साक्षात्कार

Zack Peng, Seel के सह-संस्थापक और CEO – साक्षात्कार शृंखला

Antoine Tardif
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
Zack Peng, Co-Founder and CEO of Seel
मुख्य बिंदुसील एआई को टिकटों को टालने के बजाय समाधान पूरा करने देकर 99% से अधिक सहायता मामलों का…
और देखें
  • सील एआई को टिकटों को टालने के बजाय समाधान पूरा करने देकर 99% से अधिक सहायता मामलों का समाधान करता है।
  • एआई सहायता में भरोसा बॉट की सटीकता पर नहीं बल्कि मानव तक एक दृश्य निकास पर निर्भर करता है।
  • व्यापारियों को चमकदार डेमो के बजाय एंड-टू-एंड समाधान दरों और देयता के प्रमाण की मांग करनी चाहिए।

Zack Peng Seel के सह-संस्थापक और CEO हैं। वहाँ उनका ध्यान उन समस्याओं पर रहता है जिनका सामना खरीदारों और व्यापारियों को चेकआउट के बाद करना पड़ता है। उनका काम रिटर्न और रिफंड का पूर्वानुमान लगाने से शुरू हुआ था और अब इसका दायरा ऐसे एआई सिस्टम बनाने तक बढ़ गया है जो वाणिज्य से जुड़ी अलग-अलग कार्यप्रक्रियाओं में ग्राहकों के अनुरोधों का समाधान करते हैं। उनका मानना है कि कार्रवाई कर सकने वाले एजेंटों के साथ कामकाज की स्पष्ट सीमाएँ, ज़रूरत पड़ने पर इंसानी सहायता और ग्राहकों को मिलने वाले नतीजे के प्रति जवाबदेही भी होनी चाहिए।

Seel ई-कॉमर्स के लिए खरीद के बाद की सेवाएँ और एआई एजेंसी सेवाएँ उपलब्ध कराता है। इनमें खरीद और डिलीवरी सुरक्षा, ग्राहक सहायता और पुनर्विक्रय शामिल हैं। इसका प्लेटफ़ॉर्म व्यापारियों के सिस्टम, ऑर्डर की जानकारी और सेवा-कार्यप्रवाहों को आपस में जोड़ता है, ताकि खरीदारों की समस्याओं का समाधान किया जा सके। वहीं, इसका LLM Gateway मॉडल तक पहुँच और काम के आधार पर अनुरोधों को उचित मॉडल तक भेजने की सुविधा देता है। इस साक्षात्कार में Peng सवालों के जवाब देने से आगे बढ़कर नतीजों की ज़िम्मेदारी लेने की दिशा में हो रहे बदलाव, एजेंटों को अलग-अलग सिस्टम में काम करने के लिए ज़रूरी नियंत्रणों और व्यापारियों द्वारा एआई सेवाओं की विश्वसनीयता परखने के तरीकों पर चर्चा करते हैं।

Seel की सह-स्थापना करने की प्रेरणा आपको कहाँ से मिली, और चेकआउट के बाद खरीदारों के सामने आने वाली समस्याओं का समाधान करते-करते आप ई-कॉमर्स के लिए एआई कार्यबल बनाने की ओर कैसे बढ़े?

इसकी शुरुआत एक मार्केटप्लेस से हुई। हमारी मुलाकात एक मार्केटप्लेस चलाने वाले संस्थापक से हुई और हमने देखा कि उद्योग चार्जबैक का पूर्वानुमान लगाने में कितना प्रयास करता था, जबकि इनसे GMV का लगभग 0.5% नुकसान होता है। रिटर्न और रिफंड 10 से 20% तक थे, लेकिन कोई उनका पूर्वानुमान नहीं लगा रहा था। इसलिए हमने ऐसा मॉडल बनाया जो इनका पूर्वानुमान लगा सकता था। फिर हमने खरीदारों को एक छोटा शुल्क देकर अंतिम बिक्री वाली वस्तुओं पर रिफंड पाने की सुविधा दी। मुझे लगा था कि 3 से 5% लोग इसके लिए सहमत होंगे। लेकिन यह संख्या 10 से 20% थी। इससे हमें पता चला कि खरीदार चेकआउट के बाद मन की शांति के लिए भुगतान करने को तैयार हैं—ठीक उसी वजह से, जिससे लोग AppleCare या कार किराये पर लेते समय मिलने वाली छूट-क्षतिपूर्ति सुविधा खरीदते हैं।

एआई कार्यबल की शुरुआत हमारे अपने ग्राहक सहायता इनबॉक्स से हुई। हमारे 70% से अधिक सहायता टिकटों का रिटर्न से कोई लेना-देना नहीं था। खरीदार जानना चाहते थे कि उनका ऑर्डर कहाँ है या वे किसी चीज़ को बदल सकते हैं या नहीं। उन्हें वापस व्यापारी के पास भेजने के बजाय, हमने उन टिकटों का समाधान खुद करना शुरू किया। हमने जाना कि वाणिज्य में एआई का असली मूल्य पैसे बचाने में नहीं है। इसका मूल्य चरम मांग के दौरान भी बड़े पैमाने पर काम तुरंत करने में है। इसमें ऐसे एआई सिस्टम शामिल हैं जो रिटर्न की खेप मिलने से पहले पात्र रिफंड का आकलन करके उन्हें मंज़ूरी दे सकते हैं, साथ ही ऐसे एआई एजेंट भी, जो ग्राहकों के अनुरोधों का समाधान करने के लिए चौबीसों घंटे कार्रवाई कर सकते हैं।

आपने सवालों के जवाब देने वाले चैटबॉट से कार्रवाई करने वाले एजेंटों और फिर पूरे नतीजे की ज़िम्मेदारी लेने वाली एआई एजेंसियों तक के विकास का ज़िक्र किया है। इन चरणों के बीच तकनीकी और परिचालन स्तर पर क्या बदलाव आता है, और क्या आप किसी वास्तविक ग्राहक समस्या का उदाहरण देकर इसे समझा सकते हैं?

फ़र्क इस बात से पड़ता है कि नतीजे की ज़िम्मेदारी किसकी है। चैटबॉट जवाब देता है, “मेरा ऑर्डर कहाँ है?” एजेंट कोई एक काम पूरा करता है, जैसे दावा दर्ज करना। एजेंसी नतीजे की ज़िम्मेदारी लेती है: ग्राहक को वह चीज़ मिलती है जिसके लिए उसने भुगतान किया था।

तकनीकी रूप से, एजेंसी किसी एक सिस्टम के भीतर काम करने के बजाय व्यापारी के स्टोर, कैरियर और भुगतान प्रणालियों समेत कई सिस्टम में काम करती है। वह किसी एक बातचीत के बजाय कई दिनों तक मामले पर नज़र रखती है और उसे यह पता होना चाहिए कि समस्या का समाधान वास्तव में कब हो गया है। परिचालन स्तर पर, अब आप टिकटों की संख्या के हिसाब से कर्मचारियों की तैनाती करने के बजाय अपवादस्वरूप मामलों के लिए उनकी तैनाती करते हैं।

मान लीजिए किसी पैकेज की डिलीवरी दर्ज है, लेकिन वह पहुँचा ही नहीं। चैटबॉट खरीदार से इंतज़ार करने को कहता है। एजेंट दावा दर्ज करता है। Seel Agencies कैरियर के स्कैन और ऑर्डर का इतिहास जाँचती है, पात्रता तय करती है, भुगतान करती है या बदली हुई वस्तु भेजती है, व्यापारी के रिकॉर्ड अपडेट करती है और खरीदार को बताती है कि मामला सुलझ गया है। व्यापारियों के लिए खरीद के बाद के टिकटों का शुरू से अंत तक समाधान करने वाले साझेदार के रूप में, हमने पहले अपने ही टिकटों पर इस एआई ढाँचे को आज़माया। नतीजों पर केंद्रित इस तरीके से हम 90% से अधिक समाधान दर तक पहुँचे और पात्र अनुरोधों की तुरंत पहचान करके उनका रिफंड भी कर सके।

मान लीजिए कोई शॉपिंग एजेंट किसी की ओर से गलत आकार की वस्तु खरीद लेता है। इस गलती को सुधारने के लिए एजेंट, व्यापारी और Seel के बीच क्या होना चाहिए, और नतीजे की जवाबदेही किसकी होनी चाहिए?

खरीदार को बीच-बचाव नहीं करना चाहिए। गलती किसी की भी हो, समाधान एक ही है: तुरंत वस्तु बदलना या रिफंड देना।

तीन बातें इसे संभव बनाती हैं। ऑर्डर के रिकॉर्ड में यह दर्ज होना चाहिए कि उसे किसने और किस निर्देश पर दिया था, ताकि एजेंट के फ़ैसले का पता लगाया जा सके। दूसरी बात, व्यापारी की रिटर्न नीति ऐसी होनी चाहिए जिसे मशीन पढ़ सके, ताकि एजेंट उस पर कार्रवाई कर सके। तीसरी बात, गलती किसकी थी यह तय होने से पहले किसी को नतीजे की ज़िम्मेदारी लेनी होगी।

यहीं Seel की भूमिका आती है। हम वित्तीय दायित्व लेते हैं। अगर ऑर्डर सुरक्षा के दायरे में था, तो पहले खरीदार को पूरा मुआवज़ा दिया जाता है और उसके बाद यह तय किया जाता है कि गलती किसकी थी। अगर कोई एआई शॉपिंग एजेंट किसी की ओर से गलत आकार का ऑर्डर देता है, तो खरीदार को समाधान पाने का वही रास्ता मिलना चाहिए जो उसे खुद ऑर्डर देने पर मिलता—बशर्ते चेकआउट के समय सही सुरक्षा जोड़ी गई हो और समस्या उस कवरेज के दायरे में आती हो। जिन नतीजों को हम कवर करते हैं, उनके लिए हम वित्तीय रूप से जवाबदेह हैं। खरीदार को यह तय करने के लिए बीच-बचाव नहीं करना चाहिए कि गलती उसकी थी या उसके एजेंट की।

आपकी टीम का कहना है कि एआई, Seel के 80% सहायता टिकटों के निपटारे में तेज़ी लाता है। व्यवहार में “तेज़ी लाने” का क्या अर्थ है, कितने मामलों का समाधान बिना किसी मानवीय हस्तक्षेप के होता है, और किन मापदंडों से पता चलता है कि ग्राहकों को वास्तव में बेहतर सेवा मिल रही है?

इसका मतलब है कि एआई वे काम करता है जो पहले किसी व्यक्ति की गति धीमी कर देते थे: मामले को पढ़ना, ऑर्डर और वाहक से जुड़ा डेटा जुटाना, व्यापारी की नीति जाँचना और ज़्यादातर मामलों में समस्या का समाधान करना। हमारे कुल टिकटों में से 80% पर यह काम एआई करता है। कुल मिलाकर, हम सहायता संबंधी 99% से अधिक मामलों का समाधान करते हैं, जबकि उद्योग में आम तौर पर 60 से 70% की बात की जाती है।

लेकिन केवल मामलों के बंद होने की दर से खराब सेवा छिप सकती है, क्योंकि ग्राहकों को टालने वाला बॉट डैशबोर्ड पर शानदार दिखता है। इसलिए हम टिकट दोबारा खुलने की दर, मानव एजेंट तक मामला पहुँचने की दर और ग्राहक संतुष्टि जैसे मापदंडों पर नज़र रखते हैं। ग्राहकों को परेशान करने वाली स्थितियों में तेज़ी मायने रखती है। शिपिंग का पता बदलने के लिए आम तौर पर ऑर्डर और पूर्ति की अलग-अलग प्रणालियों के बीच ईमेल का लंबा सिलसिला चलाना पड़ता है। हमारे एजेंट यह काम कुछ ही मिनटों में कर देते हैं।

मेरे लिए सबसे अहम मापदंड यह है कि ग्राहक दोबारा खरीदारी करता है या नहीं। हमारे नेटवर्क में, दोबारा खरीदारी करने वाले 69% ग्राहकों ने अपना पहला ऑर्डर सुरक्षित रखा था।

आपने खुद को “एजेंटों के पक्ष में, बस ऑटोपायलट के पक्ष में नहीं” बताया है। आप किन फैसलों को जानबूझकर लोगों के लिए सुरक्षित रखते हैं, और आपकी प्रणाली कैसे पहचानती है कि ऊपर से सामान्य दिखने वाले किसी मामले में भी मानवीय विवेक की ज़रूरत है?

ऑटोपायलट का मतलब है कि कोई निगरानी नहीं कर रहा। हम चाहते हैं कि एजेंट ज़्यादातर काम करें और जहाँ विवेक की ज़रूरत हो, वहाँ फैसले लोग लें।

हम तीन तरह के फैसले लोगों के पास रखते हैं: नीति तय करने वाले सभी फैसले, ऐसे मामले जिनमें गलत फैसला पलटना महँगा पड़ता है, और ऐसे असामान्य मामले जिनमें नियम के मुताबिक जवाब शायद उचित न हो। एआई तय सीमाओं के भीतर सामान्य मामलों को संभालता है और उसे अपने अधिकार-क्षेत्र का विस्तार करने की अनुमति नहीं होती। अगर किसी कार्रवाई को मंज़ूरी नहीं मिली है, या किसी मामले में अतिरिक्त स्वीकृति अथवा विशेष प्रक्रिया की ज़रूरत है, तो उसे सीधे किसी व्यक्ति के पास भेज दिया जाता है।

प्रणाली केवल अनुरोध के प्रकार पर ही नहीं, बल्कि उससे जुड़े संदर्भ पर भी गौर करती है: जोखिम, तात्कालिकता, ग्राहक की नाराज़गी और नीति के प्रति संवेदनशीलता। ज़्यादा जोखिम वाले मामले लोगों के पास भेजे जाते हैं, जबकि नीति-संवेदनशील मामलों में कार्रवाई से पहले अतिरिक्त सत्यापन की ज़रूरत हो सकती है। ये सीमाएँ व्यापारी और कार्यप्रवाह के हिसाब से तय की जाती हैं; इन्हें किसी एक सार्वभौमिक डॉलर राशि या विश्वास-स्कोर के रूप में निर्धारित नहीं किया जाता। उदाहरण के लिए, शीघ्र निपटान या सामान्य से अधिक भुगतान का अनुरोध एआई के स्वायत्त अधिकार-क्षेत्र से बाहर हो सकता है।

ग्राहकों पर आपके शोध से पता चलता है कि जनरेशन ज़ी के कई उपभोक्ता अब भी चाहते हैं कि उनकी समस्याएँ सुलझाते समय कोई व्यक्ति शामिल हो। भरोसा जीतने वाली एआई सहायता तैयार करने के बारे में आपने क्या सीखा है—खासकर तब, जब ग्राहक किसी फैसले को चुनौती देना या किसी व्यक्ति से बात करना चाहते हों?

जनरेशन ज़ी एआई के साथ सबसे सहज पीढ़ी है, और यह भी सबसे जल्दी पहचान लेती है कि कोई कंपनी एआई का इस्तेमाल उनसे बचने के लिए कर रही है। हमारी 2026 की जनरेशन ज़ी खरीदारी रिपोर्ट में, जनरेशन ज़ी के 49% लोगों ने कहा कि वे किसी व्यक्ति की मदद से समस्या सुलझाना पसंद करेंगे। वे यह भी चाहते हैं कि काम तेज़ी से हो: 87% खरीदार उम्मीद करते हैं कि उनकी समस्या दो से तीन दिनों के भीतर सुलझ जाए।

हमने सीखा है कि भरोसा बॉट से नहीं, बल्कि उससे बाहर निकलने के विकल्प से बनता है। जब ग्राहकों को पता होता है कि वे किसी व्यक्ति से संपर्क कर सकते हैं, तो वे एआई को काम सँभालने देने में सहज रहते हैं। लेकिन जब एआई दीवार बन जाता है, तो भरोसा टूट जाता है—भले ही जवाब सही हो।

इसलिए हम तीन बातों को ध्यान में रखकर डिज़ाइन करते हैं:

  • तेज़ी, ताकि ग्राहकों की झुंझलाहट बढ़ने से पहले ही समस्याएँ सुलझ जाएँ
  • जब भी एआई मना करे, तो उसका स्पष्ट कारण आसान भाषा में बताया जाए
  • और एक ही चरण में किसी ऐसे व्यक्ति तक मामला पहुँच जाए, जिसे पूरा इतिहास तुरंत दिखे, ताकि ग्राहक को अपनी बात दोहरानी न पड़े।

जब एजेंट रिफंड जारी कर सकते हों, ऑर्डर बदल सकते हों या व्यापारी की प्रणालियों में कार्रवाई कर सकते हों, तो गलतियों के वित्तीय परिणाम होते हैं। आप अनुमतियाँ कैसे लागू करते हैं, दोहरी या अनधिकृत कार्रवाइयाँ कैसे रोकते हैं, और कुछ गड़बड़ होने पर घटनाक्रम का पता कैसे लगाते हैं?

हर एजेंट को उसके काम के लिए जितनी पहुँच ज़रूरी है, उतनी ही मिलती है—उससे ज़्यादा नहीं। हम इस पहुँच को उन खास कार्यप्रवाहों तक सीमित रखते हैं जिन पर व्यापारी सहमत हुआ है। हम कर्मचारियों की पहचान से अलग समर्पित खातों या एपीआई टोकन का इस्तेमाल करते हैं, ताकि व्यापारी किसी भी समय पहुँच में बदलाव कर सके, उसे निलंबित कर सके या रद्द कर सके।

बड़े रिफंड जैसी अधिक जोखिम वाली कार्रवाइयों के लिए, हम व्यापारी की ज़रूरतों के अनुसार मानवीय समीक्षा या राशि और नियमों पर आधारित सीमाएँ तय कर सकते हैं। किसी एजेंट को प्रणाली तक पहुँच देने का मतलब यह नहीं होना चाहिए कि उसे असीमित अधिकार भी दे दिए जाएँ।

प्रणाली में की गई हर कार्रवाई का लॉग रखा जाता है, जिसमें यह दर्ज होता है कि वह कब हुई, क्या किया गया और किस वजह से किया गया। कुछ गड़बड़ होने पर, यह रिकॉर्ड हमें व्यापारी के साथ जाँच करने, कार्रवाई को पहले जैसी स्थिति में लौटाने में मदद करने और बाद में नियमों को बेहतर बनाने में सहायता देता है।

1-Click Resale के ज़रिए एजेंट कई ऑनलाइन बाज़ारों पर लिस्टिंग बनाते हैं, कीमतें तय करते हैं और बिक्री का समन्वय करते हैं। आप उत्पाद के विवरण और कीमतों की पुष्टि कैसे करते हैं, और बाज़ारों पर अपडेट देर से आने पर किसी वस्तु को दो बार बिकने से कैसे रोकते हैं?

हमारी रीसेल एजेंसी वह काम करती है जिससे विक्रेता आम तौर पर बचना चाहते हैं। वह वस्तु की हालत जाँचने के लिए ग्राहक की भेजी हुई तस्वीर देखती है, बाज़ार के हिसाब से उसकी कीमत तय करती है, लिस्टिंग बनाती है और वस्तु बिक जाने पर उसे हटा देती है।

विवरण की शुरुआत हमारे पास पहले से मौजूद डेटा से होती है। चूँकि वस्तु व्यापारी के ऑर्डर से आती है, इसलिए एजेंसी मूल उत्पाद रिकॉर्ड के आधार पर काम करती है। कीमत तय करते समय शुरुआत ऐसी मिलती-जुलती वस्तुओं की वास्तविक बिक्री कीमत से होती है, जिसे वस्तु की हालत के अनुसार समायोजित किया जाता है। आगे बढ़ने से पहले ग्राहक कीमत की पुष्टि करता है, और लिस्टिंग बनाने तथा छूटी हुई जानकारी जोड़ने का काम हमारी टीम सँभालती है।

लक्ष्य रीसेल को आसान बनाना है, ताकि ग्राहक उन वस्तुओं से कुछ मूल्य वापस पा सकें जिन्हें वे अब नहीं चाहते—रिटर्न की अवधि समाप्त होने के बाद भी

कौन-सी परिचालन चुनौतियों के चलते आपने Seel का LLM Gateway सबके लिए खोला, और विश्वसनीयता, विलंबता तथा लागत के आधार पर अलग-अलग कामों के लिए मॉडल कैसे चुनते हैं? क्या आप अर्थशास्त्र का आकलन हर मॉडल कॉल के हिसाब से करते हैं या ग्राहक का काम सफलतापूर्वक पूरा होने के हिसाब से?

हमने इसे पहले अपने लिए बनाया। अपने वर्कफ़्लो चलाने के लिए Seel Agencies विकसित करने से हमें समझ आया कि बड़े पैमाने पर AI का इस्तेमाल करने के लिए मॉडल चुनने के तरीके में अनुशासन लाना ज़रूरी है। हमें विस्तार, विश्वसनीयता, बेहतरीन मॉडलों तक पहुँच और प्रति इकाई लागत का अनुमान लगा सकने की क्षमता चाहिए थी, इसलिए हमने इसके लिए बुनियादी ढाँचा बनाया। व्यापारियों को भी लागत में ऐसी ही बढ़ोतरी महसूस हो रही थी—हर मॉडल के साथ और हर अनुरोध पर—इसलिए हमने इसे उनके लिए भी उपलब्ध करा दिया।

हम काम के हिसाब से अनुरोध भेजते हैं। ईमेल से ऑर्डर नंबर निकालने के लिए उसी मॉडल की ज़रूरत नहीं होती जो किसी जटिल, कई चरणों वाली समस्या को हल करने के लिए चाहिए। LLM Router अनुरोध की जटिलता का आकलन करता है और उसे उन मॉडलों में से किसी एक को भेजता है जिन्हें ग्राहक ने इस्तेमाल की अनुमति दी है। ग्राहक बेहतर प्रदर्शन, बचत या इन दोनों के बीच संतुलन चुन सकते हैं। इससे वे तय कर सकते हैं कि सरल कामों पर कितनी आक्रामकता से बचत करनी है।

वास्तविक काम के दौरान भी विश्वसनीयता और विलंबता का स्तर बनाए रखना ज़रूरी है। हम अनुरोधों को अधिक आक्रामक ढंग से अलग-अलग मॉडलों को भेजने से पहले गुणवत्ता, जवाब देने में लगने वाले समय और लागत की जाँच करने की सलाह देते हैं। जटिल वर्कफ़्लो या ऐसे कामों के लिए जिनमें निरंतरता का सख्ती से पालन ज़रूरी है, ग्राहक स्वचालित रूटिंग के बजाय कोई खास मॉडल चुन सकते हैं।

LLM Router, पूरे किए गए ग्राहक के काम के हिसाब से नहीं, बल्कि मॉडल के इस्तेमाल के लिए शुल्क लेता है। स्मार्ट रूटिंग के साथ, आपसे उसी मॉडल की दर से शुल्क लिया जाता है जो वास्तव में चलता है। रूटिंग का फ़ैसला करने के लिए अनुरोध की जटिलता का आकलन करने की लागत Seel वहन करता है।

AI कारोबार बनाने वाले संस्थापकों के लिए, प्रभावशाली प्रदर्शन और ऐसी सेवा, जिस पर ग्राहक भरोसा कर सकें, के बीच के अंतर के बारे में Seel ने आपको क्या सिखाया है? किसी कारोबारी कामकाज की पूरी ज़िम्मेदारी AI एजेंसी को सौंपने से पहले व्यापारियों को किस तरह के प्रमाण माँगने चाहिए?

डेमो दिखाता है कि सिस्टम एक बार काम कर रहा है। सेवा यह दिखाती है कि वह दस हज़ारवें मामले में भी, रात 2 बजे, तब काम कर रही है जब वाहक का API ठप हो और खरीदार नाराज़ हो। मुश्किल मॉडल में कभी नहीं थी। असली मुश्किल है खराब डेटा, आपस में असहमत सिस्टम और यह जानना कि AI को कब कार्रवाई नहीं करनी चाहिए।

व्यापारियों को डेमो नहीं, प्रमाण माँगने चाहिए। एजेंसी कितने प्रतिशत मामलों को शुरू से अंत तक हल करती है? टिकटों को दूसरी ओर मोड़ने के अलावा, मामलों को हल करने में उसे कितना समय लगता है और उसकी दोबारा खरीद दर क्या है? जब उससे गलती होती है, तो भुगतान कौन करता है, कितनी जल्दी करता है, और क्या आप ठीक-ठीक देख सकते हैं कि उसने क्या किया? और उसे चलाने के लिए कितने लोगों की ज़रूरत होती है?

इस शानदार साक्षात्कार के लिए धन्यवाद। AI एजेंसियों, खरीदारी के बाद की सेवाओं और ई-कॉमर्स के स्वचालन के बारे में अधिक जानने के इच्छुक पाठक Seel की वेबसाइट पर जाएँ।

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।