रिचर्ड व्हाइट, Fathom के संस्थापक और सीईओ — साक्षात्कार श्रृंखला

रिचर्ड व्हाइट, फैथम के संस्थापक और सीईओ, कई कंपनियां स्थापित कर चुके संस्थापक और उत्पाद-केंद्रित उद्यमी हैं जो व्यक्तिगत निराशाओं को श्रेणी-परिभाषित सॉफ्टवेयर में बदलने के लिए जाने जाते हैं। फैथम से पहले, उन्होंने लगभग 13 वर्षों तक यूजरवॉइस की स्थापना और नेतृत्व किया, जिसे उन्होंने एक लाभदायक प्रतिक्रिया प्रबंधन मंच में विकसित किया, जिसका उपयोग हजारों कंपनियों द्वारा किया जाता है, जिनमें स्टार्टअप से लेकर माइक्रोसॉफ्ट जैसे बड़े उद्यम शामिल हैं, जबकि वे अब सर्वव्यापी “फीडबैक” टैब के अग्रदूतों में भी थे। अपने करियर की शुरुआत में, उन्होंने स्लिमटाइमर अकेले बनाया और एक दशक से अधिक समय तक उसका संचालन किया, रूबी ऑन रेल्स इकोसिस्टम में प्रभावशाली ओपन-सोर्स परियोजनाओं जैसे कि अजैक्सस्कैफोल्ड का नेतृत्व किया, और किको (वाईसी एस05) में उत्पाद डिज़ाइन लीड के रूप में काम किया। इन अनुभवों ने सामूहिक रूप से उनके दृष्टिकोण को उपयोगिता, ग्राहक सहानुभूति और टीमों के काम करने के तरीके को शांतिपूर्वक लेकिन अर्थपूर्ण रूप से सुधारने वाले उपकरणों के निर्माण के बारे में आकार दिया।

2020 में स्थापित, फैथम उसी सोच को दर्शाता है: बातचीत में पूरी तरह शामिल रहते हुए नोट्स लेने से पैदा होने वाले मानसिक बोझ जैसी आम समस्या को हल करके। प्लेटफ़ॉर्म बैठकों को स्वचालित रूप से रिकॉर्ड, ट्रांसक्राइब और सारांशित करता है – सबसे उल्लेखनीय रूप से ज़ूम पर – जिससे उपयोगकर्ता वास्तविक समय में क्षणों को हाइलाइट कर सकते हैं, कच्चे नोट्स के बजाय छोटी क्लिप साझा कर सकते हैं और अक्सर लिखित सारांश में खो जाने वाली बारीकियों को संरक्षित कर सकते हैं। जैसा कि फैथम परिपक्व हुआ है, यह सरल ट्रांसक्रिप्शन से परे रिकॉर्ड रखने की एक सरल प्रणाली में विकसित हुआ है जो बैठकों के लिए डिज़ाइन किया गया है, जो टीमों को संदर्भ बनाए रखने, ग्राहक कॉल से सीखने और बैठक को जटिल बनाए बिना असिंक्रोनस रूप से सहयोग करने में मदद करने के लिए है।

आप पिछले 15 वर्षों से ऐसी कंपनियां बना रहे हैं जो लोगों के संवाद करने के तरीके को फिर से परिभाषित करती हैं – यूजरवॉइस से फैथम तक। फैथम की स्थापना के लिए आपको क्या प्रेरित किया, और आपकी इंजीनियरिंग और उत्पाद-डिज़ाइन जड़ों ने कंपनी को पहले दिन से कैसे आकार दिया?

फैथम की स्थापना के लिए मेरी प्रेरणा 2020 की शुरुआत में आई। यह महामारी से पहले था, लेकिन मैं एक उत्पाद के लिए व्यापक उपयोगकर्ता अनुसंधान कर रहा था और अचानक हर दिन 15 या 20 ज़ूम बैठकों में लगातार शामिल हो रहा था। छह सप्ताह के बाद मुझे यह अनुभव कितना कठिन था, इसका एहसास हुआ। मैं एक साथ बोल और टाइप नहीं कर सकता – मैं अपने नोट्स को दो सप्ताह बाद देखता और नहीं जानता कि कौन-सी बातचीत कौन-सी थी। सबसे बड़ी समस्या यह थी कि मैं इतना शोध करता और फिर अपनी टीम के साथ कुछ बुलेट बिंदु साझा करता, लेकिन बात उन तक असरदार ढंग से नहीं पहुंचती थी। सब कुछ अनुवाद में खो गया था। मेरे लिए यह पैर की उंगली किसी चीज से टकराने जैसा था: महीने में एक बार हो तो आप अनदेखा करते हैं, लेकिन रोज कई बार टकराए तो बहुत जल्दी कारण दूर करने की कोशिश करते हैं।

मेरी इंजीनियरिंग और डिज़ाइन पृष्ठभूमि दोनों ने फैथम बनाते समय मेरे द्वारा किए गए निर्णयों को प्रभावित किया। मैंने हमेशा समस्याओं को हल करने के लिए मौजूदा अवधारणाओं को लेकर उन्हें कहीं अधिक व्यापक उपयोगकर्ता वर्ग के लिए बहुत अधिक उपयोगकर्ता-मित्र बनाने के दृष्टिकोण से संपर्क किया है। फैथम के साथ, मुझे यह अंतर्दृष्टि थी कि ट्रांसक्रिप्शन प्रौद्योगिकी कमोडिटाइज़ हो रही थी – पांच साल पहले मौजूद नहीं होने वाले ऑफ-द-शेल्फ समाधानों का प्रसार था। इसलिए, ट्रांसक्रिप्शन समाधान का एक हिस्सा था, लेकिन यह स्वयं समाधान नहीं था।

उत्पाद डिज़ाइन के दृष्टिकोण से, मुझे एहसास हुआ कि ट्रांसक्रिप्ट उन लोगों के लिए मूल्यवान हो सकते हैं जो कॉल पर थे। लेकिन वे लोगों के लिए वास्तव में सहायक नहीं हैं जो वहां नहीं थे। हमने जो सबसे अधिक प्रभावी पाया वह यह था कि ग्राहक की कीमत पर आपत्ति या तकनीकी प्रश्न पूछने वाले 30-सेकंड के वीडियो क्लिप को दिखाना। हम ट्रांसक्रिप्ट का उपयोग लगभग एक टेबल ऑफ कंटेंट की तरह करते हैं ताकि हम वास्तविक ऑडियो-वीडियो क्लिप खोज सकें। यह उत्पाद संबंधी सोच — पूरे किए जाने वाले काम को समझना, केवल तकनीक को नहीं — सीधे मेरे डिज़ाइन अनुभव से आई थी।

फैथम को 2020 में बनाया गया था, जब अधिकांश कंपनियां गंभीरता से शुरुआत से एआई पर आधारित कार्यप्रवाहों के बारे में नहीं सोच रही थीं। शुरुआत से एआई को केंद्र में रखकर उत्पाद बनाने, बजाय बाद में जोड़ने के, क्या शुरुआती लाभ मिले?

मुख्य लाभ वास्तुकला की स्वतंत्रता थी। हम हर प्रणाली को डेटा पाइपलाइन से लेकर उपयोगकर्ता अनुभव तक डिज़ाइन कर सकते थे, यह मानते हुए कि एआई एक मूलभूत परत होगी, न कि बाद में जोड़ी गई सुविधा होगी। 2020 और 2021 में अधिकांश प्रतिस्पर्धियों ने अपने स्वयं के मॉडल बनाने के लिए भाषाविदों और एमएल विशेषज्ञों को नियुक्त किया। हमने इसके विपरीत किया क्योंकि हम मानते थे कि इस स्थान में विजेता वे होंगे जो वास्तविक समस्याओं को हल करने के लिए एआई को प्रभावी ढंग से लागू कर सकते हैं, न कि जो मॉडल बनाते हैं। उस विपरीत दृष्टिकोण ने हमें एक छोटी टीम के साथ लचीला रहने और हमारे इंजीनियरिंग संसाधनों को कठिन बुनियादी ढांचे की समस्याओं पर केंद्रित करने की अनुमति दी – विभिन्न प्लेटफार्मों पर विश्वसनीय रिकॉर्डिंग, वायरल वितरण यांत्रिकी, बड़े पैमाने पर रियल-टाइम प्रोसेसिंग।

यह बात है कि 2020 में शुरुआत की: एआई अभी तक पर्याप्त अच्छा नहीं था। हमें यह पता था। लेकिन हम यह भी जानते थे कि अगर हम एआई के परिपक्व होने की प्रतीक्षा करते हैं तो हम दो से तीन साल देर से शुरू करेंगे। दरवाजा चौड़ा खुला होगा, और हर कोई इसमें जाएगा। इसलिए हमने पहले सब कुछ बनाया – बुनियादी ढांचे, वितरण चैनल, उपयोगकर्ता अनुभव – स्पष्ट अपेक्षा के साथ कि जब एआई वहां पहुंचेगा, तो हम इसे जैसे एक कार में एक नया इंजन डालेंगे। इस निर्णय से बहुत बड़ा लाभ हुआ। जब जीपीटी-4 और क्लाउड 2022-2023 में आए, तो हम तुरंत उन्हें एकीकृत कर सकते थे। जिन प्रतिस्पर्धियों ने वर्षों से कस्टम एनएलपी पाइपलाइनें बनाई थीं, उन्हें अचानक अपने पूरे तकनीकी ढांचे पर फिर से विचार करना पड़ा। हमने केवल अपने मॉडल को अपग्रेड किया और उत्पाद और सुधार जारी करते रहे।

शुरुआत से एआई पर आधारित निर्माण ने हमारी उत्पाद विकास प्रक्रिया को मौलिक रूप से बदल दिया। पारंपरिक सॉफ्टवेयर में काफी रैखिक रोडमैप होता है: आप तय करते हैं कि क्या बनाना है, आप इसे बनाते हैं और आप इसे जारी करते हैं। एआई के साथ हम उस तरीके का उपयोग करते हैं जिसे मैं “जेंगा मॉडल” कहता हूं। प्रत्येक ब्लॉक एक संभावित एआई क्षमता का प्रतिनिधित्व करता है। यदि हम एक ब्लॉक पर दबाते हैं और प्रतिरोध महसूस करते हैं क्योंकि मॉडल अभी तक पर्याप्त अच्छे नहीं हैं, तो हम किसी दूसरे ब्लॉक की कोशिश करते हैं। हम जानते हैं कि छह महीने में, प्रौद्योगिकी में सुधार होगा और हम इस पर वापस आ सकते हैं। यह हमें ऐसी सुविधाओं को मजबूर करने से रोकता है जो अभी तक तैयार नहीं हैं, जबकि सुनिश्चित करता है कि हम हमेशा मूल्य की डिलीवरी कर रहे हैं।

दूसरा लाभ विश्वास था। हाँ, निवेशकों ने मुझे 2020 में अपने नाम में “एआई” नहीं रखने के लिए कहा, लेकिन जल्दी होने से हमें प्रामाणिकता मिली। हम रुझान पर कूद नहीं रहे थे; हम एक थीसिस पर दांव लगा रहे थे जो अभी तक स्पष्ट नहीं था। इसने हमें निर्माताओं के रूप में स्थापित किया, न कि तेज़ अनुयायियों के रूप में।

आपने बैठक वार्ता को संगठनों के भीतर एक सबसे अधिक उपेक्षित डेटा स्रोत के रूप में वर्णित किया है। आपको यह क्या विश्वास दिलाता है कि यह एआई के लिए अगला बड़ा मोर्चा है?

मुझे एहसास हुआ कि मैं कभी ऐसे बिक्री प्रमुख से नहीं मिला जिसके पास रोज आठ घंटे अपनी टीम की सभी बैठकें सुनने के लिए हों, उन बातों के आधार पर निर्णय लेने और टीम को प्रशिक्षित करने का समय होना तो दूर की बात है। बैठकें अविश्वसनीय रूप से मूल्यवान डेटा उत्पन्न करती हैं, लेकिन यह पूरी तरह से बड़े पैमाने पर अनुपलब्ध है। पारंपरिक बैठकों के साथ हम 99% सामग्री फेंक देते हैं, जबकि बाकी 1% नोट्स के रूप में सीआरएम में जाता है। फिर हम इसके आधार पर क्या होगा इसका अनुमान लगाने की कोशिश करते हैं – यह एक बेतुकी प्रक्रिया है। जो जानकारी वास्तव में महत्वपूर्ण है – ग्राहक की आवाज का स्वर, विशिष्ट आपत्ति जो उन्होंने उठाई, प्रतिस्पर्धी उल्लेख जो आया – सभी को किसी के तेजी से टाइप किए गए नोट्स के माध्यम से फ़िल्टर किया जाता है और संदर्भ खो जाता है।

जो मुझे विश्वास दिलाता है कि यह अगला मोर्चा है वह यह है कि यह “वार्ता डार्क डेटा” वास्तव में संगठन में क्या हो रहा है इसका सबसे समृद्ध संकेत है। आप वास्तविक समय में ग्राहक दर्द बिंदुओं, उत्पाद अंतराल, प्रतिस्पर्धी खतरों और प्रशिक्षण की आवश्यकताओं के बारे में जानकारी प्राप्त कर रहे हैं – लोगों के अपने शब्दों में। जब एक ग्राहक यह बताता है कि उसे एक सुविधा की आवश्यकता क्यों है, तो यह एक बिक्री प्रतिनिधि द्वारा सीआरएम फ़ील्ड में किए गए पुनर्कथन की तुलना में बहुत अधिक मूल्यवान है।

एआई से मिली बड़ी सफलता यह है कि हम अब इस डेटा को बड़े पैमाने पर हार्नेस कर सकते हैं। जब हमने एएसके फैथम लॉन्च किया, तो यह व्यक्तिगत बैठकों के बारे में प्रश्नों का उत्तर दे सकता था। फिर हमने इसे छोटे बैठक समूहों को संभालने के लिए बढ़ाया। अब यह आपकी पूरी कंपनी की बैठकों के सेट को समझने में सक्षम है। बिक्री नेता पूछ सकते हैं, “हाल में किन प्रतिस्पर्धियों का उल्लेख बढ़ रहा है? मुझे कुछ क्लिप दिखाएं।” इंजीनियरिंग टीमें पूछ सकती हैं, “फैथम में ट्रांसक्रिप्शन इंजन के इतिहास को बताएं” और चार साल की इंजीनियरिंग बैठकों से छह-पृष्ठ संश्लेषित दस्तावेज़ प्राप्त करें।

यह एक बड़े मस्तिष्क का रूप लेने लगा है, जो वास्तव में समझता है कि आपका व्यवसाय क्या कर रहा है और उसके भीतर कौन-सी बातचीत हो रही है। आप एक दुनिया की कल्पना कर सकते हैं जहां जल्द ही एक एआई आपको बता सकता है कि आपको अगली सुविधा क्या बनानी चाहिए जो सबसे अधिक सौदों को बंद करने में मदद करेगी, या कौन से प्रतिस्पर्धी आ रहे हैं, या आपकी टीम में कौन से प्रशिक्षण अंतराल हैं। यह एक अविश्वसनीय डेटा स्रोत है जिसे एआई आपकी अगली रणनीतिक बैठक या रोडमैपिंग प्रक्रिया में इनपुट देने के लिए खनन कर रहा है।

कई उपयोगकर्ता फैथम को बैठकों के दौरान उपस्थित रहने के लिए परिवर्तनकारी के रूप में उद्धृत करते हैं। आप स्वचालन के साथ मानव वार्ता के प्राकृतिक प्रवाह को कैसे संतुलित करते हैं?

यह हमारे डिज़ाइन दर्शन का केंद्र रहा है। लक्ष्य यह नहीं है कि एआई आपको बताए कि बैठक में क्या करना चाहिए, बल्कि आपको ऐसी अंतर्दृष्टि प्रदान करना है जो आपको अपनी बातचीत में अधिक उपस्थित और प्रभावी होने में मदद करे।

हम सावधानी से यह तय करते हैं कि हम क्या स्वचालित करते हैं और क्या नहीं। हम केवल तभी सुविधाओं को लॉन्च करते हैं जब हम जानते हैं कि हम उन्हें वास्तव में अच्छी तरह से कर सकते हैं। यह कभी-कभी हमें बाजार में कुछ क्षमताओं के साथ पहले नहीं बनाता है, लेकिन जब हम कुछ लॉन्च करते हैं, तो यह काम करता है और वास्तविक मूल्य प्रदान करता है। हम फोन कॉल रिकॉर्डिंग या कुछ प्रकार की आमने-सामने की बैठकों की रिकॉर्डिंग जैसी चीजों को आगे बढ़ाने के बारे में सावधान रहे हैं, हालांकि हमें अक्सर अनुरोध मिलते हैं। हम बातचीत के स्वाभाविक प्रवाह को बाधित करने वाला औसत अनुभव पेश करने के बजाय अपने मौजूदा काम में उत्कृष्टता चाहते हैं।

अंततः, हमारे उपयोगकर्ता हमें बताते हैं कि हम सही संतुलन हासिल कर रहे हैं: वे कहते हैं कि वे प्रति सप्ताह 6+ घंटे की बचत कर रहे हैं और अंतर्दृष्टि से अगले चरणों तक 3× तेजी से आगे बढ़ रहे हैं; 95% रिपोर्ट करते हैं कि फैथम उन्हें बैठकों में उपस्थित रखता है। यह पुष्टि करता है कि हम मानव क्षमता को बढ़ा रहे हैं, इसे प्रतिस्थापित नहीं कर रहे हैं।

फैथम ने अपनी श्रृंखला ए में 1,300 से अधिक उपयोगकर्ता-निवेशकों को आकर्षित किया – एक दुर्लभ संकेत है कि उत्पाद स्तर पर विश्वास है। आपको क्या लगता है कि सामान्य उपयोगकर्ताओं के साथ इतनी मजबूती से प्रतिध्वनित हुआ?

एक बात के लिए, हम एक वास्तविक रूप से मजबूत मुफ्त उत्पाद देते हैं: असीमित बैठकें, प्रति माह पांच एआई सारांश। हमारे दो-तिहाई उपयोगकर्ता हमें एक पैसा भी नहीं देते हैं, और हम इससे पूरी तरह संतुष्ट हैं। यह सामान्य SaaS रणनीति नहीं है। हमारे उपयोगकर्ता देखते हैं कि हम हर मौके पर उनसे कमाई करने की कोशिश नहीं कर रहे। हमारा ध्यान व्यक्तिगत स्तर पर काम करने वाले कर्मचारियों का जीवन मुफ्त में बेहतर बनाने पर है, और हम प्रबंधन उपकरण बेचकर मुद्रीकरण करते हैं – कोचिंग डैशबोर्ड, क्रॉस-मीटिंग इंटेलिजेंस और प्रतिस्पर्धी अंतर्दृष्टि – उनके बॉस को। उत्पाद बस काम करता है, और यह काम करता रहता है चाहे आप भुगतान करें या नहीं। यह वास्तविक विश्वास बनाता है।

हमारा विकास लगभग पूरी तरह से मौखिक है – हम एक सामाजिक मीडिया प्लेटफ़ॉर्म की तरह बढ़े हैं, एक पारंपरिक बी2बी सॉफ़्टवेयर की तुलना में। हमारे उपयोगकर्ता हमारे समर्थक और वितरण चैनल हैं। उन्हें निवेशक बनाने से केवल यह स्वीकार किया जाता है कि क्या सच है: वे इस मिशन में हमारे साथी हैं।

मुझे लगता है कि समस्या के आसपास एक गहरी प्रतिध्वनि भी है जिसे हम हल कर रहे हैं। हर किसी को बैठक में होने और उपस्थित होने की कोशिश करने के दर्द का अनुभव हुआ है, जबकि कोई जल्दी से टाइप कर रहा है। हर किसी को कभी ऐसी बैठक की जानकारी चाहिए होती है जिसमें वे शामिल नहीं थे, और बदले में उन्हें दो पंक्तियों का बेकार सारांश मिलता है। समस्या सार्वभौमिक है, और समाधान ठीक से काम करे तो लगभग जादुई लगता है। उपयोगकर्ता निवेश करते हैं क्योंकि वे इस भविष्य को केवल अपने लिए नहीं, बल्कि साथ काम करने वाले हर व्यक्ति के लिए भी चाहते हैं।

आपकी पृष्ठभूमि में यूजरवॉइस शामिल है, जिसने कंपनियों को ग्राहक प्रतिक्रिया को प्रबंधित करने में मदद की। इस अनुभव ने संगठनात्मक स्मृति और एआई-संचालित ज्ञान प्रवाह के बारे में आपकी सोच को कैसे प्रभावित किया?

यूजरवॉइस ने मुझे सिखाया कि कंपनियों में सबसे मूल्यवान जानकारी अक्सर सबसे बिखरी हुई होती है। ग्राहक प्रतिक्रिया हर जगह थी। यह समर्थन टिकटों, आगे बढ़ाए गए ईमेल और यादृच्छिक बिक्री वार्ता में दफनाया गया था। कंपनियों के पास ग्राहकों को क्या चाहिए, इसके बारे में हजारों डेटा बिंदु होंगे, लेकिन उत्पाद निर्णय लेने वाले लोगों के लिए इसे संश्लेषित करने का कोई तरीका नहीं था। हमने बड़े पैमाने पर प्रतिक्रिया को एकत्र करने के लिए बुनियादी ढांचा बनाया और इसे निर्णय लेने वाले लोगों के लिए सुलभ बनाया।

फैथम के साथ समानांतर स्पष्ट है। लेकिन समस्या का स्थान अधिक गहरा है। बैठकें ग्राहक प्रतिक्रिया की तुलना में असीमित रूप से अधिक बिखरी हुई हैं। प्रत्येक संगठन में प्रत्येक सप्ताह में सैकड़ों या हजारों घंटे की बातचीत होती है। यूजरवॉइस से जो मैंने सीखा है वह यह है कि जानकारी दर्ज करना आवश्यक है, लेकिन यह पर्याप्त नहीं है। आप जानकारी को केवल एकत्र नहीं कर सकते; आपको यह तय करने के लिए बुद्धिमत्ता बनानी होगी कि क्या महत्वपूर्ण है और इसे सही लोगों को रूट करना होगा। यूजरवॉइस के साथ, हमने वोटिंग सिस्टम, ट्रेंडिंग एल्गोरिदम और प्रशासक डैशबोर्ड बनाए ताकि उत्पाद टीमें शोर से महत्वपूर्ण संकेतों को अलग कर सकें। फैथम के साथ, हम ऐसा एआई बना रहे हैं जो अलग-अलग बातचीत का संदर्भ समझकर महत्वपूर्ण जानकारी सक्रिय रूप से सामने ला सके: “पांच ग्राहकों ने इस महीने इस उपयोग के मामले का उल्लेख किया,” या “आपकी टीम इस आपत्ति पर अटकी हुई है।”

दूसरा सबक लोकतंत्रीकरण के बारे में था। यूजरवॉइस ने यह संभव बनाया कि कोई भी ग्राहक प्रतिक्रिया प्रदान कर सके, न कि केवल सबसे मुखर ग्राहक, जो वरिष्ठ अधिकारियों से फोन पर बात कर सकते हैं। फैथम के साथ, हम बैठक बुद्धिमत्ता तक पहुंच को लोकतंत्रित कर रहे हैं। Netgain की हमारी केस स्टडी में, उनके संचालन प्रबंधक ने रोज 7.5 घंटे बिताए, केवल बिक्री कॉल में क्या हो रहा था, इसके बारे में बुनियादी प्रश्नों का उत्तर देने के लिए। यह पागलपन है। जानकारी मौजूद थी, लेकिन यह लोगों के सिर और बिखरे हुए नोट्स में फंसी हुई थी।

संगठनात्मक स्मृति का भविष्य अलग-अलग ज्ञान सिलोस – सीआरएम, डॉक्स, फीडबैक सिस्टम – से जुड़े हुए, वार्तात्मक बुद्धिमत्ता में बढ़ रहा है। यह हमने यूजरवॉइस के साथ जो शुरू किया था, उसका तार्किक विकास है, लेकिन एआई इसे मानव वार्ता की पूरी बारीकियां सुरक्षित रखते हुए करने की अनुमति देता है, न कि केवल संरचित डेटा के साथ।

2020 के बाद ज़ूम-आधारित एआई टूल्स की संख्या तेजी से बढ़ी। आपके दृष्टिकोण से, एक वास्तविक रूप से सहायक एआई सहायक और एक जो केवल शोर जोड़ता है के बीच क्या अंतर है?

मैं हमेशा लोगों को बताता हूं कि केवल दो चीजें हैं जो वास्तव में एक एआई बैठक सहायक को डूबो सकती हैं: यदि उत्पाद विश्वसनीय नहीं है, या यदि एआई आउटपुट कचरा है। मुझे लगता है कि पिछली पीढ़ी में बहुत सारे मार्केटिंग एआई थे जहां यह जादुई नतीजों का वादा करना आसान था, लेकिन फिर वास्तविकता बाहर आई और यह बकवास था। हमने हमेशा सुनिश्चित किया है कि हमारे पास एक उच्च गुणवत्ता वाला उत्पाद है जो वादा किए गए को पूरा करता है। हमारे मुख्य अंतर हैं:

• ट्रांसक्रिप्शन सटीकता। फैथम को आज सबसे सटीक प्रतिलिपि माना जाता है। अधिकांश उपकरण तीसरे पक्ष की प्रतिलिपि सेवा का लाभ उठाते हैं, जबकि हमने अपनी स्वामित्व वाली प्रतिलिपि तकनीक का आंतरिक रूप से विकास किया है। यदि आपकी प्रतिलिपि खराब है, तो प्रतिलिपि से आने वाली हर चीज़ बिल्कुल बर्बाद हो जाती है।
• विश्वसनीयता और बुनियादी ढांचा। जब आप एक बैठक में शामिल होते हैं, तो आप अक्सर जल्दी में या तनावग्रस्त होते हैं। इन अन्य उपकरणों में से कई बॉट बैठकों में शामिल होंगे लेकिन फिर रिकॉर्ड नहीं करेंगे, या रिकॉर्डिंग विफल हो जाएगी। हम वास्तविक समय प्रणाली के स्तर पर अस्तित्व में हैं – आप कुछ ऐसा काम कर रहे हैं जो विश्वसनीयता की मांग के लिहाज से विमानन इलेक्ट्रॉनिक्स से केवल एक पायदान नीचे है। यदि यह दो बार विफल हो जाए, तो उपयोगकर्ता इसे छोड़ देता है। यह पारंपरिक सास नहीं है जहां कभी-कभी सेवा बंद रह सकती है।
• एआई जो सूक्ष्मता और संदर्भ को समझता है। व्यवसायिक भाषा बहुत ही सूक्ष्म हो सकती है। मुझे यूजरवॉइस में बिक्री टीम का नेतृत्व करना याद है, और लोगों के नोट्स पढ़कर, सोचकर, “मुझे वास्तव में यह सुनने की जरूरत है कि उन्होंने वास्तव में इसे कैसे कहा।” एआई को न केवल यह समझने की आवश्यकता है कि क्या कहा गया था, बल्कि स्वर, हिचकिचाहट और उत्साह (या इसकी कमी) को भी पकड़ना है। यही कारण है कि हम प्रत्येक सारांश बिंदु को वास्तविक रिकॉर्डिंग में वास्तविक क्षण से जोड़ते हैं।
• जटिलता के बिना अनुकूलन। एआई को आपके व्यवसाय के अनुकूल होना चाहिए, इसके विपरीत नहीं। बिक्री टीमें अपनी विशिष्ट विधियों से मेल खाने के लिए टेम्पलेट्स को संशोधित करने में सक्षम होनी चाहिए – MEDDIC, Challenger, SPICED, जो कुछ भी वे उपयोग करते हैं। लेकिन इसके लिए डेटा विज्ञान की डिग्री की जरूरत नहीं होनी चाहिए। यह बस काम करना चाहिए।

फैथम बैठक सामग्री को कार्रवाई योग्य ज्ञान में परिवर्तित करता है। हम एआई प्रणालियों से कितने करीब हैं जो वास्तविक कार्यप्रवाह इंजन के रूप में कार्य करती हैं – बातचीत, निर्णय और डाउनस्ट्रीम कार्यों को स्वचालित रूप से जोड़ती हैं?

मुझे लगता है कि हम अधिकांश लोगों के अनुमान से ज्यादा करीब हैं, लेकिन अभी भी महत्वपूर्ण कदम हैं। वर्तमान में, हम एक दुनिया में जा रहे हैं जहां फैथम आपके लिए अधिक से अधिक काम करता है। पहला कदम बस जानकारी को वहां ले जाना है जहां आप इसे चाहते हैं। अगला कदम, जो बहुत दूर नहीं है, एआई वास्तव में आपके लिए काम कर रहा है।

हम पहले से ही इसके शुरुआती संस्करण देख रहे हैं। Asana के साथ हमारा एकीकरण बैठकों के कार्रवाई बिंदुओं से ऐसे कार्य स्वचालित रूप से बनाता है जिनकी प्रगति पर नजर रखी जा सकती है। फैथम को कार्य प्रबंधन समाधान बनाने की आवश्यकता नहीं है – Asana जैसे कई बेहतरीन समाधान पहले से मौजूद हैं। इसलिए, हम उन टूल्स में बैठक परिणामों को धक्का देने के लिए एकीकरण बना रहे हैं जो लोग पहले से ही काम पूरा करने के लिए उपयोग करते हैं।

सीआरएम की ओर, हम संरचित क्षेत्रों को स्वचालित रूप से सेल्सफोर्स और हबस्पॉट में धक्का देते हैं – दर्द बिंदु, समयसीमा, मुख्य निर्णय लेने वाले। एक केस स्टडी में इससे हर सौदे की स्थिति अपडेट करने में 20–30 मिनट बचे और महीने के अंत के पूर्वानुमान लगभग पूरी तरह सटीक हुए। यह एक कार्यप्रवाह इंजन के रूप में कार्य कर रहा है: बातचीत होती है, एआई मुख्य व्यवसाय डेटा को निकालता है, और फिर यह स्वचालित रूप से आपकी रिकॉर्ड प्रणाली में प्रवाहित होता है बिना किसी को टाइप करने के।

लेकिन मुझे लगता है कि वास्तविक बड़ी सफलता अर्थ-आधारित अलर्ट और बुद्धिमान रूटिंग से मिलेगी। एक प्रबंधक या बिक्री नेता के रूप में कल्पना करें जो दैनिक हाइलाइट रील प्राप्त करता है जहां एआई ने हर एक मूल्य निर्धारण की ऐसी चर्चा खोजी जो सही दिशा में नहीं गई, या हर एक उत्पाद ब्लॉकर जो नवीनीकरण कॉल में आया। यदि आप एक इंजीनियरिंग प्रबंधक हैं, तो आप अपने इंजीनियरों के बीच हर एक गर्म बहस देखेंगे। एआई अब स्वर और सूक्ष्मता को समझता है, न केवल कीवर्ड, इसलिए यह वास्तव में उन पलों को जानता है जिनकी आपको परवाह है।

कंपनियां बढ़ती हैं, तो वे वितरित ज्ञान और जानकारी के क्षय से जूझती हैं। आप एआई को टीमों की चर्चा और वास्तव में किए जाने वाले काम के बीच के अंतर को कैसे संबोधित करते हुए देखते हैं?

यह एक ऐसी समस्या है जिसे हम वास्तव में हल कर रहे हैं। दो समूह हैं जिनकी हम वास्तव में मदद कर सकते हैं: बैठक में नोट्स लेने और उपस्थित होने की कोशिश करने वाले लोग, और प्रबंधन, नेतृत्व और संस्थापक जो बैठक में नहीं हैं लेकिन टीमों का संचालन कर रहे हैं और यह जानने की कोशिश कर रहे हैं कि क्या हो रहा है। यही दूसरा समूह बिखरे ज्ञान की समस्या से सबसे ज्यादा प्रभावित होता है।

मूल मुद्दा दृश्यता है। जब किसी कंपनी में कोई व्यक्ति सौदे की स्थिति या ग्राहक के साथ क्या हो रहा है, यह जानना चाहता है, तो आमतौर पर इसके बारे में आसानी से जानकारी प्राप्त करने के लिए कोई जगह नहीं है। वे बिक्री टीम को बुलाते हैं, जिससे प्रतिनिधियों को नोट्स खंगालने में 20–30 मिनट बिताने पड़ते हैं। शिखर अवधियों के दौरान, कुछ संचालन प्रबंधकों को दैनिक 15 अनुरोध मिलते हैं – यह 7.5 घंटे जानकारी पुनर्प्राप्ति पर खर्च किया जाता है, मूल्य-वर्धक गतिविधियों पर नहीं।

एआई अलग-अलग बातचीत में ऐसे संबंध पहचान सकता है जिन्हें कोई व्यक्ति ट्रैक नहीं कर सकता। बिखरी बातचीत में पैटर्न पहचानना ही ज्ञान के क्षय को रोकने और बातचीत को रणनीतिक जानकारी में बदलने का तरीका है।

आगे देखते हुए पांच साल, आप बैठक बुद्धिमत्ता के विकास की कल्पना कैसे करते हैं – और एआई की भूमिका क्या होगी संगठनात्मक स्मृति, निर्णय लेने और सहयोग के भविष्य में?

मुझे लगता है कि पांच साल बाद हम आज के बैठक-विश्लेषण उपकरणों को वैसे ही देखेंगे जैसे आज शुरुआती स्मार्टफोन को देखते हैं: अपने समय में प्रभावशाली, लेकिन बाद में संभव हुई चीजों के मुकाबले आदिम।

पहला बड़ा विकास नोट लेने से सच्चे कार्यप्रवाह स्वचालन में जाना है। हम एक भविष्य की कल्पना करते हैं जहां बस कुछ कहकर आप इसे अस्तित्व में ला सकते हैं – बैठक के बाद काम की आवश्यकता नहीं। अभी यदि आप एक बैठक में कहते हैं कि “इस फीचर की विशिष्टताएं तैयार करें और अगले सप्ताह इंजीनियरिंग टीम के साथ अगली बैठक तय करें”, तो आपको अभी भी उस डॉक को स्वयं बनाना होगा और कैलेंडर आमंत्रण भेजना होगा। पांच साल में, एआई यह सब स्वचालित रूप से करेगा। आप इसे बोलते हैं, और यह होता है। एआई द्वारा कार्य, विशिष्टताएं और दस्तावेज़ बनाने से लोगों को काम पर ध्यान केंद्रित करने की अनुमति मिलती है जिसमें वास्तव में मानव रचनात्मकता और निर्णय लेने की आवश्यकता होती है।

दूसरा विकास बाहरी से सभी बैठकों तक बढ़ना है। अभी हम ग्राहक-सामना बैठकों पर ध्यान केंद्रित करते हैं: बिक्री, ग्राहक सफलता, एजेंसियां जो ग्राहकों के साथ मिलती हैं। लेकिन हमारा लक्ष्य अगले 12 से 18 महीनों में फैथम को पूरे संगठन में उपयोग करने योग्य मंच बनाना है, न कि केवल ग्राहकों से संपर्क रखने वाली टीमों में। हम बोटलेस रिकॉर्डिंग बना रहे हैं जो किसी भी बातचीत को कैप्चर कर सकती है, जिसमें Slack Huddles और आमने-सामने की बैठकें शामिल हैं। यह कंपनी में होने वाली किसी भी बातचीत को कैप्चर करने में विकसित हो रहा है, चाहे माध्यम कुछ भी हो।

सबसे आगे बढ़ने वाली कंपनियां वे होंगी जो वार्तात्मक डेटा को एक प्रमुख संसाधन के रूप में मानती हैं – अपने सीआरएम डेटा, विश्लेषण और दस्तावेजों जितना महत्वपूर्ण। क्योंकि अंततः, किसी भी संगठन में सबसे महत्वपूर्ण ज्ञान प्रणालियों में नहीं है; यह बातचीत में है। एआई आखिरकार इसका उपयोग संभव बना रहा है।

इस बेहतरीन साक्षात्कार के लिए धन्यवाद। पाठक जो इस नोट लेने वाले ऐप के बारे में अधिक जानना चाहते हैं उन्हें फैथम पर जाना चाहिए।