साक्षात्कार
जैकलिन राइस नेल्सन, ट्राइब एआई की सह-संस्थापक और सीईओ – साक्षात्कार श्रृंखला

मुख्य बिंदुट्राइब AI पूर्णकालिक भूमिकाओं के बजाय शीर्ष इंजीनियरों को प्रोजेक्ट-आधारित स्वतंत्रता…
और देखें
- ट्राइब AI पूर्णकालिक भूमिकाओं के बजाय शीर्ष इंजीनियरों को प्रोजेक्ट-आधारित स्वतंत्रता प्रदान करके AI प्रतिभा की कमी को हल करता है।
- जैकलीन राइस नेल्सन के Google और CapitalG में अनुभव से पता चला कि शीर्ष विकास-चरण वाली कंपनियों को भी मशीन लर्निंग प्रतिभा को काम पर रखने में संघर्ष करना पड़ता है।
- प्रोजेक्ट-आधारित AI कार्य कंपनियों को स्थायी कर्मचारियों को नियुक्त किए बिना Google और OpenAI से विशेषज्ञों तक पहुंचने की अनुमति देता है।
जैकलिन राइस नेल्सन ट्राइब एआई की सह-संस्थापक और सीईओ हैं, जो संगठनों को मशीन लर्निंग के साथ परिवर्तन लाने में मदद करते हैं और तकनीक में सर्वश्रेष्ठ प्रतिभा के लिए एक नया मार्ग बनाते हैं।
ट्राइब एआई लॉन्च करने से पहले, जैकलिन ने अपने करियर का अधिकांश समय गूगल में बिताया, जहां उन्होंने उद्यम कंपनियों के साथ साझेदारी की और नए उत्पादों को विकसित किया। वह अल्फाबेट की ग्रोथ इक्विटी फर्म, कैपिटलजी में एक शुरुआती कर्मचारी थीं, जहां उन्होंने 50,000 लोगों के विशेषज्ञ नेटवर्क का निर्माण किया और एयरबीएनबी जैसी विकास चरण की तकनीक कंपनियों को उनके तकनीकी बुनियादी ढांचे, डेटा सुरक्षा और विकास के लिए मशीन लर्निंग का लाभ उठाने पर सलाह दी।
आप गूगल हेल्पआउट्स के व्यवसायिक नेता थे, जो एक बाजार था जो लोगों को लाइव वीडियो के माध्यम से विशेषज्ञों से जोड़ता था और गूगल के भीतर स्वायत्त रूप से चलाया जाता था, और बाद में कैपिटलजी में विकास के उपाध्यक्ष थे, जो विकास चरण की कंपनियों में निवेश करने वाला एक फंड है। यह अनुभव आपके विचारों को एआई के लिए एक प्रतिभा एजेंसी बनाने के लिए कैसे प्रभावित किया?
मैंने गूगल में लगभग आठ साल तक काम किया और यह लगभग तीन साल बाद था जब मैंने सीधे इंजीनियरों के साथ काम किया। मैं हेल्पआउट्स में शुरुआती व्यावसायिक कर्मचारियों में से एक के रूप में शामिल हुई और 30 से अधिक इंजीनियरों के साथ एक ही कमरे में बैठने का अनुभव बिक्री मंजिल से बहुत अलग था। यह मुझे उत्पाद और इंजीनियरिंग में एक सीधा दृष्टिकोण दिया और ग्राहक प्रतिक्रिया साझा करने के लिए एक सीधा मार्ग दिया। यह मेरा पहला अनुभव था जिसमें विशेषज्ञता साझा करने के लिए एक बाजार बनाना शामिल था, एक विषय जो मेरे करियर में आगे बढ़ेगा और मुझे ट्राइब एआई शुरू करने के लिए प्रेरित करेगा।
गूगल में शुरू होने वाले स्टार्टअप्स अक्सर विफल हो जाते हैं, और हेल्पआउट्स भी इसका अपवाद नहीं था, हालाँकि इसका वैश्विक लॉन्च हुआ था और टीम को 150 कर्मचारियों तक बढ़ाया गया था। मैंने कैपिटलजी (पूर्व में गूगल कैपिटल के नाम से जाना जाता था) में स्थानांतरित किया, जो एक देर से चरण का वेंचर फंड है, ताकि मैं गूगल विशेषज्ञों का एक समान विशेषज्ञ नेटवर्क बना सकूं, जो केवल उन कंपनियों के लिए उपलब्ध था जिनमें हम निवेश करते थे। यह वह जगह थी जहां मैंने देखा कि यहाँ तक कि सर्वश्रेष्ठ, विकास चरण की कंपनियां – जैसे एयरबीएनबी, स्ट्राइप और अन्य – डेटा विज्ञान और मशीन लर्निंग के लिए भर्ती करना बहुत मुश्किल पाती हैं। हम उनके प्रश्नों के लिए पहली पंक्ति की रक्षा थे, और मैं सोचती थी कि एक कंपनी क्या करेगी अगर उसके पास गूगल पर भरोसा करने के लिए नहीं है।
मैंने गूगल में डेटा और मशीन लर्निंग का मूल्य देखा और सिलिकॉन वैली और उससे परे की कंपनियों को कम उपयोग की जाने वाली प्रतिभा तक पहुंच प्रदान करने का अवसर देखा। और इसलिए, मैं एक उद्यमी बन गई और ट्राइब एआई का जन्म हुआ।
आप वर्तमान में एआई में कुछ नाटकीय धन सृजन के अवसरों को क्या देखते हैं?
एआई अगला गोल्ड रश है। जनरेटिव एआई में प्रगति हर कंपनी को एक एआई कंपनी बनने के लिए तत्कालिकता और साधन प्रदान करती है। शुरुआती कंपनियों के लिए बड़े व्यवसाय बनाने और बड़े निगमों को एआई कंपनियों में बदलने के लिए बहुत सारे अवसर हैं। इसका मतलब है कि असाधारण उत्पादों को बनाने के लिए जो वास्तविक समस्याओं का समाधान करते हैं, लाखों लोगों को सेवा प्रदान करते हैं, और संस्थापकों, निवेशकों और शीर्ष कार्यकारियों के लिए इस प्रक्रिया में बहुत सारा धन बनाते हैं।
2021 में आप कोएलिशन ऑपरेटर्स के सह-संस्थापक बने, आप जिन संस्थापकों में निवेश करते हैं उनमें क्या देखते हैं?
मैं 2018 में कैपिटलजी छोड़ने के बाद से सक्रिय रूप से निवेश कर रही हूँ और अंततः कोएलिशन ऑपरेटर्स नामक फंड के लिए पूँजी जुटाई, जिसमें तीन असाधारण संस्थापकों और ऑपरेटरों के साथ मिलकर काम किया। संस्थापकों के रूप में, हम उन क्षेत्रों में झुकते हैं जिन्हें हम सबसे अच्छी तरह जानते हैं, जिसका अर्थ है कि मैं डेटा, एआई, एमएल और बी2बी सास पर बहुत अधिक निवेश करती हूँ। चूंकि हम मुख्य रूप से बीज चरण की कंपनियों में निवेश करते हैं, मैं सबसे अधिक महत्व संस्थापकों को देती हूँ। मैं उन लोगों की तलाश करती हूँ जो उत्साहित हैं, जिनके पास बाजार में एक अनोखा अंतर्दृष्टि है जिस पर वे जा रहे हैं और थोड़े पागल हैं (सबसे अच्छे तरीकों से)।
ट्राइब एआई के पीछे की उत्पत्ति की कहानी साझा करें?
मैंने अपने सह-संस्थापक नूह गेल से मुलाकात की जब हम दोनों सैन फ्रांसिस्को में एक तकनीकी समुदाय, साउथ पार्क कॉमन्स में थे। हम शीर्ष एमएल इंजीनियरों से घिरे हुए थे जो बड़े प्रौद्योगिकी से बाहर निकल गए थे क्योंकि वे स्वतंत्रता चाहते थे। वे निगमित सीढ़ी पर चढ़ना या अपना सभी समय विज्ञापनों को अनुकूलित करने में नहीं बिताना चाहते थे। वे अपनी खुद की कंपनियां शुरू करना, अपने शोध पर काम करना और विभिन्न उद्योगों में समस्याओं का समाधान करने का अनुभव प्राप्त करना चाहते थे।
अवसर स्पष्ट हो गया: शीर्ष तकनीकी प्रतिभा को लचीले, अनोखे परियोजनाओं पर काम करने की स्वतंत्रता दें जिन पर वे वास्तव में काम करना चाहते हैं और अपने हितों के आधार पर अन्य प्रतिभाशाली इंजीनियरों के साथ जुड़ने के लिए एक मजबूत समुदाय प्रदान करें। ऐसा करके, हमने शीर्ष प्रतिभा को केवल उन चीजों पर ध्यान केंद्रित करने की अनुमति दी है जिनमें वे सर्वश्रेष्ठ हैं, और उन्हें वे काम न करने पड़ें जिनमें वे सर्वश्रेष्ठ नहीं हैं।
हमने शीर्ष एआई विशेषज्ञों का एक अत्यधिक क्यूरेटेड नेटवर्क बनाया है और एक व्यवसाय बनाया है जो उन्हें वे स्वतंत्रता प्रदान कर सकता है जो वे चाहते हैं और कंपनियों को मशीन लर्निंग को अपने व्यवसाय में लागू करने में मदद कर सकता है। हम केवल शुरुआती कंपनियों के साथ काम नहीं करते हैं, हम निजी इक्विटी फर्मों, उद्यम कंपनियों और उससे परे के साथ भी काम करते हैं। सभी कंपनियों को एआई कंपनियां बनने की आवश्यकता है और ट्राइब उन्हें यह दृष्टि हासिल करने में मदद कर रहा है।
कंपनियों को मशीन लर्निंग प्रतिभा की भर्ती करने में क्यों संघर्ष करना पड़ता है?
शुरुआत करने के लिए, यह व्यवसायिक नेताओं के लिए तकनीकी प्रतिभा का मूल्यांकन करना बहुत मुश्किल है। यह समझना कि आपको किन कौशलों की आवश्यकता है और डेटा समस्याओं को कैसे देखना है – यह करना मुश्किल है जब तक कि आपके पास पहले से ही शीर्ष तकनीकी प्रतिभा या सीधे मशीन लर्निंग का अनुभव न हो।
एक और कारण दुर्लभता है। चूंकि एआई मॉडल जैसे कि चैटजीपीटी अधिक मुख्यधारा बन गए हैं, हर कंपनी अपने व्यवसाय में जनरेटिव एआई को परत करने के तरीके का पता लगाने की कोशिश कर रही है। शीर्ष प्रतिभा के लिए प्रतिस्पर्धा बहुत अधिक है और इसका अधिकांश हिस्सा कुछ अग्रणी एआई कंपनियों द्वारा कब्जा कर लिया गया है।
ट्राइब एआई इस भर्ती संघर्ष का समाधान कैसे करता है?
हमने ट्राइब को शीर्ष तकनीकी प्रतिभा को एक नई करियर पथ प्रदान करने के लिए बनाया है, जो स्वतंत्रता, पारिश्रमिक और दिलचस्प काम को जोड़ती है। यह स्पष्ट है कि यह कई प्रतिभाओं के लिए आकर्षक है – हमें प्रतिदिन दर्जनों आवेदन मिलते हैं, और हम एक छोटे से हिस्से को स्वीकार करते हैं। इस प्रतिभा को एक नेटवर्क में पूल करके, हम उन्हें उनकी क्षमताओं और उनके समय के अनुसार परियोजनाओं पर रखने में सक्षम हैं। कुछ के लिए, इसका मतलब है कि सप्ताह में 40 घंटे से अधिक परामर्श देना, और दूसरों के लिए, वे एक सलाहकार भूमिका निभाना चाहते हैं जबकि वे अपनी खुद की कंपनी की स्थापना कर रहे हैं।
यह दृष्टिकोण कंपनियों के लिए भी बहुत लाभकारी है। वास्तविकता यह है कि अधिकांश कंपनियों को पूर्णकालिक, स्थायी एमएल टीम की आवश्यकता नहीं होती है। अक्सर उन्हें केवल कुछ विशेषज्ञों की आवश्यकता होती है जो एक तकनीकी रोडमैप बना सकते हैं या एक प्रारंभिक प्रूफ ऑफ कॉन्सेप्ट बना सकते हैं, और फिर एक पूर्ण स्टैक इंजीनियर या फ्रंट-एंड इंजीनियर जो उन्होंने जो बनाया है उसे बनाए रखने या बढ़ाने के लिए। यह कंपनियों को शीर्ष प्रतिभा तक पहुंच प्रदान करता है और उन्हें एक ऐसे तरीके से जुड़ने की लचीलापन देता है जो नवाचार और सफलता दोनों को बढ़ावा देता है।
ट्राइब प्रति सप्ताह दर्जनों आवेदकों को प्राप्त करता है, यह प्रतिभा का मूल्यांकन कैसे करता है?
हम एक आवेदक की योग्यता और तकनीकी विशेषज्ञता की समीक्षा करके शुरू करते हैं। यदि वे निर्धारित मानक पूरे करते हैं, तो हम अनुभव, संचार कौशल और समस्या-समाधान क्षमताओं की गहराई से जानने के लिए एक साक्षात्कार की व्यवस्था करते हैं। सभी साक्षात्कार सी-स्तर की मशीन लर्निंग प्रतिभा द्वारा आयोजित किए जाते हैं ताकि हम उन लोगों की क्षमताओं में विश्वास कर सकें जिन्हें ट्राइब के नेटवर्क में स्वीकार किया जाता है। यह महत्वपूर्ण है क्योंकि शीर्ष इंजीनियर दूसरे शीर्ष इंजीनियरों के साथ रहना चाहते हैं। इस व्यवसाय के लिए नेटवर्क प्रभाव दोनों ग्राहकों और प्रतिभा के लिए बहुत बड़े हैं, इसलिए सब कुछ बाजार में सर्वश्रेष्ठ प्रतिभा होने पर निर्भर करता है। हमारे पास ओपनएआई जैसी कंपनियों में शोध करने वाले एमएल इंजीनियर, कई एक्जिट के साथ एआई संस्थापक, और प्रमुख प्रौद्योगिकी कंपनियों में टीमों का नेतृत्व करने वाले लोग हैं, और बीच में सब कुछ। हमारा लक्ष्य इस प्रतिभा के लिए एक चुंबक बनाना है, और उसके बाद, ग्राहक इसका पालन करते हैं।
कंपनियां ट्राइब एआई के नेटवर्क में मूल्य कैसे देखती हैं, साथ ही साथ या कभी-कभी एक पूर्णकालिक एआई टीम के बजाय?
शुरुआत करने के लिए, ट्राइब एआई कंपनियों को गूगल, एप्पल, अमेज़ॅन, नासा और अधिक जैसी कंपनियों से शीर्ष एआई प्रतिभा तक पहुंच प्रदान करता है। वास्तविकता यह है कि, जब तक आप शीर्ष एआई अनुसंधान प्रयोगशालाओं या प्रौद्योगिकी दिग्गजों में से एक नहीं हैं, अधिकांश कंपनियां इस तरह की प्रतिभा को भर्ती नहीं कर सकती हैं। इसलिए, कई कंपनियों के लिए, ट्राइब के साथ काम करना इस स्तर की एआई प्रतिभा तक पहुंचने का एकमात्र तरीका है।
एक अन्य कारक लचीलापन है। जब आप एक पूर्णकालिक टीम की भर्ती करते हैं, तो यह धीमा है और आप एक विशिष्ट कौशल सेट के साथ तालमेल बैठाते हैं, अक्सर यह जानने से पहले कि आपको वास्तव में क्या चाहिए। हम उन कंपनियों के साथ काम करते हैं जो एक विशिष्ट परियोजना के लिए अपनी इन-हाउस टीम में ट्राइब विशेषज्ञों को जोड़ना चाहते हैं, भर्ती जारी रहते हुए वे अंशकालिक विशेषज्ञों की मदद से काम की गति बढ़ाना चाहती हैं, या उन्हें एआई के लिए सर्वोत्तम उपयोग के मामलों की पहचान करने में मदद की आवश्यकता है।
अंतिम टुकड़ा हमारा अनुभव है। हम एआई के मामले में केवल बातें नहीं करते, उसे अपने काम में लागू भी करते हैं और हमने एक प्रोप्राइटरी मैचिंग सिस्टम बनाया है जो जीपीटी-3 पर आधारित है जो हमें हर एक जुड़ाव के लिए सटीक सही प्रतिभा को जल्दी से सतह पर लाने की अनुमति देता है। हमने बुनियादी ढांचा बनाया है जो हमें एक कंपनी में बहुत तेजी से प्रभाव डालने की अनुमति देता है।
परियोजना-आधारित काम कंपनियों को अपने व्यवसाय में एआई का निर्माण करने के तरीके को कैसे बदल देगा?
हमारा मानना है कि परियोजना-आधारित काम एआई/एमएल के लिए भविष्य है। परियोजना-आधारित काम कंपनियों को एआई का उपयोग करने के तरीके को बदल देगा क्योंकि तकनीकी प्रतिभा अधिक विशिष्ट आवश्यकताओं के लिए योग्य होगी, न कि एक अधिक सार्वभौमिक भूमिका के लिए सामान्य आवश्यकताओं को पूरा करने के लिए। यह मॉडल एआई/एमएल विशेषज्ञों की आवश्यकता को सूचित करने के लिए सटीक प्रतिभा अंतराल की पहचान करने में मदद करेगा।
यह वह तरीका है जिस तरह से शीर्ष प्रतिभा काम करना चाहती है, और यह कंपनियों के लिए भी अधिक लाभकारी है। अब तक, शीर्ष एमएल प्रतिभा केवल दुनिया की अग्रणी कंपनियों के लिए उपलब्ध थी जो अभी भी भर्ती प्रयासों में धीमी, कठिन और महंगी संघर्ष कर रही थीं। इस बिल्कुल नए मॉडल से हर आकार की कंपनियाँ मशीन लर्निंग तेज़ी से अपना सकती हैं और पारंपरिक भर्ती प्रथाओं से संभव न रहे तरीके से जल्दी परिणाम देख सकती हैं।
साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं या प्रतिभा की भर्ती पर विचार कर रहे हैं उन्हें ट्राइब एआई की वेबसाइट देखनी चाहिए।












