मैथ्यू फिट्ज़पैट्रिक, इनविज़िबल टेक्नोलॉजीज़ के सीईओ - साक्षात्कार श्रृंखला

मैथ्यू फिट्ज़पैट्रिक जटिल वर्कफ़्लो और टीमों को स्केल करने में गहन विशेषज्ञता के साथ एक अनुभवी संचालन और विकास विशेषज्ञ हैं। परामर्श, रणनीति और परिचालन नेतृत्व में फैली पृष्ठभूमि के साथ, वह वर्तमान में इनविजिबल टेक्नोलॉजीज में सीईओ के रूप में कार्य करते हैं, जहाँ वह एंड-टू-एंड व्यावसायिक समाधानों को डिज़ाइन और अनुकूलित करने पर ध्यान केंद्रित करते हैं। मैथ्यू बड़े पैमाने पर दक्षता बढ़ाने के लिए स्वचालन के साथ मानव प्रतिभा को जोड़ने के बारे में भावुक हैं, जिससे कंपनियों को प्रक्रिया नवाचार के माध्यम से परिवर्तनकारी विकास को अनलॉक करने में मदद मिलती है।

अदृश्य प्रौद्योगिकियाँ एक व्यवसाय प्रक्रिया स्वचालन कंपनी है जो संगठनों को कुशलतापूर्वक स्केल करने में मदद करने के लिए उन्नत तकनीक को मानव विशेषज्ञता के साथ जोड़ती है। मनुष्यों को स्वचालन से बदलने के बजाय, इनविजिबल कस्टम वर्कफ़्लो बनाता है जहाँ डिजिटल कर्मचारी (सॉफ़्टवेयर) और मानव ऑपरेटर सहजता से सहयोग करते हैं। कंपनी डेटा संवर्धन, लीड जनरेशन, ग्राहक सहायता और बैक-ऑफ़िस संचालन जैसे क्षेत्रों में सेवाएँ प्रदान करती है - जिससे क्लाइंट जटिल, दोहराए जाने वाले कार्यों को सौंप सकते हैं और मुख्य रणनीतिक लक्ष्यों पर ध्यान केंद्रित कर सकते हैं। इनविजिबल का अनूठा "वर्क-एज़-ए-सर्विस" मॉडल उद्यमों को स्केलेबल, पारदर्शी और लागत प्रभावी परिचालन सहायता प्रदान करता है।

हाल ही में आपने मैकिन्से में क्वांटमब्लैक लैब्स का नेतृत्व करने से लेकर इनविजिबल टेक्नोलॉजीज के सीईओ बनने तक का सफर तय किया है। आपको इस भूमिका के लिए क्या आकर्षित किया, और इनविजिबल के मिशन के बारे में आपको सबसे ज्यादा क्या उत्साहित करता है?

मैकिन्से में, मुझे एआई इनोवेशन के क्षेत्र में अग्रणी भूमिका निभाने का सौभाग्य मिला - एआई सॉफ्टवेयर उत्पादों का निर्माण, अनुसंधान एवं विकास प्रयासों का नेतृत्व करना, और उद्यमों को डेटा की शक्ति का दोहन करने में मदद करना। अदृश्य प्रौद्योगिकियाँ यह एक अद्वितीय लचीले एआई सॉफ्टवेयर प्लेटफ़ॉर्म और मानव-इन-द-लूप फ़ीडबैक के लिए एक विशेषज्ञ बाज़ार के संयोजन के साथ इसे बड़े पैमाने पर चालू करने का अवसर था - मेरा मानना ​​है कि मानव फ़ीडबैक (RLHF) से सुदृढीकरण सीखना सटीक और विश्वसनीय GenAI कार्यान्वयन की कुंजी है। इनविजिबल डेटा क्लीनिंग और डेटा एंट्री ऑटोमेशन से लेकर चेन-ऑफ़-थॉट रीजनिंग और कस्टम मूल्यांकन तक संपूर्ण मूल्य श्रृंखला में AI का समर्थन करता है। हमारा मिशन सरल है: व्यवसायों को AI की क्षमता को पूरा करने में मदद करने के लिए मानव बुद्धिमत्ता और AI को मिलाना, जो कि उद्यम में अधिकांश लोगों की अपेक्षा से कहीं अधिक कठिन रहा है।

आपने 1,000 से ज़्यादा इंजीनियरों की देखरेख की है और विभिन्न उद्योगों में कई AI उत्पादों को आगे बढ़ाया है। मैकिन्से से मिले कौन से सबक आप इनविजिबल के विकास के अगले चरण में लागू कर रहे हैं?

दो सबक सामने आते हैं। पहला, सफल AI अपनाना संगठनात्मक परिवर्तन के बारे में उतना ही है जितना कि यह तकनीक के बारे में है। आपको सही लोगों और प्रक्रियाओं की आवश्यकता है - बेहतरीन मॉडलों के शीर्ष पर। दूसरा, AI में जीतने वाली कंपनियाँ वे हैं जो "अंतिम मील" में महारत हासिल करती हैं - प्रयोग से उत्पादन तक का संक्रमण। इनविजिबल में, हम ग्राहकों को पायलटों से आगे बढ़कर उत्पादन में जाने में मदद करने के लिए उसी कठोरता और संरचना को लागू कर रहे हैं, जिससे वास्तविक व्यावसायिक मूल्य प्राप्त हो सके।

आपने कहा है कि "2024 एआई प्रयोग का वर्ष था, और 2025 आरओआई को साकार करने का वर्ष है।" वास्तव में उस आरओआई को प्राप्त करने वाले उद्यमों के बीच आप क्या विशिष्ट रुझान देख रहे हैं?

इस साल वास्तविक ROI देखने वाले उद्यम तीन काम अच्छे से कर रहे हैं। सबसे पहले, वे AI उपयोग मामलों को मुख्य व्यावसायिक KPI के साथ कसकर जोड़ रहे हैं - जैसे परिचालन दक्षता या ग्राहक संतुष्टि। दूसरा, वे मॉडल प्रदर्शन को लगातार बेहतर बनाने के लिए बेहतर गुणवत्ता वाले डेटा और मानव फ़ीडबैक लूप में निवेश कर रहे हैं। तीसरा, वे सामान्य समाधानों से अनुकूलित, डोमेन-विशिष्ट प्रणालियों की ओर जा रहे हैं जो उनके वातावरण की जटिलता को दर्शाते हैं। ये कंपनियाँ अब केवल AI का परीक्षण नहीं कर रही हैं - वे इसे उद्देश्य के साथ बढ़ा रही हैं।

AWS, Microsoft और Cohere जैसे फाउंडेशन मॉडल प्रदाताओं में डोमेन-विशिष्ट और PhD-स्तरीय डेटा लेबलिंग की मांग किस प्रकार विकसित हो रही है?

हम विशेष लेबलिंग की मांग में वृद्धि देख रहे हैं क्योंकि फाउंडेशन मॉडल प्रदाता अधिक जटिल वर्टिकल में प्रवेश कर रहे हैं। इनविजिबल में, हमारे विशेषज्ञ पूल में 1% वार्षिक स्वीकृति दर है, और हमारे 30% प्रशिक्षकों के पास मास्टर या पीएचडी है। यह गहन विशेषज्ञता तेजी से आवश्यक है - न केवल डेटा को सटीक रूप से एनोटेट करने के लिए, बल्कि तर्क, सटीकता और संरेखण में सुधार करने के लिए सूक्ष्म, संदर्भ-जागरूक प्रतिक्रिया प्रदान करने के लिए। जैसे-जैसे मॉडल स्मार्ट होते जाते हैं, उन्हें प्रशिक्षित करने का स्तर भी ऊंचा होता जाता है।

इनविजिबल एजेंटिक एआई में सबसे आगे है, जो वास्तविक दुनिया के वर्कफ़्लो में निर्णय लेने पर जोर देता है। एजेंटिक एआई की आपकी परिभाषा क्या है, और हम सबसे अधिक संभावना कहाँ देख रहे हैं?

एजेंटिक एआई उन प्रणालियों को संदर्भित करता है जो केवल निर्देशों का जवाब नहीं देते हैं - वे योजना बनाते हैं, निर्णय लेते हैं, और परिभाषित सुरक्षा के भीतर कार्रवाई करते हैं। यह एआई है जो एक उपकरण की तुलना में एक टीममेट की तरह अधिक व्यवहार करता है। हम उच्च-मात्रा, जटिल वर्कफ़्लो में सबसे अधिक कर्षण देख रहे हैं: जैसे कि ग्राहक सहायता और बीमा दावे, उदाहरण के लिए। इन क्षेत्रों में, एजेंटिक एआई मैन्युअल प्रयास को कम कर सकता है, स्थिरता बढ़ा सकता है, और ऐसे परिणाम दे सकता है जिनके लिए अन्यथा बड़ी मानव टीमों की आवश्यकता होगी। यह मनुष्यों को बदलने के बारे में नहीं है - इसके बजाय, हम उन्हें बुद्धिमान एजेंटों के साथ बढ़ा रहे हैं जो दोहराव और नियमित रूप से संभाल सकते हैं।

क्या आप उदाहरण दे सकते हैं कि किस प्रकार इनविजिबल विचार-श्रृंखला तर्क के लिए मॉडलों को प्रशिक्षित करता है और यह उद्यम परिनियोजन के लिए क्यों महत्वपूर्ण है?

चेन-ऑफ-थॉट (CoT) तर्क ने एंटरप्राइज़ AI के लिए नई संभावनाओं को खोल दिया है। इनविजिबल में, हम मॉडल को चरण-दर-चरण तर्क करने के लिए प्रशिक्षित करते हैं, जो तब आवश्यक होता है जब दांव ऊंचे होते हैं - चाहे आप किसी मरीज का निदान कर रहे हों, किसी अनुबंध का विश्लेषण कर रहे हों, या किसी वित्तीय मॉडल को मान्य कर रहे हों। CoT न केवल पारदर्शिता में सुधार करता है, बल्कि बड़े पैमाने पर नए डेटासेट के बिना डिबगिंग, परिशोधन और प्रदर्शन लाभ को भी सक्षम बनाता है। हमने देखा है कि जेमिनी, सॉनेट और ग्रोक जैसे अग्रणी मॉडल अपने तर्क पथों का खुलासा करना शुरू करते हैं, जो हमें न केवल यह देखने की अनुमति देता है कि मॉडल क्या आउटपुट देते हैं, बल्कि वे वहां कैसे पहुंचते हैं। यह ट्री ऑफ थॉट (जहां मॉडल उत्तर पर बसने से पहले कई संभावित तर्क पथों का मूल्यांकन करते हैं) और सेल्फ-कंसिस्टेन्सी (जहां कई तर्क पथों का पता लगाया जाता है) जैसी अधिक उन्नत विधियों के लिए आधार तैयार कर रहा है।

इनविजिबल 40 से ज़्यादा कोडिंग भाषाओं और 30 से ज़्यादा मानवीय भाषाओं में प्रशिक्षण का समर्थन करता है। वैश्विक रूप से स्केलेबल AI के निर्माण में सांस्कृतिक और भाषाई सटीकता कितनी महत्वपूर्ण है?

यह महत्वपूर्ण है। भाषा केवल अनुवाद के बारे में नहीं है - यह संदर्भ, बारीकियों और सांस्कृतिक मानदंडों के बारे में है। यदि कोई मॉडल टोन की गलत व्याख्या करता है या क्षेत्रीय भिन्नता को नज़रअंदाज़ करता है, तो इससे खराब उपयोगकर्ता अनुभव या अनुपालन जोखिम भी हो सकता है। हमारे बहुभाषी प्रशिक्षक न केवल धाराप्रवाह हैं - वे उन संस्कृतियों में अंतर्निहित हैं जिनका वे प्रतिनिधित्व करते हैं।

जब कंपनियां अवधारणा के प्रमाण से उत्पादन तक का विस्तार करने का प्रयास करती हैं तो सामान्य विफलता बिंदु क्या होते हैं, और इनविजिबल उस "अंतिम मील" तक पहुंचने में किस प्रकार मदद करता है?

अधिकांश AI मॉडल कभी भी उत्पादन में नहीं आ पाते क्योंकि कंपनियाँ आवश्यक परिचालन लिफ्ट को कम आंकती हैं। उनके पास स्वच्छ डेटा, मजबूत मूल्यांकन प्रोटोकॉल और वास्तविक वर्कफ़्लो में मॉडल को एम्बेड करने की रणनीति का अभाव है। इनविजिबल में, हम उद्यमों को अंतर को पाटने में मदद करने के लिए उत्पादन-ग्रेड डेटा इन्फ्रास्ट्रक्चर के साथ गहन तकनीकी अनुभव को जोड़ते हैं। प्रशिक्षण और अनुकूलन में हमारी सहजीवी क्षमताएँ हमें बेहतर मॉडल बनाने और उन्हें सफलतापूर्वक तैनात करने की अनुमति देती हैं।

क्या आप हमें आरएलएचएफ (मानव फीडबैक से सुदृढीकरण सीखना) के लिए इनविजिबल के दृष्टिकोण के बारे में बता सकते हैं और यह उद्योग में दूसरों से किस प्रकार भिन्न है?

इनविजिबल में, हम मानव फीडबैक (RLHF) से सुदृढीकरण सीखने को केवल ठीक ट्यूनिंग से कहीं अधिक मानते हैं - यह अधिक परिष्कृत कस्टम मूल्यांकन ("eval") डिज़ाइन की अनुमति देता है, और अंगूठे ऊपर और अंगूठे नीचे जैसे बाइनरी सिग्नल के बजाय सूक्ष्म मानवीय निर्णय के साथ प्रशिक्षण मॉडल की ओर बदलाव करता है। जबकि उद्योग दृष्टिकोण अक्सर उच्च-मात्रा, कम-संकेत डेटा के माध्यम से पैमाने को प्राथमिकता देते हैं, हम संरचित, उच्च-गुणवत्ता वाली प्रतिक्रिया एकत्र करने पर ध्यान केंद्रित करते हैं जो तर्क, संदर्भ और व्यापार-नापसंद को पकड़ती है। यह समृद्ध संकेत मॉडल को अधिक प्रभावी ढंग से सामान्यीकृत करने और मानव इरादे के साथ अधिक निकटता से संरेखित करने में सक्षम बनाता है। चौड़ाई पर गहराई को प्राथमिकता देकर, हम अधिक मजबूत, संरेखित AI सिस्टम के लिए बुनियादी ढाँचा बना रहे हैं।

आप एआई-मानव सहयोग के भविष्य को किस प्रकार देखते हैं, विशेष रूप से वित्त, स्वास्थ्य सेवा या सार्वजनिक क्षेत्र जैसे उच्च-दांव वाले क्षेत्रों में?

एआई मानवीय विशेषज्ञता की जगह नहीं ले रहा है - यह इसका समर्थन करने वाला बुनियादी ढांचा बन रहा है। मैं एक ऐसे भविष्य की कल्पना करता हूँ जहाँ एआई एजेंट और मानव विशेषज्ञ मिलकर काम करते हैं - जहाँ चिकित्सकों को डायग्नोस्टिक सह-पायलटों द्वारा सहायता प्रदान की जाती है, सरकारी एजेंसियाँ लाभों को अधिक कुशलता से वर्गीकृत करने के लिए एआई का उपयोग करती हैं, और वित्तीय विश्लेषक स्प्रेडशीट के बजाय रणनीति पर ध्यान केंद्रित करने के लिए स्वतंत्र होते हैं। हमारा ध्यान ऐसी प्रणाली तैयार करने पर है जहाँ एआई मानवीय क्षमता को बढ़ाता है, न कि उसे अस्पष्ट या नकारता है।

बेहतरीन साक्षात्कार के लिए धन्यवाद, जो पाठक अधिक जानना चाहते हैं, उन्हें अवश्य आना चाहिए अदृश्य प्रौद्योगिकियाँ.