Enterprise AI agents कंपन्यांच्या governance क्षमतेपेक्षा अधिक वेगाने वाढत आहेत

Agent boom आता एक management problem बनत आहे

Enterprise AI agents सुरू करणे सोपे आहे, त्यांची नक्कल करणे सोपे आहे, आणि त्यांचा मागोवा घेणे अधिकाधिक कठीण होत आहे. हाच नवीन Rubrik ZeroLabs survey मधील मुख्य इशारा आहे, ज्याकडे source material मध्ये लक्ष वेधले आहे. यात आढळले की त्यांच्या संस्थांमध्ये चालणाऱ्या agents वर पूर्ण नियंत्रण आहे असे फक्त 23% IT managers सांगतात. दुसऱ्या शब्दांत, सुमारे चारपैकी तीन जणांकडे ते नाही.

हा आकडा विशेष आहे कारण AI agents बद्दलची सध्याची चर्चा बहुतेकदा वेग आणि productivity वर भर देते. Vendors agents ना autonomy ने कार्य करणारे, पुन्हा पुन्हा होणारी कामे हाताळणारे, आणि direct human intervention ची गरज कमी करणारे software म्हणून मांडतात. Survey सूचित करतो की अनेक कंपन्या या आश्वासनाची कमी आकर्षक बाजू शोधत आहेत: agents teams, tools, vendors मध्ये पसरल्यानंतर governance adoption च्या खूप मागे राहू शकते.

चिंता केवळ administrative गोंधळाची नाही. Source text म्हणतो की 81% respondents च्या मते त्यांच्या देखरेखीतील agents ना workflow improvements ने वाचायला हवे होते त्यापेक्षा अधिक वेळ manual auditing आणि monitoring मध्ये लागतो. हे automation च्या मूलभूत दाव्याला उलटे करते. संस्थांनी agents supervision मध्ये जास्त effort घातला आणि त्यातून efficiency म्हणून कमी परतावा मिळाला, तर business case टिकवणे कठीण होते.

Productivity tool पासून security exposure पर्यंत

Survey agent sprawl ला security problem म्हणूनही मांडतो. Source text नुसार, 86% IT managers पुढील वर्षात agentic proliferation security guardrails पेक्षा वेगाने वाढेल अशी अपेक्षा करतात, आणि 52% लोकांना वाटते की ही दरी सहा महिन्यांत दिसू शकते. हा दूरचा risk scenario नाही. यावरून दिसते की अनेक technical leaders control problem ला तातडीचा मुद्दा मानत आहेत.

याची mechanics परिचित आहेत. Source material म्हणते की users controls चुकवू शकतात, ज्यात VPN बंद करणे किंवा इतर security measures बायपास करणे समाविष्ट आहे, जेणेकरून ते assistants प्रमाणे काम करणारे agents सुरू करू शकतील. परिणामी, sanctioned नसलेल्या AI applications ची संख्या वाढते, आतूनही आणि बाहेरील vendors मार्फतही. प्रत्यक्षात, agents enterprise technology ने आधी पाहिलेला pattern पुन्हा चालवू शकतात: आधी जलद grassroots adoption, आणि मग governance architecture.

ही तुलना material मध्ये थेट दिली आहे. Piece मध्ये उद्धृत Microsoft senior product manager Kriti Faujdar म्हणतात की हा pattern early cloud adoption सारखा आहे, जेव्हा teams वेगवेगळ्या frameworks आणि vendors सह स्वतंत्रपणे services सुरू करत होत्या. तेव्हा त्याचे परिणाम fragmentation आणि लपलेल्या security gaps असे झाले. आता चिंता अशी आहे की AI agents data फक्त साठवणे किंवा process करणे एवढ्यावरच थांबत नाहीत, तर action देखील घेतात, त्यामुळे हे धोके अधिक वाढू शकतात.

“Complete control” हा इतका उच्च निकष का आहे

Survey नेमके काय मोजतो आहे, हे अचूकपणे समजून घेणे उपयुक्त आहे. “Complete control” हा कठोर standard आहे. याचा अर्थ फक्त agents अस्तित्वात आहेत हे जाणणे नाही, तर ते कुठे deployed आहेत, कोणता data access करू शकतात, कोणत्या systems वर action घेऊ शकतात, त्यांना कोणी approve केले, त्यांचे monitoring कसे होते, आणि त्यांचे action कसे उलटवता येतील, हे समजणेही होय.

शेवटचा मुद्दा विशेषतः महत्त्वाचा आहे. जवळजवळ सर्व respondents कडे अनपेक्षित agent actions rollback करण्यासाठी लागणाऱ्या “undo” capabilities नाहीत, असे source सांगतो. पारंपरिक software governance मध्ये reversibility हा पाया आहे. एखादी system चुकीची वागली तर operators ला स्पष्ट audit trail आणि विश्वासार्ह recovery path हवी असते. Autonomous किंवा semi-autonomous agents मध्ये rollback नसणे अधिक गंभीर होते, कारण ही systems workflow मध्येच action घेण्यासाठी डिझाइन केलेली असतात.

हा chatbot प्रश्नांची उत्तरे देणे आणि agent connected systems मध्ये बदल करणे यातील फरक आहे. Technology जेव्हा approvals, records, customer communications, किंवा internal processes ला स्पर्श करते, तेव्हा governance procurement checkbox वरून operational discipline मध्ये बदलते.

संस्था real time मध्ये काय शिकत आहेत

मोठा धडा असा की enterprise AI आता फक्त tooling problem नाही; ती institutional problem होत आहे. मागील दोन वर्षांत अनेक संस्था प्रयोगावर लक्ष केंद्रित करत होत्या. agents काय करू शकतात, teams त्यांना किती वेगाने तयार करू शकतात, आणि productivity gains कुठे दिसू शकतात, हे जाणून घ्यायचे होते. आता तो टप्पा inventory, accountability, security, आणि labor overhead या प्रश्नांशी भिडतो आहे.

Survey numbers सूचित करतात की अपेक्षित savings पैकी काही भाग supervision costs मुळे कमी होत आहे. याचा अर्थ agents सर्वत्र अपयशी ठरत आहेत असे नाही. याचा अर्थ अनेक संस्था अजूनही unmanaged expansion phase मध्ये आहेत, जिथे deployment operating discipline पेक्षा जलद आहे. अशा वातावरणात उत्साह काही काळ टिकू शकतो, पण trust टिकवणे कठीण होते.

Source text म्हणते की agent management ही “first-class discipline” बनली पाहिजे. हेच संपूर्ण report मधील सर्वात उपयुक्त framing आहे. कंपन्या आधीच identity, endpoints, cloud assets, आणि data access यांना dedicated tooling आणि procedures असलेल्या governance domains म्हणून हाताळतात. Survey सूचित करतो की AI agents देखील त्याच दर्जाकडे जात आहेत.

AI agent market चा पुढचा टप्पा

हा बदल रुजला तर agents भोवतीचा market वेगाने बदलू शकतो. जिंकणारे फक्त प्रभावी demos असलेले vendors नसतील. ते असे असू शकतात जे deployment security आणि IT teams साठी वाचनीय बनवतात: inventory controls, permission boundaries, action logs, rollback options, आणि स्पष्ट operating policies.

हे enterprise AI adoption च्या अधिक संयमित टप्प्याचे प्रतिनिधित्व करेल. agents काय automate करू शकतात, यावरच प्रश्न न विचारता खरेदीदार विचारतील की हे agents scale वर govern करता येतील का. Survey agent wave मागे फिरत असल्याचे सांगत नाही. उलट, adoption इतकी जलद आहे की अनेक संस्थांना आपण आधीच मागे आहोत असे वाटू लागले आहे, असे ते सूचित करते.

मुख्य बदल हा आहे की uncontrolled growth आता तात्पुरता त्रास मानला जात नाही. तो enterprise AI च्या परिभाषित risks पैकी एक बनत आहे. Sprawl, visibility, आणि reversibility यावर तोडगा काढणाऱ्या कंपन्याच agents चे खरे दीर्घकालीन मूल्य मिळवू शकतील. तसे न करणाऱ्या कंपन्यांना पुढचा वर्षभर असा systems audit करण्यात जाऊ शकतो, ज्यांनी सुरुवातीला वेळ वाचवायचा होता.

हा लेख ZDNET च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.