બ્રિટિશ પ્રોફેશનલ સર્વિસીસ દ્વારા કરવામાં આવેલા એક અભ્યાસ મુજબ, આર્ટિફિશિયલ ઈન્ટેલિજન્સ (AI) એજન્ટો મોટા ભાષાના મોડલ્સ (LLM) અથવા જનરેટિવ AI (GenAI) એપ્લિકેશન્સની તુલનામાં વધુ અસરકારક સાધનો હોઈ શકે છે, જે એન્ટરપ્રાઈઝ ઉત્પાદકતા અને વ્યવસાય પ્રક્રિયા ઓટોમેશન દ્વારા પ્રોગ્રામ ડિલિવરી ચલાવવા માટે નવી શક્યતાઓ ખોલે છે. પેઢી ડેલોઇટ. રિપોર્ટ સૂચવે છે કે AI એજન્ટો GenAI અને પરંપરાગત ભાષાના મોડલની સંભવિત એપ્લિકેશનોને વિસ્તૃત કરીને ઉદ્યોગોને ફરીથી આકાર આપી રહ્યા છે. મલ્ટી-એજન્ટ AI સિસ્ટમ્સ આઉટપુટની ગુણવત્તા અને વ્યક્તિગત AI એજન્ટો દ્વારા કરવામાં આવતા કાર્યોની જટિલતાને નોંધપાત્ર રીતે વધારી શકે છે.
આ પણ વાંચો: ઉદ્યોગોને પરિવર્તિત કરવા માટે GenAI સાથે 5G સંયુક્ત, TCS કહે છે: રિપોર્ટ
AI એજન્ટો અને LLM વચ્ચેના તફાવતો
AI એજન્ટની મદદથી, GenAI માટે અગાઉ ખૂબ જટિલ ગણાતા કેસો હવે અસરકારક અને સુરક્ષિત રીતે માપી શકાય છે, અભ્યાસમાં નોંધ્યું છે.
વ્યાખ્યા મુજબ, AI એજન્ટ એ એક સ્વાયત્ત બુદ્ધિશાળી સિસ્ટમ છે જે તેના પર્યાવરણ સાથે ક્રિયાપ્રતિક્રિયા કરવા, ડેટા એકત્રિત કરવા અને માનવ હસ્તક્ષેપ વિના કાર્યો કરવા માટે AI તકનીકોનો ઉપયોગ કરે છે. GenAI અને AI એજન્ટો વચ્ચેના તફાવતને સ્પષ્ટ કરતાં, અભ્યાસ સમજાવે છે કે લાક્ષણિક LLM-સંચાલિત ચેટબોટ્સમાં સામાન્ય રીતે બહુ-પગલાંના સંકેતોને સમજવાની અથવા એક જ પ્રોમ્પ્ટથી સમગ્ર વર્કફ્લોનું આયોજન અને અમલ કરવાની ક્ષમતાનો અભાવ હોય છે.
“તેઓ (LLM અથવા Gen AI) પરંપરાગત એપ્લીકેશનના “ઇનપુટ-આઉટપુટ” પેરાડાઈમને અનુરૂપ છે અને જ્યારે વિનંતી સાથે રજૂ કરવામાં આવે છે ત્યારે તે મૂંઝવણમાં પડી શકે છે જેને બહુવિધ નાના કાર્યોમાં ડિકન્સ્ટ્રક્ટ કરવું આવશ્યક છે. તેઓ રચનાત્મક કાર્યો જેવા સિક્વન્સ પર તર્ક આપવા માટે પણ સંઘર્ષ કરે છે. જેને ટેમ્પોરલ અને ટેક્સ્ચ્યુઅલ સંદર્ભો ધ્યાનમાં લેવાની જરૂર છે, જ્યારે નાના ભાષાના મોડલ (SLM) નો ઉપયોગ કરવામાં આવે ત્યારે આ મર્યાદાઓ વધુ સ્પષ્ટ થાય છે, કારણ કે તેઓને ડેટાના નાના જથ્થા પર તાલીમ આપવામાં આવે છે, સામાન્ય રીતે કોમ્પ્યુટેશનલ કોસ્ટ અને સ્પીડની તરફેણમાં જ્ઞાનની ઊંડાઈ અને/અથવા આઉટપુટની ગુણવત્તા બલિદાન આપવામાં આવે છે,” તે જણાવ્યું હતું.
આ પણ વાંચો: એક્સેન્ચર અભ્યાસ દર્શાવે છે કે AI-સંચાલિત કંપનીઓ સ્પર્ધકોને પાછળ છોડી દે છે
GenAI બિયોન્ડ AI એજન્ટોની અરજીઓ
અભ્યાસ નોંધે છે કે GenAI ઉપયોગના કિસ્સાઓ મુખ્યત્વે એકલ એપ્લિકેશન્સ સુધી મર્યાદિત છે, જેમ કે ગ્રાહકના શોધ ઇતિહાસ પર આધારિત વ્યક્તિગત જાહેરાતો જનરેટ કરવી, નિયમનકારી ચિંતાઓને ઓળખવા માટે કરારો અને કાનૂની દસ્તાવેજોની સમીક્ષા કરવી, અથવા ફાર્માસ્યુટિકલ સંશોધનમાં પરમાણુ વર્તન અને દવાઓની ક્રિયાપ્રતિક્રિયાઓની આગાહી કરવી.
તેનાથી વિપરિત, AI એજન્ટો વધુ જટિલ કાર્યોને અસરકારક રીતે પૂર્ણ કરવા માટે ડોમેન- અને કાર્ય-વિશિષ્ટ ડિજિટલ ટૂલ્સની ક્ષમતાઓનો લાભ લેતી વખતે આ મર્યાદાઓને સંબોધવામાં શ્રેષ્ઠ છે.
“ઉદાહરણ તરીકે, લાંબા ગાળાની મેમરીથી સજ્જ AI એજન્ટો ગ્રાહક અને ઘટક ક્રિયાપ્રતિક્રિયાઓને યાદ રાખી શકે છે – જેમાં ઇમેઇલ્સ, ચેટ સત્રો અને ફોન કૉલ્સનો સમાવેશ થાય છે – સમગ્ર ડિજિટલ ચેનલો, સતત શીખવા અને વ્યક્તિગત ભલામણોને સમાયોજિત કરવા,” અહેવાલ સમજાવે છે. “આ ક્ષમતા લાક્ષણિક LLM અને SLM સાથે વિરોધાભાસી છે, જે ઘણીવાર સત્ર-વિશિષ્ટ માહિતી સુધી મર્યાદિત હોય છે.”
વધુમાં, AI એજન્ટો અંત-થી-અંતની પ્રક્રિયાઓને સ્વચાલિત કરી શકે છે, ખાસ કરીને જેને અત્યાધુનિક તર્ક, આયોજન અને અમલની જરૂર હોય છે. AI એજન્ટો બિઝનેસ પ્રોસેસ ઓટોમેશન દ્વારા એન્ટરપ્રાઇઝ ઉત્પાદકતા અને પ્રોગ્રામ ડિલિવરી વધારવા માટે નવી શક્યતાઓ ખોલી રહ્યા છે. એક સમયે GenAI માટે ખૂબ જ જટિલ માનવામાં આવતાં કેસોનો ઉપયોગ કરો હવે તેને સ્કેલ પર-સુરક્ષિત અને અસરકારક રીતે સક્ષમ કરી શકાય છે, રિપોર્ટ આગળ ઉમેરે છે.
“એઆઈ એજન્ટો માત્ર ક્રિયાપ્રતિક્રિયા કરતા નથી. તેઓ વધુ અસરકારક રીતે તર્ક આપે છે અને વપરાશકર્તા વતી કાર્ય કરે છે,” ડેલોઈટે જણાવ્યું હતું.
આ પણ વાંચો: જવાબદાર AI ટેલિકોસ માટે નવી આવકના પ્રવાહો અને વૃદ્ધિને અનલૉક કરી શકે છે: મેકકિંસે
મલ્ટિ-એજન્ટ AI સિસ્ટમ્સ
અભ્યાસમાં વધુમાં નોંધવામાં આવ્યું છે કે જ્યારે વ્યક્તિગત AI એજન્ટો મૂલ્યવાન સુધારાઓ પ્રદાન કરી શકે છે, ત્યારે AI એજન્ટોની પરિવર્તનક્ષમ સંભાવના ત્યારે સાકાર થાય છે જ્યારે તેઓ મલ્ટી-એજન્ટ સિસ્ટમ્સમાં સહયોગી રીતે કામ કરે છે. સિંગલ AI એજન્ટોની મર્યાદાઓને ધ્યાનમાં રાખીને આવી સિસ્ટમો નિર્ણાયક છે. જો કે, AI એજન્ટો નવા જોખમો પણ રજૂ કરે છે, જેમાં મજબૂત સુરક્ષા અને શાસન પગલાંની જરૂર પડે છે.
“એઆઈ એલ્ગોરિધમ્સ અને તાલીમ ડેટામાં સંભવિત પૂર્વગ્રહ એક નોંધપાત્ર જોખમ છે, જે અસમાન નિર્ણયો તરફ દોરી શકે છે. વધુમાં, એઆઈ એજન્ટો ડેટા ભંગ અને સાયબર હુમલાઓ માટે સંવેદનશીલ હોઈ શકે છે, સંવેદનશીલ માહિતી અને ડેટા અખંડિતતા સાથે ચેડા કરી શકે છે,” અભ્યાસમાં ઉમેર્યું હતું.
“મલ્ટિએજન્ટ એઆઈ સિસ્ટમ્સ માત્ર કારણ અને વપરાશકર્તા વતી કાર્ય કરતી નથી. તેઓ થોડી મિનિટોમાં જટિલ વર્કફ્લોનું આયોજન કરી શકે છે,” ડેલોઈટના અહેવાલમાં નોંધવામાં આવ્યું છે.
Deloitte કલ્પના કરે છે કે, “અમે ભવિષ્ય જોઈ રહ્યા છીએ જ્યાં એજન્ટો પાયાના બિઝનેસ મોડલ્સ અને સમગ્ર ઉદ્યોગોને રૂપાંતરિત કરશે, કામ કરવાની, સંચાલન કરવાની અને મૂલ્ય પહોંચાડવાની નવી રીતોને સક્ષમ કરશે.”
“સી-સ્યુટ અને જાહેર સેવાના નેતાઓ માટે માનવ-મશીન સહયોગ અને બિઝનેસ ઇનોવેશનના ઉત્ક્રાંતિના આ આગામી પ્રકરણ માટે હવેથી તૈયારી કરવાનું શરૂ કરવું મહત્વપૂર્ણ છે,” અહેવાલમાં જણાવાયું છે.