सिलिकॉन वैली की स्टार्टअप कंपनी Rime, आर्टिफिशियल इंटेलिजेंस में आवाज़ों की अप्राकृतिकता की समस्या को हल करने का प्रयास कर रही है, जो सबसे शक्तिशाली सिस्टम का उपयोग करने के बावजूद अक्सर ठंडी और यांत्रिक लगती हैं।
सिलिकॉन वैली की स्टार्टअप कंपनी Rime, आर्टिफिशियल इंटेलिजेंस में आवाज़ों की अप्राकृतिकता की समस्या को हल करने का प्रयास कर रही है, जो सबसे शक्तिशाली सिस्टम का उपयोग करने के बावजूद अक्सर ठंडी और यांत्रिक लगती हैं।
सीरीज़ ए राउंड के तहत $24 मिलियन जुटाने के कारण, Rime अपनी नवीन AI वार्तालाप प्रणाली को बढ़ाना योजना बना रही है। निवेश दौर का नेतृत्व M13 ने किया, जिसमें Twilio Ventures, Corazon Capital और Unusual Ventures ने भी भाग लिया। ये फंड Rime को कॉर्पोरेट क्षेत्र के लिए तैयार एक विश्व स्तरीय स्पीच-टू-स्पीच ट्रांसफॉर्मेशन प्लेटफॉर्म विकसित करने में सक्षम बनाएंगे।
कई AI डेवलपर्स के विपरीत जो कंप्यूटिंग शक्ति बढ़ाकर और बड़े मॉडल बनाकर रोबोटिक ध्वनि को दूर करने की कोशिश करते हैं, Rime एक बिल्कुल अलग दृष्टिकोण अपनाती है। लीली क्लिफोर्ड, ब्रुक लार्सन और एरेस जियोवानीस द्वारा स्थापित यह स्टार्टअप, भाषण के अकादमिक वैज्ञानिक क्षेत्र पर ज़ोर देता है। टीम का मानना है कि मानव भाषा कैसे कार्य करती है, इसकी गहरी समझ अगले वॉयस इंटरफ़ेस को परिभाषित करने के लिए आवश्यक है।
इस दिशा को मजबूत करने के लिए, Rime ने राफेल वालिए को मुख्य वैज्ञानिक अधिकारी के रूप में नियुक्त किया है। इससे पहले वालिए मेटा की सुपरइंटेलिजेंस लैब में ऑडियो अनुसंधान कर रहे थे। टीम मिलकर बातचीत के लिए एक व्यापक और अभिव्यंजक डेटासेट बना रही है, सामान्य संकेतों के बजाय वास्तविक बोलने की गति, दर और भावनात्मक मार्करों का विश्लेषण कर रही है, जिससे ऐसी आवाज़ें बन रही हैं जो न केवल यथार्थवादी हैं, बल्कि ईमानदारी से सहानुभूतिपूर्ण भी हैं।
Rime प्लेटफॉर्म ने पहले ही लाइव टेलीफोन कॉल परिदृश्यों में महत्वपूर्ण लोकप्रियता हासिल कर ली है, जो हर महीने लगभग 100 मिलियन ग्राहक इंटरैक्शन को समर्थन दे रहा है। उद्योग के बड़े खिलाड़ी, जैसे मेयो क्लिनिक, डायलपैड, अपस्टार्ट और अस्यूरियन, बड़ी मात्रा में कॉल को संसाधित करने के लिए Rime का उपयोग करते हैं।
Miravoice के एक स्वतंत्र अध्ययन के डेटा से व्यावसायिक प्रभाव की पुष्टि हुई, जिसने विभिन्न वॉयस प्रोवाइडर्स के 100,000 वास्तविक कॉल का विश्लेषण किया। परिणामों से पता चला कि Rime की आवाज़ों ने बातचीत के दौरान कॉल समाप्त करने वाले ग्राहकों के प्रतिशत को काफी कम कर दिया, साथ ही обращения के समापन तक सबसे तेज़ माध्य समय भी प्रदान किया। प्राकृतिक लहजे का उपयोग करके, Rime ग्राहकों का ध्यान बनाए रखने और उनकी समस्याओं को तेज़ी से हल करने में मदद करता है। कंपनी सुरक्षा की समस्या को भी हल करती है, आवाज़ मॉडलिंग के स्तर पर ध्यान केंद्रित करके और HIPAA आवश्यकताओं का कड़ाई से पालन सुनिश्चित करके।
वित्तीय प्लेटफार्मों, जैसे अपस्टार्ट के लिए, सटीकता महत्वपूर्ण है। जटिल शब्दों और संवेदनशील डेटा को संसाधित करने के लिए पूर्ण शुद्धता की आवश्यकता होती है। भाषा विज्ञान पर केंद्रित Rime इंजन इन सख्त शर्तों के अनुकूल हो जाता है, विशेषीकृत शब्दावली को आसानी से संभालता है और उद्यमों को ग्राहकों के साथ संपर्क के सबसे संवेदनशील बिंदुओं के स्वचालन में आत्मविश्वास देता है।
फंडिंग का नया दौर Rime के लिए भविष्य की महत्वाकांक्षी योजनाएं प्रदान करता है। कंपनी अपनी मॉडलों की अभिव्यक्ति को बढ़ाने के लिए अपने स्वयं के वार्तालाप डेटासेट में सक्रिय रूप से निवेश कर रही है। इसके अलावा, यह बुनियादी ढांचे की बढ़ती जरूरतों को पूरा करने के लिए अपनी इंजीनियरिंग और अनुसंधान टीमों का विस्तार कर रही है।
डील के हिस्से के रूप में, M13 से मॉर्गन ब्लमबर्ग Rime के निदेशक मंडल में शामिल होंगे। कंपनी का अंतिम लक्ष्य पारंपरिक प्रणालियों से आगे बढ़कर वास्तविक समय में स्पीच-टू-स्पीच ट्रांसफॉर्मेशन मॉडल विकसित करना है जो किसी भी देरी को पूरी तरह से समाप्त करते हैं। अकादमिक अनुसंधान को कॉर्पोरेट पैमाने के साथ जोड़ते हुए, Rime एक आदर्श वॉयस इंटरफ़ेस का निर्माण कर रही है।
कृत्रिम बुद्धिमत्ता प्रौद्योगिकियों के विकास के बावजूद, कर्मचारी संचार के लिए मौखिक तरीकों को प्राथमिकता देना जारी रखते हैं, खासकर जब उभरती समस्याओं पर त्वरित प्रतिक्रिया की आवश्यकता होती है। मितेल की हालिया रिपोर्ट 'स्टेट ऑफ वर्कफोर्स कम्युनिकेशन' के अनुसार, 79% कर्मचारियों ने कहा कि वे तत्काल कार्रवाई के समन्वय के लिए वॉयस संचार को प्राथमिकता देते हैं, और केवल बाद में स्पष्टीकरण के लिए मैसेजिंग या वीडियो कॉल का उपयोग करते हैं।
तत्काल या महत्वपूर्ण क्षणों के लिए संचार विधि चुनते समय, सभी आयु समूहों में आवाज सबसे लोकप्रिय विकल्प बनी हुई है। यह पीढ़ी ज़ेड के कर्मचारियों के बीच 43% से लेकर बेबी बूमर्स के प्रतिनिधियों के बीच 54% तक भिन्न होता है। यह उच्च जोखिम वाले कार्य वातावरण में वास्तविक समय संचार के स्थायी महत्व को रेखांकित करता है, जहां देरी से सेवा, सुरक्षा या संचालन की उत्पादकता पर नकारात्मक प्रभाव पड़ सकता है।
मितेल के कमीशन पर वैन्सन बर्न द्वारा किए गए अध्ययन में आईटी प्रबंधकों, कार्यालय कर्मचारियों और लाइन कर्मचारियों को शामिल किया गया था ताकि विभिन्न भूमिकाओं और काम करने की परिस्थितियों में संचार उपकरणों की प्रभावशीलता को बेहतर ढंग से समझा जा सके। विशेष ध्यान इस बात पर दिया गया है कि दुनिया भर में दस में से आठ (80%) कर्मचारी अग्रिम पंक्ति में काम करते हैं, जिसमें स्वास्थ्य सेवा, विनिर्माण, खुदरा, आतिथ्य, वित्तीय सेवाएं और सरकारी क्षेत्र शामिल हैं, जहां संचार अंतराल के तत्काल और महत्वपूर्ण परिणाम हो सकते हैं।
जैसे-जैसे कार्य प्रौद्योगिकियां आधुनिक होती हैं और एआई-आधारित उपकरणों को लागू किया जाता है, प्रगति का मूल्यांकन इस बात पर विचार करना चाहिए कि ये निवेश वास्तविक परिस्थितियों में संचार को कितनी सरलता प्रदान करते हैं, क्या वे कार्यबल प्रोफ़ाइल के अनुरूप हैं, और क्या वे सीधे कार्य निष्पादन बिंदु पर वांछित परिणाम प्राप्त करने में मदद करते हैं।
कई फ्रंटलाइन कर्मचारी, सेवाओं और संचालन प्रदान करने में अपनी केंद्रीय भूमिका के बावजूद, ऐसे संचार वातावरण में होते हैं जिन्हें मूल रूप से मोबाइल, समय-संवेदनशील और फील्ड कार्य के लिए डिज़ाइन नहीं किया गया था। वास्तव में, इसका मतलब अक्सर अधिक स्थानों पर जानकारी खोजने और सबसे महत्वपूर्ण क्षणों में संदेश छूटने के बढ़ते जोखिम का सामना करना पड़ता है।
कार्यालय और लाइन कर्मचारी औसतन सात संचार चैनलों का उपयोग करते हैं, जिससे अनुभव खंडित हो जाता है। यह आवश्यक जानकारी खोजने, उचित व्यक्ति से संपर्क करने या त्वरित उत्तर देने में बाधा डालता है। लाइन कर्मचारियों में से 65% ने विभिन्न उपकरणों के बीच स्विच करने के कारण समय बर्बाद होने की सूचना दी है, और 64% ने कई चैनलों में उनके वितरण के कारण छूटे हुए संदेशों की सूचना दी है।
ये समस्याएं न केवल उत्पादकता को प्रभावित करती हैं। मितेल ने पाया कि 70% लाइन कर्मचारी मानते हैं कि जटिल या अविश्वसनीय संचार उपकरण उन्हें ग्राहकों, रोगियों या ग्राहकों को सर्वोत्तम सहायता प्रदान करने से रोकते हैं। एक तिहाई से अधिक उत्तरदाताओं का दावा है कि संचार संबंधी समस्याएं ग्राहकों, रोगियों या कर्मचारियों के लिए सुरक्षा जोखिम पैदा करती हैं।
मितेल में उत्पाद प्रबंधन के वरिष्ठ उपाध्यक्ष मार्टिन बिटजिंगर ने कहा: 'कार्यबल में संचार का भविष्य पूरी तरह से मौखिक नहीं होगा, लेकिन यह उन क्षणों में प्राथमिक रूप से मौखिक होना चाहिए जब वास्तविक समय में समन्वय सबसे महत्वपूर्ण होता है।' उन्होंने आगे कहा कि महत्वपूर्ण उद्योगों और लाइन कर्मचारियों के लिए, जब काम इंतजार नहीं कर सकता है, तो आवाज अक्सर समन्वय का सबसे तेज़, स्पष्ट और विश्वसनीय तरीका होती है। उन्होंने यह भी उल्लेख किया कि एआई को आधुनिक बनाने और लागू करने पर, संगठनों को एक लचीले संचार बुनियादी ढांचे के निर्माण को नहीं भूलना चाहिए जो कर्मचारियों का समर्थन करता है, चाहे उनकी भूमिका या कार्यों को पूरा करने और परिणाम प्राप्त करने में उनकी कार्यक्षमता कुछ भी हो।
स्वास्थ्य सेवा एक स्पष्ट उदाहरण है। गतिशील नैदानिक स्थितियों में, कर्मचारियों को देखभाल टीमों, विभिन्न स्थानों और उपकरणों के बीच तेजी से समन्वय करने की आवश्यकता होती है। संचार में रुकावट महत्वपूर्ण क्षणों में सहायता में देरी का कारण बन सकती है, जिससे रोगी के अपॉइंटमेंट या छुट्टी का प्रतीक्षा समय बढ़ जाता है और अस्पताल की अगली रोगियों को सेवा देने की क्षमता कम हो जाती है।
स्वास्थ्य सेवा में नेताओं के लिए, ये जोखिम अमूर्त नहीं हैं; वे सीधे रोगी संतुष्टि, परिचालन लागत और सुरक्षा परिणामों से जुड़े हैं। मितेल के अध्ययन से पता चला है कि स्वास्थ्य सेवा उन उद्योगों में से एक है जहां संचार समस्याएं सबसे अधिक संभावना सुरक्षा खतरों का कारण बनती हैं, और इस क्षेत्र के लाइन कर्मचारी प्रौद्योगिकी और संचार बुनियादी ढांचे के बारे में निर्णय लेने में अपनी जरूरतों की सबसे गंभीर कमी की सूचना देते हैं। ये कठिनाइयाँ विनिर्माण, वित्तीय सेवाओं, आतिथ्य और खुदरा सहित अन्य महत्वपूर्ण उद्योगों तक भी फैली हुई हैं।
ज़ेवस केरवावाला, ZK रिसर्च के संस्थापक और प्रमुख विश्लेषक, ने जोर देकर कहा: 'संकट की स्थिति में इंटरफ़ेस गायब हो जाना चाहिए। आवाज ऐसा करती है।' उन्होंने समझाया कि दबाव में नर्स या डिस्पैचर को उपयोगकर्ता इंटरफ़ेस नेविगेट करना नहीं सिखाया जा सकता है - एक ऐसा चैनल प्रदान करने की आवश्यकता है जो जरूरत पड़ने पर काम करे। यही कारण है कि आवाज एकमात्र मोडैलिटी बनी हुई है जो तब परीक्षण पास करती है जब दांव ऊंचे होते हैं।
चूंकि सभी व्यावसायिक क्षेत्रों में एआई का कार्यान्वयन बढ़ रहा है, इसलिए आवाज भी कर्मचारियों के लिए प्रौद्योगिकी के साथ बातचीत करने का सबसे स्वाभाविक और प्रभावी तरीका बन रही है। विशेष रूप से लाइन कर्मचारियों के लिए, आवाज-केंद्रित एआई इंटरफ़ेस उपयोगकर्ताओं को अपनाने और उत्पादकता को बढ़ा सकता है, मेनू नेविगेशन, एप्लिकेशन स्विचिंग या टेक्स्ट संदेश टाइप करने में लगने वाले समय को कम करके।
कार्य प्रौद्योगिकियों के विकास की रणनीतियों को आवाज को पुराना या बैकअप चैनल नहीं मानना चाहिए; इसे आधुनिक संचार रणनीति का एक अभिन्न अंग बनना चाहिए। यह आवाज को एक इंटरफ़ेस स्तर के रूप में कार्य करने की अनुमति देता है जिसके माध्यम से एआई उन कर्मचारियों को सबसे अधिक मूल्य प्रदान करता है जिन्हें इसकी सबसे अधिक आवश्यकता है।
मितेल के तकनीकी निदेशक लुइस डोमिंगोस ने कहा: 'एआई में उन कर्मचारियों को मौलिक रूप से प्रभावित करने की क्षमता है जो डिजिटल परिवर्तन से सबसे कम लाभान्वित हुए थे, लेकिन हमें उनसे वहीं मिलना चाहिए जहां वे हैं।' उन्होंने निष्कर्ष निकाला कि चाहे वह आपातकालीन कक्ष में नर्स हो या फील्ड में तकनीशियन, वॉयस एआई उस अंतर को पाटता है जैसा कि कोई भी पिछली तकनीक नहीं कर पाई थी। उनके विचार में, भविष्य का एप्लिकेशन, विशेष रूप से लाइन कर्मचारियों के लिए, चैट विंडो या नियंत्रण कक्ष नहीं है, बल्कि संवाद है।