Enterprise AI agents कंपन्यांच्या governance क्षमतेपेक्षा अधिक वेगाने वाढत आहेत

“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.