सोहम मजूमदार, विस्डमएआई के सह-संस्थापक और सीईओ – साक्षात्कार श्रृंखला

सोहम मजूमदार विस्डमएआई के सह-संस्थापक और सीईओ हैं, जो एआई-ड्रिवन समाधानों के क्षेत्र में अग्रणी हैं। विस्डमएआई की स्थापना से पहले, वह रूब्रिक में सह-संस्थापक और मुख्य वास्तुकार थे, जहां उन्होंने 9 वर्षों की अवधि में कंपनी को स्केल करने में एक महत्वपूर्ण भूमिका निभाई। सोहम ने पहले फेसबुक और गूगल में इंजीनियरिंग नेतृत्व भूमिकाएं निभाईं, जहां उन्होंने कोर सर्च इंफ्रास्ट्रक्चर में योगदान दिया और गूगल फाउंडर्स अवार्ड से सम्मानित किए गए। उन्होंने टैगटाइल की भी सह-स्थापना की, जो एक मोबाइल लॉयल्टी प्लेटफ़ॉर्म है जिसे फेसबुक द्वारा अधिग्रहित किया गया था। सॉफ्टवेयर आर्किटेक्चर और एआई नवाचार में दो दशकों के अनुभव के साथ, सोहम एक अनुभवी उद्यमी और प्रौद्योगिकीविद् हैं जो सैन फ्रांसिस्को खाड़ी क्षेत्र में स्थित हैं।

विस्डमएआई एक एआई-मूल व्यवसायिक बुद्धिमत्ता प्लेटफ़ॉर्म है जो उद्यमों को अपने प्रोप्राइटरी “नॉलेज फैब्रिक” के माध्यम से संरचित और असंरचित डेटा को एकीकृत करके वास्तविक समय में सटीक अंतर्दृष्टि प्राप्त करने में मदद करता है। यह प्लेटफ़ॉर्म विशेषज्ञ एआई एजेंटों को सशक्त बनाता है जो डेटा संदर्भ क्यूरेट करते हैं, प्राकृतिक भाषा में व्यवसायिक प्रश्नों का उत्तर देते हैं और प्रवृत्तियों या जोखिमों को स्वचालित रूप से सतह पर लाते हैं – बिना हॉलुसिनेटेड सामग्री उत्पन्न किए। पारंपरिक बीआई टूल्स के विपरीत, विस्डमएआई क्वेरी जेनरेशन के लिए सख्ती से जेनएआई का उपयोग करता है, जिससे उच्च सटीकता और विश्वसनीयता सुनिश्चित होती है। यह मौजूदा डेटा पारिस्थितिकी तंत्र के साथ एकीकृत होता है और उद्यम-ग्रेड सुरक्षा का समर्थन करता है, जिसमें सिस्को और कोनोको फिलिप्स जैसी प्रमुख कंपनियों द्वारा इसका जल्दी अपनाया जा रहा है।

आपने रूब्रिक की सह-स्थापना की और इसे एक प्रमुख उद्यम सफलता में बदलने में मदद की। आपको 2023 में छोड़ने और विस्डमएआई बनाने के लिए क्या प्रेरित किया – और क्या कोई विशेष क्षण था जिसने इस नए दिशा को स्पष्ट किया?

उद्यम डेटा अक्षमता समस्या मुझे सीधे चेहरे पर घूर रही थी। रूब्रिक में अपने समय के दौरान, मैंने पहले से ही देखा कि फॉर्च्यून 500 कंपनियां डेटा में डूब रही थीं लेकिन अंतर्दृष्टि के लिए तरस रही थीं। हमारे द्वारा निर्मित बुनियादी ढांचे के बावजूद, उद्यम उपयोगकर्ताओं का कम से कम 20% ही वास्तव में डेटा का प्रभावी ढंग से उपयोग करने के लिए सही पहुंच और ज्ञान रखता था। यह एक विशाल, प्रणालीगत समस्या थी जिसे कोई वास्तव में हल नहीं कर रहा था।

मैं स्वाभाविक रूप से एक निर्माता हूं – आप इसे गूगल से टैगटाइल से रूब्रिक और अब विस्डमएआई तक मेरे मार्ग में देख सकते हैं। मुझे मूलभूत चुनौतियों का सामना करने और जमीन से समाधान बनाने से ऊर्जा मिलती है। रूब्रिक को उद्यम सफलता में मदद करने के बाद, मुझे फिर से उसी तरह की महत्वाकांक्षी चुनौती का सामना करने के लिए उद्यमी खिंचाव महसूस हुआ।

अंत में, एआई का अवसर अनदेखा करना असंभव था। 2023 तक, यह स्पष्ट हो गया था कि एआई cuốiतः डेटा उपलब्धता और डेटा उपयोगिता के बीच की खाई को पाट सकता है। समय विस्डमएआई जैसी कुछ बनाने के लिए बिल्कुल सही लगा।

स्पष्टता का क्षण आया जब मुझे एहसास हुआ कि हम रूब्रिक में उद्यम डेटा बुनियादी ढांचे के बारे में जो कुछ भी सीखा है, उसे एआई की रूपांतरक शक्ति के साथ जोड़ सकते हैं ताकि इस मूलभूत अक्षमता समस्या का समाधान किया जा सके।

विस्डमएआई एक “नॉलेज फैब्रिक” और एआई एजेंटों का सूट पेश करता है। आप बता सकते हैं कि यह प्रणाली पारंपरिक बीआई डैशबोर्ड से परे जाने के लिए कैसे एक साथ काम करती है?

हमने एक एजेंटिक डेटा अंतर्दृष्टि प्लेटफ़ॉर्म बनाया है जो डेटा के साथ काम करता है जहां यह है – संरचित, असंरचित और यहां तक कि “गंदे” डेटा भी। विश्लेषण टीमों को रिपोर्ट चलाने के लिए कहने के बजाय, व्यवसाय प्रबंधक सीधे प्रश्न पूछ सकते हैं और विवरण में गहराई से जा सकते हैं। हमारा प्लेटफ़ॉर्म किसी भी डेटा वेयरहाउसिंग सिस्टम पर प्रशिक्षित किया जा सकता है जो क्वेरी लॉग्स का विश्लेषण करके काम करता है।

हम स्नोफ्लेक, माइक्रोसॉफ्ट फैब्रिक, गूगल के बिगक्वेरी, अमेज़न के रेडशिफ्ट, डेटाब्रिक्स और पोस्टग्रेस जैसी प्रमुख क्लाउड डेटा सेवाओं के साथ संगत हैं, और यहां तक कि एक्सेल, पीडीएफ, पॉवरपॉइंट आदि जैसे दस्तावेज़ प्रारूपों के साथ भी काम करते हैं।

विश्लेषकों के लिए डिज़ाइन किए गए पारंपरिक टूल्स के विपरीत, हमारा कॉन्वर्सेशनल इंटरफ़ेस व्यवसायिक उपयोगकर्ताओं को सीधे उत्तर प्राप्त करने में सक्षम बनाता है, जबकि हमारी मल्टी-एजेंट आर्किटेक्चर विविध डेटा प्रणालियों में जटिल प्रश्नों को सक्षम बनाती है।

आपने जोर देकर कहा है कि विस्डमएआई हॉलुसिनेशन से बचने के लिए जेनएआई को उत्तर पीढ़ी से अलग करता है। आप बता सकते हैं कि आपकी प्रणाली जेनएआई का उपयोग कैसे अलग तरह से करती है – और यह उद्यम विश्वास के लिए क्यों महत्वपूर्ण है?

हमारा एआई-रेडी कॉन्टेक्स्ट मॉडल संगठन के डेटा पर प्रशिक्षित होता है ताकि उच्च सेमेंटिक सटीकता के साथ प्रश्नों का उत्तर देने वाला एक सार्वभौमिक संदर्भ समझ विकसित किया जा सके, जबकि डेटा गोपनीयता और शासन को बनाए रखा जा सके। इसके अलावा, हम जेनएआई का उपयोग डेटा को निकालने की अनुमति देने वाले अच्छी तरह से सीमित प्रश्नों को बनाने के लिए करते हैं, न कि कच्चे डेटा को एलएलएम में खिलाने के लिए। यह हॉलुसिनेशन और एलएलएम के साथ सुरक्षा चिंताओं को संबोधित करने के लिए महत्वपूर्ण है।

आपने “एजेंटिक डेटा अंतर्दृष्टि प्लेटफ़ॉर्म” शब्द का उपयोग किया है। एजेंटिक बुद्धिमत्ता पारंपरिक विश्लेषणात्मक टूल्स या यहां तक कि मानक एलएलएम-आधारित सहायकों से कैसे अलग है?

पारंपरिक बीआई स्टैक निर्णय लेने की प्रक्रिया को धीमा कर देते हैं क्योंकि हर प्रश्न को विशेषज्ञों की एक रिले टीम और जुड़े हुए डेटा सिलोस के माध्यम से अपना रास्ता लड़ना होता है। जब एक मुख्य राजस्व अधिकारी को यह जानने की जरूरत है कि तिमाही को कैसे बंद किया जाए, तो उत्तर आमतौर पर विश्लेषकों द्वारा सीआरएम निकाले, डेटा इंजीनियरों द्वारा फ़ाइलों को एक साथ जोड़ने और डैशबोर्ड बिल्डरों द्वारा रिपोर्ट को ताज़ा करने के माध्यम से गुजरता है – एक सरल प्रश्न को एक मल्टी-दिन परियोजना में बदल देता है।

हमारा प्लेटफ़ॉर्म इन सिलोस को तोड़ता है और पूरी गहराई में डेटा को एक कीस्ट्रोक दूर लाता है, ताकि सीआरओ हेडलाइन मेट्रिक्स से लेकर रो-स्तर के विवरण तक सेकंडों में ड्रिल कर सके।

कोई विश्लेषक प्रतीक्षा कतार में नहीं है, कोई पूर्व-निर्धारित डैशबोर्ड नहीं है जो नए प्रश्नों का सामना नहीं कर सकता – बस वास्तविक स्व-सेवा अंतर्दृष्टि जो व्यवसाय की गति से वितरित की जाती है।

आप यह कैसे सुनिश्चित करते हैं कि विस्डमएआई प्रत्येक उद्यम की विशिष्ट डेटा शब्दावली और संरचना के अनुकूल हो?

डेटा के साथ काम करना जहां और जैसा है – यह मूल रूप से उद्यम व्यवसायिक बुद्धिमत्ता के लिए होली ग्रेल है। पारंपरिक प्रणालियां असंरचित डेटा या त्य्पो और त्रुटियों के साथ “गंदे” डेटा को संभालने के लिए नहीं बनाई गई हैं। जब जानकारी विभिन्न स्रोतों – डेटाबेस, दस्तावेज़, टेलीमेट्री डेटा में मौजूद होती है – तो संगठन इस जानकारी को एकत्रित रूप से एकीकृत करने के लिए संघर्ष करते हैं।

विविध डेटा प्रकारों को संभालने की क्षमता के बिना, मूल्यवान संदर्भ अलग-अलग प्रणालियों में अलग-थलग रहता है। हमारा प्लेटफ़ॉर्म किसी भी डेटा वेयरहाउसिंग सिस्टम पर प्रशिक्षित किया जा सकता है जो क्वेरी लॉग्स का विश्लेषण करके काम करता है, जिससे यह प्रत्येक संगठन की विशिष्ट डेटा शब्दावली और संरचना के अनुकूल हो सकता है।

आप विस्डमएआई के विकास प्रक्रिया को ‘वाइब कोडिंग’ के रूप में वर्णित करते हैं – सीधे कोड में उत्पाद अनुभव बनाना, फिर वास्तविक दुनिया के उपयोग के माध्यम से पुनरावृत्ति करना। इस दृष्टिकोण ने आपको पारंपरिक उत्पाद डिज़ाइन की तुलना में क्या लाभ दिए हैं?

“वाइब कोडिंग” एक महत्वपूर्ण बदलाव है जिसमें डेवलपर्स एआई टूल्स की शक्ति का लाभ उठाते हैं ताकि वे कोड को सीधे प्राकृतिक भाषा में वांछित कार्यक्षमता का वर्णन करके उत्पन्न कर सकें। यह एक बुद्धिमान सहायक की तरह है जो आपको बताता है कि सॉफ्टवेयर को क्या करना है और यह आपके लिए कोड लिखता है। यह पारंपरिक रूप से आवश्यक मैनुअल प्रयास और समय को काफी कम कर देता है।

वर्षों से, डिजिटल उत्पादों का निर्माण मुख्य रूप से एक परिचित स्क्रिप्ट का पालन करता है: उत्पाद और यूएक्स डिज़ाइन की योजना बनाना, फिर विकास को निष्पादित करना, और प्रतिक्रिया के आधार पर पुनरावृत्ति करना। तर्क स्पष्ट था क्योंकि डिज़ाइन में आगे निवेश करने से विकास के दौरान महंगे और समय लेने वाले पुनर्काम को कम किया जा सकता है। लेकिन जब विकास को निष्पादित करने में लगने वाला समय और पैसा काफी कम हो जाता है? यह क्षमता पारंपरिक विकास अनुक्रम को सिर के बल खड़ा कर देती है। अचानक, डेवलपर्स आवश्यकताओं की एक उच्च-स्तरीय समझ के आधार पर कार्यात्मक सॉफ्टवेयर बनाना शुरू कर सकते हैं, यहां तक कि विस्तृत उत्पाद और यूएक्स डिज़ाइन तैयार होने से पहले भी।

एआई कोड जेनरेशन की गति के साथ, विस्तृत आगे के डिज़ाइन बनाने में लगने वाला प्रयास, कुछ संदर्भों में, वास्तविक सॉफ्टवेयर को चलाने और देखने की तुलना में अधिक समय लेने वाला हो सकता है। नए परिदृश्य में विकास की दुनिया में यह बदल जाता है: निष्पादित (एआई के साथ कोड), फिर अनुकूलित (डिज़ाइन और परिष्कृत)।

यह दृष्टिकोण हमें अविश्वसनीय रूप से शुरुआती उपयोगकर्ता मान्यता प्रदान करता है। कल्पना कीजिए कि आप वास्तविक कार्यक्षमता पर प्रतिक्रिया प्राप्त कर रहे हैं एक विशेषता पर, विस्तृत दृश्य डिज़ाइन में निवेश करने से पहले। यह अधिक उपयोगकर्ता-केंद्रित डिज़ाइन के लिए नेतृत्व कर सकता है, क्योंकि डिज़ाइन प्रक्रिया सीधे उपयोगकर्ताओं के साथ एक टैंजिबल उत्पाद की बातचीत से सूचित की जाती है।

विस्डमएआई में, हम एआई कोड जेनरेशन को सक्रिय रूप से अपनाते हैं। हमने पाया है कि तेजी से प्रारंभिक विकास को अपनाने से, हम जल्दी से मूल कार्यक्षमता का परीक्षण कर सकते हैं और प्रक्रिया में शुरुआती उपयोगकर्ता प्रतिक्रिया प्राप्त कर सकते हैं। यह हमारी डिज़ाइन टीम को तब वास्तविक दुनिया के उपयोग के आधार पर उपयोगकर्ता अनुभव और दृश्य डिज़ाइन को परिष्कृत करने पर ध्यान केंद्रित करने की अनुमति देता है, जिससे अधिक प्रभावी और उपयोगकर्ता-प्रिय उत्पादों का नेतृत्व होता है।

बिक्री और विपणन से लेकर निर्माण और ग्राहक सफलता तक, विस्डमएआई व्यावसायिक उपयोग के एक विस्तृत स्पेक्ट्रम को लक्षित करता है। कौन से क्षेत्रों में सबसे तेजी से अपनाने का अनुभव हुआ है – और कौन से उपयोग के मामलों ने अपने प्रभाव में आपको आश्चर्यचकित किया है?

हमने कई ग्राहकों के साथ परिवर्तनकारी परिणाम देखे हैं। एक फॉर्च्यून 500 तेल और गैस कंपनी, कोनोको फिलिप्स के लिए, ड्रिलिंग इंजीनियर और ऑपरेटर अब हमारे प्लेटफ़ॉर्म का उपयोग करके जटिल कुएं के डेटा को सीधे प्राकृतिक भाषा में पूछताछ कर सकते हैं। विस्डमएआई से पहले, इन इंजीनियरों को तकनीकी सहायता की आवश्यकता थी भले ही उन्हें संचालन संबंधी मूल प्रश्नों के बारे में जानकारी चाहिए हो या नौकरी प्रदर्शन के बारे में। अब वे तुरंत इस जानकारी तक पहुंच सकते हैं और साथ ही अपने ड्रिलिंग मैनुअल में सर्वोत्तम प्रथाओं की तुलना कर सकते हैं – सभी एक ही कॉन्वर्सेशनल इंटरफ़ेस के माध्यम से। उन्होंने छह महीने की प्रक्रिया में कई एआई विक्रेताओं का मूल्यांकन किया, और हमारा समाधान निकटतम प्रतिस्पर्धी पर 50% सटीकता सुधार दिखाता है।

एक हाइपर ग्रोथ साइबर सुरक्षा कंपनी, डेस्कोप में, विस्डमएआई बिक्री और वित्त के लिए एक वर्चुअल डेटा विश्लेषक के रूप में उपयोग किया जाता है। हमने रिपोर्ट निर्माण समय को 2-3 दिनों से 2-3 घंटों तक कम कर दिया – 90% की कमी। इससे उनकी साप्ताहिक बिक्री बैठकें डेटा संग्रह अभ्यास से रणनीति सत्रों में बदल गईं जो कार्रवाई योग्य अंतर्दृष्टि पर केंद्रित थीं। जैसा कि उनके सीआरओ नोट करते हैं, “विस्डम एआई मुझे डेटा लाता है। यह वास्तव में डेटा को लोकतांत्रिक बनाता है, मुझे प्रश्नों का उत्तर देने और अपने दिन के साथ आगे बढ़ने की शक्ति देता है, न कि किसी के लिए प्रश्न परिभाषित करने और 5 दिनों में उत्तर प्राप्त करने के लिए।” एक तेजी से बढ़ते कंपनी के लिए, जो पहचान प्रबंधन बाजार में प्रतिस्पर्धा कर रही है, डेटा से संचालित निर्णय लेने की यह क्षमता विशेष रूप से महत्वपूर्ण साबित हुई है।

आज कई कंपनियां डैशबोर्ड, रिपोर्ट और सिलोड टूल्स से अभिभूत हैं। व्यवसायिक बुद्धिमत्ता के बारे में उद्यमों के पास सबसे आम गलत धारणाएं क्या हैं?

संगठन डेटा के खजाने पर बैठे हैं लेकिन तेजी से निर्णय लेने के लिए इस डेटा का लाभ उठाने के लिए संघर्ष कर रहे हैं। चुनौती बस डेटा होने के बारे में नहीं है, बल्कि इसके प्राकृतिक राज्य में काम करना – जो अक्सर त्य्पो या त्रुटियों से “गंदे” डेटा को शामिल करता है। कंपनियां बुनियादी ढांचे में भारी निवेश करती हैं लेकिन जड़ वाले डैशबोर्ड, खराब डेटा स्वच्छता और सिलोड जानकारी के साथ बोतलनेक का सामना करती हैं। अधिकांश उद्यमों को रिपोर्ट चलाने के लिए विशेषज्ञ टीमों की आवश्यकता होती है, जिससे व्यवसायिक नेताओं को तेजी से उत्तरों की आवश्यकता होती है। जहां लोग डेटा का उपभोग करते हैं वह इंटरफ़ेस पुराना हो गया है, हालांकि क्लाउड डेटा इंजन और डेटा विज्ञान में प्रगति हुई है।

क्या आप विस्डमएआई को मौजूदा बीआई टूल्स जैसे टेबलू या लुकर को पूरक या अंततः प्रतिस्थापित करने के रूप में देखते हैं? आप ब्रॉडर एंटरप्राइज़ डेटा स्टैक में कैसे फिट होते हैं?

हम स्नोफ्लेक, माइक्रोसॉफ्ट फैब्रिक, गूगल के बिगक्वेरी, अमेज़न के रेडशिफ्ट, डेटाब्रिक्स और पोस्टग्रेस जैसी प्रमुख क्लाउड डेटा सेवाओं के साथ संगत हैं, और यहां तक कि एक्सेल, पीडीएफ, पॉवरपॉइंट आदि जैसे दस्तावेज़ प्रारूपों के साथ भी काम करते हैं। हमारा दृष्टिकोण डेटा का उपभोग करने वाले इंटरफ़ेस को बदल देता है, जो क्लाउड डेटा इंजन और डेटा विज्ञान में प्रगति के बावजूद पुराना हो गया है।

आगे देखते हुए, आप विस्डमएआई को पांच साल में कहां देखते हैं – और एंटरप्राइज़ लैंडस्केप में “एजेंटिक इंटेलिजेंस” की अवधारणा कैसे विकसित होगी?

विश्लेषण का भविष्य विशेषज्ञ-चालित रिपोर्ट से स्व-सेवा बुद्धिमत्ता तक जा रहा है जो सभी के लिए सुलभ है। बीआई टूल्स 20+ वर्षों से आसपास हैं, लेकिन गोद लेना अभी भी कंपनी के 20% कर्मचारियों तक नहीं पहुंचा है। इसके विपरीत, कार्यस्थल के 60% उपयोगकर्ताओं ने केवल 12 महीनों में चैटजीपीटी को अपनाया, कई ने इसे डेटा विश्लेषण के लिए उपयोग किया। यह अंतर संवादात्मक इंटरफेस को अपनाने की क्षमता को दर्शाता है।

हम एक मूलभूत बदलाव को देख रहे हैं जहां सभी कर्मचारी तकनीकी कौशल के बिना डेटा की जांच कर सकते हैं। भविष्य एआई की गणना शक्ति को मानव संवाद के साथ जोड़ेगा, जिससे अंतर्दृष्टि उपयोगकर्ताओं को स्वचालित रूप से मिलेगी, न कि उन्हें डैशबोर्ड के माध्यम से खोज करने की आवश्यकता होगी।

साक्षात्कार के लिए धन्यवाद, पाठक जो और जानना चाहते हैं उन्हें विस्डमएआई पर जाना चाहिए।