Agentic AI ग्राहकको अनुभव र परिचालन दक्षतालाई रूपान्तरण गर्न तयार छ, नेतृत्वबाट नयाँ रणनीतिक दृष्टिकोण आवश्यक छ। आर्टिफिसियल इन्टेलिजेन्सको यो विकासले प्रणालीहरूलाई योजना बनाउन, कार्यान्वयन गर्न, र कार्यहरूमा निरन्तरता दिन, साधारण सिफारिसहरू भन्दा परे सक्रिय कार्यको लागि सशक्त बनाउँछ। UX टोलीहरू, उत्पादन प्रबन्धकहरू, र कार्यकारीहरूका लागि, नवाचारमा अवसरहरू अनलक गर्न, कार्यप्रवाहहरू सुव्यवस्थित गर्न, र प्रविधिले मानिसहरूलाई कसरी सेवा दिन्छ भनेर पुन: परिभाषित गर्नको लागि यो परिवर्तन बुझ्न महत्त्वपूर्ण छ। एजेन्टिक एआईलाई रोबोटिक प्रोसेस अटोमेसन (RPA) सँग भ्रमित गर्न सजिलो छ, जुन प्रविधि हो जसले कम्प्युटरहरूमा गरिएका नियमहरूमा आधारित कार्यहरूमा केन्द्रित हुन्छ। भिन्नता कठोरता र तर्कमा निहित छ। RPA कडा स्क्रिप्ट पछ्याउनमा उत्कृष्ट छ: यदि X हुन्छ भने, Y गर्नुहोस्। यसले मानव हातहरूको नक्कल गर्दछ। एजेन्टिक एआईले मानव तर्कको नक्कल गर्छ। यो एक रेखीय लिपि पालन गर्दैन; यसले एउटा सिर्जना गर्छ। भर्ती कार्यप्रवाहलाई विचार गर्नुहोस्। एक RPA बोटले पुन: सुरुवात स्क्यान गर्न र डाटाबेसमा अपलोड गर्न सक्छ। यो एक दोहोरिने कार्य पूर्ण रूपमा प्रदर्शन गर्दछ। एजेन्टिक प्रणालीले पुन: सुरुमा हेर्छ, उम्मेदवारले एक विशेष प्रमाणीकरणको सूची देखाउँछ, नयाँ ग्राहक आवश्यकताको साथ क्रस-सन्दर्भहरू, र त्यो मिल्दो हाइलाइट गर्ने व्यक्तिगत आउटरिच इमेल ड्राफ्ट गर्ने निर्णय गर्दछ। RPA ले पूर्वनिर्धारित योजना कार्यान्वयन गर्छ; Agentic AI ले लक्ष्यमा आधारित योजना बनाउँछ। यो स्वायत्तताले एजेन्टहरूलाई हामीले पछिल्लो दशकमा प्रयोग गरेका भविष्यवाणी गर्ने उपकरणहरूबाट अलग गर्छ। अर्को उदाहरण बैठक विवादहरू व्यवस्थापन गर्नु हो। तपाईंको क्यालेन्डरमा एकीकृत गरिएको भविष्यवाणी मोडेलले तपाईंको बैठक तालिका र तपाईंका सहकर्मीहरूको तालिकाको विश्लेषण गर्न सक्छ। यसले सम्भावित द्वन्द्वहरू सुझाव दिन सक्छ, जस्तै एकै समयमा निर्धारित दुई महत्त्वपूर्ण बैठकहरू, वा मुख्य सहभागी छुट्टीमा हुँदा निर्धारित बैठकहरू। यसले तपाईंलाई जानकारी प्रदान गर्दछ र सम्भावित समस्याहरूलाई झण्डा दिन्छ, तर तपाईं कारबाही गर्न जिम्मेवार हुनुहुन्छ। एजेन्टिक एआई, एउटै परिदृश्यमा, द्वन्द्वबाट बच्नको लागि सुझाव दिने भन्दा बाहिर जान्छ। प्रमुख सहभागीसँग द्वन्द्वको पहिचान गरेपछि, एजेन्टले निम्न कार्य गर्न सक्छ:
सबै आवश्यक सहभागीहरूको उपलब्धता जाँच गर्दै। सबैका लागि काम गर्ने वैकल्पिक समय स्लटहरू पहिचान गर्दै। सबै सहभागीहरूलाई प्रस्तावित नयाँ बैठक निमन्त्रणाहरू पठाउँदै। यदि द्वन्द्व बाह्य सहभागीसँग छ भने, एजेन्टले मस्यौदा बनाउन र वैकल्पिक समय प्रस्ताव गर्ने आवश्यकताको व्याख्या गर्दै इमेल पठाउन सक्छ। तपाइँको पात्रो र तपाइँका सहकर्मीहरूको पात्रो अपडेट गर्दै नयाँ बैठक विवरणहरू पुष्टि भएपछि।
यो एजेन्टिक AI ले लक्ष्य बुझ्छ (बैठकको विवाद समाधान गर्दै), चरणहरू योजना बनाउँछ (उपलब्धता जाँच गर्ने, विकल्प खोज्ने, निमन्त्रणा पठाउने), ती चरणहरू कार्यान्वयन गर्छ, र द्वन्द्व समाधान नभएसम्म जारी रहन्छ, सबै न्यूनतम प्रत्यक्ष प्रयोगकर्ता हस्तक्षेपको साथ। यसले "एजेन्टिक" भिन्नता देखाउँदछ: प्रणालीले प्रयोगकर्तालाई जानकारी प्रदान गर्नुको सट्टा प्रयोगकर्ताका लागि सक्रिय कदमहरू लिन्छ। एजेन्टिक एआई प्रणालीहरूले लक्ष्य बुझ्छन्, यसलाई प्राप्त गर्न चरणहरूको श्रृंखला योजना बनाउँछन्, ती चरणहरू कार्यान्वयन गर्छन्, र यदि चीजहरू गलत भएमा अनुकूलन पनि गर्छन्। यसलाई एक सक्रिय डिजिटल सहायक जस्तै सोच्नुहोस्। अन्तर्निहित टेक्नोलोजीले प्राय: ठूला भाषा मोडेलहरू (LLMs) बुझ्न र तर्कको लागि संयोजन गर्दछ, योजना एल्गोरिदमहरू जसले जटिल कार्यहरूलाई व्यवस्थित कार्यहरूमा विभाजन गर्दछ। यी एजेन्टहरूले आफ्ना उद्देश्यहरू पूरा गर्न विभिन्न उपकरणहरू, एपीआईहरू, र अन्य एआई मोडेलहरूसँग अन्तर्क्रिया गर्न सक्छन्, र आलोचनात्मक रूपमा, तिनीहरूले निरन्तर अवस्था कायम राख्न सक्छन्, यसको मतलब तिनीहरूले अघिल्लो कार्यहरू सम्झन्छन् र समयसँगै लक्ष्य तिर काम जारी राख्छन्। यसले तिनीहरूलाई सामान्य जेनेरेटिभ एआई भन्दा मौलिक रूपमा फरक बनाउँछ, जसले सामान्यतया एकल अनुरोध पूरा गर्छ र त्यसपछि रिसेट हुन्छ। एजेन्टिक व्यवहार को एक सरल वर्गीकरण हामी एजेन्ट व्यवहारलाई स्वायत्तताका चार भिन्न मोडहरूमा वर्गीकरण गर्न सक्छौं। यद्यपि यी प्रायः प्रगति जस्तो देखिन्छ, तिनीहरू स्वतन्त्र अपरेटिङ मोडहरूको रूपमा कार्य गर्छन्। एक प्रयोगकर्ताले समयतालिकाको लागि स्वायत्त रूपमा कार्य गर्न एजेन्टलाई विश्वास गर्न सक्छ, तर वित्तीय लेनदेनको लागि "सुझाव मोड" मा राख्नुहोस्। हामीले डिजिटल प्रयोगकर्ता अनुभव सन्दर्भहरूमा स्वायत्त सवारी साधनहरू (SAE स्तरहरू) को लागि उद्योग मापदण्डहरू अनुकूलन गरेर यी स्तरहरू प्राप्त गरेका छौं। अवलोकन गर्नुहोस् र सुझाव दिनुहोस् एजेन्टले मनिटरको रूपमा काम गर्दछ। यसले डेटा स्ट्रिमहरूको विश्लेषण गर्दछ र विसंगतिहरू वा अवसरहरू झण्डा गर्दछ, तर शून्य कार्य लिन्छ। भिन्नता अर्को स्तरको विपरीत, एजेन्टले कुनै जटिल योजना उत्पन्न गर्दैन। यसले समस्यालाई औंल्याउँछ। ExampleA DevOps एजेन्टले सर्भर CPU स्पाइकलाई नोटिस गर्छ र अन-कल इन्जिनियरलाई सचेत गर्छ। यो कसरी वा यसलाई ठीक गर्ने प्रयास थाहा छैन, तर यो थाहा छ केहि गलत छ। यस स्तरमा डिजाइन र निरीक्षणका लागि प्रभावहरू,डिजाइन र निरीक्षणले स्पष्ट, गैर-हस्तक्षेपी सूचनाहरू र प्रयोगकर्ताहरूलाई सुझावहरूमा कार्य गर्नको लागि राम्रो-परिभाषित प्रक्रियालाई प्राथमिकता दिनुपर्छ। नियन्त्रण नलिई समयमै र सान्दर्भिक जानकारीको साथ प्रयोगकर्तालाई सशक्त बनाउनमा फोकस गरिएको छ। UX अभ्यासकर्ताहरूले सुझावहरू स्पष्ट र बुझ्न सजिलो बनाउनमा ध्यान केन्द्रित गर्नुपर्छ, जबकि उत्पादन प्रबन्धकहरूले प्रणालीले प्रयोगकर्तालाई ओझेलमा नपरिकन मूल्य प्रदान गरेको सुनिश्चित गर्न आवश्यक छ। योजना र प्रस्ताव एजेन्टले लक्ष्य पहिचान गर्दछ र यसलाई प्राप्त गर्न बहु-चरण रणनीति उत्पन्न गर्दछ। यसले मानव समीक्षाको लागि पूर्ण योजना प्रस्तुत गर्दछ। भिन्नताएजेन्टले रणनीतिकारको रूपमा कार्य गर्दछ। यसले कार्यान्वयन गर्दैन; यसले सम्पूर्ण दृष्टिकोणमा अनुमोदनको लागि पर्खिरहेको छ। उदाहरण उही DevOps एजेन्टले CPU स्पाइकलाई नोटिस गर्छ, लगहरूको विश्लेषण गर्छ, र सुधार योजना प्रस्ताव गर्दछ:
दुई अतिरिक्त उदाहरणहरू स्पिन गर्नुहोस्। लोड ब्यालेन्सर पुन: सुरु गर्नुहोस्। पुराना लगहरू संग्रह गर्नुहोस्।
मानवले तर्कको समीक्षा गर्छ र "योजना अनुमोदन गर्नुहोस्" मा क्लिक गर्दछ। डिजाइन र निरीक्षणका लागि प्रभावहरू योजना र प्रस्ताव गर्ने एजेन्टहरूका लागि, डिजाइनले प्रस्तावित योजनाहरू सजिलै बुझ्न सकिने र प्रयोगकर्ताहरूले तिनीहरूलाई परिमार्जन वा अस्वीकार गर्ने सहज तरिकाहरू छन् भनी सुनिश्चित गर्नुपर्छ। प्रस्तावहरूको गुणस्तर र एजेन्टको योजना तर्कको अनुगमनमा निरीक्षण महत्त्वपूर्ण छ। UX अभ्यासकर्ताहरूले प्रस्तावित योजनाहरूको स्पष्ट दृश्यहरू डिजाइन गर्नुपर्छ, र उत्पादन प्रबन्धकहरूले स्पष्ट समीक्षा र अनुमोदन कार्यप्रवाहहरू स्थापना गर्नुपर्छ। पुष्टि-सहितको कार्य एजेन्टले सबै तयारी कार्य पूरा गर्छ र अन्तिम कार्यलाई चरणबद्ध अवस्थामा राख्छ। यसले प्रभावकारी रूपमा ढोका खुल्ला राख्छ, एक नोडको लागि पर्खन्छ। भिन्नता यो "योजना-र-प्रस्ताव" भन्दा फरक छ किनभने काम पहिले नै भइसकेको छ र चरणबद्ध छ। यसले घर्षण कम गर्छ। प्रयोगकर्ताले नतिजा पुष्टि गर्छ, रणनीति होइन। उदाहरण ए भर्ती गर्ने एजेन्टले पाँचवटा अन्तर्वार्ता निमन्त्रणाहरू ड्राफ्ट गर्छ, पात्रोहरूमा खुला समयहरू फेला पार्छ, र पात्रो घटनाहरू सिर्जना गर्दछ। यसले "सबै पठाउनुहोस्" बटन प्रस्तुत गर्दछ। प्रयोगकर्ताले बाह्य कार्य ट्रिगर गर्न अन्तिम प्राधिकरण प्रदान गर्दछ। डिजाइन र निरीक्षणका लागि प्रभावहरू जब एजेन्टहरूले पुष्टिकरणको साथ कार्य गर्छन्, डिजाइनले सम्भावित परिणामहरूलाई स्पष्ट रूपमा रूपरेखा गर्दै, अभिप्रेत कार्यको पारदर्शी र संक्षिप्त सारांशहरू प्रदान गर्नुपर्छ। निरीक्षण प्रक्रिया पुष्टिकरण प्रक्रिया बलियो छ र प्रयोगकर्ताहरूलाई अन्धाधुन्ध रूपमा कार्यहरू अनुमोदन गर्न भनिएको छैन भनेर प्रमाणित गर्न आवश्यक छ। UX अभ्यासकर्ताहरूले स्पष्ट र सबै आवश्यक जानकारी प्रदान गर्ने पुष्टिकरण प्रम्प्टहरू डिजाइन गर्नुपर्छ, र उत्पादन प्रबन्धकहरूले सबै पुष्टि गरिएका कार्यहरूको लागि बलियो अडिट ट्रेललाई प्राथमिकता दिनुपर्छ। ऐन - स्वायत्तता एजेन्टले परिभाषित सीमाहरू भित्र स्वतन्त्र रूपमा कार्यहरू कार्यान्वयन गर्दछ। भिन्नता प्रयोगकर्ताले कार्यहरूको इतिहासको समीक्षा गर्दछ, कार्यहरू आफैंमा होइन। उदाहरण भर्ती गर्ने एजेन्टले द्वन्द्व देख्छ, अन्तर्वार्तालाई ब्याकअप स्लटमा सार्छ, उम्मेदवारलाई अद्यावधिक गर्छ, र भर्ती प्रबन्धकलाई सूचित गर्दछ। मानवले सूचना मात्र देख्छ: अन्तर्वार्ता मंगलबारको लागि पुन: निर्धारित गरियो। डिजाइन र निरीक्षणका लागि प्रभावहरू स्वायत्त एजेन्टहरूका लागि, डिजाइनले स्पष्ट पूर्व-अनुमोदित सीमाहरू स्थापना गर्न र बलियो निगरानी उपकरणहरू प्रदान गर्न आवश्यक छ। निरीक्षणलाई यी सीमाहरू भित्र एजेन्टको कार्यसम्पादनको निरन्तर मूल्याङ्कन, बलियो लगिङको लागि महत्त्वपूर्ण आवश्यकता, स्पष्ट ओभरराइड संयन्त्र, र प्रयोगकर्ता-परिभाषित किल स्विचहरू प्रयोगकर्ता नियन्त्रण र विश्वास कायम राख्न आवश्यक छ। UX अभ्यासकर्ताहरूले स्वायत्त एजेन्ट व्यवहारको अनुगमन गर्न प्रभावकारी ड्यासबोर्डहरू डिजाइन गर्नमा ध्यान केन्द्रित गर्नुपर्छ, र उत्पादन प्रबन्धकहरूले स्पष्ट शासन र नैतिक दिशानिर्देशहरू ठाउँमा छन् भनेर सुनिश्चित गर्नुपर्छ।
यी मोडहरू कार्यमा हेर्नको लागि HR प्रविधिमा वास्तविक-विश्व अनुप्रयोगलाई हेरौं। भर्तीको रसद ह्यान्डल गर्न डिजाइन गरिएको "अन्तर्वार्ता समन्वय एजेन्ट" लाई विचार गर्नुहोस्।
सुझाव मोडमा एजेन्टले एक अन्तर्वार्ताकर्तालाई डबल बुक गरिएको नोटिस गर्छ। यसले भर्तीकर्ताको ड्यासबोर्डमा द्वन्द्वलाई हाइलाइट गर्दछ: "चेतावनी: सारालाई 2 PM अन्तर्वार्ताको लागि डबल-बुक गरिएको छ।" योजना मोडमा एजेन्टले साराको क्यालेन्डर र उम्मेदवारको उपलब्धताको विश्लेषण गर्छ। यसले एउटा समाधान प्रस्तुत गर्दछ: "म अन्तर्वार्तालाई बिहीबार बिहान १० बजे सार्न सिफारिस गर्छु। यसका लागि साराको 1:1 लाई उनको प्रबन्धकसँग सार्न आवश्यक छ।" भर्तीकर्ताले यो तर्कको समीक्षा गर्दछ। पुष्टिकरण मोडमा एजेन्टले उम्मेदवार र प्रबन्धकलाई इमेलहरू ड्राफ्ट गर्दछ। यसले पात्रो निमन्त्रणाहरू भर्छ। भर्तीकर्ताले सारांश देख्छ: "बिहिबारको लागि पुन: तालिका बनाउन तयार हुनुहुन्छ। अद्यावधिकहरू पठाउनुहोस्?" भर्तीकर्ताले "पुष्टि गर्नुहोस्" मा क्लिक गर्दछ। स्वायत्त मोडमा एजेन्टले द्वन्द्वलाई तुरुन्तै ह्यान्डल गर्छ। यसले पूर्व-सेट गरिएको नियमलाई सम्मान गर्दछ: "उम्मेद्वार अन्तर्वार्तालाई सधैं आन्तरिक 1:1s मा प्राथमिकता दिनुहोस्।" यसले बैठक सार्छ र सूचनाहरू पठाउँछ। भर्तीकर्ताले लग प्रविष्टि देख्छ: "समाधान गरियोउम्मेदवार बी को लागि तालिका द्वन्द्व।
अनुसन्धान प्राइमर: के अनुसन्धान गर्ने र कसरी प्रभावकारी एजेन्टिक एआईको विकासले परम्परागत सफ्टवेयर वा जेनेरेटिभ एआईको तुलनामा छुट्टै अनुसन्धान दृष्टिकोणको माग गर्दछ। एआई एजेन्टहरूको स्वायत्त प्रकृति, तिनीहरूको निर्णय गर्ने क्षमता, र सक्रिय कार्यको लागि तिनीहरूको सम्भावनाले प्रयोगकर्ताको अपेक्षाहरू बुझ्न, जटिल एजेन्ट व्यवहारहरू म्यापिङ गर्न, र सम्भावित विफलताहरूको पूर्वानुमान गर्न विशेष विधिहरू आवश्यक पर्दछ। निम्न अनुसन्धान प्राइमरले एजेन्टिक एआईका यी अद्वितीय पक्षहरूलाई मापन र मूल्याङ्कन गर्न मुख्य विधिहरू रेखांकित गर्दछ। मानसिक-मोडेल साक्षात्कार यी अन्तर्वार्ताहरूले एआई एजेन्टले कसरी व्यवहार गर्नुपर्छ भन्ने बारे प्रयोगकर्ताहरूको पूर्व-कल्पनालाई उजागर गर्दछ। प्रयोगकर्ताहरूले के चाहन्छन् भनेर सोध्नुको सट्टा, एजेन्टको क्षमता र सीमितताहरूको तिनीहरूको आन्तरिक मोडेलहरू बुझ्नमा ध्यान केन्द्रित गरिएको छ। हामीले सहभागीहरूसँग "एजेन्ट" शब्द प्रयोग गर्नबाट जोगिनै पर्छ। यसले साइ-फाई ब्यागेज बोक्छ वा समर्थन वा सेवाहरू प्रदान गर्ने मानव एजेन्टसँग सजिलैसँग भ्रमित हुने शब्द हो। बरु, "सहायकहरू" वा "प्रणाली" वरिपरि छलफल फ्रेम गर्नुहोस्। प्रयोगकर्ताहरूले सहयोगी स्वचालन र हस्तक्षेपकारी नियन्त्रण बीचको रेखा कहाँ तानेका छन् भनेर हामीले पत्ता लगाउन आवश्यक छ।
विधि: प्रयोगकर्ताहरूलाई विभिन्न काल्पनिक परिदृश्यहरूमा एजेन्टसँग उनीहरूको अपेक्षित अन्तरक्रियाहरू वर्णन गर्न, चित्रण गर्न वा वर्णन गर्न सोध्नुहोस्। प्रमुख प्रोबहरू (विभिन्न प्रकारका उद्योगहरू प्रतिबिम्बित गर्दै): वांछित स्वचालनका सीमाहरू र ओभर-स्वचालन वरपर सम्भावित चिन्ताहरू बुझ्न, सोध्नुहोस्: यदि तपाईंको उडान रद्द भयो भने, तपाइँ प्रणालीले स्वचालित रूपमा के गर्न चाहनुहुन्छ? यदि तपाइँको स्पष्ट निर्देशन बिना यो गर्यो भने तपाइँ के चिन्ता गर्नुहुन्छ?
एजेन्टको आन्तरिक प्रक्रिया र आवश्यक सञ्चार बारे प्रयोगकर्ताको बुझाइ पत्ता लगाउन, सोध्नुहोस्: कल्पना गर्नुहोस् कि डिजिटल सहायकले तपाईंको स्मार्ट घरको व्यवस्थापन गरिरहेको छ। यदि एक प्याकेज डेलिभर गरिएको छ भने, तपाइँ यो लिने कदमहरू कल्पना गर्नुहुन्छ, र तपाइँ कुन जानकारी प्राप्त गर्न अपेक्षा गर्नुहुन्छ?
बहु-चरण प्रक्रिया भित्र नियन्त्रण र सहमति वरपर अपेक्षाहरू उजागर गर्न, सोध्नुहोस्: यदि तपाईंले आफ्नो डिजिटल सहायकलाई बैठकको समय तालिका बनाउन सोध्नुभयो भने, तपाईंले यसलाई के कदम चालेको कल्पना गर्नुहुन्छ? तपाई कुन बिन्दुहरूमा परामर्श लिन वा छनौट गर्न चाहनुहुन्छ?
विधिका फाइदाहरू: निहित अनुमानहरू प्रकट गर्दछ, एजेन्टको योजनाबद्ध व्यवहार प्रयोगकर्ताको अपेक्षाहरूबाट भिन्न हुन सक्ने क्षेत्रहरूलाई हाइलाइट गर्दछ, र उपयुक्त नियन्त्रण र प्रतिक्रिया संयन्त्रहरूको डिजाइनलाई सूचित गर्दछ।
एजेन्ट यात्रा म्यापिङ: परम्परागत प्रयोगकर्ता यात्रा म्यापिङ जस्तै, एजेन्ट यात्रा म्यापिङ विशेष गरी प्रयोगकर्ताको अन्तरक्रियासँगै AI एजेन्टको अपेक्षित कार्यहरू र निर्णय बिन्दुहरूमा केन्द्रित हुन्छ। यसले सम्भावित कमजोरीहरूलाई सक्रिय रूपमा पहिचान गर्न मद्दत गर्दछ।
विधि: सबै सम्भावित कार्यहरू, निर्णयहरू, र बाह्य प्रणाली वा प्रयोगकर्ताहरूसँग अन्तर्क्रियाहरू सहित, प्रारम्भदेखि समाप्तिसम्म, एजेन्टको सञ्चालनका विभिन्न चरणहरूलाई रूपरेखा गर्ने दृश्य नक्सा सिर्जना गर्नुहोस्। नक्सामा मुख्य तत्वहरू: एजेन्ट कार्यहरू: एजेन्टले कुन विशेष कार्य वा निर्णयहरू गर्छ? सूचना इनपुट/आउटपुट: एजेन्टलाई कुन डाटा चाहिन्छ, र यसले कुन जानकारी उत्पन्न वा सञ्चार गर्छ? निर्णय बिन्दुहरू: एजेन्टले कहाँ छनोट गर्छ, र ती छनौटहरूको लागि मापदण्ड के हो? प्रयोगकर्ता अन्तरक्रिया बिन्दुहरू: प्रयोगकर्ताले कहाँ इनपुट, समीक्षा, वा अनुमोदन कार्यहरू प्रदान गर्दछ? असफलताका बिन्दुहरू: महत्त्वपूर्ण रूपमा, विशेष उदाहरणहरू पहिचान गर्नुहोस् जहाँ एजेन्टले निर्देशनहरूको गलत अर्थ लगाउन सक्छ, गलत निर्णय लिन सक्छ वा गलत निकायसँग अन्तरक्रिया गर्न सक्छ। उदाहरणहरू: गलत प्राप्तकर्ता (उदाहरणका लागि, गलत व्यक्तिलाई संवेदनशील जानकारी पठाउने), ओभरड्राफ्ट (जस्तै, उपलब्ध रकमभन्दा बढी स्वचालित भुक्तानी), उद्देश्यको गलत व्याख्या (जस्तै, अस्पष्ट भाषाको कारणले गलत मितिको लागि उडान बुक गर्ने)।
रिकभरी पथहरू: एजेन्ट वा प्रयोगकर्ताले यी असफलताहरूबाट कसरी पुन: प्राप्ति गर्न सक्छन्? सुधार वा हस्तक्षेपको लागि कस्ता संयन्त्रहरू छन्?
विधिका फाइदाहरू: एजेन्टको परिचालन प्रवाहको समग्र दृष्टिकोण प्रदान गर्दछ, लुकेका निर्भरताहरू उजागर गर्दछ, र नकारात्मक परिणामहरू रोक्न वा कम गर्न सुरक्षा, त्रुटि ह्यान्डलिंग, र प्रयोगकर्ता हस्तक्षेप बिन्दुहरूको सक्रिय डिजाइनको लागि अनुमति दिन्छ।
सिमुलेटेड दुर्व्यवहार परीक्षण: यो दृष्टिकोण प्रणालीलाई तनाव-परीक्षण गर्न र एआई एजेन्ट असफल हुँदा वा अपेक्षाहरूबाट विचलित हुँदा प्रयोगकर्ता प्रतिक्रियाहरू अवलोकन गर्न डिजाइन गरिएको हो। यो ट्रस्ट मर्मत र प्रतिकूल परिस्थितिहरूमा भावनात्मक प्रतिक्रियाहरू बुझ्नको बारेमा हो।
विधि: नियन्त्रित प्रयोगशाला अध्ययनहरूमा, एजेन्टले गल्ती गरेको, आदेशको गलत अर्थ लगाउने वा अप्रत्याशित रूपमा व्यवहार गर्ने परिदृश्यहरू जानाजानी प्रस्तुत गर्नुहोस्। अनुकरण गर्न "दुर्व्यवहार" को प्रकारहरू: आदेशगलत व्याख्या: एजेन्टले प्रयोगकर्ताले चाहेको भन्दा अलि फरक कार्य गर्दछ (जस्तै, एउटाको सट्टा दुई वस्तुहरू अर्डर गर्ने)। सूचना ओभरलोड/अन्डलोड: एजेन्टले धेरै अप्रासंगिक जानकारी वा पर्याप्त महत्वपूर्ण विवरणहरू प्रदान गर्दछ। अवांछित कार्य: एजेन्टले प्रयोगकर्ताले स्पष्ट रूपमा नचाहेको वा अपेक्षा नगरेको कार्य लिन्छ (जस्तै, अनुमोदन बिना स्टक किन्नु)। प्रणाली विफलता: एजेन्ट क्र्यास हुन्छ, अनुत्तरदायी हुन्छ, वा त्रुटि सन्देश प्रदान गर्दछ। नैतिक दुविधाहरू: एजेन्टले नैतिक प्रभावहरू (जस्तै, एक अप्रत्याशित मेट्रिकको आधारमा अर्को कार्यलाई प्राथमिकता दिँदै) निर्णय गर्दछ।
अवलोकन फोकस: प्रयोगकर्ता प्रतिक्रियाहरू: प्रयोगकर्ताहरूले भावनात्मक रूपमा कसरी प्रतिक्रिया गर्छन् (निराशा, क्रोध, भ्रम, विश्वासको हानि)? रिकभरी प्रयासहरू: प्रयोगकर्ताहरूले एजेन्टको व्यवहार सच्याउन वा यसका कार्यहरूलाई पूर्ववत गर्न के कदमहरू चाल्छन्? ट्रस्ट मर्मत संयन्त्रहरू: के प्रणालीको निर्मित रिकभरी वा प्रतिक्रिया संयन्त्रहरूले विश्वास पुनर्स्थापित गर्न मद्दत गर्छ? प्रयोगकर्ताहरूलाई त्रुटिहरूको बारेमा कसरी सूचित गर्न चाहनुहुन्छ? मानसिक मोडेल शिफ्ट: के दुर्व्यवहारले एजेन्टको क्षमता वा सीमितताहरूको प्रयोगकर्ताको बुझाइलाई परिवर्तन गर्छ?
विधिका फाइदाहरू: त्रुटि रिकभरी, प्रतिक्रिया, र प्रयोगकर्ता नियन्त्रणसँग सम्बन्धित डिजाइन अंतरहरू पहिचान गर्नको लागि महत्त्वपूर्ण। यसले प्रयोगकर्ताहरू एजेन्ट असफलताहरूमा कत्तिको लचिलो हुन्छन् र विश्वासलाई कायम राख्न वा पुनर्निर्माण गर्न के आवश्यक छ भन्ने बारे अन्तर्दृष्टि प्रदान गर्दछ, जसले थप बलियो र क्षमाशील एजेन्टिक प्रणालीहरूमा नेतृत्व गर्दछ।
यी अनुसन्धान विधिहरूलाई एकीकृत गरेर, UX अभ्यासकर्ताहरूले प्रयोगकर्ताहरू र तिनीहरूका एआई एजेन्टहरू बीचको सकारात्मक र उत्पादक सम्बन्धलाई प्रवर्द्धन गर्दै, तिनीहरूलाई विश्वसनीय, नियन्त्रणयोग्य र जवाफदेही बनाउन एजेन्टिक प्रणालीहरूलाई प्रयोगयोग्य बनाउन मात्र अघि बढ्न सक्छन्। ध्यान दिनुहोस् कि यी एजेन्टिक एआईलाई प्रभावकारी रूपमा अन्वेषण गर्न सान्दर्भिक मात्र विधिहरू होइनन्। धेरै अन्य विधिहरू अवस्थित छन्, तर यी निकट अवधिमा चिकित्सकहरूको लागि सबैभन्दा पहुँचयोग्य छन्। मैले पहिले विजार्ड अफ ओज विधिलाई कभर गरेको छु, अवधारणा परीक्षणको अलि बढि उन्नत विधि, जुन एजेन्टिक एआई अवधारणाहरू अन्वेषण गर्नको लागि एक बहुमूल्य उपकरण पनि हो। अनुसन्धान पद्धतिमा नैतिक विचारहरू एजेन्टिक एआई अनुसन्धान गर्दा, विशेष गरी दुर्व्यवहार वा त्रुटिहरूको अनुकरण गर्दा, नैतिक विचारहरूलाई ध्यानमा राख्नु महत्त्वपूर्ण हुन्छ। त्यहाँ नैतिक UX अनुसन्धानमा केन्द्रित धेरै प्रकाशनहरू छन्, जसमा मैले Smashing पत्रिकाको लागि लेखेको लेख, UX डिजाइन संस्थानका यी दिशानिर्देशहरू, र समावेशी डिजाइन टूलकिटको यो पृष्ठ। Agentic AI को लागि प्रमुख मेट्रिक्स एजेन्टिक एआई प्रणालीहरूको कार्यसम्पादन र विश्वसनीयतालाई प्रभावकारी रूपमा मूल्याङ्कन गर्न तपाईंलाई मुख्य मेट्रिक्सको विस्तृत सेट चाहिन्छ। यी मेट्रिकहरूले प्रयोगकर्ताको विश्वास, प्रणाली शुद्धता, र समग्र प्रयोगकर्ता अनुभवमा अन्तर्दृष्टि प्रदान गर्दछ। यी सूचकहरू ट्र्याक गरेर, विकासकर्ताहरू र डिजाइनरहरूले सुधारका लागि क्षेत्रहरू पहिचान गर्न सक्छन् र एआई एजेन्टहरू सुरक्षित र प्रभावकारी रूपमा सञ्चालन गर्छन् भनी सुनिश्चित गर्न सक्छन्। 1. हस्तक्षेप दर स्वायत्त एजेन्टहरूको लागि, हामी मौन द्वारा सफलता मापन गर्छौं। यदि एजेन्टले कार्य कार्यान्वयन गर्छ र प्रयोगकर्ताले सेट विन्डो (जस्तै, 24 घण्टा) भित्र हस्तक्षेप गर्दैन वा कार्य उल्टाउँदैन भने, हामी यसलाई स्वीकृतिको रूपमा गणना गर्छौं। हामी हस्तक्षेप दर ट्र्याक गर्छौं: एजेन्ट रोक्न वा सच्याउनको लागि मानिस कति पटक भित्र जान्छ? एक उच्च हस्तक्षेप दर विश्वास वा तर्क मा एक misalignment संकेत गर्दछ। 2. प्रति 1,000 कार्यहरूमा अप्रत्याशित कार्यहरूको आवृत्ति यो महत्वपूर्ण मेट्रिकले AI एजेन्टद्वारा गरिएका कार्यहरूको संख्यालाई परिमाण गर्दछ जुन प्रयोगकर्ताले चाहेको वा अपेक्षा नगरेको थियो, प्रति 1,000 पूरा कार्यहरूमा सामान्यीकृत। अप्रत्याशित कार्यहरूको कम फ्रिक्वेन्सीले राम्रोसँग पङ्क्तिबद्ध एआईलाई जनाउँछ जसले प्रयोगकर्ताको अभिप्रायलाई सही रूपमा व्याख्या गर्छ र परिभाषित सीमाहरूमा सञ्चालन गर्दछ। यो मेट्रिक एआईको सन्दर्भको बुझाइ, आदेशहरूलाई अस्पष्ट पार्ने क्षमता, र यसको सुरक्षा प्रोटोकलहरूको सुदृढतासँग नजिकबाट जोडिएको छ। 3. रोलब्याक वा अनडू दरहरू यो मेट्रिकले प्रयोगकर्ताहरूलाई AI द्वारा गरिएको कार्यलाई कति पटक उल्टो वा पूर्ववत गर्न आवश्यक छ भनेर ट्र्याक गर्दछ। उच्च रोलब्याक दरहरूले सुझाव दिन्छ कि AI ले बारम्बार त्रुटिहरू गरिरहेको छ, निर्देशनहरूको गलत व्याख्या गरिरहेको छ, वा प्रयोगकर्ताको अपेक्षाहरू अनुरूप नभएका तरिकाहरूमा कार्य गरिरहेको छ। यी रोलब्याकहरू पछाडिका कारणहरूको विश्लेषणले AI को एल्गोरिदमहरू सुधार गर्न, प्रयोगकर्ताको प्राथमिकताहरूको बुझाइ, र वांछनीय परिणामहरू भविष्यवाणी गर्ने क्षमताको लागि बहुमूल्य प्रतिक्रिया प्रदान गर्न सक्छ। किन बुझ्नको लागि, तपाईंले पूर्ववत कार्यमा माइक्रोसर्वे लागू गर्नुपर्छ। उदाहरणका लागि, जब प्रयोगकर्ताले समयतालिका परिवर्तनलाई उल्ट्याउछ, एक साधारण प्रम्प्टले सोध्न सक्छ: "गलत समय? गलत व्यक्ति? वा के तपाइँ यसलाई आफैं गर्न चाहनुहुन्छ?" प्रयोगकर्तालाई उनीहरूको तर्कसँग मिल्ने विकल्पमा क्लिक गर्न अनुमति दिँदै। 4. त्रुटि पछि समाधान गर्न समय यो मेट्रिकप्रयोगकर्तालाई AI द्वारा गरिएको त्रुटि सच्याउन वा AI प्रणाली आफैंले त्रुटिपूर्ण अवस्थाबाट पुन: प्राप्ति गर्नको लागि लिने अवधि मापन गर्दछ। रिजोल्युसनको छोटो समयले एक कुशल र प्रयोगकर्ता-मैत्री त्रुटि रिकभरी प्रक्रियालाई संकेत गर्दछ, जसले प्रयोगकर्ताको निराशालाई कम गर्न र उत्पादकता कायम राख्न सक्छ। यसमा त्रुटि पहिचान गर्न सजिलो, पूर्ववत वा सुधार गर्ने संयन्त्रको पहुँच, र एआई द्वारा प्रदान गरिएको त्रुटि सन्देशहरूको स्पष्टता समावेश छ।
यी मेट्रिकहरू सङ्कलन गर्न एजेन्ट कार्य आईडीहरू ट्र्याक गर्नको लागि तपाईंको प्रणालीलाई उपकरण बनाउन आवश्यक छ। एजेन्टले लिने हरेक फरक कारबाही, जस्तै समयतालिका प्रस्ताव गर्ने वा उडान बुक गर्ने, लगहरूमा कायम रहने अद्वितीय ID उत्पन्न गर्नुपर्छ। हस्तक्षेप दर मापन गर्न, हामी तत्काल प्रयोगकर्ता प्रतिक्रिया खोज्दैनौं। हामी परिभाषित सञ्झ्याल भित्र काउन्टर-एक्शनको अनुपस्थिति खोज्छौं। यदि एक्शन ID 9:00 AM मा उत्पन्न हुन्छ र कुनै पनि मानव प्रयोगकर्ताले अर्को दिन 9:00 AM सम्ममा त्यो विशिष्ट ID परिमार्जन वा उल्टाउँदैन भने, प्रणालीले यसलाई तार्किक रूपमा स्वीकृत भनी ट्याग गर्छ। यसले हामीलाई सक्रिय पुष्टिकरणको सट्टा प्रयोगकर्ता मौनमा आधारित सफलता परिमाण गर्न अनुमति दिन्छ। रोलब्याक दरहरूको लागि, कच्चा गणनाहरू अपर्याप्त छन् किनभने तिनीहरू सन्दर्भको कमी छन्। अन्तर्निहित कारण क्याप्चर गर्न, तपाईंले आफ्नो एप्लिकेसनको अन्डू वा रिभर्ट प्रकार्यहरूमा अवरोध तर्क लागू गर्नुपर्छ। जब प्रयोगकर्ताले एजेन्ट-प्रारम्भिक कार्यलाई उल्टाउँछ, हल्का माइक्रोसर्वे ट्रिगर गर्नुहोस्। यो एक साधारण तीन-विकल्प मोडल हुन सक्छ जसले प्रयोगकर्तालाई त्रुटिलाई तथ्यात्मक रूपमा गलत, सन्दर्भको अभाव वा म्यानुअल रूपमा कार्य ह्यान्डल गर्नको लागि सरल प्राथमिकताको रूपमा वर्गीकरण गर्न सोध्छ। यसले मात्रात्मक टेलीमेट्रीलाई गुणात्मक अन्तरदृष्टिसँग जोड्छ। यसले ईन्जिनियरिङ् टोलीहरूलाई टुटेको एल्गोरिदम र प्रयोगकर्ता प्राथमिकता बेमेल बीच भेद गर्न सक्षम बनाउँछ। यी मेट्रिकहरू, जब लगातार ट्र्याक गरिन्छ र समग्र रूपमा विश्लेषण गरिन्छ, एजेन्टिक एआई प्रणालीहरूको कार्यसम्पादन मूल्याङ्कन गर्न बलियो ढाँचा प्रदान गर्दछ, जसले नियन्त्रण, सहमति र जवाफदेहितामा निरन्तर सुधार गर्न अनुमति दिन्छ। धोखा विरुद्ध डिजाइन एजेन्टहरू बढ्दो रूपमा सक्षम हुँदै जाँदा, हामीले एउटा नयाँ जोखिमको सामना गर्छौं: एजेन्टिक स्लज। परम्परागत स्लजले घर्षण सिर्जना गर्दछ जसले सदस्यता रद्द गर्न वा खाता मेटाउन गाह्रो बनाउँछ। एजेन्टिक स्लजले उल्टो कार्य गर्दछ। यसले गल्तीमा घर्षण हटाउँछ, प्रयोगकर्तालाई उनीहरूको आफ्नै चासोको सट्टा व्यवसायलाई फाइदा हुने कार्यमा सहमत हुन सजिलो बनाउँछ। यात्रा बुकिङमा सहयोग गर्ने एजेन्टलाई विचार गर्नुहोस्। स्पष्ट रेलिङहरू बिना, प्रणालीले साझेदार एयरलाइन वा उच्च मार्जिन होटललाई प्राथमिकता दिन सक्छ। यसले यो छनौटलाई इष्टतम मार्गको रूपमा प्रस्तुत गर्दछ। प्रयोगकर्ता, प्रणालीको अख्तियारमा भरोसा गर्दै, जाँच बिना सिफारिस स्वीकार गर्दछ। यसले एक भ्रामक ढाँचा सिर्जना गर्दछ जहाँ प्रणालीले सुविधाको आडमा राजस्वको लागि अनुकूलन गर्दछ। झूटो कल्पना क्षमता को जोखिम धोखा दुर्भावनापूर्ण उद्देश्यबाट उत्पन्न नहुन सक्छ। यो प्रायः AI मा कल्पना गरिएको योग्यताको रूपमा प्रकट हुन्छ। ठूला भाषा मोडेलहरू गलत हुँदा पनि प्रायः आधिकारिक सुनिन्छन्। तिनीहरूले प्रमाणित तथ्यको रूपमा उस्तै विश्वासको साथ गलत बुकिंग पुष्टिकरण वा गलत सारांश प्रस्तुत गर्छन्। प्रयोगकर्ताहरूले स्वाभाविक रूपमा यो विश्वस्त टोनलाई विश्वास गर्न सक्छन्। यो बेमेलले प्रणाली क्षमता र प्रयोगकर्ता अपेक्षाहरू बीच खतरनाक खाडल सिर्जना गर्दछ। हामीले यो खाडल पूरा गर्न विशेष डिजाइन गर्नुपर्छ। यदि एजेन्टले कार्य पूरा गर्न असफल भयो भने, इन्टरफेसले त्यो असफलतालाई स्पष्ट रूपमा संकेत गर्नुपर्छ। यदि प्रणाली अनिश्चित छ भने, यसले पॉलिश गद्यको साथ मास्क गर्नुको सट्टा अनिश्चितता व्यक्त गर्नुपर्छ। Primitives मार्फत पारदर्शिता स्लज र हिलुसिनेशन दुवैको लागि औषधि प्रोभेन्सन हो। प्रत्येक स्वायत्त कार्यलाई निर्णयको उत्पत्तिको व्याख्या गर्ने विशेष मेटाडेटा ट्याग चाहिन्छ। प्रयोगकर्ताहरूलाई परिणाम पछाडि तर्क श्रृंखला निरीक्षण गर्ने क्षमता चाहिन्छ। यो प्राप्त गर्न, हामीले आदिमहरूलाई व्यावहारिक जवाफहरूमा अनुवाद गर्नुपर्छ। सफ्टवेयर इन्जिनियरिङ्मा, प्रिमिटिभले एजेन्टले गर्ने जानकारी वा कार्यहरूको मूल एकाइहरूलाई जनाउँछ। इन्जिनियरका लागि, यो एपीआई कल वा तर्क गेट जस्तो देखिन्छ। प्रयोगकर्ताको लागि, यो स्पष्ट व्याख्याको रूपमा देखा पर्दछ। डिजाइन चुनौती यी प्राविधिक चरणहरूलाई मानव-पठनीय तर्कहरूमा नक्साङ्कन गर्नु हो। यदि एजेन्टले एक विशेष उडान सिफारिस गर्छ भने, प्रयोगकर्ताले किन जान्न आवश्यक छ। इन्टरफेस एक सामान्य सुझाव पछि लुकाउन सक्दैन। यसले अन्तर्निहित आदिम: तर्क: सस्तो_डायरेक्ट_फ्लाइट वा तर्क: पार्टनर_एयरलाइन_प्राथमिकतालाई उजागर गर्नुपर्छ। चित्र ४ ले यस अनुवाद प्रवाहलाई चित्रण गर्दछ। हामी कच्चा प्रणाली आदिम लिन्छौं — वास्तविक कोड तर्क — र यसलाई प्रयोगकर्ता-फेसिङ स्ट्रिङमा नक्सा गर्छौं। उदाहरणका लागि, क्यालेन्डर तालिका जाँच गर्ने आदिम बैठकले स्पष्ट कथन बनाउँछ: मैले 4 PM प्रस्ताव गरेको छु।बैठक। पारदर्शिताको यो स्तरले एजेन्टका कार्यहरू तार्किक र लाभदायक देखिन्छन् भन्ने सुनिश्चित गर्दछ। यसले प्रयोगकर्तालाई एजेन्टले उनीहरूको सर्वोत्तम हितमा काम गरेको प्रमाणित गर्न अनुमति दिन्छ। आदिमहरूलाई पर्दाफास गरेर, हामी कालो बक्सलाई गिलासको बक्समा परिणत गर्छौं, प्रयोगकर्ताहरूलाई तिनीहरूको आफ्नै डिजिटल जीवनमा अन्तिम अधिकार सुनिश्चित गर्दै।
डिजाइनको लागि स्टेज सेट गर्दै एजेन्टिक प्रणाली निर्माण गर्न मनोवैज्ञानिक र व्यवहारिक समझको नयाँ स्तर चाहिन्छ। यसले हामीलाई परम्परागत उपयोगिता परीक्षणभन्दा बाहिर र विश्वास, सहमति र जवाफदेहिताको दायरामा जान बाध्य बनाउँछ। हामीले छलफल गरेका अनुसन्धान विधिहरू, मानसिक मोडेलहरूको जाँचदेखि दुर्व्यवहारको अनुकरण गर्न र नयाँ मेट्रिक्स स्थापना गर्न, आवश्यक आधार प्रदान गर्दछ। यी अभ्यासहरू सक्रिय रूपमा पहिचान गर्नको लागि आवश्यक उपकरणहरू हुन् जहाँ एक स्वायत्त प्रणाली असफल हुन सक्छ र, अझ महत्त्वपूर्ण कुरा, यसले गर्दा प्रयोगकर्ता-एजेन्ट सम्बन्धलाई कसरी मर्मत गर्ने। एजेन्टिक एआईमा परिवर्तन भनेको प्रयोगकर्ता-प्रणाली सम्बन्धको पुन: परिभाषा हो। हामी अब केवल आदेशहरूमा प्रतिक्रिया दिने उपकरणहरूको लागि डिजाइन गर्दैनौं; हामी हाम्रो तर्फबाट कार्य गर्ने साझेदारहरूको लागि डिजाइन गर्दैछौं। यसले प्रभावकारिता र प्रयोगको सहजताबाट पारदर्शिता, भविष्यवाणी र नियन्त्रणमा डिजाइन अनिवार्य परिवर्तन गर्दछ। जब एआईले अन्तिम क्लिक बिना उडान बुक गर्न वा स्टक ट्रेड गर्न सक्छ, यसको "अन-र्याम्प" र "अफ-र्याम्प" को डिजाइन सर्वोपरि हुन्छ। प्रयोगकर्ताहरूले आफू चालकको सिटमा भएको महसुस गरेको सुनिश्चित गर्नु हाम्रो जिम्मेवारी हो, उनीहरूले पाङ्ग्रा दिए पनि। यो नयाँ वास्तविकताले UX अनुसन्धानकर्ताको भूमिकालाई पनि उच्च पार्छ। एजेन्टको स्वायत्ततालाई परिभाषित गर्न र परीक्षण गर्न इन्जिनियरहरू र उत्पादन प्रबन्धकहरूसँग मिलेर काम गर्दै हामी प्रयोगकर्ताको विश्वासको संरक्षक बन्छौं। अनुसन्धानकर्ता हुनुभन्दा बाहिर, हामी विकास प्रक्रिया भित्र प्रयोगकर्ता नियन्त्रण, पारदर्शिता, र नैतिक सुरक्षाका लागि वकिलहरू बन्छौं। प्रारम्भिक प्रश्नहरूलाई व्यावहारिक प्रश्नहरूमा अनुवाद गरेर र सबैभन्दा खराब-केस परिदृश्यहरूको अनुकरण गरेर, हामी शक्तिशाली र सुरक्षित दुवै प्रणालीहरू निर्माण गर्न सक्छौं। यस लेखले एजेन्टिक एआई अनुसन्धानको "के" र "किन" लाई उल्लिखित गरेको छ। यसले देखाएको छ कि हाम्रा परम्परागत टुलकिटहरू अपर्याप्त छन् र हामीले नयाँ, अग्रगामी विधिहरू अपनाउनुपर्छ। अर्को लेखले यस आधारमा निर्माण गर्नेछ, विशिष्ट डिजाइन ढाँचाहरू र संगठनात्मक अभ्यासहरू प्रदान गर्दछ जसले प्रयोगकर्ताहरूलाई एजेन्टको उपयोगितालाई पारदर्शी बनाउँदछ, उनीहरूले विश्वास र नियन्त्रणका साथ एजेन्टिक एआईको शक्ति प्रयोग गर्न सक्छन् भन्ने सुनिश्चित गर्दै। UX को भविष्य प्रणालीहरूलाई विश्वसनीय बनाउने बारेमा हो। एजेन्टिक AI को थप समझको लागि, तपाइँ निम्न स्रोतहरू अन्वेषण गर्न सक्नुहुन्छ:
Agentic AI मा Google AI ब्लग एआई एजेन्टहरूमा माइक्रोसफ्टको अनुसन्धान
