Localiza ने निर्मितीक्षम एआयभोवती काम कसे पुनर्रचित केले
कंपनीसाठी, जनरेटिव्ह एआय हा केवळ उत्पादकतेचा एक स्तर नाही, तर तो एक नवीन संगणकीय इंटरफेस आहे. ही वचनबद्धता तीन क्षेत्रांमध्ये साकार होते: व्यवसायात परिवर्तन घडवणे, नवीन ग्राहक इंटरफेस तयार करणे आणि एआय-नेटिव्ह उत्पादने तयार करणे.
जेव्हा जनरेटिव्ह एआय आले, तेव्हा Localiza ने एक असा दृष्टिकोन स्वीकारला, ज्याने त्यानंतरच्या प्रत्येक गोष्टीची दिशा ठरवली: हे साधनांच्या संचातील केवळ एक सॉफ्टवेअर नव्हते; तर कंपनीच्या कार्यपद्धतीतच एक बदल होता.
स्वतंत्र वापराच्या उदाहरणांचा पाठपुरावा करण्याऐवजी, कंपनीने OpenAI सोबतचे आपले सहकार्य तीन धोरणात्मक स्तंभांभोवती आयोजित केले: मोठ्या प्रमाणावरील प्रयोगांद्वारे व्यवसायात परिवर्तन घडवणे, नवीन ग्राहक इंटरफेस तयार करणे आणि एआय-नेटिव्ह उत्पादने तयार करणे. या तिन्हींना जोडणारा दुवा म्हणजे बुद्धिमत्ता, संदर्भ आणि वेग यांच्या आधारावर प्रक्रियांची पुनर्रचना करण्याचा निर्णय.
“आमचे संघ जे काम आधीपासूनच चांगल्या प्रकारे करतात, ते करण्यास मदत करणारे एक प्रभावी साधन म्हणून आम्ही याकडे पाहतो. आमची कार्यसंस्कृती त्यांच्या वागण्यातून दिसते, ग्राहकांच्या गरजा त्यांना समजतात आणि उत्तम सेवा कशी द्यायची हे त्यांना माहीत आहे.”
कंपनीमध्ये या तंत्रज्ञानाचा वापर वाढवण्यामागचे तत्त्व सरळ आहे: व्यापक वापरातून शिकता येते आणि त्या शिकण्यातून अधिक चांगली उत्पादने घडतात.
प्रत्यक्षात याचा अर्थ ChatGPT चे परवाने केवळ वैयक्तिक लाभ म्हणून न देता, प्रयोग करण्यासाठी आणि उत्पादकता वाढवण्यासाठीचे साधन म्हणून वितरित करणे असा होता. Localiza मधील वित्त विभागापासून दैनंदिन कामकाजापर्यंतचे संघ गरजेनुसार तयार केलेले GPT, एजंट आणि Codex यांचा वापर करून सातत्याने प्रयोग करत आहेत.
Codex सर्वप्रथम तंत्रज्ञान विभागात सॉफ्टवेअर इंजिनिअर्स, प्रॉडक्ट मॅनेजर्स, डिझाइनर्स आणि डेटा सायंटिस्ट्स यांच्यापर्यंत पोहोचले. पण त्याचा स्वीकार तिथेच थांबला नाही: विश्लेषक, व्यवस्थापक, PMO, वकील आणि इतर व्यावसायिक तज्ञांनी त्यांच्या कौशल्याच्या क्षेत्रातील गृहितके तपासण्यासाठी स्वतःचे प्रोटोटाइप आणि ऑटोमेशन तयार करण्यास सुरुवात केली.
कंपनीने अपेक्षाही केली नव्हती असा हा परिणाम होता: विकासापूर्वीच्या टप्प्यांचे स्वरूपच बदलले. विकासासाठी काम हाती घेण्याआधीच विविध शाखांतील तज्ज्ञांचे संघ उपायांचे प्रायोगिक नमुने तयार करू लागले.
त्यांच्या मते, मुख्य अडथळा तंत्रज्ञानाचा नसून माणसांशी संबंधित आहे.
“मोठ्या संघाला कामाच्या नव्या पद्धती शिकण्यास आणि नवी कौशल्ये आत्मसात करण्यास मदत करणे, त्याच वेळी आमचे सर्व 19 कार्यगट आणि 130 पथके कार्यक्षमतेने व सातत्यपूर्ण रीतीने काम करतील याची खात्री करणे, हे मोठे आव्हान आहे.”
दुसऱ्या क्षेत्राची सुरुवात लोकांच्या वर्तनाविषयीच्या एका निरीक्षणातून होते: लोक आपल्याला काय हवे आहे हे सहज बोलभाषेत सांगू लागले आहेत. त्यामुळे त्यांनी आपला हेतू व्यक्त करताच वाहन व प्रवास सेवांचा वापर सुरू करण्याचा एक नवा मार्ग खुला होतो.
Localiza ची अंतर्गत आकडेवारी या बदलाला पुष्टी देते: 2024 पासून LLM द्वारे येणाऱ्या भेटी झपाट्याने वाढत आहेत आणि ChatGPT हे त्यांचे मुख्य माध्यम बनत आहे.
कंपनीने या क्षेत्रात लवकर आपले स्थान निर्माण करण्याचे ठरवले. मार्च 2026 मध्ये, ChatGPT मध्ये थेट इंटिग्रेट केलेले ॲप सादर करणारा हा ब्राझीलचा पहिला आणि लॅटिन अमेरिकेतील पहिल्या काही मोबिलिटी प्लॅटफॉर्मपैकी एक बनला. ग्राहक भाड्याने, सबस्क्रिप्शन आणि वापरलेल्या कारचे पर्याय पाहू शकतात आणि संभाषणातून आपला प्रवास सुरू करू शकतात, त्यानंतर Localiza च्या सुरक्षित वातावरणात व्यवहार पूर्ण करू शकतात.
“आम्ही हे आव्हान सुरुवातीलाच स्वीकारले आणि प्रत्येक टप्प्यावर शिकत राहिलो, म्हणूनच ग्राहकांना या नव्या पद्धतींनी सेवा देऊ शकलो, असे आम्हाला वाटते.”
कंपनीमध्ये Localiza च्या ChatGPT वरील ॲपकडे त्याच्या मूळ उद्देशानुसारच पाहिले जाते: ग्राहकांच्या वर्तनातील अत्याधुनिक बदलांशी कंपनीला जोडून ठेवणे, प्रत्यक्ष संवादांतून वेगाने शिकणे आणि विद्यमान व्यवस्थेला एआय कसे पूरक ठरते हे शोधणे, यासाठीचा हा प्रयोग आहे.
मुळापासून एआय-आधारित उत्पादनाचे कंपनीतील सर्वांत ठळक उदाहरण म्हणजे Liza. संवाद साधणाऱ्या या असिस्टंटने कंपनीच्या कामकाजात आपले यश सिद्ध केले आहे.
पारंपरिक चॅटबॉटपेक्षा याचे वेगळेपण दर्शनी भागात नसून अंतर्गत रचनेत आहे. पूर्वनिश्चित निर्णयक्रमाचे अनुसरण करण्याऐवजी Liza ची उभारणी संवाद, हेतू आणि संदर्भ यांना केंद्रस्थानी ठेवून केली गेली. सुरुवातीची विनंती समजून घेण्यापासून गाडी भाड्याने घेण्याच्या महत्त्वाच्या टप्प्यांवर मदत करण्यापर्यंत, अनुभवातील प्रमुख भागांना आधार देण्यासाठी त्यात OpenAI मॉडेल, Localiza च्या सेवा आणि विशेष साधनांचा एकत्रित वापर केला जातो.
वारंवार कराव्या लागणाऱ्या सेवा प्रक्रिया गुणवत्तापूर्ण रीतीने हाताळणे आणि संघांना अधिक गुंतागुंतीच्या, अधिक मूल्य देणाऱ्या संवादांसाठी वेळ मिळवून देणे, हे उद्दिष्ट आहे.
पण किती कामांचे ऑटोमेशन झाले, यावर यश मोजले जात नाही.
अशा प्रकारचे तंत्रज्ञान उपलब्ध होण्यापूर्वीच Localiza आपल्या ग्राहकसेवा प्रक्रियांचे टप्पे नोंदवत होती आणि मूल्यमापन करत होती. या पायाभूत कामामुळे कुठे एजंटने काम हाताळावे आणि कुठे माणसाने हस्तक्षेप करणे आवश्यक आहे, हे स्पष्टपणे ठरवता आले.
“ग्राहकांना सेवा घेताना प्रत्येक टप्पा शक्य तितका सुरळीत पार करता यावा, यासाठी आम्ही नेहमीच कटिबद्ध राहिलो आहोत. त्या अनुभवाची गुणवत्ता मोजण्यासाठी आम्ही निकषही विकसित केले आहेत. चौकशी करणाऱ्यांपैकी किती जण प्रत्यक्ष ग्राहक बनतात याचाही आम्ही अर्थातच मागोवा घेतो, पण आमचा मुख्य भर ग्राहकांच्या अनुभवावर असतो.”
Liza च्या माध्यमातून सतत शिकण्याचे चक्रही चालू राहते: संवादांतून मिळालेले संकेत एकत्र करून त्यांचे निरीक्षण केले जाते. त्यातून गरजा, अडथळे आणि सेवा देण्याच्या संधी ओळखता येतात. आवाजाचे मजकुरात आणि मजकुराचे आवाजात रूपांतर करण्याच्या क्षमतांसोबत हे संकेत Liza च्या विकासाला चालना देतात. त्यामुळे केवळ व्यवहार हाताळणाऱ्या चॅटबॉटपासून, विविध वाहन व प्रवास सेवांमध्ये शिकू शकणारे आणि व्यापक वापराला सामावून घेणारे, मुळापासून एआय-आधारित ग्राहक संवादमाध्यम म्हणून ते विकसित होत आहे.
“यामुळे आमच्या संघातील अनेकांना अधिक महत्त्वाच्या समस्या अधिक आत्मविश्वासाने आणि सहजतेने सोडवण्यासाठी वेळ मिळतो. यातून ग्राहकांसाठीचे आमचे ध्येय साध्य करण्यास मदत होते.”
OpenAI सोबतची भागीदारी सुरुवातीलाच सुरू झाली: Liza ची पहिली आवृत्ती GPT‑3.5 वर चालत होती.
Petenussi यांच्या मते, या नात्याचे खरे मूल्य एखाद्या विशिष्ट वैशिष्ट्यात नसून समांतरपणे विकसित होणाऱ्या दोन कंपन्यांनी एकमेकींकडून सातत्याने शिकण्यात आहे. यात भागीदार कंपनी Localiza ची आव्हाने आणि तंत्रज्ञानासह इतर क्षेत्रांतील तिच्या क्षमता विकासाच्या वेगवेगळ्या टप्प्यांवर कशा आहेत, हे समजून घेते.
बाजारपेठेतील इतर कंपन्यांपुढे ते हा मुद्दा अनेकदा मांडतात: तंत्रज्ञान अजूनही विकसित होत असताना प्रयोग करणे, चुकांतून शिकणे आणि निकटचे सहकार्य करणे यांना मोठे महत्त्व असते.
“बाजारपेठा, आपल्या कामाच्या पद्धती आणि उत्पादने व सेवांचा वापर यात परिवर्तन घडवणाऱ्या या तंत्रज्ञानाच्या प्रवासात आपण अजूनही सुरुवातीच्या टप्प्यावर आहोत, असे आम्हाला वाटते. पुढील 5, 10 आणि 15 वर्षांत आपले जग घडवण्यात त्याचा हातभार लागेल.”
मार्च 2026 मध्ये थेट ChatGPT मध्ये इंटिग्रेट केलेले ॲप सादर करणारी Localiza ही ब्राझीलमधील पहिली आणि लॅटिन अमेरिकेतील सुरुवातीच्या काही कंपन्यांपैकी एक बनली. अलीकडेच ती ब्राझीलमधील या व्यासपीठाच्या प्रायोगिक जाहिरात उपक्रमात जाहिरातदार म्हणूनही सहभागी झाली.
2024 पासून LLM कडून येणाऱ्या ट्रॅफिकमध्ये झपाट्याने वाढ होत असून, ChatGPT हे मुख्य माध्यम आहे.
Liza असिस्टंट 60 हून अधिक विशेष एजंट्सच्या मदतीने काम करते, जे रीझनिंग मॉडेल, MCP इंटिग्रेशन आणि भाड्याने देण्याच्या प्रक्रियेचे सुसूत्रीकरण करणाऱ्या विशेष साधनांवर आधारित आहेत.
कंपनीतील वित्त विभागापासून दैनंदिन कामकाजापर्यंतचे संघ गरजेनुसार तयार केलेले GPT, एजंट आणि Codex यांचा वापर करून सातत्याने प्रयोग करत आहेत.
Codex चा वापर तंत्रज्ञान विभागातून व्यवसायाच्या इतर क्षेत्रांत पसरला. विश्लेषक, व्यवस्थापक, प्रकल्प व्यवस्थापन कार्यालये आणि वकील स्वतःचे प्रोटोटाइप आणि ऑटोमेशन्स तयार करू लागले.
तंत्रज्ञानाशी संबंधित कामकाज 19 कार्यगट आणि 130 पथकांमध्ये विभागलेले आहे.
एआयकडे केवळ उत्पादकता वाढवण्याचे साधन म्हणून नव्हे, तर कामकाजाचे नवे मॉडेल म्हणून पाहा. बुद्धिमत्ता, संदर्भ आणि वेग यांना केंद्रस्थानी ठेवून प्रक्रियांची पुनर्रचना केल्याने सर्वाधिक लाभ होतात.
अधिक शिकण्यासाठी प्रयोगांची व्याप्ती वाढवा. एकाच वेळी मोठ्या प्रमाणावर केलेल्या प्रयोगांतून संस्थेला एखाद्या परिपूर्ण प्रायोगिक उपक्रमापेक्षा अधिक ज्ञान मिळते.
प्रयोगांना तंत्रज्ञान विभागापुरते मर्यादित ठेवू नका. वकील, प्रकल्प व्यवस्थापन कार्यालये आणि विश्लेषक आपापल्या क्षेत्रांत प्रायोगिक नमुने तयार करतात, तेव्हा विकासपूर्व कामाचे स्वरूप बदलते.
ग्राहकांच्या सेवा प्रक्रिया ऑटोमेट करण्यापूर्वी त्यांचे टप्पे नोंदवा आणि मूल्यमापन करा. गुणवत्तेचे मापन निकष निश्चित केलेले असतील, तर कुठे एजंटने हस्तक्षेप करावा आणि कुठे माणसाची भूमिका अपरिहार्य आहे, हे ठरवता येते.
तंत्रज्ञानाचा स्वीकार करण्यातील मुख्य अडथळा मॉडेल नसून नवी कौशल्ये शिकणे हा आहे. तंत्रज्ञान इंटिग्रेट करण्यापेक्षा शेकडो लोकांची कामाची पद्धत बदलणे अधिक कठीण आणि अधिक निर्णायक असते.
मॉडेलच्या एखाद्या वैशिष्ट्यापासून नव्हे, तर ग्राहकाची समस्या आणि सेवा घेताना त्याला पार पाडावे लागणारे टप्पे यांपासून सुरुवात करा.
परवान्यांचे वाटप वैयक्तिक लाभ म्हणून नव्हे, तर प्रयोगांसाठीची तरतूद म्हणून करा.
संवाद साधणाऱ्या एजंटचा वापर व्यापक करण्यापूर्वी गुणवत्तेचे मापन निकष निश्चित करा.
नव्या संवाद माध्यमांवरील उपस्थितीकडे ग्राहक मिळवण्याची मोहीम म्हणून नव्हे, तर शिकण्यासाठीचा प्रयोग म्हणून पाहा.
शिकलेले पुन्हा उपयोगात आणा: प्रत्येक संवादातून मिळणाऱ्या संकेतांचा वापर मूळ उत्पादन सुधारण्यासाठी करा.
आगामी अनुभव आणि प्रक्रियांमध्ये एआयला केंद्रस्थानी ठेवण्याची Localiza ची महत्त्वाकांक्षा आहे—मग ती काम करण्याची पद्धत असो, ग्राहकांसाठी घडवलेला अनुभव असो किंवा कामकाजातील समस्या सोडवणे असो.
OpenAI सोबत आधीपासूनच विकसित होत असलेल्या पुढील क्षेत्रांमध्ये Liza आणि विक्री-केंद्रित एजंट्सचा विकास, ग्राहक प्रवेश बिंदू म्हणून संवादात्मक इंटरफेसची स्थापना आणि एजेंटिक सॉफ्टवेअर विकासाचे नवीन चक्र यांचा समावेश आहे.
“अधिक चांगले अनुभव कसे घडवता येतील, यावर आमचा मुख्य भर आहे. मग उद्देश व्यवसायाची नफाक्षमता वाढवणे असो, त्याची सुदृढता टिकवणे असो किंवा सर्वांत महत्त्वाचे म्हणजे ग्राहक आणि कर्मचाऱ्यांसाठी आनंददायी अनुभव घडवणे असो.”
