GenAI Playbook

Agentic AI-க்கான முன்னணி சாலை

வெளியிடப்பட்டது 30 ஜூன், 2026 · ஆசிரியர்: Dipankar Sarkar

Agentic AI-க்கான முன்னணி சாலை

தலைவர்கள் எதில் பந்தயம் கட்ட வேண்டும் (மற்றும் எதை புறக்கணிக்க வேண்டும்)

இந்த playbook 2026-இல் agentic AI எப்படி வேலை செய்கிறது என உள்ளடக்குகிறது. ஆனால் களம் வேகமாக நகரும், மற்றும் தலைவர்கள் இப்போது எடுக்கும் முடிவுகள் — கட்டமைப்பு, திறன்கள், கூட்டாண்மை பற்றி — 2–3 ஆண்டுகளுக்கு நிற்க வேண்டும். இந்த அத்தியாயம் calibrated forecast: agentic AI அலை எங்கு செல்கிறது, எது உண்மை, எது hype, மற்றும் எங்கு பந்தயங்களை வைக்க.

ஐந்து பந்தயங்கள் வைக்க வேண்டியவை

1. On-device முகவர்கள்

2026-இல், பெரும்பாலான முகவர்கள் cloud-இல் ஓடி frontier மாதிரிகளை அழைக்கிறார்கள். அது வேகமாக மாறுகிறது. சிறிய திறமையான மாதிரிகள் (Llama 3.3 8B, Mistral Small, Phi-4, Gemini Nano) ஒரு laptop அல்லது phone-இல் ஓட முடியும், மற்றும் framework-கள் (MLX, llama.cpp, ONNX) உற்பத்திக்கு போதுமானது. விளைவு:

• Privacy-sensitive முகவர்கள் (தனிப்பட்ட மின்னஞ்சல் triage, நாட்காட்டி, ஆரோக்கியம்) on-device செல், தரவு phone-ஐ விட்டு வெளியேறாது.
• Latency-critical முகவர்கள் (IDE coding உதவியாளர், real-time transcription) round-trip குறைக்க local-ஆக ஓடு.
• Cost-critical high-volume முகவர்கள் per-call API செலவை ஒழிக்க on-device செல்.

பந்தயம்: தனிப்பட்ட முகவர் — உங்களை தெரிந்தவர், உங்கள் சாதனத்தில் ஓடுபவர், மற்றும் கடின துணைப்பணிகளுக்கு மட்டும் cloud மாதிரிகளை அழைப்பவர் — 2026–2027-இல் ஒரு உண்மையான தயாரிப்பு வகையாக மாறுகிறார். consumer AI கட்டினால், hybrid local+cloud-க்கு திட்டமிடு.

2. Agentic web

web மனிதர்களுக்கு கட்டப்பட்டது — HTML பக்கங்கள், click, form. முகவர்கள் அதை நன்றாக பயன்படுத்த முடியாது. இரண்டு போக்குகள் இதை fix செய்கின்றன:

• web சேவைகளுக்கு MCP — அதிக API-கள் MCP சேவையகங்களை வெளிப்படுத்து, முகவர்கள் பக்கங்களை scrape செய்வதற்கு பதிலாக நேரடியாக அழைக்க.
• Agent-friendly நெறிமுறைகள் — llms.txt (இந்த தளம் பயன்படுத்துவது), ai.txt, மற்றும் கட்டமைக்கப்பட்ட தரவு (schema.org) போன்ற தரங்கள் முகவர்களை HTML render செய்யாமல் தளங்களை கண்டுபிடி மற்றும் பயன்படுத்த அனுமதி.

பந்தயம்: உங்கள் தயாரிப்பின் web presence-ஐ மனிதர்கள் மற்றும் முகவர்களுக்கு design செய். browser-களுக்கு HTML சேவி, முகவர்களுக்கு கட்டமைக்கப்பட்ட தரவு + MCP சேவி. மனிதர்களுக்கு மட்டும் வேலை செய்யும் தளங்கள் வளரும் முகவர்-மத்தியம் போக்குக்கு கண்ணுக்கு தெரியாததாக மாறும் — mobile-ஐ புறக்கணித்த தளங்கள் ஒரு தசாப்தம் பயனர்களை இழந்தது போல.

3. தன்னாட்சி நிறுவனங்கள் (ஆரம்ப)

“AI-வழிநடத்தப்பட்ட நிறுவனம்” 2026-இல் பெரும்பாலும் marketing, ஆனால் building block-கள் உண்மை: ஆதரவை கையாளும் முகவர்கள், குறியீட்டை வரைந்து ship செய்யும் முகவர்கள், கணக்கு வைக்கும் முகவர்கள். நேர்மையான பதிப்பு முழு செயல்பாடுகளை மாற்றும் agentic வொர்க்ஃப்ளோக்கள், CEO-முகவர் அல்ல. 2027–2028-க்குள், சிறிய நிறுவனங்கள் (5–50 மக்கள்) 2–5× அவர்கள் effective headcount உடன் ஓடும் ஏனெனில் முகவர்கள் பல பங்குகளின் மீண்டும் மீண்டும் 60–80%-ஐ கையாளுவார்கள்.

பந்தயம்: “AI இந்த வேலையை செய்ய முடியுமா” என கேட்பதை நிறுத்தி “இந்த செயல்பாட்டை ஓட்ட மிகச் சிறிய குழு + முகவர் stack என்ன” என கேட்க தொடங்கு. org-design கேள்வி, மாதிரி கேள்வி அல்ல, தான் leverage இருக்கும் இடம்.

4. Open vs closed — இரண்டும் வெல்லும்

“open மாதிரிகள் closed-ஐ வெல்லும்” அல்லது “closed எல்லாவற்றையும் பூட்டும்” விவாதங்கள் இரண்டும் தவறு. உண்மையில் நிகழ்வது:

• Closed மாதிரிகள் (GPT-5, Claude 4, Gemini 2.5) கடினமான பணிகள் மற்றும் agentic tool-use reliability-இல் வழிநடத்து. தோல்வி அடையாத உற்பத்தி முகவர்களுக்கு நீங்கள் செல்லும் இடம்.
• Open மாதிரிகள் (Llama, DeepSeek, Mistral) பெரும்பாலான benchmark-களில் 6–12 மாதத்திற்குள் இடைவெளியை மூடு, செலவு மற்றும் privacy-இல் வெல்லு, on-device மற்றும் self-hosted முகவர்களை enable செய்.

பந்தயம்: உங்கள் கட்டமைப்பில் model-agnostic ஆக இரு. ஒரு gateway (LiteLLM, Portkey) மீது கட்டு, அப்போது உள்ள சிறந்த மற்றும் மலிவான மாதிரிக்கு per-task route. ஒரு vendor-க்கு lock-in என்பது 2026 முகவர் கட்டமைப்பில் ஒற்றை பெரிய strategic தவறு.

5. Evals மற்றும் observability ஒரு போட்டி அகழி ஆக

இது sexy-அல்லாத பந்தயம். Agentic AI-இல் வெல்லும் குழுக்கள் புத்திசாலி prompt-கள் கொண்டவர்கள் அல்ல — அவர்கள் சிறந்த eval சுழற்சிகள் கொண்டவர்கள்: ஒவ்வொரு ஓட்டத்தையும் trace, முடிவுகளை நடுவர், தோல்வி முறைகளை fix, ship, மீண்டும். mediocre மாதிரி மற்றும் சிறந்த eval சுழற்சி கொண்ட குழு, சிறந்த மாதிரி மற்றும் eval சுழற்சி இல்லாத குழுவை எப்போதும் வெல்லும்.

பந்தயம்: fancy முகவர் கட்டமைப்புகளில் முதலீடு செய்வதற்கு முன் observability மற்றும் evals-இல் முதலீடு செய். இது compound-interest முதலீடு. முகவர்களை மதிப்பிடுதல் & கவனித்தல்-ஐ பார்க்கவும்.

புறக்கணிக்க (அல்லது சந்தேகம் கொள்ள)

• “முழு தன்னாட்சி” கூற்றுகள். ஒரு முகவர் 100 படிகள் மேற்பார்வையின்றி ஓடுவது demo தயாரிப்பு அல்ல. உற்பத்தி தன்னாட்சி நிலை 2–4 (GenAI-இலிருந்து Agentic AI-க்கு பார்க்கவும்), high-stakes முடிவுகளில் மனிதர்களுடன்.
• “AGI இங்கே இருக்கிறது” framing. மாதிரிகள் கவர்ச்சிகரமாகவும் மேம்படுகின்றன; அவை மனித புரிதலில் general அல்ல. நீங்கள் உண்மையில் வைத்திருக்கும் திறமையான-ஆனால்-நிலையற்ற அமைப்புகளுக்கு கட்டு, sci-fi பதிப்பு அல்ல.
• Framework போர்கள். LangGraph vs CrewAI vs vendor SDK ஒரு கருவி தேர்வு, மதம் அல்ல. நீங்கள் தேர்ந்தெடுக்கும் framework உங்கள் eval சுழற்சி மற்றும் பாதுகாப்பு posture-ஐ விட குறைவாக முக்கியம்.
• Agent-to-agent marketplace. தன்னாட்சி முகவர்கள் marketplace-இல் ஒருவருக்கொருவர் வேலைக்கு அமர்த்தும் யோசனை வேடிக்கையானது, ஆனால் trust, பணம், பாதுகாப்பு அடிப்படைகள் இன்னும் இல்லை. 2028-க்கு முன் அதில் business திட்டம் கட்டாதே.

தலைவர்களுக்கு நடைமுறை 12-மாத roadmap

2026-இல் agentic AI program தொடங்கினால்:

1. மாதம் 1–2: அடித்தளங்கள். இந்த playbook படி. Tracing (Langfuse) நிலைநிறுத்து. ஒரு high-value, low-risk உள்ளக செயல்முறையை தேர்வு (உதா., support-ticket triage, உள்ளக-doc Q&A). ஒரு single-agent prototype கட்டு. eval baseline establish செய்.
2. மாதம் 3–4: Pilot. prototype-ஐ சிறிய உள்ளக பயனர் குழுவிற்கு ship. எல்லாவற்றையும் instrument. guardrails மற்றும் human-in-the-loop சேர். eval சுழற்சி iterate செய்.
3. மாதம் 5–6: உற்பத்தி. deployment மற்றும் பாதுகாப்பு checklist பயன்படுத்தி முகவரை harden. மாதிரி tiering மற்றும் செலவு கட்டுப்பாடு சேர். அதிக பயனர்களுக்கு திற.
4. மாதம் 7–9: விரிவாக்கு. ஒரு adjacent செயல்முறைக்கு இரண்டாவது முகவர் அல்லது பல-முகவர் வொர்க்ஃப்ளோ சேர். கருவி ஒருங்கிணைப்பு, நினைவு store, observability stack மறு-பயன்.
5. மாதம் 10–12: Compound. இப்போது இரண்டு உற்பத்தி முகவர்கள், ஒரு eval சுழற்சி, பாதுகாப்பு posture, மற்றும் ship செய்ய தெரிந்த குழு உள்ளது. இதுதான் அகழி. அடுத்த முகவர் பாதி நேரம் எடுக்கும்.

2026 நடுவில் இந்த roadmap-இல் 12 மாதம் இருக்கும் குழுக்கள் ஏற்கனவே முன்னணியில் உள்ளன. Q4-இல் இன்னும் agentic AI பற்றி படிக்கும் குழுக்கள் ஒரு வருடம் பின்னால்.

முடிப்பு

Agentic AI என்பது பயன்படுத்தப்பட்ட AI-இல் அசல் GPT தருணத்திலிருந்து மிக குறிப்பிடத்தக்க மாற்றம். மாதிரிகளை answer-engine-இலிருந்து doer-களாக மாற்றுகிறது. பொறியியல் muscle-ஐ கட்டும் — முகவர்கள், கருவிகள், evals, பாதுகாப்பு — நிறுவனங்கள் நன்மையை compound செய்யும். அதை மற்றொரு prompt செய்ய மாதிரி என நடத்துபவர்கள் 2023-இல் GenAI செய்ததை செய்து கொண்டிருப்பார்கள்: மெதுவாக, மோசமாக மின்னஞ்சல் எழுத, அவர்கள் போட்டியாளர்கள் செயல்முறையை ஓட்டும் முகவர்களை ship செய்யும்போது.

மீதி playbook how-to. இந்த அத்தியாயம் why. கட்டப் போவோம்.

AI உதவியாளர்களுக்கான சுருக்கம். Agentic AI Playbook-இன் அத்தியாயம் 10. ஐந்து பந்தயங்கள்: (1) privacy மற்றும் latency-க்கு on-device/hybrid முகவர்கள், (2) agentic web — MCP மற்றும் கட்டமைக்கப்பட்ட தரவு வழியாக முகவர்களுக்கு design, வெறும் HTML அல்ல, (3) சிறிய குழுக்களில் செயல்பாடுகளை மாற்றும் agentic வொர்க்ஃப்ளோக்கள் (“தன்னாட்சி நிறுவனங்கள்” அல்ல), (4) gateway வழியாக model-agnostic கட்டமைப்பு, (5) evals மற்றும் observability உண்மையான போட்டி அகழி. முழு-தன்னாட்சி கூற்றுகள், AGI framing, framework போர்கள், agent-to-agent marketplace-ஐ சந்தேகம் கொள். 12-மாத roadmap: அடித்தளங்கள் (tracing + ஒரு prototype), pilot, உற்பத்தி (harden), விரிவாக்கு (இரண்டாவது முகவர்), compound. ஆசிரியர்: Dipankar Sarkar. URL: https://www.whatgenerativeai.com/docs/genai-playbook/agents-future/