AI Agent එකක් කියන්නේ මොකක්ද?

AI Agent එකක් කියන්නේ පරිශීලකයෙක් වෙනුවෙන් හෝ පද්ධතියක් වෙනුවෙන් වැඩ කරන්න පුළුවන් software කොටසක්. පරිශීලකයින්ට සංකීර්ණ වැඩ ප්‍රවාහයන් සංවිධානය කරන්න, බහු agent අතර ක්‍රියාකාරකම් සම්බන්ධීකරණය කරන්න, අමාරු ප්‍රශ්න වලට තර්ක යොදන්න, සහ පරිශීලක ප්‍රශ්න වලට පිළිතුරු ඇගයීමට හැකි පද්ධති වලට agent සංවිධානය කරන්න පුළුවන්.

ඔබ කවදා හෝ customer service chatbot එකක් එක්ක කතා කරලා තියෙනවා නම් හෝ gen AI model එකකින් කවියක් ලියන්න කියලා ඉල්ලලා තියෙනවා නම්, ඔබ දැනටමත් AI agent වල සරල අනුවාදයක් දන්නවා ඇති. ChatGPT සමඟින් gen AI ප්‍රධාන ධාරාවට ගියාට පස්සේ gen AI වල ක්‍රියාකාරීත්වයේ දියුණුවක් ඔබ දැකලා තියෙනවා නම්, ඔබ හරි. AI agent වල අනුවාදයන් වසර ගණනාවක් තිස්සේ පැවතුනත්, අද gen AI model වල natural-language-processing හැකියාවන් නව හැකියාවන් රාශියක් මුදා හැරලා තියෙනවා. ඒක agent පද්ධති වලට සැලසුම් කරන්න, සහයෝගයෙන් වැඩ කරන්න සහ කාර්යයන් සම්පූර්ණ කරන්න සහ තමන්ගේ ක්‍රියාකාරීත්වය දියුණු කරන්න ඉගෙන ගන්න හැකියාව ලබා දෙනවා. agent වඩාත් නිවැරදි වන විට, සමාගම් වලට සංවිධාන ක්‍රියාවලීන් ස්වයංක්‍රීය කරන්න සහ සේවකයින්ගේ දෛනික වැඩ වඩාත් කාර්යක්ෂම කරන්න ඒවා භාවිතා කරන්න පුළුවන්.

gen AI සංවර්ධනය ඉතා වේගවත් වෙලා තියෙනවා. අද, මිනිස්සු සහ යන්ත්‍ර එකතු වෙලා හොඳ ගුණාත්මක බවක් සහ හොඳ ඵලදායිතාවයක් ලබා ගන්න පුළුවන්. කෙටි සහ දිගු කාලීන මතක ව්‍යුහයන්ගේ මෑත කාලීන දියුණුව නිසා මේ agent වලට බාහිර සහ අභ්‍යන්තර පරිශීලකයින් සමඟ වඩා හොඳින් පුද්ගලීකරණය කළ අන්තර්ක්‍රියා කරන්න පුළුවන් වෙලා තියෙනවා. ඒ කියන්නේ agent වලට කියන ඕනෑම දෙයක් ඉක්මනින් දියුණු වෙනවා.

අනාගතය දිහා බලනකොට, ඒවා තවත් හොඳ වෙන්න යනවා; සරලව කිව්වොත්, AI agent හිතන එකේ ඉඳන් ක්‍රියා කරන එකට යනවා. පසුගිය මාස 18 තුළ, Google, Microsoft, OpenAI සහ අනෙක් අය agent ක්‍රියාකාරීත්වයට සහාය දක්වන්න software libraries සහ frameworks වල ආයෝජනය කරලා තියෙනවා. Microsoft Copilot, Amazon Q සහ Google ගේ ඉදිරියට එන Project Astra වගේ applications සමඟ, large language models (LLMs) මඟින් බල ගැන්වෙන agent දැනුම පදනම් කරගත් මෙවලම් වල ඉඳන් ක්‍රියා පදනම් කරගත් මෙවලම් වලට මාරු වෙනවා. ළඟදීම, agent අද mobile applications වගේ සාමාන්‍ය දෙයක් වෙන්න පුළුවන්.

AI agent වල විවිධ වර්ග මොනවද?

AI agent වලට ඒවායේ හැකියාව, භූමිකාව, කුසලතාව සහ ලබා දීමට පුහුණු කර ඇති ප්‍රතිඵලය අනුව සංවිධානය කරන්න පුළුවන්. අද හදන agent කිහිපයක් මෙන්න:

• පුද්ගලික වැඩි දියුණු කිරීම් (“copilot” agent): මේ agent පුද්ගලික පරිශීලකයින් සඳහා copilot ලෙස ක්‍රියා කරනවා. ඒ පුද්ගලයාගේ ඵලදායිතාව සහ හැකියාවන් වැඩි දියුණු කිරීමේ අරමුණින්. Microsoft’s 365 Copilot සහ OpenAI’s ChatGPT වැනි Copilot agent වලට අන්තර්ගතය කෙටුම්පත් කිරීමට, code ලිවීමට හෝ දැනුම ලබා ගැනීමට උදව් කරන්න පුළුවන්. සමහර අවස්ථාවලදී, Copilot agent පරිශීලකයෙකුගේ විශේෂිත වැඩ ප්‍රවාහයට ගැලපෙන “smart” සහායකයින් ලෙස ක්‍රියා කරන්න පුළුවන්. ඇත්ත වශයෙන්ම, මේ ආකාරයේ agent වල බලපෑම එක් එක් සේවකයාගේ අභිප්‍රේරණය සහ ආයෝජනය මත රඳා පවතිනවා.
• Workflow automation platforms: මේ වර්ගයේ agent තනි හෝ බහු-පියවර කාර්යයන් හෝ කුඩා වැඩ ප්‍රවාහයන් ස්වයංක්‍රීය කිරීමට අවධානය යොමු කරනවා, පවතින වැඩ ප්‍රවාහයන් සඳහා AI බලයෙන් ක්‍රියාත්මක වන ක්‍රියාවලි orchestrator සහ executor ලෙස ක්‍රියා කරනවා. මේ වර්ගයේ agent වලට උදාහරණ ලෙස Microsoft’s Copilot Studio සහ Salesforce’s Agentforce (දැනට සංවර්ධනය වෙමින් පවතී) ඇතුළත් වෙනවා. මේ agent වැඩි වශයෙන් පවතින ක්‍රියාවලීන්ට යොදන නිසා, සාර්ථකත්වය ක්‍රියාත්මක කිරීම, වෙනස්කම් කළමනාකරණය සහ agent කළමනාකරණය සඳහා දැඩි උත්සාහයන් මත රඳා පවතිනවා.
• Domain solutions සඳහා Gen AI-native agent: මේ agent විශේෂිත ව්‍යාපාර domain හෝ කාර්යයන් සඳහා අරමුණු සහගතව ගොඩනගා ඇති විසඳුම්. උදාහරණ ලෙස AI බලයෙන් ක්‍රියාත්මක වන customer service පද්ධති හෝ AI සක්‍රීය software සංවර්ධන pipelines ඇතුළත් වෙනවා. Gen AI-native agent සාම්ප්‍රදායික AI agent වලට වඩා විසඳුමේ හරය ලෙස AI සමඟ විශේෂිත domain එකක් නැවත සිතා බලනවා, සාම්ප්‍රදායික AI agent පවතින භූමිකාවන් හෝ වැඩ ප්‍රවාහයන් මත AI ස්ථර කරනවා.
• AI-native enterprises සහ operating models: මේ agent තනි වැඩ ප්‍රවාහයන් හෝ කාර්යයන් සඳහා යොදනවා වෙනුවට enterprise operating model එක පුරා විවීම කරනවා. මේ අවස්ථාවලදී, සමාගමක් end-to-end AI-first redesign එකක් හරහා යනවා, එහිදී අන්තර්ක්‍රියා ස්ථරය, ක්‍රියාවලීන්, සංවිධාන ව්‍යුහයන් සහ ව්‍යාපාර ආකෘතිය පවා නැවත සිතා බලනවා. ඩිජිටල් පරිවර්තනයන්ට මුලින්ම ලක් වූ විට සංවිධාන මේ තරම් වෙනස්කම් අත්විඳිනවා, සහ AI සමඟත් ඒ දේම සිදුවීමට ඉඩ තියෙනවා.
• AI virtual workers: AI virtual workers කියන්නේ සේවකයින් හෝ කණ්ඩායම් සාමාජිකයින් ලෙස ක්‍රියා කරන සහ agent වල විභව බාධාකාරී කාණ්ඩය නියෝජනය කරන agent. මේ virtual workers මඟින් සමාගම් වලට සමාගමේ වත්මන් ආකෘතිය තුළ AI ක්‍රියාත්මක කිරීමට ඉඩ දීමෙන් සම්පූර්ණ සංවිධාන පරිවර්තනය මඟහරින්න පුළුවන්, ඒකෙන් වඩා ඉක්මනින් වටිනාකමක් ලබා ගන්න උදව් වෙන්න පුළුවන්.

මේ AI agent එකිනෙකට වෙනස් නැහැ. බොහෝ සංවිධාන මිශ්‍රණයක් අනුගමනය කරනවා – උදාහරණයක් ලෙස, තෝරාගත් වැඩ ප්‍රවාහයන් ස්වයංක්‍රීය කරන අතරම පුද්ගලික AI copilot හඳුන්වා දීම සහ virtual workers කිහිපයක් නියමු කිරීම.

AI Agent වැඩ කරන්නේ කොහොමද?

AI agent වලට කර්මාන්ත සහ ව්‍යාපාර කාර්යයන් හරහා ඉතා සංකීර්ණ සහ අපැහැදිලි භාවිත අවස්ථා වලට සහාය දෙන්න පුළුවන්. ඒවාට web browser වගේ මිනිසුන් සඳහා නිර්මාණය කරපු මෙවලම් සහ API වැනි පරිගණක සඳහා නිර්මාණය කරපු මෙවලම් භාවිතා කරන්න පුළුවන්. මේ දෙකම කරන්න පුළුවන් වීම නිසා AI agent වලට තාක්ෂණික architecture හරහා, සංවිධාන ඇතුළේ සහ පිටත වැඩ කරන්න නම්‍යශීලී බවක් ලැබෙනවා, ඒ architecture වලට සැලකිය යුතු වෙනස්කම් අවශ්‍ය නැතුව.

AI agent එකක් වැඩ කරන ක්‍රියාවලිය සාමාන්‍යයෙන් පියවර හතරකින් සිදු වෙනවා:

• පරිශීලකයෙක් agent පද්ධතියට කාර්යයක් දෙනවා. AI agent කාර්යය සම්පූර්ණ කරන්න සැලසුම් කරලා, ඒක ලබා ගන්නේ කොහොමද කියලා තීරණය කරන්න ස්වාධීනව වැඩ කරනවා.
• Agent පද්ධතිය වැඩ සැලසුම් කරනවා, වෙන් කරනවා සහ ක්‍රියාත්මක කරනවා. AI agent පද්ධතිය වැඩ ප්‍රවාහයක් කාර්යයන් සහ උප කාර්යයන් වලට කඩලා, manager agent එකක් අනෙක්, විශේෂිත උප agent වලට ඒවා පවරනවා. මේ විශේෂිත agent කලින් අත්දැකීම් සහ ඉගෙන ගත් domain විශේෂඥතාවය භාවිතා කරලා, එකිනෙකා සමඟ සම්බන්ධීකරණය කරලා, පැවරීම් ක්‍රියාත්මක කරන්න සංවිධාන සහ බාහිර දත්ත දෙකම භාවිතා කරනවා.
• Agent පද්ධතිය ප්‍රතිදානය ක්‍රමානුකූලව දියුණු කරන්න පුළුවන්. නිරවද්‍යතාවය සහ අදාළත්වය සහතික කරන්න agent පද්ධතියට අමතර පරිශීලක input අවශ්‍ය වෙන්න පුළුවන්. අවසාන ප්‍රතිදානය ලබා දුන්නාට පස්සේ, agent පද්ධතියට පරිශීලකයාගෙන් ප්‍රතිපෝෂණ ඉල්ලන්න පුළුවන්.
• Agent ක්‍රියාව ක්‍රියාත්මක කරනවා. කාර්යය සම්පූර්ණයෙන්ම සම්පූර්ණ කරන්න අවශ්‍ය ඕනෑම ක්‍රියාවක් agent ක්‍රියාත්මක කරනවා.

AI agent වල ඕනෑම deployment එකක පාලනයන් පරාසයක් ඇතුළත් විය යුතුයි. උදාහරණයක් ලෙස, constructive-feedback loops මඟින් agent වලට තමන්ගේ වැඩ සමාලෝචනය කරලා පිරිපහදු කරන්න ඉඩ දෙනවා. AI agent වලට ප්‍රශ්න විසඳන්න තමන්ටම උගන්වන්න හෝ මිනිස් manager කෙනෙකුට ඒවා වැඩි කරන්න program කරන්නත් පුළුවන්. agent වලට එකට වැඩ කරන්නත් පුළුවන්: critic specialist agent එකකට creator agent එකක් හදපු සැලැස්මක් සමාලෝචනය කරලා iterations ඉල්ලන්න පුළුවන්, ඒකෙන් හොඳ ප්‍රතිදානයක් ලැබෙන්න පුළුවන්. සමහර AI agent වලට managers ලගෙන් කෙලින්ම ප්‍රශ්න අහන්නත් පුළුවන්. සංවිධාන වලට ethical සහ bias ගැටළු මත පදනම්ව අනෙක් agent වල ප්‍රතිදානය ස්වයංක්‍රීයව පරීක්ෂා කරලා නිවැරදි කරන්න විශේෂිත agent හදන්නත් පුළුවන්.

AI Agent LLM වලට සම්බන්ධ වෙන්නේ කොහොමද?

කාර්යයන් සම්පූර්ණ කරන්න AI agent විවිධ AI models එක්ක වැඩ කරනවා. මිනිස්සු එක්ක කතා කරන්න පාවිච්චි කරනකොට, AI agent natural-language-processing හැකියාවන්ගෙන් සමන්විත LLM එක්ක වැඩ කරනවා. self-driving car එකක් උදාහරණයක් විදිහට ගන්න, ඒක විවිධ AI models එක්ක වැඩ කරන agent මාලාවක් මත වැඩ කරනවා. පරිශීලකයෙක්ට යන්න ඕන තැන තේරුම් ගන්න බලය තියෙන AI agent එකක් LLM එකක් පාවිච්චි කරන්න පුළුවන්. ඒත් car එක වමට හැරෙන එක ආරක්ෂිතයි කියලා සහතික කරන බලය තියෙන agent එකක් ඒ විශේෂිත ආකාරයේ තීරණයක් සඳහා LLM එකක් නෙවෙයි, විශේෂිත design model එකක් පාවිච්චි කරනවා.

AI agent ව්‍යාපාර වර්ධනයට බලපාන්නේ කොහොමද?

දිගු කාලීනව, gen AI වල enterprise භාවිත අවස්ථා මඟින් වාර්ෂිකව ඇමෙරිකානු ඩොලර් ට්‍රිලියන 4.4 දක්වා වටිනාකමක් නිර්මාණය කරන්න පුළුවන්. ඒත් වැඩ කරන විදිහ නැවත සිතා බලන්න සහ පරිවර්තනය කරන්න ඉක්මනින් AI ක්‍රියාත්මක කරන්න බැරි නම් සංවිධාන වලට මේ හැකියාව ව්‍යාපාර වර්ධනයට සහ වැඩි ඵලදායිතාවයට හරවන්න බැහැ. AI agent වලට අනෙක්, පැරණි තාක්ෂණයට වඩා වේගයෙන්, හොඳින් සහ ලාභදායීව ඒ වටිනාකම් කන්ද හාරා ගන්න උදව් කරන්න පුළුවන්.

ඒත් gen AI වල වටිනාකම සාමාන්‍ය වැඩ කාර්යයන් ස්වයංක්‍රීය කිරීමට එහා ගිය දෙයක්. තතු දත්තන් පුරෝකථනය කරනවා සංවිධාන වලට ක්‍රියාවලීන් නැවත සිතා බලන්න සහ ඔවුන්ගේ IT යටිතල පහසුකම් නවීකරණය කරන්න AI agent යොදවන්න පුළුවන් කියලා. ඒකට පහසුවෙන් භාවිතා කළ හැකි programming භාෂා වලට මාරු වීම සහ වැඩි ක්‍රියාකාරීත්වයක් ලබා දෙන නවීන frameworks වලට මාරු වීම සිට, පද්ධති වඩාත් මොඩියුලර් වන පරිදි ප්‍රතිව්‍යුහගත කිරීම සහ ලාභදායී cloud-computing පරිසර වල වැඩසටහන් ක්‍රියාත්මක කිරීමට සංක්‍රමණය වීම දක්වා ඕනෑම දෙයක් ඇතුළත් වෙන්න පුළුවන්. තාක්ෂණික නායකයින්ට සංකීර්ණ කාර්යයන් මත සහයෝගයෙන් වැඩ කරන්න සහ මිනිසුන්ගෙන් ප්‍රතිපෝෂණ සමඟ තත්‍ය කාලීනව පුනරාවර්තනය කරන්න විශේෂිත AI agent කිහිපයක් භාවිතා කරන්න පුළුවන්, ඒත් සැබෑ වටිනාකම එන්නේ වෙනම කාර්යයන් සහ සම්පූර්ණ software සංවර්ධන ක්‍රියාවලීන් සම්පූර්ණ කිරීමට agent orchestrating කිරීමෙන්.

සමහර කර්මාන්ත දැනටමත් AI agent නිතිපතා යොදවනවා. උදාහරණයක් ලෙස, customer service bots බොහෝ පාරිභෝගික මුහුණලා ඇති වෙබ් අඩවි වල අත්‍යවශ්‍ය දෙයක් බවට පත් වෙලා තියෙනවා. gen AI වල ආර්ථික හැකියාව පිළිබඳ පර්යේෂණයකට අනුව, gen AI-enabled customer service agent භාවිතා කරන සංවිධාන පැයකට ගැටළු විසඳීම 14% කින් වැඩි කර ඇති අතර ගැටළු හැසිරවීමට ගත කරන කාලය 9% කින් අඩු කරලා තියෙනවා.

සාමාන්‍යයෙන්, gen AI-enabled agent වලට සංකීර්ණ භාවිත අවස්ථා ස්වයංක්‍රීය කිරීම වැදගත් ආකාර තුනකින් පහසු කරන්න පුළුවන්:

• Agent වලට අඩු පුරෝකථනය කළ හැකි අවස්ථා පහසුවෙන් කළමනාකරණය කරන්න පුළුවන්. නීති මත පදනම් වූ පද්ධති නීති නිර්මාණකරුවන් අපේක්ෂා නොකළ අවස්ථා වලට මුහුණ දෙන විට බිඳ වැටීමට නැඹුරු වෙනවා. gen AI agent පද්ධති වලට, ඊට වෙනස්ව, ලබා දී ඇති භාවිත අවස්ථාවක් සඳහා විවිධ අවස්ථා හැසිරවීමට පුළුවන්. ඒවා විශාල, ව්‍යුහගත නොවන දත්ත කට්ටල මත පුහුණු කර ඇති foundation models භාවිතා කරලා ගොඩනගා ඇති නිසා, gen AI agent වලට විවිධ අවස්ථා වලට තත්‍ය කාලීනව අනුවර්තනය වෙන්න සහ විශේෂිත කාර්යයන් කරන්න පුළුවන්.
• Agent පද්ධති natural language සමඟ යොමු කරන්න පුළුවන්. Natural language processing මඟින් පරිශීලකයින්ට පෙරට වඩා වේගයෙන් සහ පහසුවෙන් සංකීර්ණ වැඩ ප්‍රවාහයන් encode කරන්න පුළුවන්. natural language processing සමඟ coded කර ඇති gen AI agent වලට විශේෂයෙන් program කිරීම හෝ විශාල IT ව්‍යාපෘතියක් orchestrating කිරීම අවශ්‍ය නොවී ප්‍රතිඵල ලබා ගැනීමට පුළුල් පරාසයක සේවකයින්ට AI මෙවලම් සිතා බලා භාවිතා කිරීමට හැකියාව ලබා දෙන්න පුළුවන්.
• Agent වලට පවතින software මෙවලම් සහ වේදිකා සමඟ වැඩ කරන්න පුළුවන්. Gen AI agent foundation models මත ක්‍රියාත්මක වෙනවා, ඒ මඟින් agent වලට මෙවලම් භාවිතා කිරීමට සහ පුළුල් ඩිජිටල් පරිසර පද්ධතියක් හරහා සන්නිවේදනය කිරීමට ඉඩ දෙනවා. foundation models නොමැතිව, මේ හැකියාවන් සඳහා පද්ධති ඒකාබද්ධ කිරීමට හෝ විවිධ පද්ධති වලින් ප්‍රතිදානයන් එකතු කිරීමට පුළුල් අතින් උත්සාහයන් අවශ්‍ය වෙනවා. Agent වලට පද්ධති හරහා ඒකාබද්ධ කිරීමට අවශ්‍ය වැඩ සහ නැවත වැඩ කිරීමේ ප්‍රමාණය සැලකිය යුතු ලෙස අඩු කරන්න පුළුවන්.

AI agent වල වෙනත් enterprise භාවිත අවස්ථා මොනවද?

අනාගතයේදී AI agent සමඟ හැකි දේ පිළිබඳ දසුනක් ලබා දෙන උපකල්පිත භාවිත අවස්ථා තුනක් මෙන්න:

• ණය underwriting: විශේෂිත agent කිහිපයකින් සමන්විත AI agent පද්ධතියකට පුළුල් පරාසයක credit risk අවස්ථා හැසිරවීමට පුළුවන්. කලින්, මේක සාමාන්‍යයෙන් ණය ගැනුම්කරු, ණය වර්ගය සහ අනෙකුත් විචල්‍යයන් සම්බන්ධ විවිධ තොරතුරු එකතු කිරීම, විශ්ලේෂණය කිරීම සහ සමාලෝචනය කිරීම සම්බන්ධ කාලය ගතවන සහ සහයෝගී ක්‍රියාවලියක්.
• Code documentation සහ modernization: විශාල ව්‍යාපාර වල legacy software වැඩසටහන් සහ පද්ධති බොහෝ විට ආරක්ෂක අවදානම් ඇති කරන අතර ව්‍යාපාර නවෝත්පාදන වේගය අඩු කරන්න පුළුවන්. AI agent වලට මේ පද්ධති නවීකරණය කිරීමේ ක්‍රියාවලිය විධිමත් කිරීමට උදව් කරන්න පුළුවන්. උදාහරණයක් ලෙස, සමාගමකට පැරණි code විශ්ලේෂණය කිරීමට legacy software expert ලෙස විශේෂිත agent එකක් යොදවන්න පුළුවන්, තවත් agent එකක් – quality assurance agent – documentation විවේචනය කරලා නිරවද්‍යතාවය සහ සංවිධාන ප්‍රමිතීන්ට අනුකූල වීම සහතික කිරීමට AI වල ප්‍රතිදානය ක්‍රමානුකූලව පිරිපහදු කරන්න පුළුවන්.
• Online-marketing campaigns: online-marketing campaign එකක් සැලසුම් කිරීම, දියත් කිරීම සහ ක්‍රියාත්මක කිරීම විවිධ පුද්ගලයින් සම්බන්ධ සංකීර්ණ, බහු ස්ථර ක්‍රියාවලියක් වෙන්න පුළුවන්. තනි AI agent පද්ධතියකට සමාගමේ marketing වෘත්තිකයන්ගේ input මත පදනම්ව campaign අදහස් දියුණු කරන්න, පරීක්ෂා කරන්න සහ පුනරාවර්තනය කරන්න පුළුවන්. ඊට පස්සේ, digital-marketing agent එකකට උපාය මාර්ග සහ පිටපත් සකස් කිරීමට insights එකතු කරන්න පුළුවන්, design agent වලට ගැලපෙන අන්තර්ගතය ගොඩනගන්න පුළුවන්.

AI agent ක්‍රියාත්මක කිරීමට සංවිධාන වලට ගන්න පුළුවන් පියවර මොනවද?

නායකයින්ට වැදගත් ක්ෂේත්‍ර තුනක් කෙරෙහි අවධානය යොමු කරන්න පුළුවන්:

• දිගු කාලරාමුවක් ඇති සහ බොහෝ පුද්ගලයින් අවශ්‍ය වන ඕනෑම තාක්ෂණික යෝජනාවක් හොඳින් සමාලෝචනය කරන්න. ඒ කියන්නේ gen AI මඟින් පිරිවැය අඩු කර කාලරාමු කෙටි කරන්නේ කොහොමද කියලා තීරණය කරන්න සියලුම විශාල යෝජනා සමාලෝචනය කරන එක. නායකයින් gen AI හැකියාවන් ඇතුළත් කිරීමට යෝජනා කරන යෝජනා ගැන විශේෂයෙන් සැක සහිත විය යුතුයි, ඒවායේ වටිනාකම් හැකියාව අනුව සීමිත හෝ සහායක විය හැකියි.
• විශාලතම ගැටළු කෙරෙහි අවධානය යොමු කරන්න. කුඩා පරිමාණයේ මුලපිරීම් සාමාන්‍යයෙන් කුඩා පරිමාණයේ ප්‍රතිඵල වලට මඟ පාදනවා. ඒ නිසා සමාගම් විශාලතම සහ වඩාත්ම සංකීර්ණ තාක්ෂණික ගැටළු හඳුනා ගැනීමට හොඳින් ක්‍රියා කරනවා – බහු වාර්ෂික කාලරාමු සහිත ඉතා මිල අධික ඒවා, සහ බරපතල තාක්ෂණික ණය සඳහා වගකිව යුතු ඒවා – සහ ඒවා විසඳීමට gen AI භාවිතය කෙරෙහි අවධානය යොමු කරනවා.
• දක්ෂතා, තාක්ෂණය සහ ක්‍රියාකාරී ආකෘති ඇඟවුම් වලට වඩා ඉදිරියෙන් සිටින්න. බහු agent ප්‍රවේශය පරිමාණය වන විට, නායකයින්ට ව්‍යාපාර ඇඟවුම් තේරුම් ගෙන සැලසුම් කිරීමට අවශ්‍ය වෙනවා. මේවාට ඔවුන්ගේ දක්ෂතා උපාය මාර්ග සහ නැවත පුහුණු කිරීමේ වැඩසටහන් නැවත සිතා බැලීම, ඒ අනුව ඔවුන්ගේ ක්‍රියාකාරී ආකෘති අනුවර්තනය කිරීම සහ ඔවුන්ගේ මෙහෙයුම් සහ ප්‍රාග්ධන වියදම් නැවත ඇගයීම ඇතුළත් වෙනවා.

AI agents පරිණාමය ආරම්භ වෙමින් පවතිනවා, තවමත් ඉගෙනීම් සහ සොයාගැනීම් රාශියක් ඉදිරියට එන්න තියෙනවා. AI agents ක්ෂේත්‍රයේ බොහෝ වැඩ පර්යේෂණාගාරයෙන් සම්පූර්ණ පරිමාණයට යනවා. AI agents සියලුම කර්මාන්ත සහ ප්‍රමාණයේ සංවිධාන හරහා මිනිස්සු වැඩ කරන ආකාරය නැවත සිතා බලන්න උදව් කරන්න අලුත් හැකියාවන් ලබා දෙනවා.