Model ML फ़ाइनेंशियल कंपनियों को AI के साथ शुरुआत से डेवलप होने में मदद कर रहा है

हमारी Executive Function सीरीज़ में AI को अपनाने के क्षेत्र में अग्रणी नेताओं के नज़रिये प्रस्तुत किए गए हैं.

Model ML ऐसा AI इंफ़्रास्ट्रक्चर बना रहा है जो लीडिंग फ़ाइनेंशियल सर्विसेज़ कंपनियों के ऑपरेशन के तरीके को बदल रहा है. Model ML के प्लैटफ़ॉर्म में उद्देश्य के लिए बनाए गए एजेंट्स और एक ऐप्लिकेशन शामिल है जो एंड-टू-एंड वर्कफ़्लो के साथ-साथ ख़ास रिसर्च और एनालिसिस को ऑटोमेट करता है. 

हमने CEO और सह-संस्थापक Chaz Englander से बात की कि फ़ाइनेंशियल कंपनियां किस तरह डेवलप हो रही हैं, और किस तरह AI की हालिया प्रोग्रेस उनके ऑपरेशन्स को ऑटोमेट और स्ट्रीमलाइन कर रही है.

अपनी पिछली कंपनी बेचने के बाद, मुझे और मेरे भाई को एहसास हुआ कि हमें इन्वेस्ट करना पसंद नहीं है, लेकिन हम GPT की मदद से काम करने वाली फ़ंक्शन कॉलिंग के ज़रिये इन्वेस्टमेंट प्रोसेस को ऑटोमेट करने के प्रति जुनूनी हो गए.

हम छह लोगों वाले एक फ़ैमिली ऑफ़िस जैसे थे, लेकिन इन GPT‑3.5 की मदद से काम करने वाले LLMs के साथ, ऐसा महसूस हुआ कि हमारे पास 60 लोगों की टीम का फ़ायदा था.

हमने अपने लिए Model ML का एक प्रोटोटाइप बनाया और उसे कमर्शियलाइज़ करने का कोई प्लैन नहीं था. लेकिन जब हमने रिसर्च वर्कफ़्लो को ऑटोमेट करने से मिलने वाले जानकारी के फ़ायदे और दक्षता देखी, तो हमें पता चल गया कि हम कुछ तो कर रहे हैं.

कुछ टास्क ऐसे हैं जिन्हें करने में पहले कई दिन, हफ़्ते या महीनों लग जाते थे, लेकिन अब उनमें से कुछ टास्क मिनटों या घंटों में ही पूरे किए जा सकते हैं. जैसे कि, तिमाही आय की समरी तैयार करने में घंटों लग जाते थे. अब, एजेंट इस पूरे प्रोसेस को हैंडल करते हैं: वे डेटा निकालते हैं, स्लाइड्स को फ़ॉर्मेट करते हैं, और Powerpoint को SharePoint पर पब्लिश करते हैं, और ये सब इंसानी दखल के बिना होता है. मुझे लगता है कि ये इस साल का सबसे बड़ा बदलाव होगा... कि आप सुबह आएंगे और आपका काम पहले से ही वहां किया हुआ होगा.

इससे इस बात पर दोबारा सोचने पर मजबूर होना पड़ रहा है कि इंसान कहां वैल्यू जोड़ते हैं, और कंपनियों को किस तरह रीमैप करने की ज़रुरत है, जहां टीमें आज और भविष्य में प्रभावशाली होंगी.

हम देख रहे हैं कि कंपनियां लोगों को ज़्यादा-वैल्यू, जजमेंट-बेस्ड रोल्स में शिफ़्ट कर रही हैं. जिन कंपनियों के साथ हम काम करते हैं, उनके लीडर्स, कम से कम हमारे विचार से, पूरे संगठन के आर्किटेक्चर पर AI-नेटिव तरीके से दोबारा विचार कर रहे हैं. ये बेहद मुश्किल है, यही वजह है कि हम खुद को शुरुआत में ही कंसल्टेंट्स के तौर पर काम करते हुए पाते हैं, उन्हें ये तय करने में मदद करते हैं कि आज AI कहां सबसे ज़्यादा लागू होने लायक है और साथ ही भविष्य के लिए ये भी पक्का करते हैं कि हमारे ख़याल से 12 महीनों में ये कहां सबसे ज़्यादा प्रभावशाली होगा. 

हम देख रहे हैं कि फ़ाइनेंशियल कंपनियों के लोग अब कम नहीं बल्कि और ज़्यादा प्रभावशाली हो गए हैं. ऑटोमेशन की वजह से मुश्किल काम भी हो पाने से लोग रिश्तों और स्ट्रैटेजिक सोच पर फ़ोकस कर सकते हैं. जीतने वाली कंपनियां वो होंगी जो इस बदलाव का फ़ायदा उठाने के लिए अपने पूरे ऑपरेटिंग स्ट्रक्चर पर दोबारा विचार करेंगी.

फ़ाइनेंस में, एक्यूरेसी, कंप्लायंस, और वर्कफ़लो-फ़िट ऑप्शनल नहीं हैं–वे टेबल-स्टेक्स हैं. ये खासियत ही है जो जनरल-पर्पज़ टूल्स मैं मौजूद नहीं होती. Model ML को पहले दिन से ही दो क्रिटिकल लेवल्स पर फ़ाइनेंशियल सर्विसेज़ के लिए बनाया गया था.

सबसे पहले, एजेंट लेयर पर, हमने ख़ास तौर से फ़ाइनेंशियल प्रोफ़ेशनल्स द्वारा रोज़ाना इस्तेमाल किए जाने वाले डेटा के प्रकारों को पार्स करने और उनसे इंटरैक्ट करने के लिए सिस्टम्स बनाए और उन्हें फ़ाइन-ट्यून किया है, चाहे वे स्ट्रक्चर्ड हों या ना हों, Sharepoint जैसे टूल्स और Capital IQ, FactSet, और Crunchbase, जैसे आम डेटासेट्स में, जो सैकड़ों टेबल और 20 टेराबाइट्स हो सकते हैं. 12 महीने पहले, उन डेटासेट्स के आधार पर एजेंट बनाना लगभग नामुमकिन था. ये सिर्फ़ सवालों का जवाब देने वाले मॉडल्स नहीं हैं; वे कॉन्टेक्स्ट के तौर पर जागरूक हैं, स्कीमा को समझते हैं, कोड लिखते हैं, और कॉम्प्लेक्स डेटा के टेराबाइट्स से जानकारी रिट्रीव करते हैं. 

दूसरा, ऐप्लिकेशन लेयर है: वो इंटरफ़ेस जिसके ज़रिये यूज़र्स एजेंट्स के साथ बातचीत करते हैं, जिसे ख़ास तौर से फ़ाइनेंस के लिए डिज़ाइन किया गया है. ये कंपनियों को ऐसे एजेंट बनाने के लिए टूल्स देता है जो एंड-टू-एंड वर्कफ़्लो को ऑटोमेट करते हैं और ऐसी एनालिसिस कर पाने में मदद करते हैं जो पहले नहीं की जा सकती थी. यूज़ केसेस के संदर्भ में, हम रोज़ दर्जनों नए यूज़ केसेस देख रहे हैं और हमारे पास हज़ारों यूज़ केसेस हैं, जिनमें से ज़्यादातर कस्टमर्स को साइन अप करते ही मिल जाते हैं.

हमने हरेक नए मॉडल की रिलीज़ के साथ ज़रूरी स्टेप-बदलाव देखे हैं, जिन्हें हमने अपने कस्टमर्स के लिए तुरंत फ़ायदे में चैनल कर दिया है. रीज़निंग और कोडिंग क्षमता जैसी चीज़ों में प्रोग्रेस से हमारे प्रोडक्ट के क्षेत्र आसमान छू रहे हैं. हाल ही में OpenAI o3‑pro, o3, o4-mini, और GPT‑4.1 मॉडल की रिलीज़ के साथ, इन नए मॉडल्स ने रीज़निंग, मल्टीमोडल कैपेबिलिटीज़, निर्देश का पालन और टूल इंटीग्रेशन में नाटकीय तरीके से सुधार लाया है. बड़े कॉन्टेक्स्ट विंडो और ज़्यादा एडवांस्ड रीज़निंग कैपेबिलिटीज़ के साथ, अब हम एंड-टू-एंड वर्कफ़्लो को अनलॉक कर पा रहे हैं. अब, यूज़र्स डेटा जमा करना, एनालिसिस, और प्रेज़ेंटेशन क्रिएशन जैसे टास्क को एक साथ जोड़ सकते हैं, और पूरी तरह से ऑटोनोमस तरीके से पूरा फ़ॉर्मेटेड आउटपुट तैयार कर सकते हैं. 

मेरा मानना है कि सबसे ज़रूरी बदलाव एंड-टू-एंड वर्कफ़्लो ऑटोमेशन को बढ़ावा देना होगा, जहां आपके सिस्टम डिजिटल टीम की देखरेख करने वाले कंट्रोल टावर्स के तौर पर काम करते हैं. जैसे-जैसे ये एजेंट्स आपके पूरे डिजिटल जगत में और ज़्यादा कॉम्प्लेक्स, मल्टी-स्टेप टास्क करेंगे, यहां तक कि UI और हार्डवेयर के साथ हमारी बातचीत का तरीका भी बदलना शुरू हो जाएगा. ये शायद अगले 12 महीनों के आगे का कदम है, लेकिन हम इसी दिशा में आगे बढ़ रहे हैं.

इसके बाद आगे और जो आने वाला है वो वाकई में ऑटोनोमस एजेंट्स का उभरना है जिन्हें आप हमारे प्रोडक्ट में बना सकते हैं. हमारे एजेंट्स बेहतरीन वर्कफ़्लोज़ को एक्सीक्यूट कर सकते हैं जो आपके CRM, ईमेल्स, फ़ाइल्स, बाहरी डेटा वेंडर्स, मीटिंग ट्रांसक्रिप्ट्स और अन्य से डेटा जमा, एनालाइज़, और प्रेज़ेंट करते हैं. ये एजेंट्स सिर्फ़ निर्देशों का इंतज़ार नहीं करेंगे; वे पहले ही अनुमान लगा लेंगे कि क्या किया जाना चाहिए, चाहे वो सायक्लिकल हो (दैनिक, साप्ताहिक, मासिक, त्रैमासिक, वार्षिक) या रियल-वर्ल्ड इवेंट्स से प्रेरित हो—ठीक वैसे ही जैसे आप किसी मीटिंग के बाद या ईमेल के जवाब में एक टीम मेंबर से पूछते हैं.

असली बदलाव ये है कि ये वर्कफ़्लोज़ आपके सभी सिस्टम्स में डीप रीज़निंग और को-ऑर्डिनेशन के साथ, अपने आप, शुरू से आखिर तक रन करेंगे. आउटपुट एक 100-पेज के PowerPoint जितना बड़ा हो सकता है, जो पूरी तरह से मशीन द्वारा बनाया गया हो—ज़्यादा तेज़, ज़्यादा कंसिस्टेंट, और 24/7 उपलब्ध.

ये फ़्यूचर है: आपके बिज़नेस में मदद करने वाले वर्कफ़्लोज़ को रन करने वाली ऑटोनोमस डिजिटल टीमें—बेहतर, तेज़, और हमेशा चालू.

हमारा मानना है कि AI-नेटिव कंपनियां स्ट्रक्चरल तरीके से अलग दिखेंगी. कम लेयर्स, तेज़ सायकल्स, और ज़्यादा टाइट फ़ीडबैक लूप्स. हमने एक फ़्लैट स्ट्रक्चर अपनाया है. Arnie [मेरी सह-संस्थापक] और मेरे पास डबल-डिजिट्स वाली डायरेक्ट रिपोर्ट्स हैं. ये बात अजीब लग सकती है, लेकिन AI इसे मैनेजेबल बना देता है. सभी वन-ऑन-वन वाले कामों को AI मदद करता है. नोट्स, टू-डू वाले टास्क, कॉन्टेक्स्ट, सब कुछ स्ट्रीमलाइन हो गए हैं. इससे हम तेज़ी से आगे बढ़ते हुए प्रोडक्ट के करीब रह सकते हैं. हमारा मानना है कि मॉडर्न कंपनियां इसी तरह रन करेंगी: अलग-अलग हायरार्कीज़ की बजाय कंट्रोल टॉवर्स की तरह.

आगे की तैयारी का सबसे बड़ा हिस्सा, इकोसिस्टम और फ़ाउंडेशनल मॉडल्स के बेहतर होने पर काम करना है. सही मायनों में देखा जाए तो, और शायद ये फ़ाउंडर की मानसिकता और इंजीनियरिंग ऑर्गनाइज़ेशन्स का हिस्सा है, अपने कोड को लेकर इमोशनल न होना. हम सब कुछ खुद ही बनाते थे: एजेंट एब्स्ट्रैक्शन्स, सर्विस कनेक्टर्स, सब कुछ. अब, अगर OpenAI या ओपन-सोर्स कम्युनिटी कुछ बेहतर प्रदान करता है—जैसे OpenAI का Agent SDK या MCP कनेक्टर्स—तो हम उसे प्लग इन कर देते हैं और अपना कोड डिलीट कर देते हैं. 

हमने OpenAI के Agent SDK और MCP टूलिंग का इस्तेमाल करने की तरफ़ शिफ़्ट किया है एजेंट लूप्स, टूल कॉलिंग, गार्डरेल्स और इंटीग्रेशन्स को हैंडल करने के लिए, और हम कम मेंटेनेंस के साथ तेज़ इनोवेशन के लिए आगे बढ़ने में कामयाब हुए हैं.

हम इन्फ़्रास्ट्रक्चर को मेंटेन करके जीतने की कोशिश नहीं कर रहे; हम कस्टमर आउटकम्स के ज़रिये वैल्यू डिलीवर करके जीतने की कोशिश कर रहे हैं

Model ML अपने एजेंट्स, ऑटोमेशन्स और इंटर्नल टूल्स को काम करने में मदद करने के लिए OpenAI के API प्लैटफ़ॉर्म का इस्तेमाल करता है, जिसमें GPT‑4.1, OpenAI o3 और Agent SDK शामिल हैं.