परंपरागत रूप से, इंटरनेट बंद होने पर अपने इंटरनेट प्रोवाइडर की सपोर्ट हॉटलाइन पर कॉल करना कुछ इस तरह होता था। एक रोबोटिक आवाज़ आपको एक "मूल्यवान ग्राहक" के रूप में स्वागत करती, और फिर फोन मेनू में आपके कई मिनट बर्बाद कर देती ("टेक्निकल सपोर्ट के लिए 3 दबाएं, इंटरनेट के लिए 2, और बाकी सभी समस्याओं के लिए 4")। आपको होल्ड पर रखा जाता, जहाँ आप खुद को भूला हुआ महसूस करते, जब तक कि आखिरकार कोई सर्विस रिप्रेजेंटेटिव फोन नहीं उठाता और आपका नाम, अकाउंट नंबर और समस्या नहीं पूछता। अगर आपका राउटर रीस्टार्ट करने से समस्या ठीक नहीं होती, तो आपको फिर से होल्ड पर डाल दिया जाता, ताकि टेक्नीशियन की अपॉइंटमेंट मिलने से पहले आपको पूरी कहानी दूसरे रिप्रेजेंटेटिव को दोबारा सुनानी पड़े।
AI पहले से ही इस तरह के सपोर्ट इंटरैक्शन को बदल रहा है। रोबोटिक आवाज़ और कई सर्विस रिप्रेजेंटेटिव्स से जूझने के बजाय, अब एक AI एजेंट तुरंत कॉल उठा सकता है। यह आपका अकाउंट देख सकता है, चेक कर सकता है कि क्या आपके इलाके के अन्य ग्राहक भी प्रभावित हैं, और या तो सीधे छोटी समस्याओं का समाधान कर सकता है या टेक्नीशियन की बुकिंग कर सकता है। अब "हमारे सभी सर्विस रिप्रेजेंटेटिव अभी व्यस्त हैं" वाली बात नहीं होगी और न ही होल्ड म्यूजिक। हाल ही तक, यही तकनीक की सीमा थी।
लेकिन अब, नई क्षमताएं एजेंट्स को लंबे समय तक थ्रेड्स को फॉलो करने और टास्क पूरे करने की अनुमति दे रही हैं। हमारा मानना है कि इससे AI कंपनियां सिर्फ व्यक्तिगत ग्राहक इंटरैक्शन से आगे बढ़कर यह सोच पाएंगी कि उन जटिल कस्टमर जर्नी को कैसे संभाला जाए जो हफ्तों और महीनों तक चलती हैं। AI बीमा ग्राहकों को पहली कॉल से लेकर पेआउट तक, मॉर्टगेज उधारकर्ताओं को प्री-अप्रूवल से लेकर क्लोजिंग तक, और एंटरप्राइज लीड्स को उनके पहले डेमो से लेकर साइन करने तक गाइड करेगा। इससे न केवल इन ग्राहकों के लिए बेहतर परिणाम मिलेंगे, बल्कि AI वेंडर को सिर्फ लागत बचत के लिए नहीं, बल्कि इसके परिणामस्वरूप होने वाले रेवेन्यू विस्तार के लिए भी भुगतान मिल सकेगा।
वैल्यू रिले रेस के अंत में ही दिखती है
ऐसे कई तरह के बिजनेस हैं जहां ग्राहकों के लिए वैल्यू बनाने में हफ्तों और महीनों में कई कदम लगते हैं। आइए पारंपरिक प्लेनटिफ (वादी) लॉ केस तैयारी की जर्नी को एक उदाहरण के रूप में लें। संभावित केस अक्सर फोन पर लीड्स के रूप में आते हैं, जहां इन्टेक स्पेशलिस्ट मुख्य तथ्य इकट्ठा करते हैं और उन्हें एक वकील को देते हैं, जो तय करता है कि क्लाइंट को लेना है या नहीं। एक बार जब कोई फर्म केस साइन कर लेती है, तो जांच और सबूत इकट्ठा करने का काम शुरू होता है: पैरालीगल्स पुलिस रिपोर्ट ऑर्डर करते हैं, गवाहों से संपर्क करने की कोशिश करते हैं, और सबूतों को सुरक्षित रखने के लिए प्रतिवादियों को स्पॉलिएशन लेटर भेजते हैं, साथ ही क्लाइंट्स को प्रगति की जानकारी देते रहते हैं। इसके बाद फर्में डिमांड लेटर को अंतिम रूप देने के लिए मेडिकल क्रोनोलॉजी तैयार करने और वकीलों को जानकारी सौंपने से पहले क्लाइंट के मेडिकल ट्रीटमेंट खत्म होने का इंतजार करती हैं।
इस प्रक्रिया को हम ऐतिहासिक रूप से "रिले रेस" कहते रहे हैं: एक लंबी यात्रा जिसमें हर हैंडऑफ पर ड्रॉप-ऑफ या वैल्यू लीकेज का खतरा होता है। संभावित क्लाइंट आमतौर पर कई पर्सनल इंजरी फर्म्स को कॉल करते हैं और अक्सर उस फर्म के साथ साइन करते हैं जो सबसे जल्दी उनसे संपर्क करती है। इसलिए अगर क्लाइंट्स को सिर्फ वॉइसमेल मिलता है या योग्यता का फैसला धीमा होता है, तो केस फनल से बाहर हो सकते हैं। एक बार क्लाइंट साइन हो जाने के बाद, सबूत इकट्ठा करने में एक साथ कई पैरेलल थ्रेड शामिल होते हैं और हो सकता है कि फर्म्स में पिछले चार प्रयासों के बिना जवाब मिले के बाद किसी संभावित गवाह को पांचवीं बार कॉल करने की धैर्य न हो। इसके अलावा, श्रम की कमी फर्म्स को हर सबूत की विस्तार से समीक्षा करने से रोक सकती है, खासकर उन मामलों में जो सामान्य और कम वैल्यू वाले लगते हैं। हो सकता है कि कोई फर्म पहला ऑफर स्वीकार कर ले, जबकि डॉक्टर के नोट को विस्तार से पढ़ने पर ब्रेन इंजरी के संकेत मिल सकते थे, जिससे सेटलमेंट वैल्यू बढ़ जाती। अंत में, केस महीनों तक चल सकते हैं, उनमें कई लोगों की जरूरत पड़ सकती है, और जानकारी दस्तावेजों, स्टेकहोल्डर्स और सिस्टम में बिखरी होती है। इससे हर क्लाइंट की पूरी तस्वीर बनाए रखना लगभग असंभव हो जाता है। नतीजतन, महत्वपूर्ण बिल डिमांड लेटर में शामिल नहीं हो पाते या ट्रीटमेंट गैप्स बिना स्पष्टीकरण के रह जाते हैं, जिससे सेटलमेंट वैल्यू कम हो जाती है।
लॉन्ग-रनिंग एजेंट का अवसर
हाल ही तक, AI एजेंट ज्यादातर सीमित कार्यों ("यह फॉलो-अप ईमेल भेजो", "उस कॉल को समराइज़ करो", "यह दस्तावेज़ बनाओ") और संकीर्ण इंटरैक्शन को ही संभालते थे। उदाहरण के लिए, कस्टमर सपोर्ट AI का एक बेहतरीन शुरुआती उपयोग रहा है क्योंकि इसकी समस्या स्पष्ट रूप से परिभाषित है, जिससे उच्च विश्वसनीयता हासिल करना संभव है, और साथ ही कंपनी की विशेष नीतियों के आधार पर कस्टमाइज़ेशन भी किया जा सकता है। इंटरैक्शन छोटे होते हैं, परिणाम वेरिफाई किए जा सकते हैं, और अगर AI एजेंट्स को ऐसे एज केस मिलते हैं जिन्हें वे संभाल नहीं सकते, तो एस्केलेशन के लिए मौजूदा सपोर्ट टीमें आमतौर पर उपलब्ध रहती हैं।
अब, लॉन्ग-रनिंग एजेंट दर्जनों कदमों, मोडैलिटीज़ और लंबे समय में लक्ष्यों को पूरा कर सकते हैं, जिससे वे रिले रेस को शुरू से अंत तक संभाल सकते हैं। प्लेनटिफ लॉ के उदाहरण में, एक लॉन्ग-रनिंग एजेंट को शुरुआती इन्टेक कॉल से ही किसी केस के लिए असाइन किया जा सकता है, जिसका लक्ष्य क्लाइंट की रिकवरी को अधिकतम करना हो। एजेंट जरूरत पड़ने पर केस का कॉन्टेक्स्ट सेव और रिट्रीव करेगा। यह घटनाओं या डेडलाइन के आधार पर सक्रिय होता है, गवाहों से संपर्क करने, क्लाइंट को अपडेट करने और फोन, ईमेल या टेक्स्ट के जरिए वकीलों से बात करने के लिए प्रोएक्टिव रूप से सब-एजेंट्स भेजता है। फिर यह निष्कर्षों को एकत्र करता है, अगले कदमों की योजना बनाता है, समीक्षा के लिए दस्तावेज़ तैयार करता है, और केस को सर्वोत्तम संभव परिणाम की ओर ले जाता है। यह सभी क्लाइंट्स के बीच लगातार सीखता रहता है, क्योंकि हर केस डेटा जनरेट करता है जो एजेंट को अगले केस को वर्तमान वाले से बेहतर तरीके से प्रोसेस करने में मदद करता है।
एजेंट आज की रिले रेस में दिखने वाले मुख्य वैल्यू लीकेज को दूर करता है। जर्नी की शुरुआत में, क्लाइंट अब धीमी केस मूल्यांकन प्रक्रिया के कारण नहीं खोते क्योंकि एजेंट दिन या सप्ताह के किसी भी समय उपलब्ध रहता है और लगभग तुरंत केस का मूल्यांकन कर सकता है। सबूत इकट्ठा करना अब इंसानी क्षमता तक सीमित नहीं है, क्योंकि केस एजेंट किसी भी समय पांचवीं, दसवीं या यहां तक कि बीसवीं फोन कॉल करने के लिए एक अतिरिक्त सब-एजेंट तैयार कर सकता है। चूंकि एजेंट्स लगभग अनंत रूप से स्केलेबल हैं, इसलिए सामान्य दिखने वाले केस भी पूरी तरह से हैंडल होते हैं और हर सबूत की विस्तार से समीक्षा होती है, जिससे संभावित ब्रेन इंजरी जैसे मामले सामने आ सकते हैं जो अन्यथा छूट जाते। और अंत में, एजेंट गवाहों की फोन कॉल ट्रांसक्रिप्ट से लेकर पुलिस रिपोर्ट और मेडिकल रिकॉर्ड तक केस का पूरा रिकॉर्ड रखता है, ताकि कोई जानकारी न छूटे।
परिणामों के लिए भुगतान पाना
इन लीकेज को बंद करने के अलावा, पूरी कस्टमर जर्नी को संभालना एजेंट वेंडर की अर्थव्यवस्था को बदल सकता है। चूंकि एजेंट अधिक तेजी से और बेहतर गुणवत्ता वाले परिणाम देने में मदद करते हैं, वे ग्राहकों के लिए सिर्फ लागत में कटौती नहीं, बल्कि रेवेन्यू में वृद्धि ला सकते हैं। इससे भी महत्वपूर्ण बात यह है कि चूंकि प्रभाव दिखाई देता है और इसे एजेंट्स से जोड़ा जा सकता है, वेंडर्स कार्य उत्पादों या परिणामों के आधार पर प्राइसिंग करके अपने द्वारा बनाए गए लाभ में हिस्सेदारी कर सकते हैं। उदाहरण के लिए, प्लेनटिफ लॉ में, एक केस काम की एक अलग इकाई है और इसके परिणाम की वैल्यू, यानी सेटलमेंट राशि, स्पष्ट रूप से पहचानी जा सकती है। इसके अलावा, परिणामों को एजेंट्स से जोड़ना आसान हो जाता है क्योंकि वे अंतिम कार्य उत्पाद का बड़ा हिस्सा खुद तैयार करते हैं। फिर वेंडर्स टॉपलाइन विस्तार में हिस्सेदारी कर सकते हैं, और ऐसे कॉन्ट्रैक्ट वैल्यू तक पहुंच सकते हैं जो सिर्फ लागत में कटौती पर ध्यान केंद्रित करके पहले संभव नहीं थे।
यह सच है कि आउटकम-आधारित प्राइसिंग पर स्विच करना बिना चुनौतियों के नहीं है। प्लेनटिफ लॉ में, अधिकांश राज्य गैर-वकीलों को कानूनी शुल्क में हिस्सेदारी करने से रोकते हैं, इसलिए प्राइसिंग को सेटलमेंट वैल्यू के अनुसार होना चाहिए, बिना उसमें सीधा हिस्सा लिए। अन्य वर्टिकल्स में, वेंडर्स को प्रोक्योरमेंट टीमों के विरोध का सामना करना पड़ सकता है, जिनके पास अभी तक आउटकम-आधारित कॉन्ट्रैक्ट्स के लिए कोई पूर्व उदाहरण नहीं है। और भले ही एजेंट पूरी तरह से परिणामों को संभालने के करीब आ रहे हैं, शुरुआत में श्रेय (attribution) को लेकर बहस हो सकती है। इसलिए, लॉन्ग-रनिंग एजेंट्स को सफलतापूर्वक लागू करना तकनीकी चुनौती के साथ-साथ एक व्यावसायिक चुनौती भी होगी।
फिर भी, उच्च-मूल्य वाली कस्टमर जर्नी पर परिणामों के लिए भुगतान पाना कोई नया विचार नहीं है।
एक AI-नेटिव Red Ventures का मामला
Red Ventures (RV) एक बेहतरीन ऐतिहासिक उदाहरण है। RV की स्थापना Ric Elias और Dan Feldstein ने की थी और उन्होंने दीर्घकालिक उपभोक्ता अनुबंधों के लिए डिजिटल एंड-टू-एंड आउटसोर्स्ड सेल्स ऑपरेशंस की शुरुआत की। उदाहरण के लिए, बीमा पॉलिसियों के लिए, RV ग्राहकों के बारे में जानकारी तब इकट्ठा करता था जब वे इन उत्पादों की खोज कर रहे होते थे (homeinsurance.com जैसी साइट्स का मालिकाना हक रखकर), उनसे संपर्क करता, उन्हें कवरेज विकल्पों के बारे में बताता, और पॉलिसी क्लोज़ करता। इस पूरी जर्नी को संभालकर, RV हर क्लोज़ की गई पॉलिसी के लिए इंश्योरर से भुगतान लेता था। यह पहले बहुत अच्छी तरह काम करता था: S&P Global के अनुसार, RV ने 2022 में ~$1.4B की बिक्री पर ~$370M EBITDA जनरेट किया।
अब, यह मॉडल संरचनात्मक रूप से खतरे में लगता है। फनल के शीर्ष पर, उपभोक्ता उत्पादों को खोजने का अपना तरीका बदल रहे हैं। उत्पादों को खोजने और तुलना करने के लिए Google सर्च या तुलना साइट्स पर निर्भर रहने के बजाय, वे अब Meta के Muse या Instinct जैसे पर्सनल एजेंट से सीधे उत्पाद सुझाव मांग सकते हैं, जिससे पारंपरिक एक्सप्लोरेशन साइट्स के मालिकाना हक की वैल्यू कम हो रही है। इसके बाद, सैकड़ों इंसानों के रैखिक फनल चलाने के बजाय, लॉन्ग-रनिंग एजेंट कहीं अधिक जटिल जर्नी पर काम कर सकते हैं। वे ऐसा उत्पादों और कम्युनिकेशन मोडैलिटीज़ में, समानांतर रूप से, किसी भी भाषा में और बड़े पैमाने पर, असीमित धैर्य के साथ करेंगे। ग्राहकों के छोड़ने (churn) और विज्ञापन खर्च में कमी के कारण 2025 में RV के EBITDA में अनुमानित ~$160M तक गिरावट इस मॉडल की कमजोरी का शुरुआती संकेत है, क्योंकि आगे चलकर AI इस इंडस्ट्री को और बदल देगा।
मार्केट में जाने के तीन तरीके
लॉन्ग-रनिंग एजेंट्स को मार्केट में लाने के अलग-अलग तरीके हैं।
(1) प्लेटफॉर्म बेचना: इस तरीके में, वेंडर लॉन्ग-रनिंग एजेंट को सॉफ्टवेयर के रूप में बेचता है, जो एंटरप्राइज को उसके मौजूदा ऑपरेशंस में सपोर्ट करता है। प्लेनटिफ लॉ केस एजेंट का मौजूदा टीम और उनके वर्कफ़्लो के साथ इंटीग्रेट होना एक अच्छा उदाहरण है। प्लेटफॉर्म बेचने से रेवेन्यू बढ़ने की संभावना होती है क्योंकि अक्सर कीमतों को तय करने के लिए कोई तुलनीय सॉफ्टवेयर या आउटसोर्स्ड सर्विसेज कॉन्ट्रैक्ट मौजूद नहीं होते। हालांकि, इससे सेल्स साइकिल भी लंबा हो जाता है क्योंकि नई बजट लाइनें बनानी पड़ती हैं, और ऐसे एजेंट के परिणामों को स्पष्ट रूप से उससे जोड़ना मुश्किल होता है जो एंटरप्राइज के कई विभागों से जुड़ता है।
(2) सर्विस बेचना: यहां, वेंडर किसी वांछित परिणाम को अधिक प्रभावी ढंग से देने के लिए पहले से आउटसोर्स की गई सर्विस को अपने हाथ में ले लेता है, ठीक वैसे ही जैसे Red Ventures ने किसी इंश्योरेंस कैरियर के लिए पूरी कस्टमर एक्विजिशन जर्नी को संभाला था। यह तरीका सेल्स साइकिल को छोटा करता है क्योंकि खरीदारों के लिए ROI का गणित सरल होता है और BPOs के लिए बजट लाइनें पहले से मौजूद होती हैं। हालांकि, मौजूदा, प्री-AI प्राइसिंग मॉडल उस असली वैल्यू को नहीं दर्शा सकते जो लॉन्ग-रनिंग एजेंट दे सकता है और आज कई उच्च-मूल्य वाली जर्नी इन-हाउस चलाई जाती हैं, जो इस तरीके की पहुंच को सीमित करती हैं।
(3) फुल-स्टैक जाना: फुल-स्टैक दृष्टिकोण का मतलब है वर्टिकली इंटीग्रेट होना और एक AI-नेटिव खिलाड़ी बनना। उदाहरण के लिए, किसी डेट कलेक्शन फर्म को लॉन्ग-रनिंग एजेंट बेचने के बजाय, आप डेट पोर्टफोलियो खरीद सकते हैं और खुद वसूली कर सकते हैं, जिससे आप AI द्वारा बनाए गए किसी भी लाभ को पूरी तरह से हासिल कर सकते हैं और एट्रिब्यूशन की समस्याओं को हल कर सकते हैं। हालांकि, इसका मतलब लाइसेंसिंग या अनुपालन जैसी सर्विस के उन हिस्सों को संभालना भी है जो वास्तविक कस्टमर जर्नी से बाहर हैं, जिससे ध्यान भटकता है और ऑपरेशनल जटिलता बढ़ती है।
यह बताना अभी बहुत जल्दबाजी होगी कि इनमें से कौन सा तरीका सफल होगा, लेकिन हमें विश्वास है कि लॉन्ग-रनिंग एजेंट बड़े पैमाने पर रिले रेस जीतेंगे और AI द्वारा संबोधित किए जा सकने वाले बाजार को श्रम बजट के हिस्से से बढ़ाकर रेवेन्यू के हिस्से तक विस्तारित करेंगे। प्लेनटिफ केस की तैयारी केवल एक उदाहरण है और हम उम्मीद करते हैं कि एजेंट मॉर्टगेज ओरिजिनेशन, इंश्योरेंस क्लेम प्रोसेसिंग, जटिल एंटरप्राइज सेल्स और अनगिनत अन्य उच्च-मूल्य वाली जर्नी में परिणाम देंगे। अगर आप इस अवसर को हासिल करने पर काम कर रहे हैं, तो हम आपसे सुनना पसंद करेंगे!
