हमने मल्टी-एजेंट बनाया था। अब हम एक Okou की ओर क्यों बढ़ रहे हैं

AI सहकर्मियों के बारे में ज़्यादातर लोगों की पहली सोच यह होती है कि उन्हें एक टीम की तरह काम करना चाहिए, यानी हर भूमिका के लिए एक एजेंट। एक इंजीनियरिंग के लिए, एक मार्केटिंग के लिए, और एक जो सिर्फ़ ब्लॉग पोस्ट लिखे।

हमने भी इसे इसी तरह बनाया था। Okou में आप एक वर्कस्पेस के अंदर कई एजेंट बना सकते थे, हर एक का अपना नाम, अवतार, निर्देश और वर्कफ़्लो। अगस्त में हमने एक पोस्ट भी प्रकाशित की थी कि कई एजेंट काम को आपस में कैसे बाँटते हैं और एक-दूसरे को कैसे सौंपते हैं। हमारे अपने वर्कस्पेस में भी ऐसे कई एजेंट थे। Lucas हमारे ब्लॉग पोस्ट लिखता था, Lisa हिसाब-किताब संभालती थी, Iris निवेशकों से जुड़ा काम देखती थी, और मेरे पास Emily नाम का एक एजेंट था जो मेरे ईमेल छाँटता था।

लेकिन यूज़र्स की सहज सोच सिर्फ़ एक संदर्भ बिंदु है। Notion से पहले, डॉक्यूमेंट टूल्स के बारे में लोगों की सोच यह थी कि उनमें हेडर और फ़ुटर होने ही चाहिए।

मल्टी-एजेंट कोई बुनियादी क्षमता भी नहीं है। बुनियादी क्षमताएँ वे हैं जिनकी ज़रूरत आख़िरकार हर AI प्रोडक्ट को पड़ेगी: चैट, स्लाइड और वेबसाइट बनाना, कंप्यूटर चलाना। कई एजेंट इस सूची में नहीं आते।

हमारे पुराने ब्लॉग एजेंट Lucas को ही लीजिए। उसके निर्देशों का लगभग एक-तिहाई हिस्सा वही सामान्य टेम्पलेट है जिसे डिफ़ॉल्ट Okou इस्तेमाल करता है। बाक़ी हिस्से में तीन ख़ास प्रक्रियाएँ हैं: Strapi में ब्लॉग पोस्ट कैसे प्रकाशित करें, हमारी वेबसाइट के लिए use case पेज कैसे लिखें, और रोज़ाना की साइनअप कन्वर्ज़न रिपोर्ट कैसे तैयार करें। Lucas से जुड़े सभी 13 वर्कफ़्लो वर्कस्पेस में पब्लिक हैं। उनमें से कोई भी सिर्फ़ Lucas का नहीं है।

यानी Lucas और डिफ़ॉल्ट Okou के बीच का फ़र्क़ बस एक नाम, एक अवतार और ऐसी तीन प्रक्रियाओं का है जिन्हें वर्कफ़्लो होना चाहिए था। ये प्रक्रियाएँ Lucas के अंदर बंद हैं। डिफ़ॉल्ट Okou से ब्लॉग पोस्ट प्रकाशित करने को कहिए, तो उसके पास इनमें से कोई भी नियम नहीं होता।

जैसे-जैसे एजेंटों की संख्या बढ़ी, वैसे-वैसे उनके कॉम्बिनेशन भी बढ़ते गए। कई एजेंट, कई वर्कफ़्लो और कई बातचीत आपस में टकराती हैं, और हर कॉम्बिनेशन एक ऐसा लॉजिक है जिसे हमें बनाए रखना पड़ता है और यूज़र्स को सीखना पड़ता है। हमारे सामने ऐसे सवाल आए जिनका यूज़र के नज़रिए से हम अच्छा जवाब नहीं दे पाए:

• दो एजेंट एक ही वर्कफ़्लो साझा क्यों नहीं कर सकते?
• मैं Slack में सिर्फ़ Okou से ही बात क्यों कर सकता हूँ, अपने निजी एजेंट से क्यों नहीं? अगर Lucas एक व्यक्ति है, तो मुझे उस तक कहीं भी पहुँच पाना चाहिए।
• मेमोरी सभी एजेंटों में साझा क्यों है? अगर हर एजेंट एक व्यक्ति है, तो हर एक की अपनी मेमोरी होनी चाहिए।

इनमें से हर समस्या हल की जा सकती है, लेकिन हर एक में असली इंजीनियरिंग मेहनत लगती है। इन्हें अनसुलझा छोड़ दें, तो मल्टी-एजेंट एक अधूरा अनुभव ही बना रहता है। हमें ऐसी कोई समस्या ढूँढने में भी मुश्किल हुई जिसे सिर्फ़ कई एजेंट ही हल कर सकें। हमें ज़्यादा बार यही शिकायत सुनने को मिली कि संभालने के लिए एजेंट बहुत ज़्यादा हो गए हैं।

इसलिए हमने तय किया कि हर व्यक्ति को एक Okou मिलेगा। मॉडल अब ज़्यादा सरल है:

• हर व्यक्ति के पास एक डिफ़ॉल्ट Okou है।
• आपका Okou आपका है और निजी है।
• आपका Okou और आपके सहकर्मी का Okou एक ही एजेंट नहीं हैं।
• आपका Okou ऐसा कोई भी वर्कफ़्लो इस्तेमाल कर सकता है जिसे आपके संगठन में किसी ने Public किया हो।

जो चीज़ें पहले किसी एजेंट से जुड़ी रहती थीं, वे अब ज़्यादा सही जगह पर हैं:

• निर्देश आपके हैं। आप एक सेट लिखते हैं, और Okou वेब पर, Slack में और ऑटोमेशन में उसी का पालन करता है।
• वर्कफ़्लो वर्कस्पेस के हैं। कोई सहकर्मी जो Public वर्कफ़्लो प्रकाशित करता है, उसे कोई भी इस्तेमाल कर सकता है, और आप उसकी कॉपी बनाकर उसे अपना बना सकते हैं।
• कनेक्ट किए गए अकाउंट आपके हैं, इसलिए अब आपको यह नहीं चुनना पड़ता कि किस एजेंट को एक्सेस मिले।
• बातचीत प्रोजेक्ट्स में व्यवस्थित रहती हैं, ग्राहक, प्रोजेक्ट या विषय के हिसाब से।

इस मॉडल में एक एजेंट निर्देशों के एक सेट से ज़्यादा कुछ नहीं है। Lucas के अंदर की तीनों प्रक्रियाओं को ऐसे वर्कफ़्लो बन जाना चाहिए जिन्हें कोई भी इस्तेमाल कर सके।

मल्टी-एजेंट असल में किसी संगठन के अंदर का एक मैनेजमेंट तरीक़ा है, यह संभालने का एक तरीक़ा कि AI क्या-क्या कर सकता है। हर संगठन के अपने मैनेजमेंट तरीक़े होते हैं, और कोई एक तरीक़ा सब पर फ़िट नहीं बैठता। एक अकेला एजेंट किसी टूल के ज़्यादा क़रीब है, और टूल को समझना और अपनाना आसान होता है। यूज़र्स को सबसे ज़्यादा ज़रूरत काम पूरा होने की होती है। उसके बाद उस काम के लिए एक टूल की। और सबसे कम ज़रूरत उसे करने के किसी तरीक़े की।

Anthropic की Applied AI टीम ने भी एंटरप्राइज़ एजेंट डिप्लॉयमेंट पर अपनी हाल की एक पोस्ट में कुछ ऐसा ही देखा। कई डिप्लॉयमेंट की तुलना में, Skills वाला एक अकेला एजेंट गुणवत्ता के मामले में अक्सर उस डिज़ाइन से बेहतर रहा जिसमें काम विशेषज्ञ सबएजेंट्स में बँटा था, और कई बार प्रति टास्क कम लागत और कम लेटेंसी के साथ। वे यह भी लिखते हैं कि “बहुत बार हम देखते हैं कि एंटरप्राइज़ हर टीम या हर तरह की समस्या को उसका अपना सबएजेंट दे देते हैं, और एजेंट आर्किटेक्चर उनके ऑर्ग चार्ट की नकल बनकर रह जाता है।” उनकी पोस्ट प्रोडक्ट डिज़ाइन के बजाय एजेंट आर्किटेक्चर के बारे में है, फिर भी यही तर्क यहाँ भी लागू होता है।

आज के AI प्रोडक्ट्स पर नज़र डालें, तो हमें चार मॉडल दिखते हैं:

1. कई एजेंट, कई बातचीत। Okou ऐसा ही था।
2. एक एजेंट, कई बातचीत। ChatGPT, Codex और Claude Cowork इसी तरह काम करते हैं।
3. एक एजेंट, एक बातचीत। Instinct इसी तरह काम करता है।
4. कई एजेंट, हर एक की सिर्फ़ एक बातचीत। Grok bot इसी तरह काम करता है।

हमारे पास सबसे जटिल कॉम्बिनेशन था, और उससे ज़्यादा समस्याएँ हल नहीं हुईं।

हम जानते हैं कि यह एक बड़ा बदलाव है जो पुराने तरीक़े से मेल नहीं खाता। दो बातों ने हमें यह फ़ैसला पहले लेने से रोका: आपसे काम करने का एक नया तरीक़ा सीखने को कहना, यानी एक Okou और वर्कफ़्लो, और आपने जो पहले से बनाया है उसके लिए कोई साफ़ रास्ता न होना। यह रहा वह रास्ता:

• आपकी बातचीत अब भी मौजूद है। आप उन्हें प्रोजेक्ट्स, सर्च और उनके मूल लिंक से ढूँढ सकते हैं।
• अगर आप बातचीत को छाँटने के लिए अलग-अलग एजेंट इस्तेमाल करते थे, तो अब प्रोजेक्ट्स का इस्तेमाल करें। बातचीत को कैटेगरी के हिसाब से समूहों में रखना ही वह मुख्य वजह थी जिसके लिए कई लोगों ने अतिरिक्त एजेंट बनाए। Claude और ChatGPT भी यही ज़रूरत प्रोजेक्ट्स से पूरी करते हैं।
• अगर आपने अलग-अलग एजेंटों के लिए अलग-अलग निर्देश लिखे थे, तो जो बातें उनमें साझा हैं उन्हें अपने निजी निर्देशों में रखें और ख़ास प्रक्रियाओं को वर्कफ़्लो में बदल दें।

हम जितनी जल्दी कई एजेंटों के ऊपर अमूर्त परतें बनाना बंद करें, उतना अच्छा। अब Okou खोलने पर आपको यह तय नहीं करना पड़ता कि किस एजेंट से पूछें। Okou को बताइए कि आपको क्या काम करवाना है, बाक़ी वह संभाल लेगा।