पुराने ज़माने के उद्योग में वर्टिकल SaaS का निर्माण: AI जो फिट बैठता है, लड़ता नहीं

AI-संचालित SaaS के निर्माण की यात्रा ने हमें अज्ञात क्षेत्रों में पहुँचाया, खासकर तब जब हमें एहसास हुआ कि इन पुराने जमाने के उद्योगों को इसकी कितनी ज़रूरत है। इस श्रृंखला के भाग 1 में, मैंने अपने पहले ERP उत्पाद के निर्माण में आने वाली बाधाओं के बारे में बात की थी। अब, आइए देखें कि कैसे AI ने हमें एक ऐसे उद्योग में नए अवसरों को खोलने और खोलने में मदद की जो अभी भी पुराने ढंग से काम करने की कोशिश कर रहा है।

यह सब कहाँ से शुरू हुआ

जब हमने शुरुआत की, तो ई-कॉमर्स वितरकों के लिए स्पष्ट समाधान की तरह लग रहा था। हमने उनके पुराने ऑर्डर-एंट्री प्रक्रियाओं को आधुनिक बनाने के लिए उपकरण बनाए, लेकिन हम जल्दी ही एक दीवार पर आ गए - शेफ अभी भी आपूर्तिकर्ताओं को कॉल करने के लिए फोन उठाना पसंद करते थे। वे अपने पुराने तरीकों से पीछे नहीं हटते थे, और कोई भी शानदार ऑनलाइन सिस्टम रातोंरात इसे बदलने वाला नहीं था। हमें उनसे वहीं मिलना था जहाँ वे थे।

इसलिए हम ड्राइंग बोर्ड पर वापस गए और अपने आपूर्तिकर्ता ग्राहकों द्वारा सेवा प्रदान करने वाले सभी ऑपरेटरों को कॉल करना शुरू कर दिया - सक्रिय ई-कॉमर्स ऐप उपयोगकर्ताओं से लेकर, उपयोगकर्ताओं से लेकर शेफ तक, जिन्होंने ऐप के विचार का पुरजोर विरोध किया - यह पूछने के लिए कि वे वास्तव में क्या सोचते हैं। जैसा कि पता चला, ऐप से ऑर्डर करना कॉलिंग/टेक्स्टिंग/ईमेलिंग की तुलना में 10 गुना बेहतर अनुभव नहीं था, जब तक कि हम किसी तरह उन्हें उत्पाद की उपलब्धता और डिलीवरी की स्थिति के बारे में लाइव जानकारी नहीं दे सकते थे, एक समस्या जिसे हम अकेले सॉफ़्टवेयर उत्पाद से हल करना बहुत मुश्किल मानते थे।

साथ ही, हम जानते हैं कि थोक विक्रेता अभी भी हर रात मैन्युअल ऑर्डर एंट्री के घंटों में डूबे रहते हैं। हम इस सारे थकाऊ काम को कैसे स्वचालित कर सकते हैं? तभी यह बात समझ में आई - बड़े भाषा मॉडल असंरचित डेटा के साथ ऐसे वर्कफ़्लो को संभालने के लिए एकदम सही हैं। AI नाटकीय रूप से लागत समीकरण को बदल देता है ताकि हम उन कार्यों को स्वचालित कर सकें जो पहले बहुत अव्यवस्थित थे - यह वह लापता हिस्सा है जो अंततः खाद्य वितरण जैसे तकनीकी रूप से कम सेवा वाले उद्योग को आधुनिक युग में ला सकता है। यह वास्तव में एक आदर्श बदलाव है: दुनिया का लगभग 80% डेटा असंरचित है।

इसलिए, हमने गियर बदल दिए। आपूर्तिकर्ताओं और ऑपरेटरों दोनों को पूरी तरह से डिजिटल वर्कफ़्लो अपनाने के लिए मजबूर करने के बजाय, हमने बटर के एआई ऑर्डर असिस्टेंट जैसे एआई-संचालित उपकरण बनाए जो उनकी मौजूदा प्रक्रिया को पूरक बनाते हैं।

एआई के साथ धुरी बनाना (वादों से अधिक)

हमने बहुत जल्दी ही सीख लिया कि AI की सफलता एक “सेक्सी” उत्पाद बनाने के बारे में नहीं थी - यह सुनिश्चित करने के बारे में थी कि यह वास्तव में उपयोगकर्ता के कार्यों को पूरा करे। AI ऑर्डर असिस्टेंट ने शेफ़ या वितरकों से अपनी प्रक्रिया को फिर से बनाने के लिए नहीं कहा। यह उनके पहले से ही ज्ञात चीज़ों के अनुसार ढल गया, और उनके वर्कफ़्लो में सही तरह से फिट हो गया।

बस इतना ही काफी है। प्राकृतिक भाषा के आदेशों (वॉयस कमांड या टेक्स्ट के बारे में सोचें) को संसाधित करने में सक्षम AI का निर्माण करके, हमने प्रक्रिया को आसान बनाया, कठिन नहीं। और क्योंकि यह एक ऐड-ऑन था, न कि पूर्ण सिस्टम प्रतिस्थापन, इसलिए वितरकों ने इसे अपनाने में जल्दी की। लॉन्च होने के कुछ हफ़्तों के भीतर, दर्जनों आपूर्तिकर्ताओं और ERP भागीदारों ने रुचि व्यक्त की। उन्होंने इसे "डिजिटल परिवर्तन" के साथ आने वाली परेशानियों के बिना एक आसान अपग्रेड के रूप में देखा।

जब कोई क्लाइंट ऑनबोर्ड होता है, तो हम उनके ऑर्डर डेस्क ईमेल और वॉइसमेल इनबॉक्स से जुड़ते हैं, और स्वचालित रूप से आने वाले क्लाइंट ऑर्डर को संरचित खरीद ऑर्डर प्रविष्टियों में बदलना शुरू कर देते हैं, प्रत्येक ग्राहक के ऑर्डर गाइड कंटेंट के साथ-साथ उनके ऐतिहासिक ऑर्डर पैटर्न (उनके ईआरपी से पढ़ें) का लाभ उठाते हैं। पहली बार, शेफ की प्राथमिकताओं का ज्ञान आखिरकार बिक्री प्रतिनिधि जॉय के दिमाग से डिजिटल सिस्टम में स्थानांतरित हो गया - जब कोई शेफ केवल "2 केस झींगा" ऑर्डर करता है, तो सिस्टम सटीक रूप से समझ सकता है कि उनका मतलब "4-6 टाइगर झींगा फ्रोजन" है, न कि "16-20 ईज़ी पील झींगा" या 80 अन्य झींगा उत्पाद विविधताएँ बेची गईं।

यह जानते हुए कि AI सुझाव 100% सही नहीं होंगे, हमने व्यापक UX साक्षात्कार आयोजित किए और सुनिश्चित किया कि उपयोगकर्ता आसानी से मॉडल आउटपुट को सही कर सकते हैं ताकि अगली बार यह सही हो। महत्वपूर्ण रूप से, हमने सुनिश्चित किया कि सब कुछ केवल कीबोर्ड इनपुट के साथ किया जा सकता है, क्योंकि वे सैकड़ों ऑर्डर दर्ज करने के लिए ERP सिस्टम में समान हॉटकी पर बहुत अधिक निर्भर करते हैं। उपयोगकर्ताओं को यह अनुभव पसंद आया और वे तुरंत इसमें शामिल हो गए। अंतिम परिणाम? ऑर्डर प्रोसेसिंग का समय 96% से अधिक कम हो गया, और आपूर्तिकर्ता क्लाइंट बैक-ऑफ़िस स्टाफ़ की संख्या कम कर सकते थे, या उन्हें गुणवत्ता नियंत्रण और ग्राहक संबंध प्रबंधन जैसे उच्च-मूल्य वाले कार्य करने के लिए अपग्रेड कर सकते थे।

ग्रबमार्केट द्वारा बटर का अधिग्रहण किए जाने के बाद, हमने एआई ऑर्डर असिस्टेंट मॉडल लिया और इसे ग्रबअसिस्ट में स्केल किया। यह उपकरण मौजूदा ईआरपी के ऊपर बैठता है, जो प्राकृतिक भाषा में व्यावसायिक बुद्धिमत्ता और विश्लेषण प्रदान करता है। यह खाद्य उद्योग की जानकारी और उपयोग में आसानी से एकीकृत हो जाता है। और जैसा कि वेयरहाउस रिसीविंग या बीओएच से परिचित कोई भी व्यक्ति जानता है, निर्बाध वर्कफ़्लो ही एकमात्र ऐसी चीज़ है जो लोगों को समझदार बनाए रखती है।

निष्कर्ष: एक ऐसे AI समाधान से शुरुआत करें जो मौजूदा वर्कफ़्लो में फ़िट हो जाए, बिना सब कुछ बदले। एकीकरण में आसानी और परिचितता तेज़ी से अपनाने की कुंजी है।

एलएलएम उत्पाद निर्माण से सबक

1. तकनीकी सीमाओं के आसपास डिज़ाइन करें। एलएलएम शक्तिशाली हैं लेकिन अभी भी परिपक्व हो रहे हैं; वे विश्वसनीयता के मामले में पिछड़ सकते हैं या चूक सकते हैं। चतुर डिजाइन कुछ तकनीकी कमियों को छिपा सकता है। उदाहरण के लिए, चूंकि रेस्तरां/खुदरा विक्रेता अगले दिन के लिए अपने ऑर्डर समय से पहले देते हैं, इसलिए हम उन्हें पृष्ठभूमि में संसाधित करने का जोखिम उठा सकते हैं (आपूर्तिकर्ता कर्मचारियों के सुबह जल्दी काम पर आने से पहले), कुछ गति का त्याग करते हुए अधिक तर्क क्षमता वाले मॉडल का चयन करते हैं।

   
   

2. पूर्णता से पहले गति... शुरुआती चरणों में, "परफेक्ट" मॉडल खोजने में न उलझें। जो आपको पहले बाजार में ले जाएगा उसका उपयोग करें। RAG जैसी सरल तकनीकें आश्चर्यजनक रूप से अच्छी तरह से काम करती हैं यदि आप इसे सही संदर्भ देते हैं। यदि सही तरीके से बनाया जाए, तो अंतर्निहित आधार मॉडल में सुधार होने पर AI-संक्रमित उत्पाद अपने आप बेहतर हो जाते हैं।

   
   

3. …लेकिन नींव को मजबूत करें। प्रयोग के लिए लचीलेपन की आवश्यकता होती है। एक मॉड्यूलर आर्किटेक्चर बनाएं ताकि आप मॉडल या सुविधाओं को बदल सकें, और स्पष्ट, मात्रात्मक इन-प्रोडक्ट फीडबैक सिस्टम को एकीकृत कर सकें - "वाइब्स द्वारा निर्माण" इसे पूरा नहीं करता है। आपकी आर्किटेक्चर को आपको एक ठोस पुनरावृत्ति गति लाभ देना चाहिए।

   
   

4. आपका इंटरफ़ेस आपके उत्पाद को बना (या बिगाड़) सकता है। "परफेक्ट" मॉडल के साथ भी, इस धारणा के साथ शुरू करें कि किसी कार्य के 20% में QC के लिए लूप में एक मानव की आवश्यकता होगी। इस इंटरैक्शन को जितना संभव हो उतना सरल और सहज बनाएं, अन्यथा आप उपयोगकर्ता की सहमति जल्दी खो देंगे। जितना अधिक आप लूप में मानव को सशक्त बनाते हैं, उतना ही आप अपने उत्पाद को बेहतर बनाने के लिए उनका लाभ उठा सकते हैं।

   
   

5. असंरचित ज्ञान को कैप्चर करें। पुराने ज़माने के उद्योगों में, महत्वपूर्ण ज्ञान को डिजिटल नहीं किया जाता है - यह लोगों के दिमाग में होता है। अगर ग्राहक की प्राथमिकताएँ सिर्फ़ जॉय सेल्स प्रतिनिधि के दिमाग में ही मौजूद हैं, तो उसे कैप्चर करने के लिए एक इंटरफ़ेस बनाएँ। ये जानकारियाँ आपके मॉडल को मज़बूत और अलग बनाती हैं, जिससे इसे लगातार विकसित होने वाला डेटा लाभ मिलता है।

   
   

6. फीडबैक लूप सटीकता को बढ़ाते हैं। इंजीनियरिंग आपके AI उत्पाद को बहुत आगे ले जाती है, लेकिन फीडबैक इसे और आगे ले जाता है। उपयोगकर्ताओं को उत्पाद के भीतर सीधे फीडबैक इनपुट करने के लिए एक सहज तरीका प्रदान करें, और अधिक सटीक, प्रासंगिक रूप से प्रासंगिक आउटपुट को चलाने के लिए इसे ट्यूनिंग इंजन के साथ संयोजित करें।

विरासत प्रणालियों के साथ काम करने का रहस्य

यहाँ एक कठोर सत्य है: चाहे आपका AI समाधान कितना भी बढ़िया क्यों न हो, आपको अभी भी उन पुराने स्कूल के ERP खिलाड़ियों की ज़रूरत है जो आपके साथ एकीकृत होना चाहते हैं। अत्याधुनिक AI विकसित करना पर्याप्त नहीं है यदि यह उन प्रणालियों के साथ संवाद नहीं कर सकता है जिन पर वितरक पहले से ही निर्भर हैं। और जब आप इस तरह से कदम बढ़ाते हैं जैसे आप उन्हें बदलने की कोशिश कर रहे हों, तो आपके साथ काम करना असंभव हो जाता है।

हमारे मामले में, हमें EDI (इलेक्ट्रॉनिक डेटा इंटरचेंज) या SFTP फ़ाइल एक्सचेंज जैसी विधियों के माध्यम से एकीकरण को सक्षम करने के लिए विरासत ERP की आवश्यकता थी। ये विरासत प्रणालियाँ गहराई से अंतर्निहित हैं, और उन्हें नए AI उपकरणों से कनेक्ट करने के लिए राजी करना (फिर उन्हें आर्किटेक्चर करना) हमेशा आसान नहीं होता है। लेकिन हमने एक ऐड-ऑन की पेशकश करके एक बढ़िया जगह पाई जो वास्तव में उनके मौजूदा उत्पाद को बेहतर बनाता है, ग्राहकों को उनके मौजूदा बुनियादी ढांचे से चिपके रहने के लिए प्रोत्साहित करता है, जबकि AI के सभी लाभ प्राप्त करता है। जादू व्यवसाय और उनके बुनियादी ढांचे प्रदाता दोनों को यह दिखाने में था कि हमारा AI शुद्ध सकारात्मक कैसे था, बिना उन्हें यह महसूस कराए कि उन्हें सब कुछ खत्म करने या साझेदारी खोने की जरूरत है। मौजूदा नेटवर्क को नजरअंदाज करके और अपने हाथ को ओवरप्ले करके कट आउट न करें।

ऐसा कहा जाता है कि इस तरह के एकीकरण के लिए सुनहरा अवसर तेजी से खत्म हो रहा है। एआई विशेषज्ञता फैल रही है, और यहां तक कि धीमी गति से चलने वाले, पुराने स्कूल के सेवा प्रदाता भी खेल में शामिल हो रहे हैं। आपको जल्दी से कार्य करने, अपना कोण खोजने और मौजूदा खिलाड़ियों के साथ काम करने की आवश्यकता होगी।

उद्योग जगत के मौजूदा लोगों के लिए, ऐसे नए सॉफ़्टवेयर समाधानों से सावधान रहें जो एकीकृत और सराउंड दृष्टिकोण अपनाते हैं। ये ऐसे उत्पाद हैं जो पूरी तरह से आत्मनिर्भर व्यावसायिक इकाई (जैसे फ़ील्ड बिक्री) प्रदान करते हैं और लागत/राजस्व समीकरण को अपने पक्ष में महत्वपूर्ण रूप से बदल देते हैं। इन गतिशीलता को पहले से समझना सही भागीदारों को चुनने की कुंजी है।

निष्कर्ष: विरासत प्रणालियों के साथ मिलकर काम करें, स्पष्ट लाभ और संवर्द्धन दिखाएं जो पूर्ण बदलाव के लिए बाध्य न करें। उन्हें कम जोखिम, उच्च-लाभ वाले जोड़ के मूल्य को समझने में मदद करें।

भविष्य के लिए सुझाव

ये पारंपरिक क्षेत्र जो असंरचित डेटा पर निर्भर थे - जैसे हस्तलिखित लॉग और ऑडियो रिकॉर्ड - अंततः एलएलएम की बदौलत आधुनिक तकनीकी समाधानों के लिए सुलभ हैं। वर्टिकल SaaS इन उद्योगों में तेज़ी से अधिक व्यवहार्य होता जा रहा है, और हर चीज़ में AI को लागू करना आकर्षक है।

फिर भी, याद रखें कि AI की सफलता सिर्फ़ तकनीक पर निर्भर नहीं करती। मुख्य चुनौती अभी भी उत्पाद-बाजार के बीच तालमेल बिठाने में है। हालाँकि AI की सफलताएँ दरवाज़े खोलती हैं, लेकिन वे उत्पाद विकास के मूल सिद्धांतों को नहीं बदलती हैं। अपने उपयोगकर्ताओं और उनकी ज़रूरतों के बारे में स्पष्ट समझ विकसित करके शुरुआत करें; तकनीक अपने आप आगे बढ़ेगी।

पीछे मुड़कर देखें तो हमने जो सबसे बड़ा सबक सीखा वह यह था कि AI तब सबसे ज़्यादा सफल होता है जब यह मौजूदा प्रक्रियाओं में फ़िट हो जाता है, न कि तब जब यह उन्हें उलटने की कोशिश करता है। सवाल यह है कि अवसर के खत्म होने से पहले कौन उसका फ़ायदा उठाएगा? कहानी में थोड़ा और भी है। भाग 3 में, मैं यह पता लगाऊँगा कि AI के साथ रोलअप रणनीति को मिलाकर पारंपरिक उद्योगों में SaaS के लिए एक विजयी फ़ॉर्मूला कैसे बनाया जाता है।