साक्षात्कार

शेन एलेनियाक, कैलिक्स के मुख्य उत्पाद अधिकारी – साक्षात्कार श्रृंखला

Antoine Tardif
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुकैलिक्स ने एजेंटिक एआई आने से वर्षों पहले विशिष्ट व्यक्तित्वों के लिए कार्रवाई योग्य…
और देखें
  • कैलिक्स ने एजेंटिक एआई आने से वर्षों पहले विशिष्ट व्यक्तित्वों के लिए कार्रवाई योग्य अंतर्दृष्टि तैयार की थी।
  • अधिकांश उद्यम एआई में विफल होते हैं क्योंकि वे स्वायत्त निर्णयों के लिए आवश्यक विश्वास स्तर को अनदेखा करते हैं।
  • संगठनों को ज्ञान को एक संघीय भंडार में पुनर्संरचित करना चाहिए, न कि केवल साइलो में एआई जोड़ना चाहिए।

शेन एलेनियाक कैलिक्स में मुख्य उत्पाद अधिकारी के रूप में कार्य करते हैं, जहां वे कंपनी के उद्योग-अग्रणी प्लेटफ़ॉर्म और सास समाधानों के रणनीतिक दृष्टिकोण और कार्यान्वयन का नेतृत्व करते हैं। संचार सेवा प्रदाताओं को अपने व्यवसाय को सरल बनाने और असाधारण ग्राहक अनुभव प्रदान करने में सक्षम बनाने पर ध्यान केंद्रित करते हुए, शेन उत्पाद जीवन चक्र के पूरे परिदृश्य – अवधारणा से लेकर बाजार-अग्रणी तैनाती तक – का पर्यवेक्षण करते हैं।

उनके नेतृत्व में, कैलिक्स ने ब्रॉडबैंड उद्योग में एक अग्रणी के रूप में अपनी स्थिति को मजबूत किया है, लगातार नवाचारी उपकरण प्रदान करता है जो प्रदाताओं को प्रतिस्पर्धा करने और जीतने में सक्षम बनाता है।

कैलिक्स एक अमेरिकी स्थित प्रौद्योगिकी कंपनी है जो ब्रॉडबैंड और संचार सेवा प्रदाताओं के लिए डिज़ाइन किए गए क्लाउड, सॉफ़्टवेयर और प्रबंधित सेवा प्लेटफ़ॉर्म प्रदान करती है। इसकी मुख्य पेशकश एक एआई-सक्षम ब्रॉडबैंड प्लेटफ़ॉर्म के आसपास केंद्रित है जो क्लाउड बुनियादी ढांचे, डेटा और नेटवर्क प्रणालियों को एकीकृत करता है ताकि प्रदाताओं को संचालन को सरल बनाने, ग्राहक जुड़ाव में सुधार करने और अधिक व्यक्तिगत डिजिटल अनुभव प्रदान करने में मदद मिल सके।

इन प्रदाताओं को मूल संपर्क सेवाओं से पूर्ण “अनुभव प्रदाताओं” में संक्रमण करने में मदद करके, कैलिक्स उन्हें राजस्व बढ़ाने, ग्राहक वफादारी बढ़ाने और अधिक उन्नत, मापनीय ब्रॉडबैंड सेवाओं के माध्यम से समुदायों के डिजिटल परिवर्तन का समर्थन करने में मदद करता है।

आपका करियर तीन दशक से अधिक का है, जिसमें इंजीनियरिंग, नेटवर्किंग, क्लाउड प्लेटफ़ॉर्म और बड़े पैमाने पर उत्पाद नेतृत्व शामिल है। इन अनुभवों ने इस बारे में आपके दृष्टिकोण को कैसे आकार दिया कि एआई को महज एक सहायक प्रयोग बने रहने के बजाय व्यवसायों के भीतर वास्तविक काम करने योग्य बनाने के लिए वास्तव में क्या चाहिए?

मैं पारंपरिक दूरसंचार और नेटवर्किंग में शुरू हुआ, जहां पूरा खेल डेटा पथ और पैमाने पर विश्वसनीयता था। यदि आप स्वच्छ, विश्वसनीय सेवा प्रदान नहीं कर सकते हैं, तो आप जो भी ऊपर बनाते हैं वह वास्तव में महत्वपूर्ण नहीं है। तब फोन रसोई की दीवार पर लगा होता था, घर की अंदरूनी वायरिंग अपनी जगह रहती थी और डायल टोन सुनाई देने तक सब ठीक माना जाता था।

ब्रॉडबैंड और इंटरनेट ने इसे बदल दिया। अचानक, यह केवल “चालू है” नहीं था; यह ईथरनेट और फिर वाई-फाई, गेमिंग कंसोल और टैबलेट पर बच्चे, आप एक क्लाउड स्प्रेडशीट पर ज़ूम कॉल पर सहयोग कर रहे हैं, और निरंतर गतिशीलता – घर के अंदर, पिछवाड़े में, सॉकर गेम में, कॉफी शॉप में – ग्राहक अनुभव बहुत अधिक जटिल हो गया था एक द्विआधारी चालू / बंद राज्य से, और सेवा प्रदाताओं के लिए दुनिया अत्यधिक गतिशील हो गई थी। ऐसी दुनिया में डेटा को पीछे मुड़कर देखना—पारंपरिक डेटा वेयरहाउस और एक महीने बाद मिलने वाली ऐतिहासिक रिपोर्ट—पर्याप्त नहीं है। आपको डेटा इकट्ठा करना, अनुभव को समझना और वास्तविक समय में अंतर्दृष्टि उत्पन्न करना होता है, क्योंकि ग्राहक अब समस्याओं के घंटों या दिनों बाद नहीं, बल्कि पहले से ही सक्रिय रूप से हल होने की अपेक्षा करते हैं।

इस प्रक्रिया ने मुझे एआई के बारे में सोचने के तरीके को आकार दिया है। अधिकांश लोग एआई को “ऊपर” रखना चाहते हैं, जिस तरह वे व्यवसायिक बुद्धिमत्ता या सास को मौजूदा डेटा झीलों के ऊपर रखते हैं। मेरा अनुभव कहता है कि आपको उससे बहुत गहरा सोचने की जरूरत है और वास्तविक समय में कार्रवाई योग्य अंतर्दृष्टि और समय पर कार्रवाई करने की क्षमता के लिए डिज़ाइन करना है।

ग्राहकों की अपेक्षाएं हालांकि पिछले 25 वर्षों में बहुत अधिक नहीं बदली हैं। वे अभी भी सुरक्षित, प्रबंधित संपर्क चाहते हैं जो डायल टोन जैसा लगता है – वे चाहते हैं कि सब कुछ “बस काम करे” बिना सभी परतों और जटिलता के बारे में सोचे और वे इसे अपने जीवन में हर जगह चाहते हैं। दूरसंचार और क्लाउड में मेरे करियर ने मुझे इस विरोधाभास के साथ सहज बनाया: आप अत्यंत जटिल प्रणालियां बनाते हैं ताकि सारी जटिलता को उपयोगकर्ता से छिपाकर अंतिम छोर पर सरल और बेहतरीन अनुभव दे सकें। किसी भी व्यवसाय में—चाहे वह ब्रॉडबैंड से जुड़ा हो या नहीं—एआई से वास्तविक काम करवाने को मैं इसी तरह देखता हूं।

कैलिक्स में, आप अक्सर कहते हैं कि ऑपरेशनल एआई बनाया जाता है, न कि खरीदा जाता है। जब वे व्यवसाय में काम करने के तरीके को पुनर्विचार किए बिना एआई जोड़ने की कोशिश करते हैं तो संगठनों द्वारा की जाने वाली सबसे आम गलतियां क्या हैं?

मेरे लिए, यह “बनाना बनाम खरीदना” के बारे में कम है और यह देखने के लिए कि क्या आपने पूरे तकनीकी स्टैक पर विचार किया है। कई कंपनियों ने सोचा कि एआई केवल कुछ एपीआई का उपयोग करके एक एलएलएम तक पहुंच प्राप्त करना, इसे अपने स्टैक में एक रैपर के साथ तार करना और टोकन खरीदना था – फिर आपके पास एक एआई रणनीति थी। लेकिन यह इस तरह काम नहीं करता।

बहुत से लोग तकनीक के साथ इतने आकर्षित हो जाते हैं कि वे परिणाम को भूल जाते हैं। हमने यह फिल्म पहले देखी है। जब पीसी दिखाई दिए, तो हर कोई 286 या 386, कितनी मेमोरी थी, और यह कौन सा डॉस चला रहा था, इसके बारे में तर्क करना चाहता था। आज, कोई भी आपको अपने लैपटॉप या फोन के स्पेक्स बता नहीं सकता है, और कोई भी परवाह नहीं करता है जब तक उपकरण वह करना बंद नहीं कर देता जिसकी उन्हें जरूरत है। असली सवाल है: क्या इससे मैं अपने काम में अधिक प्रभावी बनता हूं? एआई के साथ भी यही बात है। यदि आप उसे वास्तविक कार्यप्रवाह, वास्तविक मूल्य और वास्तविक निवेश प्रतिफल (ROI) से नहीं जोड़ सकते, तो तकनीकी विशेषताएं केवल शोर हैं।

एक और बड़ी गलती यह है कि बिना यह पूछे कि यह आपके आर्किटेक्चर, सुरक्षा मॉडल और लागतों पर क्या प्रभाव डालता है, मौजूदा चीजों पर एआई को बोल्ट करने की कोशिश करना। एआई मूलभूत प्रौद्योगिकी है, एक इंक्रीमेंटल फीचर अपग्रेड नहीं है। जब आप इसे इंक्रीमेंटल के रूप में मानते हैं, तो आपको खराब डेटा, सुरक्षा समस्याएं, हॉलुसिनेशन, बेकाबू लागत या किसी समस्या का समाधान नहीं करने वाली बहुत सारी गतिविधि मिलती है।

अंत में, आप संदर्भ और ऊर्ध्वाधर विशेषज्ञता के महत्व को नजरअंदाज नहीं कर सकते। कार्रवाई संदर्भ के बारे में है और यह संदर्भ टेलीकॉम, फिनटेक और स्वास्थ्य सेवा जैसे क्षेत्रों में भिन्न होता है। कैलिक्स में, हमने एक उद्योग में गहरे अनुभव के साथ शुरुआत की और उसके आसपास एक उद्योग-विशिष्ट प्लेटफ़ॉर्म बनाया। हम पहले से डेटा, अंतर्दृष्टि, कार्यप्रवाह और संदर्भ को समझते थे, इसलिए तकनीकी स्टैक उस वास्तविकता को प्रतिबिंबित कर सकता था। अधिकांश कंपनियां अपने उद्योग को बारीकी से जानती हैं। अवसर उस ज्ञान को उद्योग-विशिष्ट तकनीकी स्टैक में समाहित करने का है, न कि एक पतली क्षैतिज परत और सामान्य एआई मॉडल पर निर्भर होकर बाद में सबको जोड़ने का। व्यवसाय परिणामों के बारे में हैं, मॉडलों के बारे में नहीं। वास्तविक सवाल यह है कि यह तकनीक आपके काम के प्रवाह के अनुरूप उन परिणामों को हासिल करने में कैसे मदद करती है।

आपने ऑपरेशनल एआई के लिए एक पांच-परत वास्तुकला का रूपरेखा तैयार की है जिसमें डेटा, ज्ञान, ऑर्केस्ट्रेशन, विश्वास और कार्रवाई शामिल है। इन परतों को विशेष रूप से अलग करना महत्वपूर्ण क्यों है, और कौन सी परत उद्यमों द्वारा सबसे अधिक कम आंकी जाने वाली या पूरी तरह से छोड़ी जाती है?

लंबे समय से, स्टैक बहुत सरल था: डेटा, अंतर्दृष्टि, डैशबोर्ड, कार्य प्रवाह, लोग। आपने डेटा वेयरहाउस बनाए, बीआई को ऊपर रखा, कार्य प्रवाह इंजन बनाए और कठिन काम को मानवों को सौंप दिया। एक एजेंटिक दुनिया में, यह नहीं टिकेगा। आपको डेटा, ज्ञान, ऑर्केस्ट्रेशन, विश्वास और कार्रवाई की आवश्यकता है क्योंकि प्रत्येक परत एक विशिष्ट कार्य करती है।

दृश्यमान भाग जिस पर हर कोई बात करना चाहता है वह कार्रवाई परत है – एजेंट। यह बर्फ की चोटी है। जो वास्तव में एजेंटों को वास्तविक प्रणालियों को छूने देने का निर्धारण करता है वह पानी के नीचे की “बोरिंग” चीजें हैं: डेटा पाइपलाइन और साफ डेटा, ज्ञान परत जो संदर्भ प्रदान करती है, ऑर्केस्ट्रेशन जो गतिशील कार्य प्रवाह को समन्वयित करता है, और विश्वास मॉडल जो पहले स्थान पर क्या अनुमति देना चाहिए, यह तय करता है।

ऐसा लगता है कि टाइटैनिक के डूबने का कारण वह छोटा सा हिस्सा नहीं था जो दिखाई दे रहा था; यह बर्फ का विशाल द्रव्यमान था जो सतह के नीचे था। ऑपरेशनल एआई भी ऐसा ही है। सतह के नीचे की प्लंबिंग ही आपको बनाती या तोड़ती है।

ऐतिहासिक रूप से, हमने ऑर्केस्ट्रेशन और विश्वास को अलग परतों के रूप में नहीं माना क्योंकि मानवों ने अधिकांश काम किया था। ऑर्केस्ट्रेशन का अर्थ था प्रबंधक और सपोर्ट टिकटों की कतारें; विश्वास का अर्थ था उपयोगकर्ता नाम और पासवर्ड। अब आपको एजेंटों पर विश्वास करना होगा – उन्हें चीजें करने देना होगा – और आपको गतिशील डेटा के आधार पर वास्तविक समय में कई एजेंटों के बीच समन्वय करना होगा। यह डिज़ाइन की बिल्कुल अलग समस्या है, इसलिए इन परतों को स्पष्ट रूप से परिभाषित करना जरूरी है।

सबसे अधिक कम आंकी जाने वाली परत विश्वास है। कई संगठन सोचते हैं कि वे विश्वास को संभाल रहे हैं क्योंकि उनके पास पहुंच नियंत्रण हैं – कौन सी प्रणाली में लॉग इन कर सकता है। लेकिन एक एजेंटिक दुनिया में वास्तविक विश्वास यह नहीं है कि “क्या यह उपयोगकर्ता इस प्रणाली में लॉग इन कर सकता है?” यह “क्या यह विशिष्ट कार्रवाई इस एजेंट या इस व्यक्ति के लिए इस समय बिंदु पर उपयुक्त है?” यह शासन का प्रश्न है, पहुंच नियंत्रण का नहीं। यदि आप इस परत को स्पष्ट नहीं बनाते, तो प्रदर्शन के चरण में ही अटके रहते हैं, क्योंकि आप उत्पादन परिवेश में एजेंटों को वास्तविक काम सौंपने में कभी सहज नहीं होंगे।

तो स्पष्ट रूप से, विश्वास आपकी एआई रणनीति का एक आधारभूत हिस्सा है। आप स्वचालित निर्णय लेने वाली प्रणालियों को कैसे डिज़ाइन करते हैं ताकि वे अवलोकनीय, ऑडिट योग्य और वापस पलटे जाने योग्य रहें और फिर भी व्यवसाय मूल्य प्रदान करने के लिए पर्याप्त तेजी से आगे बढ़ सकें?

आपको शून्य-विश्वास दृष्टिकोण से शुरू करना होगा। पहला प्रश्न यह नहीं है “क्या यह एजेंट तकनीकी रूप से यह कर सकता है?” पहला प्रश्न यह है “क्या यह एजेंट, इस व्यक्ति की ओर से, वास्तव में यह करने की कोशिश करना चाहिए?” यदि उत्तर नहीं है, तो आगे बढ़ने की कोई जरूरत नहीं है।

यदि उत्तर हां है, तो आप गार्डरेल में जाते हैं: ऑडिट की क्षमता, अनुरेखणीयता और प्रक्रिया में मानव भागीदारी की आवश्यकता। हमारा मॉडल एक विश्वास परत पर निर्भर करता है जो प्रत्येक इंटरैक्शन की शुरुआत में एक यातायात पुलिसकर्मी की तरह काम करता है: कौन है, क्या कर रहे हैं और क्यों कर रहे हैं? इससे सुरक्षा समस्याओं को बहुत कम कर दिया जाता है क्योंकि आप एजेंटों को चीजें करने और फिर आशा करने की अनुमति नहीं दे रहे हैं कि आप बाद में इसके बारे में पता लगा लेंगे।

दूसरा तरीका एजेंटों को खुला छोड़ देना और कोई गलत काम होने पर अलार्म बजाना है। इसमें आप मान लेते हैं कि इन प्रणालियों की गति और पैमाने पर आप घटना को वास्तविक समय में देख, समझ, पहचान और रोक सकेंगे। यह एक बहुत ही कठिन समस्या है, और यही कारण है कि इतने सारे लोग संघर्ष कर रहे हैं – वे वास्तविक समय में दुर्भावनापूर्ण पक्षों की तलाश में हैं, बजाय इसके कि वे बुरे कार्यों को रोकने की कोशिश कर रहे हैं।

इसके अलावा, हमने परतदार गेटवे जोड़े हैं। भले ही एक एजेंट सही व्यक्ति की ओर से कार्य कर रहा हो, हम अभी भी सत्र और सामग्री को देख रहे हैं – क्या वे मॉडल को जहर देने, एपीआई का दुरुपयोग करने या नीति के बाहर कुछ करने की कोशिश कर रहे हैं? इन सभी पर पूर्ण अवलोकनीयता लागू होती है, ताकि आप जो हुआ उसका ऑडिट कर सकें और जरूरत पड़ने पर उसे वापस पलट सकें। इस तरह आप तेजी से काम करते हुए भी रात में निश्चिंत सो सकते हैं।

कई कंपनियां एआई से अंतर्दृष्टि उत्पन्न करने में सफल होती हैं, लेकिन उन्हें कार्रवाई में बदलने में संघर्ष करती हैं। कैलिक्स को मार्केटिंग, ऑपरेशन और ग्राहक सहायता में दिन-प्रतिदिन के कार्य प्रवाह में एआई को सीधे शामिल करने की अनुमति देने वाले डिज़ाइन निर्णय क्या थे?

एआई स्टार ऑफ द शो होने से बहुत पहले, कैलिक्स में, हम एक सवाल से जुनूनी थे: क्या वास्तव में एक अंतर्दृष्टि को कार्रवाई योग्य बनाता है एक वास्तविक व्यक्ति के लिए एक वास्तविक नौकरी में? 2018 से हम सेवा प्रदाताओं के साथ काम कर रहे हैं ताकि यह समझा जा सके कि विभिन्न कार्य भूमिकाओं वाले लोग कैसे काम करते हैं – एक विपणनकर्ता क्या करता है एक मंगलवार की सुबह, एक ऑपरेशन टीम क्या करती है जब एक अलार्म फायर होता है, समर्थन टीमें क्या करती हैं जब एक ग्राहक कॉल करता है निराश।

इससे हमें स्पष्ट करना पड़ा कि कौन सी अंतर्दृष्टि किसके लिए, किस संदर्भ में महत्वपूर्ण है और अच्छी कार्रवाई कैसी होती है। इसलिए, जब एजेंटिक एआई आया, तो हम शून्य से शुरुआत नहीं कर रहे थे। हमारे पास पहले से ही वास्तविक समय की प्रणालियां थीं जो विशिष्ट व्यक्तियों और कार्य प्रवाह से जुड़ी कार्रवाई योग्य अंतर्दृष्टि प्रदान कर रही थीं। डिज़ाइन प्रश्न यह बन गया कि एक अलग टूलसेट और एक अलग तकनीकी स्टैक के साथ, आप उन्हीं कार्य प्रवाहों को एक एजेंटिक एआई दुनिया में कैसे पुनः आर्किटेक्ट करेंगे, बजाय इसके कि आप इसे शुरू से बनाने की कोशिश करें।

जब आप कार्य भूमिकाओं के इस गहरे ज्ञान को एजेंटिक एआई के साथ जोड़ते हैं, तो आप गतिशील डेटा पर गतिशील कार्य प्रवाह बना सकते हैं। एजेंट वास्तविक समय में तय कर सकते हैं कि हो रही घटनाओं के आधार पर कौन से कदम और कौन सी कार्य भूमिकाएं शामिल होनी चाहिए, बजाय इसके कि आपको माइक्रोसर्विसों में सैकड़ों कठोर प्रवाह हार्ड-कोड करने पड़ें। अधिकांश कंपनियों के लिए, अभी कठिन समस्या संदर्भ के आधार पर वास्तविक समय में निर्णय लेना और फिर उसके अनुरूप सही कार्यप्रवाह डिज़ाइन करना है। हमारे लिए, वह हिस्सा पहले से ही स्थान पर था; हम वर्षों से वास्तविक समय, व्यक्ति-आधारित, कार्रवाई योग्य अंतर्दृष्टि कर रहे थे। एजेंटिक एआई केवल उस आधार पर एक नया टूलसेट है।

आपके प्लेटफ़ॉर्म दृष्टिकोण में एजेंट-टू-एजेंट (ए2ए) इंटरऑपरेबिलिटी और संघीय एआई प्रणालियां शामिल हैं। यह दृष्टिकोण उद्यम उपकरणों के बीच सहयोग को कैसे बदलता है जो पारंपरिक बिंदु एकीकरण की तुलना में है?

यदि आप पिछले 20 वर्षों पर एक नज़र डालें, तो डिफ़ॉल्ट पैटर्न यह रहा है “सास टूल्स का एक गुच्छा खरीदें और उन्हें एक डेटा झील के चारों ओर तार करें।” प्रत्येक नई प्रणाली का अर्थ एक और बिंदु एकीकरण, एक और डेटा पाइपलाइन और एक और स्थान था जहां आप सच्चाई को सुलझाना था। एक एजेंटिक दुनिया में, यह नहीं टिकेगा। आप चाहते हैं कि डेटा अपनी उचित जगह पर बना रहे और एजेंट एक दूसरे से अच्छी तरह से परिभाषित इंटरफेस पर बात करें।

इसका कारण यह है कि हम ज्ञान परत में एमसीपी और ऑर्केस्ट्रेशन और विश्वास परतों में ए2ए के बारे में बात करते हैं। एमसीपी यह है कि एजेंट टूल और डेटा का पता लगा सकते हैं और उनका उपयोग कर सकते हैं बिना हर बार एक नए कस्टम एकीकरण के। ए2ए यह है कि एजेंट एक दूसरे के साथ काम को समन्वयित करते हैं स्पष्ट गार्डरेल के तहत।

एक बार जब आपके पास यह होता है, तो सहयोग नाजुक कनेक्टरों के ढेर की तरह दिखना बंद कर देता है और विशेषज्ञों के ऐसे नेटवर्क जैसा दिखने लगता है जो वास्तविक काम के लिए जरूरत के अनुसार टीम बना सके। यहां आइजनहावर मैट्रिक्स का अनुरूप आता है। सब कुछ समान रूप से जरूरी और समान रूप से महत्वपूर्ण नहीं है। कुछ काम वास्तव में समय की दृष्टि से अत्यंत जरूरी होता है, कुछ महत्वपूर्ण है लेकिन अनुसूचित किया जा सकता है, कुछ को बस करने की आवश्यकता है और कुछ शोर है।

विश्वास और ऑर्केस्ट्रेशन परत के ऊपर एजेंट-टू-एजेंट समन्वय होने पर इन श्रेणियों को बड़े पैमाने पर अलग-अलग संभाला जा सकता है: एजेंट जरूरी और महत्वपूर्ण समस्याओं पर मिलकर जुट सकते हैं, महत्वपूर्ण लेकिन गैर-जरूरी काम को कतार में रख या निर्धारित कर सकते हैं और कम मूल्य वाली व्यस्तता को बाकी काम पर हावी होने से रोक सकते हैं। यह उस सोच से बिल्कुल अलग है कि एक और कनेक्टर जोड़ दें और उम्मीद करें कि कतार खाली हो जाएगी। इसमें गतिशील घटनाओं और डेटा के अनुरूप भरोसेमंद, सावधानी से संयोजित गतिशील कार्यप्रवाह होते हैं, न कि अलग-अलग एकीकरणों का ऐसा जाल जहां हर काम एक ही प्राथमिकता मांगता है।

एक बार जब एआई एजेंट स्वायत्त रूप से कार्य करने की अनुमति दी जाती है, तो शासन जल्द ही एक चुनौती बन जाती है। जब एआई प्रणालियां बड़े पैमाने पर निर्णय लेती हैं या उन्हें लागू करती हैं, आप गति, जवाबदेही और मानव पर्यवेक्षण के बीच कैसे संतुलन बनाते हैं?

मैं जो गलती देखता हूं वह यह है कि लोग सोचते हैं कि वे एजेंटिक एआई को जो कुछ भी है उस पर बोल्ट कर सकते हैं और फिर बाद में गति, जवाबदेही और मानव पर्यवेक्षण को संतुलित करने की कोशिश कर सकते हैं। आप ऐसा नहीं कर सकते। आपको यह स्वीकार करना होगा कि यह एक ऊर्ध्वाधर तकनीकी स्टैक समस्या है और जानबूझकर एक विश्वास परत और एक ऑर्केस्ट्रेशन परत बनाना होगा।

इसके बिना, यह अनियंत्रित अव्यवस्था में बदल जाता है – सब कुछ पहले आओ, पहले पाओ, या जो सबसे जोर से चिल्लाता है। फिर से, यह आइजनहावर मैट्रिक्स है: सभी कार्य समान रूप से बनाए नहीं जाते हैं। विश्वास और ऑर्केस्ट्रेशन यह है कि आप एक एजेंटिक दुनिया में इसका संचालन कैसे करते हैं। आप नहीं चाहते कि हर एजेंट हर कार्य को आग की तरह व्यवहार करे; आप चाहते हैं कि प्रणाली जानती है कि क्या वास्तव में समय की दृष्टि से अत्यंत जरूरी है, क्या अनुसूचित किया जा सकता है और क्या शांति से पृष्ठभूमि में संभाला जा सकता है।

और फिर “व्यापक फैलाव से पहले सीमित दायरे पर ध्यान” हिस्सा है। अधिकांश कंपनियां एआई से बड़ा प्रभाव लेने के साथ भ्रमित हैं क्योंकि वे ब्रॉड रहते हैं। आप वास्तव में एक संकीर्ण ऊर्ध्वाधर स्लाइस पर ध्यान केंद्रित करने से बेहतर हैं – एक ठोस उपयोग का मामला, एक सेट कार्य प्रवाह – और पहले वहीं आवश्यक विश्वास और ऑर्केस्ट्रेशन विकसित करें। पतले रहें, इसे सही करें, किनारों पर मानवों को शामिल रखें और फिर विस्तार करें। यही तरीका है जिससे आप तेजी से आगे बढ़ सकते हैं, जवाबदेह रह सकते हैं और बाद में उलझने से बच सकते हैं।

बड़े वैश्विक उत्पाद और इंजीनियरिंग टीमों का नेतृत्व करने के अपने अनुभव के आधार पर, एआई को एक टिकाऊ उद्यम क्षमता बनाने के लिए संगठनात्मक या सांस्कृतिक परिवर्तन क्या हैं और एआई को एक असंबद्ध पायलटों के संग्रह के बजाय?

अधिकांश उद्यमों के पास “एआई समस्या” नहीं है; उनके पास ज्ञान और कार्य प्रवाह समस्या है। पहला बदलाव अलग-अलग बिंदु समाधानों से खेलना छोड़कर डेटा वेयरहाउस से एक संघीय ज्ञान वेयरहाउस में जाना होगा जिस पर हर कोई देख सकता है और कार्रवाई कर सकता है। जितना समय ज्ञान सिलोस में रहता है और एआई एक सिलो के ऊपर एक चेरी की तरह है, आपको पायलट मिलेंगे, न कि परिवर्तन।

इसके बाद, आपको कठिन समस्याओं पर जाने के लिए तैयार रहना होगा एक विशिष्ट क्रम में। चरण एक यह है कि अतिशयोक्ति को वास्तविकता से अलग करना और जो काम कर रहा है उसे अपनाना है, न कि जो आपके फीड में सबसे जोर से है। चरण दो यह है कि ज्ञान परत को पुनः डिज़ाइन करना है ताकि आप डेटा को साझा किए गए संघीय संदर्भ में बदल सकें, न कि एक और रिपोर्ट जो एक प्रणाली में दफन है। चरण तीन यह है कि ज्ञान और एक वास्तविक विश्वास परत के आसपास कार्य प्रवाह को पुनः सोचें – अधिकांश कार्य आज लोगों, कौशल और स्थानीय ज्ञान सिलोस के आसपास संगठित होते हैं। यदि आप इसे नहीं बदलते, तो एजेंट उन्हीं पुराने अवरोधों के चारों ओर घूमता एक और उपकरण बनकर रह जाएंगे।

केवल तभी आप सांस्कृतिक परिवर्तन पर पहुंचते हैं, जो अक्सर सबसे कठिन होता है। आपको एक संस्कृति की आवश्यकता है जहां लोग अपनी नौकरी, उपकरण या पहचान खोने के बारे में प्राथमिक रूप से चिंतित नहीं हैं, बल्कि वास्तव में नई क्षमताओं के साथ काम करने के लिए उत्साहित हैं। यह एक परिवर्तन प्रबंधन समस्या है, एक प्रौद्योगिकी समस्या नहीं है। यह वास्तविक वितरित नेतृत्व की तरह दिखता है: अग्रिम पंक्ति के लोग कार्य प्रवाह को समझते हैं, घर्षण का नाम लेने में सुरक्षित महसूस करते हैं और एजेंटों को इसके बारे में काम करने के लिए उत्साहित हैं।

ब्रॉडबैंड और टेलीकॉम से परे, अगले चरण में कौन से उद्योग ऑपरेशनल, एजेंट-चालित एआई अपनाने की सबसे अच्छी स्थिति में हैं और क्या स्थितियां उन्हें तैयार करती हैं?

मैं वास्तव में इसे उद्योग द्वारा विजेताओं को चुनने के बारे में नहीं सोचता; मैं पैटर्न के बारे में सोचता हूं। लगभग हर ऊर्ध्वाधर में एक ही मूल चुनौती है: उन्होंने डेटा सिलोस और कार्य सिलोस का निर्माण किया है, न कि तीन जीवन चक्रों में एक दृश्य – ग्राहक, कर्मचारी और उत्पाद। जो तैयार हैं वे हैं जो यह देख सकते हैं, स्वीकार कर सकते हैं कि उनके पास वास्तव में ज्ञान परत नहीं है और इसे ठीक करने के लिए तैयार हैं।

इसके बाद, स्थितियां उद्योग की परवाह किए बिना बहुत समान दिखती हैं – स्वास्थ्य सेवा, फिनटेक, खुदरा या महत्वपूर्ण बुनियादी ढांचे। आपको जटिल कार्य प्रवाह की आवश्यकता है जहां लोग अपनी क्षमता की सीमा तक काम कर रहे हैं, वास्तविक घर्षण बिंदु जिन्हें आप नाम दे सकते हैं और एजेंटों को संदर्भ प्रदान करने के लिए पर्याप्त उच्च गुणवत्ता वाले डेटा हैं। यदि आप वर्तमान कार्य प्रवाह को मैप कर सकते हैं, देख सकते हैं कि कार्य कहां धीमा हो जाता है या जमा हो जाता है, समझें कि कौन से हस्तांतरण देरी पैदा करते हैं, और फिर इसका समर्थन एक संघीय ज्ञान वेयरहाउस के साथ करें, तो एजेंटिक एआई एक अविश्वसनीय टूलसेट बन जाता है।

इस दुनिया में, “उद्योग तैयारता” नेतृत्व के बारे में है। क्या कंपनी के नेता विपणन उपकरण और पतले क्षैतिज डैशबोर्ड से परे जाने और एक ऊर्ध्वाधर तकनीकी स्टैक में निवेश करने के लिए तैयार हैं – डेटा को ज्ञान में बदलना, ज्ञान को संघीय बनाना, ऑर्केस्ट्रेशन और विश्वास ढांचे को स्थापित करना और वास्तविक आरओआई के बारे में ईमानदार बातचीत करना? कोई भी कंपनी किसी भी उद्योग में जो यह काम करती है वह ऑपरेशनल, एजेंट-चालित एआई के लिए अच्छी स्थिति में है; जो लोग ऐसा नहीं करते हैं वे एक शोर के ढेर में एक और उपकरण जोड़ने में फंस जाएंगे।

कॉर्पोरेट एआई के बहु-एजेंट और बहु-क्लाउड परिवेशों की ओर बढ़ने के साथ, पांच साल बाद अच्छा एआई आर्किटेक्चर कैसा होगा, और आज नेताओं को किन सिद्धांतों को प्रतिबद्ध करना चाहिए ताकि बाद में अपनी प्रणालियों का पुनर्निर्माण न करना पड़े?

पांच साल में, एआई का दिलचस्प हिस्सा व्यक्तिगत एजेंट या मॉडल नहीं होगा; यह एजेंटिक कार्य प्रवाह होगा जो वे संभव बनाते हैं और व्यावसायिक मूल्य वे वितरित करते हैं। एजेंट खुद आते हैं और जाते हैं। डेटा, ज्ञान, ऑर्केस्ट्रेशन, विश्वास और कार्रवाई – ये परतें विकसित होती रहेंगी, लेकिन इनकी जरूरत समाप्त नहीं होगी।

मैं अधिक आर्किटेक्चर पर ध्यान केंद्रित कर रहा हूं, न कि किसी विशिष्ट टूल पर। हम डेटा वेयरहाउस से संघीय ज्ञान वेयरहाउस में जा रहे हैं, नाजुक बिंदु-से-बिंदु एकीकरण से खुले परतदार स्टैक में। उस दुनिया में, आपके पास विभिन्न क्लाउड में एजेंट चल रहे होंगे, विभिन्न ज्ञान स्रोतों को छू रहे होंगे और स्पष्ट रूप से परिभाषित इंटरफेस पर एक दूसरे के साथ समन्वय कर रहे होंगे – ज्ञान परत में एमसीपी और ऑर्केस्ट्रेशन और विश्वास परतों में एजेंट-टू-एजेंट प्रोटोकॉल। जैसे-जैसे प्रौद्योगिकी में सुधार होता है, आप चाहते हैं कि इन परतों में बेहतर टुकड़े डाले जा सकें बिना पूरी चीज को हर बार पुनर्निर्माण किए।

नेताओं के लिए सिद्धांत सरल हैं: मोनोलिथिक रूप से निर्माण न करें। परतों के लिए डिज़ाइन करें ताकि डेटा, ज्ञान, ऑर्केस्ट्रेशन, विश्वास और कार्रवाई प्रत्येक स्वतंत्र रूप से विकसित हो सकें। प्रवाह के लिए डिज़ाइन करें, सुविधाओं के लिए नहीं: स्पष्ट रहें कि कौन से कार्य प्रवाह महत्वपूर्ण हैं और क्या “अच्छा” दिखता है ग्राहक, कर्मचारी और उत्पाद जीवन चक्र में। और एजेंट स्तर पर शासन के लिए डिज़ाइन करें: डिफ़ॉल्ट रूप से शून्य विश्वास मानें और स्पष्ट “एजेंट कार्ड” परिभाषित करें और ऑर्केस्ट्रेशन का उपयोग यह तय करने के लिए करें कि क्या तत्काल है, क्या महत्वपूर्ण है और क्या बस करने की आवश्यकता है। यदि आप ऐसा करते हैं, तो आप तकनीक को बदलने दे सकते हैं – जैसा कि यह हमेशा करता है – बिना लगातार पुनर्निर्माण के बारे में चिंता किए।

धन्यवाद महान साक्षात्कार के लिए, पाठक जो अधिक जानना चाहते हैं उन्हें कैलिक्स पर जाना चाहिए।

एंटोनी एक दूरदर्शी नेता और Unite.AI के संस्थापक भागीदार हैं। एआई और रोबोटिक्स के भविष्य को आकार देने और आगे बढ़ाने के प्रति उनका जुनून अटूट है। कई उद्यम शुरू कर चुके एंटोनी का मानना है कि एआई समाज में बिजली जितना ही बड़ा बदलाव लाएगा। वे अक्सर परिवर्तनकारी प्रौद्योगिकियों और एजीआई की संभावनाओं के बारे में उत्साह से बात करते हैं।

एक भविष्यविद् के रूप में, वे यह जानने के लिए समर्पित हैं कि ये नवाचार हमारी दुनिया को कैसे आकार देंगे। वे Securities.io के संस्थापक भी हैं। यह मंच उन अत्याधुनिक प्रौद्योगिकियों में निवेश पर केंद्रित है जो भविष्य को नई परिभाषा दे रही हैं और पूरे क्षेत्रों का स्वरूप बदल रही हैं।