AI एजेंट के पाँच क्लासिक प्रकार हैं: सिंपल रिफ्लेक्स, मॉडल-बेस्ड रिफ्लेक्स, गोल-बेस्ड, यूटिलिटी-बेस्ड और लर्निंग एजेंट। आसान शब्दों में, ये या तो किसी नियम का पालन करते हैं, जो चल रहा है उसका हिसाब रखते हैं, किसी लक्ष्य की ओर काम करते हैं, कई विकल्पों में से सबसे अच्छा चुनते हैं, या फ़ीडबैक से बेहतर होते जाते हैं। कई सूचियों में दो और प्रकार जोड़े जाते हैं, हायरार्किकल एजेंट और मल्टी-एजेंट सिस्टम, जो इस बारे में हैं कि कई एजेंट मिलकर कैसे काम करते हैं।
यह गाइड हर प्रकार को रोज़मर्रा की ज़िंदगी के एक उदाहरण और बिज़नेस के एक उदाहरण से समझाती है। साथ ही यह एक व्यावहारिक बात भी रखती है: जब कोई AI एजेंट बिज़नेस का काम गलत करता है, तो वजह आमतौर पर कमज़ोर प्लानिंग नहीं होती। वजह यह होती है कि एजेंट गलत तथ्यों के आधार पर काम कर रहा होता है। इसलिए एजेंट चुनते समय पहले यह पूछें कि वह क्या देख सकता है और उसे क्या बदलने की अनुमति है। वह कितना होशियार है, यह बाद की बात है।
AI एजेंट क्या है?
AI एजेंट एक सॉफ़्टवेयर है जो किसी स्थिति को देखता है, तय करता है कि क्या करना है, और फिर वह काम कर देता है। चैटबॉट आपके सवाल का जवाब देता है। एजेंट अगला कदम भी उठा सकता है, जैसे आपका इनबॉक्स पढ़ना, कोई स्प्रेडशीट अपडेट करना या जवाब का ड्राफ़्ट तैयार करना।
ये पाँच प्रकार Stuart Russell और Peter Norvig की पाठ्यपुस्तक Artificial Intelligence: A Modern Approach से आते हैं, जिसे ज़्यादातर यूनिवर्सिटी के AI कोर्स में पढ़ाया जाता है। यह किताब एजेंटों को एक ही सवाल के आधार पर बाँटती है: एजेंट यह कैसे तय करता है कि आगे क्या करना है? AI एजेंट के प्रकारों पर IBM की गाइड भी यही सूची इस्तेमाल करती है।
इसकी कोई एक आधिकारिक परिभाषा नहीं है, और इसमें कोई दिक्कत नहीं। बिज़नेस से जुड़े पाठक के लिए काम की कसौटी सीधी है: क्या यह सिर्फ़ जवाब देता है, या काम भी कर सकता है?
AI एजेंट के 5 क्लासिक प्रकार
इन पाँच प्रकारों को सबसे सरल से सबसे जटिल के क्रम में पढ़ें। यह कोई रैंकिंग नहीं है। अक्सर सरल डिज़ाइन ही सही होता है, और लर्निंग को बाकी चारों में से किसी में भी जोड़ा जा सकता है।
पाँचों क्लासिक प्रकार बताते हैं कि फ़ैसले कैसे लिए जाते हैं। लर्निंग को बाकी चारों में जोड़ा जा सकता है; यह किसी सीढ़ी का आख़िरी पायदान नहीं है। हर डिज़ाइन में संदर्भ की गुणवत्ता ज़रूर जाँचें।
YouTube · IBM Technology
5 Types of AI Agents: Autonomous Functions & Real-World Applications · 28 अप्रैल 2025
पाठ्यपुस्तक वाले प्रकारों पर 10 मिनट का वीडियो, जिसमें हर प्रकार के लिए एक ड्रॉइंग है। 8:23 पर दिया गया सार इन्हें पाँच क्रियाओं में समेटता है: प्रतिक्रिया देता है (reacts), याद रखता है (remembers), लक्ष्य साधता है (aims), आकलन करता है (evaluates), बेहतर होता है (improves)।
1. सिंपल रिफ्लेक्स एजेंट: नियम का पालन करते हैं
यह क्या करता है: "अगर ऐसा हो, तो वैसा करो।" यह सिर्फ़ वही देखता है जो इस समय उसके सामने है।
रोज़मर्रा का उदाहरण: थर्मोस्टैट तापमान 19°C से नीचे जाने पर हीटर चालू कर देता है।
बिज़नेस उदाहरण: इनबॉक्स का एक नियम हर उस ईमेल को, जिसमें "इनवॉइस" शब्द हो, अकाउंट्स पेयेबल टीम के पास भेज देता है।
कहाँ गड़बड़ होती है: हर उस चीज़ में जिसकी नियम को उम्मीद नहीं थी। "इनवॉइस" का ज़िक्र करने वाला कोई न्यूज़लेटर भी आपकी फ़ाइनेंस टीम के पास पहुँच जाता है। नियम यह फ़र्क नहीं पहचान सकता, और हर बार वही गलती दोहराएगा।
कब इस्तेमाल करें: जब स्थिति का अंदाज़ा पहले से लगाया जा सके और गलती की कीमत कम हो।
2. मॉडल-बेस्ड रिफ्लेक्स एजेंट: जो चल रहा है उसका हिसाब रखते हैं
यह क्या करता है: यह अब भी नियमों का पालन करता है, लेकिन जो देख चुका है उसे याद रखता है। इससे उसके पास स्थिति की एक तस्वीर बन जाती है, जिसे पाठ्यपुस्तकें "मॉडल" कहती हैं।
रोज़मर्रा का उदाहरण: रोबोट वैक्यूम याद रखता है कि कौन-से कमरे वह पहले ही साफ़ कर चुका है।
बिज़नेस उदाहरण: एक सपोर्ट असिस्टेंट देखता है कि ग्राहक ने पिछले हफ़्ते भी यही बग रिपोर्ट किया था, इसलिए वह डुप्लिकेट टिकट खोलने के बजाय नए मैसेज को पहले से खुले टिकट में जोड़ देता है।
कहाँ गड़बड़ होती है: जब उसकी तस्वीर पुरानी हो चुकी हो। CRM का कोई पुराना रिकॉर्ड, कोई फ़ैसला जो सिर्फ़ किसी Slack थ्रेड में दर्ज है, या पिछले महीने की स्प्रेडशीट उसे गलत तथ्यों पर पूरे भरोसे के साथ काम करने की ओर ले जाएगी।
कब इस्तेमाल करें: जब सही कदम सिर्फ़ ताज़ा मैसेज पर नहीं, बल्कि पिछले इतिहास पर निर्भर हो।
बिज़नेस टीमों के लिए यही प्रकार सबसे ज़्यादा मायने रखता है, और नवंबर 2026 की शुरुआत में X पर ख़ूब फैली एक पोस्ट दिखाती है कि क्यों। University of Glasgow में लीड डेटा इंजीनियर Gul Saeed Khattak ने एक ऐसे एजेंट के बारे में लिखा, जिससे पिछली तिमाही का रेवेन्यू पूछा गया था:
X · Gul Saeed Khattak (@Ldataengineer) · 3 नवंबर 2026
"It answers in 3 seconds. Clean number. Nice chart. But it used the wrong 'revenue' column. Nobody notices."
(अनुवाद) "यह 3 सेकंड में जवाब देता है। साफ़ आँकड़ा। बढ़िया चार्ट। लेकिन इसने 'revenue' का गलत कॉलम इस्तेमाल किया। किसी का ध्यान नहीं जाता।"
उस कहानी के एजेंट ने गलत तर्क नहीं किया। उसने गलत कॉलम के आधार पर अच्छा तर्क किया। हम इस निदान से सहमत हैं। ध्यान दें कि पोस्ट आगे एक ख़ास डेटा टूल का प्रचार करती है, जिसे हमने टेस्ट नहीं किया है। बिज़नेस के लिए सबक किसी भी टूल से आसान है: एजेंट के जवाब पर भरोसा करने से पहले जाँचें कि उसने कौन-सा स्रोत इस्तेमाल किया।
3. गोल-बेस्ड एजेंट: लक्ष्य की ओर काम करते हैं
यह क्या करता है: आप इसे एक लक्ष्य देते हैं और यह कदमों की योजना बनाता है। "कौन-सा नियम लागू होता है?" पूछने के बजाय यह पूछता है, "किस कदम से मैं लक्ष्य के करीब पहुँचूँगा?"
रोज़मर्रा का उदाहरण: नेविगेशन ऐप रास्ता तय करता है और मोड़ छूट जाने पर नया रास्ता बना देता है।
बिज़नेस उदाहरण: "गुरुवार तक बोर्ड डेक तैयार कर दो।" एजेंट ताज़ा आँकड़े निकालता है, पिछली तिमाही की स्लाइड का लेआउट कॉपी करता है, और खुले सवालों की सूची बनाता है।
कहाँ गड़बड़ होती है: यह सिर्फ़ यह देखता है कि लक्ष्य पूरा हुआ या नहीं। अगर दो योजनाएँ दोनों काम करती हैं, तो उसके पास सस्ती या ज़्यादा सुरक्षित योजना को चुनने की कोई वजह नहीं होती।
कब इस्तेमाल करें: जब आपको पता हो कि कौन-सा नतीजा चाहिए, लेकिन हर बार कदम बदल जाते हों।
4. यूटिलिटी-बेस्ड एजेंट: सबसे अच्छा विकल्प चुनते हैं
यह क्या करता है: यह कई अच्छे विकल्पों की तुलना करता है और उन्हें उन बातों के आधार पर स्कोर देता है जो आपके लिए मायने रखती हैं।
रोज़मर्रा का उदाहरण: फ़्लाइट सर्च, जो कीमत, सफ़र के समय और स्टॉप की संख्या के बीच संतुलन बनाता है।
बिज़नेस उदाहरण: एक ऐड्स असिस्टेंट हर बिक्री की लागत, बचे हुए बजट और हर कैंपेन के पास मौजूद डेटा की मात्रा को तौलकर कैंपेन के बीच बजट खिसकाने का सुझाव देता है।
कहाँ गड़बड़ होती है: स्कोर उतने ही अच्छे होते हैं जितनी आपकी प्राथमिकताएँ। अगर किसी ने तय ही नहीं किया कि रफ़्तार ज़्यादा ज़रूरी है या लागत, तो एजेंट भी तय नहीं कर सकता।
कब इस्तेमाल करें: जब सच में ट्रेड-ऑफ़ हों और एक से ज़्यादा जवाब स्वीकार्य हों।
5. लर्निंग एजेंट: फ़ीडबैक से बेहतर होते हैं
यह क्या करता है: यह देखता है कि उसके पिछले कदमों का नतीजा क्या रहा, और उसी हिसाब से ख़ुद को बदलता है। इसे ऊपर के चारों प्रकारों में से किसी के भी ऊपर जोड़ा जा सकता है।
रोज़मर्रा का उदाहरण: म्यूज़िक ऐप के सुझाव इस हिसाब से बदलते हैं कि आप कौन-से गाने छोड़ते हैं या दोबारा सुनते हैं।
बिज़नेस उदाहरण: एक लीड-स्कोरिंग असिस्टेंट तब लीड्स को बेहतर क्रम में लगाने लगता है, जब सेल्स टीम मार्क कर देती है कि उनमें से कौन-सी लीड असली डील बनीं।
कहाँ गड़बड़ होती है: फ़ीडबैक जो सिखाता है, यह वही सीखता है। अधूरा या असंगत फ़ीडबैक इसे पूरे भरोसे के साथ गलत बना देता है। लर्निंग में सबसे ज़्यादा डेटा और सबसे ज़्यादा समय भी लगता है।
कब इस्तेमाल करें: जब काम बार-बार दोहराया जाता हो और कोई व्यक्ति यह जाँचता रहे कि एजेंट क्या सीख रहा है।
प्रकार 6 और 7: हायरार्किकल एजेंट और मल्टी-एजेंट सिस्टम
ये दोनों बताते हैं कि कई एजेंट कैसे संगठित किए जाते हैं, यह नहीं कि एक एजेंट फ़ैसला कैसे लेता है।
- हायरार्किकल एजेंट: एक "मैनेजर" एजेंट बड़े काम को हिस्सों में बाँटता है और हर हिस्सा किसी दूसरे एजेंट को सौंप देता है।
- मल्टी-एजेंट सिस्टम: कई एजेंट एक ही समस्या पर एक साथ काम करते हैं, और काम को साझा करते हैं या आपस में बाँट लेते हैं।
बिज़नेस उदाहरण: किसी प्रोडक्ट लॉन्च के लिए एक एजेंट प्रतिस्पर्धियों पर रिसर्च करता है, दूसरा लॉन्च ईमेल का ड्राफ़्ट बनाता है, और तीसरा लैंडिंग पेज जाँचता है।
क्या ज़्यादा एजेंट का मतलब बेहतर नतीजे है? यह काम पर निर्भर करता है। जून 2025 में Anthropic ने बताया कि उसके अपने रिसर्च टेस्ट में एजेंटों की एक टीम ने अकेले एजेंट से बेहतर प्रदर्शन किया, लेकिन सामान्य चैट की तुलना में लगभग 15 गुना टोकन (वे इकाइयाँ जिनके आधार पर AI के इस्तेमाल का बिल बनता है) ख़र्च किए। Anthropic ने यह भी कहा कि जिन कामों में हर एजेंट को एक ही संदर्भ की ज़रूरत होती है, उनके लिए यह तरीका ठीक नहीं बैठता (Anthropic)। अक्टूबर 2026 के एक रिसर्च पेपर ने, जिसकी अभी पीयर रिव्यू नहीं हुई है, पाया कि एक-दूसरे को काम सौंपने वाले एजेंट तब तक एक-दूसरे के तथ्यों की दोबारा जाँच नहीं करते थे, जब तक प्रक्रिया उन्हें ऐसा करने के लिए मजबूर न करे (arXiv)।
इसलिए सीख यह नहीं है कि "जितने ज़्यादा एजेंट, उतना बेहतर"। यह वही नियम है जो आप लोगों के साथ अपनाते हैं: हर हैंड-ऑफ़ में साफ़ इनपुट, साफ़ आउटपुट और नतीजे को जाँचने वाला कोई व्यक्ति होना चाहिए।
आज के AI एजेंट कहाँ फ़िट होते हैं
ये पाँच प्रकार ChatGPT और Claude जैसे टूल आने से पहले लिखे गए थे। एक आधुनिक AI एजेंट इनमें से कई को मिलाकर चलता है। यह आपके निर्देशों का पालन करता है (नियम), आपके दस्तावेज़ और पुराने मैसेज पढ़ता है (हिसाब रखना), आपने जो माँगा है उसकी ओर कदमों की योजना बनाता है (लक्ष्य), जब आप चुनने को कहते हैं तो विकल्पों को तौलता है (सबसे अच्छा विकल्प), और जब आप सुधार सेव करते हैं तो बेहतर हो सकता है (फ़ीडबैक)।
इसलिए अगर कोई वेंडर कहे कि उसका प्रोडक्ट "एक गोल-बेस्ड एजेंट" है, तो इससे आपको ज़्यादा कुछ पता नहीं चलता। इसके बजाय तीन सीधे सवाल पूछें:
- यह क्या पढ़ सकता है?
- यह क्या बदल सकता है?
- यह कब रुककर किसी व्यक्ति से पूछता है?
एजेंट के प्रकारों को लेकर आम गलतफ़हमियाँ
"बाद वाले प्रकार हमेशा बेहतर होते हैं।" नहीं। एक सरल नियम सस्ता, तेज़ और जाँचने में आसान होता है। सबसे सरल प्रकार इस्तेमाल करें जिससे काम हो जाए।
"लर्निंग एजेंट अपने आप हर चीज़ से सीखता है।" ज़्यादातर बिज़नेस टूल में यह तभी बेहतर होता है जब कोई सुधार को सेव करे, जैसे अपडेट किए गए निर्देश के रूप में। अगर कोई इसे सेव नहीं करता, तो अगली बार काम फिर शून्य से शुरू होता है।
"ज़्यादा एजेंट का मतलब ज़्यादा क्षमता।" ज़्यादा एजेंट का मतलब है ज़्यादा हैंड-ऑफ़। छोटी-छोटी गलतियाँ भी जुड़ती जाती हैं: अगर हर कदम 95% बार सही हो, तो दस कदम वाली प्रक्रिया सिर्फ़ लगभग 60% बार सही होती है।
"प्रकार से पता चलता है कि यह मेरे बिज़नेस में क्या कर सकता है।" प्रकार बताता है कि यह फ़ैसला कैसे लेता है। यह क्या कर सकता है, यह इस पर निर्भर करता है कि इसकी पहुँच किन चीज़ों तक है और इसे क्या बदलने की अनुमति है।
बिज़नेस टीमों के लिए आसान तरीका: एजेंटों को उनके काम के हिसाब से बाँटें
पाठ्यपुस्तक वाले प्रकार बताते हैं कि एजेंट कैसे सोचता है। सेल्स लीड या ऑपरेशंस मैनेजर को आमतौर पर इस बात की ज़्यादा परवाह होती है कि एजेंट कौन-सा काम करेगा। इसलिए कई टीमों को एजेंटों को भूमिका के हिसाब से बाँटना आसान लगता है। यह सोचने का एक व्यावहारिक तरीका है, कोई आधिकारिक सूची नहीं।
| भूमिका | यह क्या करता है | आपको क्या मिलता है | व्यक्ति अब भी क्या तय करता है |
|---|---|---|---|
| मॉनिटर | किसी स्रोत पर नज़र रखता है और ज़रूरी बातों को फ़्लैग करता है | रोज़ का अलर्ट या सारांश | किन अलर्ट पर कार्रवाई करनी है |
| रिसर्चर | जानकारी जुटाता है और उसकी तुलना करता है | एक ब्रीफ़ या शॉर्टलिस्ट | स्रोत भरोसेमंद हैं या नहीं, और आगे क्या करना है |
| प्रोड्यूसर | इनपुट को ड्राफ़्ट में बदलता है | ईमेल, रिपोर्ट, डेक या पेज | उसमें बदलाव करता है, फिर भेजता या पब्लिश करता है |
| ऑपरेटर | आपके टूल्स के अंदर बदलाव करता है | अपडेट किए गए रिकॉर्ड, शेड्यूल की गई पोस्ट | एक्सेस देता है और बदलावों को मंज़ूरी देता है |
| कोऑर्डिनेटर | कई टूल्स में फैला, कई चरणों वाला काम चलाता है | तैयार पैकेज, जो रिव्यू के लिए वापस सौंपा जाता है | नतीजे की ज़िम्मेदारी लेता है |
लोग पहले से ही पूरे-पूरे काम एजेंटों को सौंप रहे हैं। कंपनी-बिल्डिंग स्टूडियो Late Checkout के CEO Greg Isenberg ने X पर अपने हफ़्ते के बारे में लिखा:
X · Greg Isenberg (@gregisenberg) · 3 नवंबर 2026
"my team is 50+ people in 12 countries, but i talk to my agents more than my human teammates"
(अनुवाद) "मेरी टीम में 12 देशों के 50+ लोग हैं, लेकिन मैं अपने इंसानी साथियों से ज़्यादा अपने एजेंटों से बात करता हूँ"
उसी पोस्ट में वे एक ऐसे चरण का ज़िक्र करते हैं जिसमें कुछ भी बनने से पहले एजेंट उनके आइडिया पर सवाल उठाता है। टेबल की हर भूमिका के लिए यह अच्छी आदत है: काम शुरू करने से पहले एजेंट को लक्ष्य के बारे में सवाल पूछने दें। हमारी राय उनके अंदाज़ जितनी नाटकीय नहीं है। एजेंटों से ख़ूब बात करना ठीक है, बशर्ते क्या भेजा जाए, क्या बदला जाए या किसे मंज़ूरी मिले, यह अब भी लोग ही तय करें।
उदाहरण: सेल्स का एक फ़ॉलो-अप, कदम-दर-कदम
यहाँ देखें कि ये प्रकार एक साधारण काम में कैसे दिखते हैं। यह इस बात का उदाहरण है कि Okou में ये कदम आपस में कैसे जुड़ते हैं, किसी ग्राहक की कहानी नहीं।
अनुरोध। रिन्यूअल कॉल के बाद एक अकाउंट मैनेजर लिखता है: "इस ग्राहक की हिस्ट्री देखो, मेरी टीम के लिए एक ब्रीफ़ तैयार करो, और फ़ॉलो-अप ईमेल का ड्राफ़्ट बनाओ।"
1. पहले तथ्य जाँचें (हिसाब रखना)। एजेंट ईमेल थ्रेड, कॉल नोट्स, CRM रिकॉर्ड और ग्राहक से जुड़ी हाल की ख़बरें पढ़ता है। CRM में लिखा है "रिन्यूअल, स्टैंडर्ड शर्तें"। लेकिन पिछले हफ़्ते के एक ईमेल में लिखा है कि ग्राहक के फ़ाइनेंस प्रमुख तिमाही बिलिंग चाहते हैं। एजेंट नए ईमेल को आधार बनाता है और इस अंतर को एक खुले सवाल के रूप में फ़्लैग करता है।
2. काम की योजना बनाएँ (लक्ष्य)। यह वह सब इकट्ठा करता है जिसकी ब्रीफ़ और ईमेल दोनों को ज़रूरत है: कॉल पर क्या वादा किया गया, क्या अभी बाकी है, और ग्राहक किस अगले कदम पर सहमत हुआ।
3. टीम की पसंद का पालन करें (सबसे अच्छा विकल्प)। अकाउंट मैनेजर पहले ही कह चुका है: "ग्राहक को भेजे जाने वाले ईमेल 150 शब्दों से कम रखो और शुरुआत अगले कदम से करो"। इससे छोटे और विस्तृत ईमेल के बीच का ट्रेड-ऑफ़ तय हो जाता है।
4. ड्राफ़्ट बनाएँ, भेजें नहीं। टीम ने Okou को Gmail ड्राफ़्ट लिखने की अनुमति दी है, लेकिन भेजने की नहीं (Okou क्या है?)। अगर एजेंट को ऐसी एक्सेस चाहिए जो उसके पास नहीं है, तो कोई व्यक्ति उसे मंज़ूरी देता है और तय करता है कि वह कितने समय तक रहेगी।
5. हर पाठक के लिए सही फ़ॉर्मैट इस्तेमाल करें। अंदरूनी टीम को ब्रीफ़ एक ऐसे दस्तावेज़ के रूप में मिलता है जिस पर वह कमेंट कर सके। ग्राहक को एक छोटा ईमेल मिलता है जिससे अगला कदम साफ़ समझ आए।
6. कोई व्यक्ति रिव्यू करता है। अकाउंट मैनेजर बिलिंग से जुड़ा एक वाक्य ठीक करता है, प्राप्तकर्ता जाँचता है, और Send दबाता है।
Okou में तैयार किया गया एक ईमेल (किसी दूसरे काम का उदाहरण डेटा)। Draft लेबल और Send बटन पर ध्यान दें: जब तक कोई व्यक्ति Send नहीं दबाता, कुछ भी बाहर नहीं जाता। पूरे आकार में देखने के लिए इमेज पर क्लिक करें।
7. इसे सेव करें ताकि टीम दोबारा इस्तेमाल कर सके (फ़ीडबैक)। सुधार अगली बार तभी काम आता है जब उसे सेव किया जाए। अकाउंट मैनेजर Okou से इस प्रक्रिया को एक वर्कफ़्लो के रूप में सेव करने को कहता है: किन स्रोतों को जाँचना है, ब्रीफ़ कैसा दिखता है, और यह नियम कि ईमेल ड्राफ़्ट ही रहेंगे। इसके बाद कोई साथी इसे किसी दूसरे ग्राहक के लिए चला सकता है, और इसमें वर्कफ़्लो बनाने वाले के नहीं, बल्कि उसके अपने ईमेल और CRM अकाउंट इस्तेमाल होते हैं (टीमों के लिए Okou)। अगर टीम चाहती है कि यह हर रिन्यूअल कॉल से पहले चले, तो वह शेड्यूल या ट्रिगर के साथ एक ऑटोमेशन जोड़ सकती है।
एजेंट के प्रकारों पर ज़्यादातर लेख कदम 2, यानी प्लानिंग पर ध्यान देते हैं। इस उदाहरण में नतीजे को काम का बनाने वाले थे कदम 1 (नया ईमेल), कदम 4 (ड्राफ़्ट बनाना, भेजना नहीं), कदम 5 (सही फ़ॉर्मैट) और कदम 7 (सुधार को सेव करना)।
सही प्रकार का AI एजेंट कैसे चुनें
काम के बारे में इन सवालों के जवाब दें:
- क्या आप नियम को एक वाक्य में लिख सकते हैं? तो एक सरल नियम काफ़ी हो सकता है।
- क्या सही जवाब पिछले इतिहास पर निर्भर करता है? तो एजेंट को सही स्रोतों तक पहुँच चाहिए, और आपको जाँचना चाहिए कि जब दो स्रोत आपस में मेल न खाएँ तो वह क्या करता है।
- क्या आपको नतीजा पता है, लेकिन कदम नहीं? यह गोल-बेस्ड काम है: रिसर्च ब्रीफ़, रिपोर्ट, पहले ड्राफ़्ट।
- क्या ट्रेड-ऑफ़ हैं? पहले अपनी प्राथमिकताएँ तय करें, फिर एजेंट को उन्हें लागू करने दें।
- क्या यह काम दोहराया जाएगा? योजना बनाएँ कि सुधार कैसे सेव होंगे, ताकि अगली बार काम बेहतर हो।
- बिना पूछे यह ज़्यादा से ज़्यादा क्या बदल सकता है? सिर्फ़ पढ़ने की एक्सेस और ड्राफ़्ट से शुरुआत करें। धीरे-धीरे ज़्यादा एक्सेस दें, और जहाँ हो सके समय-सीमा तय करें।
जब Okou को ऐसी अनुमति चाहिए जो उसके पास नहीं है, तो कोई व्यक्ति ठीक-ठीक देखता है कि क्या माँगा जा रहा है और तय करता है कि इसे कितने समय के लिए अनुमति देनी है।
Okou कहाँ फ़िट होता है
Okou बिज़नेस टीमों के लिए एक AI टीममेट है। आपको एजेंट का प्रकार नहीं चुनना पड़ता। आप काम बताते हैं, ज़रूरी फ़ाइलों और टूल्स की ओर इशारा करते हैं, और Okou संदर्भ जुटाता है, क्लाउड में काम करता है, और ऐसा नतीजा वापस सौंपता है जिसे आप जाँच सकें।
इस गाइड की तीन बातें तय करती हैं कि Okou कैसे काम करता है:
- पहले सही तथ्य। Okou वे ईमेल, दस्तावेज़ और रिकॉर्ड पढ़ता है जिनकी काम को ज़रूरत है, और बदलते तथ्यों को उनके स्रोत से मिलाकर जाँचता है। किसी चैट में आप जो सुधार करते हैं, वे उसी चैट में आगे काम आते हैं। किसी दूसरी चैट का बैकग्राउंड इस्तेमाल करने के लिए आप Okou को उसकी ओर इशारा करते हैं (चैट)।
- सही फ़ॉर्मैट। अपडेट के लिए एक छोटा मैसेज, ऐसे विवरण के लिए एक दस्तावेज़ जिसे रिव्यू करना हो, और जब किसी समूह को साथ बैठकर किसी सुझाव को समझना हो तो वेब पेज या स्लाइड्स।
- सीमाओं के साथ दोबारा इस्तेमाल। सेव किया गया वर्कफ़्लो साथियों को अपने अकाउंट और अनुमतियों के साथ एक तरीका दोबारा इस्तेमाल करने देता है। वर्कफ़्लो शेयर करने से किसी का इनबॉक्स या निजी चैट शेयर नहीं होती।
ज़्यादा उदाहरणों के लिए देखें: असली प्रॉम्प्ट और आउटपुट के साथ AI एजेंट के 20 इस्तेमाल, टीमों के लिए AI एजेंट का संदर्भ प्रबंधन, और Okou कोई काम करने से पहले कैसे पूछता है।
अक्सर पूछे जाने वाले प्रश्न
AI एजेंट के 5 प्रकार कौन-से हैं?
सिंपल रिफ्लेक्स एजेंट तय नियमों का पालन करते हैं। मॉडल-बेस्ड रिफ्लेक्स एजेंट स्थिति का हिसाब भी रखते हैं। गोल-बेस्ड एजेंट किसी लक्ष्य की ओर कदमों की योजना बनाते हैं। यूटिलिटी-बेस्ड एजेंट कई विकल्पों में से सबसे अच्छा चुनते हैं। लर्निंग एजेंट फ़ीडबैक से बेहतर होते हैं। यह सूची Russell और Norvig की AI पाठ्यपुस्तक से आती है और ज़्यादातर कोर्स यही सूची इस्तेमाल करते हैं।
AI में सिंपल रिफ्लेक्स एजेंट क्या है?
यह "अगर ऐसा, तो वैसा" वाले नियमों के सहारे सिर्फ़ उसी पर काम करता है जो उसे इस समय दिख रहा है। इसकी कोई याददाश्त नहीं होती और यह कोई योजना नहीं बनाता। थर्मोस्टैट इसका एक उदाहरण है। बिज़नेस में इनबॉक्स फ़िल्टर और बेसिक रूटिंग नियम इसी तरह काम करते हैं: जब हालात अनुमान के मुताबिक हों तो भरोसेमंद, और जब न हों तो आसानी से धोखा खा जाते हैं।
गोल-बेस्ड और यूटिलिटी-बेस्ड एजेंट में क्या फ़र्क है?
गोल-बेस्ड एजेंट किसी भी ऐसी योजना से संतुष्ट रहता है जो लक्ष्य तक पहुँचा दे। यूटिलिटी-बेस्ड एजेंट विकल्पों की तुलना करता है और सबसे अच्छा चुनता है। गोल-बेस्ड एजेंट शिकागो के लिए कोई भी फ़्लाइट बुक कर देता है। यूटिलिटी-बेस्ड एजेंट वह फ़्लाइट बुक करता है जो आपकी बताई प्राथमिकताओं के आधार पर कीमत, समय और स्टॉप के बीच सबसे अच्छा संतुलन बनाती है।
क्या मल्टी-एजेंट सिस्टम AI एजेंट का एक प्रकार है?
इन्हें एजेंटों को संगठित करने का एक तरीका कहना ज़्यादा सही है। कई एजेंट एक काम को आपस में बाँटते या साझा करते हैं, और उनमें से हर एक अब भी पाँचों क्लासिक प्रकारों में से कोई भी हो सकता है। ज़्यादा एजेंट का मतलब ज़्यादा हैंड-ऑफ़ भी है, और हैंड-ऑफ़ ही वह जगह है जहाँ जाँच सबसे ज़्यादा छूटती है।
क्या बिज़नेस के लिए AI एजेंट के प्रकारों की कोई आधिकारिक सूची है?
नहीं। पाँच क्लासिक प्रकार बड़े पैमाने पर पढ़ाए जाते हैं, लेकिन बिज़नेस में एजेंटों को समूहों में बाँटने के तरीके अलग-अलग हैं। कुछ लोग एजेंटों को विभाग के हिसाब से बाँटते हैं, कुछ इस हिसाब से कि वे कितने स्वतंत्र हैं, और कुछ भूमिका के हिसाब से, जैसे इस गाइड की मॉनिटर, रिसर्चर, प्रोड्यूसर, ऑपरेटर और कोऑर्डिनेटर भूमिकाएँ। किसी भी समूह को योजना बनाने के टूल की तरह इस्तेमाल करें, किसी मानक की तरह नहीं।
छोटे बिज़नेस को किस प्रकार के AI एजेंट से शुरुआत करनी चाहिए?
ऐसे काम से शुरुआत करें जो दोहराया जाता हो, जिसका नतीजा साफ़ हो, और जिसे कुछ भी बाहर जाने से पहले सुरक्षित तरीके से जाँचा जा सके, जैसे साप्ताहिक रिपोर्ट, रिसर्च ब्रीफ़ या फ़ॉलो-अप ईमेल के ड्राफ़्ट। एजेंट को उन चीज़ों को पढ़ने की एक्सेस दें जिनकी उसे ज़रूरत है, ईमेल भेजने और रिकॉर्ड बदलने का काम किसी व्यक्ति के पास रखें, और ज़्यादा एक्सेस तभी दें जब वह भरोसेमंद साबित हो जाए।
