Ashley Moser, MelodyArc के सह‑संस्थापक और मुख्य वाणिज्यिक अधिकारी – साक्षात्कार श्रृंखला

Ashley Moser, MelodyArc के सह‑संस्थापक और मुख्य वाणिज्यिक अधिकारी, कंपनी की वाणिज्यिक रणनीति का नेतृत्व करते हैं, ग्राहकों के साथ मिलकर महत्वाकांक्षी परिचालन लक्ष्यों को मापनीय परिणामों में बदलते हैं। वह संचालन, उत्पाद रणनीति, लॉजिस्टिक्स, बिक्री और वित्तीय सेवाओं में विस्तृत पृष्ठभूमि लाती हैं, जिसमें Wonder और Walmart के Jetblack में नेतृत्व भूमिकाएँ शामिल हैं, जहाँ उन्होंने आपूर्ति श्रृंखला, निरंतर सुधार, रणनीति और लॉजिस्टिक्स पर काम किया। अपने करियर की शुरुआत में, उन्होंने Stella Connect में बिक्री निदेशक के रूप में कार्य किया, जिसे बाद में Medallia ने अधिग्रहित किया, मोबाइल रिटेल प्लेटफ़ॉर्म NewStore के साथ काम किया, और J.P. Morgan में संस्थागत इक्विटी बिक्री में चार से अधिक वर्षों तक कार्य किया।

MelodyArc एक एंटरप्राइज़ AI ऑर्केस्ट्रेशन प्लेटफ़ॉर्म है जो संचालन टीमों को डेटा, व्यावसायिक नियम, AI सिस्टम और मानव निर्णय‑निर्धारण को एक ही नियंत्रित वातावरण में समन्वयित करने में मदद करने के लिए डिज़ाइन किया गया है। यह प्लेटफ़ॉर्म जटिल परिचालन प्रक्रियाओं को अंत‑से‑अंत निष्पादित करने के चारों ओर निर्मित है, जिससे टीमें वर्कफ़्लो परिभाषित कर सकें, व्यावसायिक लॉजिक लागू कर सकें, AI ऑपरेटर या अन्य एजेंट तैनात कर सकें, और जब अधिक निर्णय‑निर्धारण की आवश्यकता हो तो मामलों को व्यक्तियों तक बढ़ा सकें। इसका पॉइंट इंजन प्रत्येक केस को हल करने के संभावित मार्गों का मूल्यांकन करता है, जबकि संगठनात्मक नियमों के भीतर काम करता है और प्रत्येक चरण को रिकॉर्ड करता है, जिससे व्यवसायों को ग्राहक सेवा, मर्चेंडाइज़िंग, साइट मैसेजिंग, सप्लाई चेन और असॉर्टमेंट जैसे क्षेत्रों में AI‑संचालित वर्कफ़्लो पर अधिक दृश्यता और नियंत्रण मिलता है।

आपका करियर J.P. Morgan में वित्त, Medallia में एंटरप्राइज़ SaaS, और Walmart के Jetblack में संचालन भूमिकाओं तक विस्तृत रहा है। कौन‑सी विशिष्ट अंतर्दृष्टि या निराशा ने आपको MelodyArc की सह‑स्थापना करने के लिए प्रेरित किया, और उन अनुभवों ने कंपनी के मुख्य दृष्टिकोण को कैसे आकार दिया? 

हमने कंपनी की स्थापना इसलिए की क्योंकि मेरे सह‑स्थापक, James McHenry, और मैं दोनों पहले ऑपरेटर और तकनीशियन रहे थे। हमने प्रत्यक्ष रूप से देखा, और कई मामलों में, संचालन टीमों के लिए उत्कृष्ट तकनीक बनाने में मदद की। लेकिन हम लगातार उसी अंतराल का सामना करते रहे, जहाँ बिंदु‑समाधान या तो संचालन के वास्तविक कार्य के केवल एक छोटे हिस्से को संबोधित करते थे, या जमीन पर काम के वास्तविक तरीके से मेल नहीं खाते थे।

इसे ध्यान में रखते हुए, हमने एक ऐसा प्लेटफ़ॉर्म बनाने का लक्ष्य रखा जो नई तकनीकों को फ्रंटलाइन संचालन टीमों तक इस तरह पहुंचा सके कि वे वास्तव में उनका उपयोग कर सकें। आज, यह मानव‑इन‑द‑लूप ऑर्केस्ट्रेशन के रूप में प्रकट हुआ है।

MelodyArc AI को सीधे फ्रंटलाइन ऑपरेटरों के हाथों में दे रहा है। यह दृष्टिकोण पारंपरिक शीर्ष‑से‑नीचे एंटरप्राइज़ AI तैनाती से कैसे अलग है, और यह बदलाव अभी क्यों हो रहा है? 

MelodyArc के साथ, एक बार प्लेटफ़ॉर्म स्थापित हो जाने पर, हम नई वर्कफ़्लो, विचार और मानव‑इन‑द‑लूप प्रक्रियाओं को सीधे टीमों के हाथों में डालने की क्षमता प्रदान करते हैं, जिससे व्यापक रोडमैप पर बहुत कम या कोई असर नहीं पड़ता। इसका मतलब है कि टीमें हर बार कमांड चेन के ऊपर‑नीचे जाने के बिना AI का उपयोग करके अपनी प्रक्रियाओं को सुधार सकती हैं। यह तकनीक को तैनात करने का मौलिक रूप से अलग तरीका है।

यह हमारे सबसे बड़े एंटरप्राइज़ डिप्लॉयमेंट्स में विशेष रूप से स्पष्ट है। एक ग्राहक पर, हमने एक टीम में एक ही उपयोग‑केस से शुरुआत की। आज, हम कई टीमों में पाँच से अधिक उपयोग‑केस के साथ लाइव हैं।

हमने यह भी देखा है कि टीमें एक दिन में AI‑सहायता प्राप्त प्रक्रिया बना लेती हैं, जिसे उन्होंने पहले कम प्राथमिकता दी थी क्योंकि यह कभी ROI मानदंड को पार नहीं कर पाता था, जबकि यह एक इंजीनियरिंग‑गहन निर्माण होता।

कई संगठन AI में भारी निवेश कर रहे हैं लेकिन फिर भी इसे संचालन योग्य बनाने में संघर्ष कर रहे हैं। AI रणनीति और वास्तविक कार्यान्वयन के बीच आप सबसे सामान्य कौन‑से अंतर देख रहे हैं?

दो बड़ी बातें सामने आती हैं। पहली, जब कंपनियां किसी प्रक्रिया को देखते हैं जिस पर वे AI लागू करना चाहते हैं, तो वे अक्सर सर्व‑या‑कुछ‑नहीँ (ऑल‑ऑर‑नथिंग) दृष्टिकोण अपनाते हैं। वे या तो फोकस प्रक्रिया के सभी पहलुओं को स्वचालित कर देते हैं, या उसे बिल्कुल नहीं छूते। हम कंपनियों को सलाह देते हैं कि वे प्रक्रिया की संरचना को देखें और पहचानें कि स्वचालन कहाँ फिट होता है, AI कहाँ फिट होता है, और लोग कहाँ अभी भी शामिल होने चाहिए, जरूरी नहीं कि इस क्रम में। यह दृष्टिकोण अधिक प्रक्रियाओं को AI के उम्मीदवार के रूप में खोलता है, और डाउनस्ट्रीम में अधिक स्वचालन को भी अनलॉक करता है, क्योंकि आप जानबूझकर तय करते हैं कि लोग कहाँ लूप में हों।

दूसरी, रणनीतिक दृष्टिकोण से, कंपनियों के पास अक्सर चुनने के लिए सैकड़ों योग्य उपयोग‑केस होते हैं। मुख्य बात यह है कि उन्हें वास्तविक व्यवसायिक प्रभाव, डॉलर, घंटे और ठोस मीट्रिक के आधार पर मूल्यांकन किया जाए, न कि सबसे चमकीले या आसान को चुनने के लिए। सबसे बड़े, सबसे अधिक प्रभाव वाले क्षेत्रों को पहले संबोधित करना, भले ही वे कठिन हों, वह जगह है जहाँ कंपनियों को सबसे अधिक मूल्य मिलता है। यह यह भी दर्शाता है कि AI प्रोजेक्ट्स संगठनों में मूल्य का एक सकारात्मक फ़्लाईव्हील कैसे बना सकते हैं।

MelodyArc AI को मानव वर्कफ़्लो के साथ जोड़ता है, न कि उन्हें बदलता है। आप एंटरप्राइज़ वातावरण में स्वचालन और मानव निर्णय‑निर्धारण के बीच सही संतुलन कैसे निर्धारित करते हैं?

MelodyArc उद्यमों को उनके ऑटोमेशन लक्ष्यों को प्राप्त करने में मदद करता है, AI और मानव-इन-द-लूप निर्णय‑निर्धारण के बीच सही संतुलन खोजकर। जब MelodyArc कार्यान्वयन प्रक्रिया शुरू करता है, तो किसी संगठन का अंतिम लक्ष्य ऑटोमेशन द्वारा 90% कार्य पूरा करना हो सकता है, जबकि शेष 10% टीम सदस्य की विशेषज्ञता पर निर्भर हो। लेकिन केवल गति को प्राथमिकता देने के बजाय, MelodyArc शुरुआत से ही मानव-इन-द-लूप भागीदारी का उपयोग करता है। उदाहरण के लिए, ऑटोमेशन और टीम सदस्य इनपुट के बीच 50‑50 विभाजन से शुरू करके, फिर क्रमशः प्रक्रिया के अधिक हिस्से को स्वचालित किया जाता है। यह दृष्टिकोण एंटरप्राइज़‑स्तर के वर्कफ़्लो को तेज़ी से उत्पादन में लाता है, क्योंकि हम AI को एकीकृत करने से पहले वर्कफ़्लो को पूर्ण रूप से परिपूर्ण करने की कोशिश नहीं करते।

इस दृष्टिकोण की एक और ताकत यह है कि जब हम उत्पादन में लॉन्च करते हैं, तो हम प्रक्रिया डेटा एकत्र करते हैं जो हमें ठीक‑ठीक बताता है कि प्रक्रिया के कौन‑से हिस्से को अगला स्वचालित करना है। इससे MelodyArc को ऑटोमेशन लक्ष्यों की ओर तेज़ी से और व्यवस्थित रूप से बढ़ते रहने में मदद मिलती है। व्यवहार में, इसका अक्सर मतलब होता है कि कंपनी लगातार ऑटोमेशन में सुधार देखती है, बिना वर्कफ़्लो को ठीक‑ठीक करने या समायोजन के लिए बाधित किए।

ग्राहक अनुभव और संचालन में आपके पृष्ठभूमि को देखते हुए, आप कैसे सोचते हैं कि AI “उत्कृष्ट सेवा” की परिभाषा को पुनः निर्धारित कर रहा है, जहाँ उत्तर तुरंत उत्पन्न किए जा सकते हैं?

मैं मानता हूँ कि “तुरंत” अब बुनियादी आवश्यकता बन जाएगा और मूलतः वस्तु‑समान हो जाएगा। उत्कृष्ट सेवा कभी केवल ग्राहक को जल्दी उत्तर देने के बारे में नहीं थी, बल्कि कम से कम प्रयास में सही उत्तर देने के बारे में थी। AI हमें इस प्रयास को कम करने के नए तरीके देता है, चाहे वह ग्राहक की ओर से कार्य करना हो, अगले कदम सुझाना हो, या फ़ील्ड्स को स्वतः भरना हो – कोई भी चीज़ जो अनुभव को तेज़ और अधिक सुखद बनाती है। तुरंत उत्तर उत्पन्न करना बेकार है यदि वह वास्तव में प्रासंगिक नहीं है, और मैं तर्क दूँगा कि केवल गति का पीछा करना ही कंपनियों को गलत चीज़ के लिए अनुकूलित कर देता है।

एंटरप्राइज़ AI अक्सर अंतिम चरण में विफल हो जाता है, जहाँ अपनापन और उपयोगिता महत्वपूर्ण हो जाती है। कौन‑से डिज़ाइन सिद्धांत यह सुनिश्चित करने में आवश्यक रहे हैं कि MelodyArc वास्तव में फ्रंट‑लाइन टीमों द्वारा उपयोग किया जाए?

हम यह समझकर शुरू करते हैं कि हमारी टीमों के साथ बहुत सारा अंतर्निहित ज्ञान मौजूद है, और हम यह स्पष्ट रूप से बताते हैं कि हम क्या स्वचालित कर सकते हैं और क्या नहीं। इस अंतर को स्पष्ट रूप से बताना अनुभव को बहुत अधिक सहज बनाता है। यह कोई काली डिब्बा नहीं है जहाँ टीमें नहीं जान पातीं कि क्या हो रहा है या क्यों।

उपयोगिता इस विचार पर आधारित है कि प्रौद्योगिकी फ्रंट‑लाइन टीमों के साथ काम करती है, न कि कुछ ऐसा बनती है जिससे उन्हें बचना पड़े। यह उसी कारण से जुड़ा है कि हमने कंपनी की स्थापना की थी; बहुत सारी पॉइंट‑सॉल्यूशन्स या तो संचालन के केवल एक छोटे हिस्से को ही संबोधित करती थीं, या वास्तविक कार्य के तरीके से मेल नहीं खाती थीं। हमने पाया कि यही कारण है कि कई एंटरप्राइज़ AI टूल लॉन्च के कई महीने बाद भी उपयोग नहीं किए जाते।

जैसे‑जैसे AI एजेंट अधिक स्वायत्त होते जा रहे हैं, किन शासन और नियंत्रण चुनौतियों के लिए एंटरप्राइज़ को इन प्रणालियों को स्केल करने से पहले तैयार होना चाहिए?

किसी भी एंटरप्राइज़ वातावरण में अवलोकनीयता आवश्यक है, विशेष रूप से यह देख पाने की क्षमता कि कौन‑से निर्णय लिए गए और क्यों। उन प्रक्रियाओं के लिए जिन्हें एंटरप्राइज़ स्वचालित कर सकते हैं लेकिन पूरी तरह स्वचालित करने में सहज नहीं हैं, मैं मानव‑इन‑द‑लूप बनाए रखने की सलाह देता हूँ। यह न केवल निगरानी बनाए रखने के लिए महत्वपूर्ण है, बल्कि नई प्रणालियों को परीक्षण करने के लिए भी आवश्यक है, ताकि यह समझा जा सके कि वे कैसे काम करती हैं और उनके सकारात्मक एवं नकारात्मक प्रभाव क्या हैं।

व्यावसायिक दृष्टिकोण से, पिछले कुछ वर्षों में एंटरप्राइज़ में AI बेचने का तरीका कैसे विकसित हुआ है, जब खरीदार अधिक सूचित लेकिन साथ ही अधिक सतर्क भी हो रहे हैं?

खरीदार और विक्रेता दोनों बहुत अधिक समझदार हो गए हैं। हम लगभग चार सालों से एक वास्तव में बहु‑दशकीय‑चक्र में हैं, इसलिए हम सभी अभी भी सीख रहे हैं.. जैसे‑जैसे AI अधिक सक्षम और अधिक उपलब्ध हो रहा है, हम ग्राहकों के लिए जो कर सकते हैं, उस पर तेज़ी से पुनरावृत्ति कर रहे हैं, जबकि वे अपनी स्वयं की संगठनों में क्या कर सकते हैं, इसे सीख रहे हैं, जो वास्तव में रोमांचक है क्योंकि बहुत अधिक मूल्य विनिमय हो रहा है।

संगठन सूचना सुरक्षा पर पहले से अधिक ध्यान केंद्रित कर रहे हैं, अपनी विशिष्टता को संरक्षित करने और AI द्वारा प्रदान की जाने वाली वास्तविक दक्षता को बनाए रखने पर। वे परियोजनाओं को अधिक तर्कसंगत रूप से भी देख रहे हैं, एक बार में पूरी तरह से नहीं, बल्कि क्रमिक रूप से अपनाने के लिए तैयार हैं। निर्माण बनाम खरीद अभी भी आंतरिक रूप से एक सक्रिय गणना है, और हम अधिकतर हाइब्रिड दृष्टिकोण देख रहे हैं, जैसे निर्माण और खरीद दोनों, या “खरीद के माध्यम से निर्माण,” न कि केवल एक या दूसरा।

आपने उच्च‑वृद्धि स्टार्ट‑अप्स और Walmart जैसी बड़ी संस्थाओं दोनों में काम किया है। एंटरप्राइज़ संचालन के लिए AI बनाना कंपनी के आकार और संगठनात्मक जटिलता के आधार पर कैसे भिन्न होता है?

यहाँ वास्तव में दो आयाम हैं: संगठन की व्यापकता, और उसके तकनीकी स्टैक और प्रक्रियाओं की ऐतिहासिक गहराई।

उच्च‑वृद्धि स्टार्ट‑अप्स में, आपके पास बहुत अधिक लोग या बहुत अधिक संगठनात्मक जटिलता नहीं होती, और आप 20 साल पहले निर्मित सिस्टम या उन टीमों के साथ काम नहीं कर रहे होते जिन्होंने एक दशक तक वही काम किया है। जितना बड़ा और स्थापित संगठन होगा, उतना ही आपको मूल स्तर से चीज़ों को फिर से सोचने की आवश्यकता होगी। इसका मतलब है कि आप भविष्य में कैसे काम करना चाहते हैं, इसका निर्णय लें, फिर उस दिशा में क्रमिक रूप से आगे बढ़ें, जो संगठन के अनुकूल हो। कभी‑कभी इसका अर्थ यह भी होता है कि मौजूदा प्रक्रियाओं के किनारे पर स्वतंत्र प्रयोग चलाएँ, जो कुछ हद तक अलग या समानांतर हों।

आगे देखते हुए, आप AI के दैनिक कार्यप्रवाहों में समाहित होने पर फ्रंटलाइन कर्मचारियों की भूमिका को कैसे विकसित होते देखते हैं? क्या हम वृद्धि, समन्वयन, या कुछ पूरी तरह नया की ओर बढ़ रहे हैं? 

दैनिक कार्यप्रवाहों के लिए, एक समन्वयन परत अत्यंत महत्वपूर्ण है। आपके सभी लोगों और प्रौद्योगिकी को मूल रूप से एक साथ काम करने में लाना वह दिशा है जिसकी ओर हम जा रहे हैं। लेकिन इस प्रकार की तकनीक को लागू करना जटिल हो सकता है क्योंकि यह कोई सरल साइलो नहीं है जहाँ संगठन एक कदम को स्वचालित कर सके और फिर उसे एक सहयोगी को सौंप सके। यह AI, स्वचालन और एक सहयोगी के साथ समन्वय का संयोजन है।

फ्रंटलाइन टीमों के लिए कार्यप्रवाह लागू करने के कई अवसर हैं। हर बार जब हम ग्राहकों से बात करते हैं, तो दहाड़ों, यदि नहीं सैकड़ों, ऐसे प्रोजेक्ट होते हैं जिन्हें वे करना चाहते हैं लेकिन बजट, तकनीकी रोडमैप, टीम आकार, या ROI जैसी बाधाओं के कारण नहीं कर पाते। यहीं पर AI और समन्वयन काम आते हैं, यह टीमों को उनके पास मौजूद संसाधनों से बहुत अधिक करने में मदद करता है जबकि लॉन्च की लागत को घटाता है। अंततः यह भविष्य के प्रोजेक्टों के लिए सकारात्मक ROI प्रदान करता है।

उत्कृष्ट साक्षात्कार के लिए धन्यवाद, जो पाठक और अधिक जानना चाहते हैं उन्हें MelodyArc पर जाना चाहिए।