पिछले 20 वर्षों में अमेरिका में सबसे तेज़ी से बढ़ने वाला व्यवसाय मैनीक्यूरिस्ट और पेडीक्यूरिस्ट रहा है।
लेकिन इसके ठीक पीछे? कंप्लायंस ऑफिसर।
कंप्लायंस आपकी कल्पना से कहीं बड़ा कारोबार है। व्यवसाय से आने या जाने वाला हर रुपया: कर्मचारियों को भुगतान (पेरोल, वेतन कानून), राजस्व रिपोर्टिंग (कर दाखिल), पूंजी हस्तांतरण (भुगतान, AML/KYC) - ये सब कंप्लायंस के दायरे में आते हैं। विनियमित उद्योगों में, कंपनी अपने ग्राहकों से कैसे और कितनी बार संवाद करती है, यह भी एक कंप्लायंस गतिविधि है!
आज, पूरे संयुक्त राज्य अमेरिका में 400,000 से अधिक कंप्लायंस ऑफिसर कार्यरत हैं, जो सालाना 40 अरब डॉलर से अधिक की श्रम लागत का प्रतिनिधित्व करते हैं (कंप्लायंस-संबंधित परामर्श और आउटसोर्सिंग के कई अरब डॉलर अतिरिक्त)। अकेले बैंकिंग में, 2010 से 2014 के बीच संघीय विनियम संहिता (CFR) के शीर्षक 12 - बैंक और बैंकिंग में 1980 में मौजूद पूरे शीर्षक से अधिक नियामक प्रतिबंध जोड़े गए। फिर भी इस मांग के बावजूद, कंप्लायंस के लिए प्रतिभा पाइपलाइन तनावपूर्ण बनी हुई है। अमेरिकी श्रम सांख्यिकी ब्यूरो (BLS) अगले दशक में सालाना 33,300+ कंप्लायंस रिक्तियों का अनुमान लगाता है – एक ऐसे उद्योग में यह मांग और भी विकट हो जाती है जहां 87% प्रवेशकर्ता अंततः क्षेत्र छोड़ देते हैं और वार्षिक बहिर्गमन 20% से अधिक है, जिससे संगठन लगभग निरंतर भर्ती और विशेषज्ञता खोने के चक्र में फंसे रहते हैं।
जैसे-जैसे दुनिया अधिक जटिल हुई है और निगमों के लिए कानूनी आवश्यकताएं बढ़ी हैं, उद्यमों की प्रतिक्रिया सरल रही है: समस्या पर अधिक लोगों को झोंक दो।
अधिक लोगों का मतलब बेहतर परिणाम नहीं निकला। उदाहरण के लिए, 2024 में, TD Bank पर 3 अरब डॉलर का जुर्माना लगाया गया अपने 92% लेन-देन की निगरानी करने में विफल रहने के लिए, जिसमें 2018 से शुरू हुए 70,000 डिटेक्शन अलर्ट का बैकलॉग भी शामिल था। और TD Bank अकेला नहीं है; पिछले दशक में लगभग हर प्रमुख वित्तीय संस्थान में टीमों के बढ़ने और बैकलॉग बढ़ने का यही पैटर्न देखा गया है। इस दौरान, काम हठपूर्वक मैनुअल बना रहा।
कंप्लायंस एक "श्लेप वर्क" है - दर्दनाक, नौकरशाही और अक्सर कागज-आधारित, इसलिए यह मैनुअल और मानव-गहन बना रहा। यही घर्षण और जड़ता कंप्लायंस को स्टार्टअप के लिए एक ऐतिहासिक कब्रिस्तान बनाती रही है।
तो, अब ऐसा क्यों अलग है?
1. तकनीक "पायलट करने के लिए पर्याप्त अच्छी" से "भरोसा करने के लिए पर्याप्त अच्छी" हो गई है
कभी-कभी किसी चीज़ को बहुत अच्छी तरह से करने का बाजार उसे ठीक-ठाक करने के बाजार से 100 गुना बड़ा होता है। कंप्लायंस में यही स्थिति है, जहां 90% सही उत्पाद अभी भी 100% गलत है।
एक प्रमुख उदाहरण है दस्तावेज़ प्रसंस्करण (जो कंप्लायंस गतिविधि का एक बड़ा हिस्सा है)। OCR दशकों से मौजूद है, अधिकांश काम कर देता है। हालांकि, "अधिकांश" तब काम नहीं आता जब आप मॉर्टगेज अंडरराइट कर रहे हों, किसी व्यवसाय को ऑनबोर्ड कर रहे हों, या किसी बीमा दावे की समीक्षा कर रहे हों। लेकिन अब विज़न लैंग्वेज मॉडल (VLM) के साथ, जो दस्तावेज़ के व्यापक संदर्भ को भी समझते हैं और कम त्रुटियाँ उत्पन्न करते हैं, अचानक उद्यम जितनी जल्दी हो सके अनुबंधों पर हस्ताक्षर करने लगे हैं। तकनीक में केवल वृद्धिशील सुधार नहीं हुआ; इसने "पायलट करने के लिए पर्याप्त अच्छी" से "भरोसा करने के लिए पर्याप्त अच्छी" की सीमा पार कर ली।
इससे परे, AI में और भी कई क्षमताएँ हैं। पहला, यह लगभग मानव-सटीकता के साथ दस्तावेज़ों को पढ़, निकाल और उन पर तर्क कर सकता है: निगमन दाखिल, वित्तीय विवरण, और 400 पेज के नियामक PDF। दूसरा, कंप्यूटर उपयोग एजेंट लीगेसी सॉफ़्टवेयर को मानव की तरह नेविगेट कर सकते हैं, बिना API या छह महीने के एकीकरण प्रोजेक्ट की प्रतीक्षा किए। तीसरा, लंबी अवधि के कार्य निष्पादन का मतलब है कि एक एजेंट पूरे वर्कफ़्लो को अंत-से-अंत तक चला सकता है: डेटा खींचना, डेटाबेस की क्रॉस-चेक करना, अपवादों को फ़्लैग करना, रिपोर्ट फ़ाइल करना – न कि केवल एक कदम में सहायता करना।
कानूनी क्षेत्र में, व्यापक मॉडल विकल्प और लगातार उच्च सटीकता ने टीमों को अंततः AI को अपनाने का आत्मविश्वास दिया – कई LLM अब LegalBench के 162 कानूनी तर्क कार्यों पर 80-100% स्कोर करते हैं। यह सीधे कंप्लायंस के लिए मायने रखता है, क्योंकि कंप्लायंस मूल रूप से परिचालन बाधाओं के तहत लागू कानूनी तर्क है, जो समान मुख्य कार्यों पर बना है: नियामक पाठ पढ़ना, तथ्य पैटर्न पर नियम लागू करना, अपवादों की पहचान करना और अस्पष्टताओं को फ़्लैग करना।
2. बिक्री चक्र "धीमे" से "तेज़" हो गए हैं
पहली बार, किसी उद्यम के लिए अपने कंप्लायंस स्टैक को आधुनिक न बनाने का जोखिम, बदलाव के जोखिम से अधिक हो गया है। विनियमित उद्यम लंबे समय से पुराने GRC (गवर्नेंस, रिस्क और कंप्लायंस) टूल्स और भंगुर लीगेसी सिस्टम से चिपके हुए थे क्योंकि माइग्रेशन दर्दनाक था, ऑडिट छूटने की लागत बहुत अधिक थी, और "पर्याप्त अच्छा" बदलाव से अधिक सुरक्षित लगता था।
AI ने इसे बदल दिया है। कंप्लायंस केवल एक लागत केंद्र से आगे बढ़कर राजस्व चालक बन रहा है। वित्तीय सेवाओं में, तेज़ KYC/B का मतलब तेज़ ऑनबोर्डिंग है, जिसका मतलब है ड्रॉप-ऑफ की कम संभावना और राजस्व तक तेज़ पहुंच। बेहतर AML निगरानी का मतलब है कम झूठी सकारात्मकताएँ, जिसका मतलब है कम वैध ग्राहक फ़्लैग होना और कम रिश्ते खराब होना। तेज़ मार्केटिंग समीक्षा का मतलब है कि विज्ञापन सामग्री ग्राहकों के सामने अधिक समय पर रखी जा सकती है। यह प्रतिस्पर्धी तर्क को फिर से परिभाषित करता है: जो उद्यम आधुनिकीकरण करते हैं, वे न केवल लागत बचा रहे हैं, बल्कि उन ग्राहकों को परिवर्तित कर रहे हैं जिन्हें उनके धीमे प्रतिस्पर्धी ऑनबोर्ड करने में विफल हो रहे हैं। प्रतिस्पर्धा स्वयं AI नहीं है। यह AI वाले अन्य उद्यम हैं।
इसके अलावा, यदि हम मान लें कि एजेंट जल्द ही वेब पर प्रमुख खरीदार बन जाएंगे, तो यह जोखिम की एक पूरी तरह से नई श्रेणी खोलता है। पारंपरिक कंप्लायंस मानव अभिनेताओं के आसपास डिज़ाइन किया गया था। अब हमें पहचान सत्यापित करने, इरादे का आकलन करने और देयता स्थापित करने के लिए एक आधुनिक AI दृष्टिकोण की आवश्यकता है जब प्रतिपक्ष एक स्वायत्त एजेंट हो।
इन सबका मतलब है कि एक ऐसा कार्य जो ऐतिहासिक रूप से सॉफ़्टवेयर नहीं खरीदता था, अचानक झुक रहा है।
कंप्लायंस की तीन परतें
हर विनियमित उद्यम में हर कंप्लायंस फ़ंक्शन एक ही तीन सामग्रियों से बना होता है:
- विनियमन जो काम को नियंत्रित करता है: नियम, आंतरिक नीतियाँ, और उनके बीच अंतहीन अनुवाद।
- सॉफ़्टवेयर सिस्टम जो उस विनियमन को संहिताबद्ध करने का प्रयास करते हैं: GRC प्लेटफ़ॉर्म, केस मैनेजमेंट सिस्टम, प्रतिबंध-स्क्रीनिंग टूल, और उन्हें एक साथ जोड़ने के लिए भंगुर ऑटोमेशन।
- लोग जो विनियमन के अनुसार सॉफ़्टवेयर का उपयोग करते हैं: दस्तावेज़ पढ़ना, फ़ॉर्म भरना, डेटाबेस क्रॉस-चेक करना, रिपोर्ट लिखना।
कंप्लायंस में "किया जाने वाला अधिकांश काम" दस्तावेज़ों से जानकारी कॉपी करना, सटीकता या विसंगतियों के लिए उस जानकारी की मैन्युअल समीक्षा करना, और निरंतर निगरानी (नियमित अंतराल पर इन पहले दो कार्यों को दोहराना) है।
इसे जीवंत बनाने के लिए, आइए बैंकिंग में एक संदिग्ध गतिविधि रिपोर्ट (SAR) लेते हैं। जब NICE Actimize [सॉफ़्टवेयर] में एक अलर्ट फायर होता है जो असामान्य लेन-देन गतिविधि को फ़्लैग करता है, तो सारा [लोग] कंप्लायंस ऑफिसर केस की समीक्षा करती है, पूरा लेन-देन इतिहास खींचने के लिए कोर बैंकिंग सिस्टम पर जाती है, फिर ग्राहक की KYC फ़ाइल को एक अलग डेटाबेस और ऑनबोर्डिंग दस्तावेज़ों, ID सत्यापन और फंड के स्रोत के लिए एक साझा ड्राइव पर क्रॉस-रेफरेंस करती है। वह आंतरिक नीति दिशानिर्देशों और नियमों [विनियमन] की जाँच करती है कि क्या गतिविधि SAR के लिए सीमा पार करती है और एक निर्णय लेती है, फिर अपनी "नैरेटिव" लिखने के लिए NICE Actimize पर लौटती है, मैन्युअल रूप से उन सभी सिस्टमों से लेन-देन विवरण और ग्राहक डेटा कॉपी करती है जिन्हें उसने अभी देखा था।
इनमें से कोई भी आपके AI स्टार्टअप को बनाने के लिए बेहतरीन वेज हो सकता है।
1. विनियमन को कोड में बदलें
शीर्षक 12 (OCC, Fed, FDIC - 70+ अध्यायों में!), FINRA, SEC, CFTC, और हर राज्य-स्तरीय नीति भिन्नता में हर नई प्रविष्टि एक PDF के रूप में आती है जिसे मनुष्यों को पढ़ना, व्याख्या करना और आंतरिक नीति में अनुवाद करना होता है, और फिर परिवर्तनों के लिए निगरानी करनी होती है।
AI विनियमन को कोड में बदल सकता है: संरचित, स्वचालित रूप से अपडेट होने वाला, एजेंटों द्वारा व्याख्या योग्य। एक 400 पेज का नियामक दस्तावेज़ अब दायित्वों के एक संरचित सेट में पार्स किया जा सकता है जिसे सॉफ़्टवेयर जाँच सकता है। विनियमन एक दस्तावेज़ नहीं रह जाता जिसकी लोग व्याख्या करते हैं और कोड बन जाता है जिसे सिस्टम निष्पादित करते हैं। इसके परिणामस्वरूप दो चीज़ें बदलती हैं: निगरानी आवधिक के बजाय निरंतर हो जाती है, और एक नियामक परिवर्तन उद्यम में तिमाहियों के बजाय मिनटों में फैल जाता है। ब्राज़ील में पेरोल के मामले में, एक कंप्लायंस ऑफिसर का पूरा काम नियम अपडेट के लिए सरकारी वेबसाइटों को रीफ़्रेश करना, प्रभावित कर्मचारियों को एक स्प्रेडशीट में खींचना और मैन्युअल रूप से पेरोल की पुनर्गणना करना है।
उदाहरण: Tako ब्राज़ील के श्रम नियमों (10,000 से अधिक यूनियन और प्रति वर्ष लगभग 900 नियम परिवर्तन) को एक "इंटेलिजेंस सिस्टम" में परिवर्तित करता है जो आपकी कंपनी के संदर्भ में पेरोल और यूनियन नियमों का ऑडिट करता है, प्राकृतिक भाषा में जटिल लोगों के संचालन प्रश्नों का उत्तर देता है, और उल्लंघन बनने से पहले रीयल टाइम में नीति-विरोधी कार्यों को फ़्लैग करता है।
2. लीगेसी सिस्टम को हटाएं और बदलें
कई कंप्लायंस फ़ंक्शन क्लाउड से पहले के प्लेटफ़ॉर्म पर चलते हैं, जो मनुष्यों द्वारा सिस्टमों के बीच कॉपी-पेस्ट और क्लिक करके जोड़े गए हैं। यही कारण है कि हर वर्कफ़्लो धीमा लगता है भले ही प्रत्येक व्यक्तिगत टूल धीमा न हो: एकीकरण परत एक व्यक्ति है। इसके अलावा, इनमें से किसी भी सिस्टम को बदलने का मतलब बहु-वर्षीय माइग्रेशन था जिस पर कोई भी मुख्य जोखिम अधिकारी हस्ताक्षर नहीं करना चाहता था।
इसका मतलब यह हुआ है कि कई उद्यम (विशेष रूप से बैंक) दशकों के बुनियादी ढांचे के कर्ज पर बैठे हैं, और यह कर्ज अब AI अपनाने में सबसे बड़ी बाधा है।
इसलिए, उद्यम खरीदारों के पास अब AI का लाभ उठाने के लिए तीन विकल्प हैं:
- मौजूदा को रखें, लेकिन "हेडलेस" जाएं: मौजूदा सिस्टम को बैकएंड के रूप में उपयोग करें और उसके ऊपर एजेंट या नए इंटरफ़ेस बनाएं।
- वाइब कोड से बदलें: स्वयं सिस्टम ऑफ रिकॉर्ड को फिर से बनाएं, जिसमें डेटा मॉडल, अनुमतियाँ, वर्कफ़्लो, एकीकरण और ऑडिटेबिलिटी शामिल है।
- नया AI-नेटिव संस्करण खरीदें: एजेंटों, मशीन पठनीयता और ऑर्केस्ट्रेशन के लिए जमीन से बने सिस्टम पर जाएं।
यदि आपका सिस्टम कंप्लायंस-महत्वपूर्ण डेटा रखता है, दर्जनों आंतरिक और बाहरी डेटा स्रोतों और भागीदारों से जुड़ता है, और वर्षों की संस्थागत तर्क को संहिताबद्ध करता है – तो आपकी जोखिम-प्रतिकूलता आपको (1) की ओर ले जाएगी। लेकिन तब आप अपने आप को उन प्रतिस्पर्धियों से हारने के लिए तैयार कर रहे हैं जो AI के साथ नाटकीय रूप से लागत कम करने और राजस्व बढ़ाने में सक्षम हैं (1990 के दशक के सॉफ़्टवेयर में पढ़ने/लिखने की आवश्यकता वाला एक प्रभावी वॉयस एजेंट जोड़ने का प्रयास करें)।
अब न केवल लीगेसी सिस्टम को बदलना संभव है, बल्कि AI से मूल्य प्राप्त करने के लिए यह आवश्यक भी है। लीगेसी सिस्टम मनुष्यों के लिए बनाए गए थे: डेटा साइलोड और एक्सेस करना मुश्किल है, नियम हार्डकोडेड और अपडेट करने में धीमे हैं, और वर्कफ़्लो रीयल टाइम के बजाय बैचों में चलते हैं। बैंकिंग में, यह Jack Henry (कोर बैंकिंग), NICE Actimize (लेन-देन निगरानी), या Smarsh (कर्मचारी निरीक्षण) से कुछ भी हो सकता है।
उदाहरण:
- Valon (मॉर्टगेज सर्विसिंग) ने शुरू से एक मॉर्टगेज सर्विसर बनाया ताकि यह साबित हो सके कि सॉफ़्टवेयर ब्रेकईवन मार्जिन ऑपरेशन को 60%+ मार्जिन में बदल सकता है। उन्होंने जटिल सर्विसिंग वर्कफ़्लो को ValonOS में संहिताबद्ध किया: एक AI-नेटिव ऑपरेटिंग सिस्टम जो 25+ बिखरे हुए लीगेसी सिस्टम को संरचित वर्कफ़्लो, ऑडिटेबल लेज़र और प्रोग्रामेबल एक्शन से बदलता है। अब वे इस सिस्टम ऑफ रिकॉर्ड को लाइसेंस दे रहे हैं ताकि पूरे $100B+ मॉर्टगेज सर्विसिंग उद्योग को शक्ति मिल सके, प्रत्येक नया ग्राहक डेटा फ्लाईव्हील को मजबूत करता है जो AI एजेंटों को तेजी से बुद्धिमान बनाता है।
- Vesta (मॉर्टगेज लोन ओरिजिनेशन) CFPB (TRID, HMDA, आदि) में ओरिजिनेशन पर सभी कंप्लायंस नियमों, 50 राज्यों में अंतर, साथ ही संघीय और राज्य एजेंसियों को सभी कंप्लायंस रिपोर्टिंग का प्रबंधन और समन्वय करता है। इसलिए, कंप्लायंस अपडेट एक कोड पुश है बनाम एक उद्यम अपडेट जिसके लिए कार्यान्वयन सेवाओं की आवश्यकता होती है। उधारदाताओं को सटीक ऑडिटेबिलिटी मिलती है, 25-50% दक्षता लाभ का तो जिक्र ही नहीं।
- Sardine (धोखाधड़ी और लेन-देन निगरानी) NICE Actimize की जगह ले रहा है। Sardine क्लाउड आधारित है और इनलाइन रीयल टाइम धोखाधड़ी के साथ-साथ जटिल पोस्ट-फैक्टो AML परिदृश्यों को भी चला सकता है। एजेंट Sardine के लाइव डेटा के ऊपर बैठते हैं और कंप्लायंस समीक्षाओं को 30 गुना तक बेहतर बनाते हैं। उदाहरण के लिए, SAR (संदिग्ध गतिविधि रिपोर्ट) सारांशकर्ता एजेंट प्रति इकाई 60-100 विभिन्न फ़ील्ड (कई सिस्टमों से खींचे गए) को भरने को पूरी तरह से स्वचालित करता है, जिससे प्रति SAR सबमिशन में लगने वाला समय 30+ मिनट से घटकर 1 मिनट से भी कम हो जाता है।
3. लोगों के काम को बढ़ाएं
अधिकांश कंप्लायंस कार्य में एक ही तीन मानवीय गतिविधियाँ अंतहीन रूप से दोहराई जाती हैं: (1) दस्तावेज़ विश्लेषण, (2) मैन्युअल समीक्षा वर्कफ़्लो, और (3) (1) और (2) की निरंतर निगरानी।
इन गतिविधियों के बीच संयोजी ऊतक ऐतिहासिक रूप से एक व्यक्ति रहा है जो लीगेसी सॉफ़्टवेयर के माध्यम से क्लिक करता है, यह वह जगह है जहाँ कंप्यूटर-उपयोग एजेंट आते हैं।
व्यवसाय बैंकिंग ऑनबोर्डिंग लें। जब कोई ग्राहक ऑनबोर्ड होता है, तो सारा कंप्लायंस ऑफिसर को उस संभावित ग्राहक के पहचान दस्तावेज़ों (ID, पासपोर्ट, निगमन) और वित्तीय विवरणों की समीक्षा करने और उनसे प्रमुख जानकारी निकालने की आवश्यकता होती है। फिर उसे उस जानकारी को लीगेसी सॉफ़्टवेयर टूल्स के एक सेट में इनपुट करना होता है, और इसे मान्य करने के लिए विभिन्न डेटाबेस (प्रतिबंध, व्यवसाय रजिस्टर, आदि) पर जाँच चलानी होती है। AI के साथ, उस पूरे वर्कफ़्लो को अंत-से-अंत तक स्वचालित किया जा सकता है: दस्तावेज़ तुरंत इन्जेस्ट और पार्स किए जाते हैं, डेटाबेस समानांतर में जाँचे जाते हैं, और अपवादों को मानव निष्पादन के बजाय मानव समीक्षा के लिए फ़्लैग किया जाता है।
उदाहरण: Factor Labs लीगेसी सिस्टम को बदलने के बजाय उनके ऊपर बैठता है। इसके कंप्यूटर उपयोग एजेंट बैंकों और भुगतान कंपनियों के लिए चार्जबैक विवाद हैंडलिंग को स्वचालित करते हैं। प्रत्येक एजेंट कार्य एक "प्लेबुक" का अनुसरण करता है, मूलतः प्रत्येक व्यापारी के अनुरूप और कार्ड नेटवर्क की प्रक्रियाओं का अनुपालन करने वाले चरण-दर-चरण निर्देश। एजेंट वही करता है जो एक मानव विश्लेषक करेगा: कंपनी सिस्टम (Outlook, Excel, CyberSource जैसे एंटी-फ्रॉड प्लेटफ़ॉर्म) में लॉग इन करना, सबूत खींचना, इसे क्लाइंट के लेटरहेड के साथ एक फ़ॉर्मेटेड Word दस्तावेज़ में संकलित करना, और अंतिम PDF क्लाइंट को वापस भेजना।
निष्कर्ष
हमें ये सभी दृष्टिकोण पसंद हैं, और अंततः अधिकांश नए सिस्टम तीनों करेंगे। सबसे प्रभावी शुरुआती वेज आपके बाजार पर निर्भर करेगा:
(1) उच्च परिवर्तनशील नियामक वातावरण: जिनमें विभिन्न अधिकार क्षेत्रों में कई नियम हैं जो लगातार बदलते हैं, या जहां प्रवर्तन कार्रवाइयाँ, परीक्षा निष्कर्ष अक्सर कंपनी को अपने पर्यवेक्षी/कंप्लायंस वातावरण को अपडेट करने की आवश्यकता होती है – "विनियमन को कोड में बदलें" से शुरू करने का पक्ष लेते हैं।
(2) सिस्टम ऑफ रिकॉर्ड पर जाना तब समझ में आता है जब:
- (a) ग्रीनफील्ड जाने का अवसर हो, यानी ग्राहकों के एक नए उपसमूह के लिए कोई मजबूत मौजूदा सिस्टम नहीं है। यदि कोई ग्राहक शुरू से सिस्टम ऑफ रिकॉर्ड चुन रहा है, तो आधुनिक AI-नेटिव स्टैक के लिए प्राथमिकता डिफ़ॉल्ट है, जैसे सऊदी में बनने वाले नए बैंक (जैसे, Stitch) या अमेरिका में स्वतंत्र होकर कारोबार स्थापित करने वाले कई RIA।
- (b) पुराने सिस्टम परिचालन रूप से इतने महंगे हैं और उनमें वापस लिखना इतना मुश्किल है कि AI का लाभ उठाने के लिए आपको उन्हें हटाकर बदलना होगा।
(3) आउटपुट-संचालित कार्यधाराएँ जिनमें बड़े बैकलॉग और/या श्रम की कमी है, लोगों के काम को बढ़ाने का पक्ष लेती हैं। जब कंप्लायंस कार्य एक विशिष्ट आर्टिफैक्ट (एक रिपोर्ट, एक फाइलिंग, एक प्रमाणन) में परिणत होता है, तो सबसे जरूरी ज़रूरत कतार में लोगों (इस मामले में एजेंट जो 24/7 काम करते हैं और गलतियाँ नहीं करते) को जोड़ना हो सकती है। उदाहरण के लिए, अलर्ट कतारों को साफ करना (TD Bank के 70k बैकलॉग के अनुसार)।
अंततः हमें लगता है कि ये दृष्टिकोण एक साथ मिल जाते हैं। इस क्षेत्र में विजेता कंपनियाँ विनियमन को कोड में बदलेंगी, एक नए सिस्टम ऑफ रिकॉर्ड के मालिक होंगी, और उसके ऊपर एजेंटों का एक बेड़ा तैनात करेंगी।
यदि आप यही बना रहे हैं, तो हमसे बात करने आएं।
@astrange के साथ लिखित
