वह एजेंट जो आपकी छुट्टियाँ बुक करता है
कल्पना कीजिए कि आप किसी AI एजेंट से कहते हैं: इटली की पारिवारिक यात्रा बुक करो, मेरे पॉइंट्स का उपयोग करो, बजट के भीतर रहो, वे होटल चुनो जो हमें पहले पसंद रहे हैं, और बाकी सभी विवरण संभाल लो। लिंक की एक सूची लौटाने के बजाय, एजेंट बस यह काम कर देता है — विकल्पों की तुलना करता है, लॉयल्टी पॉइंट्स लागू करता है, आपकी पसंद के इतिहास के आधार पर समीक्षाएँ जांचता है, होटल और उड़ानें बुक करता है, और आपको एक पुष्टि प्रस्तुत करता है। न कोई शोध, न तुलना के टैब, न चेकआउट प्रक्रिया।
यह agentic commerce का वादा है: AI प्रणालियाँ जो सिर्फ़ निर्णयों में सहायता नहीं करतीं, बल्कि स्वयं निर्णय लेती हैं। यह काम बुनियादी स्तर पर करने की तकनीक पहले से मौजूद है — बुकिंग APIs, कैलेंडर डेटा और खरीद इतिहास से जुड़े बड़े भाषा मॉडल बढ़ती विश्वसनीयता के साथ कई चरणों वाले लेनदेन निष्पादित कर सकते हैं। हालांकि, अनुभव सुखद होगा या विनाशकारी, यह मॉडल की बुद्धिमत्ता से नहीं बल्कि उस जानकारी की गुणवत्ता से तय होता है जिस पर वह काम करता है और उस संदर्भगत समझ से जो वह हर निर्णय में लाता है।
बुनियाद के रूप में सत्य
Agentic प्रणालियाँ पारंपरिक सॉफ़्टवेयर से अलग तरीकों से विफल होती हैं। बग वाला कोई बुकिंग इंजन एक त्रुटि लौटाएगा। पुरानी या गलत जानकारी पर काम कर रहा AI एजेंट आत्मविश्वास के साथ ऐसा लेनदेन पूरा कर देगा जो उपयोगकर्ता की वास्तविक इच्छा से मेल नहीं खाता — और संभव है कि उस विसंगति को बिल्कुल भी चिह्नित न करे। एजेंट का आत्मविश्वास, उपयोगकर्ता की इस जागरूकता के विपरीत अनुपात में हो सकता है कि कुछ गलत हुआ है।
यह गतिशीलता डेटा की सटीकता को सिर्फ़ एक तकनीकी आवश्यकता नहीं, बल्कि भरोसे की पूर्वशर्त बनाती है। Agentic commerce को बड़े पैमाने पर काम करने के लिए, हर डेटा स्रोत जिससे एजेंट इंटरैक्ट करता है — होटल उपलब्धता, मूल्य फ़ीड, उत्पाद कैटलॉग, लॉयल्टी प्रोग्राम बैलेंस — सटीक, अद्यतन और लगातार संरचित होना चाहिए। Agentic commerce के लिए आपूर्ति-पक्ष का बुनियादी ढांचा, उसके ऊपर की बुद्धिमत्ता परत जितना ही महत्वपूर्ण है।
Agent-ready डेटा सिस्टम बनाने वाले उद्यम अब "truth and context" को मुख्य डिज़ाइन आवश्यकताओं के रूप में अधिकाधिक चर्चा में ला रहे हैं। Truth का अर्थ है तथ्यात्मक सटीकता: रीयल-टाइम इन्वेंट्री, सही मूल्य निर्धारण, वैध स्थिति। Context का अर्थ है कि एजेंट न केवल डेटा को समझे, बल्कि उसके महत्व को भी — कि चार सितारों वाला होटल टोक्यो में कुछ और मतलब रखता है और ग्रामीण बुल्गारिया में कुछ और, या यह कि बजट सीमा एक बिज़नेस ट्रिप और हनीमून के लिए अलग-अलग अर्थ रखती है।
प्रतिस्पर्धात्मक लाभ के रूप में संदर्भ
संदर्भगत आयाम वह जगह है जहाँ agentic commerce पारंपरिक खोज और सिफारिश से सबसे अधिक अलग हो जाता है। एक होटल तुलना वेबसाइट एक ही शहर में एक ही तारीख पर खोज करने वाले सभी लोगों को वही परिणाम दिखाती है। लेकिन ऐसा एजेंट जो किसी विशिष्ट उपयोगकर्ता के यात्रा इतिहास, पसंदीदा सुविधाओं, पिछली शिकायतों, लॉयल्टी-टियर स्थिति और वर्तमान यात्रा उद्देश्य को समझता हो, ऐसे निर्णय ले सकता है जिन्हें कोई सामान्य सिफारिश प्रणाली दोहरा नहीं सकती।
इसीलिए agentic commerce बुनियादी ढांचे में सबसे अधिक निवेश करने वाली कंपनियाँ वे हैं जिनके पास सबसे गहरा संदर्भगत डेटा है: दशकों के लॉयल्टी प्रोग्राम इतिहास वाली एयरलाइंस और होटल श्रृंखलाएँ, संपूर्ण खर्च रिकॉर्ड वाले बैंक, संपूर्ण खरीद इतिहास वाले रिटेलर। एजेंट का मूल्य प्रस्ताव उस संदर्भगत डेटा की समृद्धि के साथ बढ़ता है जिसे वह एक्सेस कर सकता है।
उपभोक्ताओं के लिए, यह एक सीधा भरोसे का प्रश्न बनाता है: निर्णयों को AI एजेंट को सौंपने के लिए, आपको उस डेटा पर भरोसा करना होगा जो उन निर्णयों को अच्छा बनाता है। एजेंटिक संबंध का गोपनीयता-क्षेत्र एक खोज सत्र के गोपनीयता-क्षेत्र की तुलना में काफी बड़ा होता है। यह कोई काल्पनिक समस्या नहीं है — यह हर उस कंपनी के सामने मौजूद तत्काल डिज़ाइन चुनौती है जो उपभोक्ता-सम्बंधी एजेंट उत्पाद बना रही है।
जवाबदेही का अंतर
जब कोई मानव ट्रैवल एजेंट बुकिंग में गलती करता है, तो जवाबदेही स्पष्ट होती है। जब कोई AI एजेंट वही गलती करता है, तो जवाबदेही का प्रश्न अधिक धुंधला हो जाता है। क्या मॉडल ने निर्देश को गलत समझा? क्या अंतर्निहित डेटा गलत था? क्या किसी जुड़े API ने पुरानी उपलब्धता लौटाई? क्या उपयोगकर्ता की बताई गई पसंद उनकी वास्तविक पसंद से इस तरह असंगत थी कि एजेंट को उसे चिह्नित करना चाहिए था?
Agentic उत्पादों की मौजूदा पीढ़ी बड़े पैमाने पर इस प्रश्न से बचती है, इसके लिए वह महत्वपूर्ण कार्रवाइयों के लिए मानव अनुमोदन मांगती है — एजेंट प्रस्ताव करता है, मानव पुष्टि करता है। यह एक समझदारी भरा अंतरिम डिज़ाइन है, लेकिन यह उस समय-बचत के बड़े हिस्से को कमजोर कर देता है जो agentic commerce को आकर्षक बनाती है। पूर्ण स्वायत्तता के लिए केवल तकनीकी विश्वसनीयता ही नहीं, बल्कि एक कानूनी और जवाबदेही ढांचा भी चाहिए, जो अभी तक स्थापित नहीं हुआ है।
कई क्षेत्रों के वित्तीय सेवा नियामक लेनदेन संबंधी त्रुटियों के लिए AI एजेंट देयता के प्रश्न पर बातचीत शुरू कर चुके हैं। इन नियामकीय चर्चाओं के परिणाम तय करेंगे कि उद्यम स्वायत्त कॉमर्स एजेंट्स को कितनी आक्रामकता से तैनात कर सकते हैं — और agentic त्रुटियों की जिम्मेदारी प्रौद्योगिकी प्रदाताओं, व्यापारियों और उपभोक्ताओं के बीच कैसे वितरित होगी।
पहले क्या बनता है
व्यवहार में, व्यापक रूप से अपनाए जाने वाले शुरुआती agentic commerce अनुप्रयोग संभवतः सामान्य के बजाय सीमित दायरे वाले होंगे: ऐसे एजेंट जो किसी विशिष्ट, अच्छी तरह परिभाषित लेनदेन श्रेणी को संभालें जहाँ डेटा वातावरण नियंत्रित हो और गलतियाँ उलटी जा सकें। खर्च रिपोर्ट दाखिल करना, सदस्यता प्रबंधन, व्यवसायों के लिए आवर्ती आपूर्ति आदेश, कॉरपोरेट नीति ढांचे के भीतर यात्रा बुकिंग — ये सभी शुरुआती स्वायत्त एजेंट तैनाती के लिए संभावित उम्मीदवार हैं, जहाँ संदर्भगत जटिलता प्रबंधनीय हो और व्यक्तिगत लेनदेन की दांव-राशि सीमित हो।
पूर्ण स्वायत्तता के साथ पारिवारिक छुट्टी बुक कर सकने वाला सामान्य-उद्देश्य agentic सहायक अभी भी अधिक जटिल समस्या बना हुआ है। इसके लिए कई बुकिंग प्रणालियों में फैली प्राथमिकताओं को जोड़ना, किनारी मामलों को संभालना, और ऐसे निर्णय लेना आवश्यक है जो नीति-नियमों के बजाय व्यक्तिगत प्राथमिकताओं को प्रतिबिंबित करें। वह क्षमता आ रही है, लेकिन उसे बड़े पैमाने पर तैनात करने के लिए आवश्यक बुनियादी ढांचा और भरोसा-ढांचे, मूल AI तकनीक की तुलना में बनाने में अधिक समय लेंगे।
यह लेख MIT Technology Review की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.
