V7, AI एजेंट्स को कंपनी की मेमोरी कैसे देता है

आज के मॉडल मुश्किल कामों पर रीज़निंग कर सकते हैं, लेकिन वे अपने आप उन कामों का बिज़नेस कॉन्टेक्स्ट नहीं समझते. कौन-सी फ़ंड रिपोर्ट सबसे नई है? एक ही एंटिटी को तीन अलग सिस्टम्स में किस नाम से रखा गया है?

यह कॉन्टेक्स्ट डॉक्यूमेंट्स, डेटा रूम्स, स्प्रेडशीट्स, ईमेल्स और इंटरनल टूल्स में बिखरा रहता है. एजेंट्स के लिए इसे देखना और सही तरह से जोड़ना मुश्किल होता है. फ़ाइनेंस, इंश्योरेंस और रियल एस्टेट टीम्स के लिए वर्कफ़्लो में सही जानकारी ढूँढ पाना बेहद ज़रूरी है.

एक साथ बड़े पैमाने पर इस्तेमाल होने वाला कंप्यूटर विज़न एक्सेसिबिलिटी ऐप बनाने के बाद, रिज़ोली और एडवर्डसन ने 2018 में V7⁠(एक नई विंडो में खुलेगा) शुरू किया. उनका मकसद कंपनियों को AI सिस्टम्स को यह सिखाने में मदद करना था कि उनका बिज़नेस कैसे काम करता है. V7 Go एक एजेंटिक प्लेटफ़ॉर्म है, जो बेहद अहम वर्कफ़्लो बनाने और छिपे हुए कॉन्टेक्स्ट को ऐसी मेमोरी में ऑर्गेनाइज़ करने में मदद करता है, जिसे एजेंट्स खोज सकें और उस पर काम कर सकें.

V7 Go, GPT‑5.6 Luna की मदद से लाखों फ़ाइलों से जानकारी निकालकर उसे कॉन्टेक्स्ट ग्राफ़ में ऑर्गेनाइज़ करता है. यह ग्राफ़ एंटिटीज़, उनके आपसी रिश्तों और सोर्स से जुड़े एविडेंस को जोड़ता है, जिससे MCP सर्च और सैकड़ों स्टेप्स वाले बार-बार इस्तेमाल किए जा सकने वाले वर्कफ़्लो चलते हैं. वर्कफ़्लो के लिए V7 Go, GPT‑5.6 Terra और Sol का इस्तेमाल रीज़निंग और टूल्स के लिए करता है, खासकर ऐसे मुश्किल और कई स्टेप्स वाले कामों में जिन्हें पूरा करने में इंसानों को कई घंटे लग सकते हैं. V7 अब कॉन्टेक्स्ट ग्राफ़ की सबसे मुश्किल क्वेरीज़ के लिए GPT‑6 Astra का इस्तेमाल भी शुरू कर रहा है, जिनमें हज़ारों डॉक्यूमेंट्स का फ़ाइनेंशियल एनालिसिस शामिल है.

V7 के मुताबिक, कॉन्टेक्स्ट, मॉडल्स और टूल्स साथ काम करें तो एजेंट्स 50–100 स्टेप्स वाले वर्कफ़्लो कुछ ही मिनटों में पूरे कर सकते हैं और 99.9% एक्युरेसी तक पहुँच सकते हैं. साथ ही, हर फ़ैसले का पूरा रिकॉर्ड भी रखा जाता है.

कॉन्टेक्स्ट ग्राफ़ एक खास समस्या हल करता है. हर नई रिक्वेस्ट पर एजेंट्स को कॉन्टेक्स्ट फिर से ढूँढना पड़ता है, जिससे कई बार सर्च करना पड़ता हैं, समय और टोकन खर्च होते हैं और आपस में जुड़े डेटा में छिपी अहम जानकारी छूट सकती है.

नया डेटा आने पर V7 Go, SharePoint और Google Drive जैसे रिपॉज़िटरी से जुड़ता है और उनमें एंटिटीज़, रिश्ते, फ़ैक्ट्स, एट्रिब्यूट्स और मेट्रिक्स खोजता है. फिर यह एक ऐसा ग्राफ़ बनाता है, जिसमें जानकारी ढूँढना लंबे कॉन्टेक्स्ट वाले तरीकों के मुकाबले काफ़ी तेज़ और सस्ता होता है.

कॉन्टेक्स्ट ग्राफ़ एजेंट्स को व्यवस्थित और अपडेटेड रिकॉर्ड देता है, जिसे वे सीधे खोज सकते हैं. नई फ़ाइल आने पर V7 Go कंपनियों, फ़ंड्स, लोगों या तय कैटेगरी में मौजूद दूसरी एंटिटीज़ को पहचानता है. फिर हर फ़ैक्ट को नए या मौजूदा रिकॉर्ड से जोड़ता है और उसके सोर्स का सबूत भी साथ रखता है. अगर ग्राफ़ में काफ़ी जानकारी न हो, तो V7 Go RAG की मदद से असली डॉक्यूमेंट्स में भी सर्च कर सकता है.

V7 ने यह भी टेस्ट किया कि कॉन्टेक्स्ट को व्यवस्थित करने से कितना फ़र्क पड़ता है. HERB बेंचमार्क पर, जो अलग-अलग एंटरप्राइज़ सिस्टम्स में फैली जानकारी को खोजने और जोड़ने की क्षमता मापता है, V7 के सिर्फ़ रिट्रीवल वाले सिस्टम ने ऑफ़िशियल बेसलाइन से 69% बेहतर प्रदर्शन किया और जिन सवालों का जवाब नहीं था उनमें गलत जवाब 38% कम हुए. V7 Go इसी सोर्स से जुड़े कॉन्टेक्स्ट का इस्तेमाल करके मुश्किल वर्कफ़्लो को हर कंपनी की अपनी जानकारी से जोड़े रखता है.

V7 Go ऑर्गेनाइज़ किए गए कॉन्टेक्स्ट का इस्तेमाल प्राइवेट इक्विटी डील स्क्रीनिंग और इंश्योरेंस अंडरराइटिंग जैसे वर्कफ़्लो में करता है. नीचे दिए डेमो में एक वर्कफ़्लो कॉन्फ़िडेंशियल इंफ़ॉर्मेशन मेमोरेंडम (CIM) नाम के डील डॉक्यूमेंट से अहम फ़ाइनेंशियल जानकारी, डील की शर्तें, मैनेजमेंट की जानकारी और रिस्क से जुड़े फ़ील्ड निकालता है. इसके बाद V7 Go एक स्क्रीनिंग नोट तैयार करता है.

कॉन्टेक्स्ट ग्राफ़ की मदद से मॉडल किसी फ़र्म की पुरानी जानकारी के साथ काम कर सकता है, बिना हर बार उसे फिर से समझे. लंबे समय तक चलने वाले एजेंट्स के लिए V7 Go हाल की बातचीत को मॉडल के ऐक्टिव कॉन्टेक्स्ट में रखता है और पुरानी जानकारी को ग्राफ़ में स्टोर करता है, ताकि ज़रूरत पड़ने पर उसे फिर से निकाला जा सके.

यह साझा कॉन्टेक्स्ट V7 के कस्टमर्स के ज़्यादा डॉक्यूमेंट वाले काम को पहले से तेज़ कर रहा है:

• ऐसट मैनेजर्स अब डील्स को पहले से 21 गुना तेज़ी से स्क्रीन कर सकते हैं. पूरे दिन का काम अब सिर्फ़ 15 मिनट में हो जाता है

• एक फ़ाइनेंशियल सर्विसेज़ टीम ने रिव्यू का समय 100 घंटे से ज़्यादा घटाकर 10 घंटे से कम कर दिया, जिससे हर टास्क पर एक्सपर्ट की लागत में $12,000 की बचत हुई

• इंश्योरेंस टीमों ने अपने एजेंट्स को पुराने सभी क्लेम्स और मौजूदा पॉलिसीज़ की जानकारी देने के बाद, मैन्युअल तरीके के मुकाबले क्लेम प्रोसेसिंग की गलतियाँ 13.5% कम कीं

मुश्किल और कई स्टेप वाले वर्कफ़्लो में मॉडल का लंबे इंस्ट्रक्शन्स को सही तरह से फ़ॉलो करना, टूल्स चलाना, नतीजों को समझना और कई स्टेप्स पूरे करना ज़रूरी होता है. शुरुआत में हुई एक गलती भी बड़ा खर्च करा सकती है और AI सिस्टम पर भरोसा कम कर सकती है. V7 Go मॉडल्स को लंबे कामों में सही दिशा देता है, जिनमें तय कोड, छोटे मॉडल्स को काम सौंपना, फ़ाइल बनाना और अलग-अलग सिस्टम्स से जोड़ना शामिल है. हर रन का पूरा रिकॉर्ड भी देखा जा सकता है.

AI से बने वर्कफ़्लो में V7 Go हर स्टेप को फ़ास्ट, मीडियम और स्मार्ट टियर में बाँटता है. GPT‑5.6 Luna स्ट्रक्चर्ड डेटा को निकालने और भारी कामों को संभालता है, जबकि GPT‑5.6 Terra या Sol चैट, Go Agent और ज़्यादा रीज़निंग या टूल इस्तेमाल वाले स्टेप्स को चलाते हैं.

V7 नए मॉडल्स को लगातार अपडेट किए जाने वाले बेंचमार्क्स पर टेस्ट करता है. इनमें साइटेशन की सही जानकारी, सैकड़ों तरह के डॉक्यूमेंट्स से डेटा निकालने की क्वालिटी, जवाब की सही जानकारी, इंस्ट्रक्शन्स फ़ॉलो करना, लेटेंसी, लागत और असली एंटरप्राइज़ वर्कफ़्लो शामिल हैं. जिन क्षमताओं को V7 सबसे अहम मानता है, उनमें OpenAI ज़्यादातर मॉडल्स से बेहतर प्रदर्शन करता है. V7 की बढ़ी हुई क्षमता की ज़रूरत को OpenAI ने कुछ ही घंटों में पूरा कर दिया, जबकि दूसरे प्रोवाइडर्स को इसमें कई हफ़्ते लगे.

V7 के नए हार्नेस में कई बाहरी कॉल्स वाले अहम वर्कफ़्लो अब 50% तक जल्दी पूरे होते हैं. GPT‑5.6 Luna के साथ V7 ने एक और फ़ायदा देखा: GPT‑5.4 mini के मुकाबले हर डॉक्यूमेंट की लागत 78% कम रही. V7 ने ज़्यादा डॉक्यूमेंट वाले V7 Go वर्कलोड्स को Chat Completions API से Responses API पर भी शिफ़्ट किया. टेस्टिंग में इससे कुछ ज़्यादा PDF वाले वर्कफ़्लो में टोकन का करीब 5% कम इस्तेमाल हुआ और कैशिंग ज़्यादा भरोसेमंद हुई.

V7 ने अपनी सबसे मुश्किल क्वेरीज़ पर GPT‑6 Astra को भी टेस्ट किया. GPT‑5.6 Sol पहले से मौजूद कई बेंचमार्क्स पर लगभग सबसे ऊँचे स्तर तक पहुँच चुका था, इसलिए कंपनी ने हज़ारों डॉक्यूमेंट्स के बिखरे हुए असली डेटा से ज़्यादा मुश्किल ग्राफ़-क्वेरी सवाल बनाए. टेस्ट में चार मुश्किल स्तर थे. सबसे मुश्किल स्तर पर V7 के मुताबिक GPT‑5.6 Sol ने 78% और GPT‑6 Astra ने 89% सही जवाब दिए. आसान, मीडियम और हार्ड स्तर पर दोनों मॉडल्स का स्कोर करीब 100% रहा.

V7 Go अपने MCP सर्वर के ज़रिए कॉन्टेक्स्ट ग्राफ़ में क्वेरी करने और डेटा शामिल करने की सुविधा पहले से देता है, इसलिए कस्टमर्स इसे ChatGPT और दूसरे कम्पैटिबल क्लाइंट्स से इस्तेमाल कर सकते हैं. वे Codex में MCP के ज़रिए V7 Go वर्कफ़्लो भी बना सकते हैं. आसान वर्कफ़्लो डिज़ाइन के साथ मिलकर इससे एक मीडियम-लेंग्थ वर्कफ़्लो बनाने का समय करीब एक घंटे से घटकर लगभग 20 मिनट रह गया है.

V7 का लंबे समय का लक्ष्य इस साझा मेमोरी को ज़्यादा प्रोऐक्टिव बनाना है. टीम ऐसे वर्कफ़्लो पर काम कर रही है जो कॉन्टेक्स्ट ग्राफ़ में जानकारी बदलते ही शुरू हो जाएँ, मेल न खाने वाली जानकारी को फ़्लैग करें और बताएँ कि किन एनालिसिस को दोबारा देखने की ज़रूरत है. उदाहरण के लिए, अगर किसी फ़ंड रिपोर्ट के आँकड़े अपडेट होते हैं, तो V7 Go उस काम को फ़्लैग कर सकता है जो अभी भी पुराने आँकड़ों पर निर्भर है.

रिज़ोली कहते हैं, "हमारा लक्ष्य एंटरप्राइज़ कंपनियों को AI के दौर के लिए अपने काम करने के तरीके और टूल्स को बेहतर बनाने में मदद करना है, ऐसे वर्कफ़्लो के साथ जो बेहद क्रिटिकल टास्क्स करें और ऐसी मेमोरी के साथ जो इंसानों से भी बेहतर काम करे. AI से असली फ़ायदा पाने वाली फ़ाइनेंस कंपनियाँ वे नहीं होंगी जिनके पास सबसे ज़्यादा एजेंट्स हों. आगे वे होंगी जिनके पास सबसे अच्छा कॉन्टेक्स्ट होगा."