वर्षानुवर्षे, "शेवटचा मैल" डिजिटल परिवर्तन प्रक्रिया विसरलेल्या PDF आणि दुर्लक्षित प्रशिक्षण पुस्तिकांनी भरलेली आहे.
संस्था एसएपी किंवा सेल्सफोर्स सारख्या अत्याधुनिक सॉफ्टवेअरवर लाखो खर्च करतात, फक्त कर्मचाऱ्यांना मूलभूत नेव्हिगेशनसह संघर्ष करावा लागतो. आता, एजंटिक AI च्या युगाच्या आगमनाने, कंपन्यांना दुधारी तलवारीचा सामना करावा लागतो: त्यांनी मानवी कर्मचाऱ्यांना AI सह सहयोग कसे करावे हे शिकवले पाहिजे, त्याच वेळी AI एजंटना आधुनिक एंटरप्राइझच्या चक्रव्यूहात कसे नेव्हिगेट करावे हे शिकवले पाहिजे.
AI सोबत पुढे जाणाऱ्या कंपन्यांमध्ये एक कल्पकता प्राप्त होत आहे असे दिसते: स्क्रीन रेकॉर्डिंग आणि ट्यूटोरियल्स/वॉकथ्रू वापरून एखाद्या व्यक्तीचे संस्थात्मक कार्य — मग ते नवीन तिकीट तयार करत असेल किंवा बीजक प्रक्रिया करत असेल — आणि स्क्रीन कॅप्चरवर आधारित प्रवाहाची प्रतिकृती तयार करण्यासाठी AI ला प्रशिक्षण द्या. या आठवड्यातच, स्टँडर्ड इंटेलिजन्स नावाचा एक स्टार्टअप X वर व्हायरल झाला, ज्याने भौतिक आणि डिजिटल जगासाठी याच्या खुल्या आवृत्तीचा प्रारंभिक डेमो दर्शविला.
परंतु सत्य हे आहे की आधीच असे खेळाडू आहेत जे या समस्येचा थेट संस्थेसाठीच सामना करत आहेत: बिंदूमध्ये, दिग्दर्शितCOVID-19 साथीच्या आजाराच्या व्हिडिओ-केंद्रित वर्षांमध्ये जन्मलेल्या इस्रायली स्टार्टअपने आज ज्ञान पायाभूत सुविधांच्या संकटाला अचूकपणे तोंड देण्यासाठी PSG इक्विटीच्या नेतृत्वाखाली $50 दशलक्ष सिरीज बी फंडिंग फेरीची घोषणा केली.
एजंटला स्थिर पीडीएफ मार्गदर्शक खायला देण्याऐवजी, Guidde उच्च निष्ठा प्रदान करते "ग्राउंड सत्य व्हिडिओ"- वास्तविक मानवी तज्ञांकडून कॅप्चर केलेला डेटाचा समृद्ध प्रवाह जेव्हा ते जटिल सॉफ्टवेअर नेव्हिगेट करतात.
ही गुंतवणूक तंत्रज्ञान उद्योग दस्तऐवजीकरणाकडे पाहण्याच्या दृष्टिकोनात बदल दर्शवते — कामाचे स्थिर उपउत्पादन म्हणून नव्हे तर स्वायत्त डिजिटल एजंट्सच्या पुढील पिढीला प्रशिक्षित करण्यासाठी आवश्यक असलेली महत्त्वपूर्ण टेलिमेट्री म्हणून.
तंत्रज्ञान: व्हिडिओ कॅप्चरपासून सार्वत्रिक मॉडेलपर्यंत
त्याच्या केंद्रस्थानी, Guidde हे डिजिटल AI दत्तक प्लॅटफॉर्म (ADAP) आहे. तथापि, रेकॉर्डिंग दरम्यान पडद्यामागे जे घडते त्यात सर्वात मोठी तांत्रिक प्रगती आहे.
Guidde फक्त पिक्सेल रेकॉर्ड करत नाही; हे HTML पृष्ठासह प्रत्येक क्लिक, स्क्रोल आणि सुप्त परस्परसंवाद कॅप्चर करते— तंतोतंत थांबे, विशिष्ट पास खोली, आणि जेव्हा प्रणाली मागे पडते तेव्हा मानव-निर्मित सुधारणा. ही टेलीमेट्री कच्च्या व्हिडिओला दृष्टी, भाषा आणि कृती (VLA) प्रशिक्षण संचामध्ये रूपांतरित करते.
दरम्यान, प्लॅटफॉर्मचे मॅजिक रिडॅक्शन कॅप्चर करताना पासवर्ड किंवा क्रेडिट कार्ड नंबर यांसारखा संवेदनशील डेटा आपोआप ब्लॉक करते, सामग्री सुरक्षित राहते आणि HIPAA-सुसंगत राहते.
"प्रत्येक वेळी तुम्ही बटण क्लिक करता, तुम्ही ड्रॅग आणि ड्रॉप करा, स्क्रोल करा, टाइप करा, आम्ही परस्परसंवाद गोळा करतो… आणि ते सर्व, आणि आम्ही ते साफ करतो – कोणतीही खाजगी माहिती नाही," Guidde सह-संस्थापक आणि CEO Yoav Einav यांनी VentureBeat ला एका खास मुलाखतीत स्पष्ट केले.
हुड अंतर्गत, प्लॅटफॉर्म मूलभूत मेटाडेटा आणि DOM (दस्तऐवज ऑब्जेक्ट मॉडेल) बदल कॅप्चर करतो जे व्हिडिओ फ्रेमसह समक्रमित केले जातात. विभेदक यंत्र म्हणजे पृष्ठभागाच्या खाली लपलेली टेलीमेट्री.
हा रिच मेटाडेटा फाइल तयार करतो "डिजिटल जगाचे मॉडेल" संस्थेच्या कार्यक्रमांमधून. कारण प्रत्येक संस्था ॲप्लिकेशन आणि प्रक्रियांचे स्वतःचे वेगळे मिश्रण वापरते, Guidde एक डेटा खंदक तयार करते जे एंटरप्राइझ एजंट्सना मानवी समान स्थानिक जागरूकतेसह लेगसी वापरकर्ता इंटरफेसद्वारे विचार करण्यास अनुमती देते, ऑटोमेशन प्रत्यक्षात प्रयोगशाळेतील डेमोऐवजी उत्पादन वातावरणात कार्य करते याची खात्री करते.
एखाद्या व्यक्तीसाठी, हा एक शैक्षणिक कार्यक्रम आहे. एआय एजंटसाठी, हा इंटरफेसचा उच्च-रिझोल्यूशन नकाशा आहे. हे एजंटांना परवानगी देते "पहा" क्लिष्ट वापरकर्ता इंटरफेस द्वारे विचार करणे मानव कसे करतात आणि समस्या सोडवतात "शेवटचा मैल" संस्थेमध्ये आणि साइटवर वापरण्याच्या विशिष्ट संदर्भाच्या अभावामुळे एजंट पूर्वी अयशस्वी झाले होते ते स्वयंचलित करण्यासाठी.
एका अर्थाने गाईडे बांधत आहेत अ "सेल्फ ड्रायव्हिंग कार" संगणक वापरासाठी Waymo सारखे.
उत्पादन: Guidd-ance चे तीन खांब
प्लॅटफॉर्म तीन वेगळ्या उत्पादनांमध्ये विकसित झाला आहे ज्याची रचना संस्था परिपक्व होत असताना स्केल करण्यासाठी केली आहे:
-
निर्देशिका तयार करा: वर्कफ्लोला काही मिनिटांत कागदपत्रांमध्ये रूपांतरित करण्यासाठी व्यावसायिक तज्ञांसाठी डिझाइन केलेले इंजिन.
-
मार्गदर्शित प्रसारण: एक वैयक्तिकृत शिफारस इंजिन — अनेकदा Netflix च्या तुलनेत — जे लोक प्रत्यक्षात वापरत असलेल्या साधनांमध्ये उत्तरे देतात. वापरकर्ता कोण आहे आणि आवश्यकतेनुसार संबंधित सामग्री प्रदर्शित करण्यासाठी ते कोणत्या विभागात आहेत हे माहित आहे.
-
शोध मार्गदर्शक: नव्याने लाँच केले "एजंट" स्तंभ Waze प्रमाणे, जे ड्रायव्हर्सचे निरीक्षण करून मार्गांचे नकाशे बनवते, कर्मचारी कसे कार्य करतात याचा मागोवा घेऊन मार्ग मॅपिंग सॉफ्टवेअर शोधा. हे वर्कफ्लो समजते, सामग्री तयार करते आणि जेव्हा वापरकर्ता इंटरफेस बदलते तेव्हा ते स्वयंचलितपणे अद्यतनित करते.
मानवांना AI – आणि AI चा वापर कसा करायचा याचे प्रशिक्षण देणे
Guidde च्या वाढीचा सर्वात अस्पष्ट पैलू म्हणजे त्याचे दुहेरी हेतू. "आम्ही एकमेव प्लॅटफॉर्म आहोत जे मानव आणि ग्राहक दोघांनाही प्रशिक्षण देते," एनाव यांनी सांगितले.
जेव्हा कंपन्या Microsoft 365 Copilot किंवा ServiceNow एजंट्स सारखी AI टूल्स रोल आउट करतात, तेव्हा त्यांना कार्यक्षमतेच्या अंतराचा सामना करावा लागतो. Guidde च्या सर्वात मोठ्या क्लायंटपैकी एकाने उघड केले की ते आतापर्यंत एका अत्याधुनिक AI टूलसाठी वर्षाला $1 दशलक्ष पेक्षा जास्त पैसे देत होते. "ते कसे वापरायचे हे कोणालाही माहिती नाही कारण त्यांनी 30-मिनिटांच्या प्रशिक्षण सत्राचा आनंद घेतला आणि तेच झाले." मार्गदर्शन करून ही पोकळी भरून काढतात "चाव्याचा आकार" वर्कफ्लोमधील व्हिडिओ धडे.
त्याच वेळी, हे व्हिडिओ एआय एजंटना स्वतः प्रशिक्षण देतात. जेमिनी किंवा GPT-4 सारख्या पायाभूत मॉडेल्सना जेव्हा संस्थेमध्ये विशिष्ट कार्यप्रवाह नियुक्त केले जातात तेव्हा त्यांना बऱ्याचदा भ्रम असल्यासारखे वाटते कारण त्यांना अतिशय विशिष्ट अंतर्गत प्रक्रियांमध्ये प्रशिक्षण दिलेले नसते. "व्हॅनिला वर्कफ्लो" खाजगी एंटरप्राइझ सिस्टममध्ये आढळतात. गाईडे देतात "प्रारंभ बिंदू," द "मेटाडेटा," आणि "बटणाचे x,y निर्देशांक" की एजंटने न अडकता कारवाई पूर्ण करणे आवश्यक आहे.
मल्टीमीडिया वैशिष्ट्य
अचूकतेची ही पातळी राखण्यासाठी, Guidde मल्टीमीडिया पायाभूत सुविधा वापरते. प्रणाली एका मॉडेलवर आधारित नाही; त्याऐवजी, त्याचा वापर केला जातो "ताफा" मॉडेल्सचे जे एकमेकांचे मूल्यांकन करतात.
-
Google मिथुन: सामान्यतः पीडीएफ किंवा पॉवरपॉईंट फाइल्सचे विश्लेषण करण्यासारख्या दृश्य कार्यांसाठी वापरले जाते.
-
क्लॉड अँथ्रोपी: कथा आणि कथा ग्रंथ लिहिण्यासाठी याचा वापर केला जात असे.
-
फीडबॅक लूप: जेव्हा एखादा वापरकर्ता व्हिडिओ संपादित करतो, तेव्हा भविष्यातील शॉट्समध्ये अशाच त्रुटी टाळण्यासाठी हा डेटा परत फॉर्ममध्ये प्रविष्ट केला जातो.
हा दृष्टिकोन Guidde ला सहा किंवा सात स्वतंत्र साधनांचा कालबाह्य संच बदलण्याची परवानगी देतो — कॅप्चरसाठी लूम, संपादनासाठी Adobe Premiere, टेक्स्ट-टू-स्पीचसाठी 11Labs आणि अवतारांसाठी सिंथेसिया — एकाच AI-चालित प्लॅटफॉर्मसह. "आम्ही मुळात तुमच्यासाठी सर्वकाही पॅक करतो," इनाव म्हणतो, "आणि तुमच्या ब्रँड मार्गदर्शक तत्त्वांवर आधारित संपूर्ण प्रक्रिया स्वयंचलित करा."
व्हिडिओ – पहिल्या मूळची कथा
Guidde ची उत्पत्ती कोणत्याही उत्पादन लीडरला परिचित असलेल्या निराशेमध्ये आहे. कंपनी स्थापन करण्यापूर्वी, Einav आणि सह-संस्थापक डॅन सहार यांनी 2010 मध्ये लोक Netflix आणि Disney+ कसे पाहतात याचे विश्लेषण करण्यासाठी Qwilt या कंपनीमध्ये व्हिडिओ ट्रॅफिक परिपूर्ण करण्यासाठी अनेक वर्षे घालवली.
जेव्हा कोविड-19 चा प्रादुर्भाव झाला तेव्हा त्यांनी हे व्हिडिओ कौशल्य कामाच्या ठिकाणी लागू करण्याची मोठी संधी पाहिली. त्यांनी निरीक्षण केले की लहान स्पष्टीकरण देणारे व्हिडिओ सेंद्रिय ते सशुल्क खाते रूपांतरण 30% वाढवू शकतात, परंतु ते तयार केल्याने निर्माण होणारे घर्षण टिकाऊ नव्हते.
एका मुलाखतीत ईनाव आठवला "मेहनत" प्राचीन जगापासून: "इस्रायलमधील माझी टीम सामग्री तयार करत होती, यूएस मधील कोणीतरी अमेरिकन उच्चार असलेले कथन करत होते, मार्केटिंग टीममधील कोणीतरी स्क्रिप्ट लिहित होते… आणि सक्षमीकरण टीममधील कोणीतरी संपादन करत होते." या खंडित वर्कफ्लोचा अर्थ असा आहे की एक व्हिडिओ तयार करण्यासाठी दोन ते तीन आठवडे लागले. "दोन आठवड्यांनंतर, उत्पादन बदलते आणि आपल्याला ते सुरवातीपासून परत करणे आवश्यक आहे," ईनाव जोडले.
Guidde हे चक्र सेकंदात फोल्ड करण्यासाठी डिझाइन केलेले आहे. ऑटोमेशन द्वारे "जादूटोणा" वर्कफ्लोसाठी, प्लॅटफॉर्म संरचित कथा मजकूर आणि व्यावसायिक AI व्हॉइसओव्हर त्वरित व्युत्पन्न करते. हे संपादकीय अडथळे दूर करते, विषय तज्ञांना तज्ञ बनवते "प्रशिक्षण दल."
परवाना आणि बाजार प्रभाव
Guidde च्या किंमतींची रचना युटिलिटीपासून संस्थेच्या पायाभूत सुविधांच्या आवश्यक भागापर्यंत त्याचे संक्रमण प्रतिबिंबित करते:
-
मोफत: $0 (25 पर्यंत व्हिडिओ, वेब ॲप समर्थन).
-
प्रो: $18 प्रति निर्माता प्रति महिना (अमर्यादित व्हिडिओ आणि ब्रँड सेट).
-
नोकरी: $39 क्रिएटर प्रति महिना (अमर्यादित मजकूर-टू-ऑडिओ, विश्लेषण).
-
प्रकल्प: सानुकूल किंमत (बहुभाषिक भाषांतर, एसएसओ, मॅजिक रिडेक्शन).
प्लॅटफॉर्मचा प्रभाव आकड्यांमध्ये आधीच स्पष्ट आहे: अ व्हिडिओ निर्मितीचा वेळ ४१% ने कमी करा आणि मिळालेल्या सपोर्ट तिकिटांची संख्या ३४% ने कमी.
इमर्सन सारख्या ग्राहकांसाठी, हे 40 ते 60% जलद प्रूफ जनरेशनमध्ये भाषांतरित करते. विशेषत: सपोर्ट टीमना असे आढळून आले आहे की ते त्यांच्या तिकिटाच्या व्हॉल्यूमपैकी 80% एजंटसह ऑफलोड करू शकतात, परंतु त्या एजंटांकडे उपयुक्त सामग्री असेल तरच.
"सामग्रीशिवाय एजंट निरुपयोगी आहे," Einav चेतावणी देतो की, संस्थेचे बहुतेक दस्तऐवज एकतर जुने आहेत किंवा पूर्णपणे कागदपत्र नसलेले आहेत.
समाज आणि उद्योगाचे लवकर स्वागत
Guidde आधीच 4,500 एंटरप्राइझ क्लायंटचा दावा करत आहे आणि नवीन फंडिंग फेरीसह ती संख्या वाढवण्याचा प्रयत्न करत आहे. प्लॅटफॉर्मच्या वापराच्या सुलभतेबद्दल समर्थन आणि ऑपरेशन नेते बोलले आहेत. DocNetwork मधील ग्राहक अनुभवाचे उपाध्यक्ष क्रिस्टोफर कमिंग्स यांनी डिलिव्हरी करण्याच्या क्षमतेवर प्रकाश टाकला "ग्राहकांच्या प्रश्नांना जलद, वैयक्तिकृत व्हिडिओ प्रतिसाद."
दरम्यान, कस्टमर सपोर्ट मॅनेजर रेन कट्रोन यांनी याकडे लक्ष वेधले "एकदा तुम्ही ब्रँड तुम्हाला हवा तसा सेट केल्यावर, तुम्ही खरोखरच या गोष्टी वाढवू शकता."
पॅरिस सेंट-जर्मेनचे व्यवस्थापकीय संचालक रोनेन नीर यांनी गुंतवणूक प्रबंधाचा सारांश दिला: "Guidde यशस्वी AI अवलंबनातील सर्वात मोठा अडथळे सोडवण्यासाठी काम करत आहे: ज्ञान पायाभूत सुविधा."
हे आता महत्वाचे का आहे?
केवळ टेक्स्ट-एमबीए वरून प्रॉक्सी व्हिडिओ इंटेलिजन्समध्ये बदल हा 2026 चा परिभाषित ट्रेंड आहे. Guidde ची मालिका B असे सूचित करते "ग्राउंड सत्य" एंटरप्राइझ एजंट्ससाठी, ते प्रारंभिक व्हिडिओ मॉनिटरिंगमधून येईल, कठोर दस्तऐवजीकरणातून नाही.
लाखो वर्कफ्लोमध्ये काम कसे केले जाते हे कॅप्चर करून, Guidde एक डेटासेट तयार करत आहे जो इतर काही लोकांकडे आहे.
एनाव म्हटल्याप्रमाणे: "हे लूपमधील मानवांपासून सुरू होते आणि कालांतराने पूर्ण स्वायत्ततेकडे जाते." आधुनिक संस्थांसाठी, नकाशा यापुढे एक स्थिर दस्तऐवज नाही – तो एक जिवंत व्हिडिओ इंटेलिजेंस लेयर आहे जो कर्मचारी आणि त्यांचे समर्थन करणारे एजंट दोघांनाही मार्गदर्शन करतो.
