ഉള്ളടക്കം
നിർദ്ദേശങ്ങൾക്ക് ഉത്തരം പറയുന്ന ചാറ്റ്ബോട്ടുകളിൽ നിന്ന്, സ്വയം തീരുമാനങ്ങൾ എടുത്ത് ജോലികൾ പൂർത്തിയാക്കുന്ന “ഏജന്റുകളി”ലേക്ക് (AI Agents) നിർമ്മിത ബുദ്ധി അതിവേഗം മാറുകയാണ്. ഇമെയിലുകൾക്ക് മറുപടി നൽകുക, കോഡ് എഴുതി ടെസ്റ്റ് ചെയ്യുക, ഗവേഷണം നടത്തി റിപ്പോർട്ടുകൾ തയ്യാറാക്കുക, ഉപഭോക്തൃ പരാതികൾ പരിഹരിക്കുക തുടങ്ങി, മനുഷ്യന്റെ നിരന്തര മേൽനോട്ടമില്ലാതെ തന്നെ ബഹുഘട്ട ജോലികൾ സ്വയം ചെയ്യാൻ കഴിവുള്ള ഈ “ഏജന്റിക് എഐ” (Agentic AI), 2026-ൽ ആഗോള കോർപ്പറേറ്റ് ലോകത്തിന്റെ ഏറ്റവും വലിയ ചർച്ചാവിഷയമായി മാറിയിരിക്കുന്നു. എന്നാൽ ഈ കുതിപ്പിനൊപ്പം തന്നെ, ബഹുഭൂരിപക്ഷം പദ്ധതികളും പരാജയപ്പെടുന്നു എന്ന അസ്വസ്ഥജനകമായ കണക്കുകളും പുറത്തുവരുന്നുണ്ട്.
ഗാർട്നറിന്റെ പ്രവചനം: 40% ആപ്പുകളിലും എഐ ഏജന്റുകൾ
സാങ്കേതിക ഗവേഷണ സ്ഥാപനമായ ഗാർട്നർ (Gartner) പുറത്തുവിട്ട ഒരു റിപ്പോർട്ട് പ്രകാരം, 2025-ൽ വെറും 5%-ൽ താഴെ മാത്രമുണ്ടായിരുന്ന ടാസ്ക്-സ്പെസിഫിക് (task-specific) എഐ ഏജന്റുകളുടെ സാന്നിധ്യം, 2026 അവസാനത്തോടെ 40% എന്റർപ്രൈസ് ആപ്ലിക്കേഷനുകളിലും ഉണ്ടാകുമെന്നാണ് ഗാർട്നറിന്റെ ഔദ്യോഗിക പ്രഖ്യാപനം പ്രവചിക്കുന്നത്. 2028-ഓടെ ഉപയോക്തൃ അനുഭവങ്ങളുടെ 30% നേറ്റീവ് ആപ്ലിക്കേഷനുകളിൽ നിന്ന് ഏജന്റിക് ഫ്രണ്ട്-എൻഡുകളിലേക്ക് മാറുമെന്നും, 2027-ഓടെ ഏജന്റിക് എഐ നടപ്പാക്കലുകളിൽ മൂന്നിലൊന്നും വ്യത്യസ്ത കഴിവുകളുള്ള ഒന്നിലധികം ഏജന്റുകൾ ഒരുമിച്ച് പ്രവർത്തിക്കുന്ന രീതിയിലായിരിക്കുമെന്നും ഗാർട്നർ ചൂണ്ടിക്കാട്ടുന്നു.
സാമ്പത്തികമായി നോക്കുകയാണെങ്കിൽ, 2035-ഓടെ ഏജന്റിക് എഐ എന്റർപ്രൈസ് ആപ്ലിക്കേഷൻ സോഫ്റ്റ്‌വെയർ വരുമാനത്തിന്റെ 30% വരെ സംഭാവന ചെയ്യുമെന്നും, ഇത് $450 ബില്യൺ കടക്കാമെന്നും (2025-ൽ ഇത് വെറും 2% മാത്രമായിരുന്നു) റിപ്പോർട്ട് പ്രവചിക്കുന്നു. അടുത്ത മൂന്ന്-ആറ് മാസത്തിനുള്ളിൽ കമ്പനികൾ വ്യക്തമായ ഏജന്റിക് എഐ തന്ത്രം രൂപീകരിച്ചില്ലെങ്കിൽ മത്സരത്തിൽ പിന്നിലാകുമെന്ന് സി-ലെവൽ എക്സിക്യൂട്ടീവുകൾക്ക് മുന്നറിയിപ്പ് നൽകുന്നുമുണ്ട് ഗാർട്നർ.
എംഐടിയുടെ ഞെട്ടിക്കുന്ന കണ്ടെത്തൽ: 95% പദ്ധതികളും പരാജയം
എന്നാൽ ഈ ആവേശകരമായ പ്രവചനങ്ങൾക്കിടയിൽ, മസാച്യുസെറ്റ്സ് ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് ടെക്നോളജിയുടെ (MIT) ഒരു പഠനം ഗൗരവമായ ഒരു യാഥാർത്ഥ്യം തുറന്നുകാട്ടി. 300 പൊതു എഐ നടപ്പാക്കലുകൾ വിശകലനം ചെയ്ത ഈ പഠനത്തിൽ, ജനറേറ്റീവ് എഐ പൈലറ്റ് പദ്ധതികളിൽ 95%-വും യാതൊരു നിക്ഷേപ പ്രതിഫലവും (ROI) നൽകുന്നതിൽ പരാജയപ്പെടുന്നു എന്നാണ് കണ്ടെത്തിയത് എന്ന് ഫോർബ്സ് റിപ്പോർട്ട് ചെയ്യുന്നു. ഇത്തരം പദ്ധതികളിൽ കമ്പനികൾ ഏകദേശം $30-40 ബില്യൺ നിക്ഷേപിച്ചിട്ടുണ്ടെന്നും റിപ്പോർട്ട് വ്യക്തമാക്കുന്നു.
ശ്രദ്ധേയമായ കാര്യം, 40% കമ്പനികളും ഇതിനകം എഐ ടൂളുകൾ വിന്യസിച്ചിട്ടുണ്ടെങ്കിലും, അതിൽ വെറും 5% മാത്രമേ ജോലിസ്ഥലത്ത് വ്യാപകമായി വിജയകരമായി സംയോജിപ്പിക്കാൻ കഴിഞ്ഞിട്ടുള്ളൂ എന്നതാണ്. ഗവേഷകർ ഇതിനെ “ജെൻഎഐ വിഭജനം” (GenAI Divide) എന്നാണ് വിളിക്കുന്നത്.
എന്തുകൊണ്ടാണ് ഇത്രയധികം പദ്ധതികൾ പരാജയപ്പെടുന്നത്?
എംഐടി ഗവേഷകർ പ്രധാനമായും രണ്ട് കാരണങ്ങൾ ചൂണ്ടിക്കാട്ടുന്നു: 1. “വെരിഫിക്കേഷൻ ടാക്സ്” (Verification Tax): എഐ സിസ്റ്റങ്ങൾ എപ്പോൾ കൃത്യമല്ലെന്ന് വ്യക്തമായി അറിയിക്കാത്തതിനാൽ, ജീവനക്കാർ എഐയുടെ ഔട്ട്പുട്ട് വീണ്ടും വീണ്ടും പരിശോധിക്കാൻ അധിക സമയം ചെലവഴിക്കേണ്ടിവരുന്നു — ഇത് പലപ്പോഴും സമയലാഭം എന്ന ലക്ഷ്യത്തെ തന്നെ ഇല്ലാതാക്കുന്നു. 2. “ലേണിംഗ് ഗ്യാപ്പ്” (Learning Gap): മിക്ക എന്റർപ്രൈസ് എഐ ടൂളുകളും ഉപയോക്താക്കളുടെ തിരുത്തലുകളിൽ നിന്ന് പഠിക്കുകയോ, നിലവിലുള്ള ജോലി രീതികളുമായി ശരിയായി പൊരുത്തപ്പെടുകയോ ചെയ്യുന്നില്ല. ഇത് പദ്ധതികൾ വലിയ തോതിൽ വ്യാപിപ്പിക്കുന്നതിന് മുൻപ് തന്നെ നിലച്ചുപോകാൻ കാരണമാകുന്നു.
വിജയിച്ച 5% കമ്പനികൾ പൊതുവായി പങ്കുവയ്ക്കുന്ന മൂന്ന് സവിശേഷതകൾ — എഐയുടെ ഉറപ്പില്ലായ്മ (uncertainty) സുതാര്യമായി അറിയിക്കുക, ബിസിനസ് വർക്ക്ഫ്ലോകളിൽ നേരിട്ട് സംയോജിപ്പിക്കുക, ഉപയോക്തൃ തിരുത്തലുകളെ അടിസ്ഥാനമാക്കി തുടർച്ചയായി മെച്ചപ്പെടുത്തുക എന്നിവയാണ്.
എന്താണ് ഈ വൈരുദ്ധ്യത്തിന്റെ അർത്ഥം?
ഗാർട്നറിന്റെ ശുഭാപ്തി പ്രവചനവും എംഐടിയുടെ കടുത്ത യാഥാർത്ഥ്യബോധവും തമ്മിലുള്ള ഈ വൈരുദ്ധ്യം യഥാർത്ഥത്തിൽ ഒരു വൈരുദ്ധ്യമല്ല — മറിച്ച് സാങ്കേതികവിദ്യയുടെ ഒരു സ്വാഭാവിക പരിവർത്തന ഘട്ടത്തിന്റെ രണ്ട് വശങ്ങളാണ്. ദത്തശേഖരണം (adoption) അതിവേഗം വളരുകയാണെങ്കിലും, ശരിയായ നടപ്പാക്കൽ തന്ത്രമില്ലാതെ വെറും ടെക്നോളജി മാത്രം സ്ഥാപിക്കുന്നത് ഫലം നൽകില്ല എന്നതാണ് പാഠം. “ഏജന്റിക് വാഷിംഗ്” (agentic washing) — അതായത് സാധാരണ ഓട്ടോമേഷൻ ടൂളുകളെ “എഐ ഏജന്റ്” എന്ന് വിളിച്ച് വിറ്റഴിക്കുന്ന പ്രവണത — വിപണിയിൽ വ്യാപകമാണെന്ന് വിദഗ്ധർ മുന്നറിയിപ്പ് നൽകുന്നു.
ഇന്ത്യൻ, കേരള സാഹചര്യത്തിൽ
ഇന്ത്യയിലെ ഐടി സേവന കമ്പനികളും ഗ്ലോബൽ ക്യാപബിലിറ്റി സെന്ററുകളും (GCC) ഇതിനകം തന്നെ ഏജന്റിക് എഐയെ ഗൗരവമായി പരിഗണിക്കുന്നുണ്ട് — കോഡ് ജനറേഷൻ, ഐടി സപ്പോർട്ട്, ധനകാര്യ റിപ്പോർട്ടിംഗ് തുടങ്ങിയ മേഖലകളിൽ ഇത് ജോലി രീതികളെ മാറ്റിമറിക്കാൻ സാധ്യതയുണ്ട്. എന്നാൽ എംഐടി പഠനം കാണിക്കുന്ന അതേ അപകടങ്ങൾ — അമിത പ്രതീക്ഷ, ശരിയായ ഡാറ്റ ഗുണനിലവാരമില്ലായ്മ, ജീവനക്കാരുടെ പരിശീലനക്കുറവ് — ഇവിടെയും ബാധകമാണ്. സാങ്കേതികവിദ്യ സ്വീകരിക്കുന്നതിനൊപ്പം, അതിനെ ശരിയായി വിലയിരുത്താനും നടപ്പാക്കാനുമുള്ള ശേഷി കൂടി വളർത്തേണ്ടത് അനിവാര്യമായി മാറുകയാണ്.
ഉപസംഹാരം
2026 ഏജന്റിക് എഐയുടെ വർഷമായി വിശേഷിപ്പിക്കപ്പെടുന്നു, എന്നാൽ ഈ വളർച്ച എല്ലാവർക്കും ഒരുപോലെ പ്രയോജനം ചെയ്യുന്നില്ല എന്നതാണ് യാഥാർത്ഥ്യം. സാങ്കേതികവിദ്യയുടെ വേഗതയേറിയ പുരോഗതിക്കൊപ്പം, അതിനെ ബുദ്ധിപൂർവ്വം, സുതാര്യമായി, ജീവനക്കാരുടെ യഥാർത്ഥ ജോലി രീതികളിലേക്ക് സംയോജിപ്പിക്കാനുള്ള കഴിവാണ് വിജയവും പരാജയവും തമ്മിലുള്ള വ്യത്യാസം നിർണ്ണയിക്കുന്നത്. ഹൈപ്പിനും യാഥാർത്ഥ്യത്തിനും ഇടയിലുള്ള ഈ വിടവ് നികത്താൻ കമ്പനികൾക്ക് കഴിയുമോ എന്നതാണ് അടുത്ത ഏതാനും വർഷങ്ങളിലെ നിർണായക ചോദ്യം.
സ്രോതസ്സുകൾ (References)
- Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026, Up from Less Than 5% in 2025
- 2026 Hype Cycle for Agentic AI — Gartner
- MIT Says 95% Of Enterprise AI Fail- Here’s What The 5% Are Doing Right — Forbes
- MIT report: 95% of corporate generative AI pilots fail to deliver returns — Computing UK