरन्स रूममध्ये जा आणि तुम्हाला MBA, लॉजिक इंजिन आणि GPU क्लस्टर्सबद्दल अंतहीन चर्चा ऐकायला मिळतील. तो संभाषणावर प्रभुत्व मिळवतो "मेंदू" (कोणती मॉडेल्स वापरली पाहिजेत) आणि "शरीर" (ते ऑपरेट करण्यासाठी पायाभूत सुविधा काय आहे).
स्पष्ट अनुपस्थिती म्हणजे काय? यावर गंभीर चर्चा नाही संवेदना – एआय एजंटना त्यांचे वातावरण जाणण्यासाठी आणि नेव्हिगेट करण्यासाठी आवश्यक असलेला ऑपरेशनल डेटा.
ही साधी उपेक्षा नाही. ही एक श्रेणी त्रुटी आहे जी एजंटिक एआय तैनात करण्यात कोणत्या संस्था यशस्वी होतात आणि कोणत्या महाग आणि धोकादायक अराजकता निर्माण करतात हे निर्धारित करेल.
येथे सेल्फ-ड्रायव्हिंग कारच्या सादृश्याचा विचार करूया. तुमच्याकडे जगातील सर्वात प्रगत सेल्फ-ड्रायव्हिंग AI प्रणाली असू शकते, परंतु LiDAR, कॅमेरा, रडार आणि रिअल-टाइम सेन्सर फीडशिवाय, AI व्यर्थ आहे. आणखी वाईट म्हणजे ते निरुपयोगी आणि धोकादायक आहे.
हेच तत्त्व एंटरप्राइझ एआय एजंटना लागू होते. एआय एजंटला सुरक्षा घटनांना प्रतिसाद देणे, पायाभूत सुविधा सुधारणे किंवा ग्राहक सेवेचे समन्वय साधणे यासाठी काम करण्यासाठी सतत, संदर्भित, उच्च-गुणवत्तेच्या डिव्हाइस डेटाची आवश्यकता असते. त्याशिवाय, तुम्ही एजंटना डोळ्यांवर पट्टी बांधून गंभीर निर्णय घेण्यास सांगत आहात.
एजंटांना तीन गंभीर इंद्रियांची आवश्यकता असते
एजंट एआयला एंटरप्राइझ वातावरणात यशस्वीरीत्या काम करण्यासाठी, तीन मूलभूत संवेदी क्षमतांची आवश्यकता आहे:
1. रिअल-टाइम ऑपरेशनल जागरूकता: एजंटना संपूर्ण तंत्रज्ञान स्टॅकवर टेलीमेट्री, लॉग, इव्हेंट आणि मेट्रिक्सच्या सतत प्रवाहांची आवश्यकता असते. ही बॅच प्रोसेसिंग नाही; हा थेट डेटा आहे जो अनुप्रयोग, पायाभूत सुविधा, सुरक्षा साधने आणि क्लाउड प्लॅटफॉर्मवरून प्रवाहित होतो. जेव्हा सुरक्षा एजंटला विसंगत वर्तन आढळते, तेव्हा त्यांना काय चालले आहे हे माहित असणे आवश्यक आहे आतातासाभरापूर्वी जे घडले ते नाही
2. संदर्भित समज: कच्चा डेटा प्रवाह पुरेसे नाहीत. एजंटना संपूर्ण डोमेनवर माहिती त्वरित परस्परसंबंधित करण्यास सक्षम असणे आवश्यक आहे. अयशस्वी लॉगिन प्रयत्नांमध्ये वाढ होण्याचा अर्थ एकांतात काहीही नाही. पण जोडपे की अलीकडील पायाभूत सुविधा बदल आणि असामान्य नेटवर्क रहदारी, आणि अचानक तुम्हाला एक निश्चित सुरक्षा घटना आहे. हा संदर्भ आवाजापासून सिग्नल वेगळे करतो.
3. ऐतिहासिक स्मृती: प्रभावी एजंट कालांतराने नमुने, बेसलाइन आणि विसंगती समजून घेतात. त्यांना संदर्भ प्रदान करणाऱ्या ऐतिहासिक डेटामध्ये प्रवेश आवश्यक आहे: ते नैसर्गिक कसे दिसते? हे यापूर्वी घडले आहे का? ही मेमरी एजंटांना नियमित चढउतार आणि हस्तक्षेपाची आवश्यकता असलेल्या वास्तविक समस्यांमध्ये फरक करण्यास सक्षम करते
डेटा कर्जाची छुपी किंमत
बऱ्याच संस्थांसाठी गोष्टी अस्वस्थ होतात ते येथे आहे: एजंटिक एआयला यशस्वी होण्यासाठी आवश्यक डेटा इन्फ्रास्ट्रक्चर अस्तित्वात आहे "आपण ते कधीतरी केले पाहिजे" वर्षांची यादी.
पारंपारिक विश्लेषणामध्ये, खराब डेटा गुणवत्तेमुळे अंतर्दृष्टी कमी होते. निराशाजनक, परंतु विनाशकारी नाही. तथापि, एजंटिक वातावरणात, या समस्या त्वरित प्रभावी होतात:
-
विसंगत निर्णय: एजंट काहीही न करणे आणि अनावश्यक फेलओव्हर सुरू करणे यांमध्ये दोलायमान असतात कारण खंडित डेटा स्रोत एकमेकांचा विरोध करतात.
-
बंद केलेले ऑटोमेशन: वर्कफ्लोमध्ये व्यत्यय आला आहे कारण एजंटला सिस्टम अवलंबित्व किंवा मालकीमध्ये दृश्यमानता नाही.
-
मॅन्युअल पुनर्प्राप्ती: जेव्हा गोष्टी चुकीच्या होतात, तेव्हा एजंटच्या कृतींचे स्पष्टीकरण देण्यासाठी कोणतीही स्पष्ट डेटा साखळी नसल्यामुळे कार्यसंघ घटनांची पुनर्रचना करण्यात दिवस घालवतात.
एजंट एआयची गती या डेटा समस्या लपवत नाही; ते त्यांना मशीनच्या वेगाने दाखवते आणि वाढवते. एकेकाळी त्रैमासिक डेटा स्वच्छता उपक्रम होता तो आता एक अस्तित्वात्मक परिचालन धोका आहे.
तुम्ही कोणत्या विजेत्या संस्था तयार करत आहात?
एजंट्सच्या युगात ज्या संस्था वरचढ ठरतील त्या अशा नाहीत ज्या सर्वात जास्त एजंट तैनात करतात किंवा सर्वात सुंदर मॉडेल वापरतात. ते असे आहेत ज्यांना हे समजले आहे की प्रभावी संवेदना पायाभूत सुविधा ही वास्तविक स्पर्धात्मक भिन्नता आहे.
हे विजेते चार महत्त्वाच्या क्षमतांमध्ये गुंतवणूक करतात, त्या सर्व सिस्को डेटा फॅब्रिकमध्ये आहेत:
1. अमर्याद प्रमाणात आणि मर्यादित खर्चावर युनिफाइड डेटा: स्वतंत्र मॉनिटरिंग टूल्सचे युनिफाइड ऑपरेशनल डेटा प्लॅटफॉर्ममध्ये रूपांतर करणे आवश्यक आहे. रिअल-टाइम, स्वायत्त ऑपरेशन्सना समर्थन देण्यासाठी, संस्थांना डेटा इन्फ्रास्ट्रक्चरची आवश्यकता आहे जी पेटाबाईट-स्तरीय डेटा सेट हाताळण्यासाठी कार्यक्षमतेने स्केल करू शकतात. वर्गीकरण, फेडरेशन आणि एआय ऑटोमेशन यासारख्या धोरणांद्वारे हे खर्च-प्रभावी पद्धतीने केले जाते हे महत्त्वाचे आहे. जेव्हा युनिफाइड डेटा प्लॅटफॉर्म उच्च कार्यप्रदर्शन आणि आर्थिक स्थिरता प्रदान करतात तेव्हाच खरे स्वायत्त ऑपरेशन्स शक्य होतील.
2. अंगभूत संदर्भ आणि संबंध: अत्याधुनिक संस्था संदर्भाने समृद्ध डेटा वितरीत करण्यासाठी कच्च्या डेटा संकलनाच्या पलीकडे जात आहेत. डेटा वर्कफ्लोमध्ये सिस्टममधील संबंध, सेवांमधील अवलंबित्व आणि तांत्रिक घटकांचा व्यवसाय प्रभाव समाविष्ट करणे आवश्यक आहे. हे सुनिश्चित करते की एजंट्स संदर्भ शोधण्यात कमी वेळ घालवतात आणि त्यावर कार्य करण्यासाठी जास्त वेळ घालवतात.
3. वंश आणि शोधण्यायोग्य नियम: एआय एजंट महत्त्वपूर्ण निर्णय घेतात अशा जगात, उत्तर देण्याची क्षमता वाढत आहे "एजंटने असे का केले?" अनिवार्य संस्थांना संपूर्ण डेटा साखळीची आवश्यकता असते जी प्रत्येक निर्णयाची नेमकी कोणती माहिती देते हे दर्शवते. हे फक्त डीबगिंगसाठी नाही; स्वायत्त प्रणालींमध्ये अनुपालन, ऑडिटिबिलिटी आणि विश्वास निर्माण करण्यासाठी हे आवश्यक आहे.
4. खुली आणि इंटरऑपरेबल मानके: विक्रेते एकल व्हॅक्यूम क्लीनरमध्ये काम करत नाहीत. त्यांना प्लॅटफॉर्म, क्लाउड प्रदाते आणि ऑन-प्रिमाइसेस सिस्टममध्ये जाणवणे आवश्यक आहे. यासाठी खुल्या मानकांचे आणि API एकत्रीकरणांचे पालन करणे आवश्यक आहे. ज्या संस्था स्वतःला मालकीच्या डेटा फॉरमॅट्सपर्यंत मर्यादित ठेवतात त्यांना आढळेल की त्यांचे एजंट अंशतः अंधत्वाने कार्य करतात.
वास्तविक स्पर्धात्मक प्रश्न
जसजसे आपण 2026 मध्ये पुढे जात आहोत, तसा धोरणात्मक प्रश्न नाही "आम्ही किती एआय एजंट तैनात करू शकतो?"
की ते: "आमच्या एजंटना आपल्या वातावरणात नेमके, सतत आणि संपूर्ण संदर्भात काय घडत आहे हे समजू शकते का?"
जर उत्तर नाही असेल तर, ग्राहकांच्या गोंधळासाठी तयार व्हा.
चांगली बातमी अशी आहे की ही पायाभूत सुविधा केवळ AI ग्राहकांसाठीच मौल्यवान नाही. हे मानवी प्रक्रिया, पारंपारिक ऑटोमेशन आणि व्यावसायिक बुद्धिमत्ता त्वरित वाढवते. ज्या संस्था ऑपरेशनल डेटाला गंभीर पायाभूत सुविधा मानतात त्यांना आढळेल की त्यांचे AI एजंट स्वतंत्रपणे, विश्वासार्हपणे आणि मोठ्या प्रमाणावर काम करतात.
2026 आणि त्यापुढील काळात, स्पर्धात्मक खंदक ही तुमच्या AI मॉडेल्सची जटिलता नाही, तर योग्य परिणाम साध्य करण्यासाठी ग्राहकांना आवश्यक अंतर्दृष्टी प्रदान करणारा ऑपरेशनल डेटा आहे.
सिस्को डेटा फॅब्रिक, स्प्लंक प्लॅटफॉर्मद्वारे समर्थित, एजंटिव्ह एआय युगासाठी युनिफाइड डेटा फॅब्रिक आर्किटेक्चर प्रदान करते. बद्दल अधिक जाणून घ्या सिस्को डेटा फॅब्रिक.
मंगेश पिंपळखेर हे स्प्लंक प्लॅटफॉर्मचे वरिष्ठ उपाध्यक्ष आणि महाव्यवस्थापक 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.
