Viable

ਕਲਾਉਡ ਵੱਲ ਬਦਲਾਅ ਨੇ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ ਵਿੱਚ ਤੇਜ਼ ਵਾਧਾ ਕੀਤਾ ਹੈ, ਪਰ ਕਾਰੋਬਾਰ ਕੀਮਤੀ ਜਾਣਕਾਰੀਆਂ ਕੱਢਣ ਲਈ ਜੱਦੋਜਹਿਦ ਕਰ ਰਹੇ ਹਨ, ਮੁੱਖ ਤੌਰ 'ਤੇ ਉਸ ਡਾਟੇ ਦੇ ਗੈਰ-ਸੰਰਚਿਤ ਸੁਭਾਉ ਕਰਕੇ। 

ਫੀਡਬੈਕ ਤੋਂ ਅਰਥਪੂਰਨ ਜਾਣਕਾਰੀਆਂ ਕੱਢਣਾ ਇੱਕ ਸਮੇਂ-ਖਪਤ ਅਤੇ ਥਕਾਵਟ ਭਰੀ ਪ੍ਰਕਿਰਿਆ ਹੈ, ਜਿਸ ਲਈ ਆਮ ਤੌਰ 'ਤੇ ਮਨੁੱਖੀ ਰੀਜ਼ਨਿੰਗ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਅਤੇ ਜਦੋਂ ਕਿ ਵੱਡੇ ਡਾਟਾਸੈੱਟਾਂ ਦਾ ਸੰਖੇਪ ਕਰਨ ਲਈ ਕਈ ਟੂਲ ਮੌਜੂਦ ਹਨ, Viable⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਉਹਨਾਂ ਪਹਿਲੀਆਂ ਕੰਪਨੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਵਜੋਂ ਉਭਰੀ ਹੈ ਜਿਸ ਨੇ GPT‑3 ਅਤੇ ਹੁਣ GPT‑4 ਦੀ ਤਾਕਤ ਨੂੰ ਖੋਲ੍ਹਿਆ, ਤਾਂ ਜੋ ਸਿਰਫ਼ ਸਧਾਰਣ ਸੰਖੇਪ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਵੱਡੇ ਪੈਮਾਨੇ 'ਤੇ ਅਸਾਧਾਰਣ ਸਹੀਪਣ ਨਾਲ ਡੂੰਘਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਜਾ ਸਕੇ।

ਸੰਖੇਪਣ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵੱਖ-ਵੱਖ ML ਕੰਮ ਹਨ ਜਿਨ੍ਹਾਂ ਦੇ ਟ੍ਰੇਨਿੰਗ ਡਾਟਾ ਅਤੇ ਮਾਡਲ ਵੀ ਵੱਖ ਹੁੰਦੇ ਹਨ: ਸੰਖੇਪਣ ਜਾਣਕਾਰੀ ਨੂੰ ਸਿਕੋੜਦਾ ਹੈ, ਜਦਕਿ ਵਿਸ਼ਲੇਸ਼ਣ ਬਿਹਤਰ ਸਮਝ ਲਈ ਸੰਦਰਭ ਜੋੜਦਾ ਹੈ। ਵਿਸ਼ਾਲ ਡਾਟੇ ਨੂੰ ਸਹੀ ਰਿਪੋਰਟਾਂ ਵਿੱਚ ਬਦਲਦੇ ਸਮੇਂ, ਸੰਖੇਪਣ ਉਹਨਾਂ ਅਹਿਮ ਨੁਅੰਸਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰ ਦਿੰਦਾ ਹੈ ਜੋ ਅਸਲ ਗਾਹਕ ਭਾਵਨਾ ਨੂੰ ਸਮਝਣ ਲਈ ਜ਼ਰੂਰੀ ਹੁੰਦੀਆਂ ਹਨ, ਅਤੇ ਇਹ ਡਾਟੇ ਨੂੰ ਵਿਗਾੜ ਵੀ ਸਕਦਾ ਹੈ, ਜਿਸ ਕਾਰਨ ਖਾਮੀਪੂਰਨ ਕਾਰੋਬਾਰੀ ਫੈਸਲੇ ਹੋ ਸਕਦੇ ਹਨ। ਆਨਲਾਈਨ ਸਮੀਖਿਆਵਾਂ ਅਤੇ ਸਹਾਇਤਾ ਟਿਕਟਾਂ ਵਰਗੇ ਪਾਠ ਵਿੱਚ ਅਕਸਰ ਅਸਪਸ਼ਟਤਾ, ਤਨਜ਼ ਅਤੇ ਨਕਾਰ ਭਰਪੂਰ ਹੁੰਦੇ ਹਨ, ਜਿਸ ਕਰਕੇ ਅਸਲ ਸਮਝ ਲਈ ਵਾਧੂ ਸੰਦਰਭ ਦੀ ਲੋੜ ਪੈਂਦੀ ਹੈ। 

Viable ਨੇ ਇਸ ਚੁਣੌਤੀ ਦਾ ਹੱਲ OpenAI ਦੇ LLMs ਨੂੰ ਫਾਈਨ-ਟਿਊਨ ਕਰਕੇ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਕੀਤਾ ਹੈ, ਤਾਂ ਜੋ ਗਾਹਕ ਸਹਾਇਤਾ ਸੰਪਰਕਾਂ ਤੋਂ ਲੈ ਕੇ ਰਿਕਾਰਡ ਕੀਤੀਆਂ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟਾਂ ਅਤੇ ਵਿਚਕਾਰਲੇ ਹਰ ਰੂਪ ਤੋਂ ਤੇਜ਼ ਅਤੇ ਸਹੀ ਜਾਣਕਾਰੀਆਂ ਮਿਲ ਸਕਣ। Viable GPT‑4 ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਗੁਣਾਤਮਕ ਡਾਟੇ ਦਾ ਉਸ ਪੈਮਾਨੇ 'ਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ ਜੋ ਮੌਜੂਦਾ ਤਕਨੀਕਾਂ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਤੋਂ ਅੱਗੇ ਹੈ। Viable ਦਾ ਪਲੇਟਫਾਰਮ ਕੰਪਨੀਆਂ ਨੂੰ ਕਾਰਗਰ ਜਾਣਕਾਰੀਆਂ ਦਿੰਦਾ ਹੈ ਤਾਂ ਜੋ ਉਹ ਆਪਣਾ ਨੈਟ ਪ੍ਰੋਮੋਟਰ ਸਕੋਰ (NPS) ਸੁਧਾਰ ਸਕਣ, ਸਹਾਇਤਾ ਟਿਕਟਾਂ ਦੀ ਗਿਣਤੀ ਘਟਾ ਸਕਣ ਅਤੇ ਆਪਣੇ ਪ੍ਰੋਡਕਟ ਰੋਡਮੈਪ ਬਾਰੇ ਹੋਰ ਵਧੀਆ ਫੈਸਲੇ ਕਰ ਸਕਣ, ਇਹ ਸਭ ਕਰਦਿਆਂ ਓਪਰੇਟਿੰਗ ਖਰਚੇ ਵੀ ਬਚਾਉਣ।

Viable ਦੀ ਸਥਾਪਨਾ 2020 ਵਿੱਚ ਇਸ ਸ਼ੁਰੂਆਤੀ ਉਦੇਸ਼ ਨਾਲ ਹੋਈ ਸੀ ਕਿ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਪ੍ਰੋਡਕਟ-ਮਾਰਕੀਟ ਫਿਟ ਹਾਸਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਮਿਲੇ। ਉਨ੍ਹਾਂ ਨੇ ਜਲਦੀ ਹੀ ਸਮਝ ਲਿਆ ਕਿ ਸਭ ਤੋਂ ਵੱਧ ਡਾਟਾ-ਆਧਾਰਿਤ ਸੰਸਥਾਵਾਂ ਵੀ ਫੈਸਲੇ ਕਰਨ ਵਿੱਚ ਆਪਣੇ ਗੁਣਾਤਮਕ ਡਾਟਾ ਦਾ ਪੂਰਾ ਲਾਭ ਨਹੀਂ ਲੈ ਸਕਦੀਆਂ ਸਨ। 

Viable ਦੇ CEO ਡੈਨ ਏਰਿਕਸਨ ਨੇ ਕਿਹਾ, “ਅਸੀਂ ਪਛਾਣਿਆ ਕਿ AI ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਗਾਹਕ ਫੀਡਬੈਕ ਰਾਹੀਂ ਤਿਆਰ ਹੋਣ ਵਾਲੇ ਵਿਸ਼ਾਲ ਡਾਟੇ ਦਾ ਮਤਲਬ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਦਾ ਬਹੁਤ ਵੱਡਾ ਮੌਕਾ ਸੀ।” “GPT‑4 ਦੀਆਂ ਅਗੇਤਰੀ NLP ਸਮਰੱਥਾਵਾਂ ਦੀ ਵਰਤੋਂ ਸਾਡਾ ਪਲੇਟਫਾਰਮ ਵਿਕਸਿਤ ਕਰਨ ਵਿੱਚ ਨਿਰਣਾਇਕ ਰਹੀ ਹੈ, ਜਿਸ ਨਾਲ ਅਸੀਂ ਉਹੀ ਵਿਸ਼ਲੇਸ਼ਣ ਇੱਕ ਮਨੁੱਖ ਦੇ ਮੁਕਾਬਲੇ ਕਾਫ਼ੀ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਹੋਰ ਸਹੀ ਅਤੇ ਸੁਖਮ ਜਾਣਕਾਰੀਆਂ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਾਂ।”

OpenAI ਦੇ LLMs ਨੇ Viable ਨੂੰ ਆਪਣੇ ਗੈਰ-ਸੰਰਚਿਤ ਡਾਟੇ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਫਾਈਨ-ਟਿਊਨ ਕਰਨ ਯੋਗ ਬਣਾਇਆ ਹੈ, ਜਿਸ ਨਾਲ ਗਾਹਕਾਂ ਲਈ ਆਪਣੇ ਡਾਟੇ ਤੋਂ ਹੋਰ ਵੱਧ ਲਾਭ ਲੈਣਾ ਆਸਾਨ ਅਤੇ ਤੇਜ਼ ਹੋ ਗਿਆ ਹੈ। Viable ਲਗਭਗ ਤਿੰਨ ਸਾਲਾਂ ਤੋਂ OpenAI ਨਾਲ ਨੇੜੇ ਤੌਰ 'ਤੇ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ ਤਾਂ ਜੋ ਐਸੇ AI ਮਾਡਲ ਵਿਕਸਿਤ ਕੀਤੇ ਜਾ ਸਕਣ ਜੋ ਉਸ ਪੈਮਾਨੇ 'ਤੇ ਡਾਟੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਣ ਜੋ ਪਹਿਲਾਂ ਅਸੰਭਵ ਸੀ।

Viable ਦਾ ਪਲੇਟਫਾਰਮ Zendesk, Intercom, Gong ਅਤੇ ਹੋਰ ਪਲੇਟਫਾਰਮਾਂ ਵਿੱਚ ਗਾਹਕਾਂ ਲਈ ਆਪਣੇ ਗੈਰ-ਸੰਰਚਿਤ ਡਾਟੇ ਤੋਂ ਜਾਣਕਾਰੀਆਂ ਕੱਢਣਾ ਬਿਨਾ ਜਤਨ ਦੇ ਬਣਾ ਦਿੰਦਾ ਹੈ, ਇਸ ਦੀਆਂ ਸੁਚਾਰੂ ਇੰਟੀਗ੍ਰੇਸ਼ਨਾਂ, ਲਗਾਤਾਰ ਸਿੰਕਿੰਗ ਅਤੇ ਆਟੋਮੈਟਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਰਾਹੀਂ। ਸਿਰਫ਼ ਕੁਝ ਕਲਿੱਕਾਂ ਵਿੱਚ, ਪਲੇਟਫਾਰਮ ਡਾਟੇ ਨੂੰ ਥੀਮਾਂ ਵਿੱਚ ਵਰਗੀਕ੍ਰਿਤ ਕਰ ਦਿੰਦਾ ਹੈ ਅਤੇ ਹਫ਼ਤਾ-ਦਰ-ਹਫ਼ਤਾ ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਤਾਂ ਜੋ ਗਾਹਕ ਆਪਣੇ ਡਾਟੇ ਦੇ ਪਿੱਛੇ ਦਾ ਸੰਦਰਭ, churn ਦਾ ਖਤਰਾ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਉਹਨਾਂ ਯੂਜ਼ਰਾਂ ਦੇ ਪ੍ਰੋਫ਼ਾਈਲ ਵੀ ਸਮਝ ਸਕਣ ਜੋ ਉਹ ਖਾਸ ਫੀਡਬੈਕ ਦੇ ਰਹੇ ਹਨ। Viable ਦੇ ਗਾਹਕ ਆਪਣੇ ਡਾਟੇ ਬਾਰੇ AI ਨੂੰ ਹੋਰ ਜਟਿਲ ਸਵਾਲ ਵੀ ਪੁੱਛ ਸਕਦੇ ਹਨ ਅਤੇ ਸੰਬੰਧਿਤ ਡਾਟਾ ਸੈੱਟ ਦੇ ਆਧਾਰ 'ਤੇ ਜਾਣਕਾਰੀਆਂ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਨ।

Viable ਦੇ ਗਾਹਕਾਂ ਨੇ ਹਰ ਸਾਲ ਲਗਭਗ 1,000 ਘੰਟੇ ਬਚਾਏ ਹਨ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), ਸਹਾਇਤਾ ਟਿਕਟਾਂ ਦੀ ਗਿਣਤੀ ਘਟਾਈ ਹੈ ਅਤੇ ਇਸ ਦੀਆਂ ਜਾਣਕਾਰੀਆਂ ਲਾਗੂ ਕਰਨ ਤੋਂ ਬਾਅਦ ਗਾਹਕ churn ਵੀ ਘਟਾਇਆ ਹੈ। Sticker Mule ਵਿੱਚ ਗਾਹਕ ਸਹਾਇਤਾ ਦੀ VP ਕੈਲੀ ਬਿਸ਼ਪ ਕਹਿੰਦੀ ਹੈ, “Viable ਨਾਲ, ਅਸੀਂ ਗੈਰ-ਸੰਰਚਿਤ ਡਾਟੇ ਦਾ ਉਸ ਪੈਮਾਨੇ 'ਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਯੋਗ ਹੋਏ ਹਾਂ ਜੋ ਪਹਿਲਾਂ ਅਸੰਭਵ ਸੀ।” “ਪਹਿਲਾਂ, ਅਸੀਂ ਕੀਮਤੀ ਸਰੋਤਾਂ ਨੂੰ ਹੱਥੋਂ ਗੁਣਾਤਮਕ ਫੀਡਬੈਕ ਦੀ ਸਮੀਖਿਆ, ਟੈਗਿੰਗ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹੋਏ ਖਰਚ ਕਰ ਦਿੰਦੇ ਸੀ।”

Viable ਉਹਨਾਂ ਕਾਰੋਬਾਰਾਂ ਲਈ ਇੱਕ ਲਾਜ਼ਮੀ ਟੂਲ ਬਣ ਗਿਆ ਹੈ ਜੋ ਸਿਰਫ਼ ਆਸਾਨੀ ਨਾਲ ਮਾਪੇ ਜਾਣ ਵਾਲੇ ਮਾਤਰਾਤਮਕ KPI ਹੀ ਨਹੀਂ, ਸਗੋਂ ਆਪਣੇ ਪੂਰੇ ਡਾਟੇ ਦੇ ਆਧਾਰ 'ਤੇ ਡਾਟਾ-ਆਧਾਰਿਤ ਫੈਸਲੇ ਲੈਣਾ ਚਾਹੁੰਦੇ ਹਨ। GPT‑4 ਦੀਆਂ ਅਗੇਤਰੀ ਸਮਰੱਥਾਵਾਂ ਨਾਲ, Viable ਸਹੀ, ਸੁਖਮ ਅਤੇ ਕਾਰਵਾਈਯੋਗ ਜਾਣਕਾਰੀਆਂ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਉਸਦੇ ਗਾਹਕ ਮੁਕਾਬਲੇ ਵਿੱਚ ਅੱਗੇ ਰਹਿੰਦੇ ਹਨ।