सपोर्ट में कन्वर्सेशनल AI की स्थिति
- लेखक
- Ben Butler
- प्रकाशित
- आखिरी बार अपडेट किया गया
सुनेंइस आर्टिकल को सुनें
Stripe बेहतरीन सपोर्ट के लिए जाना जाता है, अक्सर उम्मीद से बढ़कर मदद करता है। लेकिन बेहतरीन सपोर्ट सिर्फ ट्विटर पर दिखने वाले हैंडरिटन नोट्स और 3D-प्रिंटेड टोटेम्स से कहीं ज्यादा है। एक दशक से भी ज्यादा समय की मेहनत और सॉफ्टवेयर इंजीनियरिंग ने Stripe को ऐसा कस्टमर सर्विस सिस्टम बनाने में मदद की है, जो हर साल लाखों बिज़नेस को सपोर्ट करता है। मैं 2015 में Stripe से जुड़ा था, जब कंपनी में सिर्फ 200 लोग थे और सपोर्ट टीम एक ही कॉन्फ्रेंस टेबल के आसपास बैठ सकती थी।
मैं डबलिन में सबसे पहले चुने गए लोगों में से एक था, जो Stripe के ग्लोबल सपोर्ट कवरेज का शुरुआती केंद्र था। वहां अपने पाँच सालों में, Stripe ने सपोर्ट टीम को अलग-अलग स्पेशलाइजेशन में बाँटा, Tier 1 सपोर्ट के लिए बाहरी वेंडर्स जोड़े, नए चैनल्स शुरू किए, भाषाएँ बढ़ाईं, और आखिर में पेड सपोर्ट प्लान्स भी शुरू किए। इन बदलते सपोर्ट प्रोग्राम्स को डिज़ाइन और टेस्ट करने में मदद करते हुए, मैंने खुद देखा कि कस्टमर सर्विस को स्केल करना कितना जटिल हो सकता है—ऐसी जटिलताएँ जिन्हें
कन्वर्सेशनल AI के तीन हिस्से होते हैं। ये तीनों मिलकर काम करते हैं: स्पीच टू टेक्स्ट यूज़र की बात को पकड़ता है, लैंग्वेज मॉडल्स उसे समझकर स्मार्ट जवाब बनाते हैं, और टेक्स्ट टू स्पीच उन जवाबों को नेचुरल बातचीत में बदल देता है।
- स्पीच टू टेक्स्ट: AI के 'कान' यूज़र की बोली को सटीकता से टेक्स्ट में बदलते हैं।
- लैंग्वेज मॉडल्स: AI का 'दिमाग' इस टेक्स्ट को प्रोसेस करता है, संदर्भ समझता है और स्मार्ट जवाब तैयार करता है।
- टेक्स्ट टू स्पीच: 'आवाज़' टेक्स्ट को नेचुरल-साउंडिंग स्पीच में बदलती है।
- टर्न टेकिंग: एक खास सर्विस बातचीत में रुकावटों को मॉनिटर करती है और बातचीत को नेचुरल और इंसानी बनाए रखती है।
जब मैंने Stripe जॉइन किया, मेरा काम था प्रोडक्ट के बारे में जितना हो सके सीखना। ट्रेनिंग के दौरान, मैं अनुभवी एजेंट्स के साथ शैडो करता था और पुराने सपोर्ट इंटरैक्शन्स से सीखता था—कुछ वैसा ही जैसा कोई AI एजेंट सीखता है।
AI पैटर्न पहचानने में माहिर है, और सपोर्ट का बड़ा हिस्सा भी पैटर्न पहचानने जैसा ही है। यूज़र अपनी समस्या बताता है, सपोर्ट एजेंट उसे प्रोसेस करता है, अपने ज्ञान से मिलाता है और यूज़र को जवाब देता है। लेकिन सपोर्ट सिर्फ नॉलेज बेस दोहराने से ज्यादा है; बेहतरीन कस्टमर सर्विस के लिए सहानुभूति, क्रिएटिविटी और यूज़र के साथ मिलकर समस्या सुलझाना जरूरी है। अफसोस, ज्यादातर सपोर्ट इंटरैक्शन में ये चीजें कम ही मिलती हैं।
सपोर्ट की मौजूदा स्थिति
सपोर्ट एक अहम टचपॉइंट है, लेकिन अक्सर परेशानी भरा होता है। सोचिए, जब आपने आखिरी बार किसी एयरलाइन को कॉल किया था। घंटों होल्ड पर रहना पड़ता है और—आखिरकार जब कोई जवाब देता है—तो पता चलता है कि आपकी समस्या किसी और डिपार्टमेंट से जुड़ी है, और वही चक्कर फिर शुरू हो जाता है।
यह परेशानी सिर्फ कस्टमर की नहीं है। बेहतरीन सपोर्ट देना मुश्किल है, और बड़े स्तर पर तो और भी मुश्किल। हमारे सॉफ्टवेयर-केंद्रित दुनिया में भी सपोर्ट अब भी 'एटम्स' पर निर्भर है। सोचिए, अगर एक रात में आपके पास ढेर सारे नए कस्टमर आ जाएं: आप तो बस AWS इंस्टेंस चालू करके अपनी साइट चला सकते हैं; लेकिन सपोर्ट के लिए ऐसा कोई स्विच नहीं है।
सपोर्ट टीम को स्केल करने में समय और पैसा दोनों लगता है। नॉर्थ अमेरिका में, एक सपोर्ट एजेंट को ढूंढना, ट्रेनिंग देना और ऑनबोर्ड करना करीब $12,000 खर्च करता है। इस शुरुआती खर्च के साथ, एक सपोर्ट एजेंट की औसत लागत $30-$40 प्रति घंटा होती है। कुछ कंपनियां अपने सपोर्ट एजेंट्स को आउटसोर्स करती हैं, जहां प्रति घंटा रेट $8 से $30 तक होता है। ये सस्ता तो लगता है, लेकिन इसमें जवाबदेही, प्रोसेस और सपोर्ट क्वालिटी पर आपका कंट्रोल कम हो जाता है।
लेकिन सोचिए अगर आप कुछ ही मिनटों में सपोर्ट चालू कर सकें, और उसे जितना चाहें उतना स्केल कर सकें? अगर आप कम लागत में हाई-क्वालिटी सपोर्ट दे सकें? यही वादा है कन्वर्सेशनल AI का, और सपोर्ट में सालों काम करने के बाद, मुझे लगता है ये वाकई गेम-चेंजर है।कन्वर्सेशनल AI, और समर्थन में वर्षों तक काम करने के बाद, मेरा मानना है कि यह पूरी तरह से खेल-परिवर्तक है।
Alexis ElevenLabs का एक AI एजेंट है। इसे सपोर्ट एजेंट के तौर पर बनाया गया था ElevenLabs डोक्युमेंटेशन के अंदर और अब ये हर दिन सौ से ज्यादा कॉल्स संभालता है।
सोचिए अगर Alexis इंसान होता। मुझे नहीं लगता कि ज्यादातर इंसानी सपोर्ट एजेंट्स एक दिन में 100 कॉल्स संभाल सकते हैं। अगर कोई बहुत कुशल एजेंट हो और कॉल्स आसान हों, तो शायद 60 कॉल्स कर ले, और कम अनुभवी या जटिल सवालों के लिए ये संख्या 40 के आसपास होगी। यानी आपको कम से कम दो एजेंट्स रखने पड़ेंगे, और शायद ओवरटाइम भी देना पड़े।
अगर एजेंट्स नॉर्थ अमेरिका में हैं, तो 100 कॉल्स संभालने की लागत कम से कम $700 होगी, औसतन करीब $1719, और ये $4094 तक जा सकती है। ये काफी ज्यादा है, इसलिए आप आउटसोर्सिंग का सोच सकते हैं। वहां ये लागत $128 से $480 के बीच होगी, औसतन $288—जो दिखने में काफी सस्ता है, लेकिन इन कंपनियों को ऑनबोर्ड और मॉनिटर करने में छुपे हुए खर्च भी होते हैं, साथ ही अगर वे आपकी क्वालिटी पर खरी नहीं उतरीं तो ब्रांड और रेप्युटेशन का रिस्क भी रहता है।
| Method | Min. | Avg. | Max. |
|---|---|---|---|
| Human (internal) | 1.40 | 3.44 | 8.19 |
| Human (outsourced) | 0.256 | 0.576 | 0.96 |
| AI | 0.026 | 0.031 | 0.036 |
| Source: thinkhdi.com | |||
AI सपोर्ट एजेंट चलाने की लागत ऑडियो कंपोनेंट के लिए सिर्फ $0.015 प्रति मिनट तक हो सकती है। LLM की लागत आपके मॉडल और नॉलेज बेस के हिसाब से एक या दो सेंट प्रति मिनट हो सकती है। यानी सौ कॉल्स के लिए करीब $13-18। ये औसत इंटरनल एजेंट से 110 गुना और औसत आउटसोर्स एजेंट से 18 गुना सस्ता है। एक ऑब्जेक्टिव सपोर्ट एक्सपीरियंस के तौर पर, मुझे Alexis काफी अच्छा लगता है। और उस कीमत पर, वो वाकई कमाल है।
कन्वर्सेशनल AI का इस्तेमाल
सप्लाई चेन की ज्यादातर एनालॉग दुनिया में, Traba टैलेंट के लिए एक टेक्नोलॉजिकल ब्रिज है, जो इंडस्ट्रियल बिज़नेस को अपने वर्कर्स को हायर और मैनेज करने में मदद करता है। Traba ऐप्स और डैशबोर्ड्स तो देता ही है, लेकिन फोन कम्युनिकेशन अब भी उन वर्कर्स के लिए जरूरी है जो पेपर टाइमशीट्स और जॉब बोर्ड्स के आदी हैं।
Traba ने देखा कि उसकी ऑपरेशंस टीम फोन पर सबसे ज्यादा समय किन कॉल्स में लगाती है, तो दो मुख्य चीजें सामने आईं: सपोर्ट क्वेरीज़ लेना या शेड्यूलिंग चेकलिस्ट्स पर जाना। CTO अक्षय बुद्धिगा के लिए, ऑटोमेशन साफ़ जवाब था, लेकिन टाइमिंग भी जरूरी है। “जब हम कोई प्रोसेस और एफिशिएंट बनाना चाहते हैं, तो हम शुरुआत में ही ऑटोमेशन जोड़ना पसंद करते हैं, बजाय इसके कि बाद में कोई सॉल्यूशन फिट करें।”
Traba यूनिट इकॉनॉमिक्स पर फोकस करता है और टेक इनोवेशन में आगे रहना चाहता है, इसलिए इन कॉल्स को कन्वर्सेशनल AI पर शिफ्ट करना कई वजहों से फायदेमंद था। स्पीड और लागत को ध्यान में रखते हुए टीम ने सॉल्यूशंस देखे। लेकिन यूज़र एक्सपीरियंस भी जरूरी था। सॉफ्टवेयर इंजीनियर जोसेफ बेसगन ने कहा: “हम चाहते थे कि ये बातचीत जैसी लगे, सिर्फ रिकॉर्डिंग सुनने जैसा नहीं।” ElevenLabs का डेमो इतना असली लगा कि टेस्टिंग के दौरान Traba के एक कर्मचारी के पिता पहचान ही नहीं पाए कि ये AI है या उनके बेटे की टीम का कोई सदस्य।
हजारों इंडस्ट्री वर्कर्स की शेड्यूलिंग में जटिलता तो है, लेकिन एक डॉक्टर की अपॉइंटमेंट शेड्यूल करना इतना मुश्किल नहीं होना चाहिए। लेकिन क्या आपने हाल ही में अपने डॉक्टर को कॉल करने की कोशिश की है? ये मरीजों के लिए निराशाजनक है, और हेल्थकेयर स्टाफ का समय भी बर्बाद होता है। ElevenLabs के साथ पार्टनरशिप में, EliseAI के असिस्टेंट्स हेल्थकेयर एडमिनिस्ट्रेशन में मदद कर रहे हैं, अपॉइंटमेंट शेड्यूलिंग से लेकर बिलिंग तक सब संभाल रहे हैं। एक अस्पताल में अब 86% कॉल्स पूरी तरह
भविष्य
अगर हम सेक्टर के हिसाब से कन्वर्सेशनल AI के बढ़ने के ट्रेंड देखें तो कई दिलचस्प बातें सामने आती हैं। EdTech पहला इंडस्ट्री था जिसने कन्वर्सेशनल AI को अपनाया—क्योंकि कंपनियां अब किफायती दाम पर पर्सनल ट्यूटरिंग और लैंग्वेज लर्निंग दे सकती थीं। कस्टमर सपोर्ट एप्लिकेशन भी जल्दी ही जुड़े, क्योंकि सपोर्ट इंटरैक्शन पैटर्न-रिकग्निशन एक्सरसाइज होते हैं: जवाब नॉलेज बेस में होता है, और AI एजेंट उसे यूज़र के सवाल से मिलाता है। हम लॉजिस्टिक्स और हेल्थकेयर जैसे सेक्टर्स में वर्टिकल एंड-टू-एंड एप्लिकेशन भी बढ़ते देख रहे हैं—जैसे Traba और EliseAI। ये ऐसे क्षेत्र हैं जहां काम दोहराव वाला और प्रेडिक्टेबल है, इसलिए AI एजेंट आसानी से संभाल सकते हैं।
कन्वर्सेशनल AI परमाणु क्षेत्र से बिट्स की दुनिया में समर्थन लाता है। अब, कम्पनियों और उनके ग्राहकों के लिए समर्थन एक बेहतर अनुभव हो सकता है। आपके क्लाउड प्रदाता की तरह, आपकी AI सहायता टीम भी अपने स्तर को बढ़ा या घटा सकती है। आपके ग्राहकों को कभी भी प्रतीक्षा नहीं करनी पड़ेगी, और आप विश्व भर में सहायता केंद्र खोलने के परिचालन संबंधी सिरदर्द से भी बच जाएंगे।
पिछले एक साल में, वॉइस एजेंट्स बातचीत और नॉलेज रिट्रीवल में अच्छे रहे हैं, लेकिन मुझे लगता है ये तो बस शुरुआत है। 2025 में, मुझे लगता है AI वॉइस एजेंट्स इनबाउंड मीटिंग शेड्यूलिंग और 'प्रोडक्ट स्पेशलिस्ट' जैसी सपोर्ट समस्याओं के लिए स्टैंडर्ड बन जाएंगे। भले ही वे सिर्फ नॉलेज-रिट्रीवल कॉल्स तक सीमित हों, इससे सपोर्ट वॉल्यूम काफी कम होगा और इंसानी टीम्स को ज्यादा जरूरी काम करने का समय मिलेगा।
2026 तक, हम सिर्फ नॉलेज रिट्रीव करने से आगे बढ़कर एक्शन भी करने लगेंगे। स्टैंडर्ड AI वॉइस एजेंट्स API कॉल्स करेंगे और थर्ड-पार्टी ऐप्स से जुड़ेंगे। वे रूटीन काम जैसे मीटिंग बुक करना या रिफंड जारी करना खुद करेंगे।
2027 में, मैं देखता हूं कि AI वॉइस एजेंट्स सपोर्ट से कस्टमर सक्सेस की ओर बढ़ेंगे। मुझे लगता है कि पूरी सेल्स डील्स भी AI एजेंट्स द्वारा चलाई जाएंगी, शायद दोनों—खरीदार और विक्रेता—की तरफ से। बहुतों को ये आखिरी सीमा लग सकती है, लेकिन मेरे लिए ये तो बस शुरुआत है। गहरे संदर्भ और क्रिएटिव काम, जिन्हें हम अब तक सिर्फ इंसानों के लिए मानते थे, वे भी अब AI के दायरे में आते जाएंगे।
सपोर्ट एक खर्च वाला विभाग होने से बदलकर—पहले खर्च कम करने वाला और फिर बिज़नेस के लिए प्रॉफिट वाला बन जाएगा। AI वॉइस एजेंट्स खुद कस्टमर्स से संपर्क करेंगे, जिससे कस्टमर लॉयल्टी बढ़ेगी और LTV भी। कन्वर्सेशनल AI इंसानी सपोर्ट के कई फायदे देता है, लेकिन इसमें परफेक्ट मेमोरी, दर्जनों भाषाएं और 24/7 ऑपरेशन भी मिलता है। भविष्य आ रहा है, और कई मायनों में, वो पहले से ही यहां है। सोचिए, हर बार तुरंत, सहानुभूतिपूर्ण और असरदार सपोर्ट—जल्द ही आप एयरलाइन को कॉल करने का मन भी कर सकते हैं, सिर्फ मज़े के लिए।
