आशيش نागर، लेवल एआई के सीईओ और संस्थापक – साक्षात्कार श्रृंखला

आशिश नागर लेवल एआई के सीईओ और संस्थापक हैं, जो अमेज़ॅन में एलेक्सा टीम में अपने अनुभव का उपयोग करके संपर्क केंद्र संचालन में कृत्रिम बुद्धिमत्ता को बदलने के लिए काम कर रहे हैं। प्रौद्योगिकी और उद्यमिता में मजबूत पृष्ठभूमि के साथ, आशिश ने ग्राहक सेवा इंटरैक्शन की दक्षता और प्रभावशीलता को बढ़ाने के लिए उन्नत एआई समाधानों के माध्यम से कंपनी के मिशन को आगे बढ़ाने में महत्वपूर्ण भूमिका निभाई है। उनके नेतृत्व में, लेवल एआई एआई-संचालित संपर्क केंद्र स्थान में एक प्रमुख खिलाड़ी बन गया है, जो अपने अत्याधुनिक उत्पादों और कृत्रिम बुद्धिमत्ता के श्रेष्ठ कार्यान्वयन के लिए जाना जाता है।

आपको अमेज़ॅन छोड़ने और लेवल एआई शुरू करने के लिए क्या प्रेरित किया? आप ग्राहक सेवा में आपकी प्रौद्योगिकी द्वारा संबोधित किए जाने वाले विशिष्ट दर्द बिंदुओं के बारे में साझा कर सकते हैं?

मेरी पृष्ठभूमि उत्पादों का निर्माण प्रौद्योगिकी और व्यवसाय के बीच के संगम पर है। हालांकि मेरी स्नातक की डिग्री एप्लाइड फिजिक्स में है, मेरा काम लगातार उत्पाद भूमिकाओं और नए व्यवसायों की स्थापना, लॉन्च और निर्माण पर केंद्रित रहा है। प्रौद्योगिकी और व्यवसाय के प्रति मेरा जुनून मुझे एआई की ओर ले गया।

मैंने 2014 में एआई में काम करना शुरू किया, जब हम एक अगली पीढ़ी की मोबाइल खोज कंपनी बना रहे थे जिसे रिल सी कहा जाता था, जो आज परप्लेक्सिटी एआई के समान थी। उस अनुभव ने मेरी एआई सॉफ्टवेयर यात्रा को प्रज्वलित किया, और अंततः उस कंपनी का अमेज़ॅन द्वारा अधिग्रहण कर लिया गया। अमेज़ॅन में, मैं एलेक्सा टीम में एक उत्पाद नेता था, जो निरंतर जटिल एआई समस्याओं को हल करने के अवसरों की तलाश में था।

अमेज़ॅन में मेरे अंतिम वर्ष में, 2018 में, मैंने एक परियोजना पर काम किया जिसे हम “स्टार ट्रेक कंप्यूटर” के रूप में संदर्भित करते थे, जो प्रसिद्ध विज्ञान-कथा फ्रेंचाइजी से प्रेरित थी। इसका उद्देश्य एक कंप्यूटर विकसित करना था जो किसी भी प्रश्न को समझ और प्रतिक्रिया दे सके। इस परियोजना को एलेक्सा पुरस्कार के रूप में जाना जाता था, जिसका उद्देश्य किसी भी सामाजिक विषय पर एलेक्सा के साथ 20 मिनट की बातचीत करने में सक्षम बनाना था। मैंने लगभग 10 वैज्ञानिकों की एक टीम का नेतृत्व किया और इसे एक विश्वसनीय एआई चुनौती के रूप में लॉन्च किया। मैंने एमआईटी, सीएमयू, स्टैनफोर्ड और ऑक्सफोर्ड जैसे संस्थानों के प्रमुख दिमागों के साथ密त से काम किया। एक बात स्पष्ट हो गई: उस समय, कोई भी पूरी तरह से समस्या का समाधान नहीं कर सकता था।

फिर भी, मैं एक नवाचार की लहर को महसूस कर सकता था जो इसे संभव बना देगी। 2024 तक आगे बढ़ें, और चैटजीपीटी जैसी प्रौद्योगिकियां अब बहुत कुछ कर रही हैं जो हमने कल्पना की थी। प्राकृतिक भाषा प्रसंस्करण में तेजी से प्रगति हुई, जिसमें अमेज़ॅन, गूगल, ओपनएआई और माइक्रोसॉफ्ट जैसी कंपनियों ने बड़े मॉडल और अंतर्निहित बुनियादी ढांचे का निर्माण किया। लेकिन वे आवश्यक रूप से अंत-से-अंत कार्य प्रवाह को हल नहीं कर रहे थे। हमने इस अंतर को पहचाना और इसे संबोधित करना चाहते थे।

हमारा पहला उत्पाद ग्राहक सेवा समाधान नहीं था; यह फ्रंटलाइन कार्यकर्ताओं, जैसे कि तकनीशियन और रिटेल स्टोर कर्मचारियों के लिए एक वॉयस असिस्टेंट था। हमने 2 मिलियन डॉलर की शुरुआती वित्तपोषण जुटाई और संभावित ग्राहकों को उत्पाद दिखाया। उन्होंने हमें अपनी प्रौद्योगिकी को संपर्क केंद्रों के लिए अनुकूलित करने के लिए कहा, जहां वे पहले से ही वॉयस और डेटा स्ट्रीम्स के साथ थे, लेकिन आधुनिक जनरेटिव एआई आर्किटेक्चर की कमी थी। इससे हमें एहसास हुआ कि इस स्थान में मौजूदा कंपनियां पुरानी हो गई थीं, जो अपने विरासत प्रणालियों को ओवरहाल करने या कुछ नया बनाने के लिए संघर्ष कर रही थीं। हमने एक खाली स्लेट से शुरू किया और पहला मूल लार्ज लैंग्वेज मॉडल (एलएलएम) ग्राहक अनुभव बुद्धिमत्ता और सेवा स्वचालन मंच बनाया।

मानव भाषा की जटिलताओं और कंप्यूटर इंजीनियरिंग के दृष्टिकोण से इन समस्याओं को हल करने में कितना कठिन है, मेरी गहरी रुचि ने हमारे दृष्टिकोण में महत्वपूर्ण भूमिका निभाई। एआई की मानव भाषा को समझने की क्षमता विशेष रूप से संपर्क केंद्र उद्योग के लिए महत्वपूर्ण है। उदाहरण के लिए, सिरी का उपयोग अक्सर यह दिखाता है कि एआई के लिए मानव भाषा में इरादा और संदर्भ को समझना कितना मुश्किल है। यहां तक कि सरल प्रश्न भी एआई को चकमा दे सकते हैं, जो यह समझने के लिए संघर्ष करता है कि आप क्या पूछ रहे हैं।

एआई इरादा को समझने, संदर्भ को लंबी बातचीत में बनाए रखने और दुनिया के संबंध में प्रासंगिक ज्ञान को समझने के साथ संघर्ष करता है। यहां तक कि चैटजीपीटी में भी इन क्षेत्रों में सीमाएं हैं। उदाहरण के लिए, यह नवीनतम समाचारों के बारे में नहीं जान सकता है या बातचीत के भीतर विषयों को बदलने को नहीं समझता है। ये चुनौतियां सीधे ग्राहक सेवा से संबंधित हैं, जहां बातचीत अक्सर कई विषयों को शामिल करती है और एआई को विशिष्ट, डोमेन-संबंधित ज्ञान को समझने की आवश्यकता होती है। हम अपने मंच में इन चुनौतियों को संबोधित कर रहे हैं, जो ग्राहक सेवा वातावरण में मानव भाषा की जटिलताओं को संभालने के लिए डिज़ाइन किया गया है।

लेवल एआई की एनएलयू प्रौद्योगिकी बुनियादी कीवर्ड मिलान से परे जाती है। आप हमारे एआई के गहरे ग्राहक इरादा को कैसे समझते हैं और ग्राहक सेवा में इसके लाभ क्या हैं? लेवल एआई अपने एआई प्रणालियों की सटीकता और विश्वसनीयता को कैसे सुनिश्चित करता है, खासकर जब यह सूक्ष्म ग्राहक इंटरैक्शन को समझने की बात आती है?

हमारे पास विशिष्ट कार्यों के लिए छह या सात अलग-अलग एआई पाइपलाइनें हैं, जो कार्य पर निर्भर करती हैं। उदाहरण के लिए, एक कार्य प्रवाह ग्राहकों के साथ मुद्दों की पहचान करने और समझने के लिए हो सकता है, जिसे हम “ग्राहक की आवाज” कहते हैं। दूसरा स्वचालित गुणवत्ता स्कोरकार्ड का मूल्यांकन हो सकता है ताकि एजेंट प्रदर्शन का मूल्यांकन किया जा सके। प्रत्येक कार्य प्रवाह या सेवा में अपनी एआई पाइपलाइन होती है, लेकिन अंतर्निहित प्रौद्योगिकी समान रहती है।

एक तुलना बनाने के लिए, हम जिस प्रौद्योगिकी का उपयोग करते हैं वह चैटजीपीटी और अन्य जनरेटिव एआई टूल्स के पीछे की तकनीक के समान है। हालांकि, हम ग्राहक सेवा के लिए विशिष्ट एलएलएम का उपयोग करते हैं जिन्हें हमने इन विशेष कार्य प्रवाहों के लिए इनहाउस प्रशिक्षित किया है। इससे हमें केवल कुछ दिनों में नए ग्राहकों को ऑनबोर्ड करने के बाद 85% से अधिक सटीकता प्राप्त करने में मदद मिलती है, जिससे तेजी से मूल्य समय, न्यूनतम पेशेवर सेवाएं और असाधारण सटीकता, सुरक्षा और विश्वास मिलता है।

हमारे मॉडल में ग्राहक सेवा में गहरी और विशिष्ट विशेषज्ञता है। पुराने दृष्टिकोण में बातचीत का विश्लेषण करने के लिए कीवर्ड या वाक्यांशों जैसे “मेरा खाता रद्द करें” या “मैं खुश नहीं हूं” को चुनना शामिल था। लेकिन हमारा समाधान सभी संभावित वाक्यांशों के संस्करणों को पकड़ने पर निर्भर नहीं करता है। इसके बजाय, यह प्रश्न के पीछे के इरादा को समझने के लिए एआई को लागू करता है, जिससे यह बहुत तेजी से और अधिक कुशल हो जाता है।

उदाहरण के लिए, यदि कोई कहता है, “मैं अपना खाता रद्द करना चाहता हूं,” तो वे इसे व्यक्त करने के लिए कई तरह के तरीके हो सकते हैं, जैसे “मैं आपके साथ किया जा रहा हूं” या “मैं किसी और के साथ जा रहा हूं।” हमारा एआई प्रश्न के इरादा को समझता है और इसे संदर्भ से जोड़ता है, जो हमारे सॉफ्टवेयर को तेजी से और अधिक सटीक बनाता है।

एक उपयोगी तुलना यह है कि पुराना एआई एक नियम पुस्तक की तरह था – आप इन नियम पुस्तकों का निर्माण करते थे, जिसमें यदि-तो-अन्य स्टेटमेंट थे, जो लचीले नहीं थे और निरंतर रखरखाव की आवश्यकता थी। नई एआई, दूसरी ओर, एक गतिशील मस्तिष्क या सीखने वाली प्रणाली की तरह है। कुछ संकेतों के साथ, यह गतिशील रूप से संदर्भ और इरादा सीखता है, निरंतर सुधार करता है। एक नियम पुस्तक का सीमित दायरा होता है और जब कुछ निर्धारित नियमों के अनुसार नहीं होता है तो यह टूट जाता है, जबकि एक गतिशील सीखने वाली प्रणाली विस्तारित रहती है, बढ़ती रहती है और बहुत व्यापक प्रभाव डालती है।

एक बड़े ईकॉमर्स ब्रांड से एक अच्छा उदाहरण है। उनके पास हजारों उत्पाद हैं, और यह उनके लिए सभी उत्पादों के साथ तालमेल बैठाना असंभव है। हमारा एआई, हालांकि, संदर्भ को समझ सकता है, जैसे कि क्या आप एक विशिष्ट सोफे के बारे में बात कर रहे हैं, बिना हर नए उत्पाद के लिए एक स्कोरकार्ड या रूब्रिक को निरंतर अपडेट करने की आवश्यकता के।

लेवल एआई की प्रौद्योगिकी को मौजूदा ग्राहक सेवा प्रणालियों के साथ एकीकृत करने में क्या मुख्य चुनौतियां हैं, और आप उन्हें कैसे संबोधित करते हैं?

लेवल एआई एक ग्राहक अनुभव बुद्धिमत्ता और सेवा स्वचालन मंच है। इस तरह, हम उद्योग में अधिकांश सीएक्स सॉफ्टवेयर के साथ एकीकृत करते हैं, चाहे वह सीआरएम, सीसीएएएस, सर्वेक्षण या टूलिंग समाधान हो। यह हमें सभी स्रोतों से डेटा एकत्र करने और बुद्धिमत्ता परत के रूप में कार्य करने वाले केंद्रीय केंद्र के रूप में कार्य करने की अनुमति देता है।

हालांकि, चुनौती यह है कि इनमें से कुछ प्रणालियां गैर-क्लाउड, ऑन-प्रिमाइसेस प्रौद्योगिकी या यहां तक कि क्लाउड प्रौद्योगिकी पर आधारित हैं जो एपीआई या स्वच्छ डेटा एकीकरण की कमी है। हम अपने ग्राहकों के साथ मिलकर इसे संबोधित करते हैं, हालांकि हमारे 80% एकीकरण अब क्लाउड-आधारित या एपीआई-मूल हैं, जो हमें तेजी से एकीकृत करने की अनुमति देता है।

लेवल एआई ग्राहक सेवा एजेंटों के लिए वास्तविक समय की बुद्धिमत्ता और क्रियाशील अंतर्दृष्टि कैसे प्रदान करता है? आप कैसे बता सकते हैं कि यह ग्राहक इंटरैक्शन में सुधार कर रहा है?

हम अपने ग्राहकों को तीन प्रकार की वास्तविक समय की बुद्धिमत्ता और क्रियाशील अंतर्दृष्टि प्रदान करते हैं:

1. मैनुअल कार्य प्रवाह का स्वचालन: सेवा प्रतिनिधि अक्सर सीमित समय (6 से 9 मिनट) और कई मैनुअल कार्यों के साथ काम करते हैं। लेवल एआई बातचीत के दौरान और बाद में नोट्स लेने जैसे कठिन कार्यों को स्वचालित करता है, जिससे प्रत्येक ग्राहक के लिए अनुकूलित सारांश तैयार किए जा सकते हैं। इससे हमारे ग्राहकों को 10 से 25% की कॉल हैंडलिंग समय की बचत हुई है, जिससे अधिक दक्षता मिली है।
2. सीएक्स कोपायलट फॉर सर्विस रेप्स: सेवा प्रतिनिधि उच्च परिवर्तन और ऑनबोर्डिंग चुनौतियों का सामना करते हैं। कल्पना कीजिए कि आप एक संपर्क केंद्र में हैं और आपको कंपनी की नीतियों के बारे में कोई ज्ञान नहीं है। लेवल एआई एक विशेषज्ञ एआई के रूप में कार्य करता है जो बातचीत सुनता है और वास्तविक समय में मार्गदर्शन प्रदान करता है। इसमें आपत्तियों को संभालना, ज्ञान प्रदान करना और स्मार्ट प्रतिलेखन शामिल है। इस क्षमता ने हमारे ग्राहकों को 30 से 50% तेजी से सेवा प्रतिनिधियों को ऑनबोर्ड और प्रशिक्षित करने में मदद की है।
3. मैनेजर कोपायलट: यह विशिष्ट सुविधा प्रबंधकों को उनकी टीम के प्रदर्शन पर वास्तविक समय की दृश्यता प्रदान करती है। लेवल एआई बातचीत में दूसरे-दर-दूसरे अंतर्दृष्टि प्रदान करता है, जिससे प्रबंधक हस्तक्षेप कर सकते हैं, भावना और इरादा का पता लगा सकते हैं, और वास्तविक समय में प्रतिनिधियों का समर्थन कर सकते हैं। इससे एजेंट उत्पादकता में 10 से 15% की वृद्धि हुई है और एजेंट संतुष्टि में वृद्धि हुई है, जो लागत को कम करने के लिए महत्वपूर्ण है। उदाहरण के लिए, यदि एक ग्राहक प्रतिनिधि पर चिल्लाता है, तो प्रणाली इसे झंडा देती है, और प्रबंधक या तो कॉल ले सकता है या प्रतिनिधि को व्हिस्पर मार्गदर्शन दे सकता है। यह प्रकार का वास्तविक समय हस्तक्षेप इस प्रौद्योगिकी के बिना असंभव होगा।

लेवल एआई की भावना विश्लेषण कैसे काम करती है और यह एजेंटों को ग्राहकों के प्रति अधिक प्रभावी ढंग से प्रतिक्रिया देने में कैसे मदद करती है?

हमारी भावना विश्लेषण सात अलग-अलग भावनाओं का पता लगाती है, जो अत्यधिक निराशा से लेकर उत्साह तक होती है, जिससे हम भावना स्कोर में योगदान देने वाली भावनाओं की विभिन्न डिग्री को माप सकते हैं। यह विश्लेषण दोनों बोले गए शब्दों और बातचीत की टोनलिटी पर विचार करता है। हालांकि, हमने अपने प्रयोगों से पाया है कि बोले गए शब्द टोन की तुलना में बहुत अधिक महत्वपूर्ण भूमिका निभाते हैं। आप किसी को बहुत मतलबी चीजें एक सपाट स्वर में कह सकते हैं या बहुत अच्छी चीजें एक अजीब स्वर में कह सकते हैं।

हम 1 से 10 के पैमाने पर एक भावना स्कोर प्रदान करते हैं, जहां 1 बहुत नकारात्मक भावना को दर्शाता है और 10 एक अत्यधिक सकारात्मक भावना को दर्शाता है। हम अपने ग्राहकों की 100% बातचीत का विश्लेषण करते हैं, जिससे ग्राहक इंटरैक्शन में गहरी अंतर्दृष्टि मिलती है।

संदर्भ की समझ भी महत्वपूर्ण है। उदाहरण के लिए, यदि एक कॉल बहुत नकारात्मक भावना के साथ शुरू होता है लेकिन सकारात्मक रूप से समाप्त होता है, भले ही कॉल का 80% नकारात्मक रहा हो, तो समग्र इंटरैक्शन को सकारात्मक माना जाता है। यह इसलिए है क्योंकि ग्राहक परेशान था, एजेंट ने मुद्दे का समाधान किया, और ग्राहक संतुष्ट होकर चला गया। दूसरी ओर, यदि कॉल सकारात्मक रूप से शुरू होता है लेकिन नकारात्मक रूप से समाप्त होता है, तो यह एक अलग कहानी है, भले ही कॉल का 80% सकारात्मक रहा हो।

यह विश्लेषण दोनों प्रतिनिधि और प्रबंधक को प्रशिक्षण के लिए क्षेत्रों की पहचान करने में मदद करता है, जो सकारात्मक भावना से संबंधित क्रियाओं पर ध्यान केंद्रित करते हैं, जैसे कि ग्राहक का अभिवादन करना, उनकी चिंताओं को स्वीकार करना और सहानुभूति दिखाना – जो सफल इंटरैक्शन के लिए महत्वपूर्ण तत्व हैं।

लेवल एआई ग्राहक इंटरैक्शन की संवेदनशील प्रकृति को देखते हुए डेटा गोपनीयता और सुरक्षा चिंताओं को कैसे संबोधित करता है?

हमने दिन एक से ही सुरक्षा और गोपनीयता को प्राथमिकता दी है। हमने अपनी प्रणाली को उद्यम स्तर की सुरक्षा और गोपनीयता के साथ बनाया है। हम अपनी किसी भी जनरेटिव एआई क्षमताओं को तीसरे पक्ष के विक्रेताओं को आउटसोर्स नहीं करते हैं। सब कुछ इनहाउस विकसित किया गया है, जिससे हम ग्राहक-विशिष्ट एआई मॉडल बना सकते हैं और हमारे वातावरण के बाहर डेटा साझा किए बिना। हम व्यापक अनुकूलन भी प्रदान करते हैं, जिससे ग्राहकों को अपने स्वयं के एआई मॉडल मिल सकते हैं बिना हमारे डेटा पाइपलाइन के विभिन्न हिस्सों के बीच किसी भी डेटा साझा किए।

वर्तमान उद्योग चिंता को संबोधित करने के लिए, हमारा डेटा बाहरी मॉडलों के प्रशिक्षण के लिए उपयोग नहीं किया जाता है। हम अपने मॉडलों को एआई-जनित डेटा से प्रभावित नहीं होने देते हैं जो अन्य स्रोतों से आता है। यह दृष्टिकोण हमें उन मुद्दों से बचाता है जिनका सामना कुछ एआई मॉडल कर रहे हैं, जहां एआई-जनित डेटा पर प्रशिक्षित होने से उन्हें सटीकता खोने का कारण बनता है। लेवल एआई में, सब कुछ पहली पार्टी है, और हम अपने डेटा को बाहरी रूप से साझा नहीं करते हैं या खींचते नहीं हैं।

हाल ही में $39.4 मिलियन सीरीज़ सी फंडिंग के साथ, आप लेवल एआई के मंच का विस्तार करने और नए ग्राहक खंडों तक पहुंचने के लिए क्या योजना बना रहे हैं?

सीरीज़ सी निवेश हमारे रणनीतिक विकास और नवाचार पहलों को महत्वपूर्ण क्षेत्रों में ईंधन देगा, जिसमें उत्पाद विकास, इंजीनियरिंग सुधार, और अनुसंधान और विकास प्रयासों में सख्ती से शामिल है। हम संगठन के सभी स्तरों पर शीर्ष प्रतिभा की भर्ती करना चाहते हैं, जिससे हम उद्योग के नेतृत्व वाली प्रौद्योगिकियों को आगे बढ़ाने में सक्षम होंगे जो ग्राहकों की अपेक्षाओं को पार करती हैं और गतिशील बाजार की मांगों को पूरा करती हैं।

आप अगले दशक में ग्राहक सेवा में एआई की भूमिका को कैसे देखते हैं?

जबकि सामान्य ध्यान अक्सर स्वचालन पहलू पर होता है – भविष्यवाणी करता है कि बॉट्स सभी ग्राहक सेवा को संभालेंगे – हमारा दृष्टिकोण अधिक सूक्ष्म है। स्वचालन का स्तर ऊर्ध्वाधर द्वारा भिन्न होता है। उदाहरण के लिए, बैंकिंग या वित्त में, स्वचालन कम हो सकता है, जबकि अन्य क्षेत्रों में यह अधिक हो सकता है। हमारा मानना है कि सभी ऊर्ध्वाधर में 40% से अधिक स्वचालन प्राप्त करना चुनौतीपूर्ण है। यह इसलिए है क्योंकि सेवा प्रतिनिधि केवल प्रश्नों का उत्तर देने के लिए नहीं होते हैं – वे समस्या समाधानकर्ता, बिक्री सलाहकार और अधिक के रूप में कार्य करते हैं, जो पूरी तरह से एआई द्वारा प्रतिकृत नहीं किया जा सकता है।

कार्य प्रवाह स्वचालन में भी महत्वपूर्ण संभावना है, जिस पर लेवल एआई ध्यान केंद्रित करता है। इसमें गुणवत्ता आश्वासन, टिकट ट्राइएज और स्क्रीन मॉनिटरिंग जैसे बैक-ऑफिस कार्य शामिल हैं। यहां, स्वचालन जनरेटिव एआई का उपयोग करके 80% से अधिक हो सकता है। बुद्धिमत्ता और डेटा अंतर्दृष्टि महत्वपूर्ण हैं। हम असंरचित डेटा से अंतर्दृष्टि प्राप्त करने के लिए जनरेटिव एआई का उपयोग करने में अद्वितीय हैं। इस दृष्टिकोण से अंतर्दृष्टि की गुणवत्ता में काफी सुधार हो सकता है, पेशेवर सेवाओं की आवश्यकता को 90% तक कम कर सकता है और मूल्य समय को 90% तक तेजी से बढ़ा सकता है।

एक और महत्वपूर्ण विचार यह है कि क्या आपके संगठन का चेहरा एक बॉट या एक व्यक्ति होना चाहिए। उनके द्वारा किए जाने वाले मूल कार्यों से परे, ग्राहकों के साथ मानव संबंध महत्वपूर्ण है। हमारा दृष्टिकोण व्यक्ति के कार्यभार से अतिरिक्त कार्यों को हटाना है, जिससे उन्हें अर्थपूर्ण इंटरैक्शन पर ध्यान केंद्रित करने की अनुमति मिलती है।

हमारा मानना है कि मानव सीधे संचार के लिए सबसे अच्छे हैं और इस भूमिका में बने रहना चाहिए। हालांकि, वे नोट्स लेने, बातचीत को ट्रांसक्राइब करने या स्क्रीन रिकॉर्ड करने जैसे कार्यों के लिए उपयुक्त नहीं हैं। उनके लिए इन कार्यों को संभालने से, हम उन्हें ग्राहकों के साथ अधिक प्रभावी ढंग से जुड़ने में सक्षम बनाते हैं।

धन्यवाद इस शानदार साक्षात्कार के लिए, पाठक जो अधिक जानना चाहते हैं उन्हें लेवल एआई पर जाना चाहिए।