کاروباری اداروں کو ایک واحد، عام AI بٹن کی ضرورت نہیں ہے. ان کو ڈومین پر مبنی ایجنٹ سسٹموں کی ضرورت ہے جو ریٹائرل کارس اور پروموشنز، بینک ڈپازٹ اور خطرے کے پرچم، SKU رفتار اور سپلائر OTIF، نیٹ ورک سلائٹس اور انٹرفیس کوورٹس، مریضوں کے سفر اور پروٹوکول انفرادیوں کو سمجھتے ہیں. That’s the center of Praveen Satyanarayana’s vision at Tredence: custom workflows, ontologies, knowledge charts, tools, and metrics for each domain, carried by two non-negotiables that apply everywhere. کاروباری زبان کینونی میٹرک، اجازت والے یونٹس، یونٹس، اور لائنز کو حل کرتا ہے، اور نظام کسی بھی کمپیوٹرنگ کو خرچ کرنے سے پہلے میٹرک، وقت، سیکشن، اور جغرافیائی سطح کو بند کرتا ہے. Ontology-first grounding. Multi-turn بات چیت دوہری فیصلوں کے ساتھ ایک تصدیق سلاٹ کے ذریعے چلتا ہے، ساخت اور واضحیت کے لئے ایک LLM انتباہ، اور شماری حقیقت کے لئے ایک سونے ڈیٹا کی سطح. Reliability over autonomy. ایک دہائی سے زیادہ کے لئے کمپنیوں نے ذخائر اور ڈسپلے میں پیسے ڈالے ہیں جبکہ فیصلے کی تاخیر مستحکم رہتی ہے. آخری مئی کا مسئلہ ایک بصری چیلنج نہیں ہے. یہ ایک دلیل چیلنج ہے. اس کو بند کرنے کے لئے اس کی ضرورت ہوتی ہے کہ سسٹمز جس میں ارادہ، شکل اور ٹیسٹ ہپوتھز کی وضاحت کریں، حکومتی اعداد و شمار کے لئے مطالبات کا نقشہ کریں، اور فیصلہ کرنے کے لئے تیار سفارشات کو ایڈجسٹ کرنے کے لئے ٹریک کے ساتھ واپس کریں. اس بات کا مطلب ہے Milky Way، ایجنٹک فیصلے کے نظام Praveen اور ٹیم نے بیاناتی اور تشخیصی تجزیہ کے لئے تعمیر کیا ہے. یہ کاروباری حقیقت کا علاج کرتا ہے جیسا کہ یہ ہے، اوپر بھاری شرائط، جزوی اعداد و شمار "ٹینلیس میں، ایک ایجنٹ جو کاسٹ، UPC، پرومو، اور اسٹور ہفتے سے بات نہیں کر سکتا ہے اس کے پاس کوئی کاروباری SQL نہیں ہے. "-Praveen Satyanarayana "ہم ایجنٹوں کی سیارے بناتے ہیں، ایک ماسکٹ بوٹ نہیں. ہر ایک کو اس کے ڈومین، اس کے اوزار، اور اس کی گارڈریا جانتے ہیں." -Praveen Satyanarayana What makes this different کیا یہ مختلف کرتا ہے ایجنٹک AI ایک سافٹ ویئر ہے جو کارروائیوں کو منتخب کرتا ہے اور گارڈرایلز کے اندر ایک مقصد کی پیروی کرنے کے لئے آلات کا استعمال کرتا ہے. Praveen کا حصہ یہ ہے کہ اس خیال کو اندازہ لگایا جا سکتا ہے اور تجزیہ کے لئے کنٹرول کیا جا سکتا ہے. زبان کی بنیاد پر. entities، metrics، synonyms، lineage، and admissible join paths پر الفاظ کا نقشہ کریں. منصوبوں کو ٹائموسٹز، ریٹائرز، چارٹ بیکٹرز، اور اسکیم کے اختیارات پر SQL ساخت چیک کے ساتھ محفوظ آلہ کالوں میں جمع کریں.Compile plans into guarded tool calls with timeouts, retries, circuit breakers, and SQL structure checks on schema variants. تجویزوں کو اشیاء کے طور پر علاج کریں. مقابلہ کی وضاحتیں پیدا کریں، ہر ایک کو میدانوں، شمولیتوں، تبدیلیوں، ٹیسٹوں، اور بصریوں سے منسلک کریں، پھر پہلے کی امکان، تصدیق کرنے کے لئے قیمت، اور توقع کردہ معلومات حاصل کرنے کے مطابق درجہ بندی کریں. ایک اہم ماڈل کو واضحات اور پوشیدہیت کو حاصل کرنے کی اجازت دیں جبکہ ایک سونے کی دکان نمبر، مجموعات، فلٹرز اور اعداد و شمار کی ادائیگی کی تصدیق کرتا ہے. ایک فیصلے کی کہانی فراہم کریں. ٹیبلز، اعداد و شمار، اعتماد، اور اکاؤنٹنگ کے لئے مکمل ٹریک کے لنکس فراہم کریں. Why now اب کیوں غلطی کا مرکب کرنا ناپسندیدہ ہے. کم از کم فی مرحلے کی غلطی کی شرح چند مرحلے کے کام کے بہاؤ میں end-to-end قابل اعتمادیت کو تباہ کرتی ہے، لہذا محدود مراحل، تصدیق، اور انسانی دروازے اہم ہیں. بات چیت کی لمبائی بھی ٹوکن کی لاٹینٹی اور لاٹینٹی کو ڈرائیونگ کرتی ہے، لہذا عملی نظام واضح چیک پوائنٹس کے ساتھ مختصر ریاست کے کاموں کو پسند کرتے ہیں. " مختصر، ثابت قدم طویل، ذہین بات چیت کو شکست دیتے ہیں." - Praveen Satyanarayana A crisp domain-native playbook ڈومین Native Playbook سسٹم صرف ایک ماڈل بھیجتا ہے. یہ ڈومین پیکز بھیجتا ہے جو ایک انٹولوجی اور علم گراف، ایک ٹول سیٹ، ہائپٹروں کی ایک ابتدائی لائبریری، اور قبولیت میٹرک شامل ہیں. ریٹائرل، BFSI، سپلائی چین، ٹیلی کام، صحت، اور سفر سب ایک ہی پٹھان کا استعمال کرتے ہیں لیکن مختلف پیکوں کو انسٹال کرتے ہیں. یونٹس اور لائنز ڈومین کے مطابق مختلف ہیں، لہذا قابل اعتماد کو مقامی طور پر مقرر کیا جانا چاہئے اور مرکزی طور پر لاگو کیا جانا چاہئے. " اعتماد کھونے کا سب سے تیز طریقہ غلط شامل / ڈیٹا کے ساتھ فوری طور پر جواب دینے سے ہے." عائشہ کے بارے میں Knowledge graph and ontology operations علم گراف اور انٹولوجی آپریشنز انٹولوجی اور علم گراف زبان اور اعداد و شمار کے درمیان معاہدے کے طور پر کام کرتے ہیں. وہ انٹرویو رشتے، میٹرک رینجنگ، شامل کرنے کی اجازت، سائنیمز، اور پالیسی ٹیگ کو کوڈ کرتے ہیں. وہ بھی راستے کی لاگت اور معیار کے لیبل لے جاتے ہیں لہذا منصوبہ بندی کرنے والے مختصر، قابل اعتماد راستوں کو ترجیح دیتے ہیں. اس layer پر عمل شامل ہیں: ڈرافٹ مینیجرز: شیڈول میں تبدیلیوں، تعریف کی تبدیلیوں، یونٹ کی غلطیوں، اور رشتے کے اختتاموں کو تشخیص کریں. نئے ٹیبلوں کے لئے ڈومین ایڈاپٹرز فراہم کریں اور اسکول کے کاموں کو درست کریں جو کمزور پوائنٹس کو سخت کریں. Synonyms and alias management.Contact a compact term store supported by embeddings for recall and by hard rules for precision.ایک کمپیکٹ term store برقرار رکھیں جو لوڈ کرنے کے لئے انبساطات اور درستگی کے لئے سخت قوانین کی طرف سے حمایت کی جاتی ہے. تصدیق کرنے والوں میں شامل رہیں. execution سے پہلے خفیہ شیڈم کے متغیر پر پیشہ ور چیک اور ساختی SQL ٹیسٹ چلائیں. لائننگ شفافیت: ٹیبلز، یونٹس، فلٹرز، اور مجموعہ کے قوانین کو ایک ٹریک میں ریکارڈ کریں جو رول کی طرف سے تحقیق کی جا سکتی ہے. Custom evaluations and rubrics Custom Assessments اور زمرے جنرل لیڈر بورڈز کاروباری قابل اعتماد کی پیمائش نہیں کرتے ہیں. Milky Way اپنی مرضی کے عنوانات اور قبولیت کے ٹیسٹ کا استعمال کرتا ہے جو رویے کو سیکھنے کے لئے سگنل اور جاؤ لائیو کے دروازے میں تبدیل کرتا ہے. فریمنگ اور گارڈریل سگنل۔ شمار کی وضاحت کریں، وسیع پیمانے پر بند کی درستگی، کمزور معلومات کی درخواستیں، کام کی قسم کا پتہ لگانے، اور روکنے یا لوڈ کرنے کی دستیابی. ایک گولڈ shortlist کے مقابلے میں فیلڈ میپنگ درستگی، ontology گراف پر درستگی کی شرح شامل کریں، lineage کے ساتھ مجموعی قوانین کی پیروی، اور ضرورت کے اعداد و شمار کی موجودگی کے وقت تک پہنچنے کی تاخیر نہیں ہے. منصوبہ بندی اور عملدرآمد سگنل: منصوبہ بندی کی مکمل، اعداد و شمار کے ٹیسٹ کے مناسب، SQL کی ساختی درستگی، عملدرآمد کی کامیابی کی شرح، اور تقسیموں، جماعتوں، outliers، اور کنٹرولز کے درمیان تحقیقاتی گہرائی. نقطہ نظر کے سگنل: وجہ سے منسلک اعتماد، کارروائی کی قیادت کے وقت، کارخانہ دار اور تجزیہ کار کے استعمال کے لئے persona fit، اور ٹریک شفافیت انڈیکس. تعلیم کے سگنل. نقشے کی شکل میں بدلہ دیتا ہے کہ زمرہ بند کی اصلاحات کے لئے کریڈٹ کی وضاحتیں، میدان کی درستگی اور شامل ہونے کی درستگی کے لئے نقشے، ساختی درستگی کے لئے executors، اور Persona Fit اور شفافیت کے لئے رپورٹرز، اعتماد کی حدوں سے اوپر وقت بند کرنے کے لئے ٹیم بونس کے ساتھ. یہ تجزیات مصنوعی کاموں پر غیر فعال طور پر چلتے ہیں جو حقیقی شیڈول کی وضاحت کرتے ہیں اور سایہ یا گارڈ فلائٹ کے طور پر آن لائن چلتے ہیں. How multi-turn reasoning actually runs کس طرح multi-turn منطق واقعی چلتا ہے تصدیق صارف پر کم سے کم وزن کے ساتھ وسیع پیمانے پر بند کرنے کے لئے منسلک کرتا ہے. ہائوسسیز انجن ایک ڈومین لائبریری سے کانگریسوں اور پچھلے کیسوں کے بارے میں تلاش سے بیٹھتا ہے اور تعاون یا مقابلہ کا نشانہ بناتا ہے. نقشہ کار ہر ہائوسسیز کو میدانوں سے منسلک کرتا ہے اور شامل ہوتا ہے اور ایک عوامل کا نقشہ پیدا کرتا ہے. عملدرآمد کار SQL اور ٹائٹ اوٹ اور چارٹ بندروں کے تحت ٹیسٹ کرتا ہے اور تجزیہ کی گہرائی کو ٹریک کرتا ہے. انتباہ اور سونے کے فیصلے کہانی کی معیار اور شمسی حقیقت پر دوبارہ چلتے ہیں. صحافی دستاویزات، اعتماد، اور اگلے اقدامات کے ساتھ کردار کی مخصوص کہانیوں کو جمع کرتا ہے. ہر مرحلے کا ایک میٹرک Reliability and economics by design ڈیزائن کی طرف سے قابل اعتماد اور اقتصادی سٹافولٹ آلے کی دستاویزات، ضمنی اثرات کی پالیسیوں، اور اخراجات کو پکڑتا ہے. آلات ایک ساختہ پیغامات کی واپسی کرتے ہیں جو کامیابی، جزوی کامیابی، نمونہ، اور اخراجات شامل ہیں. تباہ کن کارروائیوں کو گارڈ کیا جاتا ہے. میموری ایک ابدی ٹرانسپیٹ کے بجائے حتمی اور سمیٹک ہے. غیر ریاستی آلات ترجیح دی جاتی ہیں جہاں ممکن ہو. ریاستی ایجنٹوں کو ٹوکن کے اخراجات کو کنٹرول کرنے کے لئے تلاش اور مختصر کنکٹیکٹس کا استعمال کرتے ہیں. Adoption that earns trust قبولیت جو اعتماد حاصل کرتا ہے ٹیموں کو انسان-in-the-loop کے ساتھ شروع ہوتا ہے جہاں تجزیہ کار اسکرپٹ بلاک اور پہلی سفارشات کی تصدیق کرتے ہیں. وہ انسان-on-the-loop کے ساتھ آگے بڑھتے ہیں جہاں روایتی راستے خود کار طریقے سے چلتے ہیں اور استثنا کی ضرورت ہوتی ہے. وہ اس کے بعد لچکدار، اعلی اعتماد کے کام کے جریانوں کے لئے انتخابی اتھارٹی کی اجازت دیتے ہیں rollback اور مکمل ایڈجسٹ کے ساتھ. Open work, stated plainly کاروبار، واضح طور پر بیان کیا گیا Ontology اور graph upkeep real cost. Drift detection and domain curricula are ongoing. reward gaming is possible and must be checked with cross-rubric audits and surprise variants. synthetic-to-real gaps persist and benefit from targeted shadow runs on live incidents. credit assignment in long tracks is noisy, so role-shaped rewards and team bonuses improve stability. Why this vision is credible یہ نظریہ کیوں قابل اعتماد ہے Praveen کا نقطہ نظر ایجنٹک آرکسٹریشن، آلے کا استعمال، وصولی، اور سیگنالوں سے سیکھنے کے ساتھ ملتا ہے، پھر ان کو کارپوریٹ محدودیتوں کے ساتھ متوجہ کرتا ہے. نقطہ نظر یہ ہے کہ یہ انٹولوجی دروازے اور ایک سونے کا فیصلہ اور ماڈیولر ہے جہاں یہ تبادلے کے آلے اور ڈومین ایڈاپٹرز کے ساتھ ہونا چاہئے. اگر آخری میل وقت اور کنٹرول کے تحت تجزیہ کو مفید بنانے کے بارے میں ہے، تو یہ ایک راستہ ہے جو پیداوار اور ڈیزائن کی طرف سے پیمائش میں روکتا ہے. "ایک کہانی صرف اس کی ٹریک کے طور پر مضبوط ہے، ہم ٹریک اور جوابات بھیجتے ہیں." عائشہ کے بارے میں References References کے Oracle، کیا ایجنٹک AI ہے، 2025 Gartner، Top Strategic Technology Trends for 2025, Agentic AI، 2024 گوگل DeepMind، 2024 میں ایجنٹ کی عمر کے لئے جینی 2.0 کی پیشکش کرتے ہوئے. Utkarsh Kanwat, کیوں میں 2025 میں AI ایجنٹوں کے خلاف شرط لگاتا ہوں Navin Chaddha، AI سب سے پہلے پیشہ ورانہ خدمات: عظیم Equalizer آ رہا ہے، 2025. ایجنٹ کے ریلوے اور کاروباری قبولیت پر صنعت کی پوزیشن، 2025۔ یہ کہانی HackerNoon کے کاروباری بلاگنگ پروگرام کے تحت Kashvi Pandey کی طرف سے جاری کی گئی تھی. یہ کہانی HackerNoon کے کاروباری بلاگنگ پروگرام کے تحت Kashvi Pandey کی طرف سے جاری کی گئی تھی.