AI ਵਿੱਚ ਹੁਣੇ ਕੀ ਵਾਪਰਿਆ — ਅਤੇ ਇਹ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ

AI ਨੇ ਹੁਣੇ ਹੀ ਇੱਕ ਨਵੀਂ ਸੀਮਾ ਪਾਰ ਕੀਤੀ ਹੈ। ਅਸੀਂ ਚੈਟਬੋਟਸ ਦੇ ਉਸ ਦੌਰ ਤੋਂ ਅੱਗੇ ਨਿਕਲ ਰਹੇ ਹਾਂ ਜੋ ਸਿਰਫ਼ ਗੱਲਾਂ ਕਰਦੇ ਸਨ, ਅਤੇ ਇੱਕ ਅਜਿਹੇ ਦੌਰ ਵਿੱਚ ਦਾਖਲ ਹੋ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਸਾਫਟਵੇਅਰ ਅਸਲ ਵਿੱਚ ਕੰਮ ਕਰਦਾ ਹੈ। ਇਹ ਬਦਲਾਅ ਕਿਸੇ ਇੱਕ ਖਾਸ app ਜਾਂ ਮਾਡਲ ਅਪਡੇਟ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਇਸ ਬਾਰੇ ਹੈ ਕਿ ਕੰਪਿਊਟਰ ਦੁਨੀਆ ਨਾਲ ਕਿਵੇਂ ਗੱਲਬਾਤ ਕਰਦੇ ਹਨ। ਆਮ ਲੋਕਾਂ ਲਈ, ਰੋਜ਼ਾਨਾ ਦੀਆਂ ਖਬਰਾਂ ਦਾ ਰੌਲਾ ਤਕਨੀਕੀ jargon ਅਤੇ hype ਵਰਗਾ ਲੱਗ ਸਕਦਾ ਹੈ। ਪਰ, ਮੁੱਖ ਗੱਲ ਬਹੁਤ ਸਧਾਰਨ ਹੈ। Large language models ਹਰ ਉਸ ਡਿਜੀਟਲ ਕੰਮ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਾ ਬਣ ਰਹੇ ਹਨ ਜੋ ਤੁਸੀਂ ਕਰਦੇ ਹੋ। ਉਹ ਹੁਣ ਸਿਰਫ਼ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਨਹੀਂ ਦੇ ਰਹੇ। ਉਹ workflows ਨੂੰ ਮੈਨੇਜ ਕਰ ਰਹੇ ਹਨ, ਲੋੜਾਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾ ਰਹੇ ਹਨ, ਅਤੇ ਵੱਖ-ਵੱਖ platforms ‘ਤੇ ਕਮਾਂਡਾਂ ਨੂੰ ਐਗਜ਼ੀਕਿਊਟ ਕਰ ਰਹੇ ਹਨ। ਇਹ ਤਬਦੀਲੀ AI ਦੇ ਇੱਕ ਉਤਸੁਕਤਾ ਵਾਲੀ ਚੀਜ਼ ਤੋਂ ਇੱਕ ਅਦਿੱਖ infrastructure ਬਣਨ ਦੀ ਸ਼ੁਰੂਆਤ ਹੈ। ਜੇ ਤੁਸੀਂ ਪਰੇਸ਼ਾਨ ਮਹਿਸੂਸ ਕਰ ਰਹੇ ਹੋ, ਤਾਂ ਇਸਦਾ ਕਾਰਨ ਇਹ ਹੈ ਕਿ ਇਨ੍ਹਾਂ tools ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਰਫ਼ਤਾਰ ਸਾਡੀ ਸਮਝਣ ਦੀ ਸਮਰੱਥਾ ਤੋਂ ਤੇਜ਼ ਹੈ। ਹੁਣ ਟੀਚਾ ਇਹ ਸਮਝਣਾ ਹੈ ਕਿ ਇਹ intelligence ਦੀ ਪਰਤ ਤੁਹਾਡੇ ਅਤੇ ਤੁਹਾਡੀ ਮਸ਼ੀਨ ਦੇ ਵਿਚਕਾਰ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀ ਹੈ।

ਇਹ ਤਬਦੀਲੀ ਉਸ ਸਾਫਟਵੇਅਰ ਤੋਂ ਹੋ ਰਹੀ ਹੈ ਜਿਸਨੂੰ ਤੁਸੀਂ ਵਰਤਦੇ ਹੋ, ਉਸ ਸਾਫਟਵੇਅਰ ਵੱਲ ਜੋ ਤੁਹਾਡੇ ਲਈ ਦੂਜੇ ਸਾਫਟਵੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਇਹ ਉਹ ਮੁੱਖ trend ਹੈ ਜੋ OpenAI ਅਤੇ Google ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਦੇ ਹਰ ਵੱਡੇ ਐਲਾਨ ਨੂੰ ਜੋੜਦਾ ਹੈ। ਅਸੀਂ agentic era ਦੇ ਜਨਮ ਨੂੰ ਦੇਖ ਰਹੇ ਹਾਂ। ਇਸ ਨਵੇਂ ਪੜਾਅ ਵਿੱਚ, AI ਨੂੰ ਅਸਲ ਦੁਨੀਆ ਵਿੱਚ ਕੰਮ ਕਰਨ ਦਾ ਅਧਿਕਾਰ ਦਿੱਤਾ ਗਿਆ ਹੈ। ਇਹ ਫਲਾਈਟਾਂ ਬੁੱਕ ਕਰ ਸਕਦਾ ਹੈ, ਪੈਸੇ ਟ੍ਰਾਂਸਫਰ ਕਰ ਸਕਦਾ ਹੈ, ਜਾਂ ਹੋਰ AI ਸਿਸਟਮਾਂ ਦੀ ਇੱਕ ਟੀਮ ਨੂੰ ਮੈਨੇਜ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ 2026 ਵਿੱਚ ਦੇਖੇ ਗਏ ਸਥਿਰ ਟੈਕਸਟ ਜਨਰੇਸ਼ਨ ਤੋਂ ਇੱਕ ਵੱਡਾ ਬਦਲਾਅ ਹੈ। ਹੁਣ ਧਿਆਨ ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ‘ਤੇ ਹੈ। ਅਸੀਂ ਹੁਣ ਇਸ ਗੱਲ ਤੋਂ ਪ੍ਰਭਾਵਿਤ ਨਹੀਂ ਹੁੰਦੇ ਕਿ ਇੱਕ ਮਸ਼ੀਨ ਕਵਿਤਾ ਲਿਖ ਸਕਦੀ ਹੈ। ਅਸੀਂ ਹੁਣ ਇਹ ਪੁੱਛ ਰਹੇ ਹਾਂ ਕਿ ਕੀ ਇਹ ਬਿਨਾਂ ਕਿਸੇ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਦੇ ਟੈਕਸ ਰਿਟਰਨ ਫਾਈਲ ਕਰ ਸਕਦੀ ਹੈ ਜਾਂ ਸਪਲਾਈ ਚੇਨ ਨੂੰ ਮੈਨੇਜ ਕਰ ਸਕਦੀ ਹੈ। ਇਹ ਬਦਲਾਅ ਮਾਡਲਾਂ ਦੇ ਗੁੰਝਲਦਾਰ, ਬਹੁ-ਪੜਾਵੀ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਆਏ ਵੱਡੇ ਸੁਧਾਰਾਂ ਦੁਆਰਾ ਚਲਾਇਆ ਜਾ ਰਿਹਾ ਹੈ।

Intelligence ਦਾ ਮਹਾਨ ਏਕੀਕਰਣ

Agentic Systems ਵੱਲ ਵਧਦਾ ਕਦਮ

ਇੰਡਸਟਰੀ ਦੀ ਮੌਜੂਦਾ ਸਥਿਤੀ ਨੂੰ ਸਮਝਣ ਲਈ, generative outputs ਅਤੇ agentic actions ਵਿਚਕਾਰ ਅੰਤਰ ਨੂੰ ਦੇਖਣਾ ਜ਼ਰੂਰੀ ਹੈ। Generative AI ਪ੍ਰੋਂਪਟ ਦੇ ਆਧਾਰ ‘ਤੇ ਟੈਕਸਟ, ਚਿੱਤਰ ਅਤੇ ਕੋਡ ਤਿਆਰ ਕਰਦਾ ਸੀ। ਇਹ ਮਨੁੱਖੀ ਡੇਟਾ ਦਾ ਇੱਕ ਪ੍ਰਤੀਬਿੰਬ ਸੀ। ਜੋ ਅਸੀਂ ਹੁਣ ਦੇਖ ਰਹੇ ਹਾਂ ਉਹ agents ਦਾ ਉਭਾਰ ਹੈ। ਇਹ ਉਹ ਸਿਸਟਮ ਹਨ ਜੋ ਘੱਟੋ-ਘੱਟ ਮਨੁੱਖੀ ਦਖਲਅੰਦਾਜ਼ੀ ਨਾਲ ਬਹੁ-ਪੜਾਵੀ ਟੀਚਿਆਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ। ਇੱਕ ਬੋਟ ਨੂੰ ਈਮੇਲ ਲਿਖਣ ਲਈ ਕਹਿਣ ਦੀ ਬਜਾਏ, ਤੁਸੀਂ ਇੱਕ ਸਿਸਟਮ ਨੂੰ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਸੰਗਠਿਤ ਕਰਨ ਲਈ ਕਹਿੰਦੇ ਹੋ। ਸਿਸਟਮ ਫਿਰ ਲੋੜੀਂਦੇ ਲੋਕਾਂ ਦੀ ਪਛਾਣ ਕਰਦਾ ਹੈ, ਕੈਲੰਡਰ ਚੈੱਕ ਕਰਦਾ ਹੈ, ਸੁਨੇਹੇ ਡਰਾਫਟ ਕਰਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਡੇਟਾਬੇਸ ਨੂੰ ਅਪਡੇਟ ਕਰਦਾ ਹੈ। ਇਸ ਲਈ ਉੱਚ ਪੱਧਰੀ ਤਰਕ ਅਤੇ ਬਾਹਰੀ tools ਨਾਲ ਵਧੇਰੇ ਮਜ਼ਬੂਤ ਕਨੈਕਸ਼ਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਇੱਕ ਕੈਲਕੁਲੇਟਰ ਅਤੇ ਇੱਕ ਸਹਾਇਕ ਵਿਚਕਾਰਲਾ ਅੰਤਰ ਹੈ। ਇਹ ਬਦਲਾਅ long context windows ਅਤੇ tool use capabilities ਵਿੱਚ ਸੁਧਾਰਾਂ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਹੈ। ਮਾਡਲ ਹੁਣ ਹਜ਼ਾਰਾਂ ਪੰਨਿਆਂ ਦੀ ਜਾਣਕਾਰੀ ਯਾਦ ਰੱਖ ਸਕਦੇ ਹਨ ਅਤੇ ਜਾਣਦੇ ਹਨ ਕਿ ਵੈੱਬ ਬ੍ਰਾਊਜ਼ਰ ਜਾਂ ਸਾਫਟਵੇਅਰ ਪ੍ਰੋਗਰਾਮ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ। ਇਹ ਕੋਈ ਮਾਮੂਲੀ ਬਦਲਾਅ ਨਹੀਂ ਹੈ। ਇਹ user interface ਦੀ ਮੁੜ-ਇੰਜੀਨੀਅਰਿੰਗ ਹੈ। ਅਸੀਂ ਬਟਨਾਂ ‘ਤੇ ਕਲਿੱਕ ਕਰਨ ਤੋਂ ਦੂਰ ਹੋ ਕੇ ਇਰਾਦਿਆਂ ਨੂੰ ਦੱਸਣ ਵੱਲ ਵਧ ਰਹੇ ਹਾਂ। Microsoft ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਇਨ੍ਹਾਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਸਿੱਧੇ ਤੌਰ ‘ਤੇ ਉਨ੍ਹਾਂ operating systems ਵਿੱਚ ਸ਼ਾਮਲ ਕਰ ਰਹੀਆਂ ਹਨ ਜੋ ਅਸੀਂ ਹਰ ਰੋਜ਼ ਵਰਤਦੇ ਹਾਂ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ AI ਉਹ ਵੈੱਬਸਾਈਟ ਨਹੀਂ ਹੈ ਜਿਸ ‘ਤੇ ਤੁਸੀਂ ਜਾਂਦੇ ਹੋ। ਇਹ ਉਹ ਵਾਤਾਵਰਣ ਹੈ ਜਿੱਥੇ ਤੁਸੀਂ ਕੰਮ ਕਰਦੇ ਹੋ। ਇਹ ਤੁਹਾਡੀ ਸਕ੍ਰੀਨ ਨੂੰ ਦੇਖਦਾ ਹੈ, ਤੁਹਾਡੀਆਂ ਫਾਈਲਾਂ ਦੇ ਸੰਦਰਭ ਨੂੰ ਸਮਝਦਾ ਹੈ, ਅਤੇ ਦੁਹਰਾਉਣ ਵਾਲੇ ਕੰਮਾਂ ਨੂੰ ਸੰਭਾਲਣ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ। ਇਹ ਇੰਟਰਨੈੱਟ ਦੀ **action layer** ਹੈ। ਇਹ ਸਥਿਰ ਜਾਣਕਾਰੀ ਨੂੰ ਗਤੀਸ਼ੀਲ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਬਦਲਦਾ ਹੈ।

ਆਰਥਿਕ ਮੁੜ-ਵਿਵਸਥਾ ਅਤੇ ਗਲੋਬਲ ਮੁਕਾਬਲਾ

ਇਸ ਬਦਲਾਅ ਦੇ ਪ੍ਰਭਾਵ ਸਿਲੀਕਾਨ ਵੈਲੀ ਤੋਂ ਕਿਤੇ ਵੱਧ ਹਨ। ਗਲੋਬਲ ਪੱਧਰ ‘ਤੇ, ਗੁੰਝਲਦਾਰ workflows ਨੂੰ ਆਟੋਮੇਟ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਦੇਸ਼ਾਂ ਦੇ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਫਾਇਦੇ ਨੂੰ ਬਦਲ ਦਿੰਦੀ ਹੈ। ਦਹਾਕਿਆਂ ਤੋਂ, ਗਲੋਬਲ ਆਰਥਿਕਤਾ labor arbitrage ‘ਤੇ ਨਿਰਭਰ ਸੀ। ਉੱਚ-ਲਾਗਤ ਵਾਲੇ ਖੇਤਰਾਂ ਨੇ ਬੋਧਾਤਮਕ ਅਤੇ ਪ੍ਰਸ਼ਾਸਕੀ ਕੰਮਾਂ ਨੂੰ ਘੱਟ-ਲਾਗਤ ਵਾਲੇ ਖੇਤਰਾਂ ਵਿੱਚ ਆਊਟਸੋਰਸ ਕੀਤਾ। ਜਿਵੇਂ-ਜਿਵੇਂ agentic AI ਵਧੇਰੇ ਸਮਰੱਥ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ, ਇਨ੍ਹਾਂ ਕੰਮਾਂ ਦੀ ਲਾਗਤ ਹਰ ਜਗ੍ਹਾ ਜ਼ੀਰੋ ਦੇ ਨੇੜੇ ਆ ਰਹੀ ਹੈ। ਇਹ ਆਰਥਿਕ ਵਿਕਾਸ ਦੀਆਂ ਰਣਨੀਤੀਆਂ ‘ਤੇ ਮੁੜ ਵਿਚਾਰ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦਾ ਹੈ। ਸਰਕਾਰਾਂ ਹੁਣ ਇਨ੍ਹਾਂ ਸਿਸਟਮਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਲੋੜੀਂਦੇ hardware ਅਤੇ energy ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨ ਲਈ ਦੌੜ ਰਹੀਆਂ ਹਨ। ਅਸੀਂ ਇਸਨੂੰ ਯੂਰਪ ਅਤੇ ਏਸ਼ੀਆ ਵਿੱਚ ਡੇਟਾ ਸੈਂਟਰਾਂ ਵਿੱਚ ਕੀਤੇ ਜਾ ਰਹੇ ਵੱਡੇ ਨਿਵੇਸ਼ਾਂ ਵਿੱਚ ਦੇਖਦੇ ਹਾਂ। ਉਨ੍ਹਾਂ ਦੇਸ਼ਾਂ ਵਿਚਕਾਰ ਵੀ ਇੱਕ ਵੱਡੀ ਵੰਡ ਹੈ ਜੋ ਇਨ੍ਹਾਂ ਮਾਡਲਾਂ ਨੂੰ ਵਿਕਸਤ ਕਰਦੇ ਹਨ ਅਤੇ ਜੋ ਸਿਰਫ਼ ਉਨ੍ਹਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਇਹ ਇੱਕ ਨਵੀਂ ਕਿਸਮ ਦੀ ਡਿਜੀਟਲ ਪ੍ਰਭੂਸੱਤਾ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਜੇ ਕੋਈ ਦੇਸ਼ ਆਪਣੀਆਂ ਸਰਕਾਰੀ ਸੇਵਾਵਾਂ ਜਾਂ ਕਾਰਪੋਰੇਟ infrastructure ਲਈ ਕਿਸੇ ਬਾਹਰੀ AI ਪ੍ਰਦਾਤਾ ‘ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਹ ਆਪਣੇ ਡੇਟਾ ਅਤੇ ਭਵਿੱਖ ‘ਤੇ ਨਿਯੰਤਰਣ ਦਾ ਪੱਧਰ ਗੁਆ ਦਿੰਦਾ ਹੈ। ਇਸ ਤਬਦੀਲੀ ਦੀ ਰਫ਼ਤਾਰ ਮੌਜੂਦਾ ਕਾਨੂੰਨੀ ਢਾਂਚੇ ਨੂੰ ਚੁਣੌਤੀ ਦੇ ਰਹੀ ਹੈ। ਕਾਪੀਰਾਈਟ ਕਾਨੂੰਨ, ਡੇਟਾ ਗੋਪਨੀਯਤਾ ਨਿਯਮ, ਅਤੇ ਕਿਰਤ ਸੁਰੱਖਿਆ ਅਜਿਹੀ ਦੁਨੀਆ ਲਈ ਨਹੀਂ ਬਣਾਏ ਗਏ ਸਨ ਜਿੱਥੇ ਸਾਫਟਵੇਅਰ ਮਨੁੱਖੀ ਤਰਕ ਦੀ ਨਕਲ ਕਰ ਸਕੇ। ਗਲੋਬਲ ਪ੍ਰਭਾਵ ਅਤਿਅੰਤ ਕੁਸ਼ਲਤਾ ਲਾਭ ਅਤੇ ਡੂੰਘੇ ਸਮਾਜਿਕ ਰਗੜ ਦਾ ਮਿਸ਼ਰਣ ਹੈ। ਅਸੀਂ ਇਸਦੇ ਪਹਿਲੇ ਸੰਕੇਤ ਰਚਨਾਤਮਕ ਉਦਯੋਗਾਂ ਅਤੇ ਕਾਨੂੰਨੀ ਖੇਤਰ ਵਿੱਚ ਦੇਖ ਰਹੇ ਹਾਂ। ਤਕਨਾਲੋਜੀ ਨੀਤੀ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਅੱਗੇ ਵਧ ਰਹੀ ਹੈ, ਇੱਕ ਅਜਿਹਾ ਪਾੜਾ ਛੱਡ ਰਹੀ ਹੈ ਜਿਸਨੂੰ ਕੰਪਨੀਆਂ ਆਪਣੇ ਖੁਦ ਦੇ ਨਿਯਮਾਂ ਨਾਲ ਭਰ ਰਹੀਆਂ ਹਨ। ਇਹ ਇੱਕ ਖੰਡਿਤ ਗਲੋਬਲ ਵਾਤਾਵਰਣ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਸੜਕ ਦੇ ਨਿਯਮ ਕੁਝ ਨਿੱਜੀ ਸੰਸਥਾਵਾਂ ਦੁਆਰਾ ਲਿਖੇ ਜਾ ਰਹੇ ਹਨ। ਨਵੀਨਤਮ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਰੁਝਾਨਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਰੱਖਣਾ ਹੁਣ ਇਨ੍ਹਾਂ ਭੂ-ਰਾਜਨੀਤਿਕ ਤਬਦੀਲੀਆਂ ਨੂੰ ਸਮਝਣ ਲਈ ਇੱਕ ਜ਼ਰੂਰਤ ਹੈ।

ਮੈਨੂਅਲ ਕਲਿੱਕਾਂ ਤੋਂ ਇਰਾਦਤਨ ਕਮਾਂਡਾਂ ਤੱਕ

ਇੱਕ ਮਾਰਕੀਟਿੰਗ ਮੈਨੇਜਰ ਲਈ ਇੱਕ ਆਮ ਮੰਗਲਵਾਰ ਬਾਰੇ ਸੋਚੋ। ਪੁਰਾਣੇ ਮਾਡਲ ਵਿੱਚ, ਉਹ ਆਪਣੇ ਦਿਨ ਦੀ ਸ਼ੁਰੂਆਤ ਤਿੰਨ ਵੱਖ-ਵੱਖ ਈਮੇਲ ਖਾਤਿਆਂ, ਦੋ ਪ੍ਰੋਜੈਕਟ ਮੈਨੇਜਮੈਂਟ tools, ਅਤੇ ਇੱਕ ਦਰਜਨ ਸਪ੍ਰੈਡਸ਼ੀਟਾਂ ਦੀ ਜਾਂਚ ਕਰਕੇ ਕਰਦੀ ਹੈ। ਉਹ ਚਾਰ ਘੰਟੇ ਡੇਟਾ ਨੂੰ ਇੱਕ ਥਾਂ ਤੋਂ ਦੂਜੀ ਥਾਂ ਲਿਜਾਣ ਵਿੱਚ ਬਿਤਾਉਂਦੀ ਹੈ। ਉਹ ਇੱਕ ਈਮੇਲ ਤੋਂ ਗਾਹਕ ਦੀ ਬੇਨਤੀ ਨੂੰ ਕਾਪੀ ਕਰਦੀ ਹੈ, ਇਸਨੂੰ ਇੱਕ ਟਿਕਟ ਵਿੱਚ ਪੇਸਟ ਕਰਦੀ ਹੈ, ਅਤੇ ਫਿਰ ਇੱਕ ਟ੍ਰੈਕਿੰਗ ਸ਼ੀਟ ਨੂੰ ਅਪਡੇਟ ਕਰਦੀ ਹੈ। ਇਹ *ਕੰਮ ਬਾਰੇ ਕੰਮ* ਹੈ। ਨਵੇਂ ਮਾਡਲ ਵਿੱਚ, ਉਸਦੇ AI agent ਨੇ ਉਸਦੇ ਲੌਗ ਇਨ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਇਨ੍ਹਾਂ ਸਰੋਤਾਂ ਨੂੰ ਸਕੈਨ ਕਰ ਲਿਆ ਹੈ। agent ਉਸਨੂੰ ਸਭ ਤੋਂ ਜ਼ਰੂਰੀ ਮੁੱਦਿਆਂ ਦਾ ਸਾਰ ਪੇਸ਼ ਕਰਦਾ ਹੈ ਅਤੇ ਕਾਰਵਾਈਆਂ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ। ਇਸਨੇ ਪਹਿਲਾਂ ਹੀ ਆਮ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਤਿਆਰ ਕਰ ਲਏ ਹਨ ਅਤੇ ਇੱਕ ਮੁਹਿੰਮ ਵਿੱਚ ਬਜਟ ਤੋਂ ਵੱਧ ਖਰਚੇ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਫਲੈਗ ਕੀਤਾ ਹੈ। ਉਹ AI ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਦੀ। ਉਹ ਇਸਦੀ ਨਿਗਰਾਨੀ ਕਰਦੀ ਹੈ। ਇਹ ‘ਡੇ ਇਨ ਦਾ ਲਾਈਫ’ ਦ੍ਰਿਸ਼ ਹੈ ਜੋ ਲੱਖਾਂ ਦਫਤਰੀ ਕਰਮਚਾਰੀਆਂ ਲਈ ਹਕੀਕਤ ਬਣ ਰਿਹਾ ਹੈ। ਧਿਆਨ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਤੋਂ ਨਿਰਣੇ ਵੱਲ ਬਦਲਦਾ ਹੈ। ਇੱਕ ਮਨੁੱਖੀ ਕਰਮਚਾਰੀ ਦੀ ਕੀਮਤ ਹੁਣ ਪ੍ਰਕਿਰਿਆ ਦੀ ਪਾਲਣਾ ਕਰਨ ਦੀ ਉਨ੍ਹਾਂ ਦੀ ਯੋਗਤਾ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਇਹ ਫੈਸਲਾ ਕਰਨ ਦੀ ਉਨ੍ਹਾਂ ਦੀ ਯੋਗਤਾ ਹੈ ਕਿ ਕਿਹੜੀ ਪ੍ਰਕਿਰਿਆ ਦੀ ਪਾਲਣਾ ਕਰਨੀ ਯੋਗ ਹੈ। ਇਹ ਛੋਟੇ ਕਾਰੋਬਾਰਾਂ ‘ਤੇ ਵੀ ਲਾਗੂ ਹੁੰਦਾ ਹੈ। ਇੱਕ ਸਥਾਨਕ ਰੈਸਟੋਰੈਂਟ ਮਾਲਕ ਇਨਵੈਂਟਰੀ ਅਤੇ ਸੋਸ਼ਲ ਮੀਡੀਆ ਨੂੰ ਇੱਕੋ ਸਮੇਂ ਮੈਨੇਜ ਕਰਨ ਲਈ ਇਨ੍ਹਾਂ ਸਿਸਟਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ। AI ਸਮੱਗਰੀ ਦੀਆਂ ਕੀਮਤਾਂ ਨੂੰ ਟ੍ਰੈਕ ਕਰਦਾ ਹੈ, ਪ੍ਰਸਿੱਧ ਰੁਝਾਨਾਂ ਦੇ ਆਧਾਰ ‘ਤੇ ਮੀਨੂ ਵਿੱਚ ਬਦਲਾਅ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਪ੍ਰੋਮੋਸ਼ਨਲ ਪੋਸਟਾਂ ਤਿਆਰ ਕਰਦਾ ਹੈ।

ਵਧੀਆ ਕਾਰੋਬਾਰੀ ਪ੍ਰਬੰਧਨ ਲਈ ਦਾਖਲੇ ਦੀ ਰੁਕਾਵਟ ਘੱਟ ਰਹੀ ਹੈ। ਹਾਲਾਂਕਿ, ਇਸਦਾ ਮਤਲਬ ਇਹ ਵੀ ਹੈ ਕਿ ਮੁਕਾਬਲਾ ਤੇਜ਼ ਹੋ ਰਿਹਾ ਹੈ। ਜੇ ਹਰ ਕਿਸੇ ਕੋਲ ਮਾਹਰ-ਪੱਧਰ ਦੇ ਸਹਾਇਕ ਤੱਕ ਪਹੁੰਚ ਹੈ, ਤਾਂ ਗੁਣਵੱਤਾ ਦਾ ਬੇਸਲਾਈਨ ਵੱਧ ਜਾਂਦਾ ਹੈ। Creators ਵੀ ਅਜਿਹੇ ਹੀ ਬਦਲਾਅ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੇ ਹਨ। ਇੱਕ ਵੀਡੀਓ ਐਡੀਟਰ ਹੁਣ ਕਲਰ ਕਰੈਕਸ਼ਨ ਜਾਂ ਬੁਨਿਆਦੀ ਕੱਟਾਂ ‘ਤੇ ਘੰਟੇ ਨਹੀਂ ਬਿਤਾਉਂਦਾ। ਉਹ ਤਕਨੀਕੀ ਕੰਮ ਨੂੰ ਸੰਭਾਲਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਉਹ ਟੁਕੜੇ ਦੇ ਬਿਰਤਾਂਤ ਅਤੇ ਭਾਵਨਾਤਮਕ ਤਾਲ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਇੱਕ ਜਿੱਤ ਵਾਂਗ ਲੱਗਦਾ ਹੈ, ਪਰ ਇਹ ਸਮੱਗਰੀ ਦੀ ਭਰਮਾਰ ਵੀ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਉਤਪਾਦਨ ਦੀ ਲਾਗਤ ਘੱਟ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਆਉਟਪੁੱਟ ਦੀ ਮਾਤਰਾ ਵਿਸਫੋਟਕ ਹੋ ਜਾਂਦੀ ਹੈ। ਇਹ ਕਿਸੇ ਵੀ ਇੱਕ ਆਵਾਜ਼ ਲਈ ਸੁਣੇ ਜਾਣ ਨੂੰ ਔਖਾ ਬਣਾਉਂਦਾ ਹੈ। ਅਸਲ-ਸੰਸਾਰ ਪ੍ਰਭਾਵ ਹੁਨਰ ਦੀ ਘਾਟ ਤੋਂ ਧਿਆਨ ਦੀ ਘਾਟ ਵੱਲ ਇੱਕ ਤਬਦੀਲੀ ਹੈ। ਅਸੀਂ ਇੱਕ ਅਜਿਹੇ ਦੌਰ ਵਿੱਚ ਦਾਖਲ ਹੋ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਜਾਣਕਾਰੀ ਨੂੰ ਫਿਲਟਰ ਕਰਨ ਦੀ ਯੋਗਤਾ ਪੈਦਾ ਕਰਨ ਦੀ ਯੋਗਤਾ ਨਾਲੋਂ ਵਧੇਰੇ ਕੀਮਤੀ ਹੈ। ਇਸ ਨੂੰ ਸੰਭਾਲਣ ਲਈ, ਕਰਮਚਾਰੀ ਨਵੀਂ ਰੋਜ਼ਾਨਾ ਰੁਟੀਨ ਅਪਣਾ ਰਹੇ ਹਨ:

• ਰਾਤ ਭਰ ਦੇ ਸੰਚਾਰਾਂ ਦੇ ਆਟੋਮੇਟਿਡ ਸਾਰਾਂ ਦੀ ਸਮੀਖਿਆ ਕਰਨਾ।
• ਕਦਮਾਂ ਦੀ ਬਜਾਏ ਲੋੜੀਂਦੇ ਨਤੀਜੇ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਕੇ ਗੁੰਝਲਦਾਰ ਕੰਮਾਂ ਤੱਕ ਪਹੁੰਚਣਾ।
• ਬ੍ਰਾਂਡ ਵੌਇਸ ਅਤੇ ਤੱਥਾਂ ਦੀ ਸ਼ੁੱਧਤਾ ਲਈ AI-ਤਿਆਰ ਡਰਾਫਟਾਂ ਦਾ ਆਡਿਟ ਕਰਨਾ।
• ਵੱਖ-ਵੱਖ ਡਿਜੀਟਲ agents ਦੀਆਂ ਇਜਾਜ਼ਤਾਂ ਅਤੇ ਪਹੁੰਚ ਪੱਧਰਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ।

ਕੀ ਤੁਹਾਡੇ ਕੋਲ ਕੋਈ AI ਕਹਾਣੀ, ਟੂਲ, ਰੁਝਾਨ ਜਾਂ ਸਵਾਲ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਸਾਨੂੰ ਕਵਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ? ਸਾਨੂੰ ਆਪਣਾ ਲੇਖ ਦਾ ਵਿਚਾਰ ਭੇਜੋ — ਅਸੀਂ ਇਸਨੂੰ ਸੁਣਨਾ ਪਸੰਦ ਕਰਾਂਗੇ।

ਨਿਰੰਤਰ Intelligence ਦੀਆਂ ਲੁਕੀਆਂ ਹੋਈਆਂ ਲਾਗਤਾਂ

ਹਾਲਾਂਕਿ ਲਾਭ ਸਪੱਸ਼ਟ ਹਨ, ਸਾਨੂੰ ਵਪਾਰ-ਆਫਸ ਬਾਰੇ ਮੁਸ਼ਕਲ ਸਵਾਲ ਪੁੱਛਣੇ ਚਾਹੀਦੇ ਹਨ। ਇੱਕ ਅਦਿੱਖ ਸਹਾਇਕ ਦੀ ਅਸਲ ਲਾਗਤ ਕੀ ਹੈ ਜੋ ਹਮੇਸ਼ਾ ਤੁਹਾਡੀ ਸਕ੍ਰੀਨ ਨੂੰ ਦੇਖਦਾ ਹੈ? ਸੰਦਰਭੀ ਮਦਦ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ, ਇਨ੍ਹਾਂ ਸਿਸਟਮਾਂ ਨੂੰ ਸਾਡੇ ਨਿੱਜੀ ਜੀਵਨ ਅਤੇ ਕਾਰਪੋਰੇਟ ਰਾਜ਼ਾਂ ਤੱਕ ਡੂੰਘੀ ਪਹੁੰਚ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਅਸੀਂ ਅਜਿਹੇ ਪੈਮਾਨੇ ‘ਤੇ ਸਹੂਲਤ ਲਈ ਗੋਪਨੀਯਤਾ ਦਾ ਵਪਾਰ ਕਰ ਰਹੇ ਹਾਂ ਜੋ ਅਸੀਂ ਪਹਿਲਾਂ ਕਦੇ ਨਹੀਂ ਦੇਖਿਆ। ਕੀ ਅਸੀਂ ਭਰੋਸਾ ਕਰ ਸਕਦੇ ਹਾਂ ਕਿ ਇਸ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਮਾਡਲਾਂ ਦੀ ਅਗਲੀ ਪੀੜ੍ਹੀ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਜਾਂ ਇਸ਼ਤਿਹਾਰ ਦੇਣ ਵਾਲਿਆਂ ਲਈ ਸਾਡੇ ਵਿਵਹਾਰ ਨੂੰ ਪ੍ਰੋਫਾਈਲ ਕਰਨ ਲਈ ਨਹੀਂ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ? ਇੱਕ ਹੋਰ ਸਵਾਲ ਤਰਕ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਸਬੰਧਤ ਹੈ। ਜੇ ਕੋਈ agent ਗੁੰਝਲਦਾਰ workflow ਵਿੱਚ ਗਲਤੀ ਕਰਦਾ ਹੈ, ਤਾਂ ਕੌਣ ਜ਼ਿੰਮੇਵਾਰ ਹੈ? ਜੇ ਕੋਈ AI ਕਿਸੇ ਕਾਨੂੰਨੀ ਦਸਤਾਵੇਜ਼ ਦੀ ਗਲਤ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ ਅਤੇ ਇਕਰਾਰਨਾਮਾ ਲਾਗੂ ਕਰਦਾ ਹੈ, ਤਾਂ ਕਾਨੂੰਨੀ ਨਤੀਜੇ ਅਸਪਸ਼ਟ ਹਨ। ਅਸੀਂ ਉਨ੍ਹਾਂ ਸਿਸਟਮਾਂ ਨੂੰ ਏਜੰਸੀ ਸੌਂਪ ਰਹੇ ਹਾਂ ਜਿਨ੍ਹਾਂ ਕੋਲ ਨੈਤਿਕ ਜਾਂ ਕਾਨੂੰਨੀ ਆਤਮਾ ਨਹੀਂ ਹੈ। ਵਾਤਾਵਰਣ ਦੀ ਲਾਗਤ ਵੀ ਹੈ। ਇਨ੍ਹਾਂ agentic ਮਾਡਲਾਂ ਨੂੰ ਪਾਵਰ ਦੇਣ ਲਈ ਲੋੜੀਂਦੀ ਊਰਜਾ ਇੱਕ ਮਿਆਰੀ ਖੋਜ ਪੁੱਛਗਿੱਛ ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਹੈ। ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਹਰ ਕਲਿੱਕ ਵਿੱਚ AI ਨੂੰ ਜੋੜਦੇ ਹਾਂ, ਕੀ ਅਸੀਂ ਮਾਮੂਲੀ ਕੁਸ਼ਲਤਾ ਲਾਭਾਂ ਲਈ ਜਲਵਾਯੂ ਸੰਕਟ ਨੂੰ ਤੇਜ਼ ਕਰ ਰਹੇ ਹਾਂ? ਸਾਨੂੰ ਤਰਕ ਦੇ ਭੁਲੇਖੇ (hallucination) ‘ਤੇ ਵੀ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਕ ਚੈਟਬੋਟ ਕਿਸੇ ਤੱਥ ਬਾਰੇ ਝੂਠ ਬੋਲ ਸਕਦਾ ਹੈ, ਪਰ ਇੱਕ agent ਇੱਕ ਤਰਕਪੂਰਨ ਗਲਤੀ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਕਾਰੋਬਾਰੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਤੋੜ ਸਕਦਾ ਹੈ। ਅਸੀਂ ਉਨ੍ਹਾਂ ਸਿਸਟਮਾਂ ਲਈ ਗਾਰਡਰੇਲ ਕਿਵੇਂ ਬਣਾਈਏ ਜੋ ਖੁਦਮੁਖਤਿਆਰ ਹੋਣ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ? ਅਸੀਂ ਜਿੰਨਾ ਜ਼ਿਆਦਾ ਇਨ੍ਹਾਂ tools ‘ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਾਂ, ਓਨਾ ਹੀ ਘੱਟ ਅਸੀਂ ਆਪਣੀਆਂ ਬੋਧਾਤਮਕ ਮਾਸਪੇਸ਼ੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ। ਕੀ ਬੌਧਿਕ ਐਟ੍ਰੋਫੀ ਦਾ ਖਤਰਾ ਹੈ? ਜੇ ਅਸੀਂ ਜਾਣਕਾਰੀ ਨੂੰ ਸੰਗਠਿਤ ਕਰਨਾ ਸਿੱਖਣਾ ਬੰਦ ਕਰ ਦਿੰਦੇ ਹਾਂ ਕਿਉਂਕਿ AI ਸਾਡੇ ਲਈ ਇਹ ਕਰਦਾ ਹੈ, ਤਾਂ ਕੀ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਸਿਸਟਮ ਫੇਲ ਹੋ ਜਾਂਦਾ ਹੈ? ਇਹ ਸਿਰਫ਼ ਤਕਨੀਕੀ ਬੱਗ ਨਹੀਂ ਹਨ। ਇਹ ਮਨੁੱਖੀ ਏਜੰਸੀ ਦੇ ਭਵਿੱਖ ਬਾਰੇ ਬੁਨਿਆਦੀ ਸਵਾਲ ਹਨ। ਸਾਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਸਾਡੇ ਜੀਵਨ ਦੇ ਕਿਹੜੇ ਹਿੱਸੇ ਆਟੋਮੇਟ ਕਰਨ ਲਈ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹਨ।

Action Layer ਦਾ Infrastructure

ਉਨ੍ਹਾਂ ਲਈ ਜੋ ਡੂੰਘਾਈ ਵਿੱਚ ਦੇਖ ਰਹੇ ਹਨ, ਧਿਆਨ workflow integrations ਅਤੇ API ਭਰੋਸੇਯੋਗਤਾ ਵੱਲ ਬਦਲ ਗਿਆ ਹੈ। ਇਸ ਖੇਤਰ ਵਿੱਚ ਮੌਜੂਦਾ ਆਗੂ, ਜਿਵੇਂ ਕਿ Google DeepMind, function calling ਲਈ ਅਨੁਕੂਲਿਤ ਕਰ ਰਹੇ ਹਨ। ਇਹ ਇੱਕ ਮਾਡਲ ਦੀ ਉਹ ਸਮਰੱਥਾ ਹੈ ਜੋ ਸਟ੍ਰਕਚਰਡ ਡੇਟਾ ਨੂੰ ਆਉਟਪੁੱਟ ਕਰਦੀ ਹੈ ਜਿਸਨੂੰ ਇੱਕ ਰਵਾਇਤੀ ਸਾਫਟਵੇਅਰ ਪ੍ਰੋਗਰਾਮ ਸਮਝ ਅਤੇ ਐਗਜ਼ੀਕਿਊਟ ਕਰ ਸਕਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ ਇੱਕ ਮਾਡਲ ਡੇਟਾਬੇਸ ਜਾਂ ਬਾਹਰੀ API ਨਾਲ ਗੱਲਬਾਤ ਕਰਦਾ ਹੈ। ਅਸੀਂ local storage ਅਤੇ local execution ਵੱਲ ਵੀ ਇੱਕ ਜ਼ੋਰ ਦੇਖ ਰਹੇ ਹਾਂ। ਗੋਪਨੀਯਤਾ ਦੀਆਂ ਚਿੰਤਾਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ, ਕੰਪਨੀਆਂ ਛੋਟੇ language models ਵਿਕਸਤ ਕਰ ਰਹੀਆਂ ਹਨ ਜੋ ਕਲਾਉਡ ਨੂੰ ਡੇਟਾ ਭੇਜੇ ਬਿਨਾਂ ਲੈਪਟਾਪ ਜਾਂ ਫ਼ੋਨ ‘ਤੇ ਚੱਲ ਸਕਦੇ ਹਨ। ਇਹ latency ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ ਅਤੇ ਸੁਰੱਖਿਆ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਨ੍ਹਾਂ local models ਵਿੱਚ ਅਕਸਰ ਉਨ੍ਹਾਂ ਦੇ cloud-based ਹਮਰੁਤਬਾ ਦੇ ਮੁਕਾਬਲੇ ਘੱਟ ਤਰਕ ਸਮਰੱਥਾ ਹੁੰਦੀ ਹੈ। ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਗੋਪਨੀਯਤਾ ਵਿਚਕਾਰ ਵਪਾਰ-ਆਫ ਡਿਵੈਲਪਰਾਂ ਲਈ ਕੇਂਦਰੀ ਚੁਣੌਤੀ ਹੈ। ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਮੈਟ੍ਰਿਕ API rate limit ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਕਾਰੋਬਾਰ ਅਜਿਹੇ agents ਬਣਾਉਂਦੇ ਹਨ ਜੋ ਇੱਕ ਘੰਟੇ ਵਿੱਚ ਸੈਂਕੜੇ ਕੰਮ ਕਰਦੇ ਹਨ, ਉਹ ਪ੍ਰਦਾਤਾਵਾਂ ਦੁਆਰਾ ਦਿੱਤੀਆਂ ਗਈਆਂ ਸੀਮਾਵਾਂ ਤੱਕ ਪਹੁੰਚ ਰਹੇ ਹਨ। ਇਹ self-hosted models ਜਾਂ ਵਿਸ਼ੇਸ਼ hardware ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ। ਅਸੀਂ long-term memory modules ਦਾ ਉਭਾਰ ਵੀ ਦੇਖ ਰਹੇ ਹਾਂ। ਸਿਰਫ਼ ਇੱਕ ਵੱਡੀ context window ਦੀ ਬਜਾਏ, ਇਹ ਸਿਸਟਮ ਉਪਭੋਗਤਾ ਦੇ ਇਤਿਹਾਸ ਤੋਂ ਸੰਬੰਧਿਤ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ vector databases ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਇਹ AI ਨੂੰ ਮਹੀਨਿਆਂ ਦੀ ਗੱਲਬਾਤ ਦੌਰਾਨ ਇੱਕਸਾਰ ਸ਼ਖਸੀਅਤ ਅਤੇ ਗਿਆਨ ਅਧਾਰ ਬਣਾਈ ਰੱਖਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਗੀਕ ਸੈਕਸ਼ਨ ਹੁਣ ਇਸ ਬਾਰੇ ਨਹੀਂ ਹੈ ਕਿ ਕਿਸ ਮਾਡਲ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ parameters ਹਨ। ਇਹ ਇਸ ਬਾਰੇ ਹੈ ਕਿ ਮੌਜੂਦਾ ਸਾਫਟਵੇਅਰ ਸਟੈਕ ਵਿੱਚ ਕਿਸ ਮਾਡਲ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਏਕੀਕਰਣ ਹੈ। ਲੜਾਈ AI ਆਰਥਿਕਤਾ ਦੇ middleware ਲਈ ਹੈ। ਪਾਵਰ ਉਪਭੋਗਤਾ ਇਨ੍ਹਾਂ ਖਾਸ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਟ੍ਰੈਕ ਕਰ ਰਹੇ ਹਨ:

• ਉੱਚ-ਵਾਲੀਅਮ ਆਟੋਮੇਟਿਡ workflows ਲਈ Token throughput।
• ਬਹੁ-ਪੜਾਵੀ ਤਰਕ ਚੇਨਾਂ ਵਿੱਚ Latency।
• ਗੁੰਝਲਦਾਰ JSON ਐਕਸਟਰੈਕਸ਼ਨ ਲਈ ਸਫਲਤਾ ਦਰਾਂ।
• ਵੱਖ-ਵੱਖ ਸੈਸ਼ਨ IDs ਵਿੱਚ Memory retention।

ਨਵੇਂ ਆਰਡਰ ਵਿੱਚ ਆਪਣੀ ਜਗ੍ਹਾ ਲੱਭਣਾ

AI ਨਿਊਜ਼ ਚੱਕਰ ਦਾ ਰੌਲਾ ਮੁੱਖ ਰੁਝਾਨ ਤੋਂ ਇੱਕ ਭਟਕਣਾ ਹੈ। ਅਸੀਂ tools ਦੀ ਦੁਨੀਆ ਤੋਂ agents ਦੀ ਦੁਨੀਆ ਵੱਲ ਵਧ ਰਹੇ ਹਾਂ। ਇਹ ਬਦਲਾਅ ਤੁਹਾਡੀ ਨੌਕਰੀ, ਤੁਹਾਡੀ ਗੋਪਨੀਯਤਾ, ਅਤੇ ਤਕਨਾਲੋਜੀ ਨਾਲ ਤੁਹਾਡੇ ਸਬੰਧਾਂ ਨੂੰ ਮੁੜ ਪਰਿਭਾਸ਼ਿਤ ਕਰੇਗਾ। ਜੇਤੂ ਉਹ ਨਹੀਂ ਹੋਣਗੇ ਜੋ AI ਦੀ ਸਭ ਤੋਂ ਵੱਧ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਸਗੋਂ ਉਹ ਹੋਣਗੇ ਜੋ ਸਮਝਦੇ ਹਨ ਕਿ ਇਸਨੂੰ ਕਿੱਥੇ ਲਾਗੂ ਕਰਨਾ ਹੈ ਅਤੇ ਕਿੱਥੇ ਮਨੁੱਖੀ ਨਿਯੰਤਰਣ ਬਣਾਈ ਰੱਖਣਾ ਹੈ। ਖਾਸ ਮਾਡਲਾਂ ਜਾਂ ਅਰਬਪਤੀਆਂ ਦੇ ਝਗੜਿਆਂ ਬਾਰੇ ਸੁਰਖੀਆਂ ਵਿੱਚ ਨਾ ਗੁਆਓ। ਏਕੀਕਰਣ ‘ਤੇ ਧਿਆਨ ਦਿਓ। ਤਕਨਾਲੋਜੀ ਉਹ ਹਵਾ ਬਣ ਰਹੀ ਹੈ ਜੋ ਅਸੀਂ ਡਿਜੀਟਲ ਦੁਨੀਆ ਵਿੱਚ ਸਾਹ ਲੈਂਦੇ ਹਾਂ। ਇਹ ਪੁੱਛਣਾ ਬੰਦ ਕਰਨ ਦਾ ਸਮਾਂ ਹੈ ਕਿ AI ਕੀ ਕਹਿ ਸਕਦਾ ਹੈ ਅਤੇ ਇਹ ਪੁੱਛਣਾ ਸ਼ੁਰੂ ਕਰਨ ਦਾ ਸਮਾਂ ਹੈ ਕਿ ਇਸਨੂੰ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਚੈਟਬੋਟ ਦਾ ਦੌਰ ਖਤਮ ਹੋ ਗਿਆ ਹੈ। agent ਦਾ ਦੌਰ ਸ਼ੁਰੂ ਹੋ ਗਿਆ ਹੈ। ਇਹ ਬਦਲਾਅ ਅਟੱਲ ਸੀ ਜਦੋਂ ਤੋਂ 2026 ਵਿੱਚ ਪਹਿਲੇ ਵੱਡੇ ਮਾਡਲ ਸਾਹਮਣੇ ਆਏ ਸਨ, ਪਰ ਲਾਗੂਕਰਨ ਅੰਤ ਵਿੱਚ ਸੰਭਾਵਨਾਵਾਂ ਨੂੰ ਫੜ ਰਿਹਾ ਹੈ।

편집자 주: 저희는 컴퓨터 전문가가 아니지만 인공지능을 이해하고, 더 자신감 있게 사용하며, 이미 다가오고 있는 미래를 따라가고 싶은 사람들을 위한 다국어 AI 뉴스 및 가이드 허브로 이 사이트를 만들었습니다.

ਕੋਈ ਗਲਤੀ ਮਿਲੀ ਜਾਂ ਕੁਝ ਠੀਕ ਕਰਨ ਦੀ ਲੋੜ ਹੈ? ਸਾਨੂੰ ਦੱਸੋ।