मैथ्यू फिट्जपैट्रिक, इनविजिबल टेक्नोलॉजीज के सीईओ – साक्षात्कार श्रृंखला

मैथ्यू फिट्जपैट्रिक एक अनुभवी ऑपरेशन और विकास विशेषज्ञ हैं जिनके पास जटिल कार्य प्रवाहों और टीमों को स्केल करने में गहरी विशेषज्ञता है। परामर्श, रणनीति और संचालन नेतृत्व में उनकी पृष्ठभूमि के साथ, वह वर्तमान में इनविजिबल टेक्नोलॉजीज में सीईओ के रूप में कार्य करते हैं, जहां वह एंड-टू-एंड व्यवसाय समाधानों को डिजाइन और अनुकूलित करने पर ध्यान केंद्रित करते हैं। मैथ्यू मानव प्रतिभा को स्वचालन के साथ मिलाकर दक्षता को बढ़ाने के लिए उत्साहित हैं, जो कंपनियों को प्रक्रिया नवाचार के माध्यम से परिवर्तनकारी विकास को अनलॉक करने में मदद करता है।

इनविजिबल टेक्नोलॉजीज एक एआई उत्पादन परत और उद्यम सॉफ्टवेयर कंपनी है जो संगठनों को जटिल व्यवसायिक वातावरण में एआई प्रणालियों का निर्माण, तैनाती और स्केलिंग में मदद करती है। इसका मंच एआई-संचालित सॉफ्टवेयर, मानव विशेषज्ञता और संचालन बुनियादी ढांचे को मिलाकर उन उत्पादन कार्य प्रवाहों का समर्थन करता है जो उन्नत एआई को प्रशिक्षित, मूल्यांकन और संचालित करने के लिए आवश्यक हैं। इनविजिबल उद्यमों के साथ जटिल डेटा को प्रबंधित करने, कार्य प्रवाहों को स्वचालित करने और व्यवसायिक प्रक्रियाओं में एआई को एकीकृत करने के लिए काम करता है, एआई पहलों को प्रयोग से विश्वसनीय, उत्पादन-स्तर की तैनाती में ले जाने के लिए आवश्यक बुनियादी ढांचे और विशेषज्ञता प्रदान करता है।

आप हाल ही में मैकिन्से में क्वांटमब्लैक लैब्स का नेतृत्व करने से इनविजिबल टेक्नोलॉजीज के सीईओ बनने के लिए स्थानांतरित हुए हैं। आपको इस भूमिका में क्या आकर्षित किया, और इनविजिबल के मिशन में आपको सबसे ज्यादा क्या उत्साहित करता है?

मैकिन्से में, मुझे एआई नवाचार के अग्रिम मोर्चे पर काम करने का विशेषाधिकार मिला – एआई सॉफ्टवेयर उत्पादों का निर्माण, अनुसंधान और विकास प्रयासों का नेतृत्व करना, और उद्यमों को डेटा की शक्ति का लाभ उठाने में मदद करना। मुझे इनविजिबल टेक्नोलॉजीज में आकर्षित किया गया था एक अनोखे रूप से लचीले एआई सॉफ्टवेयर प्लेटफ़ॉर्म और मानव-इन-द-लूप फीडबैक के लिए विशेषज्ञ बाज़ार के संयोजन के अवसर के लिए – मैं मानता हूं कि मानव फीडबैक से प्रबलित学习 (आरएलएचएफ) सटीक और विश्वसनीय जेनएआई कार्यान्वयन की कुंजी है। इनविजिबल पूरे मूल्य श्रृंखला में एआई का समर्थन करता है, डेटा सफाई और डेटा एंट्री स्वचालन से लेकर श्रृंखला के विचार और कस्टम मूल्यांकन तक। हमारा मिशन सरल है: व्यवसायों को एआई की क्षमता को पूरा करने में मदद करने के लिए मानव बुद्धिमत्ता और एआई को मिलाना, जो उद्यम में अधिकांश लोगों की अपेक्षा से अधिक कठिन रहा है।

आप 1,000+ इंजीनियरों की देखरेख कर चुके हैं और विभिन्न उद्योगों में कई एआई उत्पादों को स्केल किया है। मैकिन्से से आपको कौन से सबक इनविजिबल के अगले विकास चरण में लागू हो रहे हैं?
दो सबक खड़े होते हैं। पहला, एआई को सफलतापूर्वक अपनाना उतना ही तकनीकी है जितना कि संगठनात्मक परिवर्तन। आपको सही लोग और प्रक्रियाएं सही मॉडल के शीर्ष पर होनी चाहिए। दूसरा, एआई में जीतने वाली कंपनियां वे हैं जो “अंतिम मील” को मास्टर करती हैं – प्रयोग से उत्पादन में संक्रमण। इनविजिबल में, हम ग्राहकों को पायलट से परे जाने और वास्तविक व्यवसाय मूल्य प्रदान करने में मदद करने के लिए उसी तरह की सख्ती और संरचना लागू कर रहे हैं।

आप कहा है कि “2024 एआई प्रयोग का वर्ष था, और 2025 एआई से रिटर्न ऑन इन्वेस्टमेंट (आरओआई) प्राप्त करने का वर्ष है।” उद्यमों में आप कौन से विशिष्ट रुझान देख रहे हैं जो वास्तव में आरओआई प्राप्त कर रहे हैं?
आरओआई प्राप्त करने वाले उद्यम तीन चीजें अच्छी तरह से कर रहे हैं। पहला, वे एआई के उपयोग के मामलों को कोर व्यवसाय के केपीआई के साथ紧密 से जोड़ रहे हैं – जैसे कि परिचालन दक्षता या ग्राहक संतुष्टि। दूसरा, वे बेहतर गुणवत्ता वाले डेटा और मानव फीडबैक लूप में निवेश कर रहे हैं ताकि मॉडल प्रदर्शन में लगातार सुधार किया जा सके। तीसरा, वे सामान्य समाधानों से विशिष्ट, डोमेन-विशिष्ट प्रणालियों में स्थानांतरित हो रहे हैं जो उनके वातावरण की जटिलता को प्रतिबिंबित करते हैं। ये कंपनियां अब केवल एआई का परीक्षण नहीं कर रही हैं – वे इसे उद्देश्य के साथ स्केल कर रही हैं।

फाउंडेशन मॉडल प्रदाताओं जैसे एएमजेड, माइक्रोसॉफ्ट (MSFT ), और कोहेरे में डोमेन-विशिष्ट और पीएचडी-स्तर के डेटा लेबलिंग की मांग कैसे विकसित हो रही है?

हम डोमेन-विशिष्ट लेबलिंग की मांग में वृद्धि देख रहे हैं क्योंकि फाउंडेशन मॉडल प्रदाता अधिक जटिल ऊर्ध्वाधर में आगे बढ़ रहे हैं। इनविजिबल में, हमारे पास 1% वार्षिक स्वीकृति दर है और हमारे प्रशिक्षकों में से 30% मास्टर्स या पीएचडी धारक हैं। यह गहरी विशेषज्ञता बढ़ती जरूरत है – न केवल सटीक रूप से डेटा को एनोटेट करने के लिए, बल्कि संदर्भ और संरेखण में सुधार के लिए तर्क, सटीकता और संरेखण को बेहतर बनाने के लिए सूक्ष्म, संदर्भ-जागरूक प्रतिक्रिया प्रदान करने के लिए। जैसे-जैसे मॉडल अधिक बुद्धिमान होते जाते हैं, उन्हें प्रशिक्षित करने के लिए बार उच्च हो जाता है।

इनविजिबल एजेंटिक एआई में अग्रणी है, जो वास्तविक दुनिया के कार्य प्रवाहों में निर्णय लेने पर जोर देता है। एजेंटिक एआई की आपकी परिभाषा क्या है, और यह उद्योग में अन्य लोगों से कैसे भिन्न है?

एजेंटिक एआई उन प्रणालियों को संदर्भित करता है जो निर्देशों का पालन नहीं करती हैं – वे योजना बनाती हैं, निर्णय लेती हैं और परिभाषित गार्डरेल के भीतर कार्रवाई करती हैं। यह एआई है जो एक उपकरण की तुलना में एक साथी की तरह व्यवहार करता है। हम उच्च-मात्रा वाले जटिल कार्य प्रवाहों में सबसे अधिक प्रगति देख रहे हैं: ग्राहक सहायता और बीमा दावे, उदाहरण के लिए। इन क्षेत्रों में, एजेंटिक एआई मैनुअल प्रयास को कम कर सकता है, संगति बढ़ा सकता है और ऐसे परिणाम प्रदान कर सकता है जिनके लिए बड़ी मानव टीमों की आवश्यकता होगी। यह मानवों को प्रतिस्थापित करने के बारे में नहीं है – इसके बजाय, हम उन्हें बुद्धिमान एजेंटों के साथ बढ़ा रहे हैं जो दोहरावदार और दिनचर्या कार्यों को संभाल सकते हैं।

क्या आप बता सकते हैं कि इनविजिबल मॉडलों को श्रृंखला के विचार के लिए कैसे प्रशिक्षित किया जाता है और यह उद्यम तैनाती के लिए क्यों महत्वपूर्ण है?

श्रृंखला के विचार (सीओटी) ने उद्यम एआई के लिए नए अवसर खोले हैं। इनविजिबल में, हम मॉडलों को चरण-दर-चरण तर्क करने के लिए प्रशिक्षित करते हैं, जो तब आवश्यक होता है जब दांव उच्च होते हैं – चाहे आप एक रोगी का निदान कर रहे हों, एक अनुबंध का विश्लेषण कर रहे हों या एक वित्तीय मॉडल को मान्य कर रहे हों। सीओटी न केवल पारदर्शिता में सुधार करता है, बल्कि डीबगिंग, रिफाइनमेंट और प्रदर्शन लाभ के लिए भी अनुमति देता है जो विशाल नए डेटासेट के बिना होते हैं। हमने देखा है कि अग्रणी मॉडल जैसे जेमिनी, सोनेट और ग्रोक अपने तर्क पथों का खुलासा करना शुरू कर दिया है, जो हमें न केवल यह देखने की अनुमति देता है कि मॉडल क्या आउटपुट करते हैं, बल्कि वे वहां कैसे पहुंचते हैं। यह अधिक उन्नत विधियों के लिए आधार तैयार कर रहा है जैसे कि विचार का पेड़ (जहां मॉडल एक उत्तर पर बसने से पहले कई संभावित तर्क पथों का मूल्यांकन करता है) और स्व-संगति (जहां कई तर्क पथों का अन्वेषण किया जाता है)।

इनविजिबल 40+ प्रोग्रामिंग भाषाओं और 30+ मानव भाषाओं में प्रशिक्षण का समर्थन करता है। वैश्विक रूप से स्केलेबल एआई बनाने में सांस्कृतिक और भाषाई सटीकता कितनी महत्वपूर्ण है?

यह महत्वपूर्ण है। भाषा केवल अनुवाद के बारे में नहीं है – यह संदर्भ, सूक्ष्मता और सांस्कृतिक मानकों के बारे में है। यदि एक मॉडल स्वर या क्षेत्रीय भिन्नता को गलत समझता है, तो यह खराब उपयोगकर्ता अनुभव या यहां तक कि अनुपालन जोखिमों का कारण बन सकता है। हमारे बहुभाषी प्रशिक्षकों में से न केवल प्रवीणता है, बल्कि वे प्रतिनिधित्व करने वाली संस्कृतियों में निहित हैं।

कंपनियां प्रूफ ऑफ कॉन्सेप्ट से उत्पादन में स्केल करने की कोशिश करते समय सामान्य विफलता बिंदु क्या हैं, और इनविजिबल “अंतिम मील” को नेविगेट करने में कैसे मदद करता है?

अधिकांश एआई मॉडल उत्पादन में नहीं पहुंच पाते हैं क्योंकि कंपनियां संचालन में आवश्यक लिफ्ट को कम आंकती हैं। उन्हें साफ डेटा, मजबूत मूल्यांकन प्रोटोकॉल और मॉडल को वास्तविक कार्य प्रवाहों में एम्बेड करने के लिए एक रणनीति की कमी है। इनविजिबल में, हम गहरी तकनीकी विशेषज्ञता को उत्पादन-ग्रेड डेटा बुनियादी ढांचे के साथ जोड़ते हैं ताकि उद्यमों को अंतर को पाटने में मदद मिल सके। हमारी सिम्बियोटिक क्षमताएं प्रशिक्षण और अनुकूलन में हमें बेहतर मॉडल बनाने और उन्हें सफलतापूर्वक तैनात करने की अनुमति देती हैं।

क्या आप हमें इनविजिबल के आरएलएचएफ (मानव फीडबैक से प्रबलित सीखने) दृष्टिकोण के माध्यम से ले जा सकते हैं और यह उद्योग में अन्य लोगों से कैसे भिन्न है?

इनविजिबल में, हम मानव फीडबैक से प्रबलित सीखने (आरएलएचएफ) को केवल फाइन-ट्यूनिंग से अधिक मानते हैं – यह अधिक परिष्कृत कस्टम मूल्यांकन (“इवल”) डिजाइन की अनुमति देता है, और मानव निर्णय के साथ प्रशिक्षित मॉडल की ओर एक बदलाव है। जबकि उद्योग के दृष्टिकोण अक्सर उच्च-मात्रा वाले डेटा के माध्यम से स्केल पर जोर देते हैं, हम संरचित, उच्च-गुणवत्ता वाले फीडबैक को प्राथमिकता देते हैं जो तर्क, संदर्भ और व्यापार-ऑफ को कैप्चर करता है। यह समृद्ध संकेत मॉडलों को अधिक प्रभावी ढंग से सामान्य बनाने और मानव इरादे के साथ अधिक बारीकी से संरेखित करने की अनुमति देता है। गहराई पर प्राथमिकता देकर, हम अधिक मजबूत, संरेखित एआई प्रणालियों के लिए बुनियादी ढांचा बना रहे हैं।

आप वित्त, स्वास्थ्य सेवा, या सार्वजनिक क्षेत्र जैसे उच्च जोखिम वाले क्षेत्रों में एआई-मानव सहयोग के भविष्य को कैसे देखते हैं?

एआई मानव विशेषज्ञता को प्रतिस्थापित नहीं कर रहा है – यह इसका समर्थन करने वाला बुनियादी ढांचा बन रहा है। मैं एक भविष्य की कल्पना करता हूं जहां एआई एजेंट और मानव विशेषज्ञ मिलकर काम करते हैं – जहां चिकित्सकों को निदान सह-पायलटों द्वारा समर्थित किया जाता है, सरकारी एजेंसियां लाभों को अधिक कुशलता से तैनात करने के लिए एआई का उपयोग करती हैं, और वित्तीय विश्लेषकों को रणनीति पर ध्यान केंद्रित करने के लिए स्वतंत्र किया जाता है न कि स्प्रेडशीट पर। हमारा फोकस ऐसी प्रणालियों को डिजाइन करना है जहां एआई मानव क्षमता को बढ़ाता है, न कि उसे धुंधला या ओवररुल करता है।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें इनविजिबल टेक्नोलॉजीज पर जाना चाहिए。