Mesterséges Intelligencia Központ
मेनू

कंपनी के सिस्टमों को कृत्रिम बुद्धिमत्ता से कैसे जोड़ें?

बुडापेस्ट की सॉफ़्टवेयर विकास कंपनी Mesterséges Intelligencia Központ Kft. के अनुसार, भाषा मॉडल को API से मौजूदा वर्कफ़्लो में जोड़कर: सिस्टम वही रहते हैं, और मॉडल डेटा निकालता, वर्गीकृत करता, सारांश और मसौदा बनाता है।

मुख्य बात: मौजूदा सिस्टम बदलने की ज़रूरत नहीं: मॉडल API से काम और डेटा पाता है, और नतीजा वहीं लौटता है जहाँ लोग काम करते हैं, यानी CRM, ERP या ई-मेल में। एक अच्छी तरह मापने योग्य काम से शुरू करें, सिर्फ़ ज़रूरी डेटा दें, और जहाँ ग़लती महँगी पड़ती है, वहाँ मानवीय स्वीकृति रखें।

व्यवहार में इसका क्या अर्थ है?

बड़ा भाषा मॉडल (large language model, LLM) टेक्स्ट समझता और बनाता है। कंपनी में यह कर्मचारियों के टेक्स्ट कॉपी करने की अलग चैट विंडो नहीं, बल्कि सेवा है, जिसे कंपनी के प्रोग्राम API (application programming interface) से बुलाते हैं। मॉडल ज़रूरी डेटा पाकर भाषाई काम करता है, और प्रोग्राम नतीजा जाँचकर, लॉग करके सही सिस्टम तक पहुँचाता है।

लगभग हर एकीकरण में पाँच भाषाई काम आते हैं:

जवाब के अलावा कई क़दमों में ख़ुद कार्रवाई भी करने वाला सिस्टम AI एजेंट है; अंतर चैटबॉट या AI एजेंट? लेख में है। कंपनी के दस्तावेज़ों से जवाब की पद्धति RAG है, जिसे अलग लेख समझाता है।

एकीकरण के तीन पैटर्न

API और वेबहुक

ज़्यादातर कंपनी सिस्टमों (CRM, ERP, वेबशॉप, इनवॉइसिंग, ई-मेल) में API होता है, जिससे दूसरा प्रोग्राम डेटा पढ़-लिख सकता है। वेबहुक उल्टा है: कुछ होने पर, जैसे ऑर्डर या ई-मेल आने पर, सिस्टम ख़ुद तय पते को सूचना भेजता है। सबसे सरल AI एकीकरण यही दोनों हैं: घटना हमारी सेवा चालू करती है, जो मॉडल का API बुलाकर नतीजा जाँचती है और लक्ष्य सिस्टम के API से दर्ज करती है। मॉडल किसी कंपनी सिस्टम तक सीधे नहीं पहुँचता; सब हमारा कोड करता है, और वहीं तय होता है कि मॉडल तक क्या जाए और क्या लौटे।

फ़ंक्शन कॉलिंग (tool use)

फ़ंक्शन कॉलिंग (Anthropic में tool use, टूल उपयोग) से मॉडल ख़ुद तय करता है कि उसे कब डेटा या कार्रवाई चाहिए। डेवलपर उपलब्ध फ़ंक्शन बताता है, जैसे “ऑर्डर की स्थिति देखना”, और मॉडल सवाल के आधार पर ज़रूरी पैरामीटर वाली संरचित कॉल लौटाता है। OpenAI, Anthropic और Google Gemini, इन तीनों बड़े प्रदाताओं के दस्तावेज़ीकरण के अनुसार फ़ंक्शन मॉडल नहीं, ऐप्लिकेशन चलाता है। इसलिए सबसे अहम डिज़ाइन सिद्धांत: अनुमति की जाँच हमारे कोड में होती है, मॉडल की नेकनीयती पर नहीं। OpenAI और Anthropic सख़्त (strict) मोड भी देते हैं, जिसमें पैरामीटर स्कीमा का ठीक-ठीक पालन करते हैं; फिर भी Anthropic के अनुसार डेटा न होने पर मॉडल कभी-कभी उचित-सा मान गढ़ लेता है, इसलिए कोड भी पैरामीटर जाँचे।

Model Context Protocol (MCP)

MCP खुला प्रोटोकॉल है, जो अपने विनिर्देश के अनुसार भाषा मॉडल वाले ऐप्लिकेशनों को बाहरी डेटा स्रोतों और टूल से जोड़ने का मानक तरीक़ा देता है। तीन भूमिकाएँ: होस्ट (host), यानी मॉडल वाला ऐप्लिकेशन; उसमें चलने वाला क्लाइंट; और सर्वर, जो डेटा (resources), निर्देश-टेम्पलेट (prompts) और बुलाए जा सकने वाले टूल (tools) देता है। संदेश JSON-RPC 2.0 में होते हैं; विनिर्देश का मौजूदा संस्करण 2026-07-28 है (17 अक्टूबर 2026 को जाँचा गया)।

फ़ायदा: किसी सिस्टम के लिए एक बार लिखा सर्वर कई AI ऐप्लिकेशन इस्तेमाल कर सकते हैं। Anthropic का API, OpenAI का API और Gemini API रिमोट MCP सर्वर से जुड़ सकते हैं (17 अक्टूबर 2026 को जाँचा गया)। प्रोटोकॉल हर सुरक्षा सवाल हल नहीं करता: विनिर्देश के सुरक्षा सिद्धांतों के अनुसार होस्ट हर टूल कॉल से पहले उपयोगकर्ता की स्पष्ट सहमति ले, पर प्रोटोकॉल इसे लागू नहीं करा सकता; यह डेवलपर बनाता है। OpenAI के अनुसार दुर्भावनापूर्ण सर्वर मॉडल के संदर्भ का संवेदनशील डेटा लीक कर सकता है। इसलिए कंपनी में सिर्फ़ अपना या भरोसेमंद प्रदाता का सर्वर उचित है।

पैटर्नकिसके लिए अच्छाकिस बात का ध्यान रखें
API और वेबहुकतय, पूर्वानुमेय प्रक्रियाएँ: हर ई-मेल, हर इनवॉइस एक ही रास्ते सेहर क़दम की पहले से योजना, त्रुटि-प्रबंधन और दोबारा प्रयास समेत
फ़ंक्शन कॉलिंगजब मॉडल को सवाल के अनुसार डेटा माँगना या कार्रवाई शुरू करनी होफ़ंक्शनों का दायरा और अनुमतियाँ; मॉडल ग़लत पैरामीटर भी दे सकता है
MCPजब एक सिस्टम तक कई AI ऐप्लिकेशन पहुँचेंसिर्फ़ भरोसेमंद सर्वर; टूल कॉल से पहले स्वीकृति

इसका उपयोग किसमें हो सकता है? आम काम

क्षेत्रकामआम पैटर्नमानवीय स्वीकृति
दस्तावेज़इनवॉइस, डिलीवरी नोट, अनुबंध से डेटा निकालना और ऑर्डर से मिलानAPI, तय स्कीमा वाला आउटपुटअंतर या अनिश्चित डेटा पर
ई-मेलआने वाले ई-मेल का वर्गीकरण, आगे भेजना, जवाब का मसौदावेबहुक और APIजवाब भेजने से पहले
CRMग्राहक इतिहास का सारांश, अगले क़दम का सुझावपढ़ने के अधिकार वाली फ़ंक्शन कॉलिंगनहीं, यह सिर्फ़ सुझाव है
ERPआम भाषा में डेटा से सवाल, रिपोर्ट तैयार करनापढ़ने के अधिकार वाली फ़ंक्शन कॉलिंगअगर कार्रवाई डेटा बदले
वेबशॉपउत्पाद विवरण, अनुवाद, ज़्यादा सटीक खोजAPIटेक्स्ट प्रकाशित करने से पहले
आंतरिक ज्ञाननियमावलियों और मैनुअल से सवाल-जवाबRAGनहीं, अगर जवाब स्रोत बताए

हमारी सेवाओं के लिए AI एकीकरण, कई सिस्टमों वाली स्वचालित प्रक्रियाओं के लिए प्रक्रिया स्वचालन, और ERP व CRM में बने AI के लिए व्यावसायिक सॉफ़्टवेयर पृष्ठ देखें।

डेटा प्रवाह और डेटा संरक्षण: क्या कहाँ जाता है?

AI एकीकरण डेटा प्रसंस्करण भी है, इसलिए पहला डिज़ाइन क़दम सरल डेटा-प्रवाह आरेख है: कौन-से फ़ील्ड कंपनी से बाहर जाते हैं, किस प्रदाता तक, किस क्षेत्र में संसाधित होते हैं, कब तक रखे जाते हैं, और क्या लौटता है। शर्तें अक्सर बदलती हैं; नीचे की जानकारी प्रदाताओं के दस्तावेज़ीकरण पर आधारित है (17 अक्टूबर 2026 को जाँचा गया)।

प्रदाता क्या कहते हैं?

GDPR के पहलू

मॉडल तक व्यक्तिगत डेटा पहुँचे, तो GDPR लागू होता है। तब मॉडल प्रदाता आमतौर पर डेटा प्रसंस्करणकर्ता होता है, इसलिए उससे सामान्य डेटा संरक्षण विनियमन के अनुच्छेद 28(3) वाला अनुबंध चाहिए; अनुच्छेद 5 डेटा न्यूनीकरण माँगता है, और अनुच्छेद 25 डिज़ाइन द्वारा डेटा संरक्षण के साधनों में उदाहरणस्वरूप छद्मनामकरण बताता है। व्यवहार में:

यूरोपीय संघ से बाहर डेटा अंतरण, पारदर्शिता और AI Act पर कंपनी के चैटबॉट के लिए AI Act और GDPR लेख देखें। यह जानकारी है, क़ानूनी सलाह नहीं।

मानवीय स्वीकृति कहाँ चाहिए?

भाषा मॉडल ग़लती कर सकता है, और OpenAI की मूल्यांकन गाइड के अनुसार एक ही इनपुट पर हमेशा एक जैसा आउटपुट नहीं देता। इसलिए प्रक्रिया ऐसी हो कि मॉडल की ग़लती नुक़सान न करे। तीन स्तर:

मोटा नियम: जहाँ ग़लती महँगी पड़ती है, ग्राहक पर असर डालती है या पलटी नहीं जा सकती (भुगतान, इनवॉइस, अनुबंध, ग्राहक को ई-मेल), वहाँ व्यक्ति स्वीकृति देता है। OWASP GenAI Security Project की जोखिम-सूची अत्यधिक कार्य-स्वतंत्रता (Excessive Agency) पर यही कहती है: मॉडल को सिर्फ़ ज़रूरी टूल, न्यूनतम अनुमति के साथ मिलें, बड़े असर वाली कार्रवाई से पहले व्यक्ति स्वीकृति दे, कार्रवाई उपयोगकर्ता की अपनी अनुमति से चले, और हर क़दम लॉग हो।

अलग जोखिम है प्रॉम्प्ट इंजेक्शन: मॉडल जो बाहरी सामग्री पढ़ता है (आने वाला ई-मेल, अपलोड दस्तावेज़, वेब पेज), उसमें निर्देश बनकर मॉडल को भटकाने की कोशिश करता टेक्स्ट हो सकता है। OWASP इसके ख़िलाफ़ न्यूनतम ज़रूरी अनुमति, विशेषाधिकार वाली कार्रवाइयों से पहले मानवीय स्वीकृति, और बाहरी सामग्री को अलग, अविश्वसनीय चिह्नित करके सँभालना सुझाता है।

परीक्षण और निगरानी

AI एकीकरण डेमो की चमक से नहीं, कंपनी की असली सामग्री पर मापे गए अच्छे काम से अच्छा होता है। OpenAI की मूल्यांकन गाइड के अनुसार परीक्षण डेटा में सामान्य, चरम और जान-बूझकर भ्रामक मामले भी हों, और हर बदलाव पर मूल्यांकन दोबारा चले; Anthropic ठोस, मापने योग्य सफलता-मानदंड और असली कामों जैसा परीक्षण सेट सुझाता है। हमारा तरीक़ा:

मॉडल हमेशा नहीं चलते: Anthropic और OpenAI पुराने मॉडल नियमित रूप से बंद करते हैं और ग्राहकों को पहले सूचित करते हैं; बंद मॉडल को भेजा अनुरोध विफल होता है। इसलिए मॉडल अलग परत में रहता है, और बदलाव को लाइव से पहले उसी मूल्यांकन सेट पर मापते हैं।

कौन-सा मॉडल चुनें?

कोई मॉडल हर काम में बराबर अच्छा नहीं, इसलिए चुनाव मापन का सवाल है, ब्रांड-निष्ठा का नहीं। हमारे मानदंड:

एक सिस्टम में अक्सर कई मॉडल चलते हैं: वर्गीकरण को तेज़, छोटा मॉडल, जटिल टेक्स्ट को ज़्यादा सक्षम। मॉडल अलग परत में होने से निर्णय बाद में बदला जा सकता है।

लागत किस पर निर्भर करती है?

लागत के दो हिस्से हैं। विकास शुल्क कार्यात्मक आकार से तय होता है, जिसे हम COSMIC फ़ंक्शन पॉइंट में मापते हैं; पद्धति मूल्य निर्धारण पृष्ठ पर है। चलाने का शुल्क उपयोग-आधारित है: प्रदाता संसाधित और बनाए गए टेक्स्ट, यानी टोकनों की संख्या पर बिल करते हैं, और Anthropic के अनुसार मॉडल को दिए टूल विवरण भी इनपुट टोकन गिने जाते हैं। चलाने की लागत इन पर निर्भर है:

चलाने की लागत का अनुमान हम डिज़ाइन में ही कंपनी के असली नमूनों पर लगाते हैं, और मॉडल चुनने में भी तौलते हैं।

क़दम-दर-क़दम: ऐसे शुरू करें

  1. एक काम चुनना: बार-बार होने वाला भाषाई काम, मापने योग्य लक्ष्य के साथ, जैसे आने वाली शिकायतें छाँटना।
  2. डेटा प्रवाह का आरेख: डेटा कहाँ से आता है, मॉडल तक क्या जा सकता है, नतीजा कहाँ जाता है, स्वीकृति कौन देता है।
  3. नमूने और मूल्यांकन सेट: अपेक्षित नतीजे वाले असली, अनामीकृत उदाहरण।
  4. प्रोटोटाइप: उम्मीदवार मॉडलों की नमूनों पर तुलना, लाइव जुड़ाव से पहले।
  5. जोड़ना: API, वेबहुक, फ़ंक्शन कॉलिंग या MCP, अनुमतियों, त्रुटि-प्रबंधन और लॉगिंग के साथ।
  6. प्रायोगिक रूप से लाइव करना: छोटे दायरे में, हर क़दम पर मानवीय स्वीकृति के साथ; सुधारों से सीखते हैं।
  7. विस्तार और संचालन: जहाँ मापन सही ठहराए, स्वीकृति का दायरा घटता है; निगरानी और मॉडल बदलाव लगातार चलते हैं।

आमतौर पर होने वाली ग़लतियाँ

अक्सर पूछे जाने वाले प्रश्न

कौन-सा मॉडल चुनें?

वह, जो कंपनी के नमूनों पर उस काम में मापने योग्य रूप से सबसे अच्छा हो, स्वीकार्य शुल्क और उपयुक्त डेटा प्रसंस्करण शर्तों के साथ। हम OpenAI, Anthropic और Google के मॉडलों से काम करते हैं, उम्मीदवारों को कंपनी के उदाहरणों पर परखते हैं, और मॉडल अलग परत में होने से निर्णय बाद में बदल सकता है।

क्या कंपनी का डेटा किसी AI सेवा को भेजना सुरक्षित है?

सही डिज़ाइन से हाँ, पर अपने आप नहीं। बड़े प्रदाताओं के व्यावसायिक API, उनके दस्तावेज़ीकरण के अनुसार, भेजा डेटा डिफ़ॉल्ट रूप से मॉडल प्रशिक्षण में नहीं लगाते (17 अक्टूबर 2026 को जाँचा गया), पर भंडारण की अवधि और स्थान प्रदाता और सेटिंग के अनुसार अलग हैं। कंपनी तय करे कि सिर्फ़ ज़रूरी डेटा बाहर जाए, व्यक्तिगत डेटा यथासंभव छद्मनामित हो, डेटा प्रसंस्करण समझौता हो और प्रसंस्करण का स्थान सोच-समझकर चुना जाए। यह जानकारी है, क़ानूनी सलाह नहीं।

क्या हमें अपने मौजूदा सिस्टम बदलने होंगे?

नहीं। एकीकरण मौजूदा सिस्टमों के API, वेबहुक, डेटाबेस या फ़ाइल एक्सपोर्ट पर बनता है, और नतीजा वहीं लौटता है जहाँ अब तक काम होता था। पुराने सिस्टम में API न हो, तो हम उसके डेटा तक सुरक्षित पहुँच का रास्ता देखते हैं।

MCP क्या है?

Model Context Protocol खुला प्रोटोकॉल है, जो भाषा मॉडल वाले ऐप्लिकेशनों को मानक तरीक़े से बाहरी डेटा स्रोतों और टूल से जोड़ता है। यह तब उपयोगी है, जब एक सिस्टम तक कई AI ऐप्लिकेशन पहुँचें; कंपनी में इसे सिर्फ़ भरोसेमंद सर्वर और टूल कॉल से पहले स्वीकृति के साथ इस्तेमाल करें।

अगर AI ग़लती करे, तो क्या होता है?

हम इसे मानकर प्रक्रिया ऐसी बनाते हैं कि ग़लती नुक़सान न करे। कोड आउटपुट जाँचता है (स्कीमा और व्यावसायिक नियम, जैसे इनवॉइस का कुल योग आइटमों के योग से मिलता है या नहीं), जोखिम भरे क़दम से पहले व्यक्ति स्वीकृति देता है, अनिश्चित मामले कर्मचारी को जाते हैं, और सब लॉग होता है। मिली ग़लतियाँ मूल्यांकन सेट में जुड़ती हैं, जिससे सुधार मापा जा सके।

हम कैसे मदद करते हैं?

कृत्रिम बुद्धिमत्ता से हम हर मौजूद चीज़ को आपस में जोड़ते हैं: OpenAI (ChatGPT), Anthropic (Claude) और Google (Gemini) के भाषा मॉडलों को कंपनियों के मौजूदा सिस्टमों से जोड़ते हैं। पहला परामर्श निःशुल्क है; हम विकास के आकार को COSMIC फ़ंक्शन पॉइंट में मापते हैं, और इसी से प्रस्ताव और समय-सारिणी बनती है। अनुरोध पर हम गोपनीयता समझौता (NDA) करते हैं, और हस्तांतरण के बाद हम संचालन और रखरखाव की ज़िम्मेदारी भी लेते हैं, मॉडल के कामकाज की निगरानी समेत। सोर्स कोड और उपयोग के अधिकार अनुबंध में तय होते हैं।

विवरण AI एकीकरण पृष्ठ पर है। अगर कोई प्रक्रिया आप AI से जोड़ना चाहते हैं, तो संपर्क पृष्ठ पर दिए गए विवरणों पर हमें लिखें।

स्रोत