सेवाएँ · 03
एआई और ऑटोमेशनरोज़ का काम, किसी के बैठने से पहले ही पूरा
जो काम हर बार एक ही तरह दोहराया जाता है, उसके लिए ऑटोमेशन; और जो पढ़ना-छाँटना कोई व्यक्ति दिन भर करता है, उसके लिए एआई। जो ज़रूरी है, उसे मंज़ूरी अब भी कोई व्यक्ति ही देता है।
कभी न थकने वाला क्लर्क, जिसके काम को एक व्यक्ति मंज़ूरी देता है।
आपके कारोबार में कहीं कोई व्यक्ति दिन भर पढ़ता रहता है: WhatsApp संदेशों के रूप में आते ऑर्डर, पीडीएफ़ के रूप में सप्लायरों के इनवॉइस, हफ़्ते में सौ बार पूछे जाने वाले ग्राहकों के वही सवाल, ऐसे क्लेम जिन्हें किसी के कुछ करने से पहले छाँटना पड़ता है। कहीं और, कोई व्यक्ति उन्हीं दो स्क्रीनों के बीच वही छह क़दम दोहराता है, हर बार, ठीक उसी तरह। पहली जगह पर एआई अपनी क़ीमत वसूल करता है। दूसरी जगह पर किसी मॉडल की ज़रूरत ही नहीं।
यह काम दोनों हिस्सों का है: जो हर बार एक ही तरह दोहराया जाता है, उसके लिए सीधा-सादा ऑटोमेशन; और जो पढ़ना, छाँटना, आँकना और ड्राफ़्ट बनाना बेतरतीब इंसानी रूप में आता है, उसके लिए एक मॉडल। कुछ भी बनाने से पहले हम लिखित में तय करते हैं कि इसे क्या सही करना है, आपको कैसे पता चलेगा कि यह रुक गया है, और आपके काम की मात्रा पर इसे चलाने का हर महीने का ख़र्च कितना है। जब ईमानदार जवाब यह हो कि आपको एआई नहीं, बेहतर सॉफ़्टवेयर चाहिए, तो यह हम पहली कॉल पर ही कह देते हैं।
- टीम
- नाम से तय ज़िम्मेदार लोग, पूरे प्रोजेक्ट के लिए
- कहाँ चलता है
- आपके अपने अकाउंट में, पहले दिन से
- क़ीमत
- तय क़ीमत, बिल हर चरण पर; पहली कॉल के बाद मदवार तय कोटेशन
किसके लिए सही
- ऑर्डरों, संदेशों या क्लेम का ढेर, जिसे कोई दिन भर पढ़ता है
- उन्हीं दो सिस्टमों के बीच हाथ से दोहराए जाने वाले वही क़दम
- ChatGPT पर किया गया कोई प्रयोग, जिसे अब असली काम बनना चाहिए
आपको मिलता है
- वह टेस्ट जो इसे पास करना है, बनाने से पहले लिखित में तय
- आपके अपने अकाउंट में चलता हुआ सिस्टम, असली काम पर
- चलाने के ख़र्च का हिसाब: आपके काम की मात्रा पर हर महीने कितना ख़र्च आएगा
- हैंडओवर फ़ाइल, जिसके सहारे आपकी टीम इसे चला सके
चार पड़ाव। हर पड़ाव को आप मंज़ूर करते हैं, तभी अगला शुरू होता है।
वही चार, जो हर प्रोजेक्ट में होते हैं, इस काम के हिसाब से।
जाँच
हम वह ढेर ढूँढते हैं जिसे आपके लोग दिन भर पढ़ते हैं, और वे क़दम जो वे हाथ से दोहराते हैं। हम दोनों को गिनते हैं, देखते हैं कि उन्हें कैसे निपटाया जाता है, और असली उदाहरण इकट्ठा करते हैं, जिन पर लेबल वही लोग लगाते हैं जो आज यह काम करते हैं। जाँच रिपोर्ट बताती है कि क्या सीधे ऑटोमेट हो सकता है, किसके लिए मॉडल चाहिए, क्या किसी व्यक्ति के पास ही रहना चाहिए, और इसे चलाने का ख़र्च कितना होगा।
परख
जो टेस्ट इसे पास करना है, वह आपके अपने उदाहरणों पर एक संख्या के रूप में तय होता है। सबसे छोटा वर्ज़न असली काम पर चालू होता है, और उसके हर नतीजे को एक व्यक्ति मंज़ूरी देता है। सटीकता टेस्ट के मुक़ाबले नापी जाती है, डेमो के नहीं, और चलाने का ख़र्च असली बिल से मिलाकर देखा जाता है।
निर्माण
बाक़ी काम हर दो हफ़्ते: ढेर का और हिस्सा, जहाँ टेस्ट पास हो वहाँ कम मंज़ूरियाँ, और हर सुझाव के साथ उसकी वजह। सब कुछ आपके अपने अकाउंट में चलता है, ऐसे पेड बिज़नेस प्लान पर जिनमें आपका भेजा डेटा कभी मॉडल सिखाने में इस्तेमाल नहीं होता।
हैंडओवर
दो हफ़्ते आपकी टीम इसे चलाती है, और हम तब भी फ़ोन पर मौजूद रहते हैं। उदाहरण और टेस्ट आपके अपने अकाउंट में रहते हैं, ताकि कोई भी बाद में इसे जाँच सके; जब चालू काम उनसे भटकने लगता है, तो अलर्ट आता है; और समीक्षा बताती है कि कहाँ अब भी किसी व्यक्ति की ज़रूरत है।
कोटेशन से डिस्पैच तक एक वर्कफ़्लो, हर स्टेज की पुष्टि वर्कशॉप से।
दो वर्कशॉप और नौ शहरों में डीलरों वाला एक फ़र्नीचर निर्माता। ऑर्डर काग़ज़ पर चलते थे, और वर्कशॉप में घूमे बिना कोई नहीं जानता था कि ऑर्डर किस हाल में है।
हाथ से दोबारा टाइप किए गए जॉब कार्ड और डीलर अपडेट
ऐसे काग़ज़, जो दूसरी बार टाइप हुए, जबकि वही बातें पहले से किसी रिकॉर्ड में दर्ज थीं

- कोटेशन से डिस्पैच तककोटेशन मंज़ूर होने से लेकर सामान के वर्कशॉप से निकलने तक के दिन, महीने भर का औसत
- ऑर्डर का स्टेटस पता करने में लगा दफ़्तर का समयऑर्डर कहाँ तक पहुँचा, इसका जवाब देने में डेस्क पर लगा समय, काम शुरू होने से पहले वाले महीने के मुक़ाबले
कॉल करने से पहले मालिक क्या पूछते हैं।
यह एआई की समस्या है या सॉफ़्टवेयर की?
अक्सर सॉफ़्टवेयर की। अगर काम एक तय नियम है (एक सीमा से बड़े ऑर्डर को मंज़ूरी चाहिए, कोई पुर्ज़ा अपने रीऑर्डर लेवल से नीचे जाए तो उसका ऑर्डर हो जाए), तो सीधा-सादा सॉफ़्टवेयर उसे ठीक-ठीक कर देता है, और एआई सिर्फ़ अनिश्चितता बढ़ाएगा। एआई की जगह वहाँ बनती है जहाँ काम बेतरतीब इंसानी रूप में आने वाली चीज़ों को पढ़ना, छाँटना, आँकना या उनका ड्राफ़्ट बनाना हो: तीन भाषाओं में आया WhatsApp ऑर्डर, स्कैन किया हुआ इनवॉइस, कोई शिकायत। पहली कॉल आपकी समस्या को इनमें से किसी एक ढेर में रख देती है, और जवाब आपकी उम्मीद के मुताबिक़ न हो, तब भी हम बताते हैं कि वह कौन-सा है।
छोटे कारोबार में रोज़ के किन कामों में एआई अच्छा है?
जो आता है उसे पढ़ना और ऐसी चीज़ में बदलना जिस पर सिस्टम काम कर सके: संदेशों से ऑर्डर, सप्लायर के इनवॉइस से एक-एक आइटम, ग्राहक के सवाल के पीछे का मक़सद। छाँटना: किस क्लेम पर आज ही किसी व्यक्ति को देखना है, कौन-सा रुक सकता है। सुझाना: दोबारा ऑर्डर की सूची, रोज़ के किसी सवाल का जवाब, कोई डिलीवरी लौटने की संभावित वजह। ड्राफ़्ट बनाना: कोटेशन, फ़ॉलो-अप, किसी लंबी बातचीत का सार। हर मामले में मंज़ूरी एक व्यक्ति देता है, और सिस्टम दिखाता है कि उसने जो सुझाया, वह क्यों सुझाया।
कब मानें कि कारोबार के लिए Zapier, Make या n8n छोटे पड़ गए हैं?
जब किसी फ़्लो को ऐसी बात जाननी पड़े जो सिर्फ़ आपका कारोबार जानता है: क्या इस ग्राहक का उधार रुका हुआ है, पुर्ज़ा किस गोदाम में है, इस महीने रीऑर्डर लेवल क्या है। ये टूल ऐप्स के बीच डेटा अच्छे से पहुँचाते हैं, और गिने-चुने सीधे-सादे फ़्लो के लिए हम आपसे कहेंगे कि इन्हीं को इस्तेमाल करें, और हम अपने रास्ते चले जाएँगे। इन पर भरोसा करना तब मुश्किल होता है जब किसी फ़्लो को फ़ैसले लेने पड़ें, जब वह रात तीन बजे चुपचाप फ़ेल हो जाए, या जब बीसवाँ फ़्लो उन्नीसवें पर टिका हो। यही वह मोड़ है जहाँ इन जुड़ावों को आपका अपना सिस्टम बनना चाहिए, जिस पर नज़र रखी जाए, जो टेस्ट हो और जिसका लिखित ब्योरा हो, न कि ऐसा सब्सक्रिप्शन जिसे छूने की हिम्मत किसी की न हो। Zapier, Make या n8n कब छोटे पड़ने लगते हैं? में तीनों कसौटियाँ पूरे विस्तार से हैं।
किसी एआई सिस्टम को चालू होने से पहले क्या सही करना ज़रूरी है?
वह टेस्ट जो उसे पास करना है, लिखित में तय और आपके अपने उदाहरणों पर एक संख्या के रूप में: कुछ सौ असली ऑर्डर या क्लेम, जिन पर लेबल वही लोग लगाते हैं जो आज उन्हें सँभालते हैं, और जिन पर उनकी राय अलग थी, उन पर इसका निशान होता है। यही सेट तय करता है कि काम क्या है, कब पूरा माना जाएगा, और बाद में बताता है कि कब चालू काम उससे भटक गया है। जो वेंडर आपको टेस्ट नहीं दिखाता, वह आपको डेमो बेच रहा है। मॉडल चुनने से पहले टेस्ट क्यों प्रकाशित होता है, इसमें बाक़ी बातें हैं।
हमारा डेटा कहाँ जाता है?
आपके अपने अकाउंट में, और कहीं नहीं। हम ऐसे पेड बिज़नेस प्लान पर बनाते हैं जिनमें आपका भेजा डेटा किसी का मॉडल सिखाने में इस्तेमाल नहीं होता, या ऐसे मॉडल पर जो आपके अपने क्लाउड अकाउंट में चलते हैं, और हर एक्सेस की चाबी और हर लॉगिन आपके पास रहता है। कोई भी संवेदनशील चीज़ साझा करने से पहले गोपनीयता समझौते पर दस्तख़त होते हैं। अगर कोई दस्तावेज़ कभी दफ़्तर से बाहर नहीं जाना चाहिए, तो हम बताते हैं कि काम फिर भी हो सकता है या नहीं, और कैसे।
जिन मामलों में सिस्टम पक्का नहीं होता, उनका क्या होता है?
वे वजह के साथ किसी व्यक्ति के पास जाते हैं। जो सिस्टम पक्का न होने पर यह कह दे, वह पूरे भरोसे से अंदाज़ा लगाने वाले सिस्टम से ज़्यादा काम का है, इसलिए पूछने की सीमा आपके साथ तय होती है और असली काम पर उसे ठीक किया जाता है। व्यक्ति जो भी सुधार करता है, वह टेस्ट में एक नया उदाहरण बन जाता है, ताकि सिस्टम किसी और के नहीं, आपके काम पर बेहतर हो। सटीकता हर महीने टेस्ट के मुक़ाबले, सीधे आँकड़ों में बताई जाती है।
हमें कैसे पता चलेगा कि ऑटोमेशन काम कर गया?
क्योंकि गिनतियाँ बनाने से पहले तय हुई थीं और बाद में आपके डेटा पर नापी गईं। ज़्यादातर कारोबारों के लिए ये सीधी होती हैं: कितने ऑर्डर बिना किसी के दोबारा टाइप किए डिस्पैच तक पहुँचे, कितना ऐसा सामान बिका जो पहले से स्टॉक में ख़त्म था, दिन के आख़िरी बिल से लेकर हिसाब बंद होने तक कितना समय लगा। अगर कोई आँकड़ा नहीं बदला, तो समीक्षा यह लिखकर बताती है, और क्यों। इसके अलावा कोई वादा नहीं, इसीलिए यह कॉन्ट्रैक्ट की शर्त बन सकता है। फ़र्नीचर निर्माता का केस इसका नमूना है: कोटेशन से डिस्पैच तक, हर स्टेज की पुष्टि फ़ोन पर।
क्या हम ChatGPT पर पहले से किए अपने प्रयोग से शुरू कर सकते हैं?
हाँ, और आम तौर पर यही सबसे अच्छी शुरुआत होती है, क्योंकि इससे पता चलता है कि आपके लोग असल में मशीन से क्या करवाना चाहते हैं। उसमें वही चीज़ें नहीं होतीं जो उसे भरोसे लायक बनाती हैं: एक टेस्ट जो उसे पास करना है, जहाँ ज़रूरी हो वहाँ बीच में एक व्यक्ति, हर फ़ैसले का रिकॉर्ड, और चलाने का ख़र्च जो आपने लिखित में देखा हो। जो हिस्सा काम करता है, उसे हम रखते हैं और बाक़ी उसके चारों ओर बनाते हैं, आपके अपने अकाउंट में, ताकि वह किसी एक व्यक्ति के ब्राउज़र का टैब न रहकर कारोबार के कामकाज का हिस्सा बन जाए।
आपके तकनीकी सलाहकार के लिए
रिट्रीवल, एजेंट, फ़ाइन-ट्यूनिंग, गार्डरेल, ऑब्ज़र्वेबिलिटी, और उन सब कामों के लिए सीधा-सादा वर्कफ़्लो इंजन, जिन्हें मॉडल की ज़रूरत नहीं। इवैल्स मॉडल के साथ ही प्रकाशित होते हैं, निर्माण शुरू होने से पहले।
- इवैल सेट और बेसलाइन मेट्रिक्स, निर्माण से पहले प्रकाशित
- आपके क्लाउड अकाउंट में प्रोडक्शन सिस्टम
- हर रिक्वेस्ट का कॉस्ट मॉडल, कोड के साथ रिव्यू किया हुआ
- रनबुक, ड्रिफ़्ट अलर्ट, एग्ज़िट रिव्यू
टेक स्टैक Claude · GPT · Gemini · सेल्फ़-होस्टेड Llama / Mistral · pgvector · Qdrant · Python · TypeScript
मॉडल चुनने से पहले टेस्ट क्यों प्रकाशित होता है
दूसरे पड़ाव के पीछे का लेख: टेस्ट ही कॉन्ट्रैक्ट है, और कुछ भी हो, वह आपके पास रहता है।
एक पैराग्राफ़ लिखें। एक कामकाजी दिन के भीतर संस्थापकों में से एक जवाब देते हैं।
इसके बाद दोनों संस्थापकों के साथ 30 मिनट की कॉल होती है। न कोई प्रेज़ेंटेशन, न प्रस्ताव का बना-बनाया ढाँचा; बस एक पहली राय कि इस समस्या के लिए हम सही हैं या नहीं।
या ईमेल, फ़ोन या WhatsApp पर: hello@netogrit.com · +91 94330 54299 · WhatsApp (नए टैब में खुलता है)