डिमित्री मासिन, ग्रेडिएंट लैब्स के सीईओ और सह-संस्थापक – साक्षात्कार श्रृंखला

डिमित्री मासिन ग्रेडिएंट लैब्स के सीईओ और सह-संस्थापक हैं, जो एक एआई स्टार्टअप है जो वित्तीय सेवाओं जैसे नियंत्रित उद्योगों के लिए विशेष रूप से डिज़ाइन किए गए स्वायत्त ग्राहक सहायता एजेंट बना रहा है। ग्रेडिएंट लैब्स की स्थापना से पहले, मासिन ने मोंजो बैंक में वरिष्ठ नेतृत्व भूमिकाएं निभाईं, जिनमें डेटा साइंस, वित्तीय अपराध और धोखाधड़ी के उपाध्यक्ष शामिल थे, और पहले गूगल में काम किया था। उनके नेतृत्व में, ग्रेडिएंट लैब्स ने जल्दी से गति प्राप्त की, लॉन्च के पांच महीने के भीतर £1 मिलियन की वार्षिक आवर्ती राजस्व तक पहुंच गया। मासिन का ध्यान उच्च प्रदर्शन के साथ सख्त नियामक अनुपालन वाले एआई सिस्टम विकसित करने पर है, जो जटिल ग्राहक संचालन के लिए सुरक्षित और स्केलेबल स्वचालन को सक्षम बनाता है।

आपको मोंजो में इतनी सफल यात्रा के बाद ग्रेडिएंट लैब्स लॉन्च करने के लिए क्या प्रेरित किया?

मोंजो में, हमने ग्राहक सहायता स्वचालन पर वर्षों तक काम किया था, जो आमतौर पर 10% की दक्षता लाभ को लक्षित करता था। लेकिन 2023 की शुरुआत में, हमने जीपीटी-4 की रिलीज़ के साथ एक भूकंपीय तकनीकी परिवर्तन देखा। अचानक, यह संभव हो गया कि 70-80% मैनुअल, पुनरावृत्ति कार्य को पूरी तरह से स्वायत्त रूप से एआई के माध्यम से स्वचालित किया जा सके।

यह तकनीकी सफलता जिसे हम वर्तमान में जी रहे हैं, ने हमें ग्रेडिएंट लैब्स शुरू करने के लिए प्रेरित किया। मेरे करियर में, मैंने दो ऐसी क्रांतिकारी लहरें देखी हैं: मोबाइल क्रांति (जो मेरे करियर की शुरुआत में हुई), और अब एआई। जब आप महसूस करते हैं कि आप ऐसे परिवर्तन के बीच में हैं जो दुनिया के काम करने के तरीके को पूरी तरह से बदल देगा, तो आपको इस पल का फायदा उठाना होगा। हमारी टीम जानती थी – यह समय है।

मोंजो में, आपने कंपनी को बड़े हाइपरग्रोथ से गुजरने में मदद की। ग्रेडिएंट लैब्स में लागू करने के लिए आपको उस अनुभव से क्या बड़े सबक मिले?

पहला, स्वायत्तता के साथ दिशा का संतुलन। मोंजो में, हमने最初 यह माना था कि लोग सिर्फ स्वायत्तता पर पनपते हैं – यही उन्हें सबसे ज्यादा प्रेरित करता है। हालांकि, अब यह दृष्टिकोण अत्यधिक सरल लगता है। मुझे लगता है कि लोग मार्गदर्शन की भी सराहना करते हैं। सच्ची स्वायत्तता लोगों को यह नहीं कहना है “जो आप तय करते हैं वह करें,” बल्कि स्पष्ट दिशा प्रदान करना है जबकि उन्हें अच्छी तरह से परिभाषित समस्याओं को अपने तरीके से हल करने की स्वतंत्रता देना है।

दूसरा, शीर्ष प्रतिभा के लिए शीर्ष मुआवजा आवश्यक है। यदि आप अपने कार्य में शीर्ष 5% को नियुक्त करना चाहते हैं, तो आपको उसके अनुसार भुगतान करना होगा। अन्यथा, प्रमुख प्रौद्योगिकी कंपनियां उन्हें तब तक नियुक्त कर लेंगी जब तक कि यह ज्ञात न हो जाए कि आपके पास शीर्ष प्रतिभा है जो कम भुगतान कर रही है।

तीसरा, पहिया को फिर से न बनाएं। मोंजो में, हमने काम की संरचनाओं, मुआवजे प्रणालियों और करियर की सीढ़ी के लिए नवाचारी दृष्टिकोण बनाने की कोशिश की। मुख्य बात यह है कि संगठनात्मक मूलभूत बातों पर ऊर्जा बर्बाद न करें – हजारों कंपनियों ने पहले ही सर्वोत्तम प्रथाओं की स्थापना की है। मैं अभी भी लिंक्डइन पोस्ट देखता हूं जो “सभी खिताब और पदानुक्रम को समाप्त करने” के बारे में है – मैंने यह बार-बार देखा है, और लगभग सभी कंपनियां अंततः पारंपरिक संरचनाओं में वापस आ जाती हैं।

ग्रेडिएंट लैब्स नियंत्रित उद्योगों पर केंद्रित है, जो पारंपरिक रूप से जटिल आवश्यकताओं के साथ आते हैं। आपने ओटो जैसे एआई एजेंट को कैसे बनाया जो इस वातावरण में प्रभावी ढंग से काम कर सकता है?

हमने एक असामान्य दृष्टिकोण अपनाया, जिसमें तेजी से जारी करने और लाइव उत्पाद पर पुनरावृत्ति करने की आम सलाह को अस्वीकार कर दिया गया। इसके बजाय, हमने ओटो को जारी करने से पहले 14 महीने बिताए, शुरू से ही बहुत उच्च गुणवत्ता का पैमाना बनाए रखा। हमें ऐसा कुछ बनाने की जरूरत थी जिस पर बैंक और वित्तीय संस्थान अपनी पूरी तरह से स्वायत्त रूप से सहायता संभालने के लिए विश्वास कर सकें।

हम सह-पायलट नहीं बना रहे थे – हम पूर्ण ग्राहक सहायता स्वचालन बना रहे थे। वित्तीय सेवाओं में हमारी पृष्ठभूमि के साथ, हमारे पास “क्या अच्छा लगता है” के लिए एक सटीक आंतरिक बेंचमार्क था, जिससे हम ग्राहक प्रतिक्रिया पर निर्भर किए बिना गुणवत्ता का आकलन कर सकें। इससे हमें गुणवत्ता पर जुनूनी होने और तेजी से पुनरावृत्ति करने की स्वतंत्रता मिली। लाइव ग्राहकों के बिना, हम बड़े कदम उठा सकते थे, स्वतंत्र रूप से चीजों को तोड़ सकते थे और तेजी से पिवट कर सकते थे – अंततः लॉन्च पर एक श्रेष्ठ उत्पाद देते थे।

ओटो सरल प्रश्नों के उत्तर देने से परे जाता है और जटिल कार्यों को संभालता है। आप हमें बता सकते हैं कि ओटो जैसे सामान्य एआई एजेंट विफल हो सकते हैं जो बहु-चरण या उच्च-जोखिम वाले कार्यों को कैसे प्रबंधित करता है?

हमने ओटो को एसओपी (मानक संचालन प्रक्रिया) की अवधारणा के आसपास बनाया है – मूल रूप से मार्गदर्शन दस्तावेज जो सादी भाषा में लिखे गए हैं जो विशिष्ट मुद्दों को संभालने के तरीके का विवरण देते हैं, जो कि मानव एजेंट को दिए जाने वाले कुछ समान होते हैं।

दो प्रमुख वास्तुकला निर्णय ओटो को जटिल कार्यों को प्रबंधित करने में विशेष रूप से प्रभावी बनाते हैं:

पहला, हम उपकरण एक्सपोजर को सीमित करते हैं। एआई एजेंटों के लिए एक सामान्य विफलता मोड बहुत सारे विकल्पों से गलत तरीके से चुनना है। प्रत्येक प्रक्रिया के लिए, हम ओटो को केवल संबंधित उपकरणों का एक छोटा सा उपसेट प्रकट करते हैं। उदाहरण के लिए, एक कार्ड प्रतिस्थापन कार्यप्रवाह में, ओटो को शायद केवल 1-2 उपकरण दिखाई देंगे, न कि सिस्टम में पंजीकृत 30 में से। यह निर्णय स्थान को कम करके सटीकता में काफी सुधार करता है।

दूसरा, हमने व्यापक श्रृंखला के तर्क को सक्षम करने के लिए पारंपरिक एआई सहायक बुनियादी ढांचे को फिर से बनाया है। ओटो को प्रक्रियाओं को सीधे ओपनएआई या एंथ्रोपिक सहायक पर फेंकने के बजाय, हमारी वास्तुकला इनपुट और आउटपुट के बीच कई प्रसंस्करण चरणों की अनुमति देती है। इससे गहरे तर्क और अधिक विश्वसनीय परिणाम संभव हो जाते हैं।

ग्रेडिएंट लैब्स “सुपरह्यूमन गुणवत्ता” में ग्राहक सहायता हासिल करने का उल्लेख करता है। आपके लिए “सुपरह्यूमन गुणवत्ता” का क्या अर्थ है, और आप इसे आंतरिक रूप से कैसे मापते हैं?

सुपरह्यूमन गुणवत्ता का अर्थ है ग्राहक सहायता प्रदान करना जो मानव द्वारा प्राप्त की जा सकने वाली तुलना में बेहतर है। निम्नलिखित तीन उदाहरण इसे दर्शाते हैं:

पहला, व्यापक ज्ञान। एआई एजेंट विशाल मात्रा में जानकारी संसाधित कर सकते हैं और किसी कंपनी के बारे में विस्तृत ज्ञान रखते हैं। इसके विपरीत, मानव आमतौर पर केवल जानकारी का एक छोटा सा हिस्सा सीखते हैं, और जब वे कुछ नहीं जानते हैं, तो उन्हें ज्ञान आधार या सहयोगियों को बढ़ाने के लिए परामर्श करना होगा। इससे एक निराशाजनक अनुभव होता है जहां ग्राहकों को टीमों के बीच पारित किया जाता है। एक एआई एजेंट, इसके विपरीत, कंपनी और इसकी प्रक्रियाओं की गहरी समझ रखता है, जो निरंतर, अंत-से-अंत उत्तर प्रदान करता है – कोई वृद्धि की आवश्यकता नहीं है।

दूसरा, आलसी लुकअप नहीं हैं – एआई जानकारी इकट्ठा करने में तेज है। जबकि मानव ग्राहकों से प्रश्न पूछने से पहले जांच करने से समय बचाने की कोशिश करते हैं, एआई proactively खाता जानकारी, झंडे, अलर्ट और त्रुटि संदेशों की जांच करता है जैसे ही बातचीत शुरू होती है। इसलिए, जब एक ग्राहक अस्पष्ट रूप से कहता है “मुझे एक्स के साथ समस्या है,” तो एआई तुरंत एक समाधान प्रदान कर सकता है बजाय कई स्पष्ट करने वाले प्रश्न पूछने के।

अंत में, धैर्य और गुणवत्ता की निरंतरता। मानवों के विपरीत जो प्रति घंटे एक निश्चित संख्या में प्रतिक्रियाओं को संभालने के लिए दबाव का सामना करते हैं, हमारा एआई लगातार उच्च गुणवत्ता, धैर्य और संक्षिप्त संचार बनाए रखता है। यह उतनी देर तक धैर्यपूर्वक उत्तर देता है जितनी जरूरत होती है बिना जल्दबाजी के।

हम इसे मुख्य रूप से ग्राहक संतुष्टि स्कोर के माध्यम से मापते हैं। हमारे सभी वर्तमान ग्राहकों के लिए, हम 80%-90% की सीएसएटी स्कोर प्राप्त करते हैं – आमतौर पर उनकी मानव टीमों से बेहतर है।

आपने जानबूझकर ग्रेडिएंट लैब्स को एकल एलएलएम प्रदाता से बांधने से परहेज किया। यह चुनाव क्यों महत्वपूर्ण था, और यह आपके ग्राहकों के लिए प्रदर्शन और विश्वसनीयता को कैसे प्रभावित करता है?

पिछले दो वर्षों में, हमने देखा है कि हमारे सबसे बड़े प्रदर्शन सुधार हमारी अगले सर्वोत्तम मॉडल में स्विच करने की क्षमता से आए हैं जब भी ओपनएआई या एंथ्रोपिक ने कुछ तेज, बेहतर या अधिक सटीक जारी किया। मॉडल लचीलापन महत्वपूर्ण रहा है।

इस लचीलेपन से हमें गुणवत्ता में लगातार सुधार करने और लागतों को प्रबंधित करने की अनुमति मिलती है। कुछ कार्यों के लिए अधिक शक्तिशाली मॉडल की आवश्यकता होती है, अन्य कम। हमारी वास्तुकला हमें समय के साथ अनुकूलन और विकास करने की अनुमति देती है, प्रत्येक स्थिति के लिए ऑप्टिमल मॉडल का चयन करती है।

अंततः, हम ग्राहकों की बुनियादी ढांचे पर होस्ट किए गए निजी ओपन-सोर्स एलएलएम का समर्थन करेंगे। हमारी वास्तुकला के कारण, यह एक सीधा संक्रमण होगा, जो विशेष रूप से बैंकों के लिए महत्वपूर्ण है जिनके मॉडल तैनाती के बारे में विशिष्ट आवश्यकताएं हो सकती हैं।

ग्रेडिएंट लैब्स सिर्फ एक चैटबॉट नहीं बना रहा है – आप बैक-ऑफिस प्रक्रियाओं को भी संभालने का लक्ष्य रखते हैं। एआई के साथ इन प्रकार के कार्यों को स्वचालित करने में सबसे बड़ी तकनीकी या संचालन चुनौतियां क्या हैं?

दो अलग-अलग श्रेणियां हैं, प्रत्येक की अपनी चुनौतियां हैं:

सरल प्रक्रियाओं के लिए, तकनीक मुख्य रूप से मौजूद है। मुख्य चुनौती एकीकरण है – वित्तीय संस्थानों द्वारा उपयोग किए जाने वाले कई अनुकूलित बैकएंड सिस्टम और उपकरणों से जुड़ना है, क्योंकि अधिकांश ग्राहक संचालन कई आंतरिक प्रणालियों में शामिल होते हैं।

जटिल प्रक्रियाओं के लिए, महत्वपूर्ण तकनीकी चुनौतियां बनी हुई हैं। ये प्रक्रियाएं आमतौर पर मानवों को 6-12 महीने के लिए प्रशिक्षित करने की आवश्यकता होती है ताकि वे धोखाधड़ी जांच या मनी लॉन्ड्रिंग मूल्यांकन जैसी विशेषज्ञता विकसित कर सकें। यहां की चुनौती ज्ञान हस्तांतरण है – हम एआई एजेंटों को उसी डोमेन विशेषज्ञता कैसे दें? यह एक कठिन समस्या है जिस पर इस स्थान में हर कोई अभी भी काम कर रहा है।

ग्रेडिएंट लैब्स नियंत्रित उद्योगों की सख्त अनुपालन आवश्यकताओं के साथ एआई की गति और दक्षता की आवश्यकता को कैसे संतुलित करता है?

यह निश्चित रूप से एक संतुलन है, लेकिन बातचीत के स्तर पर, हमारा एजेंट बस अधिक समय लेता है। यह कई कारकों का मूल्यांकन करता है: क्या मैं यह समझ रहा हूं कि ग्राहक क्या पूछ रहा है? क्या मैं सही उत्तर दे रहा हूं? क्या ग्राहक कमजोरी के संकेत दिखा रहा है? क्या ग्राहक शिकायत दर्ज करना चाहता है?

इस जानबूझकर दृष्टिकोण से लेटेंसी बढ़ जाती है – हमारा मध्य उत्तर समय 15-20 सेकंड हो सकता है। लेकिन वित्तीय संस्थानों के लिए, यह एक उचित व्यापार है। 15 सेकंड का उत्तर मानव प्रतिक्रिया से बहुत तेज है, जबकि गुणवत्ता गारंटी नियंत्रित कंपनियों के लिए जो हमारे साथ काम करती हैं वह बहुत अधिक महत्वपूर्ण है।

क्या आप एक भविष्य की कल्पना करते हैं जहां एआई एजेंट न केवल समर्थन के लिए बल्कि वित्तीय संस्थानों के भीतर उच्च-जोखिम वाले निर्णय लेने के कार्यों के लिए भी विश्वास किए जाते हैं?

वित्तीय संस्थान पहले से ही उच्च-जोखिम वाले निर्णयों के लिए पारंपरिक एआई तकनीकों का उपयोग कर रहे थे जब वर्तमान एलएलएम लहर आयी। जहां मैं वास्तविक अवसर देखता हूं, वह है समन्वय – निर्णय लेने के लिए नहीं, बल्कि पूरी प्रक्रिया का समन्वय करने के लिए।

उदाहरण के लिए, एक ग्राहक दस्तावेज अपलोड करता है, एक एआई एजेंट इसे सत्यापन प्रणाली में रूट करता है, मान्यकरण की पुष्टि प्राप्त करता है, और फिर उपयुक्त कार्रवाइयों और ग्राहक संचार को ट्रिगर करता है। यह समन्वय कार्य है जहां एआई एजेंट उत्कृष्टता प्राप्त करते हैं।

सबसे उच्च-जोखिम वाले निर्णयों के लिए, मैं निकट भविष्य में बहुत कुछ बदलते नहीं देखता। इन मॉडलों को व्याख्यात्मकता, पूर्वाग्रह रोकथाम और मॉडल जोखिम समितियों के माध्यम से अनुमोदन की आवश्यकता होगी। बड़े भाषा मॉडल इन संदर्भों में महत्वपूर्ण अनुपालन चुनौतियों का सामना करेंगे।

आपके विचार में, एआई बैंकों, फिनटेक कंपनियों और अन्य नियंत्रित क्षेत्रों के लिए ग्राहक अनुभव को अगले 3-5 वर्षों में कैसे बदल देगा?

मैं पांच प्रमुख रुझान देखता हूं जो ग्राहक अनुभव को बदल देंगे:

पहला, सच्चा ओम्नी-चैनल इंटरैक्शन। कल्पना कीजिए कि आप अपने बैंकिंग ऐप में एक चैट शुरू करते हैं, फिर उसी एआई एजेंट के साथ आवाज में सुचारू रूप से स्विच करते हैं। वॉयस, कॉल और चैट एक एकल निरंतर अनुभव में मिल जाएंगे।

दूसरा, अनुकूली यूआई जो ऐप के भीतर नेविगेशन को कम करते हैं। ग्राहक विशिष्ट कार्यों के लिए मेनू के माध्यम से खोज नहीं करेंगे, बल्कि अपनी जरूरतों को व्यक्त करेंगे: “कृपया मेरी सीमा बढ़ाएं” – और कार्रवाई तुरंत बातचीत के माध्यम से हो जाएगी।

तीसरा, बेहतर इकाई अर्थशास्त्र। समर्थन और ऑपरेशन विशाल लागत केंद्र हैं। इन लागतों को कम करने से बैंक पहले से लाभहीन ग्राहकों की सेवा कर सकते हैं या उपयोगकर्ताओं, विशेष रूप से अल्प-बैंकिंग खंडों में बचत कर सकते हैं।

चौथा, असाधारण समर्थन पैमाने पर। वर्तमान में, स्टार्टअप जो कुछ ग्राहकों के पास हैं, वे व्यक्तिगत समर्थन प्रदान कर सकते हैं, लेकिन गुणवत्ता आमतौर पर कंपनियों के विकास के साथ खराब हो जाती है। एआई महान समर्थन को स्केलेबल बनाता है, न कि केवल संभव।

अंत में, ग्राहक सहायता एक निराशाजनक आवश्यकता से एक वास्तविक रूप से सहायक सेवा में परिवर्तित हो जाएगी। यह अब एक श्रमसाध्य बुनियादी ढांचे की लागत के रूप में नहीं देखा जाएगा, बल्कि एक मूल्यवान, कुशल ग्राहक टचपॉइंट के रूप में जो समग्र अनुभव को बढ़ाता है।

साक्षात्कार के लिए धन्यवाद, अधिक जानने के इच्छुक पाठकों को ग्रेडिएंट लैब्स पर जाना चाहिए ग्रेडिएंट लैब्स।