Enterprise AI agents நிறுவனங்களின் governance திறனைவிட வேகமாக பெருகுகின்றன

Agent boom இப்போது ஒரு management problem ஆக மாறுகிறது

Enterprise AI agents-ஐ தொடங்குவது எளிது, நகலெடுப்பது எளிது, மேலும் அவற்றைக் கண்காணிப்பது வேகமாக கடினமாகிறது. இதுதான் source material-ல் highlighted செய்யப்பட்ட புதிய Rubrik ZeroLabs survey வழங்கும் முக்கிய எச்சரிக்கை. அதில், தங்கள் நிறுவனங்களுக்குள் இயங்கும் agents மீது முழு கட்டுப்பாடு உள்ளது என்று வெறும் 23% IT managers மட்டுமே கூறுகிறார்கள் என்று கண்டறியப்பட்டுள்ளது. மற்றொரு விதத்தில் சொன்னால், சுமார் நால்வரில் மூவர் அவ்வாறு இல்லை.

இந்த எண்ணிக்கை முக்கியமானது, ஏனெனில் AI agents பற்றிய தற்போதைய விவாதம் பெரும்பாலும் வேகம் மற்றும் productivity மீது கவனம் செலுத்துகிறது. Vendors agents-ஐ autonomy உடன் செயல்பட்டு, மீண்டும் மீண்டும் செய்யப்படும் வேலைகளை ஏற்று, நேரடி human intervention தேவையை குறைக்கக்கூடிய software என்று விளக்குகிறார்கள். Survey, அந்த வாக்குறுதியின் குறைவான கவர்ச்சிகரமான பக்கத்தை பல நிறுவனங்கள் கண்டுபிடித்து வருவதாகக் காட்டுகிறது: agents teams, tools, vendors across பரவியவுடன், governance adoption-க்கு மிகவும் பின்னோக்கி போகலாம்.

கவலை administrative குழப்பம் மட்டும் அல்ல. Source text கூறுவதாவது, 81% respondents தங்கள் மேற்பார்வையில் உள்ள agents, workflow improvements மூலம் சேமிக்க வேண்டியிருந்த நேரத்தை விட manual auditing மற்றும் monitoring-ல் அதிக நேரம் தேவைப்படுவதாக தெரிவித்துள்ளனர். இது automation குறித்த முக்கியமான வாதத்தை தலைகீழாக மாற்றுகிறது. agents-ஐ supervision செய்ய organizations அதிக effort செலுத்தி, அதற்கேற்ற efficiency மீளப் பெறவில்லை என்றால், business case-ஐ நியாயப்படுத்துவது கடினமாகிவிடும்.

Productivity tool இருந்து security exposure வரை

Survey, agent sprawl-ஐ security problem ஆகவும் காட்டுகிறது. Source text-ன் படி, 86% IT managers அடுத்த ஆண்டில் agentic proliferation security guardrails-ஐ மிஞ்சிவிடும் என எதிர்பார்க்கிறார்கள், மேலும் 52% பேர் அந்த இடைவெளி ஆறு மாதங்களுக்குள் உருவாகலாம் என்று நினைக்கிறார்கள். இது தொலைவிலுள்ள risk scenario அல்ல. பல technical leaders control problem-ஐ உடனடி பிரச்சினையாகக் கருதுகிறார்கள் என்பதைக் குறிக்கிறது.

அதன் இயங்கும் விதம் பரிச்சயமானது. Users controls-ஐ மீற, VPN-களை அணைத்து விடலாம் அல்லது security measures-ஐ வேறு முறையில் புறக்கணிக்கலாம் என்று source material கூறுகிறது; இதன் மூலம் அவர்கள் assistants போல செயல்படும் agents-ஐ தொடங்குகிறார்கள். அதன் விளைவாக, sanctioned அல்லாத AI applications-ன் அளவு உயர்கிறது, உள்ளகமாகவும் வெளிப்புற vendors மூலமாகவும். இதன் மூலம், agents enterprise technology முன்பும் கண்ட அதே pattern-ஐ மீண்டும் இயக்கக்கூடும்: முதலில் வேகமான grassroots adoption, பின்னர் governance architecture.

இந்த ஒப்பீடு material-இல் நேரடியாகக் குறிப்பிடப்படுகிறது. Piece-இல் quoted செய்யப்பட்ட Microsoft senior product manager Kriti Faujdar, இது ஆரம்ப cloud adoption போல இருப்பதாகச் சொல்கிறார்; அப்போது teams வெவ்வேறு frameworks மற்றும் vendors-உடன் services-ஐ independently தொடங்கின. அதன் விளைவாக fragmentation மற்றும் மறைந்த security gaps ஏற்பட்டன. இப்போது கவலை என்னவெனில், AI agents data-ஐ வெறும் store அல்லது process செய்வதைவிட action கூட எடுக்க முடிவதால், அந்த risks மேலும் பெருகலாம்.

“Complete control” ஏன் மிக உயர்ந்த தரநிலை

Survey என்ன அளவிடுகிறது என்பதில் தெளிவாக இருப்பது பயனுள்ளது. “Complete control” என்பது கடுமையான standard. இது agents இருப்பதைத் தெரிந்துகொள்வது மட்டுமல்ல; அவை எங்கு deployed ஆகியுள்ளன, எந்த data-வை அணுக முடியும், எந்த systems-ல் action எடுக்க முடியும், யார் அவற்றை approve செய்தார், அவை எவ்வாறு monitor செய்யப்படுகின்றன, அவற்றின் செயல்களை எப்படி reverse செய்யலாம் என்பதையும் புரிந்துகொள்வதைக் குறிக்கிறது.

அந்த கடைசி புள்ளி குறிப்பாக முக்கியமானது. Nearly all respondents-க்கும் unintended agent actions-ஐ rollback செய்ய தேவையான “undo” capabilities இல்லை என்று source கூறுகிறது. Conventional software governance-இல் reversibility அடித்தளமானது. ஒரு system தவறாக நடந்தால், operators தெளிவான audit trail மற்றும் நம்பகமான recovery path-ஐ விரும்புகின்றனர். Autonomous அல்லது semi-autonomous agents-இல் rollback இல்லாமை இன்னும் முக்கியமாகிறது, ஏனெனில் இந்த systems workflows across செயல்படுவதற்காகவே வடிவமைக்கப்பட்டுள்ளன.

Chatbot ஒன்று கேள்விகளுக்கு பதிலளிப்பதற்கும், agent connected systems-இல் மாற்றங்கள் செய்வதற்கும் உள்ள வேறுபாடு இதுதான். Technology approvals, records, customer communications அல்லது internal processes-ஐ தொடங்கத் தொடங்கும்போது, governance procurement checkbox என்பதிலிருந்து operational discipline ஆக மாறுகிறது.

Organizations real time-இல் என்ன கற்றுக்கொள்கின்றன

பெரிய பாடம் என்னவெனில், enterprise AI இப்போது tooling problem மட்டுமல்ல; அது institutional problem ஆகிறது. கடந்த இரண்டு ஆண்டுகளில், பல organizations experiment செய்யும் கட்டத்தில்தான் இருந்தன. Agents என்ன செய்ய முடியும், teams அவற்றை எவ்வளவு வேகமாக உருவாக்க முடியும், productivity gains எங்கு தோன்றலாம் என்பதைக் கண்டறிய விரும்பினார்கள். இப்போது அந்த கட்டம் inventory, accountability, security, labor overhead என்ற கேள்விகளுடன் மோதுகிறது.

Survey numbers சில எதிர்பார்க்கப்பட்ட savings supervision costs-ஆல் சமநிலைப்படுத்தப்படுவதாகக் காட்டுகின்றன. இதன் பொருள் agents எல்லாம் fail ஆகின்றன என்பதல்ல. பல organizations இன்னும் unmanaged expansion phase-இல் உள்ளன, அங்கு deployment operating discipline-ஐ முந்தி செல்கிறது. அந்த சூழலில் enthusiasm சில காலம் நீடிக்கலாம், ஆனால் trust-ஐ நிலைநிறுத்துவது கடினம்.

Source text, agent management-ஐ ஒரு “first-class discipline” ஆக மாற்ற வேண்டும் என்று கூறுகிறது. இதுவே report முழுவதிலும் மிகப் பயனுள்ள framing. நிறுவனங்கள் identity, endpoints, cloud assets, data access ஆகியவற்றை ஏற்கனவே governance domains ஆக கருதி, dedicated tooling மற்றும் procedures வைத்திருக்கின்றன. Survey, AI agents கூட அதே நிலையை நோக்கிச் செல்கின்றன என்று தெரிவிக்கிறது.

AI agent market-இன் அடுத்த கட்டம்

அந்த மாற்றம் நிலைபெற்றால், agents சுற்றியுள்ள market வேகமாக மாறலாம். வெல்லும் நிறுவனங்கள் மிகச் சிறந்த demonstrations கொண்ட vendors மட்டும் அல்ல. Deployment-ஐ security மற்றும் IT teams-க்கு புரியவைக்கிறவர்களாக இருக்கலாம்: inventory controls, permission boundaries, action logs, rollback options, மற்றும் தெளிவான operating policies.

அது enterprise AI adoption-இன் மேலும் அளவான கட்டத்தை பிரதிபலிக்கும். Agents என்ன automate செய்ய முடியும் என்பதைக் கேட்பதற்குப் பதிலாக, வாங்குபவர்கள் அந்த agents-ஐ scale-இல் govern செய்ய முடியுமா என்று கேட்பார்கள். Survey agent wave மாறிவருகிறது என்று சொல்லவில்லை. மாறாக, adoption இவ்வளவு வேகமாக நகர்வதால் பல organizations ஏற்கனவே பின்னடைவாக உணர்கின்றன என்பதையே அது சுட்டுகிறது.

முக்கிய மாற்றம் என்னவெனில், uncontrolled growth இனி தற்காலிக அசௌகரியம் என கருதப்படவில்லை. அது enterprise AI-யின் வரையறைச் risk-களில் ஒன்றாக மாறுகிறது. Sprawl, visibility, reversibility ஆகியவற்றைத் தீர்க்கும் நிறுவனங்களே agents-இன் உண்மையான நீண்டகால மதிப்பை பிடிக்கக் கூடியவர்கள். அதைச் செய்யாதவர்கள், ஆரம்பத்தில் நேரத்தைச் சேமிக்க வேண்டிய systems-ஐ அடுத்த ஆண்டு முழுவதும் audit செய்வதில் செலவிட வேண்டியதாகலாம்.

இந்தக் கட்டுரை ZDNET செய்தியறிக்கையை அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.