Adobe का ‘Agentic Sites’ प्रयोग: हर विजिटर के लिए रियल-टाइम में तैयार होगा अलग वेबपेज

Adobe के प्रिंसिपल साइंटिस्ट Carlos Sanchez ने “agentic site” का एक प्रोटोटाइप दिखाया—ऐसी वेबसाइट जो विजिटर की मंशा समझकर उसी के अनुरूप पेज को रियल-टाइम में तैयार करती है। इसका लक्ष्य पारंपरिक ऑडियंस सेगमेंट, जैसे “रिटर्निंग कस्टमर” या “आउटडोर प्रेमी”, तक सीमित रहने के बजाय हर व्यक्ति के लिए अलग अनुभव बनाना है। Adobe इसे “audience of one” कहता है। 27

हालांकि, यहां एक जरूरी सावधानी है। सार्वजनिक रिपोर्टों में एक काम करता हुआ डेमो और उससे जुड़े Adobe प्रोडक्ट्स का उल्लेख है—ऐसी आम तौर पर उपलब्ध सेवा का नहीं, जो बड़े पैमाने पर हर विजिटर के लिए एक अनोखा प्रोडक्शन पेज बना दे। 434

Sanchez के डेमो में क्या दिखाया गया?

डेमो में कॉफी मशीन की वेबसाइट दिखाई गई। जब विजिटर ने कैंपिंग के लिए उपयुक्त मशीन खोजी, तो सिस्टम ने पेज के कंटेंट, प्रोडक्ट सुझाव और प्रस्तुति को आउटडोर इस्तेमाल की मंशा के अनुरूप बदल दिया। Sanchez का AI Engineer World’s Fair सत्र “Agentic Sites: Building Hyper Personalized Websites” शीर्षक से था। 33

इसका तरीका किसी भाषा मॉडल से पूरी वेबसाइट मनमाने ढंग से बनवाने जैसा नहीं है। सिस्टम विजिटर की खोज, ब्राउज़िंग व्यवहार और अन्य संकेतों से उसकी मंशा या संभावित persona पहचानता है। इसके बाद वह कंपनी के मौजूदा कंटेंट कॉर्पस से प्रासंगिक और स्वीकृत सामग्री खोजकर पेज तैयार करता है। 234

यह सिस्टम कैसे काम करता है?

इस प्रक्रिया को सरल रूप में ऐसे समझा जा सकता है:

1. मंशा की पहचान: सिस्टम विजिटर की खोज और इंटरैक्शन का संदर्भ देखकर अनुमान लगाता है कि वह जानकारी तलाश रहा है, प्रोडक्ट की तुलना कर रहा है, खरीदारी के लिए तैयार है या किसी खास इस्तेमाल—जैसे कैंपिंग—के लिए विकल्प खोज रहा है।
2. स्वीकृत सामग्री की खोज: Retrieval-Augmented Generation यानी RAG मॉडल को संगठन के मौजूदा कंटेंट और प्रोडक्ट डेटा से संबंधित जानकारी उपलब्ध कराता है।
3. पेज ब्लॉक्स का चयन: वेबसाइट को एक स्थिर, अविभाज्य दस्तावेज मानने के बजाय सिस्टम अलग-अलग हिस्सों को चुन या अनुकूलित कर सकता है।
4. अनुभव को रेंडर करना: हीरो कंटेंट, प्रोडक्ट सुझाव, नेविगेशन और कॉल-टू-एक्शन को विजिटर की अनुमानित जरूरत के हिसाब से एक साथ प्रस्तुत किया जाता है।

यह तरीका ब्रांड नियंत्रण के लिहाज से महत्वपूर्ण है। अगर AI को कंपनी के स्वीकृत कंटेंट और एसेट्स से जोड़ा जाए, तो गलत प्रोडक्ट दावों का जोखिम घट सकता है और भाषा व विजुअल पहचान ब्रांड के अनुरूप रह सकती है। डेमो से जुड़ी रिपोर्टों के अनुसार, सिस्टम शून्य से पेज गढ़ने के बजाय पहले से मौजूद कंटेंट को खोजकर दोबारा संयोजित करता है। 434

Cerebras और Gemma 4 की भूमिका

रिपोर्ट के अनुसार, इस प्रयोग में Google का Gemma 4 मॉडल Cerebras inference इंफ्रास्ट्रक्चर पर चलाया गया। Cerebras के मॉडल कैटलॉग में Gemma 4 31B के लिए लगभग 1,850 आउटपुट टोकन प्रति सेकंड की गति दर्ज है, जबकि कंपनी ने Gemma 4 के एक उपयोग मामले में करीब 2,300 टोकन प्रति सेकंड की गति बताई है। 36

यह गति इसलिए अहम है क्योंकि agentic site को एक ही वेब इंटरैक्शन के दौरान कई काम करने पड़ सकते हैं—मंशा समझना, संदर्भ खोजना, जरूरी पेज ब्लॉक्स चुनना, कॉपी तैयार या संशोधित करना और अंतिम परिणाम लौटाना। तेज inference इस retrieve–reason–compose प्रक्रिया को ऑफलाइन कंटेंट निर्माण तक सीमित रखने के बजाय इंटरैक्टिव अनुभव में इस्तेमाल करने की संभावना बढ़ाता है।

फिर भी, टोकन प्रति सेकंड की गति पूरी वेबसाइट की लेटेंसी के बराबर नहीं होती। नेटवर्क, कंटेंट retrieval, प्रोडक्ट कैटलॉग कॉल, सहमति और पहचान की जांच, ब्राउज़र रेंडरिंग, कैशिंग और बैकएंड डिलीवरी—सभी विजिटर के वास्तविक अनुभव को प्रभावित करते हैं।

स्पीड और लागत कितनी बताई गई?

Sanchez की चर्चा पर आधारित रिपोर्ट के अनुसार, कैंपिंग के लिए कॉफी मशीन खोजने पर सिस्टम ने 1.64 सेकंड में निजीकरण किया, जिसमें करीब एक सेकंड मॉडल कॉल में लगा। उसी रिपोर्ट में दूसरे सेटअप के लिए 4.6 सेकंड का समय और प्रति पेज लगभग $0.01–$0.02 की अनुमानित जनरेशन लागत बताई गई। 1

इन आंकड़ों को प्रोटोटाइप के रिपोर्ट किए गए बेंचमार्क और अनुमान के रूप में देखना चाहिए। ये ऑडिट किए गए सेवा-स्तर के वादे या Adobe की प्रकाशित कीमतें नहीं हैं। इससे यह भी साबित नहीं होता कि हर पेज, हर विजिटर या हर ट्रैफिक पैटर्न पर समान प्रदर्शन मिलेगा।

1–2 सेकंड की लेटेंसी का लक्ष्य क्यों मायने रखता है?

पर्सनलाइजेशन तभी सहज महसूस होगा जब सिस्टम का निर्णय विजिटर को इंतजार कराने वाली रुकावट न बने। करीब एक से दो सेकंड में प्रक्रिया पूरी हो जाए, तो वेबसाइट खोज, विजिटर के आने के संदर्भ या उसकी बदलती जरूरत पर तुरंत प्रतिक्रिया दे सकती है।

इससे “आउटडोर पसंद करने वाले ग्राहक” जैसे बड़े सेगमेंट के बजाय तत्काल जरूरत के आधार पर अनुभव बदला जा सकता है—मसलन, कैंपिंग के लिए कॉफी मशीन ढूंढना, दो प्रोडक्ट की तुलना करना या खरीदारी के लिए तैयार सुझाव देखना।

हालांकि, कम लेटेंसी वेब के बाकी हिस्सों की समस्या खत्म नहीं करती। consent और identity नियंत्रण, प्रोडक्ट व कीमत की पुष्टि, कैटलॉग की गति, CDN व्यवहार, पेज रेंडरिंग और किसी चरण के विफल होने पर fallback व्यवस्था को भी उसी कुल अनुभव बजट में समाना होगा।

Adobe के मौजूदा प्रोडक्ट्स से इसका संबंध

इस प्रोटोटाइप को Adobe के हर मौजूदा AI प्रोडक्ट के साथ एक ही चीज नहीं समझना चाहिए। Adobe के दस्तावेजों के अनुसार, AEM agents फिलहाल AEM as a Cloud Service और Edge Delivery Services के लिए उपलब्ध हैं; अलग-अलग वातावरण में उपलब्धता और रोलआउट की शर्तें अलग हो सकती हैं। 17

Adobe Experience Platform Agent Orchestrator को Experience Platform agents के reasoning और coordination layer के रूप में पेश किया गया है। यह Experience Platform के डेटा का इस्तेमाल कर Adobe और थर्ड-पार्टी agents को मानव निगरानी के साथ समन्वित करने के लिए बनाया गया है। Adobe ने Agent Orchestrator की general availability की घोषणा की है, जबकि दस्तावेजों में कुछ agent क्षमताओं के लिए request-based access और usage-bound trials का भी उल्लेख है। 18192122

अन्य संबंधित क्षमताओं में शामिल हैं:

• Brand Experience Agent: Adobe के अनुसार, यह पेज अपडेट करने, नया कंटेंट बनाने और मौजूदा डिजिटल अनुभवों को AI-driven discovery के लिए आधुनिक बनाने में मदद करता है। 202344
• Content Advisor Agent: यह टीमों को स्वीकृत स्रोत एसेट्स से प्रासंगिक enterprise कंटेंट खोजने और विजुअल वैरिएंट बनाने में मदद करता है। 202743
• Agent Orchestrator: यह Adobe और थर्ड-पार्टी इकोसिस्टम में agents को प्रबंधित और समन्वित करने वाली प्लेटफॉर्म लेयर उपलब्ध कराता है। 182230

ये प्रोडक्ट्स दिखाते हैं कि Adobe कंटेंट, ग्राहक डेटा और डिजिटल अनुभवों के इर्द-गिर्द agentic टेक्नोलॉजी स्टैक बना रहा है। लेकिन इनसे अकेले यह साबित नहीं होता कि Sanchez का हर विजिटर के लिए पेज तैयार करने वाला प्रोटोटाइप पहले से सामान्य, बड़े पैमाने पर उपलब्ध प्रोडक्शन फीचर बन चुका है।

बड़े पैमाने पर इस्तेमाल से पहले क्या बाकी है?

यह तकनीकी डेमो बताता है कि रियल-टाइम पेज असेंबली संभव है। लेकिन हर वेबसाइट के लिए यह संचालन और अर्थशास्त्र की दृष्टि से सही साबित होगी या नहीं, इसका जवाब अभी बाकी है।

ग्राहकों को नियंत्रित प्रयोग करने होंगे

कंपनियों को अपने AEM रिपॉजिटरी, प्रोडक्ट कैटलॉग, identity सिस्टम, consent नीतियों और conversion लक्ष्यों के साथ इसका परीक्षण करना होगा। सवाल केवल यह नहीं होगा कि पेज कितनी तेजी से बनता है, बल्कि यह भी कि क्या इससे उपयोगी परिणाम बेहतर होते हैं और गलतियों या संचालन संबंधी जोखिम में वृद्धि नहीं होती।

सार्वजनिक रिपोर्टिंग के अनुसार, agentic-site का यह खास कॉन्सेप्ट अभी क्लाइंट साइट्स पर बड़े पैमाने पर लॉन्च नहीं हुआ है। 4

व्यापक इंटीग्रेशन जरूरी होंगे

प्रोडक्शन इस्तेमाल के लिए inference, कंटेंट मैनेजमेंट, ग्राहक डेटा, identity और consent, commerce या कैटलॉग सिस्टम, analytics, experimentation, CDN डिलीवरी और brand-asset लाइब्रेरी के बीच भरोसेमंद कनेक्शन चाहिए होंगे। तेज मॉडल कॉल पुराने प्रोडक्ट डेटा या धीमी कैटलॉग सेवा की भरपाई नहीं कर सकती।

ट्रैफिक बढ़ने पर प्रति पेज लागत की जांच होगी

एक इंटरैक्शन पर 1–2 सेंट की लागत छोटी लग सकती है, लेकिन बड़े ट्रैफिक पर यह रकम महत्वपूर्ण हो सकती है। अगर हर महत्वपूर्ण इंटरैक्शन के बाद अनुभव दोबारा बनाया जाए, तो खर्च और बढ़ सकता है।

इसलिए caching, स्वीकृत ब्लॉक्स का पुन: उपयोग, चुनिंदा regeneration और यह तय करने के स्पष्ट नियम कि कब मॉडल को कॉल ही न किया जाए—बिजनेस केस के लिए अहम होंगे। सार्वजनिक जानकारी से यह स्पष्ट नहीं है कि हर विजिटर को अलग generated experience देने वाली दुनिया में Adobe की अंतिम pricing संरचना क्या होगी।

हर generated block के लिए गवर्नेंस चाहिए

भरोसेमंद deployment में कम से कम इन नियंत्रणों की जरूरत होगी:

• स्वीकृत कंटेंट स्रोत और retrieval की सीमाएं;
• प्रोडक्ट attributes, उपलब्धता और कीमत की पुष्टि;
• अनुमत layouts, components और calls to action;
• brand voice और visual identity के नियम;
• accessibility और localization जांच;
• प्रतिबंधित या regulated claims पर नियंत्रण;
• approval और audit trail;
• monitoring, rollback और drift detection; तथा
• human review के लिए स्पष्ट सीमाएं।

इस कॉन्सेप्ट का मजबूत और व्यावहारिक रूप कोई अनियंत्रित AI वेबसाइट नहीं है। यह एक governed assembly system है, जिसमें AI तेजी से तय करता है कि विजिटर की मौजूदा मंशा के लिए कौन से स्वीकृत ब्लॉक्स दिखाए जाएं और उन्हें कैसे ढाला जाए।

निष्कर्ष

Sanchez का डेमो संकेत देता है कि वेबसाइट स्थिर, पहले से लिखे गए पेजों का संग्रह भर नहीं रहेगी; वह एक runtime decision layer भी बन सकती है। Cerebras inference और Gemma 4 reasoning चरण को इतना तेज बनाते हैं कि रियल-टाइम उपयोग मामलों की जांच संभव हो, जबकि AEM और retrieval-based grounding तथ्यात्मक तथा ब्रांड-नियंत्रित आउटपुट का रास्ता देते हैं। 13617

लेकिन फिलहाल headline एक प्रोटोटाइप की है, किसी पूरी तरह तैयार प्रोडक्ट कैटेगरी की नहीं। अगली असली परीक्षा यह होगी कि agentic sites वास्तविक कैटलॉग, consent आवश्यकताओं और बड़े ट्रैफिक के बीच स्पीड, सटीकता, accessibility, governance और मापने योग्य कारोबारी लाभ को एक साथ बनाए रख पाती हैं या नहीं।