एजेंटिक डेटा विकास एक जीवनचक्र का अनुसरण करता है।
AI डेटा जीवनचक्र निर्णयों को संरक्षित करते हुए और सत्यापन जोखिम को कम करते हुए निष्पादन का मार्गदर्शन करने के लिए मनुष्यों, एजेंटों और नियंत्रणों का उपयोग करता है।
मुख्य जानकारी
- Agentic Data Development लाइफसाइकिल (एडीडीएलसी) एआई-चालित डेटा इंजीनियरिंग के लिए एक विक्रेता-तटस्थ ढांचा है जिसमें एजेंट काम निष्पादित करते हैं, नियंत्रण नियमों को लागू करते हैं और मनुष्य इरादे, अर्थ और स्वीकृति पर निर्णय अधिकार बनाए रखते हैं।
- जैसे-जैसे कोडिंग कम दुर्लभ हो जाती है, मुख्य बाधाएं मानव निर्णय, सत्यापन क्षमता और परिचालन ध्यान में बदलती हैं। इसके लिए फैलाव, अविश्वसनीय गुणवत्ता, छाया स्वायत्तता और कलाकृतियों की अराजकता के खिलाफ प्रक्रिया सुरक्षा की आवश्यकता होती है।
- एडीडीएलसी 3 अभिनेताओं, 3 लूप्स, 7 चरणों और 4 गेट्स के माध्यम से काम को व्यवस्थित करता है, जो रिकॉर्ड की प्रणाली के रूप में विनिर्देश पर जोर देता है और उत्पन्न पाइपलाइनों, परीक्षणों और कोड को व्युत्पन्न कलाकृतियों का इलाज करता है।
- स्वायत्तता प्रति परिवर्तन वर्ग को प्रत्यावर्तनशीलता और विस्फोट त्रिज्या के आधार पर दी जाती है, न कि प्रति एजेंट, जबकि सत्यापन, बिल्ड/रन पृथक्करण, साक्ष्य वंशावली और प्रबंधित मास्टर-डेटा परिवर्तन सटीकता और विश्वास की रक्षा करते हैं।
Agentic Data Development लाइफसाइकिल (ADDLC), GitHub पर एक विनिर्देश के रूप में प्रकाशित किया गया है, डेटा इंजीनियरिंग चलाने का एक विक्रेता-तटस्थ तरीका है जब AI एजेंट अधिकांश निष्पादन करते हैं और मनुष्य इरादे, अर्थ और स्वीकृति पर निर्णय अधिकारों को बरकरार रखते हैं। यह 3 अभिनेताओं, 3 लूप्स, 7 चरणों और 4 गेट का उपयोग करता है। इसका नियम संक्षिप्त हैः एजेंट प्रस्तावित करते हैं, नियंत्रण लागू होते हैं, मानव तय करते हैं। स्वायत्तता प्रति वर्ग परिवर्तन द्वारा प्रदान की जाती है, प्रत्यावर्तनशीलता और विस्फोट त्रिज्या द्वारा, न कि प्रति एजेंट और उत्साह से; इसे साक्ष्य के साथ अर्जित किया जाता है और बचने वाले दोषों के साथ खो दिया जाता है। एक बड़े प्लेटफॉर्म के संदर्भ और स्ट्रीमिंग बाजार के आंकड़ों से शुरुआती परिणाम कम प्रयास और तेजी से वितरण दिखाते हैं, लेकिन सबूत अवलोकनात्मक हैं।
क्यों कोड बाधा के रूप में बंद हो गया
पिछले वर्ष में, एक गोदाम, डीबीटी परियोजना और कैटलॉग तक पहुंच वाले कोडिंग एजेंटों ने निविष्ट नौकरियों, मंचन मॉडल, परीक्षण और प्रलेखन लगभग मुफ्त बना दिया। कुंठा कोड लिखने से अर्थ निर्दिष्ट करने और परिणामों की जांच करने के लिए स्थानांतरित हो गई है। गलत-निर्धारित जुड़ना, एक मीट्रिक जो चुपचाप अर्थ बदलता है, या संदर्भ डेटा में एक गलत पहचानकर्ता मैपिंग अभी भी पहले जितना खर्च करता है, अक्सर अधिक होता है, क्योंकि एजेंट इसे लोगों की समीक्षा करने की तुलना में तेजी से बदलते हैं।
तीन संसाधन दुर्लभ हैंः अर्थ के बारे में निर्णय, जैसे कि एक सक्रिय साधन क्या है, जब विक्रेता सूचीबद्ध तिथि पर असहमत होते हैं तो कौन सा स्रोत जीतता है, या यदि नकारात्मक व्यापार आकार त्रुटि या सुधार है; सत्यापन क्षमता, क्योंकि अप्रमाणित परिवर्तन गति नहीं बल्कि स्थगित घटनाएं हैं; और परिचालन ध्यान, क्योंकि प्रत्येक नई संपत्ति कुछ ऐसी होती है जिसे किसी को चलाना पड़ता है और ऑपरेशन के लिए मार्ग के बिना पीढ़ी लागत को बिल्ड से रन तक ले जाती है। जो टीमें प्रक्रिया परिवर्तन के बिना एजेंटों को अपनाती हैं वे फैलाव, स्व-प्रमाणीकृत गुणवत्ता, अविश्वसनीय प्रलेखन, छाया स्वायत्तता देखते हैं जब एजेंट इंजीनियर के उत्पादन क्रेडेंशियल्स को विरासत में लेते हैं, और फ़ाइलों की प्रतिलिपि बनाते समय कलाकृति अराजकता उन्हें संस्करण देने के बजाय एडीडीएलसी इन तीन संसाधनों की रक्षा करने के लिए आयोजित किया जाता है।
मॉडल क्या कहता है
3 अभिनेता मनुष्य, एजेंट और नियंत्रण हैं। मानव इरादे, अर्थ, स्वीकृति और अपवादों का निर्णय लेते हैं; विशिष्ट भूमिकाएं डेटा उत्पाद स्वामी, डेटा स्टीवर्ड, डेटा इंजीनियर, डाटाओप्स ऑपरेटर और उपभोक्ता होती हैं। एजेंट के पास केवल निष्पादन अधिकार होते हैंः ड्राफ्ट, बिल्ड, टेस्ट, डॉक्यूमेंट, ट्रीएज और फिक्स प्रस्तावित करते हैं, अलग-अलग निर्माण, सत्यापन और रन पहचान के साथ। नियंत्रण निरंतर एकीकरण पाइपलाइन को लागू करता है, अनुबंध validators , कोड के रूप में नीति, एक्सेस कंट्रोल, गुणवत्ता गेट और पदोन्नति नियम; वे निर्धारक हैं और उन्हें राजी नहीं किया जा सकता है।
मॉडल DAMA-DMBOK के शासन और प्रबंधन को अलग करता है, जैसे वित्त में लेखा परीक्षा और लेखांकन का पृथक्करणः पर्यवेक्षण मनुष्यों द्वारा किया जाता है और निर्धारित नियंत्रणों से लागू होता है, जबकि प्रबंधन तेजी से एजेंटों द्वारा निष्पादित होता है। Zhamak Dehghani के संघीय कम्प्यूटेशनल गवर्नेंस का कंप्यूटिंग आधा वह है जो "नियंत्रण" की आवश्यकता होती हैः कोड के रूप में नीतियां, हर जगह स्वचालित रूप से लागू होती हैं।
इसके 7 चरणों को फ्रेम, निर्दिष्ट, निर्मित, सत्यापित, जारी, संचालित और सेवानिवृत्त किया जाता है। तीन लूप में व्यवसाय और शासन के लिए एक इरादे का पाश शामिल होता है जहां मनुष्य नेतृत्व करते हैं और एजेंट तैयार होते हैं। मॉडल में गेट मानदंड, मैनुअल से स्व-संगठन तक की स्वायत्तता स्केल, मीट्रिक्स, परिपक्वता मॉडल और आत्म-मूल्यांकन शामिल हैं। बिल्ड एंड रन मनुष्यों और एजेंसियों के लिए डिजाइन द्वारा अलग किए जाते हैं। मास्टर और संदर्भ डेटा अपने स्वयं के प्रबंधित परिवर्तन चैनल प्राप्त करते हैं। यह उन्हें बदलने के बजाय DAMA-DMBOK Data Mesh और Data Management पर आधारित है। नियामक विनिर्देश, टेम्पलेट्स और आत्म मूल्यांकन GitHub पर हैंः https://github.com/savvakrasavasavva/addlc
दस सिद्धांत निर्णयों का मार्गदर्शन करते हैं। Agentic Data Development रिकॉर्ड के प्रणालियों को व्युत्पन्न डेटा से अलग करता है जिसे पुनः गणना की जा सकती है; विनिर्देश अनुबंध, अर्थशास्त्र, गुणवत्ता अपेक्षाएं और स्वीकृति उदाहरण रिकॉर्ड की प्रणाली है, जबकि पाइपलाइन, निर्देशित एसाइक्लिक ग्राफ और परीक्षण एक एजेंट द्वारा पुनर्जन्म किए जाने वाले कलाकृतियां हैं। उत्पन्न कोड इसकी विशिष्टता का निर्धारक कार्य नहीं है, यही कारण है कि सत्यापन मौजूद है। जब कोड और विनिर्देशन असहमत होते हैं, तो यह एक दोष हैः कोड ठीक करें या औपचारिक रूप से विवरण में संशोधन करें; न ही चुपचाप जीतता है।
अर्थ मानव के स्वामित्व में हैः अनाज, चाबियाँ, उत्तरजीविता नियम, मीट्रिक परिभाषाएं, शब्दावली शर्तें और गुणवत्ता सीमाओं को जिम्मेदार मालिकों की आवश्यकता होती है। एजेंट उन्हें ड्राफ्ट करते हैं, मालिक उन्हें मंजूरी देते हैं, और कोई भी उन्हें रनटाइम पर अनुमान नहीं लगाता है। कोई एजेंट अपने स्वयं के काम का प्रमाणन नहीं करता; सत्यापन विनिर्देश से व्युत्पन्न स्वतंत्र परीक्षणों का उपयोग करता है, एक स्वतंत्र स्रोत के साथ सामंजस्य या एक अलग सत्यापनकर्ता एजेंट जो विनिर्देशन और आउटपुट देखता है लेकिन बिल्डर तर्क नहीं। प्रति परिवर्तन वर्ग स्वायत्तता दी जाती हैः रिवर्सिबल प्रलेखन और अपरिवर्तनीय स्वर्ण-रिकॉर्ड मिलान नियमों को समान एजेंट से भी विभिन्न जवाब चाहिए।
संदर्भ एक उत्पाद हैः शब्दावली, डोमेन मॉडल, अनुबंध, मानक, एजेंट निर्देश फ़ाइलें और कौशल मालिकों की आवश्यकता है, संस्करण, समीक्षा और परीक्षण, डीएमबीओके मेटाडेटा प्रबंधन को एक मांग उपभोक्ता के साथ एक उत्पाद बनाते हैं। प्रत्येक कार्रवाई सबूत छोड़ती है जो एक एजेंट पहचान और मानव प्रायोजक के लिए जिम्मेदार है, विनिर्देश और निर्णय द्वारा समझाया जा सकता है, और इनपुट, टूल कॉल और आउटपुट से पुनर्निर्माण योग्य है, जहां से डेटा आया था उससे वंश का विस्तार क्यों हुआ?
बिल्ड और रन अलग-अलग होते हैंः निर्माण एजेंटों के पास उत्पादन डेटा तक कोई लेखन पहुंच नहीं होती है, रन एजेंट कोड या मॉडल को बदल नहीं सकते हैं, और वे विभिन्न पहचान, क्रेडेंशियल्स और कतारों का उपयोग करते हैं। विभाजन पहचान और अनुमतियों को अलग करता है, जवाबदेही नहीं; एक टीम जो अपने स्वयं के उत्पाद का निर्माण करती है और चलाती है वह अभी भी अलग बिल्ड एंड रन पहचान का उपयोग करती है, क्योंकि गैर-मानव श्रमिक अन्यथा सब कुछ करते हैं. मास्टर-डेटा परिवर्तन स्टीवर्ड किए गए डेटा ऑपरेशन हैं, न कि तैनातीः रिकॉर्ड को सही करना, किसी आइडेंटिफायर को रीमैप करना या पैचिंग इतिहास एक पृथक, ऑडिटेबल और रिवर्सिबल चैनल से गुजरता है, कभी भी कोड पथ या एड हॉक SQL सत्र के माध्यम से नहीं। पीढ़ी से पहले पुनः उपयोग की आवश्यकता होती है अन्यथा लगभग मुफ्त पीढ़ी स्थायी फैलाव बन जाती है। मापन लीड टाइम, मानव प्रयास, विफलता दर, प्रति वर्ग बदलाव पर पता लगाने और सत्यापन उपज पर केंद्रित होता है, उत्पन्न कोड या पाइपलाइन गणना नहीं।
पहले के काम की तुलना कैसे करें
अंतराल एक विक्रेता-तटस्थ मॉडल है जो मनुष्यों, एजेंटों और नियंत्रणों के बीच निर्णय अधिकार आवंटित करता है; सबूत मानदंडों के साथ द्वार को परिभाषित करता है। रन से बिल्ड अलग करता है, स्वायत्तता को स्पष्ट रूप से नियंत्रित करता है. मीट्रिक और परिपक्वता को निर्धारित करता है और विशेष मामले के रूप में मास्टर और संदर्भ डेटा का इलाज करता है ।
Thoughtworks Pramod Sadalage Making Your Data ReadyMaking Your Data Ready for Agentic AI Pramod Sadalage by Pramod Sadalage and Prem Chandrasekaran, martinfowler.com, August 2026, एआई-तैयार डेटा के पांच गुण देता है, डोमेन की एक संदर्भ परत, सिमेंटिक और क्षमता मॉडल, और एक चरणबद्ध स्वायत्तता सीढ़ी। यह एजेंटों को मुख्य रूप से पाइपलाइन के बिल्डरों के बजाय उपभोक्ताओं और डेटा के क्यूरेटर के रूप में व्यवहार करता है। The SelfOrganizing Data Stack [8 द्वारा Ananth Packkildurai, Data Engineering Weekly, अक्टूबर 2026 , एक अंतिम स्थिति का वर्णन करता है जिसमें एक इंजन निर्भरता ग्राफ को पाँच लूपों के माध्यम से बनाए रखता है, अनुबंधों के लिए संपत्ति और एक फर्म नियम के साथः कभी भी किसी एजेंट को अपने स्वयं के काम को ग्रेड न दें। यह गंतव्य प्रदान करता है, पथ नहीं।
होलिस्टिक्स18 17]Agentic Data Engineering [8 द्वारा Huy Nguyen, सितंबर 2026, यह कवर करता है कि एजेंट पूरे स्टैक में क्या कर सकते हैं और क्यों सिमेंटिक लेयर इंजीनियरिंग और एनालिटिक्स के बीच का अनुबंध है, लेकिन इसका कोई जीवनचक्र नहीं है। [2From Data Quality to Quality of Agentic Data Use [2 by Ania Cravero, Jorge Díaz-Villegas and Zihao Xiao, Applied Sciences, September 2026, एजेन्टिक डेटा उपयोग के छह आयामों को निर्धारित करता है और एक प्रतिनिधि प्राधिकरण के तहत कार्य करने वाले एजेंट के लिए चरणबद्ध नियंत्रण जीवन चक्र। यह कठोर है, बल्कि टीम ऑपरेटिंग मॉडल की बजाय किसी टास्क को निष्पादित करने पर ध्यान केंद्रित किया गया है। ADLC परिवार, जिसमें IBM , EPAM, AWS AI - DLC और अन्य शामिल हैं, बिल्डिंग एजेंट्स या एजेंटों द्वारा बनाए गए software के लिए लाइफसाइकिल को कवर करते हैं।
प्रारंभिक परिणाम क्या दिखाते हैं
एक बड़े मंच के संदर्भ और स्ट्रीमिंग बाजार डेटा पर मॉडल को लागू करने से पहले और बाद में संख्याएं अवलोकनात्मक हैं, नियंत्रित प्रयोग नहीं। लाभ का हिस्सा उसी समय किए गए संगठनात्मक परिवर्तनों से आता है। लगभग 15x के लक्ष्य के साथ प्रति एकीकरण मानव प्रयास लगभग 4-5 गुना कम है। अनुरोध से उत्पादन में डेटा तक लीड टाइम लगभग 5 गुना छोटा है। एक ही टीम द्वारा प्रति तिमाही वितरित इंटीग्रेशन लगभग 8 गुना अधिक हैं। निगरानी की तुलना में उपभोक्ताओं द्वारा पहली बार रिपोर्ट की गई घटनाओं का अनुपात लगभग 17 गुना अधिक है। विनिर्देश और पैकेज पहली समीक्षा में स्वीकार किए जाते हैं जो उन सभी के करीब 2 गुना अधिक होते हैं। एजेंटों द्वारा किया गया दुर्घटना ट्रिआगेज कोई भी नहीं होने से लगभग तीन क्वार्टर के लक्ष्य में स्थानांतरित हो जाता है।
टीमों के लिए, उपयोगी सवाल यह नहीं है कि एक एजेंट कितना स्वायत्त है, लेकिन किस प्रकार के परिवर्तन को मानव के बिना निष्पादित किया जा सकता है और क्यों। मॉडल इस उत्तर को साक्ष्य-आधारित बनाने की कोशिश करता हैः प्रतिवर्ती, कम विस्फोट त्रिज्या में बदलाव अधिक स्वायत्ता प्राप्त कर सकते हैं, जबकि अर्थ, सुनहरे रिकॉर्ड या संदर्भ डेटा में अपरिवर्तनीय परिवर्तन मानव निर्णय अधिकारों के तहत रहते हैं, नियंत्रण द्वारा लागू किए जाते हैं और स्वतंत्र रूप से सत्यापित होते हैं।
मेटा विवरणः एक विक्रेता-तटस्थ Agentic Data Development Lifecycle सेट 3 अभिनेता, 4 द्वार और स्वायत्तता पैमाने है, जबकि प्रारंभिक परिणाम बड़े दक्षता लाभ दिखाते हैं।
टैगः Agentic Data Development Lifecycle, डेटा इंजीनियरिंग, AI एजेंटों, डाटा गवर्नेंस, स्वायत्तता
विशेष रुप से प्रदर्शित छवि: सात-चरण डेटा पाइपलाइन के आसपास मनुष्यों, एजेंटों और नियंत्रणों का अमूर्त मैत्रीपूर्ण चित्रण, कोई वास्तविक लोग नहीं हैं, कोई लोगो नहीं है, कोई पाठ नहीं है।

Comments (0)