साक्षात्कार
कृष्ण राज राजा, संस्थापक और सीईओ, सपोर्टलॉजिक – साक्षात्कार श्रृंखला
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
कृष्ण राज राजा, सपोर्टलॉजिक के सीईओ और संस्थापक हैं, जो दुनिया का पहला निरंतर सेवा अनुभव (एसएक्स) प्रबंधन मंच है जो कंपनियों को वास्तविक समय में ‘ग्राहक की आवाज’ को समझने और उसके अनुसार कार्रवाई करने में सक्षम बनाता है, जिससे सेवा वितरण में तुरंत सुधार होता है और स्वस्थ और लाभदायक ग्राहक संबंध बनते हैं।
आप खुद को एक “विज्ञान जुनूनी” के रूप में वर्णित करते हैं, विज्ञान की दुनिया में आपको क्या इतना आकर्षित करता है?
मेरे लिए, विज्ञान यह जानने के बारे में है कि दुनिया कैसे काम करती है और दुनिया में क्या पैटर्न मौजूद हैं। मुझे यह जिज्ञासा बचपन से ही थी, और यह मेरे पेशेवर जीवन में भी जारी है। सपोर्टलॉजिक में, हम प्राकृतिक भाषा में मौजूद पैटर्न की तलाश में हैं, और उन पैटर्न का उपयोग करके भविष्यवाणी करने और सिफारिशें देने के लिए। यह विज्ञान की तरह है – यह पैटर्न की भविष्यवाणी करता है, सिफारिशें देता है और आपको बताता है कि दुनिया कैसे काम करती है। मेरे जीवन में जो कुछ भी मैंने सीखा है, वह अधिकांश स्व-शिक्षित है क्योंकि यह मेरी प्राकृतिक जिज्ञासा से आया है, न कि औपचारिक शिक्षा से।
आपने रासायनिक इंजीनियरिंग में डिग्री प्राप्त की, लेकिन फिर कंप्यूटर विज्ञान और मशीन लर्निंग में अवसरों का पीछा किया। इस परिवर्तन के बारे में आप क्या चर्चा कर सकते हैं?
मेरे पिता एक सफल व्यवसायी (इस्पात प्रसंस्करण में) थे, और उन्हें उम्मीद थी कि एक दिन मैं परिवार का व्यवसाय संभालूंगा। रासायनिक इंजीनियरिंग ऐसा प्रशिक्षण प्रतीत होता था जो मुझे परिवार के व्यवसाय को संभालने के लिए तैयार करने के लिए उपयुक्त था। लेकिन कंप्यूटर विज्ञान मेरे लिए एक लंबे समय से एक पार्श्व जुनून था। वास्तव में, मेरे रासायनिक इंजीनियरिंग डिग्री के लिए मेरा शोध पत्र एक रासायनिक रिएक्टर डिजाइन के लिए एक सॉफ्टवेयर प्रोग्राम बनाने के बारे में था।
आप वीएमवेयर में एक शुरुआती कर्मचारी थे, जहां आपने समर्थन और सेवा में एक उत्पाद समर्थन इंजीनियर के रूप में काम किया। आपने कुछ संभावित सुधार क्षेत्रों का अवलोकन किया?
मैं एक सॉफ्टवेयर इंजीनियर था जो एक उत्पाद समर्थन इंजीनियर बन गया। मैंने वीएमवेयर में शामिल हुए क्योंकि उनकी प्रौद्योगिकी आकर्षक थी – वे ऑपरेटिंग सिस्टम से निपट रहे थे और मुझे उसमें विशेष रुचि थी। मैं अन्य ऑपरेटिंग सिस्टम विकासकर्ताओं को वीएमवेयर उत्पादों का उपयोग करने में मदद कर रहा था। मेरी पृष्ठभूमि के कारण, मैं दो अलग-अलग दृष्टिकोणों से चीजों को देख रहा था: 1) मैं इस ग्राहक को कैसे खुश रखूं और उनकी समस्या का समाधान करूं; और 2) यह समस्या सॉफ्टवेयर में क्यों मौजूद है, और इसे कैसे ठीक किया जा सकता है? मैं उत्पाद के पहलू को देख रहा था। सबसे पहली बात जो मुझे एहसास हुई थी कि जब उत्पाद टीमें एक उत्पाद विकसित करती हैं, तो वे वास्तव में नहीं जानती कि यह कैसे तैनात किया जाएगा और उपयोग किया जाएगा, इसलिए वे विकास प्रक्रिया के दौरान कई चीजों की भविष्यवाणी नहीं कर सकते। हालांकि, समर्थन टीम के पास उन मुद्दों का अच्छा ज्ञान होता है और उत्पाद टीमों के साथ-साथ कंपनी के अन्य विभागों को मूल्यवान प्रतिक्रिया दे सकती है। समस्या यह है कि यह प्रतिक्रिया आमतौर पर खो जाती है क्योंकि समर्थन टीम ग्राहक की समस्या को हल करने पर केंद्रित होती है और फिर जल्दी से अगली समस्या पर आगे बढ़ जाती है। यह महत्वपूर्ण जानकारी अन्य विभागों तक नहीं पहुंचाई जाती है।
सपोर्टलॉजिक की उत्पत्ति की कहानी के बारे में कुछ विवरण साझा करें?
जब मैंने सपोर्टलॉजिक शुरू किया, तो मैंने समर्थन उद्योग के बाजार परिदृश्य को देखा और पाया कि समर्थन स्थान में सभी नवाचार मामले अपवाद को दूर करने पर केंद्रित थे। इसका अर्थ है कि समर्थन मुद्दों से निपटने का सबसे अच्छा तरीका उन्हें दूर करना है – समर्थन इंजीनियरों से दूर, और ग्राहकों से दूर। यह मुझे एक उत्पाद समर्थन इंजीनियर के रूप में देखे गए के विपरीत था – प्रत्येक ग्राहक इंटरैक्शन ग्राहकों के बारे में और उत्पाद के काम करने और न काम करने के तरीके के बारे में सीखने का अवसर था। लेकिन मुझे आश्चर्य हुआ कि समर्थन में इस समस्या का समाधान करने के लिए उपकरण नहीं थे, इसलिए मैंने वहां एक बड़ा अवसर देखा।
सपोर्टलॉजिक में उपयोग किए जाने वाले कुछ अलग मशीन लर्निंग प्रौद्योगिकियों के बारे में बताएं?
जब कंपनी शुरू हुई, तो मैंने यह माना कि हम सार्वजनिक रूप से उपलब्ध मशीन लर्निंग एपीआई का उपयोग कर सकते हैं। उनमें से बहुत सारे हैं – अमेज़ॅन, माइक्रोसॉफ्ट और एचपीई से – और वे सभी मशीन लर्निंग एपीआई को एक सेवा के रूप में प्रदान करते हैं। मेरे आश्चर्य और निराशा के लिए, इनमें से कई मशीन लर्निंग मॉडल हमारे साथ काम नहीं करते थे जो डेटा हम काम कर रहे थे (ग्राहक समर्थन डेटा)। लेकिन मुझे एहसास हुआ कि यह एक अवसर था और कहा, “क्यों न हम इसे स्वयं बनाएं?” हमने मौजूदा एमएल प्रौद्योगिकियों का उपयोग करके खुद से शुरू किया, जैसे कि स्टैनफोर्ड विश्वविद्यालय से स्पेसी और गूगल बीईआरटी, और फिर उस पर अपना “गुप्त सॉस” जोड़ा। हम प्रत्येक ग्राहक और उनके विशिष्ट डेटा सेट के लिए मॉडल को फ़ाइन-ट्यून भी करते हैं, एक-आकार-फिट-सभी दृष्टिकोण का उपयोग नहीं करते हैं।
सपोर्टलॉजिक कंपनियों को कुंजी संकेतों का उपयोग करके ग्राहकों के साथ बेहतर ढंग से जुड़ने में कैसे सक्षम बनाता है?
जो हम सबसे महत्वपूर्ण बात करते हैं वह ग्राहक संदर्भ को एनएलपी का उपयोग करके निकालना है। संदर्भ बहुत महत्वपूर्ण है क्योंकि संदर्भ अक्सर टिकटिंग प्रणालियों में टैगिंग प्रक्रिया में खो जाता है। आप उन प्रणालियों में केवल सीमित जानकारी को टैग कर सकते हैं। हम ग्राहक संदर्भ को निकालने में उत्कृष्टता प्राप्त करते हैं, जैसे कि वे क्या परेशान हैं, आपके उत्पाद या समर्थन के बारे में उनकी धारणा क्या है, या वे आपके उत्पाद के साथ क्या करने की कोशिश कर रहे हैं। विभिन्न संकेत और संदर्भ हैं जिन्हें निकाला जा सकता है। हमारे प्लेटफ़ॉर्म में वास्तविक समय में और कार्य प्रवाह बनाकर, हम कंपनियों को ग्राहक संकेतों पर कार्रवाई करने और समस्याओं को पहले ही हल करने की अनुमति देते हैं – अर्थात् ग्राहक बहुत गुस्से में हो जाता है या हमेशा के लिए चला जाता है।
सपोर्टलॉजिक सॉफ़्टवेयर के पीछे कुछ अन्य क्षमताएं क्या हैं?
एक बार जब आप ग्राहक संकेतों को इंटरैक्शन से निकालते हैं, तो वे संकेत विश्लेषण के लिए बहुत शक्तिशाली हो जाते हैं। हमारे पास एक विश्लेषण मॉड्यूल है जो आपको बताता है कि ग्राहक की आवाज़ क्या दिखती है, सभी इंटरैक्शन के आधार पर। फिर हम एक कदम आगे बढ़ते हैं और डेटा का उपयोग भविष्यवाणियां करना शुरू करते हैं। हम भविष्यवाणी कर सकते हैं कि एक विशिष्ट (ग्राहक) खाते के साथ क्या होगा। हम यह भी भविष्यवाणी कर सकते हैं – ग्राहक की स्थिति के आधार पर – कंपनी में कौन सा विषय विशेषज्ञ समस्या को ठीक करने में मदद करने के लिए सबसे अच्छा है, और फिर ग्राहक को उस सही व्यक्ति से मिलवाते हैं।
क्या आप सपोर्टलॉजिक के बारे में और कुछ साझा करना चाहेंगे?
लोगों के बीच एक सामान्य गलतफहमी है कि एआई एक बड़ा निवेश है जो बहुत जटिल और जटिल है, और आप इस पर एक वर्ष या उससे अधिक समय तक रिटर्न नहीं देखेंगे। वास्तव में, एआई और एमएल प्रौद्योगिकियां बहुत परिपक्व हो गई हैं, और वे आपके मौजूदा डेटा सेट पर काम कर सकती हैं। और आप महीनों में परिणाम देख सकते हैं, वर्षों में नहीं। इसलिए, अब एआई में निवेश करने का समय है क्योंकि आप महीनों में अविश्वसनीय परिणाम देख सकते हैं जो आपके संगठन के लिए बड़े लाभ ला सकते हैं।
साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें सपोर्टलॉजिक पर जाना चाहिए।
