साक्षात्कार
आशीष नगर, सीईओ और लेवल एआई के संस्थापक – साक्षात्कार श्रृंखला
आशीष नगर लेवल एआई के सीईओ और संस्थापक हैं, जो अमेज़न में एलेक्सा टीम में अपने अनुभव का उपयोग ग्राहक सेवा संचालन को बदलने के लिए कृत्रिम बुद्धिमत्ता का उपयोग कर रहे हैं। प्रौद्योगिकी और उद्यमिता में मजबूत पृष्ठभूमि के साथ, आशीष 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 कонтैक्ट सेंटर स्पेस 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? क्या आप ग्राहक सेवा में उन विशिष्ट दर्द बिंदुओं को साझा कर सकते हैं जिन्हें आप अपनी प्रौद्योगिकी के साथ संबोधित करना चाहते थे?
मेरी पृष्ठभूमि प्रौद्योगिकी और व्यवसाय के बीच उत्पादों का निर्माण करना 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 सर्च कंपनी रिल सी बना रहे थे, जो आज के परप्लेक्सिटी एआई के समान थी। यह अनुभव मेरी एआई सॉफ्टवेयर यात्रा की शुरुआत थी, और अंततः उस कंपनी का अमेज़न द्वारा अधिग्रहण कर लिया गया। अमेज़न में, मैं एलेक्सा टीम में एक उत्पाद नेता था, जो लगातार अधिक जटिल एआई समस्याओं का समाधान करने के अवसरों की तलाश में था।
अमेज़न में मेरे आखिरी साल में, 2018 में, मैंने एक परियोजना पर काम किया जिसे हम “स्टार ट्रेक कंप्यूटर” के रूप में जानते 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। यह परियोजना एलेक्सा पुरस्कार के रूप में जानी जाती थी, 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 हमने 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 समस्या का पूरी तरह से समाधान नहीं कर सकता था।
फिर भी, मैं एक नवाचार की लहर को आ रहा हुआ महसूस कर सकता था जो इसे संभव बना देगा। 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 अमेज़न, गूगल, ओपनएआई और माइक्रोसॉफ्ट जैसी कंपनियों ने बड़े मॉडल और अंतर्निहित बुनियादी ढांचे का निर्माण किया। लेकिन वे अंत-से-अंत कार्यप्रवाह को आवश्यक रूप से 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 तकनीशियन और रिटेल स्टोर कर्मचारियों के लिए एक वॉइस असिस्टेंट था। हमने $2 मिलियन की शुरुआती फंडिंग जुटाई और उत्पाद को संभावित ग्राहकों को दिखाया। उन्होंने हमें तकनीक को संपर्क केंद्रों के लिए अनुकूलित करने के लिए अधिक अनुरोध किया, जहां वे पहले से ही वॉइस और डेटा स्ट्रीम्स के पास थे, लेकिन आधुनिक जनरेटिव एआई आर्किटेक्चर की कमी थी। इससे हमें एहसास हुआ कि इस स्थान में मौजूदा कंपनियां अतीत 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।
मेरी गहरी रुचि मानव भाषा की जटिलताओं और कंप्यूटर इंजीनियरिंग के दृष्टिकोण से इन समस्याओं को हल करने में कितना कठिन है, 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 मानव भाषा में इरादा और संदर्भ की व्याख्या करने के लिए संघर्ष करता है।
एआई इरादा समझने, संदर्भ को लंबी बातचीत में बनाए रखने और विश्व के संबंध में प्रासंगिक ज्ञान के कब्जे में 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 प्लेटफ़ॉर्म में इन चुनौतियों का समाधान कर रहे हैं, जो ग्राहक सेवा वातावरण में मानव भाषा की जटिलताओं से निपटने के लिए डिज़ाइन किया गया है।
लेवल एआई की एनएलयू प्रौद्योगिकी बुनियादी कीवर्ड मिलान से परे जाती है। क्या आप बता सकते हैं कि आपका एआई गहरे ग्राहक इरादा 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। उदाहरण के लिए, एक कार्यप्रवाह में ग्राहकों की समस्याओं को समझने और उनकी समस्याओं को समझने के लिए कॉल ड्राइवरों की पहचान करना शामिल हो सकता है, जिसे हम “ग्राहक की आवाज” कहते हैं। दूसरा स्वचालित गुणवत्ता स्कोरकार्ड का स्कोरिंग हो सकता है ताकि एजेंट प्रदर्शन का मूल्यांकन किया जा सके। प्रत्येक कार्यप्रवाह या सेवा में अपनी एआई पाइपलाइन 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 पर आधारित है। हालांकि, हम ग्राहक सेवा-विशिष्ट एलएलएम का उपयोग करते हैं जिन्हें हमने इन विशेष कार्यप्रवाहों के लिए इन-हाउस प्रशिक्षित किया है। इससे हम नए ग्राहकों को ऑनबोर्ड करने के कुछ दिनों के भीतर 85% से अधिक की सटीकता प्राप्त करने में सक्षम होते हैं, जिससे तेजी से मूल्य समय, न्यूनतम पेशेवर सेवाएं और अनमैच्ड सटीकता, सुरक्षा और विश्वास होता है।
हमारे मॉडल में ग्राहक सेवा में गहरी और विशिष्ट विशेषज्ञता है। पुराने परिदृश्य में बातचीत का विश्लेषण करना शामिल था जिसमें कीवर्ड या वाक्यांशों जैसे “मेरा खाता रद्द करें” या “मैं असंतुष्ट हूं” को चुनना शामिल था। लेकिन हमारा समाधान इन वाक्यांशों के सभी संभावित 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 इसके कई तरीके हो सकते हैं, जैसे “मैं आपके साथ खत्म हो गया 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 सहायक तुलना यह है कि पुराना एआई एक नियम पुस्तिका की तरह था – आप इन नियम पुस्तिकाओं का निर्माण करते थे, जिसमें यदि-तो-अन्य कथन थे, जो लचीले नहीं थे और निरंतर रखरखाव की आवश्यकता थी। नया 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, जो निरंतर सुधार करता है। एक नियम पुस्तिका में सीमित दायरा होता है और यह आसानी से टूट जाता है जब कुछ पूर्वनिर्धारित नियमों के अनुसार नहीं होता है, जबकि एक गतिशील सीखने वाली प्रणाली विस्तारित होती है, बढ़ती है और बहुत व्यापक प्रभाव डालती है।
एक ग्राहक के दृष्टिकोण से एक उत्कृष्ट उदाहरण एक बड़ा ईकॉमर्स ब्रांड है। उनके पास हजारों उत्पाद हैं, और यह उनके साथ तालमेल बिठाना 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 स्कोरकार्ड या रूब्रिक को अद्यतन करने की आवश्यकता के।
लेवल एआई की प्रौद्योगिकी को मौजूदा ग्राहक सेवा प्रणालियों के साथ एकीकृत करने में क्या प्रमुख चुनौतियां हैं, और आप उन्हें कैसे संबोधित करते हैं?
लेवल एआई एक ग्राहक अनुभव बुद्धिमत्ता और सेवा स्वचालन प्लेटफ़ॉर्म है। इस तरह, हम उद्योग में अधिकांश सीएक्स सॉफ़्टवेयर के साथ एकीकृत करते हैं, चाहे वह सीआरएम, सीसीएएएस, सर्वेक्षण या टूलिंग समाधान हो। यह हमें केंद्रीय केंद्र बनाता है, जो इन सभी स्रोतों से डेटा एकत्र करता है और शीर्ष पर बुद्धिमत्ता परत के रूप में कार्य करता 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 एकीकरण में से 80% अब क्लाउड-आधारित या एपीआई-मूल हैं, जो हमें जल्दी एकीकरण करने की अनुमति देता है।
लेवल एआई ग्राहक सेवा एजेंटों के लिए वास्तविक समय की बुद्धिमत्ता और कार्रवाई योग्य अंतर्दृष्टि कैसे प्रदान करता है? क्या आप कुछ उदाहरण साझा कर सकते हैं कि यह ग्राहक इंटरैक्शन को कैसे बेहतर बनाता है?
हम अपने ग्राहकों को तीन प्रकार की वास्तविक समय की बुद्धिमत्ता और कार्रवाई योग्य अंतर्दृष्टि प्रदान करते हैं:
- मैनुअल कार्यप्रवाह 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, जो प्रत्येक ग्राहक के लिए अनुकूलित सारांश उत्पन्न करता है। इससे हमारे ग्राहकों को कॉल हैंडलिंग समय में 10 से 25% की बचत हुई है, जिससे अधिक दक्षता मिलती है।
- सीएक्स कोपिलॉट 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 प्रतिनिधि के बगल में बैठता है, 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।
- मैनेजर कोपिलॉट: यह विशिष्ट सुविधा प्रबंधकों को उनकी टीम के प्रदर्शन पर वास्तविक समय की दृश्यता प्रदान करती है। लेवल एआई बातचीत में दूसरे-दूसरे के अंतर्दृष्टि प्रदान करता है, जिससे प्रबंधक हस्तक्षेप कर सकते हैं, भावना और इरादा का पता लगा सकते हैं और वास्तविक समय में प्रतिनिधियों को समर्थन दे 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 गुस्सा करना शुरू कर देता है, तो सिस्टम इसे फ्लैग करता है, और प्रबंधक या तो कॉल पर हस्तक्षेप कर सकता है या प्रतिनिधि को मार्गदर्शन दे सकता है। यह प्रकार का वास्तविक समय हस्तक्षेप इस प्रौद्योगिकी के बिना असंभव होगा।
क्या आप बता सकते हैं कि लेवल एआई का भावना विश्लेषण कैसे काम करता है और यह एजेंटों को ग्राहकों को 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 विभिन्न भावनाओं को मापने की अनुमति देता है जो हमारे समग्र भावना स्कोर में योगदान करती हैं। यह विश्लेषण बोले गए शब्दों और बातचीत की टोनलिटी दोनों 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 चीज़ को बहुत ही सपाट स्वर में कह सकते हैं या किसी चीज़ को बहुत ही 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 इंगित करता है। हम अपने ग्राहकों की 100% बातचीत का विश्लेषण करते हैं, जो ग्राहक इंटरैक्शन में गहरी अंतर्दृष्टि प्रदान करता 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 समस्या 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 कार्यों पर केंद्रित 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 एंटरप्राइज-लेवल सुरक्षा और गोपनीयता के साथ बनाया है। हम अपनी जनरेटिव एआई क्षमताओं को तीसरे पक्ष के विक्रेताओं को आउटसोर्स नहीं करते हैं। सब कुछ इन-हाउस विकसित किया जाता है, जो हमें ग्राहक-विशिष्ट एआई मॉडल को बिना डेटा को हमारे पर्यावरण के बाहर साझा किए प्रशिक्षित करने की अनुमति देता है। हम व्यापक अनुकूलन भी प्रदान करते हैं, जो ग्राहकों को अपने स्वयं के एआई मॉडल को बिना डेटा साझा किए हमारे डेटा पाइपलाइन के विभिन्न भागों के बीच प्राप्त करने की अनुमति देता है।
एक वर्तमान उद्योग चिंता को संबोधित करने के लिए, हमारा डेटा बाहरी मॉडलों द्वारा प्रशिक्षण के लिए उपयोग नहीं किया जाता है। हम अपने मॉडलों को अन्य स्रोतों से एआई-जनित डेटा द्वारा प्रभावित होने की अनुमति नहीं देते हैं। यह दृष्टिकोण हमें उन मुद्दों से बचाता 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 में बाहरी रूप से डेटा साझा नहीं करते हैं या खींचते नहीं हैं।
हाल ही में $39.4 मिलियन के 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 की पहलों को महत्वपूर्ण क्षेत्रों में बढ़ावा देगा, जिसमें उत्पाद विकास, इंजीनियरिंग सुधार और अनुसंधान और विकास प्रयास शामिल हैं। हम उत्पाद विकास, इंजीनियरिंग और अनुसंधान और विकास जैसे क्षेत्रों में शीर्ष स्तर की प्रतिभा को भर्ती करने की योजना बना रहे हैं, जो हमें ग्राहकों की अपेक्षाओं को पार करने और गतिशील बाजार की मांगों को पूरा करने वाली उद्योग-अग्रणी प्रौद्योगिकियों को आगे बढ़ाने में सक्षम बनाएगा।
आप अगले दशक में ग्राहक सेवा में एआई की भूमिका को कैसे देखते हैं?
जबकि सामान्य ध्यान अक्सर स्वचालन के पहलू पर होता है – भविष्यवाणी करते हुए कि एक भविष्य में बॉट ग्राहक सेवा को संभालेंगे – हमारा दृष्टिकोण अधिक सूक्ष्म है। स्वचालन की डिग्री 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 वर्टिकल में 40% से अधिक स्वचालन प्राप्त करना चुनौतीपूर्ण है। इसका कारण यह है कि सेवा प्रतिनिधि केवल प्रश्नों का उत्तर देने के लिए नहीं हैं – वे ट्रoubleshooter, बिक्री सलाहकार और अधिक के रूप में कार्य करते हैं, जो एआई द्वारा पूरी तरह से प्रतिकृत नहीं किए जा सकते हैं।
कार्यप्रवाह 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 80% से अधिक हो सकता है जो जनरेटिव एआई का उपयोग करता है। बुद्धिमत्ता और डेटा अंतर्दृष्टि महत्वपूर्ण हैं। हम अनस्ट्रक्चर्ड डेटा से अंतर्दृष्टि प्राप्त करने के लिए जनरेटिव एआई का उपयोग 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 तेज कर सकता है।
एक और महत्वपूर्ण विचार यह है कि क्या आपके संगठन का चेहरा एक बॉट होना चाहिए या एक व्यक्ति। अपने द्वारा की जाने वाली बुनियादी कार्यों से परे, ग्राहकों के साथ मानव संबंध महत्वपूर्ण है। हमारा दृष्टिकोण है कि व्यक्ति से सीधे संचार के लिए मानव को बनाए रखना और उन्हें अर्थपूर्ण इंटरैक्शन पर ध्यान केंद्रित करने के लिए अतिरिक्त कार्यों को दूर करना।
हम मानते हैं कि मानव सीधे संचार और संबंध बनाने के लिए सबसे अच्छे हैं। हालांकि, वे नोट्स लेने, लिप्यंतरण करने या स्क्रीन रिकॉर्डिंग जैसे कार्यों के लिए उपयुक्त नहीं हैं। इन कार्यों को उनके लिए संभालने से, हम उनके समय को मुक्त करते हैं ताकि वे ग्राहकों के साथ अधिक प्रभावी ढंग से जुड़ सकें।
साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें लेवल एआई पर जाना चाहिए।
