ప్రకారం డేటాబ్రిక్స్సంస్థలు ఇంటెలిజెంట్ వర్క్ఫ్లోలను స్వీకరించినందున ఎంటర్ప్రైజ్ AI అడాప్షన్ ఏజెంట్ సిస్టమ్లకు మారుతోంది.
ఉత్పాదక AI యొక్క మొదటి వేవ్ వ్యాపార పరివర్తనను వాగ్దానం చేసింది కానీ తరచుగా వివిక్త చాట్బాట్లు మరియు నిలిచిపోయిన పైలట్ ప్రోగ్రామ్ల కంటే కొంచెం ఎక్కువగానే అందించింది. సాంకేతిక నాయకులు పరిమిత కార్యాచరణ ప్రయోజనంతో అధిక అంచనాలను నిర్వహిస్తున్నట్లు గుర్తించారు. అయితే, డేటాబ్రిక్స్ నుండి కొత్త టెలిమెట్రీ మార్కెట్ ఒక మూల మలుపు తిరిగిందని సూచిస్తుంది.
ఫార్చ్యూన్ 500లో 60 శాతంతో సహా 20,000 కంటే ఎక్కువ సంస్థల నుండి వచ్చిన డేటా “ఏజెంటిక్” ఆర్కిటెక్చర్ల వైపు వేగవంతమైన మార్పును సూచిస్తుంది, ఇక్కడ మోడల్లు కేవలం సమాచారాన్ని తిరిగి పొందలేవు కానీ స్వతంత్రంగా వర్క్ఫ్లోలను ప్లాన్ చేసి అమలు చేస్తాయి.
ఈ పరిణామం ఇంజనీరింగ్ వనరుల యొక్క ప్రాథమిక పునః కేటాయింపును సూచిస్తుంది. జూన్ మరియు అక్టోబర్ 2025 మధ్య, డేటాబ్రిక్స్ ప్లాట్ఫారమ్లో మల్టీ-ఏజెంట్ వర్క్ఫ్లోల వినియోగం 327 శాతం పెరిగింది. సిస్టమ్ ఆర్కిటెక్చర్లో AI ఒక ప్రధాన భాగానికి గ్రాడ్యుయేట్ అవుతుందని ఈ పెరుగుదల సూచిస్తుంది.
‘సూపర్వైజర్ ఏజెంట్’ ఏజెంట్ AI యొక్క ఎంటర్ప్రైజ్ స్వీకరణను డ్రైవ్ చేస్తుంది
ఈ వృద్ధిని నడిపించడం ‘సూపర్వైజర్ ఏజెంట్’. ప్రతి అభ్యర్థనను నిర్వహించడానికి ఒకే మోడల్పై ఆధారపడకుండా, సూపర్వైజర్ ఆర్కెస్ట్రేటర్గా వ్యవహరిస్తాడు, సంక్లిష్ట ప్రశ్నలను విచ్ఛిన్నం చేస్తాడు మరియు ప్రత్యేక ఉప-ఏజెంట్లు లేదా సాధనాలకు పనులను అప్పగిస్తాడు.
జూలై 2025లో ప్రారంభించినప్పటి నుండి, సూపర్వైజర్ ఏజెంట్ అగ్రగామి ఏజెంట్ వినియోగ కేసుగా మారింది, అక్టోబర్ నాటికి వినియోగంలో 37 శాతం ఉంది. ఈ నమూనా మానవ సంస్థాగత నిర్మాణాలకు అద్దం పడుతుంది: మేనేజర్ ప్రతి పనిని నిర్వహించడు కానీ బృందం వాటిని అమలు చేస్తుందని నిర్ధారిస్తుంది. అదేవిధంగా, ఒక సూపర్వైజర్ ఏజెంట్ పనిని డొమైన్-నిర్దిష్ట సాధనాలకు రూట్ చేయడానికి ముందు ఉద్దేశ్య గుర్తింపు మరియు సమ్మతి తనిఖీలను నిర్వహిస్తారు.
సాంకేతిక కంపెనీలు ప్రస్తుతం ఈ స్వీకరణకు నాయకత్వం వహిస్తున్నాయి, ఇతర పరిశ్రమల కంటే దాదాపు నాలుగు రెట్లు ఎక్కువ బహుళ-ఏజెంట్ సిస్టమ్లను నిర్మిస్తున్నాయి. ఇంకా యుటిలిటీ సెక్టార్లలో విస్తరించింది. ఉదాహరణకు, ఒక ఫైనాన్షియల్ సర్వీసెస్ సంస్థ, మానవ ప్రమేయం లేకుండా ధృవీకరించబడిన క్లయింట్ ప్రతిస్పందనను అందించడం ద్వారా ఏకకాలంలో డాక్యుమెంట్ రిట్రీవల్ మరియు రెగ్యులేటరీ సమ్మతిని నిర్వహించడానికి బహుళ-ఏజెంట్ వ్యవస్థను ఉపయోగించవచ్చు.
ఒత్తిడిలో సాంప్రదాయ మౌలిక సదుపాయాలు
టాస్క్లను అమలు చేయడం వరకు ప్రశ్నలకు సమాధానం ఇవ్వడం నుండి ఏజెంట్లు గ్రాడ్యుయేట్ అయినందున, అంతర్లీన డేటా మౌలిక సదుపాయాలు కొత్త డిమాండ్లను ఎదుర్కొంటాయి. సాంప్రదాయ ఆన్లైన్ ట్రాన్సాక్షన్ ప్రాసెసింగ్ (OLTP) డేటాబేస్లు ఊహించదగిన లావాదేవీలు మరియు అరుదైన స్కీమా మార్పులతో మానవ-వేగ పరస్పర చర్యల కోసం రూపొందించబడ్డాయి. ఏజెంట్ వర్క్ఫ్లోలు ఈ ఊహలను తారుమారు చేస్తాయి.
AI ఏజెంట్లు ఇప్పుడు నిరంతర, అధిక-పౌనఃపున్య రీడ్ మరియు రైట్ నమూనాలను రూపొందిస్తున్నారు, కోడ్ను పరీక్షించడానికి లేదా రన్ దృశ్యాలను అమలు చేయడానికి తరచుగా పర్యావరణాలను ప్రోగ్రామాటిక్గా సృష్టించడం మరియు కూల్చివేయడం. ఈ ఆటోమేషన్ స్థాయి టెలిమెట్రీ డేటాలో కనిపిస్తుంది. రెండు సంవత్సరాల క్రితం, AI ఏజెంట్లు కేవలం 0.1 శాతం డేటాబేస్లను సృష్టించారు; నేడు, ఆ సంఖ్య 80 శాతంగా ఉంది.
ఇంకా, 97 శాతం డేటాబేస్ టెస్టింగ్ మరియు డెవలప్మెంట్ ఎన్విరాన్మెంట్లు ఇప్పుడు AI ఏజెంట్లచే నిర్మించబడ్డాయి. ఈ సామర్ధ్యం డెవలపర్లు మరియు “వైబ్ కోడర్లు” గంటలలో కాకుండా సెకన్లలో అశాశ్వత వాతావరణాన్ని స్పిన్ చేయడానికి అనుమతిస్తుంది. డేటాబ్రిక్స్ యాప్ల పబ్లిక్ ప్రివ్యూ నుండి 50,000 కంటే ఎక్కువ డేటా మరియు AI యాప్లు సృష్టించబడ్డాయి, గత ఆరు నెలల్లో 250 శాతం వృద్ధి రేటుతో.
బహుళ మోడల్ ప్రమాణం
ఏజెంట్ AI అడాప్షన్ను పెంచడానికి వెండర్ లాక్-ఇన్ అనేది ఎంటర్ప్రైజ్ లీడర్లకు నిరంతర ప్రమాదంగా మిగిలిపోయింది. బహుళ-మోడల్ వ్యూహాలను అనుసరించడం ద్వారా సంస్థలు దీన్ని చురుకుగా తగ్గించుకుంటున్నాయని డేటా సూచిస్తుంది. అక్టోబర్ 2025 నాటికి, 78 శాతం కంపెనీలు ChatGPT, Claude, Llama మరియు Gemini వంటి రెండు లేదా అంతకంటే ఎక్కువ పెద్ద భాషా నమూనా (LLM) కుటుంబాలను ఉపయోగించుకున్నాయి.
ఈ విధానం యొక్క అధునాతనత పెరుగుతోంది. మూడు లేదా అంతకంటే ఎక్కువ మోడల్ కుటుంబాలను ఉపయోగించే కంపెనీల నిష్పత్తి ఆగస్టు మరియు అక్టోబర్ 2025 మధ్య 36 శాతం నుండి 59 శాతానికి పెరిగింది. ఈ వైవిధ్యం ఇంజినీరింగ్ బృందాలను సంక్లిష్టమైన తార్కికం కోసం సరిహద్దు నమూనాలను రిజర్వ్ చేస్తూ, చిన్న మరియు తక్కువ ఖర్చుతో కూడుకున్న మోడల్లకు సులభమైన పనులను చేయడానికి అనుమతిస్తుంది.
రిటైల్ కంపెనీలు పేస్ సెట్ చేస్తున్నాయి, 83 శాతం మంది రెండు లేదా అంతకంటే ఎక్కువ మోడల్ కుటుంబాలను పనితీరు మరియు వ్యయాన్ని బ్యాలెన్స్ చేయడానికి ఉపయోగిస్తున్నారు. వివిధ యాజమాన్య మరియు ఓపెన్ సోర్స్ మోడల్లను ఏకీకృతం చేయగల ఏకీకృత ప్లాట్ఫారమ్ ఆధునిక ఎంటర్ప్రైజ్ AI స్టాక్కు వేగంగా అవసరం.
బ్యాచ్ ప్రాసెసింగ్ యొక్క పెద్ద డేటా లెగసీకి విరుద్ధంగా, ఏజెంట్ AI ప్రధానంగా ప్రస్తుతం పనిచేస్తుంది. అన్ని అనుమితి అభ్యర్థనలలో 96 శాతం నిజ సమయంలో ప్రాసెస్ చేయబడతాయని నివేదిక హైలైట్ చేస్తుంది.
జాప్యం విలువతో నేరుగా పరస్పర సంబంధం ఉన్న రంగాలలో ఇది ప్రత్యేకంగా కనిపిస్తుంది. సాంకేతిక రంగం ప్రతి బ్యాచ్ అభ్యర్థన కోసం 32 నిజ-సమయ అభ్యర్థనలను ప్రాసెస్ చేస్తుంది. హెల్త్కేర్ మరియు లైఫ్ సైన్సెస్లో, అప్లికేషన్లలో రోగి పర్యవేక్షణ లేదా క్లినికల్ డెసిషన్ సపోర్ట్ ఉండవచ్చు, నిష్పత్తి 13 నుండి ఒకటి. IT లీడర్ల కోసం, వినియోగదారు అనుభవాన్ని దిగజార్చకుండా ట్రాఫిక్ స్పైక్లను హ్యాండిల్ చేయగల ఇన్ఫరెన్స్ సర్వీస్ ఇన్ఫ్రాస్ట్రక్చర్ అవసరాన్ని ఇది బలపరుస్తుంది.
గవర్నెన్స్ ఎంటర్ప్రైజ్ AI విస్తరణలను వేగవంతం చేస్తుంది
చాలా మంది ఎగ్జిక్యూటివ్లకు అత్యంత ప్రతిస్పందించే అన్వేషణ పాలన మరియు వేగం మధ్య సంబంధం కావచ్చు. తరచుగా అడ్డంకిగా పరిగణించబడుతుంది, కఠినమైన పాలన మరియు మూల్యాంకన ఫ్రేమ్వర్క్లు ఉత్పత్తి విస్తరణ కోసం యాక్సిలరేటర్లుగా పనిచేస్తాయి.
AI గవర్నెన్స్ సాధనాలను ఉపయోగించే సంస్థలు లేని వాటితో పోలిస్తే 12 రెట్లు ఎక్కువ AI ప్రాజెక్ట్లను ఉత్పత్తిలో ఉంచాయి. అదేవిధంగా, మోడల్ నాణ్యతను క్రమపద్ధతిలో పరీక్షించడానికి మూల్యాంకన సాధనాలను ఉపయోగించే కంపెనీలు దాదాపు ఆరు రెట్లు ఎక్కువ ఉత్పత్తి విస్తరణలను సాధిస్తాయి.
హేతువు సూటిగా ఉంటుంది. డేటా ఎలా ఉపయోగించబడుతుందో నిర్వచించడం మరియు రేటు పరిమితులను సెట్ చేయడం వంటి అవసరమైన రక్షణ మార్గాలను గవర్నెన్స్ అందిస్తుంది – ఇది విస్తరణను ఆమోదించడానికి వాటాదారులకు విశ్వాసాన్ని ఇస్తుంది. ఈ నియంత్రణలు లేకుండా, పరిమాణాత్మక భద్రత లేదా సమ్మతి ప్రమాదాల కారణంగా పైలట్లు తరచుగా ప్రూఫ్-ఆఫ్-కాన్సెప్ట్ దశలో చిక్కుకుపోతారు.
ఏజెంట్ AI నుండి ‘బోరింగ్’ ఎంటర్ప్రైజ్ ఆటోమేషన్ విలువ
స్వయంప్రతిపత్త ఏజెంట్లు తరచుగా భవిష్యత్ సామర్థ్యాల చిత్రాలను సూచిస్తారు, ఏజెంట్ AI నుండి ప్రస్తుత ఎంటర్ప్రైజ్ విలువ సాధారణమైన, ప్రాపంచికమైన, ఇంకా అవసరమైన పనులను ఆటోమేట్ చేయడంలో ఉంది. అగ్ర AI వినియోగ కేసులు రంగాల వారీగా మారుతూ ఉంటాయి కానీ నిర్దిష్ట వ్యాపార సమస్యలను పరిష్కరించడంపై దృష్టి పెట్టండి:
- తయారీ మరియు ఆటోమోటివ్: 35% వినియోగ కేసులు ప్రిడిక్టివ్ మెయింటెనెన్స్పై దృష్టి పెడతాయి.
- ఆరోగ్యం మరియు జీవిత శాస్త్రాలు: 23% వినియోగ సందర్భాలలో వైద్య సాహిత్య సంశ్లేషణ ఉంటుంది.
- రిటైల్ మరియు వినియోగ వస్తువులు: 14% వినియోగ కేసులు మార్కెట్ మేధస్సుకు అంకితం చేయబడ్డాయి.
ఇంకా, టాప్ AI వినియోగ కేసుల్లో 40 శాతం కస్టమర్ సపోర్ట్, అడ్వకేసీ మరియు ఆన్బోర్డింగ్ వంటి ఆచరణాత్మక కస్టమర్ ఆందోళనలను పరిష్కరిస్తాయి. ఈ అప్లికేషన్లు కొలవగల సామర్థ్యాన్ని పెంచుతాయి మరియు మరింత అధునాతన ఏజెంట్ వర్క్ఫ్లోల కోసం అవసరమైన సంస్థాగత కండరాన్ని నిర్మిస్తాయి.
C-సూట్ కోసం, ముందుకు వెళ్లే మార్గం AI యొక్క “మేజిక్”పై తక్కువ దృష్టిని కలిగి ఉంటుంది మరియు దాని చుట్టూ ఉన్న ఇంజినీరింగ్ కఠినతపై ఎక్కువగా ఉంటుంది. Dael Williamson, Databricks వద్ద EMEA CTO, సంభాషణ మారిందని హైలైట్ చేసారు.
“EMEA అంతటా వ్యాపారాల కోసం, సంభాషణ AI ప్రయోగం నుండి కార్యాచరణ వాస్తవికత వరకు మారింది” అని విలియమ్సన్ చెప్పారు. “AI ఏజెంట్లు ఇప్పటికే ఎంటర్ప్రైజ్ ఇన్ఫ్రాస్ట్రక్చర్లో కీలకమైన భాగాలను నడుపుతున్నారు, అయితే వాస్తవ విలువను చూసే సంస్థలు పాలన మరియు మూల్యాంకనాన్ని పునాదులుగా పరిగణిస్తాయి, అనంతర ఆలోచనలు కాదు.”
విలియమ్సన్, పోటీతత్వ ప్రయోజనం కంపెనీలు కొనుగోలు చేసే దానికంటే, ఎలా నిర్మించాలనే దాని వైపు తిరిగి మారుతున్నాయని నొక్కిచెప్పారు.
“ఓపెన్, ఇంటర్ఆపరబుల్ ప్లాట్ఫారమ్లు స్వల్పకాలిక ఉత్పాదకతను అందించే ఎంబెడెడ్ AI లక్షణాలపై ఆధారపడకుండా, వారి స్వంత ఎంటర్ప్రైజ్ డేటాకు AIని వర్తింపజేయడానికి సంస్థలను అనుమతిస్తాయి, కానీ దీర్ఘకాలిక భేదం కాదు.”
అత్యంత నియంత్రిత మార్కెట్లలో, బహిరంగత మరియు నియంత్రణ యొక్క ఈ కలయిక “పైలట్లను పోటీ ప్రయోజనం నుండి వేరు చేస్తుంది.”
ఇవి కూడా చూడండి: ప్రభుత్వ AI అసిస్టెంట్ పైలట్ను నిర్మించడానికి ఆంత్రోపిక్ ఎంపిక చేయబడింది
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర కార్యక్రమం ఇందులో భాగమే టెక్ఎక్స్ మరియు సహా ఇతర ప్రముఖ సాంకేతిక ఈవెంట్లతో కలిసి ఉంది సైబర్ సెక్యూరిటీ & క్లౌడ్ ఎక్స్పో. క్లిక్ చేయండి ఇక్కడ మరింత సమాచారం కోసం.
AI వార్తలు ఆధారితం టెక్ఫోర్జ్ మీడియా. రాబోయే ఇతర ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
