மார்க் சுக்கர்பர்க் AI ஏஜென்ட்கள் எதிர்பார்த்தளவு வேகமாக முன்னேறவில்லை என்று பணியாளர்களுக்கு கூறினார்

Meta பில்லியன் டாலர்கள் செலவழித்து, ஆயிரக்கணக்கான வேலைகளை நீக்கி, AI ஏஜென்ட்களைச் சுற்றி முழு বিভாగங்களை পুনர்গठனம் செய்தது — ஆனால் ফলாফலங்கள் இன்னும் வரவில்லை. மார்க் சுக்கர்பர்க் AI ஏஜென்ட்கள் நிர்வாகிகள் எதிர்பார்த்த "வகையில்" முன்னேறவில்லை என்று பணியாளர்களுக்கு கூறும்போது, அது சிறிய சரிசெய்தல் அல்ல. இது வரலாற்றில் மிகவும் நன்கு நிதியுதவி செய்யப்பட்ட AI பந்தயங்களில் ஒன்று காலக்கெடு தவறு என்று ஒப்புக்கொள்வது. ஆசியா முழுவதும் உலகளாவிய AI பந்தயத்தைக் கவனிக்கும் டெவலப்பர்கள் மற்றும் நிறுவனர்களுக்கு, இந்த தருணம் ஒரு தோள் சுளுக்கிற்கு மேல் தகுதியுள்ளது.

என்ன நடந்தது

ஜூலை 3, 2026 வியாழக்கிழமை ஒரு உள் டাউன் ஹாலில், Meta CEO மார்க் சுக்கர்பர்க் நிறுவனத்தின் AI ஏஜென்ட் வளர்ச்சி தலைமை எதிர்பார்த்த வேகத்தில் முன்னேறவில்லை என்று பணியாளர்களுக்கு கூறினார். TechCrunch இன் அறிக்கையின் படி, Reuters ஐ மேற்கோள் காட்டி, சுக்கர்பர்க் வேகம் நிர்வாகிகள் முன்னர் எதிர்பார்த்த "வகையில்" முன்னேறவில்லை என்று ஒப்புக்கொண்டார்.

இந்த ஒப்புதல் குறிப்பிடத்தக்க கর்பorate மறுசீரமைப்பின் சூழலில் வந்தது. 2026 ஆம் ஆண்டின் முற்பகுதியில், Meta தோராயமாக 8,000 பணியாளர்களை — அதன் கர்பorate பணிபலத்தின் சுமார் 10% — நீக்கி, மேலும் 7,000 பேரை Agent Transformation என்ற ইউனிட் உட்பட AI-கেंद्रित குழுக்களுக்கு மறுசீரமைப்பு செய்தது. வெட்டுக்கள், சுக்கர்பர்க் கூறியதாக கூறப்படுகிறது, அவை "சுத்தமாக" இருக்க வேண்டியதைப் போல இல்லை. மூத்த தலைமை Meta "மாறிவரும் தொழில்நுட்ப நிலப்பரப்பிற்கு" விரைவாக மாற "போதுமான வேகத்தில் நகரப் போவதில்லை" என்ற பயத்திலிருந்து அந்த முடிவுகளை எடுத்திருந்தது.

புதிய AI-கேंद्रित கட்டமைப்பின் எதிர்பார்க்கப்பட்ட மேல்பக்கம், சுக்கர்பர்க் ஒப்புக்கொண்டபடி, இன்னும் "உண்மையாக வரவில்லை." அடுத்த மூன்று முதல் ஆறு மாதங்களில் மேம்பாடுகள் உருவாகும் என்ற நம்பிக்கையை அவர் வெளிப்படுத்தினார் — ஆனால் அந்த தகுதி ஒப்புதலை மென்மையாக்கவில்லை. Meta இந்த ஆண்டு மட்டும் AI உள்கட்டமைப்பில் $145 பில்லியன் வரை செலவழிக்க எதிர்பார்க்கப்படுகிறது, Reuters இன் படி. ஏற்கனவே நழுவிக் கொண்டிருக்கும் காலக்கெடுவுக்கு எதிராக பொருத்தப்பட வேண்டிய ஒரு அসাধாரண தொகை.

மানব செலவும் உண்மையானது. தனிப்பட்ட அறிக்கைகள் Meta இன் AI ইউனிட்டை அதற்கு ஒதுக்கப்பட்ட பொறியாளர்களுக்கு ஒரு கடினமான, மனச்சோர்வூட்ட சூழல் என விவரித்துள்ளன — ஏஜென்ட் வளர்ச்சி ஏன் நின்று போகலாம் என்பதைப் புரிந்து கொள்ள முயற்சிக்கும்போது இது ஒரு விவரம் முக்கியமாக உள்ளது. ஒரு கடினமான சிக்கலுக்கு தலைமணிக்கு வீசுவது தானாக ফলாফலங்களை உற்பத்தி செய்யாது, குறிப்பாக வேலை செய்யும் மানুষ பணியிலிருந்து துண்டிக்கப்பட்ட உணர்வு கொண்டிருக்கும்போது.

முக்கிய வரி: உலகின் மிகவும் வளமான சামাজिक தளம் தன்னுடைய அருகிய ভবிষ்யத்தை தன்னாட்சி AI ஏஜென்ட்களில் பந்தயம் கட்டியது, மற்றும் ஏஜென்ட்கள் தயாரில்லை.

ஆசியாவுக்கு இது ஏன் முக்கியமானது

ஆசியாவின் AI தருணம் சிலிகன் வேலியின் விதத்திலிருந்து வேறுபட்டு விரிந்து கொண்டிருக்கிறது. தென்கிழக்கு ஆசியா, தென்கொரியா, ஜப்பான் மற்றும் இந்தியாவில், மிகவும் சுவாரஸ்யமான AI-பூர்வீக தயாரிப்புகள் ட்రில்லியன் டாலர் பழைய வாழ்க்கைக்காரர்களிடமிருந்து வருவதில்லை — அவை $145 பில்லியன் செலவழிக்க முடியாத, ஏதாவது வேலை செய்யாது என்பதைக் கண்டுபிடிக்க முடியாத, சாரசரி, வேகமாக நகரும் startups மற்றும் டெவலப்பர் சமூதாயங்களிலிருந்து வருகிறது.

அந்த சமச்சீரற்றதன்மை உண்மையில் இப்போது ஒரு நன்மை. Meta ஆல் AI ஏஜென்ட்களுடன் ஏற்பட்ட தோல்வி பெரிய தளங்கள் எதிர்கொள்ளும் ஒரு கட்டமைப்பு சிக்கலை வெளிப்படுத்துகிறது: அவை ஒரே நேரத்தில் மில்லியன் பயன்பாட்டு நிகழ்வுகளில் நির்ভরযோக்கமான, விளக்கக்கூடிய மற்றும் தணிக்கைக்கு உட்பட்ட ஏஜென்ட்களை தேவை செய்யும் பெரிய அளவில் বিদ்যমান பணிப்பாய்வுகளை மாற்றுவதற்கு অপ்டிமைজ் செய்கிறது. இது ஒரு குறிப்பிட்ட ব்যবসায়িক சூழলுக்கு ஒரு குறிப்பிட்ட, நன்கு வரையறுக்கப்பட்ட பணியைத் தீர்க்கும் ஏஜென்ட் உருவாக்குவதை விட வேறு ஒரு சிக்கல் — இது சரியாக ஆசிய நிறுவனர்கள் செய்யும் விஷயம்.

ஆசியா முழுவதும் প্রকৃত ট্র্যাকশন பெறுவதற்கான AI ஏஜென்ட் பயன்பாட்டு நிகழ்வுகளின் வகைகளைக் கவனியுங்கள்: স்থानীய ভাষায় தானியங்கு வாடிக்கையாளர் ஆதரவு, আঞ்ചலिक লজிஸ்டிக்ஸுக்கான সরবரাহ சங்கிலி সমन்வய, சிக்கலான ஒழுங்குமுறை சூழல்களைக் கொண்ட சந்தைகளில் நிதி ஆவண செயலாக்கம். இவை குறுகிய, உচ்च-மূல்य, உচ்च-நির்ভুলத்தன்மை பணிகள். அவர்களுக்கு பொதுவோদ்দேश்য AI ஏஜென்ட்கள் தேவையில்லை. அவர்களுக்கு நன்கு-நோக்கம் ஏஜென்ட்கள் நির்ভরயோக்கமான கருவி ব்যবহার, இறுக்கமான প্রতিক্রिया loops, மற்றும் বিদ்யமான அமைப்புகளுக்கு ஆழ்ந்த ஒருங்கிணைப்பு தேவை.

ஆசியா தொழில்நுட்ப டெவலப்பர் சமூதாயம் பொதுவாக AI பற்றி அதன் மேற்கத்திய சகாக்களை விட அधिक pragmatic ஆக இருந்துள்ளது. AGI timelines பற்றி குறைந்த hype இருந்துள்ளது மற்றும் இந்த ত்रैमासिक என்ன கப்பல் மற்றும் வருவாய் உত்பத்தி பற்றி அधिक ফোকাস. சுக்கர்பர்க் ஆல் ஒப்புதல் அந்த본능ஐ validate செய்கிறது. அधिक தன்னாட்சி AI பணியாளி கனவை பிடிக்க பதிலாக — constrained, production-grade ஏஜென்ட்கள் quietly உருவாக்கும் டெவலப்பர்கள் வளைவு முன்னே உள்ளனர்.

குறிப்பிடத்தக்க ஒரு திறமை dynamic உள்ளது. Meta 7,000 மানুষ AI குழுக்களுக்கு மறுசீரமைப்பு செய்தது. பெரும்பாலான ஆசிய AI startups ஒரு சிக்கலில் வீசுவதற்கு 7,000 பொறியாளர்கள் இல்லை. அந்த கட்டுப்பாடு architectural clarity கட்டாயப்படுத்துகிறது. நீங்கள் உண்மையில் பராமரிக்க மற்றும் மேம்படுத்த முடியும் என்ன உருவாக்குகிறீர்கள். அந்த விசை நேரம் மீது சிறந்த அமைப்புகளை உற்பத்தி செய்ய முனைகிறது.

டெவலப்பர்களுக்கு இது என்ன அர்த்தம்

நீங்கள் இன்று AI ஏஜென்ட்கள் உருவாக்கினால் — ஒரு தயாரிப்பு அம்சம் அல்லது உள் tooling ஆக — சுக்கர்பர்க் ஆல் ஒப்புதல் internalize மதிப்பு சில practical பாঠங்கள் বহন செய்கிறது.

Scope எல்லாம். உற்பத்தியில் வேலை செய்யும் ஏஜென்ட்கள் குறுகிய. அவர்கள் ஒன்று நன்கு செய்கிறார்கள்: unstructured ஆவணங்களிலிருந்து structured தரவு பிரித்தெடுக்கவும், ஆதரவு டிக்கெட்டுகளை route செய்யவும், ஒரு குறிப்பிட்ட framework க்கான குறியீட்டின் முதல் drafts உত்பத்தி செய்யவும். தோல்வி அடைந்த ஏஜென்ட்கள் "வாடிக்கையாளர் உறவுகளை handle" அல்லது "எங்கள் content pipeline manage" செய்ய கேட்கப்பட்டவை — vague mandates அந்த판断, context-switching, மற்றும் error recovery தேவை current models வெறுமனே நির்ভরযோக்கமாக scale பரிமாணத்தில் deliver செய்யாது.

Reliability capability beat. ஒரு ஏஜென்ட் வெற்றிகரமாக 70% நேரம் ஒரு பணி complete செய்கிறது 70% solution அல்ல — இது ஒரு liability, কারணம் 30% failure விகிதம் unpredictable downstream சேதம் உருவாக்குகிறது. உற்பத்தி ஏஜென்ட் அமைப்புகள் deterministic fallbacks, human-in-the-loop escalation பாதைகள், மற்றும் স्पष्ट observability தேவை. நீங்கள் உங்கள் ஏஜென்ட் என்ன செய்யும் மற்றும் ஏன் பார்க்க முடியாவிட்டால், நீங்கள் அதை மேம்படுத்த முடியாது.

Integration depth model quality விட அधिक முக்கியமாக। ஏஜென்ட் projects க்கான மிகவும் பொதுவான failure mode அंतर्निहित model அல்ல — இது ஏஜென்ட் மற்றும் அமைப்புகள் அதை செயல்பட வேண்டிய connectors இடையே உள்ளது. ஒரு ஏஜென்ட் நன்கு reason முடியும் ஆனால் நির்ভরயோக்கமாக உங்கள் CRM இலிருந்து read, உங்கள் database க்கு write, அல்லது உங்கள் உள் APIs அழைக்க முடியாது உற்பத்தியில் useless உள்ளது. இது ஏன் platforms அந்த prioritize ஆழ்ந்த, நির்ভரயோக்கமான integrations அந்த focus purely model benchmarks விட சிறந்த ஏஜென்ட் outcomes பார்க்கும் உள்ளது.

Reorganization progress க்கு mistaken செய்யாதே। Meta ஒரு "Agent Transformation" ইউனிட் உருவாக்கியது. பெயர் transformation ஏற்கனவே நடக்கிறது imply செய்கிறது. ஆனால் ஒரு goal பிறகு ஒரு team naming goal achieve செய்யாது. டெவலப்பர்கள் உண்மையில் ஏஜென்ட்கள் கப்பல் organizational alignment க்கு காத்திருக்கும் அல்ல — அவர்கள் working prototypes மீது iterating, outcomes measuring, மற்றும் scope tightening என்ன breaks அடிப்படையில் உள்ளனர்.

MonstarX மீது, நாம் ஆசிய development teams உடன் இந்த pattern repeatedly பார்த்துள்ளோம்: ஒரு working ஏஜென்ட் க்கான வேகமான பாதை மிகவும் powerful model அல்லது மிகவும் ambitious use case உடன் starting அல்ல. இது ஒரு நன்கு-வரையறுக்கப்பட்ட பணி உடன் starting, நির்ভரயோக்கமான data sources wiring, மற்றும் உண்மையில் உற்பத்தியில் runs ஏதாவது கப்பல் — பிறகு அங்கிருந்து விரிவாக. அந்த methodology Meta ஆல் top-down transformation approach ஆல் opposite உள்ளது, மற்றும் இப்போது, இது சிறந்த ফলாফலங்கள் உற்பத்தி செய்யும் உள்ளது.

முக்கிய Takeaways

சுக்கர்பர்க் ஆல் town hall ஒப்புதல் ஒரு useful data point, AI ஏஜென்ட்களுக்கு ஒரு death knell அல்ல. இது தெளிவாக read செய்ய எப்படி உள்ளது:

• General-purpose AI ஏஜென்ட்கள் enterprise scale மீது expected விட harder உள்ளனர்। இது ஒன்று உருவாக்க முயற்சி செய்த யாருக்கும் ஒரு surprise அல்ல. Surprise Meta — அதன் resources, திறமை, மற்றும் proprietary models உடன் — இது publicly கூறும் உள்ளது.
• மூன்று-க்கு-ஆறு மாத timeline சுக்கர்பர்க் cited optimistic analysis, ஒரு commitment அல்ல। Treat