आपकी कंपनी के पास पहले से ही एक दिमाग है। वह बस Slack, Gong, HubSpot, और आज छुट्टी पर गए किसी व्यक्ति के बीच बिखरा हुआ है।
जब लोग कंपनी के दिमाग की बात करते हैं तो यही वो हिस्सा है जो वे चूक जाते हैं।
मूल्य कंपनी के ज्ञान का एक बड़ा फ़ोल्डर नहीं है। हर कंपनी के पास पहले से ही वह है।
असली फायदा वह बुद्धिमत्ता परत है जो उस सारे संदर्भ और आपकी टीम को किए जाने वाले काम के बीच बैठती है।
कंपनी का दिमाग इसलिए उपयोगी नहीं है क्योंकि वह ज़्यादा याद रखता है। यह तब उपयोगी होता है जब वह जानता है कि क्या प्राप्त करना है, किस पर भरोसा करना है, कौन इसे देख सकता है, और सुधारों को बेहतर काम में कैसे बदलना है।
हमने यह Single Grain में कठिन तरीके से सीखा।
जब हमने पहली बार अपना आंतरिक एजेंट फ़्लीट बनाना शुरू किया, तो स्पष्ट जवाब मेमोरी था। हर एजेंट को अधिक संदर्भ दें। उपयोगी नोट्स सहेजें। कॉल ट्रांसक्रिप्ट रखें। सिस्टम को वह याद रखने दें जो इंसान भूल जाते हैं।
वह लगभग तीन हफ़्तों तक काम किया। फिर मेमोरी ही अड़चन बन गई।
हमारी स्थायी मेमोरी फ़ाइलों ने कॉन्टेक्स्ट विंडो का लगभग 40% खाना शुरू कर दिया। एजेंटों के पास अधिक जानकारी थी, लेकिन वे हमेशा सही समय पर सही जानकारी नहीं खींच रहे थे।
सिस्टम तकनीकी रूप से समझदार था, लेकिन संचालन की दृष्टि से बहुत गड़बड़।
यहाँ वह 5-परत वाला सिस्टम है जिसका उपयोग हमने इसे ठीक करने के लिए किया:
टूटा हुआ संस्करण:
वह लूप स्केलेबल नहीं है।
इंसान राउटर बन जाता है। हर एजेंट आउटपुट इस बात पर निर्भर करता है कि क्या किसी को सही कॉल याद है, सही नोट कॉपी किया है, सही संदर्भ पेस्ट किया है, या उसी गलती को पाँचवीं बार सुधारा है।
इसलिए हमने सिस्टम को एक अलग विचार के आसपास फिर से बनाया।
मेमोरी कच्चा माल है। रिट्रीवल ऑपरेटिंग लेयर है।
काम करने वाला संस्करण कुछ इस तरह दिखता है:
वह एक बदलाव छोटा लगता है, लेकिन यह बदलता है कि पूरी कंपनी कैसे काम करती है।
SG में, यह पहले से ही वास्तविक वर्कफ़्लो पर चल रहा है। हमारे पास 500K+ टोकन स्थायी मेमोरी, 90+ दैनिक क्रॉन, कई विशिष्ट एजेंट, और हज़ारों सेल्स कॉल सिस्टम को फ़ीड कर रहे हैं।
एक स्रोत सेट में 2,862 Gong कॉल ट्रांसक्रिप्ट शामिल थे जो ऑपरेशनल प्लेबुक में बदल गए। एक दैनिक इन्जेशन उदाहरण में, 15 कॉलों ने 390 इनसाइट्स, 470 फ़ैक्ट्स और 125 फ्रेमवर्क तैयार किए।
यह इसलिए मायने नहीं रखता क्योंकि संख्या बड़ी है। यह इसलिए मायने रखता है क्योंकि सिस्टम बिखरे हुए कंपनी के कचरे को पुन: प्रयोज्य ऑपरेटिंग इंटेलिजेंस में बदल सकता है।
एक कॉल अब सिर्फ़ एक कॉल नहीं रही। यह बन जाती है:
- एक आपत्ति लाइब्रेरी
- एक सेल्स ट्रेनिंग इनपुट
- एक पोज़िशनिंग सिग्नल
- एक कंटेंट आइडिया स्रोत
- एक CRM जोखिम फ़्लैग
- एक भविष्य का एजेंट निर्देश
एक कंपनी ब्रेन को ज्ञान को बेहतर निष्पादन में बदलना चाहिए।
पाँच परतों में आर्किटेक्चर के बारे में सोचें।
परत 1: कैप्चर
यहीं से टीमें आमतौर पर शुरू करती हैं, और यहीं पर वे आमतौर पर रुक भी जाती हैं।
वे मीटिंग रिकॉर्ड करते हैं। वे कॉल ट्रांसक्राइब करते हैं। वे Slack थ्रेड सहेजते हैं। वे वेक्टर डेटाबेस में डॉक्स डंप करते हैं। फिर वे इसे दिमाग कहते हैं।
वह एक स्टोरेज यूनिट है, दिमाग नहीं।
कैप्चर मायने रखता है क्योंकि आपको कच्चे माल की ज़रूरत है। लेकिन कच्चा माल निर्णय नहीं लेता। यह प्राथमिकता नहीं देता। यह नहीं जानता कि कौन सा तथ्य बासी है, कौन सा नोट संवेदनशील है, या जब दो डॉक असहमत हों तो कौन सा स्रोत जीतना चाहिए।
Single Grain में, कैप्चर में कॉल, CRM गतिविधि, कंटेंट निर्णय, आंतरिक SOPs, एजेंट आउटपुट, दैनिक लॉग और इंसानों से सुधार शामिल हैं। मुद्दा अधिक जानकारी जमा करना नहीं है। मुद्दा यह है कि हर हफ़्ते काम की सतह को स्मार्ट बनाया जाए।
परत 2: रिट्रीवल
रिट्रीवल वह जगह है जहाँ सिस्टम उपयोगी होना शुरू होता है।
एक एजेंट को कंपनी के पूरे इतिहास की ज़रूरत नहीं है। उसे संदर्भ के 6 टुकड़ों की ज़रूरत है जो उसके सामने वाले कार्य के लिए मायने रखते हैं।
अगर यह एक आउटबाउंड ईमेल का मसौदा तैयार कर रहा है, तो उसे ICP, ऑफ़र, आपत्तियाँ, पिछले अभियान का प्रदर्शन, ब्रांड वॉइस और वर्तमान अभियान लक्ष्य चाहिए।
अगर यह पाइपलाइन की समीक्षा कर रहा है, तो उसे डील स्टेज में बदलाव, अटके हुए खाते, हाल के कॉल नोट्स, आपत्तियाँ, अगले कदम और CRM अब क्या कहता है, यह चाहिए।
अगर यह कंटेंट लिख रहा है, तो उसे हमारा वास्तविक POV, हालिया प्रदर्शन, स्वीकृत दावे, हमारे द्वारा पहले इस्तेमाल किए गए उदाहरण और विशिष्ट लेख की प्रूफ़ लेयर चाहिए।
यहीं पर बहुत सारे AI सिस्टम चुपचाप विफल हो जाते हैं। वे डेमो में स्मार्ट दिखते हैं क्योंकि संदर्भ हाथ से खिलाया जाता है। फिर वे प्रोडक्शन में बिखर जाते हैं क्योंकि किसी ने रिट्रीवल लेयर नहीं बनाई।
परत 3: स्रोत सत्य
एक बार जब आपके एजेंट संदर्भ प्राप्त कर सकते हैं, तो अगली समस्या भरोसा है।
कौन सा स्रोत जीतता है?
सेल्स कॉल? CRM फ़ील्ड? Slack सुधार? पुरानी SOP? नवीनतम साप्ताहिक रिपोर्ट? संस्थापक का नवीनतम वॉइस नोट?
यदि आप इसका उत्तर नहीं देते हैं, तो आपके एजेंट बेहतर फ़ॉर्मेटिंग के साथ आश्वस्त झूठे बन जाएंगे।
हमें स्रोत पदानुक्रम को एक ऑपरेटिंग डिज़ाइन समस्या के रूप में मानना पड़ा। कुछ स्रोत लाइव सत्य हैं। कुछ ऐतिहासिक संदर्भ हैं। कुछ प्रेरणा हैं। कुछ का उपयोग सार्वजनिक सामग्री में कभी नहीं किया जाना चाहिए। कुछ एक पैटर्न को सूचित कर सकते हैं लेकिन उद्धृत नहीं किए जा सकते।
जैसे-जैसे कंपनी का दिमाग बढ़ता है, वह भेद अधिक मायने रखता है।
AI सिस्टम से एक अच्छे उत्तर को सटीक और स्रोत-जागरूक होना चाहिए।
परत 4: अनुमतियाँ
कंपनी की बुद्धिमत्ता तब खतरनाक हो जाती है जब हर एजेंट सब कुछ देख सकता है।
मार्केटिंग एजेंट को निजी HR विवरणों की ज़रूरत नहीं है। कंटेंट एजेंट को क्लाइंट वित्तीय जानकारी की ज़रूरत नहीं है। सेल्स एजेंट को हर आंतरिक नेतृत्व नोट की ज़रूरत नहीं है।
एक वास्तविक कंपनी ब्रेन को वर्कफ़्लो-स्तरीय अनुमतियों की आवश्यकता होती है। सिस्टम को पता होना चाहिए कि उत्तर उत्पन्न करना शुरू करने से पहले किसी कार्य को क्या उपयोग करने की अनुमति है।
यह विशेष रूप से एजेंसियों और सेवा कंपनियों के लिए महत्वपूर्ण है। आपके पास क्लाइंट संदर्भ, आंतरिक संदर्भ, संभावित ग्राहक संदर्भ, वित्तीय संदर्भ और रणनीति संदर्भ एक-दूसरे के पास रहते हैं। यदि आप जल्दी अनुमति सीमाएँ नहीं बनाते हैं, तो आप या तो चीज़ें लीक करते हैं या सिस्टम को तब तक बेअसर करते हैं जब तक वह बेकार न हो जाए।
लक्ष्य बिना दीवारों वाला एक बड़ा दिमाग नहीं है। लक्ष्य सही वर्कफ़्लो के लिए सही दिमाग है।
परत 5: फ़ीडबैक लूप
यह वह परत है जो सिस्टम को संयोजित करती है।
हर बार जब कोई इंसान किसी एजेंट को सुधारता है, तो वह सुधार भविष्य का व्यवहार बन जाना चाहिए।
यदि एजेंट एक कठोर वाक्यांश का उपयोग करता है, तो वॉइस नियम अपडेट होना चाहिए। यदि यह एक असुरक्षित उदाहरण उद्धृत करता है, तो स्रोत नियम अपडेट होना चाहिए। यदि यह एक CRM जोखिम संकेत से चूक जाता है, तो पाइपलाइन स्कैन अपडेट होना चाहिए। यदि यह काम को गलत जगह भेजता है, तो वर्कफ़्लो नियम अपडेट होना चाहिए।
यहीं पर कंपनी की बुद्धिमत्ता कंपनी की सीखने में बदल जाती है।
फ़ीडबैक लूप के बिना, आप बस सॉफ़्टवेयर की देखभाल कर रहे हैं।
फ़ीडबैक लूप के साथ, हर सुधार पूरे ऑपरेटिंग सिस्टम के लिए एक प्रशिक्षण प्रतिनिधि बन जाता है।
यहाँ वह ऑडिट है जो मैं चलाता अगर मैं कल किसी कंपनी के अंदर इसका निर्माण कर रहा होता:
सबसे तेज़ परीक्षण सरल है।
एक आवर्ती वर्कफ़्लो चुनें जो पहले से ही समय बर्बाद करता है। साप्ताहिक रिपोर्टिंग। पाइपलाइन समीक्षा। कंटेंट ड्राफ्टिंग। सेल्स कॉल फ़ॉलो-अप। क्लाइंट ऑनबोर्डिंग। प्रस्ताव निर्माण।
फिर 6 प्रश्न पूछें:
1. यह वर्कफ़्लो किन स्रोतों पर निर्भर करता है? 2. जब वे संघर्ष करते हैं तो कौन सा स्रोत सत्य है? 3. एजेंट को हर बार किस संदर्भ की आवश्यकता होती है? 4. एजेंट को कौन सा संदर्भ कभी नहीं देखना चाहिए? 5. कौन से मानवीय सुधार बार-बार होते हैं? 6. एक सुधार भविष्य का नियम कैसे बनता है?
यदि आप उनका उत्तर नहीं दे सकते हैं, तो आप अभी तक वर्कफ़्लो को स्वचालित करने के लिए तैयार नहीं हैं। आप बस गड़बड़ को और तेज़ कर देंगे।
हमने यह रिपोर्टिंग के साथ देखा।
पुराना फ़्लो डेटा खींचना, मैन्युअल व्याख्या, नेतृत्व का फ़ॉलो-अप और फिर अधिक स्पष्टीकरण था। एक साप्ताहिक रिपोर्टिंग लूप में डेटा खींचने में लगभग 25 मिनट और फ़ॉलो-अप के घंटे शामिल हो सकते हैं।
एक बार जब दिमाग के पास सही संदर्भ था, तो उत्तर 60 सेकंड से भी कम समय में वापस आ सकता था।
समय की बचत अच्छी है। लेकिन बड़ी जीत निर्णय विलंबता है।
जब कोई कंपनी तेज़ी से बेहतर प्रश्न पूछ सकती है, तो वह अलग तरह से काम करना शुरू कर देती है। नेता किसी के डैशबोर्ड को इकट्ठा करने की प्रतीक्षा नहीं करते। ऑपरेटर शून्य से शुरू नहीं करते। एजेंट हर सुबह बेवकूफ नहीं उठते।
यह वास्तविक Single Brain लाभ है।
यह कंपनी को भूलना कठिन, सिखाना तेज़ और संचालित करना आसान बनाता है।
AI के साथ जीतने वाली कंपनियाँ वे नहीं होंगी जिनके पास सबसे बड़ी प्रॉम्प्ट लाइब्रेरी होगी। वे वे होंगी जिनके पास सबसे साफ़ बुद्धिमत्ता परत होगी।
काम को कैप्चर करें।
सही संदर्भ प्राप्त करें।
जानें कि किस पर भरोसा करना है।
जो उपयोग नहीं किया जाना चाहिए उसकी रक्षा करें।
हर सुधार को एक नियम में बदलें।
इस तरह दिमाग संयोजित होता है।
यदि आप एक व्यवसाय हैं जो आपके लिए AI सिस्टम बनवाने में रुचि रखते हैं, तो https://www.singlebrain.com देखें
मार्केटिंग सहायता के लिए, बस https://www.singlegrain.com पर जाएँ
इस तरह की और अधिक जानकारी के लिए, यहाँ मेरे Leveling Up न्यूज़लेटर में 14,000+ मार्केटर्स और संस्थापकों के साथ अपनी मार्केटिंग को बढ़ावा दें, मुफ़्त: https://levelingup.beehiiv.com/subscribe
यदि आप हमारी टीम में शामिल होना चाहते हैं, 'पहले AI को हराएँ' ;)
