आशिष नागर, लेवल एआई के सीईओ और संस्थापक – साक्षात्कार श्रृंखला

आशिष नागर लेवल एआई के सीईओ और संस्थापक हैं, जो अमेज़न पर एलेक्सा टीम में अपने अनुभव का उपयोग करके संपर्क केंद्र संचालन में कृत्रिम बुद्धिमत्ता का उपयोग कर रहे हैं। प्रौद्योगिकी और उद्यमिता में मजबूत पृष्ठभूमि के साथ, आशिष 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 अग्रिम उत्पादों और कृत्रिम बुद्धिमत्ता के श्रेष्ठ कार्यान्वयन के लिए जाना जाता है।

आपको अमेज़न 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 प्रौद्योगिकी और व्यवसाय के बीच के संगम पर उत्पादों का निर्माण करने में है। हालांकि मेरी स्नातक की डिग्री अप्लाइड 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 के परप्लेक्सिटी एआई के समान थी। यह अनुभव मेरी एआई सॉफ्टवेयर यात्रा की शुरुआत थी, और अंततः उस कंपनी को अमेज़न द्वारा अधिग्रहित किया गया। अमेज़न में, मैं एलेक्सा टीम पर एक उत्पाद नेता था, जो लगातार अधिक जटिल एआई समस्याओं का समाधान करने के अवसरों की तलाश में था।

अमेज़न में मेरे अंतिम वर्ष में, 2018 में, मैंने एक परियोजना पर काम किया जिसे हम “स्टार ट्रेक कंप्यूटर” कहते थे, जो प्रसिद्ध विज्ञान-कथा श्रृंखला से प्रेरित थी। इसका उद्देश्य एक कंप्यूटर विकसित करना था जो किसी भी प्रश्न को समझ और प्रतिक्रिया दे सके। यह परियोजना एलेक्सा पुरस्कार के रूप में जानी जाने लगी, 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 विश्व स्तरीय 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 की भविष्यवाणी कर सकता था जो इसे संभव बना देगी। 2024 तक आगे बढ़ें, और चैटजीपीटी जैसी प्रौद्योगिकियां अब जो हमने कल्पना की थी वह बहुत कुछ कर रही हैं। अमेज़न, गूगल, ओपनएआई और माइक्रोसॉफ्ट जैसी कंपनियों के साथ प्राकृतिक भाषा प्रसंस्करण में तेजी से प्रगति हुई और बड़े मॉडल और अंतर्निहित बुनियादी ढांचे का निर्माण किया। लेकिन वे आवश्यक रूप से अंत-से-अंत कार्य प्रवाह को संबोधित 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 खुदरा स्टोर कर्मचारियों के लिए एक वॉयस असिस्टेंट था। हमने 2 मिलियन डॉलर की शुरुआती पूंजी जुटाई और संभावित ग्राहकों को उत्पाद दिखाया। उन्होंने हमें तकनीक को संपर्क केंद्रों के लिए अनुकूलित करने के लिए कहा, जहां वे पहले से ही वॉयस और डेटा स्ट्रीम्स थे, लेकिन आधुनिक जनरेटिव एआई आर्किटेक्चर की कमी थी। इससे हमें एहसास हुआ कि इस स्थान में मौजूदा कंपनियां पुराने तरीकों में फंसी हुई 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 प्लेटफ़ॉर्म बनाया।

मानव भाषा की जटिलताओं और कंप्यूटर इंजीनियरिंग के दृष्टिकोण से इसे हल करने में कितना कठिन है, मेरी दिलचस्पी 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, संदर्भ को लंबी बातचीत में बनाए रखने और दुनिया के संबंध में प्रासंगिक ज्ञान की कमी से जूझता है। यहां तक ​​कि चैटजीपीटी भी इन क्षेत्रों में सीमाओं का सामना करता है। 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 ग्राहक सेवा से सीधे 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 प्लेटफ़ॉर्म में इन चुनौतियों का समाधान 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 बता सकते हैं कि आपका एआई गहरे ग्राहक इरादे को कैसे समझता है और ग्राहक सेवा में इसके लाभ क्या हैं? लेवल एआई अपने एआई सिस्टम की सटीकता और विश्वसनीयता को कैसे सुनिश्चित करता है, विशेष रूप से सूक्ष्म ग्राहक इंटरैक्शन को समझने में?

हमारे पास विभिन्न कार्यों के लिए छह या सात अलग-अलग एआई पाइपलाइनें हैं, जो कार्य के आधार पर भिन्न हो सकती हैं। उदाहरण के लिए, एक कार्य प्रवाह ग्राहकों के साथ समस्याओं की पहचान करने और उनके उत्पाद या सेवा के साथ मुद्दों को समझने में शामिल हो सकता है, जिसे हम “ग्राहक की आवाज” कहते हैं। दूसरा स्वचालित गुणवत्ता स्कोरकार्ड का मूल्यांकन करने के लिए एजेंट प्रदर्शन का मूल्यांकन करने में शामिल हो सकता है। प्रत्येक कार्य प्रवाह या सेवा में अपनी एआई पाइपलाइन होती है, लेकिन अंतर्निहित प्रौद्योगिकी समान रहती है।

एक तुलना के लिए, हम जिस प्रौद्योगिकी का उपयोग करते हैं वह चैटजीपीटी और अन्य जनरेटिव एआई टूल्स के पीछे की प्रौद्योगिकी 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 हम नए ग्राहकों को ऑनबोर्ड करने के कुछ दिनों के भीतर 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 असंतुष्ट हूं” को चुनना शामिल था। लेकिन हमारा समाधान सभी संभावित वाक्यांशों को पकड़ने पर निर्भर नहीं करता है। इसके बजाय, यह प्रश्न के पीछे के इरादे 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 इसके कई 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 इरादे 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 पुस्तिका की तरह था – आप इन लचीले नियम पुस्तिकाओं का निर्माण करते थे, जिसमें यदि-तो-अन्य कथन थे, जो लचीले थे और लगातार रखरखाव की आवश्यकता थी। दूसरी ओर, नया एआई एक गतिशील मस्तिष्क या सीखने वाली प्रणाली की तरह है। कुछ संकेतों के साथ, यह गतिशील रूप से संदर्भ और इरादे सीखता है, और निरंतर सुधार करता है। एक नियम पुस्तिका का दायरा सीमित होता है और जब कुछ पूर्वनिर्धारित नियमों में फिट नहीं होता है तो यह आसानी से टूट जाता है, जबकि एक गतिशील सीखने वाली प्रणाली विस्तारित रहती है, बढ़ती है और बहुत बड़ा प्रभाव डालती है।

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

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 प्लेटफ़ॉर्म है। इस प्रकार, हम उद्योग में अधिकांश सीएक्स सॉफ्टवेयर के साथ एकीकृत करते हैं, चाहे वह सीआरएम, सीसीएएएस, सर्वेक्षण या टूलिंग समाधान हो। इससे हम केंद्रीय केंद्र बन जाते हैं, जो इन सभी स्रोतों से डेटा एकत्र करते हैं और शीर्ष पर बुद्धिमत्ता परत के रूप में कार्य करते हैं।

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 साफ डेटा एकीकरण की कमी है। हम अपने ग्राहकों के साथ密त से काम करते हैं ताकि हम इसे संबोधित कर सकें। हालांकि, हमारे 80% एकीकरण अब क्लाउड-आधारित या एपीआई-मूल हैं, जो हमें जल्दी एकीकरण करने की अनुमति देते हैं।

लेवल एआई ग्राहक सेवा एजेंटों के लिए वास्तविक समय की बुद्धिमत्ता और क्रियाशील अंतर्दृष्टि कैसे प्रदान करता है? आप बता सकते हैं कि यह ग्राहक इंटरैक्शन में कैसे सुधार करता 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 कार्यों को स्वचालित करता है, जिससे प्रत्येक ग्राहक के लिए अनुकूलित सारांश तैयार किए जाते हैं। इससे हमारे ग्राहकों को 10 से 25% की कॉल हैंडलिंग समय की बचत होती है, जिससे अधिक दक्षता मिलती 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 बिना कंपनी की नीतियों को जाने ड्रॉप किए गए हैं। 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 की अंतर्दृष्टि प्रदान करता है, जिससे प्रबंधक हस्तक्षेप कर सकते हैं, भावना और इरादे 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 दिखाती है, और प्रबंधक या तो कॉल ले सकता है या प्रतिनिधि को व्हिस्पर मार्गदर्शन दे सकता है। यह प्रकार का वास्तविक समय में हस्तक्षेप इस प्रौद्योगिकी के बिना असंभव होगा।

आप लेवल एआई के भावना विश्लेषण के बारे में विस्तार से बता सकते हैं और यह एजेंटों को ग्राहकों के प्रति अधिक प्रभावी ढंग से प्रतिक्रिया देने में कैसे मदद करता है?

हमारा भावना विश्लेषण सात अलग-अलग भावनाओं का पता लगाता है, जो अत्यधिक निराशा से लेकर उत्साह तक होती है, जो हमें भावना स्कोर को मापने की अनुमति देता है जो विभिन्न भावनाओं के योगदान को दर्शाता है। यह विश्लेषण बोले गए शब्दों और बातचीत की टोनलिटी दोनों को ध्यान में रखता 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 बुरी बातें एक सपाट स्वर में कह सकते हैं या बहुत अच्छी बातें 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 और 10 बहुत सकारात्मक भावना को दर्शाता है। हम अपने ग्राहकों की 100% बातचीत का विश्लेषण करते हैं, जिससे ग्राहक इंटरैक्शन पर गहरी अंतर्दृष्टि मिलती है।

संदर्भ की समझ भी महत्वपूर्ण है। उदाहरण के लिए, यदि एक कॉल बहुत नकारात्मक भावना से 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। इसका कारण यह है कि ग्राहक परेशान था, प्रतिनिधि 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 प्रतिनिधि और प्रबंधक दोनों को प्रशिक्षण के लिए क्षेत्रों की पहचान करने में मदद करता है, जो सकारात्मक भावना से संबंधित क्रियाओं पर ध्यान केंद्रित करता है, जैसे कि ग्राहक का अभिवादन करना, उनकी चिंताओं को स्वीकार करना और सहानुभूति दिखाना – जो सफल इंटरैक्शन के लिए महत्वपूर्ण तत्व हैं।

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

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। हम सब कुछ इनहाउस विकसित करते हैं, जो हमें ग्राहक-विशिष्ट एआई मॉडल बनाने की अनुमति देता है बिना हमारे पर्यावरण के बाहर डेटा साझा किए। हम व्यापक अनुकूलन भी प्रदान करते हैं, जो ग्राहकों को अपने स्वयं के एआई मॉडल की अनुमति देता है बिना विभिन्न हिस्सों में 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 बाहरी स्रोतों से एआई-जनित डेटा द्वारा प्रभावित नहीं होने देते हैं। यह दृष्टिकोण उन मुद्दों को रोकता है जिनका सामना कुछ एआई मॉडल करते हैं, जहां एआई-जनित डेटा पर प्रशिक्षित होने से उन्हें सटीकता खोने का कारण बनता है। लेवल एआई में, सब कुछ प्रथम-पक्ष है, और हम अपने डेटा पाइपलाइन के विभिन्न हिस्सों के बीच डेटा साझा नहीं करते हैं।

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

श्रृंखला सी निवेश हमारे रणनीतिक विकास और नवाचार पहलों को ईंधन देगा, जिसमें उत्पाद विकास, इंजीनियरिंग उन्नति और अनुसंधान और विकास प्रयासों में सुधार शामिल है। हम संगठन भर में सभी स्तरों पर शीर्ष प्रतिभा की भर्ती करना चाहते हैं, जिससे हम उद्योग की अग्रणी प्रौद्योगिकियों को विकसित करने में सक्षम होंगे जो ग्राहकों की अपेक्षाओं को पार करें और गतिशील बाजार की मांगों को पूरा करें।

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

जबकि सामान्य ध्यान अक्सर स्वचालन पहलू पर होता है – एक भविष्य की भविष्यवाणी करते हुए जहां बॉट्स सभी ग्राहक सेवा को संभालते हैं – हमारा दृष्टिकोण अधिक सूक्ष्म है। स्वचालन की सीमा वर्टिकल द्वारा भिन्न होती है। उदाहरण के लिए, बैंकिंग या वित्त में, स्वचालन कम हो सकता है, जबकि अन्य क्षेत्रों में यह अधिक हो सकता है। औसतन, हम मानते हैं कि सभी वर्टिकल्स में 40% से अधिक स्वचालन प्राप्त करना चुनौतीपूर्ण है। इसका कारण यह है कि 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 भूमिकाएं पूरी तरह से एआई द्वारा प्रतिकृत नहीं की जा सकती हैं।

कार्य प्रवाह स्वचालन में भी महत्वपूर्ण संभावनाएं हैं, जिस पर लेवल एआई ध्यान केंद्रित करता है। इसमें गुणवत्ता आश्वासन, टिकट ट्राइएजिंग और स्क्रीन मॉनिटरिंग जैसे बैक-ऑफिस कार्य शामिल हैं। यहां, स्वचालन 80% से अधिक हो सकता है जनरेटिव एआई का उपयोग करके। बुद्धिमत्ता और डेटा अंतर्दृष्टि महत्वपूर्ण हैं। हम जनरेटिव एआई का उपयोग करके असंरचित डेटा से अंतर्दृष्टि प्राप्त करने में अद्वितीय हैं। यह दृष्टिकोण अंतर्दृष्टि की गुणवत्ता में काफी सुधार कर 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 होना चाहिए या एक व्यक्ति। उनके द्वारा किए जाने वाले मूल कार्यों से परे, ग्राहकों के साथ मानव संबंध महत्वपूर्ण है। हमारा दृष्टिकोण व्यक्ति के कार्यभार से अधिक कार्यों को दूर करना है, जिससे वे अर्थपूर्ण इंटरैक्शन पर ध्यान केंद्रित कर सकें।

हम मानते हैं कि मानव सीधे संचार के लिए सबसे अच्छे हैं और उस भूमिका में बने रहना चाहिए। हालांकि, वे नोट्स लेने, बातचीत को ट्रांसक्राइब करने या स्क्रीन रिकॉर्ड करने जैसे कार्यों के लिए आदर्श नहीं हैं। इन कार्यों को उनके लिए संभालने से, हम उन्हें अधिक प्रभावी ढंग से ग्राहकों के साथ जुड़ने के लिए समय देते हैं।

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