उत्तरप्रकाशित14 स्रोत
Dell का Agentic AI प्लेबुक: AI एजेंट पायलट से प्रोडक्शन तक कैसे पहुंचते हैं
Dell के अनुसार, generative AI असिस्टेंट से agentic AI की ओर बदलाव का मतलब सवालों के जवाब देने से आगे बढ़कर तय कारोबारी काम को स्वायत्त रूप से पूरा करना है। कंपनी ने लगभग 900 संभावित AI प्रोजेक्ट्स को घटाकर करीब 13 लक्षित पहलों पर ध्यान केंद्रित किया, जिनमें CRM डेटा क्लीनअप, सॉफ्टवेयर डेवलपमेंट और प्राइसिंग सपोर्ट श...
प्रकाशितकर्ताGPT-5.6 Luna से संपादितGPT Image 1.5 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- Dell के अनुसार, generative AI असिस्टेंट से agentic AI की ओर बदलाव का मतलब सवालों के जवाब देने से आगे बढ़कर तय कारोबारी काम को स्वायत्त रूप से पूरा करना है।
- कंपनी ने लगभग 900 संभावित AI प्रोजेक्ट्स को घटाकर करीब 13 लक्षित पहलों पर ध्यान केंद्रित किया, जिनमें CRM डेटा क्लीनअप, सॉफ्टवेयर डेवलपमेंट और प्राइसिंग सपोर्ट शामिल हैं।
- Dell का कहना है कि प्रोडक्शन एजेंट्स के लिए मेमोरी बैंडविड्थ, CPU आधारित ऑर्केस्ट्रेशन, हाइब्रिड आर्किटेक्चर, एजेंट पहचान और बारीक एक्सेस कंट्रोल बेहद महत्वपूर्ण होंगे।
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Dell Technologies argue at The Six Five Summit: AI Unleashed 2026 about agentic AI’s transition from pilots to production, how it d. Article summary: Dell’s core argument was that agentic AI is becoming a production operating model: not chatbots that help people find or summarize information, but governed systems that autonomously execute defined work. The detailed nu. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
25 अगस्त 2026 को हुए The Six Five Summit: AI Unleashed 2026 में Dell Technologies ने agentic AI को चैटबॉट्स के लिए नया मार्केटिंग नाम नहीं, बल्कि कंपनियों के काम करने का एक नया production operating model बताया। Dell के फ्रेमवर्क में असली AI एजेंट वह सिस्टम है जो किसी स्पष्ट लक्ष्य की दिशा में काम कर सके, डिजिटल टूल्स और कारोबारी सिस्टम्स से जुड़ सके और सीमित मानवीय हस्तक्षेप में पूरा वर्कफ़्लो चला सके। हालांकि, कंपनी की उत्पादकता, लागत और कारोबारी प्रभाव से जुड़े आंकड़े उसके अपने दावे हैं; इन्हें स्वतंत्र रूप से सत्यापित उद्योग-स्तरीय बेंचमार्क नहीं माना जाना चाहिए। 1
5
चैटबॉट से स्वायत्त काम तक का बदलाव
Enterprise generative AI की पहली लहर का मुख्य उद्देश्य कर्मचारियों को कंपनी के निजी डेटा में खोज, सारांश और सवाल-जवाब की सुविधा देना था। Dell के मुताबिक, अगला चरण डेटा तक पहुंच आसान बनाने से आगे बढ़कर काम को ही डिजिटल रूप देना है—यानी किसी परिभाषित कार्य को मानव स्तर से सॉफ्टवेयर स्तर पर स्थानांतरित करना। 1
4
यहीं से “agent washing” का मुद्दा सामने आता है। इसका अर्थ है साधारण बॉट, असिस्टेंट या स्क्रिप्टेड ऑटोमेशन को “autonomous AI agent” के रूप में पेश करना। Dell की परिभाषा में चैटबॉट मुख्यतः उत्तर तैयार करता है, जबकि एजेंट को लक्ष्य हासिल करने, टूल्स से बातचीत करने, निर्णय-क्रम बनाने और कारोबारी प्रक्रिया में कार्रवाई करने की क्षमता रखनी चाहिए। 2
5
Dell ने कहा कि उसने शिखर सम्मेलन से करीब दो साल पहले एजेंट बनाना शुरू कर दिया था और शुरुआती एजेंट्स को पिछले वर्ष प्रोडक्शन में लगाया। कंपनी ने खुद को इस प्रयोग का “Customer Zero” बनाया—अर्थात पहले अपने ही संगठन में तकनीक को परखा। 2
900 AI विचारों से केवल 13 लक्षित पहलें क्यों?
Dell के अनुसार, उसने शुरुआत में लगभग 900 संभावित AI प्रोजेक्ट्स की पहचान की थी। बाद में इन्हें घटाकर करीब 13 लक्षित पहलों तक सीमित किया गया। चयन में कारोबारी प्राथमिकताओं, प्रक्रियाओं के विश्लेषण और मापे जा सकने वाले नतीजों पर जोर दिया गया, ताकि बड़ी संख्या में अलग-अलग प्रयोग चलते न रहें और संसाधन बिखरें नहीं। 1
2
Dell द्वारा बताए गए प्रोडक्शन इस्तेमालों में शामिल हैं:
- CRM डेटा क्लीनअप: डेटा की गुणवत्ता से जुड़े दोहराव वाले काम को एजेंट के हवाले करना।
- सॉफ्टवेयर डेवलपमेंट: कोडिंग और उससे जुड़े कार्यों में सहायता।
- प्राइसिंग सपोर्ट: कीमत तय करने और संबंधित संचालन में agentic workflows का इस्तेमाल।
- ट्रैवल बुकिंग और दस्तावेज़ों का सारांश: अपेक्षाकृत सरल स्वायत्त कार्यों के उदाहरण।
2
5
Dell का मुख्य संदेश यह नहीं था कि हर कारोबारी प्रक्रिया को एजेंट की जरूरत है। उसका तर्क है कि कंपनियों को पहले ऐसा विशिष्ट काम चुनना चाहिए जिसका कारोबारी परिणाम साफ तौर पर मापा जा सके और फिर उसी के लिए सबसे छोटा, उपयोगी सिस्टम बनाना चाहिए। यही अंतर किसी वास्तविक प्रोडक्शन डिप्लॉयमेंट और सामान्य AI पायलट के बीच होता है।
उत्पादकता और कारोबारी प्रभाव पर Dell का दावा
Dell ने कहा कि शुरुआती, task-level deployments से उत्पादकता में लगभग 20% से 40% तक सुधार हो सकता है। कंपनी का यह भी तर्क है कि यदि एजेंट किसी पूरे काम-केंद्र या कार्य-श्रेणी को संभालने लगें, तो लाभ इससे कहीं बड़ा—संभवतः “orders of magnitude”—हो सकता है। 2
5
इन आंकड़ों को Dell के बताए परिणामों और अपेक्षाओं के रूप में पढ़ना चाहिए, न कि सभी कंपनियों पर लागू होने वाले स्वतंत्र प्रमाण के रूप में। Dell ने यह भी कहा कि उसके आंतरिक AI प्रयासों ने राजस्व वृद्धि को लागत संरचना से कुछ हद तक अलग करने में मदद की। लेकिन उपलब्ध साक्ष्य यह नहीं बताते कि उस प्रभाव में अलग-अलग एजेंट्स का कितना योगदान था या सीधा कारण-परिणाम संबंध क्या था। 2
किसी खरीदार के लिए विश्वसनीय business case तैयार करने में कई बातें स्पष्ट करनी होंगी: कौन-सा काम स्वचालित होगा, मानव समय किस तरह बचेगा या दूसरी जगह लगाया जाएगा, मॉडल inference और orchestration की लागत कितनी होगी और एजेंट को बिना लगातार निगरानी के काम करने की अनुमति देने पर कौन-से नियंत्रण जरूरी होंगे।
Agentic workloads इंफ्रास्ट्रक्चर की जरूरतें कैसे बदलते हैं?
Dell का इंफ्रास्ट्रक्चर तर्क है कि प्रोडक्शन agentic AI, चैटबॉट inference का केवल बड़ा संस्करण नहीं है। यहां बाधा कई बार raw computing power के बजाय मेमोरी क्षमता और मेमोरी बैंडविड्थ बन सकती है। लंबे समय तक चलने वाले workflows अपनी स्थिति को key-value caches में बनाए रखते हैं। ऐसे मामलों में उपलब्ध GPU compute पूरी तरह इस्तेमाल होने से पहले मेमोरी खत्म हो सकती है। 2
4
AI training में आम तौर पर बड़े और अपेक्षाकृत स्थिर datasets पर काम होता है। इसके विपरीत, प्रोडक्शन एजेंट्स enterprise systems से लगातार, लेकिन असमान और बेहद लक्षित data requests कर सकते हैं। बड़े पैमाने पर तैनाती में इसलिए केवल model throughput नहीं, बल्कि data delivery और tail latency—यानी सबसे धीमे अनुरोधों का response time—भी महत्वपूर्ण हो जाता है। 2
4
CPUs की भूमिका भी बढ़ती है। वे orchestration, branching logic, retrieval, tool calls और अलग-अलग components के बीच संचार संभालते हैं, जबकि GPUs उपयुक्त model workloads को प्रोसेस करते हैं। Dell ने कहा कि पारंपरिक AI deployments में लगभग 8:1 से 16:1 CPU-to-GPU ratio agentic systems में घटकर करीब 1:1 या 2:1 तक जा सकता है। 2
कंपनी का सुझाया समाधान हर उपयोग के लिए अलग, single-purpose stack बनाने के बजाय reusable platform infrastructure तैयार करना है। Dell hybrid architecture का समर्थन करता है, जिसमें workloads को compliance, performance, data control और लागत की जरूरत के अनुसार on-premises systems, private cloud, public APIs या device-based models पर रखा जा सकता है। 4
5
हर AI एजेंट की कीमत एक जैसी नहीं होगी
स्वायत्त workflows के साथ मॉडल की लागत को उस काम के मूल्य से मिलाना जरूरी हो जाता है। Dell ने दो बिल्कुल अलग उदाहरण दिए: किसी executive decision-support agent पर लगभग 100,000 डॉलर प्रति माह खर्च उचित हो सकता है, जबकि CRM cleanup agent को 0.50 डॉलर प्रति रिकॉर्ड से कम लागत पर चलना पड़ सकता है। 2
ये सार्वभौमिक price benchmarks नहीं हैं। इन उदाहरणों का उद्देश्य यह दिखाना है कि हर काम के लिए सबसे शक्तिशाली और महंगा मॉडल चुनना आर्थिक रूप से सही नहीं होगा। कंपनियों को high-volume routine work के लिए छोटे मॉडल, जटिल reasoning के लिए बड़े मॉडल और latency, data sovereignty या compliance की जरूरत के अनुसार अलग deployment locations की जरूरत पड़ सकती है। 2
5
हर एजेंट की अपनी डिजिटल पहचान क्यों जरूरी है?
Dell ने कहा कि उसके डेटा तक पहुंचने वाले हर autonomous agent को अलग Dell digital identity दी जाती है। इससे fine-grained authorization लागू किया जा सकता है और जरूरत पड़ने पर उस एजेंट की अनुमति वापस ली जा सकती है। पहचान निष्क्रिय करना एजेंट की पहुंच के लिए एक तरह के kill switch की तरह काम कर सकता है। 2
5
यह व्यवस्था खास तौर पर headless agents के लिए अहम है। Headless agent ऐसा सिस्टम है जो user interface या वास्तविक समय में मानवीय निगरानी के बिना काम करता है। यदि कोई एजेंट सीधे enterprise tools के माध्यम से कार्रवाई कर सकता है, तो संगठन को यह पता होना चाहिए कि कार्रवाई किस एजेंट ने की, उसे किस डेटा तक पहुंच की अनुमति थी और उसे मानव उपयोगकर्ता के credentials पर निर्भर हुए बिना कैसे रोका जाए। इसलिए least-privilege permissions, स्वतंत्र agent identities, authorization, logging और revocation स्वायत्त AI के मूल सुरक्षा नियंत्रण बन जाते हैं। 4
5
Dell ने A2A और MCP जैसे agent communication और control protocols तथा post-quantum cryptography की तैयारी को भी उभरते governance environment का हिस्सा बताया। 2
हालांकि, उपलब्ध साक्ष्य यह नहीं बताते कि भविष्य की AI deployments में headless agents का अनुपात कितना होगा। इस सवाल पर कोई सटीक प्रतिशत देना उपलब्ध स्रोतों से समर्थित नहीं है।
6,800 नौकरियों का विश्लेषण: काम बदलेगा, केवल नौकरियां नहीं जाएंगी
Dell ने कहा कि उसने 6,800 jobs का विश्लेषण किया, ताकि यह समझा जा सके कि किसी भूमिका के कौन-से हिस्से एजेंट संभाल सकते हैं और किन हिस्सों में अब भी मानवीय निर्णय जरूरी है। 2
कंपनी का निष्कर्ष है कि एजेंट अक्सर पूरी नौकरी खत्म करने के बजाय उसके भीतर मौजूद खास कार्यों को बदलेंगे। इस मॉडल में एजेंट productivity tasks, प्रशासनिक “hygiene” और coordination work संभाल सकते हैं, जबकि कर्मचारी expert judgment और मानवीय संपर्क वाले कामों पर अधिक समय दे सकते हैं। 2
5
यह workforce restructuring का दृष्टिकोण है, नौकरियां खत्म न होने की गारंटी नहीं। किसी भूमिका के बने रहने पर भी उसकी जिम्मेदारियां, कर्मचारियों की संख्या, आवश्यक कौशल और जवाबदेही बदल सकती है। इसलिए कंपनियों के सामने असली चुनौती केवल तकनीक खरीदना नहीं, बल्कि organizational design है: कौन-सा काम सौंपना है, कौन-से निर्णयों की जिम्मेदारी इंसानों के पास रहनी चाहिए और workflow बदलने के बाद performance कैसे मापनी है।
Enterprise AI खरीदारों के लिए Dell की चार कसौटियां
Dell की प्रस्तुति के आधार पर पायलट से प्रोडक्शन तक जाने की रणनीति को चार सवालों में समेटा जा सकता है:
- क्या सिस्टम वास्तव में autonomous है? किसी चैटबॉट का नाम बदल देने से वह एजेंट नहीं बन जाता।
- क्या वह स्पष्ट और मूल्यवान workflow पूरा करता है? 900 से 13 तक की कटौती prioritization की अहमियत दिखाती है।
- क्या इंफ्रास्ट्रक्चर state, latency, orchestration और task-specific economics संभाल सकता है? Agentic inference, training या सामान्य chatbot use से अलग तरह से मेमोरी और data delivery पर दबाव डाल सकता है।
- क्या संगठन एजेंट को नियंत्रित और जवाबदेह बना सकता है? Autonomous access बढ़ाने से पहले identity, authorization, logging, revocation और human accountability की व्यवस्था जरूरी है।
Dell का व्यापक तर्क है कि agentic AI तभी सार्थक बनती है जब वह वास्तविक काम से जुड़ी हो और वास्तविक कारोबारी परिणामों के आधार पर मापी जाए। साथ ही सावधानी भी जरूरी है: कंपनी के उदाहरण और लाभ उसके अपने अनुभव और दावों को दर्शाते हैं, यह गारंटी नहीं कि हर संगठन को agentic AI से वही परिणाम मिलेंगे।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"Dell का Agentic AI प्लेबुक: AI एजेंट पायलट से प्रोडक्शन तक कैसे पहुंचते हैं" का संक्षिप्त उत्तर क्या है?
Dell के अनुसार, generative AI असिस्टेंट से agentic AI की ओर बदलाव का मतलब सवालों के जवाब देने से आगे बढ़कर तय कारोबारी काम को स्वायत्त रूप से पूरा करना है।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
Dell के अनुसार, generative AI असिस्टेंट से agentic AI की ओर बदलाव का मतलब सवालों के जवाब देने से आगे बढ़कर तय कारोबारी काम को स्वायत्त रूप से पूरा करना है। कंपनी ने लगभग 900 संभावित AI प्रोजेक्ट्स को घटाकर करीब 13 लक्षित पहलों पर ध्यान केंद्रित किया, जिनमें CRM डेटा क्लीनअप, सॉफ्टवेयर डेवलपमेंट और प्राइसिंग सपोर्ट शामिल हैं।
मुझे अभ्यास में आगे क्या करना चाहिए?
Dell का कहना है कि प्रोडक्शन एजेंट्स के लिए मेमोरी बैंडविड्थ, CPU आधारित ऑर्केस्ट्रेशन, हाइब्रिड आर्किटेक्चर, एजेंट पहचान और बारीक एक्सेस कंट्रोल बेहद महत्वपूर्ण होंगे।