হাইলাইটস
- এলএলএমদের জাদু হল তারা খুবই নমনীয়, বিভিন্ন পরিস্থিতিতে খাপ খাইয়ে নিতে পারে এবং মৌলিক বুদ্ধিমত্তাও রাখে।
- আমরা বিশ্বাস করি যে সময়ের সাথে সাথে, UI এবং UX আরও বেশি প্রাকৃতিক ভাষা-ভিত্তিক হয়ে উঠবে, কারণ এজেন্ট সিস্টেম এভাবেই চিন্তা করে, অথবা এটি মূলত বৃহৎ ভাষা মডেল (LLM) এর প্রশিক্ষণের ভিত্তি।
- যদি আপনি চান যে কেউ একজন এআই এজেন্টকে গ্রহণ করুক, তাহলে তারা আসলে "বিশ্বাসের লাফ" এর একটি ডিগ্রি নিচ্ছেন কারণ অনেক মানুষের কাছে এটি একটি খুব অপরিচিত ক্ষেত্র।
এআই এজেন্ট গ্রাহকের অভিজ্ঞতাকে নতুন রূপ দেয়
জেসি ঝাং: একজন এজেন্ট আসলে কীভাবে তৈরি হয়? আমাদের দৃষ্টিভঙ্গি হল সময়ের সাথে সাথে, এটি আরও বেশি করে একটি প্রাকৃতিক ভাষা-ভিত্তিক এজেন্টের মতো হয়ে উঠবে কারণ বৃহৎ ভাষা মডেলগুলি (LLM) এভাবেই প্রশিক্ষিত হয়।
দীর্ঘমেয়াদে, যদি আপনার কাছে এমন একজন অতি বুদ্ধিমান এজেন্ট থাকে যে আসলে মানুষের মতো, তাহলে আপনি তাকে জিনিস দেখাতে পারেন, ব্যাখ্যা করতে পারেন, প্রতিক্রিয়া জানাতে পারেন এবং এটি তার মনের তথ্য আপডেট করবে।
তুমি কল্পনা করতে পারো যে তোমার দলে একজন দক্ষ মানব সদস্য আছে। যখন তারা প্রথম যোগদান করে, তুমি তাদের কিছু শেখাও, তারা কাজ শুরু করে, এবং তারপর তুমি তাদের প্রতিক্রিয়া দাও এবং নতুন তথ্য দেখাও।
অবশেষে, এটি এই দিকে বিকশিত হবে - এটি আরও কথোপকথনমূলক এবং প্রাকৃতিক ভাষার উপর ভিত্তি করে তৈরি হবে, এবং মানুষ যেভাবে একে অপরের সাথে যোগাযোগ করবে তা আরও স্বাভাবিক হয়ে উঠবে। এবং লোকেরা আর সেই জটিল সিদ্ধান্ত গাছগুলি ব্যবহার করে প্রয়োজনীয়তাগুলি ক্যাপচার করবে না, যা কাজ করতে পারে কিন্তু ভেঙে পড়ার ঝুঁকিতে থাকে।
অতীতে, আমাদের এটি করতে হত কারণ আমাদের কাছে একটি বৃহৎ ভাষা মডেল ছিল না। কিন্তু এখন, এজেন্টের ক্রমাগত অগ্রগতির সাথে সাথে, ব্যবহারকারীর অভিজ্ঞতা (UX) এবং ব্যবহারকারী ইন্টারফেস (UI) আরও কথোপকথনমূলক হয়ে উঠবে।
ডেরিক হ্যারিস: সবাইকে স্বাগতম, A16z AI পডকাস্টে স্বাগতম। আমি ডেরিক হ্যারিস, এবং আজ আমার সাথে যোগ দেবেন Decagon-এর সহ-প্রতিষ্ঠাতা এবং CEO জেসি ঝাং এবং a16z-এর অংশীদার কিম্বার্লি ট্যান। কিম্বার্লি আলোচনাটি পরিচালনা করবেন এবং জেসি Decagon এবং এর পণ্য তৈরিতে তার অভিজ্ঞতা ভাগ করে নেবেন।
যদি আপনি এটি সম্পর্কে খুব বেশি কিছু না জানেন, তাহলে ডেকাগন হল একটি স্টার্টআপ যা গ্রাহক সহায়তায় সহায়তা করার জন্য ব্যবসাগুলিকে AI এজেন্ট সরবরাহ করে। এই এজেন্টগুলি একটি একক API কলের জন্য চ্যাটবট বা LLM র্যাপার নয়, বরং অত্যন্ত কাস্টমাইজড অ্যাডভান্সড এজেন্ট যারা একটি কোম্পানির নির্দিষ্ট চাহিদার উপর ভিত্তি করে জটিল কর্মপ্রবাহ পরিচালনা করতে পারে।
কেন তারা ডেকাগন তৈরি করেছে এবং বিভিন্ন এলএলএম এবং গ্রাহক পরিবেশ পরিচালনা করার জন্য এটি কীভাবে তৈরি করা হয়েছে তা ব্যাখ্যা করার পাশাপাশি, জেসি একটি ব্যবসায়িক মডেলের সুবিধা সম্পর্কেও কথা বলেন যা প্রতি কথোপকথনের জন্য চার্জ করে এবং কীভাবে এআই এজেন্টরা গ্রাহক সহায়তা নেতাদের প্রয়োজনীয় দক্ষতা পরিবর্তন করবে।
এটাও উল্লেখ করার মতো যে কিম্বার্লি সম্প্রতি "RIP to RPA, The Rise of Intelligent Automation" শিরোনামে একটি ব্লগ পোস্ট লিখেছেন, যা আমরা এই পর্বে সংক্ষেপে আলোচনা করব।
ব্যবসায়িক প্রক্রিয়াগুলিতে অটোমেশন কীভাবে এগিয়ে চলেছে তা বোঝার জন্য এটি একটি দুর্দান্ত সূচনা বিন্দু, এবং আমরা শো নোটগুলিতে একটি লিঙ্ক প্রদান করব। এবং পরিশেষে, একটি স্মরণ করিয়ে দেওয়ার জন্য, এই নিবন্ধের বিষয়বস্তু শুধুমাত্র তথ্যগত উদ্দেশ্যে এবং এটিকে আইনি, ব্যবসায়িক, কর বা বিনিয়োগ পরামর্শ হিসাবে বিবেচনা করা উচিত নয়, বা এটি কোনও বিনিয়োগ বা সুরক্ষা মূল্যায়নের জন্য ব্যবহার করা উচিত নয় এবং এটি কোনও a16z তহবিল বিনিয়োগকারী বা সম্ভাব্য বিনিয়োগকারীর দিকে নির্দেশিত নয়।
জেসি ঝাং: আমার একটি সংক্ষিপ্ত পরিচয়। আমি বোল্ডারে জন্মগ্রহণ করেছি এবং বেড়ে উঠেছি, এবং ছোটবেলায় আমি অনেক গণিত প্রতিযোগিতা এবং এই জাতীয় প্রতিযোগিতায় অংশগ্রহণ করেছি। আমি হার্ভার্ডে কম্পিউটার বিজ্ঞান অধ্যয়ন করেছি, এবং তারপর একটি কোম্পানি শুরু করেছি যা a16z দ্বারা সমর্থিত ছিল। অবশেষে আমাদের Niantic অধিগ্রহণ করে।
তারপর আমরা ডেকাগন তৈরি শুরু করি। আমাদের ব্যবসা গ্রাহক পরিষেবার জন্য এআই এজেন্ট তৈরি করছে। শুরুতে, আমরা এটি করেছিলাম কারণ আমরা এমন কিছু করতে চেয়েছিলাম যা আমাদের হৃদয়ের খুব কাছাকাছি ছিল।
অবশ্যই, গ্রাহক সেবায় এআই এজেন্টদের ভূমিকা সম্পর্কে কাউকে শেখানোর দরকার নেই, তাই না? আমরা সকলেই বিমান সংস্থা, হোটেল ইত্যাদির সাথে ফোনে কথা বলেছি এবং অপেক্ষা করেছি। তাই সেখান থেকেই ধারণাটি এসেছে।
আমরা অনেক গ্রাহকের সাথে কথা বলেছি ঠিক কী ধরণের পণ্য তৈরি করা উচিত তা জানতে। আমাদের জন্য একটি বিষয় উল্লেখযোগ্য ছিল যে আমরা যখন AI এজেন্ট সম্পর্কে আরও জানলাম, তখন আমরা ভাবতে শুরু করলাম যে যখন প্রচুর AI এজেন্ট থাকবে তখন ভবিষ্যৎ কেমন হবে। আমার মনে হয় সবাই বিশ্বাস করে যে ভবিষ্যতে প্রচুর AI এজেন্ট থাকবে।
আমরা যা ভাবছি তা হল, AI এজেন্টদের সাথে কাজ করা কর্মীরা কী করবেন? তাদের কাছে কী ধরণের সরঞ্জাম থাকবে? তারা যে এজেন্টদের সাথে কাজ করেন বা পরিচালনা করেন তাদের কীভাবে নিয়ন্ত্রণ করবেন বা দেখবেন?
তাহলে এই প্রশ্নটিকে কেন্দ্র করে আমরা কীভাবে কোম্পানিটি তৈরি করেছি তার মূল কথা এটাই। আমার মনে হয় এটিই আমাদের এখন আলাদা করে তোলে, কারণ আমরা এই AI এজেন্টদের বিভিন্ন সরঞ্জাম সরবরাহ করি যাতে আমরা যাদের সাথে কাজ করি তাদের এই এজেন্টগুলি তৈরি এবং কনফিগার করতে সাহায্য করা যায় যাতে তারা আর "ব্ল্যাক বক্স" না থাকে। আমরা এইভাবে আমাদের ব্র্যান্ড তৈরি করি।
ডেরিক হ্যারিস: আপনার শেষ কোম্পানিটি যেহেতু ভোক্তা-মুখী ভিডিও কোম্পানি ছিল, তাই এন্টারপ্রাইজ সফটওয়্যারে আসার জন্য আপনাকে কী অনুপ্রাণিত করেছিল?
জেসি ঝাং: দারুন প্রশ্ন। আমার মনে হয় প্রতিষ্ঠাতারা প্রায়শই কোনও বিষয় নির্বাচনের ক্ষেত্রে "বিষয়-অজ্ঞেয়বাদী" হন, কারণ বাস্তবে, যখন আপনি কোনও নতুন ক্ষেত্রের দিকে এগিয়ে যান, তখন আপনি সাধারণত বেশ সরল থাকেন। তাই নতুন দৃষ্টিকোণ থেকে বিষয়গুলি দেখার সুবিধা রয়েছে। তাই যখন আমরা এটি নিয়ে ভাবছিলাম, তখন প্রায় কোনও বিষয়ের সীমাবদ্ধতা ছিল না।
আমার মনে হয়, যাদের সংখ্যাগত পটভূমি বেশি, তাদের জন্য, এমনকি আমার ক্ষেত্রেও এটি খুবই সাধারণ একটি ধরণ। ভোক্তা পণ্য চেষ্টা করার পর, আপনি এন্টারপ্রাইজ সফ্টওয়্যারের দিকে আরও বেশি ঝুঁকতে থাকেন কারণ এন্টারপ্রাইজ সফ্টওয়্যারের সমস্যা বেশি।
আপনার প্রকৃত চাহিদা, বাজেট এবং এই জাতীয় জিনিস সহ প্রকৃত গ্রাহক আছেন, এবং আপনি তাদের জন্য সমস্যাগুলি অপ্টিমাইজ এবং সমাধান করতে পারেন। ভোক্তা বাজারও খুব আকর্ষণীয়, তবে এটি পরীক্ষা-নিরীক্ষার চেয়ে অন্তর্দৃষ্টির উপর বেশি নির্ভরশীল। ব্যক্তিগতভাবে আমার জন্য, এন্টারপ্রাইজ সফ্টওয়্যারই সবচেয়ে ভালো।
কিম্বার্লি ট্যান: প্রথমে, আমরা এই প্রশ্নটি দিয়ে শুরু করতে পারি: ডেকাগন বর্তমানে সবচেয়ে সাধারণ কোন সহায়তা বিভাগগুলির সাথে কাজ করে? আপনি কি এই সমস্যাগুলি সমাধানের জন্য বৃহৎ ভাষা মডেল (LLM) কীভাবে ব্যবহার করেন এবং এখন আপনি কী করতে পারেন যা আপনি আগে করতে পারেননি তা বিস্তারিতভাবে বলতে পারেন?
জেসি ঝাং: যদি আপনি আগের অটোমেশনের দিকে ফিরে তাকান, তাহলে আপনি হয়তো ডিসিশন ট্রি ব্যবহার করে সহজ কিছু করতেন, কোন পথ বেছে নেবেন তা নির্ধারণ করতেন। কিন্তু আমরা সকলেই চ্যাটবট ব্যবহার করেছি, এবং এটি বেশ হতাশাজনক অভিজ্ঞতা।
প্রায়শই আপনার প্রশ্নের উত্তর কোনও সিদ্ধান্ত বৃক্ষ দ্বারা সম্পূর্ণরূপে দেওয়া যায় না। তাই আপনাকে এমন একটি প্রশ্নের পথে পরিচালিত করা হয় যা প্রশ্নের সাথে সম্পর্কিত কিন্তু এটির সাথে পুরোপুরি মেলে না। এখন, আমাদের কাছে বৃহৎ ভাষা মডেল (LLM) রয়েছে। LLM-এর জাদু হল যে তারা খুব নমনীয়, বিভিন্ন পরিস্থিতিতে খাপ খাইয়ে নিতে পারে এবং মৌলিক বুদ্ধিমত্তা রাখে।
যখন আপনি এটি গ্রাহক সহায়তায় প্রয়োগ করেন, অথবা যখন কোনও গ্রাহক কোনও প্রশ্ন জিজ্ঞাসা করেন, তখন আপনি আরও ব্যক্তিগতকৃত পরিষেবা প্রদান করতে পারেন। এটি প্রথম পয়েন্ট, ব্যক্তিগতকরণের স্তরটি ব্যাপকভাবে উন্নত হয়েছে। এটি উচ্চতর মেট্রিক্স আনলক করে। আপনি আরও সমস্যা সমাধান করতে পারেন, গ্রাহকরা আরও সন্তুষ্ট হন এবং গ্রাহক সন্তুষ্টি বৃদ্ধি পায়।
পরবর্তী স্বাভাবিক পদক্ষেপ হল: যদি আপনার এই বুদ্ধিমত্তা থাকে, তাহলে আপনি মানুষের মতো আরও অনেক কিছু করতে সক্ষম হবেন। মানুষ যা করতে পারে তা হল তারা রিয়েল টাইমে ডেটা সংগ্রহ করতে পারে, তারা পদক্ষেপ নিতে পারে এবং তারা একাধিক ধাপের মাধ্যমে যুক্তি করতে পারে। যদি কোনও গ্রাহক তুলনামূলকভাবে জটিল প্রশ্ন জিজ্ঞাসা করে, তাহলে হয়তো "আমি এটি এবং এটি করতে চাই," এবং AI কেবল প্রথম প্রশ্নটি পরিচালনা করার জন্য প্রস্তুত। LLM যথেষ্ট বুদ্ধিমান যে এখানে দুটি প্রশ্ন রয়েছে তা বুঝতে পারে। প্রথমত, এটি প্রথম সমস্যাটি সমাধান করবে এবং তারপরে আপনাকে দ্বিতীয় সমস্যাটি সমাধান করতে সহায়তা করবে।
এলএলএম আসার আগে, এটি মূলত অসম্ভব ছিল। তাই আমরা এখন প্রযুক্তি কী করতে সক্ষম তার মধ্যে একটি ধাপ পরিবর্তন দেখতে পাচ্ছি, এবং এটি এলএলএম-এর জন্য ধন্যবাদ।
কিম্বার্লি ট্যান: এই প্রেক্ষাপটে, আপনি একজন এআই এজেন্টকে কীভাবে সংজ্ঞায়িত করবেন? যেহেতু "এজেন্ট" শব্দটি ব্যাপকভাবে ব্যবহৃত হয়, তাই ডেকাগনের প্রেক্ষাপটে এর প্রকৃত অর্থ কী তা জানতে আমার আগ্রহ আছে।
জেসি ঝাং: আমি বলব যে Agent বলতে এমন একটি সিস্টেমকে বোঝায় যেখানে একাধিক LLM (বৃহৎ ভাষা মডেল) সিস্টেম একসাথে কাজ করে। আপনার একটি LLM আমন্ত্রণ আছে, যার মধ্যে মূলত একটি প্রম্পট পাঠানো এবং একটি প্রতিক্রিয়া পাওয়া জড়িত। একজন এজেন্টের জন্য, আপনি একাধিক আমন্ত্রণ সংযুক্ত করতে সক্ষম হতে চান, এমনকি পুনরাবৃত্তিমূলকভাবেও।
উদাহরণস্বরূপ, আপনার কাছে একটি LLM কল আছে যা বার্তাটি কীভাবে পরিচালনা করতে হবে তা নির্ধারণ করে এবং তারপরে এটি অন্যান্য কলগুলিকে ট্রিগার করতে পারে যা আরও ডেটা টেনে আনে, ক্রিয়া সম্পাদন করে এবং ব্যবহারকারীর কথার পুনরাবৃত্তি করে, এমনকি ফলো-আপ প্রশ্নও জিজ্ঞাসা করে। সুতরাং আমাদের জন্য, একজন এজেন্টকে প্রায় LLM কল, API কল, অথবা অন্যান্য যুক্তির একটি নেটওয়ার্ক হিসাবে বোঝা যেতে পারে যা আরও ভাল অভিজ্ঞতা প্রদানের জন্য একসাথে কাজ করে।
কিম্বার্লি ট্যান: এই বিষয়ে, সম্ভবত আমরা আপনার তৈরি এজেন্ট অবকাঠামো সম্পর্কে আরও কথা বলতে পারি। আমার মনে হয় একটি খুব আকর্ষণীয় বিষয় হল যে বাজারে এআই এজেন্টের অনেক প্রদর্শনী রয়েছে, তবে আমার মনে হয় খুব কম উদাহরণ রয়েছে যা আসলে একটি উৎপাদন পরিবেশে স্থিতিশীলভাবে চলতে পারে। এবং বাইরে থেকে কোনটি আসল এবং কোনটি নয় তা জানা কঠিন।
তাহলে আপনার মতে, আজকের এআই এজেন্টদের কোন দিকগুলো ভালো করছে, এবং কোন দিকগুলোতে এখনও প্রযুক্তিগত অগ্রগতি প্রয়োজন যাতে এগুলো আরও শক্তিশালী এবং নির্ভরযোগ্য হয়ে ওঠে?
জেসি ঝাং: আমার দৃষ্টিভঙ্গি আসলে একটু ভিন্ন। একজন AI এজেন্ট কেবল একটি ডেমো নাকি "সত্যিই কাজ করছে" তা নির্ধারণের মধ্যে পার্থক্য সম্পূর্ণরূপে প্রযুক্তি স্ট্যাকের মধ্যে নিহিত নয়, কারণ আমার মনে হয় বেশিরভাগ মানুষই প্রায় একই প্রযুক্তি ব্যবহার করছেন। আমার মনে হয় একবার আপনি আপনার কোম্পানির উন্নয়নে আরও এগিয়ে গেলে, উদাহরণস্বরূপ, আমাদের কোম্পানি এক বছরেরও বেশি সময় ধরে প্রতিষ্ঠিত হয়েছে, আপনি খুব নির্দিষ্ট কিছু তৈরি করতে পারবেন যা আপনার ব্যবহারের ক্ষেত্রে উপযুক্ত।
কিন্তু শেষ পর্যন্ত, সবাই একই মডেল অ্যাক্সেস করতে পারে এবং একই প্রযুক্তি ব্যবহার করতে পারে। আমার মনে হয় একজন AI এজেন্ট আসলে কার্যকরভাবে কাজ করতে পারে কিনা তার সবচেয়ে বড় পার্থক্য হল ব্যবহারের ধরণ। শুরুতে এটি জানা কঠিন, কিন্তু পিছনে ফিরে তাকালে আপনি দেখতে পাবেন যে একজন AI এজেন্টের জন্য প্রদর্শনের বাইরে গিয়ে ব্যবহারিক প্রয়োগে প্রবেশের জন্য দুটি বৈশিষ্ট্য অত্যন্ত গুরুত্বপূর্ণ।
প্রথমত, আপনি যে ব্যবহারের ক্ষেত্রে সমাধান করবেন তাতে অবশ্যই পরিমাণগত ROI (বিনিয়োগের উপর রিটার্ন) থাকতে হবে। এটি খুবই গুরুত্বপূর্ণ, কারণ যদি ROI পরিমাপ করা না যায়, তাহলে আপনার পণ্যটি ব্যবহার করতে এবং এর জন্য অর্থ প্রদান করতে লোকেদের বোঝানো কঠিন হবে। আমাদের ক্ষেত্রে, পরিমাণগত সূচক হল: আপনি কত শতাংশ সহায়তা অনুরোধ সমাধান করেন? যেহেতু এই সংখ্যাটি স্পষ্ট, লোকেরা এটি বুঝতে পারে - ওহ, ঠিক আছে, যদি আপনি আরও সমাধান করেন, আমি এই ফলাফলটিকে আমার বর্তমান ব্যয় এবং ব্যয় করা সময়ের সাথে তুলনা করতে পারি। সুতরাং, যদি এই সূচকটি থাকে, তবে আমাদের কাছে আরেকটি গুরুত্বপূর্ণ সূচক হল গ্রাহক সন্তুষ্টি। যেহেতু ROI সহজেই পরিমাপ করা যায়, লোকেরা সত্যিই এটি গ্রহণ করবে।
দ্বিতীয় কারণ হল ব্যবহারের ক্ষেত্রে ক্রমশ আরও কঠিন হতে হবে। শুরু থেকেই যদি আপনার একজন অতিমানবীয় এজেন্টের প্রয়োজন হয়, যা প্রায় ১০০১TP১১T ব্যবহারের কেস সমাধান করে, তাহলে এটি খুবই কঠিন হবে। কারণ আমরা জানি, LLM গুলি অ-নির্ধারণী, তাই আপনার কিছু ধরণের আকস্মিক পরিকল্পনা থাকা আবশ্যক। সৌভাগ্যবশত, সাপোর্ট ব্যবহারের কেসের একটি দুর্দান্ত বৈশিষ্ট্য রয়েছে এবং তা হল আপনি সর্বদা একজন মানুষের কাছে পৌঁছাতে পারেন। এমনকি যদি আপনি কেবল অর্ধেক সমস্যা সমাধান করতে পারেন, তবুও এটি মানুষের কাছে খুবই মূল্যবান।
তাই আমি মনে করি এই সাপোর্টের এই বৈশিষ্ট্যটি এটিকে AI এজেন্টের জন্য খুবই উপযুক্ত করে তোলে। আমার মনে হয় আরও অনেক ক্ষেত্র আছে যেখানে লোকেরা চিত্তাকর্ষক ডেমো তৈরি করতে পারে যেখানে AI এজেন্ট কেন কার্যকর হবে তা বোঝার জন্য আপনাকে খুব কাছ থেকে দেখারও প্রয়োজন নেই। কিন্তু যদি এটি শুরু থেকেই নিখুঁত হতে হয়, তাহলে এটি খুবই কঠিন। যদি তাই হয়, তাহলে প্রায় কেউই এটি চেষ্টা করতে বা ব্যবহার করতে চাইবে না কারণ এর অপূর্ণতার পরিণতি খুব গুরুতর হতে পারে - উদাহরণস্বরূপ, নিরাপত্তার দিক থেকে।
উদাহরণস্বরূপ, যখন লোকেরা সিমুলেশন করে, তখন তাদের সবসময় এই ধ্রুপদী চিন্তাভাবনা থাকে: "ওহ, এলএলএম যদি এটি পড়তে পারত তবে এটি দুর্দান্ত হত।" কিন্তু কেউ কেউ বলবে, "ঠিক আছে, এআই এজেন্ট, এটি করার চেষ্টা করো। আমি বিশ্বাস করি তুমি এটি করতে পারো।" কারণ যদি এটি ভুল করে, তবে পরিণতিগুলি খুব গুরুতর হতে পারে।
জেসি ঝাং: এটি সাধারণত আমাদের গ্রাহকরা সিদ্ধান্ত নেন, এবং বাস্তবে আমরা অনেক ধরণের পার্থক্য দেখতে পাই। একদিকে, কিছু লোক তাদের এজেন্টকে মানুষের মতো দেখায়, তাই তাদের মধ্যে একটি মানুষের অবতার, একটি মানুষের নাম থাকে এবং প্রতিক্রিয়াগুলি খুবই স্বাভাবিক। অন্যদিকে, এজেন্ট কেবল বলে যে এটি AI এবং ব্যবহারকারীদের কাছে এটি স্পষ্ট করে দেয়। আমি মনে করি আমরা যে বিভিন্ন কোম্পানির সাথে কাজ করি তাদের এই বিষয়ে বিভিন্ন অবস্থান রয়েছে।
সাধারণত, যদি আপনি একটি নিয়ন্ত্রিত শিল্পে থাকেন, তাহলে আপনাকে এটি স্পষ্ট করে বলতে হবে। এখন আমার কাছে আকর্ষণীয় বিষয় হল গ্রাহকদের আচরণ পরিবর্তন হচ্ছে। কারণ আমাদের অনেক গ্রাহক সোশ্যাল মিডিয়ায় প্রচুর প্রতিক্রিয়া পাচ্ছেন, যেমন, "ওহ মাই গড, এটিই প্রথম চ্যাট অভিজ্ঞতা যা আমি চেষ্টা করেছি যা আসলে এত বাস্তব মনে হয়," অথবা "এটি কেবল জাদু।" এবং এটি তাদের জন্য দুর্দান্ত, কারণ এখন তাদের গ্রাহকরা শিখছেন, আরে, যদি এটি একটি AI অভিজ্ঞতা হয়, তবে এটি আসলে মানুষের চেয়েও ভাল হতে পারে। অতীতে এটি ছিল না, কারণ আমাদের বেশিরভাগেরই অতীতে এই ধরণের ফোন গ্রাহক পরিষেবা অভিজ্ঞতা ছিল: "ঠিক আছে, AI, AI, AI..."
কিম্বার্লি ট্যান: আপনি ব্যক্তিগতকরণের ধারণাটি কয়েকবার উল্লেখ করেছেন। সবাই একই অন্তর্নিহিত প্রযুক্তি স্থাপত্য ব্যবহার করছে, কিন্তু সহায়তা পরিষেবার ক্ষেত্রে তাদের ব্যক্তিগতকরণের চাহিদা ভিন্ন। আপনি কি এই বিষয়ে কথা বলতে পারেন? বিশেষ করে, আপনি কীভাবে ব্যক্তিগতকরণ অর্জন করবেন যাতে লোকেরা অনলাইনে বলতে পারে, "হে ঈশ্বর, এটি আমার সেরা সহায়তা অভিজ্ঞতা"?
জেসি ঝাং: আমাদের জন্য, ব্যবহারকারীর জন্য কাস্টমাইজেশন থেকে ব্যক্তিগতকরণ আসে। আপনাকে ব্যবহারকারীর পটভূমির তথ্য বুঝতে হবে, যা অতিরিক্ত প্রেক্ষাপটের জন্য প্রয়োজনীয়। দ্বিতীয়ত, আপনাকে আমাদের গ্রাহকদের ব্যবসায়িক যুক্তিও বুঝতে হবে।যদি আপনি দুটিকে একত্রিত করেন, তাহলে আপনি বেশ ভালো অভিজ্ঞতা প্রদান করতে পারবেন।
স্পষ্টতই, এটি সহজ শোনাচ্ছে, কিন্তু বাস্তবে সমস্ত প্রয়োজনীয় প্রেক্ষাপট পাওয়া খুবই কঠিন। অতএব, আমাদের বেশিরভাগ কাজ হল সঠিক আদিম উপাদানগুলি কীভাবে তৈরি করা যায় তা নিয়ে যাতে কোনও গ্রাহক যখন আমাদের সিস্টেম স্থাপন করেন, তখন তারা সহজেই সিদ্ধান্ত নিতে পারেন, "ঠিক আছে, এটিই আমরা চাই এমন ব্যবসায়িক যুক্তি।" উদাহরণস্বরূপ, প্রথমে আপনাকে এই চারটি ধাপ করতে হবে, এবং যদি তৃতীয় ধাপ ব্যর্থ হয়, তাহলে আপনাকে পঞ্চম ধাপে যেতে হবে।
আপনি খুব সহজেই AI-কে এটি শেখাতে সক্ষম হতে চান, তবে এটিকে "এটি ব্যবহারকারীর অ্যাকাউন্টের বিবরণ। আপনার যদি আরও তথ্যের প্রয়োজন হয়, তাহলে আপনি এই API গুলিকে কল করতে পারেন।" এই স্তরগুলি মডেলের উপরে একটি সমন্বয় স্তর, এবং একভাবে, তারা এজেন্টকে সত্যিই ব্যবহারযোগ্য করে তোলে।
কিম্বার্লি ট্যান: মনে হচ্ছে এই ক্ষেত্রে, আপনার ব্যবসায়িক সিস্টেমগুলিতে প্রচুর অ্যাক্সেসের প্রয়োজন। ব্যবহারকারীদের সম্পর্কে আপনার অনেক কিছু জানা দরকার, এবং সম্ভবত আপনার জানতে হবে যে গ্রাহক আসলে তাদের ব্যবহারকারীদের সাথে কীভাবে যোগাযোগ করতে চান।আমি কল্পনা করি যে এই তথ্যগুলি খুবই সংবেদনশীল হতে পারে।
এআই এজেন্ট মোতায়েন করার সময় এন্টারপ্রাইজ গ্রাহকদের সাধারণত কী কী আশ্বাসের প্রয়োজন হয়, সে সম্পর্কে বিস্তারিত বলতে পারেন? এবং এই সমস্যাগুলি মোকাবেলা করার সর্বোত্তম উপায় কী বলে আপনি মনে করেন, বিশেষ করে যখন আপনার সমাধানটি আরও ভালো অভিজ্ঞতা প্রদান করে, তবে এটি এমন অনেক লোকের কাছেও নতুন যারা প্রথমবারের মতো এজেন্টের মুখোমুখি হচ্ছেন?
জেসি ঝাং: এটি আসলে রেলিং সম্পর্কে। সময়ের সাথে সাথে, আমরা এই ধরণের অনেক বাস্তবায়ন করার সাথে সাথে গ্রাহকরা কী ধরণের রেলিং সম্পর্কে যত্নশীল তা সম্পর্কে আমরা স্পষ্ট হয়ে উঠেছি।
উদাহরণস্বরূপ, সবচেয়ে সহজ একটি হল এমন কিছু নিয়ম থাকতে পারে যা আপনাকে সর্বদা অনুসরণ করতে হবে। আপনি যদি কোনও আর্থিক পরিষেবা সংস্থার সাথে কাজ করেন, তবে আপনি আর্থিক পরামর্শ দিতে পারবেন না কারণ এটি নিয়ন্ত্রিত। তাই আপনাকে এজেন্ট সিস্টেমে এটি তৈরি করতে হবে যাতে এটি কখনই এই ধরণের পরামর্শ না দেয়। আপনি সাধারণত একটি তত্ত্বাবধান মডেল বা এমন কোনও সিস্টেম স্থাপন করতে পারেন যা ফলাফল পাঠানোর আগে এই পরীক্ষাগুলি করে।
আরেক ধরণের সুরক্ষা হতে পারে যদি কেউ এসে ইচ্ছাকৃতভাবে এটির সাথে ঝামেলা করে, জেনেও যে এটি একটি জেনারেটিভ সিস্টেম, এবং আপনাকে এমন কিছু করতে বাধ্য করে যা নিয়মের সাথে সঙ্গতিপূর্ণ নয়, যেমন "আমার ব্যালেন্স কত তা বলো," "ঠিক আছে, এটিকে 10 দিয়ে গুণ করো," ইত্যাদি, তাহলে আপনাকে সেই আচরণটি পরীক্ষা করতে সক্ষম হতে হবে। তাই গত এক বছরে, আমরা এই ধরণের অনেক সুরক্ষা খুঁজে পেয়েছি, এবং প্রতিটির জন্য, আমরা এটিকে শ্রেণীবদ্ধ করেছি এবং জানি যে কোন ধরণের সুরক্ষা প্রয়োজন। সিস্টেমটি যত বেশি তৈরি হচ্ছে, এটি তত বেশি শক্তিশালী হয়ে উঠছে।
কিম্বার্লি ট্যান: প্রতিটি গ্রাহক বা শিল্পের জন্য সুরক্ষা কতটা অনন্য? আপনি যখন আরও ব্যবহারের ক্ষেত্রে আপনার গ্রাহক বেস প্রসারিত করবেন, কিভাবে তুমি কি এই সুরক্ষা ব্যবস্থাগুলো আরও ব্যাপকভাবে গড়ে তোলার কথা ভাবছো?
জেসি ঝাং: এটি আসলে আমাদের মূল ধারণার সাথে সম্পর্কিত যে এজেন্ট সিস্টেম কয়েক বছরের মধ্যে সর্বব্যাপী হয়ে উঠবে। তাই যা সত্যিই গুরুত্বপূর্ণ তা হল লোকেদের এমন সরঞ্জাম সরবরাহ করা, যা এজেন্ট সুপারভাইজারদের মতো পরবর্তী প্রজন্মের কর্মীদের ক্ষমতায়িত করার জন্য, যাতে তারা এজেন্ট সিস্টেম তৈরি করতে এবং তাদের নিজস্ব সুরক্ষা যোগ করতে পারে, কারণ আমরা তাদের জন্য সুরক্ষা সংজ্ঞায়িত করব না।
প্রতিটি গ্রাহক তাদের নিজস্ব সুরক্ষা ব্যবস্থা এবং ব্যবসায়িক যুক্তি সবচেয়ে ভালোভাবে জানেন। তাই আমাদের কাজ আসলে সরঞ্জাম এবং অবকাঠামো তৈরির একটি ভাল কাজ করা যাতে তারা এজেন্ট সিস্টেম তৈরি করতে পারে। অতএব, আমরা সর্বদা জোর দিয়েছি যে এজেন্ট সিস্টেমটি কোনও ব্ল্যাক বক্স হওয়া উচিত নয় এবং আপনি এই সুরক্ষা, নিয়ম এবং যুক্তি কীভাবে তৈরি করবেন তা নিয়ন্ত্রণ করতে সক্ষম হবেন।
আমার মনে হয় এটাই সম্ভবত এখন পর্যন্ত আমাদের সবচেয়ে আলাদা দিক। আমরা এই টুলগুলিতে অনেক প্রচেষ্টা করেছি এবং সৃজনশীল উপায় নিয়ে এসেছি যাতে এমন মানুষরা যারা খুব ভালো প্রযুক্তিগত পটভূমি পান না, এমনকি AI মডেলগুলি কীভাবে কাজ করে সে সম্পর্কে গভীর ধারণাও রাখেন না, তারা এজেন্ট সিস্টেমে AI-এর কাছ থেকে কী কী কাজ করা উচিত তা ইনপুট করতে পারেন।
আমার মনে হয় আগামী কয়েক বছরের মধ্যে এটি ক্রমবর্ধমান গুরুত্বপূর্ণ ক্ষমতা হয়ে উঠবে। লোকেরা যখন একই ধরণের সরঞ্জামগুলি মূল্যায়ন করে তখন এটি সবচেয়ে গুরুত্বপূর্ণ মানদণ্ডগুলির মধ্যে একটি হওয়া উচিত, কারণ আপনি সময়ের সাথে সাথে এই সিস্টেমগুলিকে ক্রমাগত অপ্টিমাইজ এবং উন্নত করতে সক্ষম হতে চান।
প্রাকৃতিক ভাষা দ্বারা চালিত ব্যবসায়িক যুক্তি
ডেরিক হ্যারিস: গ্রাহক বা ব্যবসা প্রতিষ্ঠান যেকোনো ধরণের অটোমেশনের জন্য কী কী প্রস্তুতি নিতে পারে, বিশেষ করে এই এজেন্ট সিস্টেম ব্যবহারের জন্য? উদাহরণস্বরূপ, তারা কীভাবে তাদের ডেটা সিস্টেম, সফ্টওয়্যার আর্কিটেকচার বা ব্যবসায়িক যুক্তি ডিজাইন করতে পারে যাতে এই ধরনের সিস্টেমগুলি সমর্থন করে?
কারণ আমার মনে হয় প্রথমে অনেক AI প্রযুক্তি নতুন, কিন্তু যখন বিদ্যমান লিগ্যাসি সিস্টেমের কথা আসে, তখন প্রায়শই অনেক বিশৃঙ্খলার সম্মুখীন হয়।
জেসি ঝাং: যদি কেউ এখন একেবারে শুরু থেকে নতুন কিছু তৈরি করে, তাহলে অনেক ভালো অনুশীলন আছে যা আপনার কাজকে সহজ করে তুলতে পারে। উদাহরণস্বরূপ, আপনার জ্ঞানের ভিত্তি কীভাবে গঠন করবেন। আমরা এর মধ্যে কয়েকটি সম্পর্কে লিখেছি, এবং কিছু পদ্ধতি চালু করেছি যা AI-এর জন্য তথ্য গ্রহণ করা এবং এর নির্ভুলতা উন্নত করা সহজ করে তুলতে পারে। একটি নির্দিষ্ট পরামর্শ হল একাধিক উত্তর সহ একটি বড় নিবন্ধের পরিবর্তে জ্ঞানের ভিত্তিকে মডিউলার অংশে ভাগ করা।
API সেট আপ করার সময়, আপনি এগুলিকে এজেন্ট সিস্টেমের জন্য আরও উপযুক্ত করে তুলতে পারেন, এবং অনুমতি এবং আউটপুট এমনভাবে সেট করতে পারেন যাতে এজেন্ট সিস্টেমের পক্ষে তথ্য গ্রহণ করা সহজ হয় এবং উত্তর খুঁজে বের করার জন্য অনেক গণনা করতে না হয়। এগুলি কিছু কৌশলগত ব্যবস্থা যা নেওয়া যেতে পারে, তবে আমি বলব না যে এজেন্ট সিস্টেম ব্যবহার করার জন্য কিছু করতে হবে।
ডেরিক হ্যারিস: ভালো ডকুমেন্টেশন সবসময় গুরুত্বপূর্ণ, মূলত এটি কার্যকরভাবে তথ্য সংগঠিত করার বিষয়ে।
কিম্বার্লি ট্যান: মনে হচ্ছে যদি আপনি মানুষকে এজেন্ট সিস্টেমকে এমনভাবে পরিচালনা করতে শেখানোর চেষ্টা করেন যা তাদের গ্রাহকদের জন্য বা নির্দিষ্ট ব্যবহারের ক্ষেত্রে সবচেয়ে উপযুক্ত, তাহলে UI এবং UX ডিজাইন নিয়ে অনেক পরীক্ষা-নিরীক্ষার প্রয়োজন হতে পারে, অথবা আপনাকে এই সম্পূর্ণ নতুন ক্ষেত্রে নতুন পথ খুঁজে বের করতে হবে, কারণ এটি ঐতিহ্যবাহী সফ্টওয়্যার থেকে অনেক আলাদা।
আমি কৌতূহলী, তুমি এটা সম্পর্কে কেমন ভাবো? এজেন্ট-প্রথম বিশ্বে UI এবং UX কেমন হওয়া উচিত? আগামী কয়েক বছরের মধ্যে এটি কীভাবে পরিবর্তিত হবে বলে তুমি মনে করো?
জেসি ঝাং: আমি বলব না যে আমরা এই সমস্যার সমাধান করেছি। আমার মনে হয় আমরা হয়তো এমন একটি স্থানীয় সর্বোত্তম উপায় খুঁজে পেয়েছি যা আমাদের বর্তমান গ্রাহকদের জন্য কাজ করে, কিন্তু এটি এখনও আমাদের এবং আরও অনেকের জন্য গবেষণার একটি চলমান ক্ষেত্র।
মূল সমস্যাটি আমরা আগে যা উল্লেখ করেছি তার সাথে সম্পর্কিত, যা হল আপনার একটি এজেন্ট সিস্টেম আছে। প্রথমত, আপনি কীভাবে স্পষ্টভাবে দেখতে পাবেন যে এটি কী করছে এবং কীভাবে সিদ্ধান্ত নিচ্ছে? তারপর, আপনি কীভাবে এই তথ্য ব্যবহার করে সিদ্ধান্ত নিতে পারেন যে কী আপডেট করা দরকার এবং AI-তে কী প্রতিক্রিয়া দেওয়া উচিত? এখানেই UI উপাদানগুলি একত্রিত হয়, বিশেষ করে দ্বিতীয় অংশ।
আমরা মনে করি সময়ের সাথে সাথে, UI এবং UX আরও বেশি প্রাকৃতিক ভাষা-ভিত্তিক হয়ে উঠবে, কারণ এজেন্ট সিস্টেম এভাবেই চিন্তা করে, অথবা এটি মূলত বৃহৎ ভাষা মডেল (LLM) প্রশিক্ষণের ভিত্তি।
চরমভাবে, যদি আপনার কাছে একজন অতি-বুদ্ধিমান এজেন্ট থাকে যে মূলত মানুষের মতো চিন্তা করে, আপনি তাকে জিনিসগুলি দেখাতে পারেন, তাকে জিনিসগুলি ব্যাখ্যা করতে পারেন, প্রতিক্রিয়া জানাতে পারেন এবং এটি তার নিজস্ব "মনে" আপডেট হবে। আপনি কল্পনা করতে পারেন যে একজন অত্যন্ত দক্ষ ব্যক্তি আপনার দলে যোগদান করছেন, আপনি তাকে কিছু শেখান, সে কাজ শুরু করে, এবং তারপরে আপনি তাকে প্রতিক্রিয়া জানাতে থাকেন, আপনি তাকে নতুন জিনিস, নতুন নথি, ডায়াগ্রাম ইত্যাদি দেখাতে পারেন।
আমার মনে হয় চরম ক্ষেত্রে, এটি এই দিকে বিকশিত হবে: জিনিসগুলি আরও কথোপকথনমূলক, আরও প্রাকৃতিক ভাষা-ভিত্তিক হয়ে উঠবে এবং লোকেরা আগের মতো জটিল সিদ্ধান্ত বৃক্ষ দিয়ে সিস্টেম তৈরি করা বন্ধ করবে, আপনি যা চান তা ক্যাপচার করবে, কিন্তু এই পদ্ধতিটি সহজেই ভেঙে যেতে পারে। আমাদের এটি করতে হত কারণ তখন কোনও LLM ছিল না, কিন্তু এখন যেহেতু এজেন্ট সিস্টেমগুলি আরও শক্তিশালী হয়ে উঠছে, UI এবং UX আরও কথোপকথনমূলক হয়ে উঠবে।
কিম্বার্লি ট্যান: প্রায় দেড় বছর আগে, যখন ডেকাগন প্রথম শুরু হয়, তখন একটি সাধারণ ধারণা ছিল যে LLM অনেক ব্যবহারের ক্ষেত্রেই প্রযোজ্য, কিন্তু আসলে এটি ছিল এক ধরণের "GPT র্যাপার", যেখানে কোম্পানিগুলি কেবল একটি API এর মাধ্যমে একটি অন্তর্নিহিত মডেল কল করতে পারে এবং তাৎক্ষণিকভাবে তাদের সহায়তা সমস্যা সমাধান করতে পারে।
কিন্তু স্পষ্টতই, কোম্পানিগুলি সরাসরি সেই পথে না গিয়ে ডেকাগনের মতো সমাধানগুলি ব্যবহার করার সিদ্ধান্ত নেওয়ার পর দেখা যাচ্ছে যে এটি এমন নয়। আমি ভাবছিলাম যে আপনি কি ব্যাখ্যা করতে পারেন কেন এটি এমন। অভ্যন্তরীণভাবে নির্মাণের চ্যালেঞ্জগুলি প্রত্যাশার চেয়ে জটিল করে তুলেছে ঠিক কী? ধারণাটি সম্পর্কে তাদের কী ভুল ধারণা ছিল?
জেসি ঝাং: "GPT র্যাপার" হওয়াতে কোনও দোষ নেই, আপনি বলতে পারেন যে Purcell হল একটি AWS র্যাপার বা এরকম কিছু। সাধারণত, যখন লোকেরা এই শব্দটি ব্যবহার করে, তখন এর অর্থ অবমাননাকর কিছু।
আমার ব্যক্তিগত মতামত হল, যদি আপনি একটি এজেন্ট সিস্টেম তৈরি করেন, তাহলে সংজ্ঞা অনুসারে আপনি অবশ্যই LLM কে একটি হাতিয়ার হিসেবে ব্যবহার করবেন। সুতরাং আপনি আসলে এমন কিছুর উপরে নির্মাণ করছেন যা ইতিমধ্যেই বিদ্যমান, ঠিক যেমন আপনি সাধারণত AWS বা GCP-তে নির্মাণ করেন।
কিন্তু আসল সমস্যা হল, LLM-এর উপরে আপনি যে সফটওয়্যারটি তৈরি করেন তা যদি "ভারী" বা যথেষ্ট জটিল না হয় যা কোনও পার্থক্য তৈরি করতে পারে।
পিছনে ফিরে তাকালে, আমরা যা বিক্রি করি তা মূলত সফটওয়্যার। আমরা আসলে একটি নিয়মিত সফটওয়্যার কোম্পানির মতো, তবে আমরা সফটওয়্যারের অংশ এবং একটি টুল হিসেবে LLM ব্যবহার করি। কিন্তু যখন লোকেরা এই ধরণের পণ্য কেনে, তখন তারা মূলত সফটওয়্যারটিই চায়। তারা এমন টুল চায় যা AI পর্যবেক্ষণ করতে পারে, যা AI-এর প্রতিটি কথোপকথনের বিস্তারিত জানতে পারে, যা প্রতিক্রিয়া জানাতে পারে, যা ক্রমাগত সিস্টেম তৈরি এবং সামঞ্জস্য করতে পারে।
তাহলে এটাই আমাদের সফটওয়্যারের মূল কথা। এজেন্ট সিস্টেমের ক্ষেত্রেও, মানুষের সমস্যা হল ডেমো করাটা বেশ ভালো, কিন্তু যদি আপনি এটিকে উৎপাদন-প্রস্তুত এবং সত্যিই গ্রাহক-মুখী করতে চান, তাহলে আপনাকে অনেক দীর্ঘস্থায়ী সমস্যার সমাধান করতে হবে, যেমন "ভ্রম" ঘটনাটি প্রতিরোধ করা এবং ক্ষতিকর প্রভাব বিস্তারকারী খারাপ ব্যক্তিদের মোকাবেলা করা। আমাদের নিশ্চিত করতে হবে যে ল্যাটেন্সি যথেষ্ট কম, সুর উপযুক্ত, ইত্যাদি।
আমরা অনেক দলের সাথে কথা বলেছি, এবং তারা কিছু পরীক্ষা-নিরীক্ষা করেছে, একটি প্রাথমিক সংস্করণ তৈরি করেছে, এবং তারপর তারা বুঝতে পেরেছে, "ওহ, সত্যিই, আমরা পরবর্তী পর্যায়ে এই বিবরণগুলি তৈরি করতে চাই না।" তারা গ্রাহক পরিষেবা দলে নতুন যুক্তি যুক্ত করতেও চাইনি। তাই এই মুহুর্তে, অন্যদের সাথে সহযোগিতা করা বেছে নেওয়া আরও উপযুক্ত বলে মনে হচ্ছে।
কিম্বার্লি ট্যান: আপনি কিছু দীর্ঘমেয়াদী বিষয় উল্লেখ করেছেন, যেমন খারাপ অভিনেতাদের মোকাবেলা করার প্রয়োজনীয়তা ইত্যাদি।আমার বিশ্বাস, অনেক শ্রোতা যারা AI Agent ব্যবহার করার কথা ভাবছেন তারা LLM প্রবর্তনের পর নতুন নিরাপত্তা আক্রমণের পথ তৈরি হতে পারে, অথবা Agent সিস্টেম প্রবর্তনের পর নতুন নিরাপত্তা ঝুঁকি তৈরি হতে পারে, তা নিয়ে চিন্তিত। এই বিষয়গুলি সম্পর্কে আপনার কী মনে হয়? এবং উচ্চমানের এন্টারপ্রাইজ নিরাপত্তা নিশ্চিত করার জন্য সর্বোত্তম অনুশীলনগুলি কী কী? এজেন্ট?
জেসি ঝাং: নিরাপত্তার ক্ষেত্রে, কিছু স্পষ্ট ব্যবস্থা গ্রহণ করা যেতে পারে, যা আমি আগে উল্লেখ করেছি, যেমন প্রতিরক্ষামূলক ব্যবস্থার প্রয়োজনীয়তা। মূল সমস্যা হল যে এলএলএম সম্পর্কে মানুষের উদ্বেগ হল যে তারা নির্ণায়ক নয়।
কিন্তু ভালো খবর হল যে আপনি বেশিরভাগ সংবেদনশীল এবং জটিল ক্রিয়াকলাপগুলিকে একটি নির্ধারক প্রাচীরের আড়ালে রাখতে পারেন, এবং গণনাটি তখনই ঘটে যখন এটি API কল করে। তাই আপনি এটি পরিচালনা করার জন্য সম্পূর্ণরূপে LLM-এর উপর নির্ভর করবেন না, এবং এটি অনেক মূল সমস্যা এড়াবে।
কিন্তু এখনও এমন পরিস্থিতি রয়েছে যেখানে, উদাহরণস্বরূপ, কোনও খারাপ ব্যক্তি হস্তক্ষেপ করে অথবা কেউ সিস্টেমকে বিভ্রান্ত করার চেষ্টা করে। আমরা লক্ষ্য করেছি যে আমরা যেসব প্রধান গ্রাহকদের সাথে কাজ করি, তাদের অনেকের নিরাপত্তা দল প্রবেশ করে এবং মূলত আমাদের পণ্যগুলিতে একটি "রেড টিম" পরীক্ষা করে, দুর্বলতাগুলি খুঁজে বের করার জন্য সিস্টেমের উপর বিভিন্ন সম্ভাব্য আক্রমণ চালিয়ে সপ্তাহ কাটায়। AI এজেন্ট যত বেশি জনপ্রিয় হয়ে উঠছে, আমরা হয়তো এটি আরও বেশি করে ঘটতে দেখছি, কারণ এটি একটি সিস্টেম কার্যকর কিনা তা পরীক্ষা করার সেরা উপায়গুলির মধ্যে একটি। এটি হল একটি রেড টিম পরীক্ষার মাধ্যমে এটিতে কিছু নিক্ষেপ করা এবং এটি প্রতিরক্ষা ভেঙে ফেলতে পারে কিনা তা দেখা।
এমন কিছু স্টার্টআপও আছে যারা রেড টিম টুল তৈরি করছে অথবা লোকেদের নিজেরাই এই ধরণের পরীক্ষা করার সুযোগ করে দিচ্ছে, যা বর্তমানে আমরা একটি প্রবণতা দেখতে পাচ্ছি। আমরা যে কোম্পানিগুলির সাথে কাজ করি, তাদের বেশিরভাগই বিক্রয় চক্রের পরবর্তী পর্যায়ে তাদের নিরাপত্তা দল থাকবে, অথবা একটি বহিরাগত দলের সাথে কাজ করবে, যারা সিস্টেমের উপর চাপ পরীক্ষা করবে। আমাদের জন্য, এই ধরণের পরীক্ষায় উত্তীর্ণ হওয়া অপরিহার্য। তাই, শেষ পর্যন্ত, এটিই মূল বিষয়।
ডেরিক হ্যারিস: আপনি কি আপনার গ্রাহকদের এই ধরণের কাজ করতে উৎসাহিত করেন? কারণ যখন আমরা AI নীতিমালা সম্পর্কে কথা বলি, তখন আমরা একটি গুরুত্বপূর্ণ দিক উল্লেখ করি, যা হল অ্যাপ্লিকেশন স্তর, এবং আমরা দ LLM ব্যবহারকারীদের এবং অ্যাপ্লিকেশনটি পরিচালনাকারী ব্যক্তিদের উপর দায়বদ্ধতা, কেবল মডেলটিকে দোষারোপ করার পরিবর্তে। অর্থাৎ, গ্রাহকদের উচিত রেড টিম পরীক্ষা করা, নির্দিষ্ট ব্যবহারের ঘটনা এবং আক্রমণের পথ চিহ্নিত করা এবং কোন দুর্বলতাগুলি সুরক্ষিত করা প্রয়োজন তা নির্ধারণ করা, কেবল OpenAI বা অন্যান্য কোম্পানি দ্বারা ইতিমধ্যেই সেট করা সুরক্ষা সুরক্ষার উপর নির্ভর না করে।
জেসি ঝাং: আমি সম্পূর্ণ একমত। আমি আরও মনে করি যে বিজ্ঞপ্তির প্রয়োজনীয়তার একটি নতুন তরঙ্গ আসতে পারে, যা SOC 2 সার্টিফিকেশন এবং HIPAA সার্টিফিকেশনের মতো, যা এখন সবাই করছে, যা বিভিন্ন শিল্পে প্রয়োজনীয়। সাধারণত, যখন আপনি একটি জেনেরিক SaaS পণ্য বিক্রি করেন, তখন গ্রাহকদের পেনিট্রেশন পরীক্ষার প্রয়োজন হয় এবং আমাদের আমাদের পেনিট্রেশন পরীক্ষার রিপোর্টও প্রদান করতে হয়। AI এজেন্টের জন্য, ভবিষ্যতে একই রকম প্রয়োজনীয়তা থাকতে পারে, এবং কেউ এটির নাম দিতে পারে, তবে এটি মূলত এজেন্ট সিস্টেম যথেষ্ট শক্তিশালী কিনা তা পরীক্ষা করার একটি নতুন উপায়।
কিম্বার্লি ট্যান: একটা মজার বিষয় হলো, স্পষ্টতই সকলেই নতুন মডেলের সাফল্য এবং প্রযুক্তিগত সাফল্য সম্পর্কে খুবই উত্তেজিত, যা সমস্ত বড় ল্যাবগুলি চালু করছে। একটি AI কোম্পানি হিসেবে, আপনি অবশ্যই নিজের গবেষণা করেন না, তবে আপনি সেই গবেষণাকে কাজে লাগান এবং শেষ গ্রাহকের কাছে পৌঁছে দেওয়ার জন্য এর চারপাশে প্রচুর সফ্টওয়্যার তৈরি করেন।
কিন্তু আপনার কাজ দ্রুত পরিবর্তনশীল প্রযুক্তির উপর ভিত্তি করে। আমি জানতে আগ্রহী, একজন প্রয়োগকৃত এআই কোম্পানি হিসেবে, আপনি কীভাবে নতুন প্রযুক্তিগত পরিবর্তনের সাথে তাল মিলিয়ে চলেন এবং কীভাবে তারা কোম্পানিকে প্রভাবিত করে তা বোঝেন, একই সাথে আপনার নিজস্ব পণ্য রোডম্যাপ পূর্বাভাস দিতে এবং ব্যবহারকারীর চাহিদা তৈরি করতে সক্ষম হন? আরও বিস্তৃতভাবে বলতে গেলে, একই পরিস্থিতিতে প্রয়োগকৃত এআই কোম্পানিগুলির কোন কৌশল গ্রহণ করা উচিত?
জেসি ঝাং: আপনি আসলে পুরো স্ট্যাকটিকে বিভিন্ন অংশে ভাগ করতে পারেন। উদাহরণস্বরূপ, অ্যাপ্লিকেশন স্তরটি দেখলে LLM নীচে রয়েছে। আপনার মাঝখানে কিছু সরঞ্জাম থাকতে পারে যা আপনাকে LLM পরিচালনা করতে বা কিছু মূল্যায়ন করতে এবং এই জাতীয় জিনিস করতে সহায়তা করে। তারপর, উপরের অংশটি মূলত আমরা যা তৈরি করেছি, যা আসলে একটি স্ট্যান্ডার্ড SaaS এর মতো।
সুতরাং, আমাদের বেশিরভাগ কাজই আসলে নিয়মিত সফটওয়্যার থেকে খুব বেশি আলাদা নয়, তবে আমাদের একটি অতিরিক্ত গবেষণা উপাদান রয়েছে - LLM খুব দ্রুত পরিবর্তিত হয়। আমাদের গবেষণা করতে হবে যে তারা কী করতে পারে, তারা কীসে ভালো, এবং কোন মডেলটি একটি নির্দিষ্ট কাজ সম্পাদনের জন্য ব্যবহার করা উচিত। এটি একটি বড় সমস্যা কারণ OpenAI এবং Anthropic উভয়ই নতুন প্রযুক্তি চালু করছে, এবং Geminiও ধীরে ধীরে উন্নতি করছে।
অতএব, কোন মডেলটি কোন পরিস্থিতিতে ব্যবহারের জন্য উপযুক্ত তা বোঝার জন্য আপনার নিজস্ব মূল্যায়ন ব্যবস্থা থাকতে হবে। কখনও কখনও আপনাকে সূক্ষ্ম-টিউনও করতে হয়, কিন্তু প্রশ্ন হল: কখন সূক্ষ্ম-টিউন করতে হবে? কখন সূক্ষ্ম-টিউনিং সার্থক? সম্ভবত LLM সংক্রান্ত প্রধান গবেষণার বিষয়গুলোই আমরা এখানে মনোযোগ দিচ্ছি। কিন্তু অন্তত এখন পর্যন্ত, আমরা মনে করি না যে SaaS দ্রুত পরিবর্তিত হচ্ছে, কারণ আমরা মধ্যম স্তরের উপর নির্ভরশীল নই। তাই মূলত, LLM গুলিই পরিবর্তিত হচ্ছে। এগুলি খুব বেশি পরিবর্তন হয় না, এবং যখন তারা পরিবর্তন করে, তখন এটি সাধারণত একটি আপগ্রেড। উদাহরণস্বরূপ, Claude 3.5 সনেট কয়েক মাস আগে আপডেট করা হয়েছিল, এবং সেই সময়ে আমরা ভেবেছিলাম, "ঠিক আছে, আমাদের কি পুরানো মডেল ব্যবহার চালিয়ে যাওয়ার পরিবর্তে নতুন মডেলে স্যুইচ করা উচিত?"
আমাদের কেবল কয়েকটি মূল্যায়ন চালাতে হবে, এবং একবার আমরা নতুন মডেলে চলে গেলে, আমরা আর এটি নিয়ে ভাবি না কারণ আপনি ইতিমধ্যেই নতুন মডেলটি ব্যবহার করছেন। তারপর, o1 সংস্করণটি বেরিয়ে আসে, এবং পরিস্থিতি একই রকম ছিল। এটি কোথায় ব্যবহার করা যেতে পারে তা নিয়ে ভাবুন। আমাদের ক্ষেত্রে, বেশিরভাগ গ্রাহক-মুখী ব্যবহারের ক্ষেত্রে o1 কিছুটা ধীর, তাই আমরা কিছু ব্যাকগ্রাউন্ড কাজের জন্য এটি ব্যবহার করতে পারি। পরিশেষে, আমাদের কেবল মডেল গবেষণার জন্য একটি ভাল সিস্টেম থাকা দরকার।
কিম্বার্লি ট্যান: আপনি কত ঘন ঘন একটি নতুন মডেল মূল্যায়ন করেন এবং এটি প্রতিস্থাপন করার সিদ্ধান্ত নেন?
জেসি ঝাং: আমরা যখনই নতুন মডেল বাজারে আসে তখনই মূল্যায়ন করি। আপনাকে নিশ্চিত করতে হবে যে নতুন মডেলটি আরও স্মার্ট হলেও, এটি আপনার তৈরি কিছু ব্যবহারের ক্ষেত্রে কোনও ত্রুটি না ঘটায়। এটি ঘটতে পারে। উদাহরণস্বরূপ, নতুন মডেলটি সামগ্রিকভাবে আরও স্মার্ট হতে পারে, তবে কিছু চরম ক্ষেত্রে, এটি আপনার কর্মপ্রবাহের একটিতে A/B পছন্দে খারাপ পারফর্ম করে। আমরা এটির জন্যই মূল্যায়ন করি।
আমার মনে হয় সামগ্রিকভাবে, আমরা যে ধরণের বুদ্ধিমত্তার প্রতি সবচেয়ে বেশি মনোযোগ দিই তা হল "নির্দেশনা অনুসরণের ক্ষমতা"। আমরা চাই মডেলটি নির্দেশাবলী অনুসরণে আরও উন্নততর হোক। যদি তাই হয়, তাহলে এটি অবশ্যই আমাদের জন্য উপকারী, এবং এটি খুবই ভালো।
মনে হচ্ছে সাম্প্রতিক গবেষণা যুক্তির সাথে জড়িত বুদ্ধিমত্তার ধরণের উপর বেশি মনোযোগ দিয়েছে, যেমন উন্নত প্রোগ্রামিং এবং উন্নত গাণিতিক ক্রিয়াকলাপ। এটি আমাদেরও সাহায্য করে, তবে এটি নির্দেশনা অনুসরণের ক্ষমতার উন্নতির মতো গুরুত্বপূর্ণ নয়।
কিম্বার্লি ট্যান: আপনি যে একটি খুব আকর্ষণীয় বিষয় উল্লেখ করেছেন, এবং আমি মনে করি এটি ডেকাগনের জন্যও খুবই অনন্য, তা হল আপনি আপনার সরবরাহিত পরীক্ষার সেটের অধীনে প্রতিটি মডেল কীভাবে পারফর্ম করছে তা নিশ্চিত করার জন্য আপনার নিজস্ব মূল্যায়ন পরিকাঠামো তৈরি করা হয়েছে।
আপনি কি এই বিষয়ে বিস্তারিত বলতে পারবেন? এই অভ্যন্তরীণ মূল্যায়ন পরিকাঠামো কতটা গুরুত্বপূর্ণ, এবং বিশেষ করে কীভাবে এটি আপনাকে এবং আপনার গ্রাহকদের এজেন্টের কর্মক্ষমতার উপর আস্থা প্রদান করে? কারণ এই মূল্যায়নগুলির কিছু গ্রাহক-মুখীও।
জেসি ঝাং: আমি মনে করি এটি খুবই গুরুত্বপূর্ণ, কারণ এই মূল্যায়ন পরিকাঠামো ছাড়া, আমাদের পক্ষে দ্রুত পুনরাবৃত্তি করা খুব কঠিন হবে।
যদি আপনার মনে হয় যে প্রতিটি পরিবর্তনের ফলে কিছু ভেঙে যাওয়ার সম্ভাবনা বেশি, তাহলে আপনি দ্রুত পরিবর্তন করতে পারবেন না। কিন্তু যদি আপনার মূল্যায়ন ব্যবস্থা থাকে, তাহলে যখন কোনও বড় পরিবর্তন আসে, মডেল আপডেট হয়, অথবা নতুন কিছু আসে, তখন আপনি সরাসরি সমস্ত মূল্যায়ন পরীক্ষার সাথে তুলনা করতে পারেন। যদি মূল্যায়নের ফলাফল ভালো হয়, তাহলে আপনি অনুভব করতে পারেন: ঠিক আছে, আমরা উন্নতি করেছি, অথবা আপনি খুব বেশি চিন্তা না করে আত্মবিশ্বাসের সাথে এটি প্রকাশ করতে পারেন।
তাহলে, আমাদের ক্ষেত্রে, মূল্যায়নের জন্য গ্রাহকের মতামত প্রয়োজন, কারণ গ্রাহকই সিদ্ধান্ত নেন যে কোনও কিছু সঠিক কিনা। অবশ্যই, আমরা কিছু উচ্চ-স্তরের সমস্যা পরীক্ষা করতে পারি, তবে সাধারণত গ্রাহক নির্দিষ্ট ব্যবহারের ক্ষেত্রে আমাদের জানান এবং সঠিক উত্তর কী, অথবা এটি কী হওয়া উচিত, এটিকে কোন সুর বজায় রাখতে হবে, এটিকে কী বলতে হবে তা জানান।
মূল্যায়ন এই ভিত্তির উপর ভিত্তি করে। তাই আমাদের নিশ্চিত করতে হবে যে আমাদের মূল্যায়ন ব্যবস্থা যথেষ্ট শক্তিশালী। শুরুতে, আমরা নিজেরাই এটি তৈরি করেছি, এবং এটি বজায় রাখা খুব কঠিন নয়। আমরা এটাও জানি যে কিছু মূল্যায়ন কোম্পানি আছে, এবং আমরা তাদের মধ্যে কিছু অনুসন্ধান করেছি। হয়তো এক পর্যায়ে, আমরা বিবেচনা করব যে সেগুলি গ্রহণ করা উচিত কিনা, কিন্তু আপাতত, মূল্যায়ন ব্যবস্থা আর আমাদের জন্য কষ্টকর বিষয় নয়।
কিম্বার্লি ট্যান: আজকের দিনে একটি খুবই জনপ্রিয় বিষয় হল মাল্টিমোডালিটি, যার অর্থ হল এআই এজেন্টদের আজকের মানুষ যে সমস্ত রূপ ব্যবহার করে, সেগুলি টেক্সট, ভিডিও, ভয়েস ইত্যাদি যাই হোক না কেন, সকল ক্ষেত্রেই ইন্টারঅ্যাক্ট করতে সক্ষম হওয়া উচিত। আমি জানি যে ডেকাগন টেক্সট-ভিত্তিক হিসাবে শুরু হয়েছিল। আপনার দৃষ্টিকোণ থেকে, কতটা গুরুত্বপূর্ণ বহুমুখীতা এআই এজেন্টদের কাছে? এটি মূলধারার বা এমনকি একটি মানদণ্ডে পরিণত হওয়ার সময়সীমা কত বলে আপনার মনে হয়?
জেসি ঝাং: এটি গুরুত্বপূর্ণ, এবং কোম্পানির দৃষ্টিকোণ থেকে, একটি নতুন পদ্ধতি যোগ করা বিশেষ কঠিন নয়। এটি সহজ নয়, তবে মূল বিষয় হল: যদি আপনি অন্যান্য সমস্যাগুলি সমাধান করেন, যেমন আমি উল্লেখ করেছি - উদাহরণস্বরূপ, AI তৈরি করা, এটি পর্যবেক্ষণ করা এবং সঠিক যুক্তি থাকা - তাহলে একটি নতুন পদ্ধতি যোগ করা সবচেয়ে কঠিন কাজ নয়। তাই আমাদের জন্য, সমস্ত পদ্ধতি থাকা অনেক অর্থবহ, এবং এটি আমাদের বাজারকে প্রসারিত করে। আমরা মূলত পদ্ধতি অজ্ঞেয়বাদী, এবং আমরা প্রতিটি পদ্ধতির জন্য আমাদের নিজস্ব এজেন্ট তৈরি করি।
সাধারণভাবে বলতে গেলে, দুটি সীমাবদ্ধ কারণ রয়েছে: প্রথমত, গ্রাহক কি নতুন পদ্ধতি গ্রহণের জন্য প্রস্তুত? আমার মনে হয় টেক্সট দিয়ে শুরু করা অনেক যুক্তিসঙ্গত, কারণ এটিই এমন একটি পদ্ধতি যা লোকেরা সবচেয়ে সক্রিয়ভাবে গ্রহণ করে এবং এটি তাদের জন্য কম ঝুঁকিপূর্ণ, পর্যবেক্ষণ করা সহজ এবং বোঝা সহজ। অন্য একটি বড় পদ্ধতি হল ভয়েস। স্পষ্টতই, আমি মনে করি বাজারে এখনও জায়গা আছে এবং ব্যবহারকারীদের ভয়েস গ্রহণের ক্ষমতা এখনও উন্নত করা প্রয়োজন। এই মুহূর্তে, আমরা কিছু প্রাথমিক ব্যবহারকারীকে দেখতে পাচ্ছি যারা ভয়েস এজেন্ট গ্রহণ শুরু করেছে, যা খুবই উত্তেজনাপূর্ণ। অন্য দিকটি হল প্রযুক্তিগত চ্যালেঞ্জ। বেশিরভাগ মানুষই একমত হবেন যে ভয়েসের জন্য উচ্চতর মান নির্ধারণ করা হয়েছে। আপনি যদি ফোনে কারও সাথে কথা বলেন, তাহলে আপনার খুব কম ভয়েস ল্যাটেন্সি প্রয়োজন। আপনি যদি কাউকে বাধা দেন, তাহলে তাদের স্বাভাবিকভাবে প্রতিক্রিয়া জানাতে হবে।
যেহেতু কথা বলার ল্যাটেন্সি কম, তাই হিসাব করার ক্ষেত্রে আপনাকে আরও বুদ্ধিদীপ্ত হতে হবে। যদি আপনি কোনও চ্যাটে থাকেন এবং প্রতিক্রিয়া সময় পাঁচ থেকে আট সেকেন্ড হয়, তাহলে আপনি এটি খুব কমই লক্ষ্য করেন এবং এটি খুব স্বাভাবিক বলে মনে হয়। কিন্তু যদি ফোনে প্রতিক্রিয়া জানাতে পাঁচ থেকে আট সেকেন্ড সময় লাগে, তাহলে এটি কিছুটা অস্বাভাবিক বলে মনে হয়। তাই কথা বলার ক্ষেত্রে আরও প্রযুক্তিগত চ্যালেঞ্জ রয়েছে। এই প্রযুক্তিগত চ্যালেঞ্জগুলি সমাধান হওয়ার সাথে সাথে এবং বাজারে বক্তৃতা গ্রহণের আগ্রহ বৃদ্ধি পাওয়ার সাথে সাথে, একটি নতুন পদ্ধতি হিসাবে বক্তৃতা মূলধারায় পরিণত হবে।
একটি ব্যবসায়িক মডেল যা বিশ্বাসকে ছাড়িয়ে যায়
কিম্বার্লি ট্যান: আমরা আরও এগিয়ে যাওয়ার আগে, আমি এআই এজেন্ট ব্যবসায়িক মডেল সম্পর্কে আরও কিছু কথা বলতে চাই। যখন আপনি প্রথম নির্মিত এআই এজেন্ট অথবা গ্রাহকদের সাথে তাদের ব্যবহৃত সিস্টেম, তারা যে ডেটা প্রক্রিয়া করে এবং তাদের উদ্বেগ নিয়ে আলোচনা করা, এমন কিছু কি ছিল যা আপনাকে অবাক করেছে? এন্টারপ্রাইজ গ্রাহকদের আরও ভালোভাবে পরিষেবা দেওয়ার জন্য ডেকাগনকে কী কী অ-স্বজ্ঞাত বা আশ্চর্যজনক কাজ করতে হয়েছিল?
জেসি ঝাং: আমার মনে হয় সবচেয়ে অবাক করার বিষয় ছিল যে আমরা যখন প্রথম শুরু করেছিলাম তখন লোকেরা আমাদের সাথে কথা বলতে কতটা আগ্রহী ছিল। সর্বোপরি, আমরা মাত্র দুজন ছিলাম। আমরা দুজনেই আগে কোম্পানি শুরু করেছিলাম, তাই আমরা অনেক লোককে চিনতাম, তবুও, প্রতিটি উদ্যোক্তার জন্য, যখন আপনি একটি রেফারেল কথোপকথন চালিয়ে যেতে চান, যদি আপনি যা বলছেন তা বিশেষভাবে আকর্ষণীয় না হয়, তাহলে কথোপকথন সাধারণত বেশ হালকা হয়।
কিন্তু যখন আমরা এই ব্যবহারের ক্ষেত্রে কথা বলতে শুরু করলাম, তখন আমি সত্যিই অবাক হয়ে গেলাম যে লোকেরা এটি নিয়ে কথা বলতে কতটা উত্তেজিত ছিল। কারণ ধারণাটি এত স্পষ্ট বলে মনে হচ্ছে। আপনি হয়তো ভাবতে পারেন যে এটি এত স্পষ্ট ধারণা, তাই অন্য কেউ অবশ্যই এটি ইতিমধ্যেই করে ফেলেছে, অথবা ইতিমধ্যেই একটি সমাধান আছে, অথবা অন্য কেউ অবশ্যই ইতিমধ্যেই কোনও ধরণের সমাধান নিয়ে এসেছে। কিন্তু আমি মনে করি আমরা একটি ভাল মুহূর্ত পেয়েছি, সেই ব্যবহারের ক্ষেত্রে সত্যিই বড় এবং লোকেরা সত্যিই এটি সম্পর্কে চিন্তা করে। যেমনটি আমি আগে বলেছি, সেই ব্যবহারের ক্ষেত্রে AI এজেন্টকে গ্রহণ এবং এটিকে উৎপাদনে ঠেলে দেওয়ার জন্য সত্যিই উপযুক্ত, কারণ আপনি এটি ক্রমবর্ধমানভাবে বাস্তবায়ন করতে পারেন এবং ROI ট্র্যাক করতে সক্ষম হন।
এটা আমার জন্য একটা আনন্দের বিস্ময়কর অভিজ্ঞতা ছিল, কিন্তু স্পষ্টতই এর পরে অনেক কাজ করতে হবে, আপনাকে গ্রাহকদের সাথে কাজ করতে হবে, আপনাকে পণ্য তৈরি করতে হবে, আপনাকে কোন পথে যেতে হবে তা খুঁজে বের করতে হবে। প্রাথমিক পর্যায়ে, এটি সত্যিই একটি আশ্চর্যজনক আবিষ্কার ছিল।
ডেরিক হ্যারিস: কিম্বার্লি, আমার মনে হচ্ছে তুমি যে ব্লগ পোস্টটি লিখেছিলে, "আরপিএ-কে শ্রদ্ধাঞ্জলি", সেটা উল্লেখ করা উচিত, যা অনেক কিছুকে স্পর্শ করে দ অটোমেশন কাজ এবং স্টার্টআপ।আপনার কি মনে হয় এমন কোনও ঘটনা আছে যেখানে এই স্বয়ংক্রিয় কাজগুলি, বা সমাধানগুলি, এতটা আদর্শ নয়, তাই লোকেরা সর্বদা আরও ভাল উপায় খুঁজছে?
কিম্বার্লি ট্যান: হ্যাঁ, আমি তাই মনে করি। আমি কিছু কথা বলতে চাই। প্রথমত, যদি একটি ধারণা সবার কাছে স্পষ্ট হয়, কিন্তু এটি সমাধান করার জন্য কোনও স্পষ্ট কোম্পানি না থাকে, অথবা কেউ কোনও কোম্পানির দিকে ইঙ্গিত করে না বলে, "তোমার এটি ব্যবহার করা উচিত," তাহলে এর অর্থ হল সমস্যাটি আসলে সমাধান হয়নি।
এক অর্থে, এটি একটি কোম্পানির জন্য সমাধান তৈরির জন্য সম্পূর্ণ উন্মুক্ত সুযোগ। কারণ, আপনি যেমন বলেছেন, আমরা শুরু থেকেই বিনিয়োগকারী হিসেবে ডেকাগনকে অনুসরণ করে আসছি। আমরা তাদের সৃজনশীল গোলকধাঁধায় পার হতে দেখেছি, এবং যখন তারা এই দিকে যাওয়ার সিদ্ধান্ত নিয়েছে এবং গ্রাহকদের সাথে কথা বলতে শুরু করেছে, তখন স্পষ্ট হয়ে গেছে যে সমস্ত গ্রাহকরা কোনও ধরণের নেটিভ AI-সক্ষম সমাধানের জন্য মরিয়া। এটি আমি আগে উল্লেখ করা সমস্যাগুলির মধ্যে একটি, যেখানে অনেকেই মনে করেন এটি কেবল একটি GPT মোড়ক। কিন্তু ডেকাগন শুরু থেকেই যে গ্রাহকদের আগ্রহ পেয়েছে তা আমাদের বুঝতে সাহায্য করেছে যে এই সমস্যাগুলির মধ্যে অনেকগুলি মানুষের প্রত্যাশার চেয়ে অনেক বেশি জটিল।
আমার মনে হয় এই ঘটনাটি বিভিন্ন শিল্পে ঘটছে, তা সে গ্রাহক পরিষেবা হোক বা নির্দিষ্ট কিছু ক্ষেত্রে পেশাদার অটোমেশন। আমার মনে হয়, জেসি যেমনটি আগে উল্লেখ করেছেন, স্বয়ংক্রিয়করণের কাজের বিনিয়োগের উপর রিটার্ন (ROI) স্পষ্টভাবে পরিমাপ করতে সক্ষম হওয়া একটি অবমূল্যায়নযোগ্য বিষয়। কারণ, যদি আপনি কাউকে একজন AI এজেন্ট গ্রহণ করতে চান, তাহলে তারা আসলে "বিশ্বাসের লাফ" নিচ্ছে কারণ এটি অনেক মানুষের কাছে খুবই অপরিচিত একটি অঞ্চল।
যদি আপনি একটি খুব নির্দিষ্ট প্রক্রিয়া স্বয়ংক্রিয় করতে পারেন যা হয় একটি সুস্পষ্ট রাজস্ব-উৎপাদনকারী প্রক্রিয়া, অথবা এমন একটি প্রক্রিয়া যা পূর্বে ব্যবসায়ে একটি বাধা ছিল, অথবা একটি প্রধান ব্যয় কেন্দ্র যা গ্রাহক বৃদ্ধি বা রাজস্ব বৃদ্ধির সাথে রৈখিকভাবে বৃদ্ধি পায়, তাহলে AI এজেন্টের জন্য গ্রহণযোগ্যতা পাওয়া সহজ হবে। এই ধরনের সমস্যাগুলিকে আরও উৎপাদনশীল প্রক্রিয়ায় রূপান্তরিত করার ক্ষমতা যা ঐতিহ্যবাহী সফ্টওয়্যারের মতো স্কেল করা যেতে পারে তা খুবই আকর্ষণীয়।
কিম্বার্লি ট্যান: আমরা এগিয়ে যাওয়ার আগে আমার একটি শেষ প্রশ্ন আছে। আমার মনে আছে জেসি, আমাদের আগের আলোচনায় সবসময় বলত যে সফ্টওয়্যার বা এআই এজেন্ট গ্রহণকারী কোম্পানিগুলির জন্য সবচেয়ে বড় চ্যালেঞ্জ হবে হ্যালুসিনেশন। কিন্তু আপনি একবার আমাকে বলেছিলেন যে এটি আসলে মূল সমস্যা নয়। হ্যালুসিনেশনের ধারণা কেন কিছুটা বিভ্রান্তিকর এবং লোকেরা আসলে কী নিয়ে বেশি চিন্তিত তা কি আপনি বিস্তারিতভাবে বলতে পারেন?
জেসি ঝাং: আমার মনে হয় মানুষ হ্যালুসিনেশন নিয়ে চিন্তিত, কিন্তু তারা তাদের মূল্য সম্পর্কে বেশি চিন্তিত। আমরা যে সকল কোম্পানির সাথে কাজ করি তারা প্রায় একই রকম কয়েকটি বিষয়ের উপর মনোযোগ দেয়, প্রায় একই রকম: আপনি কত শতাংশ কথোপকথন সমাধান করতে পারেন? আমার গ্রাহকরা কতটা সন্তুষ্ট? তাহলে হ্যালুসিনেশনের সমস্যাটিকে তৃতীয় বিভাগ হিসাবে শ্রেণীবদ্ধ করা যেতে পারে, অর্থাৎ এটি কতটা সঠিক। সাধারণভাবে বলতে গেলে, মূল্যায়নের সময় প্রথম দুটি বিষয় বেশি গুরুত্বপূর্ণ।
ধরুন আপনি একটি নতুন ব্যবসার সাথে কথা বলছেন এবং প্রথম দুটি বিষয়ে আপনি সত্যিই ভালো কাজ করেছেন, এবং নেতৃত্ব এবং দলের সকলের কাছ থেকে আপনি প্রচুর সমর্থন পেয়েছেন। তারা বলছেন, "হে ঈশ্বর, আমাদের গ্রাহক অভিজ্ঞতা আলাদা। এখন প্রতিটি গ্রাহকের নিজস্ব ব্যক্তিগত সহকারী আছে যে যেকোনো সময় আমাদের সাথে যোগাযোগ করতে পারে। আমরা তাদের দুর্দান্ত উত্তর দিয়েছি, তারা খুবই সন্তুষ্ট, এবং এটি বহুভাষিক এবং 24/7 উপলব্ধ।" এটি এরই একটি অংশ, এবং আপনি অনেক অর্থ সাশ্রয়ও করেছেন।
তাই একবার আপনি এই লক্ষ্যগুলি অর্জন করলে, আপনি প্রচুর সমর্থন এবং কাজটি এগিয়ে নেওয়ার জন্য প্রচুর সহায়ক শক্তি পাবেন। অবশ্যই, মায়া সমস্যাটি শেষ পর্যন্ত সমাধান করা প্রয়োজন, তবে এটি সেই বিষয় নয় যা তারা সবচেয়ে বেশি চিন্তিত। মায়া সমাধানের উপায়টি আমি আগে যেমনটি বলেছি - লোকেরা আপনাকে পরীক্ষা করবে। ধারণার প্রমাণের একটি পর্যায় থাকতে পারে যেখানে আপনি আসলে বাস্তব কথোপকথন চালান এবং তাদের দলের সদস্যরা নির্ভুলতা পর্যবেক্ষণ এবং পরীক্ষা করে। যদি এটি ঠিকঠাক হয়, তবে এটি সাধারণত শেষ হয়ে যায়।
এছাড়াও, যেমনটি আমি আগে উল্লেখ করেছি, আপনি সংবেদনশীল তথ্যের জন্য কিছু কঠোর সুরক্ষা ব্যবস্থা স্থাপন করতে পারেন, যেমন সংবেদনশীল বিষয়বস্তুকে জেনেরিক করার প্রয়োজন নেই। তাই বেশিরভাগ লেনদেনে বিভ্রমের বিষয়টি আলোচনার বিষয়। এটি কোনও গুরুত্বহীন বিষয় নয়। আপনি এই প্রক্রিয়াটি অতিক্রম করবেন, তবে এটি কখনই কথোপকথনের কেন্দ্রবিন্দু নয়।
কিম্বার্লি ট্যান: এবার এআই এজেন্টের ব্যবসায়িক মডেলের দিকে এগিয়ে যাওয়া যাক। আজ, এই এআই এজেন্টদের দাম কীভাবে নির্ধারণ করা যায় সে সম্পর্কে একটি বড় বিষয় রয়েছে।
ঐতিহাসিকভাবে, অনেক SaaS সফ্টওয়্যারের মূল্য আসন সংখ্যা অনুসারে নির্ধারিত হয় কারণ এগুলি ওয়ার্কফ্লো সফ্টওয়্যার যা পৃথক কর্মীদের লক্ষ্য করে এবং কর্মীদের উৎপাদনশীলতা উন্নত করতে ব্যবহৃত হয়। তবে, AI এজেন্ট ঐতিহ্যবাহী সফ্টওয়্যারের মতো পৃথক কর্মীদের উৎপাদনশীলতার সাথে যুক্ত নয়।
অনেকেই মনে করেন যে আসন সংখ্যার উপর ভিত্তি করে মূল্য নির্ধারণের পদ্ধতি আর প্রযোজ্য নাও হতে পারে। আমি জানতে আগ্রহী কিভাবে প্রথম দিকে আপনি এই দ্বিধা সম্পর্কে ভেবেছিলেন এবং অবশেষে কীভাবে আপনি ডেকাগনের দাম নির্ধারণের সিদ্ধান্ত নিয়েছিলেন? এছাড়াও, এআই এজেন্ট যত বেশি সাধারণ হয়ে উঠবে, ভবিষ্যতে সফটওয়্যার মূল্য নির্ধারণের প্রবণতা কী হবে বলে আপনার মনে হয়?
জেসি ঝাং: এই বিষয়ে আমাদের দৃষ্টিভঙ্গি হল, অতীতে, প্রতি আসনের জন্য সফ্টওয়্যারের দাম নির্ধারণ করা হত কারণ এর স্কেল মোটামুটিভাবে সফ্টওয়্যারটি ব্যবহার করতে পারত এমন লোকের সংখ্যার উপর নির্ভর করে। কিন্তু বেশিরভাগ এআই এজেন্টের ক্ষেত্রে, আপনার প্রদান করা মূল্য এটি রক্ষণাবেক্ষণকারী লোকের সংখ্যার উপর নির্ভর করে না, বরং উৎপাদিত কাজের পরিমাণের উপর নির্ভর করে। এটি আমি আগে উল্লেখ করা পয়েন্টের সাথে সামঞ্জস্যপূর্ণ: যদি বিনিয়োগের উপর রিটার্ন (ROI) খুব পরিমাপযোগ্য হয়, তাহলে কাজের আউটপুটের স্তরও খুব স্পষ্ট।
আমাদের মতে, আসন সংখ্যা অনুসারে মূল্য নির্ধারণ অবশ্যই প্রযোজ্য নয়। আপনি কাজের ফলাফলের উপর ভিত্তি করে মূল্য নির্ধারণ করতে পারেন। সুতরাং, আপনার প্রস্তাবিত মূল্য নির্ধারণের মডেলটি এমন হওয়া উচিত যে যত বেশি কাজ করা হবে, তত বেশি অর্থ প্রদান করা হবে।
আমাদের জন্য, মূল্য নির্ধারণের দুটি সুস্পষ্ট উপায় আছে। হয় আপনি কথোপকথনের মূল্য নির্ধারণ করতে পারেন, অথবা আপনি সেই কথোপকথনের মূল্য নির্ধারণ করতে পারেন যা AI আসলে সমাধান করে। আমার মনে হয় আমরা যে আকর্ষণীয় শিক্ষাটি শিখেছি তা হল যে বেশিরভাগ মানুষ কথোপকথন-মূল্য নির্ধারণের মডেলটি বেছে নেয়। কারণ হল সমাধান অনুসারে মূল্য নির্ধারণের প্রধান সুবিধা হল যে আপনি যা কিছুর জন্য অর্থ প্রদান করেন দ এআই করে।
কিন্তু এরপর যে প্রশ্নটি আসে তা হল, "সমাধান" কী বলে বিবেচিত হবে? প্রথমত, কেউই এই বিষয়ে গভীরভাবে যেতে চান না, কারণ এটি হয়ে যায়, "যদি কেউ রেগে আসে এবং আপনি তাকে তাড়িয়ে দেন, তাহলে আমরা কেন তার জন্য অর্থ প্রদান করব?"
এটি একটি বিব্রতকর পরিস্থিতি তৈরি করে এবং AI প্রদানকারীদের জন্য প্রণোদনাগুলিকে কিছুটা অদ্ভুত করে তোলে, কারণ সমাধানের মাধ্যমে বিলিংয়ের অর্থ হল, "আমাদের যতটা সম্ভব কথোপকথন সমাধান করতে হবে এবং কিছু লোককে দূরে ঠেলে দিতে হবে।" কিন্তু এমন অনেক ক্ষেত্রে রয়েছে যেখানে সমস্যাটিকে কেবল দূরে ঠেলে দেওয়ার চেয়ে আরও বাড়িয়ে তোলা ভাল, এবং গ্রাহকরা এই ধরণের পরিচালনা পছন্দ করেন না। অতএব, কথোপকথনের মাধ্যমে বিল করা আরও সরলতা এবং ভবিষ্যদ্বাণীযোগ্যতা আনবে।
কিম্বার্লি ট্যান: ভবিষ্যতের মূল্য নির্ধারণের মডেলটি কতদিন স্থায়ী হবে বলে আপনার মনে হয়?কারণ এখন যখন আপনি ROI এর কথা বলেন, তখন এটি সাধারণত অতীতের ব্যয়ের উপর ভিত্তি করে তৈরি হয় যা শ্রম খরচ মেটাতে ব্যবহার করা হতে পারে। AI এজেন্টদের ব্যবহার যত বেশি সাধারণ হয়ে উঠছে, আপনি কি মনে করেন যে দীর্ঘমেয়াদে, AI কে শ্রম খরচের সাথে তুলনা করা হবে এবং এটি একটি উপযুক্ত মানদণ্ড? যদি না হয়, তাহলে শ্রম খরচের বাইরে দীর্ঘমেয়াদী মূল্য নির্ধারণকে আপনি কীভাবে দেখেন?
জেসি ঝাং: আমার মনে হয় দীর্ঘমেয়াদে, এআই এজেন্টের মূল্য নির্ধারণ প্রাথমিকভাবে শ্রম খরচের সাথে যুক্ত হতে পারে, কারণ এটাই এজেন্টের সৌন্দর্য - পরিষেবাগুলিতে আপনার আগের ব্যয় এখন সফ্টওয়্যারে স্থানান্তরিত করা যেতে পারে।
এই ব্যয়ের অংশটি সফটওয়্যার ব্যয়ের ১০ থেকে ১০০ গুণ বেশি হতে পারে, তাই বেশিরভাগ খরচ সফটওয়্যারে স্থানান্তরিত হবে। অতএব, শ্রম খরচ স্বাভাবিকভাবেই একটি মানদণ্ড হয়ে উঠবে। আমাদের গ্রাহকদের জন্য, ROI খুবই স্পষ্ট। যদি আপনি শ্রম খরচে দশ মিলিয়ন ডলার সাশ্রয় করতে পারেন, তাহলে এই সমাধানটি গ্রহণ করা যুক্তিসঙ্গত। কিন্তু দীর্ঘমেয়াদে, এটি মাঝামাঝি হতে পারে।
কারণ আমাদের এজেন্টের মতো ভালো না এমন কিছু পণ্যও কম দামে বিক্রি হবে। এটি ক্লাসিক SaaS পরিস্থিতির মতো, যেখানে সবাই বাজারের অংশীদারিত্বের জন্য প্রতিযোগিতা করছে।
কিম্বার্লি ট্যান: বর্তমান SaaS কোম্পানিগুলির ভবিষ্যৎ কী বলে আপনি মনে করেন, বিশেষ করে যাদের পণ্যগুলি AI-এর জন্য স্থানীয়ভাবে তৈরি করা হয়নি বা যাদের প্রতি আসনের দাম নির্ধারণ করা হয়েছে এবং তাই ফলাফল-ভিত্তিক মূল্য নির্ধারণের মডেলের সাথে খাপ খাইয়ে নিতে পারে না?
জেসি ঝাং: কিছু ঐতিহ্যবাহী কোম্পানির জন্য, যদি তারা একটি AI এজেন্ট পণ্য চালু করার চেষ্টা করে তবে এটি সত্যিই কিছুটা জটিল কারণ তারা একটি সিট মডেল ব্যবহার করে এর দাম নির্ধারণ করতে পারে না। যদি আপনার আর এত এজেন্টের প্রয়োজন না হয়, তাহলে বিদ্যমান পণ্য দিয়ে রাজস্ব বজায় রাখা কঠিন। এটি ঐতিহ্যবাহী কোম্পানিগুলির জন্য একটি সমস্যা, তবে এটি বলা কঠিন। ঐতিহ্যবাহী কোম্পানিগুলির সর্বদা বিতরণ চ্যানেলের সুবিধা থাকে। এমনকি যদি পণ্যটি নতুন কোম্পানির মতো ভালো না হয়, তবুও মানুষ মাত্র 80% মানের একটি নতুন সরবরাহকারী গ্রহণ করার জন্য প্রচেষ্টা ব্যয় করতে নারাজ।
তাই, প্রথমত, আপনি যদি আমাদের মতো একজন স্টার্টআপ হন, তাহলে আপনাকে নিশ্চিত করতে হবে যে আপনার পণ্যটি ঐতিহ্যবাহী পণ্যের চেয়ে তিনগুণ ভালো। দ্বিতীয়ত, এটি ঐতিহ্যবাহী কোম্পানি এবং স্টার্টআপগুলির মধ্যে একটি সাধারণ প্রতিযোগিতা। ঐতিহ্যবাহী কোম্পানিগুলির ঝুঁকি সহনশীলতা স্বাভাবিকভাবেই কম থাকে কারণ তাদের গ্রাহক সংখ্যা বেশি। যদি তারা দ্রুত পুনরাবৃত্তিতে ভুল করে, তাহলে এটি বিশাল ক্ষতির কারণ হবে। তবে, স্টার্টআপগুলি দ্রুত পুনরাবৃত্তি করতে পারে, তাই পুনরাবৃত্তি প্রক্রিয়া নিজেই একটি ভাল পণ্যের দিকে নিয়ে যেতে পারে। এটি স্বাভাবিক চক্র। আমাদের জন্য, আমরা সর্বদা আমাদের সরবরাহের গতি, পণ্যের গুণমান এবং আমাদের দলের বাস্তবায়নের জন্য গর্বিত। এই কারণেই আমরা বর্তমান চুক্তিটি জিতেছি।
কিম্বার্লি ট্যান: কর্মক্ষেত্রে কৃত্রিম বুদ্ধিমত্তার ভবিষ্যৎ সম্পর্কে আপনি কি কিছু ভবিষ্যদ্বাণী করতে পারেন? উদাহরণস্বরূপ, এটি কীভাবে কর্মীদের চাহিদা বা ক্ষমতা পরিবর্তন করবে, অথবা মানব কর্মী এবং কৃত্রিম বুদ্ধিমত্তা এজেন্টরা কীভাবে মিথস্ক্রিয়া করবে?AI এজেন্টদের ব্যাপক প্রসারের সাথে সাথে কর্মক্ষেত্রে কোন নতুন সেরা অনুশীলন বা নিয়মগুলি আদর্শ হয়ে উঠবে বলে আপনি মনে করেন?
জেসি ঝাং: প্রথম এবং সবচেয়ে গুরুত্বপূর্ণ পরিবর্তন হল আমরা নিশ্চিত যে ভবিষ্যতে, কর্মীরা কর্মক্ষেত্রে এআই এজেন্ট তৈরি এবং পরিচালনায় অনেক বেশি সময় ব্যয় করবে, যেমনটি এআই সুপারভাইজারদের ভূমিকা। এমনকি যদি আপনার পদটি আনুষ্ঠানিকভাবে "এআই সুপারভাইজার" নাও হয়, তবুও আপনি আপনার কাজ করার জন্য যে সময় ব্যয় করতেন তার বেশিরভাগ সময় এই এজেন্টদের পরিচালনায় স্থানান্তরিত হবে, কারণ এজেন্টরা আপনাকে প্রচুর সুবিধা দিতে পারে।
আমরা অনেক স্থাপনার ক্ষেত্রে এটি দেখেছি যেখানে একসময় যারা টিম লিডার ছিলেন তারা এখন AI পর্যবেক্ষণে অনেক সময় ব্যয় করেন, উদাহরণস্বরূপ, এটি নিশ্চিত করার জন্য যে এতে সমস্যা হচ্ছে না বা সমন্বয় সাধন করতে। তারা সামগ্রিক কর্মক্ষমতা পর্যবেক্ষণ করে দেখেন যে কোন নির্দিষ্ট ক্ষেত্রগুলিতে মনোযোগ দেওয়ার প্রয়োজন আছে কিনা, জ্ঞানের ভিত্তিতে এমন কোন ফাঁক আছে কিনা যা AI কে আরও উন্নত করতে সাহায্য করতে পারে কিনা এবং AI সেই ফাঁকগুলি পূরণ করতে পারে কিনা।
একজন এজেন্টের সাথে কাজ করার সময় যে কাজটি আসে তা থেকে ধারণা পাওয়া যায় যে ভবিষ্যতে, কর্মীরা এআই এজেন্টদের সাথে যোগাযোগের জন্য উল্লেখযোগ্য সময় ব্যয় করবে। এটি আমাদের কোম্পানির একটি মূল ধারণা, যেমনটি আমি আগে উল্লেখ করেছি। অতএব, আমাদের সম্পূর্ণ পণ্যটি মানুষকে সরঞ্জাম, ভিজ্যুয়ালাইজেশন, ব্যাখ্যাযোগ্যতা এবং নিয়ন্ত্রণ প্রদানের উপর ভিত্তি করে তৈরি। আমার মনে হয় এক বছরের মধ্যেই এটি একটি বিশাল ট্রেন্ডে পরিণত হবে।
কিম্বার্লি ট্যান: এটা অনেক যুক্তিসঙ্গত। ভবিষ্যতে এআই সুপারভাইজারদের কী কী দক্ষতার প্রয়োজন হবে বলে আপনার মনে হয়? এই ভূমিকার জন্য দক্ষতা কী কী?
জেসি ঝাং: দুটি দিক আছে। একটি হলো পর্যবেক্ষণযোগ্যতা এবং ব্যাখ্যাযোগ্যতা, এআই কী করছে এবং কীভাবে সিদ্ধান্ত নেয় তা দ্রুত বোঝার ক্ষমতা। অন্যটি হলো সিদ্ধান্ত গ্রহণের ক্ষমতা, অথবা গঠনমূলক অংশ, কীভাবে প্রতিক্রিয়া জানাতে হয় এবং কীভাবে নতুন যুক্তি তৈরি করতে হয়। আমার মনে হয় এই দুটো একই মুদ্রার দুটি দিক।
কিম্বার্লি ট্যান: আপনার কি মনে হয় কোন কাজগুলি মাঝারি বা দীর্ঘমেয়াদে এআই এজেন্টের ক্ষমতার বাইরে থাকবে এবং এখনও মানুষের দ্বারা সঠিকভাবে পরিচালিত এবং সম্পন্ন করার প্রয়োজন হবে?
জেসি ঝাং: আমার মনে হয় এটি মূলত "পরিপূর্ণতা" এর প্রয়োজনীয়তার উপর নির্ভর করবে যা আমি আগে উল্লেখ করেছি। এমন অনেক কাজ আছে যেখানে ত্রুটি সহ্য করার ক্ষমতা খুব কম। এই ক্ষেত্রে, যেকোনো AI টুল সম্পূর্ণরূপে উন্নত এজেন্টের চেয়ে সহায়ক হিসেবে বেশি কাজ করে।
উদাহরণস্বরূপ, স্বাস্থ্যসেবা বা নিরাপত্তার মতো কিছু সংবেদনশীল শিল্পে, যেখানে আপনাকে প্রায় নিখুঁত হতে হবে, তাহলে এই ক্ষেত্রগুলিতে, AI এজেন্টরা কম স্বায়ত্তশাসিত হয়ে উঠতে পারে, কিন্তু এর অর্থ এই নয় যে তারা অকেজো। আমার মনে হয় স্টাইলটি ভিন্ন হবে, আমাদের মতো প্ল্যাটফর্মে, আপনি আসলে এই এজেন্টদের মোতায়েন করছেন যাতে তারা পুরো কাজটি স্বয়ংক্রিয়ভাবে সম্পন্ন করতে পারে।
ডেরিক হ্যারিস: আর এই পর্বের জন্য এটুকুই। যদি আপনার কাছে এই বিষয়টি আকর্ষণীয় বা অনুপ্রেরণাদায়ক মনে হয়, তাহলে অনুগ্রহ করে আমাদের পডকাস্টকে রেটিং দিন এবং আরও বেশি মানুষের সাথে শেয়ার করুন।আমরা আশা করছি বছরের শেষের আগেই শেষ পর্বটি প্রকাশ করব এবং নতুন বছরের জন্য বিষয়বস্তুটি পুনরায় তৈরি করব। শোনার জন্য ধন্যবাদ এবং আপনার ছুটির মরসুমটি দুর্দান্ত কাটুক (যদি আপনি ছুটির সময় শুনছেন)।
মূল ভিডিও: আল এজেন্টরা কি অবশেষে গ্রাহক সহায়তা ঠিক করতে পারবে??
