2023 සිට 2025 දක්වා කාලය තුළ මුළු ලෝකයේම අවධානය යොමු වී තිබුණේ Prompt Engineering කෙරෙහිය. AI චැට්බොට්ස් වෙතින් නිවැරදි පිළිතුරු ලබා ගැනීම සඳහා ප්‍රොම්ප්ට් සකස් කරන්නේ කෙසේද, Context Windows කළමනාකරණය කරන්නේ කෙසේද යන්න පිළිබඳව අපි විශාල කාලයක් වැය කළෙමු. කෙසේ වෙතත්, අප 2026 වසර හරහා ගමන් කරද්දී, මිනිසා විසින් මෙහෙයවනු ලබන ප්‍රොම්ප්ට් ක්‍රමවේදය වෙනුවට ඊටත් වඩා විප්ලවීය ආකෘතියක් කරළියට පැමිණ ඇත: ඒ Agentic AI ය.

මිනිසාගෙන් පියවරෙන් පියවර ලැබෙන ප්‍රොම්ප්ට්ස් වෙනුවෙන් බලා සිටිනවා වෙනුවට, Agentic පද්ධති මඟින් සංකීර්ණ ඉලක්කයක් (High-level goal) භාරගෙන, එය ස්වාධීන අනු-කාර්යයන් (Sub-tasks) බවට වෙන් කර, තමන්ට අවශ්‍ය මෙවලම් තෝරාගෙන, වෙනත් විශේෂිත AI ඒජන්තවරුන් සමඟ සහයෝගයෙන් කටයුතු කරමින් අවම මිනිස් මැදිහත්වීමකින් මුළු කාර්ය ප්‍රවාහයම (End-to-end workflow) ස්වයංක්‍රීයව නිම කරයි.

AI එකක් “Agentic” වන්නේ කෙසේද?

සාම්ප්‍රදායික Large Language Model (LLM) එකක් යනු මූලික වශයෙන් ප්‍රතික්‍රියාශීලී (Reactive) පද්ධතියකි: එනම් ඔබ ප්‍රශ්නයක් ඇසූ විට, එයට වඩාත්ම ගැලපෙන පිළිතුර ගණනය කර ලබා දෙයි.

ඊට පරස්පරව, Agentic AI එකක් යනු පූර්වක්‍රියාකාරී (Proactive) සහ ඉලක්කගත (Goal-oriented) පද්ධතියකි. එය ප්‍රධාන හැකියාවන් හතරකින් සමන්විත අඛණ්ඩ ක්‍රියාවලියක් (Continuous loop) ලෙස ක්‍රියාත්මක වේ:

1. ක්‍රමසම්පාදනය සහ කාර්යයන් වෙන් කිරීම (Planning & Task Decomposition): සංකීර්ණ ඉලක්කයක් ලැබුණු විට (උදා: “අපගේ වෙබ් ඇප්ලිකේෂන් එකේ ආරක්ෂණ දුර්වලතා පරීක්ෂා කර ඒවා නිවැරදි කරන්න”), ඒජන්තයා එය අනුපිළිවෙලින් යුත් කාර්ය ගසක් (Task tree) බවට වෙන් කරයි.
2. මෙවලම් භාවිතය (Tool Utilization): එය බාහිර පරිසරය සමඟ සෘජුව සම්බන්ධ වේ — එනම් APIs ඇමතීම, Terminal Commands ධාවනය කිරීම, දත්ත සමුදායන් (Databases) පරීක්ෂා කිරීම හෝ වෙබ් ලේඛන (Web Documentation) සෙවීම සිදු කරයි.
3. මතකය පවත්වා ගැනීම (Memory & Context Persistence): එය කෙටිකාලීන මෙන්ම දිගුකාලීන මතකය පවත්වා ගනිමින්, පූර්ව උත්සාහයන්හිදී සිදුවූ වැරදිවලින් ස්වයංක්‍රීයව ඉගෙන ගනී.
4. ස්වයං පරීක්ෂාව සහ නිවැරදි කිරීම (Self-Reflection & Correction): යම් විසඳුමක් අසාර්ථක වුවහොත් හෝ Error එකක් ආවහොත්, ඒජන්තයා ස්වයංක්‍රීයව එම ප්‍රතිදේහය ඇගයීමට ලක් කර, තමන්ගේ උපාය මාර්ගය වෙනස් කර වෙනත් විකල්ප මාර්ගයක් ඔස්සේ කාර්යය නිම කිරීමට උත්සාහ කරයි.

2026 වෙනස: අපි AI වෙතින් “මම මෙය කරන්නේ කෙසේද?” කියා අසන යුගයෙන් මිදී, AI වෙත “මට මෙම ප්‍රතිඵලය ලබා දී එය තහවුරු වූ පසු මට දැනුම් දෙන්න” යනුවෙන් උපදෙස් දෙන යුගයකට පිවිස සිටිමු.

Multi-Agent Orchestration හි නැගී සිටීම

තනි ඒජන්තයෙකුට යම් නිශ්චිත කාර්යයක් කළ හැකි වුවද, සැබෑ ලෝකයේ ව්‍යවසාය ඇප්ලිකේෂන් සඳහා Multi-Agent Systems (MAS) අත්‍යවශ්‍ය වේ. සියලුම කාර්යයන් කිරීමට උත්සාහ කරන එකම දැවැන්ත AI එකක් සාදනවා වෙනුවට, නූතන ව්‍යුහයන් මඟින් ඩිජිටල් කාර්ය මණ්ඩලයක් මෙන් එකිනෙක සහයෝගයෙන් කටයුතු කරන විශේෂිත මයික්‍රෝ-ඒජන්තයින් (Micro-agents) කණ්ඩායමක් යොදවනු ලබයි.

උදාහරණය: ස්වාධීන මෘදුකාංග නිකුත් කිරීමේ නල මාර්ගය (Autonomous Software Release Pipeline)

• Orchestrator Agent (සංවිධායක ඒජන්ත): පරිශීලකයාගේ අරමුණ ලබාගෙන, සැලසුම සකස් කර, විශේෂිත ඒජන්තයින්ට කාර්යයන් පවරයි.
• Researcher Agent (පර්යේෂක ඒජන්ත): System logs, API specifications සහ තාක්ෂණික ලේඛන සෝදිසි කර දත්ත රැස් කරයි.
• Coder Agent (කේත රචක ඒජන්ත): ලබා දී ඇති පිරිවිතරයන්ට අනුව ක්‍රියාකාරී කේත ව්‍යුහය (Functional code architecture) ලියයි.
• Security & Verification Agent (ආරක්ෂණ සහ සත්‍යාපන ඒජන්ත): තර්කන පරීක්ෂණ ධාවනය කරයි, ආරක්ෂණ දුර්වලතා පරීක්ෂා කරයි, සහ පද්ධතියට එක් කිරීමට පෙර කේතයේ දෝෂ තිබේදැයි තහවුරු කරයි.

Chatbots සහ Agentic Networks අතර වෙනස (2026)

විශේෂාංගය	Generative Chatbots (අක්‍රීය/Passive)	Agentic AI Networks (ස්වාධීන/Autonomous)
පරිශීලක කාර්යභාරය	නොකඩවා ප්‍රොම්ප්ට්ස් ටයිප් කිරීම සහ Code Copy-Paste කිරීම.	ඉලක්ක සැකසීම, ආරක්ෂණ සීමා නිර්වචනය සහ අවසාන ප්‍රතිඵලය සමාලෝචනය.
ක්‍රියාත්මක වීම	මිනිසාගේ භාවිතය සඳහා පෙළ/කේත උත්පාදනය කරයි.	Terminal commands ධාවනය කරයි, APIs අමතයි, සහ නිවැරදි කිරීම් සෘජුවම යොදවයි.
දෝෂ නිරාකරණය	කේතය අසාර්ථක වූ විට නතර වේ; පරිශීලකයා මත යැපේ.	ස්වයං පරීක්ෂණ මඟින් දෝෂ ස්වයංක්‍රීයව නිවැරදි කරගනී.
සංකීර්ණතාවය	තනි සංවාදමය විමසුම් සඳහා වඩාත් සුදුසුය.	බහු-පියවර, සංකීර්ණ ව්‍යාපාරික කාර්ය ප්‍රවාහයන් කළමනාකරණය කරයි.

පාලනය සහ ආරක්ෂාව පිළිබඳ අභියෝගය

තාක්ෂණික විධානයන් ධාවනය කිරීමට සහ සැබෑ ලෝකයේ කාර්යයන් ඉටු කිරීමට AI පද්ධතිවලට ස්වාධීන බලය (Agency) ලබා දීම විශේෂයෙන්ම සයිබර් ආරක්ෂාව සහ පද්ධති පාලනය පිළිබඳ අභියෝග මතු කරයි.

2026 දී ඉංජිනේරුවන් මේ සඳහා Human-in-the-Loop (HITL) Guardrails සහ Neuro-Symbolic සත්‍යාපන ස්ථර භාවිත කරයි. සර්වර් වෙත කේත නිකුත් කිරීම, මූල්‍ය ගනුදෙනු කිරීම හෝ පද්ධති සැකසුම් වෙනස් කිරීම වැනි අධික අවදානම් සහිත කාර්යයන් ක්‍රියාත්මක කිරීමට පෙර, නීති මඟින් තහවුරු කිරීම සහ මිනිසෙකුගේ පූර්ව අනුමැතිය ලබා ගැනීම අනිවාර්ය කර ඇත.

Pariganaka ප්‍රජාවට මෙයින් ලැබෙන අර්ථය

Pariganaka.com අනුගමනය කරන සංවර්ධකයින්, පද්ධති පරිපාලකයින් සහ තාක්ෂණික සිසුන් සඳහා, Agentic විප්ලවය මඟින් ඩිජිටල් නිෂ්පාදන ගොඩනඟන ආකාරය සම්පූර්ණයෙන්ම වෙනස් කරයි:

• Prompting අවසන්, Orchestration ආරම්භ වේ: වඩාත්ම වටිනා කුසලතාව වන්නේ තවදුරටත් උපක්‍රමශීලී ප්‍රොම්ප්ට්ස් ලිවීම නොවේ; පැහැදිලි Agent Architectures, State Graphs සහ API Boundaries සැලසුම් කිරීමයි.
• පද්ධති සීමාවන් කෙරෙහි අවධානය යොමු කිරීම: ස්වාධීන ජාලයන් ආරක්ෂිතව ක්‍රියාත්මක කිරීම සඳහා ඉංජිනේරුවන් විසින් දැඩි රීති, මතක ව්‍යුහයන් සහ දෝෂ හසුරුවන ක්‍රමවේද (Error-handling policies) නිර්වචනය කළ යුතුය.
• ඝාතීය ලාභදායීතාවය සහ වේගය: මීට පෙර සම්පූර්ණ ඉංජිනේරු දෙපාර්තමේන්තුවක් අවශ්‍ය වූ මෘදුකාංග පද්ධති සහ යටිතල පහසුකම් කළමනාකරණය කිරීමට දැන් කුඩා කණ්ඩායමකට හෝ තනි සංවර්ධකයෙකුට පවා හැකියාව ලැබේ.

තාක්ෂණයේ අනාගතය යනු AI විසින් මිනිසා විථාපනය කිරීම නොවේ — පෙර නූවූ විරූ වේගයකින් සහ නිවැරදිභාවයකින් යුතුව පද්ධති ගොඩනැගීම සඳහා ස්වාධීන ඩිජිටල් ඒජන්ත කණ්ඩායම් මෙහෙයවීමට මිනිසාට ඇති හැකියාවයි.