यूरी मिसनिक, मुख्य प्रौद्योगिकी अधिकारी, इनड्राइव – साक्षात्कार श्रृंखला

यूरी मिसनिक इनड्राइव में मुख्य प्रौद्योगिकी अधिकारी हैं, जहां वह कंपनी की वैश्विक प्रौद्योगिकी रणनीति का नेतृत्व करते हैं। अंतरराष्ट्रीय अनुभव के दो दशकों से अधिक के साथ, मिसनिक ने क्लाउड, वित्तीय सेवाओं और बड़े पैमाने पर डिजिटल परिवर्तन में उच्च प्रभाव वाले प्रौद्योगिकी कार्यक्रमों का निर्माण और नेतृत्व किया है।

इनड्राइव में शामिल होने से पहले, उन्होंने माइक्रोसॉफ्ट और एएचएस में वरिष्ठ पदों पर कार्य किया। बाद में उन्होंने एचएसबीसी में डिजिटल सीआईओ, नेशनल ऑस्ट्रेलिया बैंक में सीआईओ और फर्स्ट अबू धाबी बैंक में समूह सीटीओ के रूप में कार्य किया, जहां उन्होंने क्लाउड, एगिल, डेवओप्स और उत्पाद-केंद्रित इंजीनियरिंग मॉडल के माध्यम से जटिल, अत्यधिक विनियमित वातावरण को आधुनिक बनाया।

मिसनिक ने अपना करियर एयरोस्पेस इंजीनियरिंग में शुरू किया, बोइंग 787 के डिजाइन में योगदान दिया, और फिर सॉफ्टवेयर इंजीनियरिंग और ऑनलाइन ट्रेडिंग सिस्टम में चले गए। पारंपरिक प्लेटफार्मों और आधुनिक वितरित वास्तुकला दोनों में समान रूप से कुशल, उन्हें स्थापना प्रणालियों को नवाचार के साथ जोड़ने के लिए जाना जाता है।

इनड्राइव में, वह कंपनी के अगले चरण के वैश्विक विकास को शक्ति प्रदान करने वाले प्रणाली, टीमों और प्लेटफार्मों का निर्माण करने पर केंद्रित है।

इनड्राइव एक वैश्विक गतिशीलता और शहरी सेवा मंच है जो उपयोगकर्ताओं को ड्राइवरों और सेवा प्रदाताओं के साथ राइड-हेलिंग, डिलीवरी और अन्य मांग-आधारित सेवाओं में जोड़ता है। 2013 में स्थापित, कंपनी 48 से अधिक देशों और 1,000 से अधिक शहरों में कार्य करती है, जिसमें दुनिया भर में सैकड़ों मिलियन ऐप डाउनलोड हैं। इसका मुख्य अंतर यह है कि यह एक पियर-टू-पियर मूल्य निर्धारण मॉडल है जो यात्रियों और ड्राइवरों को सीधे किराए की दरों पर बातचीत करने की अनुमति देता है, एल्गोरिदमिक मूल्य निर्धारण पर निर्भर रहने के बजाय, पारदर्शी और न्यायसंगत लेनदेन बनाने का लक्ष्य रखता है।

परिवहन के अलावा, इनड्राइव ने अंतर-शहर यात्रा, कूरियर सेवाओं, फिनटेक प्रसाद और यहां तक कि किराना वितरण जैसे क्षेत्रों में विस्तार किया है, खुद को एक व्यापक “सुपर ऐप” के रूप में स्थापित किया है जो सुलभ और न्यायसंगत शहरी सेवाओं पर केंद्रित है।

आप गणितीय मॉडलिंग और सीमित तत्व विश्लेषण में शुरू हुए और फिर माइक्रोसॉफ्ट, एएचएस, एचएसबीसी और नेशनल ऑस्ट्रेलिया बैंक के माध्यम से चले गए, और अब आप इनड्राइव में एआई परिवर्तन का नेतृत्व कर रहे हैं। यह यात्रा ने आपको तकनीकी रूप से महत्वाकांक्षी लेकिन न्यायसंगत, लचीला और वास्तविक दुनिया की सीमाओं में जमीनी होने वाले एआई प्रणालियों के निर्माण के बारे में कैसे सोचा है?

मैंने अपना करियर अनुप्रयुक्त गणित और सीमित तत्व विश्लेषण में शुरू किया, जो मूल रूप से अपने मॉडल को तोड़ने के बारे में समझने के बारे में है, न कि जहां यह काम करता है उसका जश्न मनाने के बारे में। यह दृष्टिकोण है जिसका मैं आज एआई प्रणालियों के साथ उपयोग करता हूं।

माइक्रोसॉफ्ट और एएचएस में, जहां मैंने एक दशक से अधिक समय बिताया, मैंने सीखा कि वैश्विक स्तर पर मंचों का निर्माण करने पर क्या होता है। आप मान लेते हैं कि प्रणालियां खराब हो जाएंगी, नेटवर्क विफल हो जाएंगे, घटक अप्रत्याशित रूप से व्यवहार करेंगे। इनड्राइव में, 48 देशों और 1,000 से अधिक शहरों में काम करना, यह सोच वital साबित हुई है।

एचएसबीसी और नेशनल ऑस्ट्रेलिया बैंक ने एक अलग लेंस लाया। एचएसबीसी में, मैंने खुदरा डिजिटल क्षमताओं का निर्माण किया दो दर्जन विनियमन शासन में। नेशनल ऑस्ट्रेलिया बैंक में, मैंने क्लाउड परिवर्तन को चलाया, महत्वपूर्ण बैंकिंग अनुप्रयोगों को एएचएस में स्थानांतरित किया। इन वातावरणों में, प्रत्येक प्रौद्योगिकी निर्णय विनियमन, प्रतिष्ठा, और वित्तीय परिणामों को ले जाता है। एक एआई या एमएल मॉडल जो अपने निर्णयों को व्याख्या नहीं कर सकता है जिसे एक नियामक या ग्राहक समझ सकता है, एक दायित्व है, न कि एक संपत्ति।

एक उत्पाद को लोगों की जरूरतों को प्रतिबिंबित करना चाहिए, न कि अपने स्टैक की जटिलता को प्रदर्शित करना चाहिए। यह सिद्धांत है जो तकनीकी महत्वाकांक्षा को न्यायसंगत और वास्तविक दुनिया की सीमाओं में जमीनी होने में रखता है।

इसका मतलब है कि एआई प्रणालियों का निर्माण करना जो सूचित और सहायता प्रदान करते हैं, उदाहरण के लिए, एक न्यायसंगत मूल्य की सिफारिश करना बिना बाजार में लोगों के नियंत्रण को हटाए। यह धागा सभी में है: तकनीकी महत्वाकांक्षा के बिना संचालन अनुशासन केवल एक प्रदर्शनी है। मेरा करियर “क्या हम यह डिजाइन या बना सकते हैं?” से “क्या हम इसे तैनात करें और 3 बजे एक बाजार में क्या होता है जहां दांव वास्तविक हैं?” तक का एक प्रगति रहा है। यह लेंस है जो मैं इनड्राइव में लाता हूं।

अधिकांश प्लेटफ़ॉर्म एआई का उपयोग मूल्य निर्धारण के लिए करते हैं। इनड्राइव ने बातचीत का उपयोग किया। तो आपके मॉडल में मशीन लर्निंग वास्तव में कैसे फिट होती है और प्लेटफ़ॉर्म में कहां सबसे अधिक मूल्य प्रदान कर रही है बिना पारदर्शिता को समझौता किए जो इनड्राइव को अलग बनाती है?

इनड्राइव में एआई केवल मूल्य निर्धारण के बारे में नहीं है; यह पूरे व्यवसाय में एम्बेडेड है, विपणन और विकास, सुपर ऐप व्यक्तिगतकरण, ग्राहक सहायता, भौगोलिक बुद्धिमत्ता, आंतरिक उपकरण, धोखाधड़ी रोकथाम और अधिक को शामिल करते हुए। हमारे 80% से अधिक कार्यबल विभिन्न एआई उपकरणों का उपयोग करता है, ग्राहक सहायता और विपणन से लेकर कोडिंग और विश्लेषण तक। एआई परिधीय बुनियादी ढांचे में महत्वपूर्ण कार्य कर रहा है – 2025 में, हमने अपने गहरे शिक्षण मॉडलों की मदद से 2024 की तुलना में 14% ईटीए सटीकता में सुधार किया है। इसलिए जब लोग एआई और मूल्य निर्धारण के बारे में पूछते हैं, तो यह समझना महत्वपूर्ण है कि यह केवल एक आयाम है एक बहुत व्यापक क्षमता का।

इनड्राइव की स्थापना याकुत्स्क में हुई थी ताकि टैक्सी मूल्य निर्धारण में अनुचित और साजिश रोकी जा सके। हमारी मुख्य प्रतिस्पर्धी पहचान यह पियर-टू-पियर मूल्य निर्धारण मॉडल है – यात्री प्रस्तावित करते हैं, ड्राइवर स्वीकार करते हैं, प्रतिकार करते हैं या अस्वीकार करते हैं। यह खुला बोली प्रवाह मौलिक है। एआई क्या करता है वह इस मानव-वार्ता मूल्य के आसपास निर्णय समर्थन के रूप में कार्य करता है।

एक “एआई-पहले सुपर ऐप” वास्तव में इनड्राइव में क्या मतलब है और वर्तमान में कौन से प्लेटफ़ॉर्म के हिस्से एआई के लिए सबसे प्राकृतिक फिट हैं: बाज़ार मिलान, सुरक्षा, ग्राहक सहायता, वित्तीय सेवाएं, या कुछ और?

ज्यादातर कंपनियां जो “एआई-पहले” कहती हैं, उनका मतलब है कि उन्होंने एक चैटबॉट जोड़ा है। यह वह नहीं है जो हम कर रहे हैं।

एआई-पहले का अर्थ है कि एआई प्लेटफ़ॉर्म की संचालन परत में बैठता है, सुविधा परत में नहीं। प्रत्येक उत्पाद निर्णय – बाज़ार मिलान से लेकर ग्राहक सहायता तक क्रेडिट स्कोरिंग तक – एआई से प्रभावित होने के साथ शुरू होता है। एआई को हमारे मॉडल का हिस्सा बनाना है, न कि केवल एक अतिरिक्त।

बाज़ार मिलान और मूल्य बुद्धिमत्ता हमारे मॉडल का केंद्र है। सुरक्षा और विश्वास भी महत्वपूर्ण क्षेत्र हैं। हम 48 देशों और कई भाषाओं में काम करते हैं। एआई-संचालित सहायता हमारे लिए एक लागत और गुणवत्ता गुणक है।

इनड्राइव.मONEY के माध्यम से वित्तीय सेवाएं हमारे ड्राइवरों के लिए एक नई मूल्य प्रस्ताव है। हम राइड डेटा, कमाई पैटर्न और प्लेटफ़ॉर्म व्यवहार का उपयोग करके वैकल्पिक क्रेडिट मॉडल बना रहे हैं जो पारंपरिक बैंक अकेले नहीं बना सकते हैं।

इनड्राइव विशेष रूप से उभरते और फ्रंटियर बाजारों में मजबूत है, जहां संचालन की स्थिति बहुत भिन्न हो सकती है। आप कैसे एआई प्रणालियों को डिज़ाइन करते हैं जो 48 देशों और 1,000 से अधिक शहरों में प्रदर्शन करते हैं?

कठिनाई एक एकल, अत्यधिक कॉन्फ़िगर करने योग्य प्लेटफ़ॉर्म बनाने में है जो 48 देशों और 1,000 से अधिक शहरों में विश्वसनीय रूप से प्रदर्शन करे। हम इसे एक एकल प्लेटफ़ॉर्म के साथ संबोधित करते हैं जहां नए देश लॉन्च के लिए अधिकांश कार्य कॉन्फ़िगरेशन परिवर्तन हैं, न कि नए कोड का। यह हमारे इंजीनियरिंग प्रयास को स्थानीय आवश्यकताओं पर केंद्रित करता है: ड्राइवर सत्यापन, दस्तावेज़ मान्यकरण, और सरकारी डेटाबेस एकीकरण।

आप एचएसबीसी और नेशनल ऑस्ट्रेलिया बैंक जैसे संस्थानों में बड़े पैमाने पर क्लाउड और डिजिटल परिवर्तन प्रयासों का नेतृत्व किया है। इन उच्च विनियमित वित्तीय वातावरणों से कौन से सबक इनड्राइव के विस्तार के लिए सबसे मूल्यवान साबित हो रहे हैं?

तीन सबक एचएसबीसी और नेशनल ऑस्ट्रेलिया बैंक से लगभग सीधे स्थानांतरित होते हैं।

पहला, ऑडिटेबिलिटी और डेटा के आसपास नियंत्रण अनिवार्य हैं। बैंकिंग में, प्रत्येक महत्वपूर्ण डेटा तत्व, प्रत्येक निर्णय जो एक ग्राहक को प्रभावित करता है, उसे उचित नियंत्रणों से घिरा होना चाहिए जो अखंडता और संगतता की रक्षा करते हैं। सब कुछ ट्रेस करने योग्य और समझने योग्य होना चाहिए। और डिजिटल दुनिया में, आपको गति के साथ नियंत्रण को जोड़ना होगा, जिसका अर्थ है कि सभी विनियमन आवश्यकताओं को शुरू से ही स्वचालित किया जाना चाहिए। इसलिए, आप विनियमन आवश्यकताओं और नियंत्रणों के बारे में सोचते हैं जैसे कि वे एक सॉफ़्टवेयर उत्पाद हों, जिसमें सभी मैनुअल कार्य को हटा दिया जाता है और स्वचालन पर भरोसा किया जाता है।

दूसरा, डेटा शासन डेटा विज्ञान से पहले आता है। नेशनल ऑस्ट्रेलिया बैंक और एचएसबीसी में, मैंने सीखा कि एआई के लिए सबसे बड़ा अवरोधक मॉडल नहीं है – यह डेटा है। इसका मालिक कौन है? यह साफ है? यह सहमति से लिया गया है? यह ठीक से लाइन किया गया है? इनड्राइव में, वित्तीय सेवाओं में विस्तार करते हुए, हमारे डेटा शासन को तेजी से परिपक्व होने की आवश्यकता है। यदि आप डेटा शासन से पहले एआई बनाते हैं, तो आप तकनीकी और विनियमन ऋण का संचय करते हैं जो बाद में चुकाना असीमानुपातिक रूप से कठिन हो जाता है।

कई कंपनियां “मानव इन द लूप” की बात करती हैं, लेकिन यह वाक्य अक्सर अस्पष्ट रहता है। इनड्राइव में, आप किस स्थिति में मानव निर्णय को गैर-विचार करने योग्य मानते हैं क्योंकि एआई और स्वचालन अधिक कुशल हो जाते हैं?

मेरा एक सरल सिद्धांत है: पुनरावृत्ति को स्वचालित करें; अविश्वसनीयता के लिए मानवों को रखें। यदि एक गलत निर्णय सस्ते में उलटा हो सकता है, तो स्वचालित करें। यदि यह विश्वास, जीवन या सुरक्षा को नष्ट कर सकता है, तो मानव निर्णय रहता है।

एआई को व्यवसाय में एक परिचालन परत के रूप में लागू करने में सबसे बड़ा बाधा क्या है, न कि अलग-अलग मामलों में?

हर कोई विनम्र उत्तर देता है: डेटा गुणवत्ता। यह सच है लेकिन अपर्याप्त है। वास्तविक बाधा संगठनात्मक है। सबसे कठिन बात कोई तकनीकी समस्या नहीं है, बल्कि संस्कृति का परिवर्तन है – व्यक्तिगत एआई प्रयोगों से एक सिस्टमेटिक एआई संचालन संस्कृति में। यह परिवर्तन टीमों को सोचने के तरीके को बदलने की आवश्यकता है – स्वामित्व, जवाबदेही और माप के बारे में।

जब आप एआई को अलग-अलग पहल के रूप में मानते हैं, तो प्रत्येक टीम अपना पाइपलाइन बनाती है, अपने डेटा एक्सेस पैटर्न, अपनी “गुणवत्ता” की समझ को अपने मॉडल के लिए बनाती है। लेकिन जब आप एआई को एक क्षैतिज संचालन परत के रूप में चाहते हैं जो मूल्य निर्धारण, सुरक्षा, समर्थन, भू-स्थानिक बुद्धिमत्ता को एक साथ छूता है, तो आपको साझा आधार की आवश्यकता होती है।

राइड-हेलिंग प्लेटफ़ॉर्म वास्तविक दुनिया के व्यवहारिक डेटा की बड़ी मात्रा में प्रसंस्करण करते हैं। आप बेहतर व्यक्तिगतकरण और पूर्वानुमान के लिए इस डेटा का उपयोग करने के अवसर को कैसे संतुलित करते हैं और साथ ही ड्राइवरों और यात्रियों दोनों के लिए विश्वास, गोपनीयता और न्याय की आवश्यकता को बनाए रखते हैं?

डेटा का लाभ वास्तविक है। डिलीवरी और फिनटेक डेटा के साथ मिलकर, यह एक असाधारण रूप से समृद्ध व्यवहारिक डेटा सेट बन जाता है। इसे अधिक दुर्व्यवहार करने का प्रलोभन है। हम उद्देश्य सीमा को कठोरता से लागू करते हैं। हम डेटा का उपयोग सुधार के लिए करते हैं जो हमारी सेवा को बेहतर बनाता है। यह विज्ञापन लक्ष्यीकरण के लिए नहीं है या तीसरे पक्ष को बेचा जाता है। हमारे उपयोगकर्ता हम पर अधिक भरोसा करते हैं क्योंकि हमने अपने डेटा का सही उपयोग किया है।

सुपर ऐप मॉडल को एशिया के कुछ हिस्सों में बहुत सफलता मिली है, लेकिन यह वैश्विक बाजारों में प्रतिकृति करना कठिन है। एक सुपर ऐप के लिए क्या सच होना चाहिए, प्रौद्योगिकी और एआई के दृष्टिकोण से, यह दो दर्जन देशों के बजाय काम करने के लिए?

सुपर ऐप मॉडल, जो एशिया में लोकप्रिय हो गया, एक अपेक्षाकृत समान विनियमन और बुनियादी ढांचे के वातावरण में काम करता है, जहां भुगतान, सामाजिक और वाणिज्य के गहरे एकीकरण के साथ कुछ मजबूत स्वतंत्र विकल्प नहीं थे। इसे वैश्विक स्तर पर दोहराने के लिए एक मूलभूत रूप से अलग दृष्टिकोण की आवश्यकता है, और हम सोचते हैं कि हमारा मॉडल विभाजित बाजारों के लिए बेहतर अनुकूल है।

नींव को वैश्विक-डिफ़ॉल्ट, स्थानीय-डिज़ाइन होना चाहिए। हम साझा प्लेटफ़ॉर्म सेवाओं को स्थिर रेल के रूप में उजागर करते हैं जिनमें भागीदार तेजी से प्लग इन कर सकते हैं। प्रत्येक सेवा स्वतंत्र रूप से तैनात और स्थानीय रूप से कॉन्फ़िगर करने योग्य है, इसलिए नए बाजार कॉन्फ़िगरेशन के माध्यम से लॉन्च किए जा सकते हैं, न कि नए कोड के माध्यम से। आप एक एकल उत्पाद नहीं भेज सकते और उम्मीद कर सकते हैं कि यह हर जगह प्रतिध्वनित होगा।

आगे देखें, तीन से पांच साल, आप कहां सोचते हैं कि एआई गतिशीलता प्लेटफ़ॉर्म में सबसे बड़ा प्रतिस्पर्धी अलगाव बनाएगा?

एआई सभी पर प्रभाव डालेगा, लेकिन अलगाव की डिग्री भिन्न होगी।

तीन साल के भीतर, प्रत्येक गंभीर गतिशीलता प्लेटफ़ॉर्म में सक्षम मांग पूर्वानुमान होने की संभावना है। सुरक्षा और विश्वास विशेषताएं मेज की बात हो जाएंगी। सहायता तेजी से स्वचालित हो रही है क्योंकि एलएलएम्स परिपक्व हो रहे हैं। स्वायत्त संचालन अंततः महत्वपूर्ण होगा, लेकिन वैश्विक स्तर पर पूर्ण स्वायत्तता का सामना करना पड़ेगा जो अगले दशक में फ्रंटियर बाजारों को महत्वपूर्ण रूप से प्रभावित करेगा।

एक प्रमुख क्षेत्र जो उद्योग भर में भिन्नता को चिह्नित करेगा, संभवतः पूरी तरह से नए सेवाएं हैं जो अभी तक मौजूद नहीं हैं। वास्तविक समय स्थान डेटा, व्यवहारिक डेटा, भुगतान डेटा और स्थानीय बाजार बुद्धिमत्ता का संयोजन हाइपरलोकल वाणिज्य, स्वास्थ्य सेवा या पूर्वानुमानिक लॉजिस्टिक्स जैसे क्षेत्रों में सेवाओं के लिए आधार बनाता है जिन्हें हमने अभी तक नहीं सोचा है। डेटा फाउंडेशन और संगठनात्मक लचीलेपन के साथ प्लेटफ़ॉर्म जो तेजी से नए ऊर्ध्वाधर का परीक्षण और स्केलिंग कर सकता है, एक सम्पूरक लाभ होगा।

एजेंटिक एआई है जहां सबसे लंबे समय तक अलगाव खुलेगा। जैसा कि एजेंटिक कार्य प्रवाह परिपक्व होते हैं, ऑनबोर्डिंग, धोखाधड़ी निगरानी, वित्तीय संचालन और व्यक्तिगत कोचिंग को संभालते हुए, प्लेटफ़ॉर्म जो सही डेटा फाउंडेशन के साथ तेजी से प्रयोग और स्केलिंग की अनुमति दे सकते हैं।

एआई स्वयं प्रतिस्पर्धी लाभ नहीं बनाता है। यह लाभ बनाता है जब यह अनोखे डेटा, अनोखे बाजार स्थिति और निष्पादन के लिए संचालन अनुशासन के साथ जोड़ा जाता है। इनड्राइव की स्थिति – दुनिया का दूसरा सबसे अधिक डाउनलोड किया गया राइड-हेलिंग ऐप, फ्रंटियर बाजारों में प्रमुख स्थिति, 400 मिलियन से अधिक डाउनलोड, और न्याय पर बनाया गया एक ब्रांड – नींव है। एआई है एम्पलीफायर। नींव के बिना, एम्पलीफायर के पास बढ़ाने के लिए कुछ नहीं है।

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