Codex से बैठकें खोजने का स्मार्ट साधन बनाना

• रिकॉर्ड की गई बैठकें ज्ञान का ऐसा संसाधन हैं जिसका पूरा उपयोग नहीं होता. इनमें खोजना कठिन है, इन्हें दोबारा देखने में समय लगता है और ये अलग-अलग टीम ड्राइव में बिखरी रहती हैं, इसलिए बहुमूल्य जानकारियां अक्सर नज़रअंदाज़ हो जाती हैं.

• एक दिन के हैकाथॉन में तीन लोगों की टीम ने कैलोम्बिया बनाया. यह एक आंतरिक मंच है, जो रिकॉर्ड की गई कॉल को अपने-आप लिपिबद्ध, टैग और सारांशित करता है, फिर उनकी क्लिप बनाकर उन्हें यूट्यूब जैसी खोजने योग्य रिपॉज़िटरी में रखता है, जिसे दुनिया भर के कार्यालय इस्तेमाल कर सकते हैं.

• पूरी तरह Codex से बनाया गया यह समाधान OpenAI एम्बेडिंग और कोसाइन समानता पर आधारित अर्थगत खोज का उपयोग करता है, ताकि सटीक मुख्य शब्द न होने पर भी प्रासंगिक अंश मिल सकें. इसके ऊपर एक आरएजी चैटबॉट और सूचना प्रणाली भी जोड़ी गई है.

• जिस काम में पहले कई सप्ताह लगते, उसे सात घंटे में पूरा कर दिया गया. इससे पता चलता है कि Codex जैसे कोडिंग एजेंटों के साथ एआई-केंद्रित विकास, उत्पाद विकास चक्र को बेहद छोटा कर सकता है और आंतरिक हैकाथॉन से वास्तविक व्यावसायिक मूल्य पैदा कर सकता है.

अगर आप भी मेरी तरह हैं, तो रिकॉर्ड की गई बैठकें दोबारा सुनने के लिए आपके पास शायद ही कभी समय या धैर्य होता होगा. अक्सर इसकी वजह यह होती है कि आपको अव्यवस्थित टीम ड्राइव में खोजना पड़ता है, बेकार की बातचीत छोड़ते हुए आगे बढ़ना पड़ता है और ईमेल व संदेश भेजते समय वास्तव में सुनने की कोशिश करनी पड़ती है.

लेकिन शायद इसे ऐसा होना ही नहीं चाहिए? शायद हम कुछ ऐसा बना सकते हैं जो रिकॉर्ड की गई बैठकों का अनुभव पूरी तरह बदल दे? हमारी हालिया हैकाथॉन परियोजना के पीछे यही सोच थी.

सिर्फ एक दिन में हमारी इंजीनियरिंग, डिलीवरी और संचालन टीम के 50 लोगों ने व्यवसाय के अलग-अलग हिस्सों से आई कई समस्याओं पर काम किया. इनमें भर्ती संचालन का विस्तार, कार्य-विवरण तैयार करने की प्रक्रिया को सरल बनाना, परियोजनाओं की स्थिति समझना, तुरंत प्रोटोटाइप बनाना और रिकॉर्ड की गई बैठकों से उपयोगी जानकारियां निकालना शामिल था.

Codex पर आधारित इस हैकाथॉन में हमने कैलोम्बिया बनाया. कैलोम्बिया हमारे व्यवसाय का यूट्यूब है, जो हर कॉल को निरंतर उपयोगी और खोजने योग्य संसाधन में बदल देता है. हर कॉल को अपने-आप लिपिबद्ध, टैग और सारांशित किया जाता है. फिर उसकी विषय-आधारित क्लिप बनाकर चैनल यानी ग्राहकों और विषयों यानी एआई विशेषज्ञता के क्षेत्रों के अनुसार व्यवस्थित रिपॉज़िटरी में जोड़ा जाता है. इससे लंदन, एडिनबरा, सिंगापुर और ऑस्ट्रेलिया में मौजूद टीम का कोई भी सदस्य कॉल के अपने काम के अंश तुरंत देख सकता है.

परिचित और ब्रांड के अनुरूप उपयोगकर्ता अंतरफलक सामग्री खोजना सहज बनाता है, जबकि अर्थगत खोज और बेशक आरएजी एआई चैटबॉट लोगों को वही खोजने में मदद करते हैं जिसकी उन्हें आवश्यकता है. सूचना प्रणाली जोड़ने से हमारे सहकर्मी चुनिंदा विषयों की सदस्यता भी ले सकते हैं और उनके लिए प्रासंगिक कोई नई क्लिप जारी होने पर सूचना पा सकते हैं.

लेकिन कैलोम्बिया की खास बात न तो उत्पाद है और न हैकाथॉन जीतने पर मिला 2,000 पाउंड का पुरस्कार, जिसका थोड़ा दिखावा तो बनता है. खास बात यह है कि दो इंजीनियर और एक डिलीवरी प्रमुख मिलकर यह सब सिर्फ सात घंटे में बना सके. एक साल पहले यह संभव नहीं था. कोडिंग एजेंटों में सुधार ने उत्पाद विकास की शुरू से अंत तक की प्रक्रिया को बहुत तेज़ कर दिया है, और यह हैकाथॉन उनकी असमान क्षमताओं की सीमाएं समझने के लिए एक बेहतरीन परीक्षण स्थल साबित हुआ. तो हमने Codex का उपयोग कैसे किया?

ढेर सारी आवश्यकताएं लिखने के बजाय हमने सबसे पहले समस्या के दायरे और कैलोम्बिया के लिए अपने साझा दृष्टिकोण को प्रॉम्प्ट के रूप में दिया. जानबूझकर विवरण अस्पष्ट रखने से हमने मॉडल को अपना काम और रचनात्मक ढंग से सोचने दिया:

दस मिनट की चर्चा के बाद हमने आवश्यकताओं को स्पष्ट करने और निर्माण के तकनीकी हिस्से को दिशा देने के लिए योजना मोड चालू किया. योजना मोड में प्रश्नों का उत्तर देना ऐसा लगता है, मानो वह परेशान करने वाला दोस्त सवाल कर रहा हो जिसने मददगार ढंग से हर संभावित परिस्थिति पर पहले ही विचार कर लिया है. वीडियो की संख्या, अर्थगत या मुख्य शब्द आधारित खोज और इस्तेमाल की जाने वाली संरचना जैसी बातों पर सहमति बनने के बाद उसने एक मार्कडाउन फ़ाइल बनाई, जो आगे पूरी परियोजना का आधार बनी.

योजना तैयार होने के बाद अगला कदम उन मुख्य घटकों को बनाना था जिनसे कैलोम्बिया वास्तव में काम कर सके. इसके लिए रिकॉर्ड की गई कॉल को खोजने योग्य संसाधनों में बदलने वाली प्रक्रिया बनानी थी:

1. वीडियो और प्रतिलेख आयात करना,

2. उन्हें सार्थक अंशों में बांटना,

3. सारांश और टैग से उन्हें अधिक उपयोगी बनाना,

4. उन्हें ऐसे एपीआई के जरिए उपलब्ध कराना जिनका अग्रभाग उपयोग कर सके.

एड ने मूल रिकॉर्डिंग और प्रतिलेख डेटा को उपयोगी प्रारूप में लाने पर अधिक ध्यान दिया, जबकि निको ने उन अंशों को खोजने योग्य बनाने वाली पुनर्प्राप्ति परत पर काम किया. Codex की मदद से दोनों डेटा मॉडल, निष्कर्षण स्क्रिप्ट और पश्चभाग की आधारभूत व्यवस्था, हाथ से किए जाने वाले काम की तुलना में बहुत तेज़ी से तैयार कर सके. इससे हमें वीडियो से जुड़ा केवल एक प्रतिलेख ही नहीं, बल्कि उससे कहीं अधिक मिला. इसने हमें खास अंश दिए: टेस्को वाला हिस्सा, रणनीति संबंधी नई जानकारी, भर्ती पर चर्चा या कॉल के वे विशेष 90 सेकंड जिन्हें कोई वास्तव में देखना चाहता है.

पुनर्प्राप्ति परत ने चीज़ों को विशेष रूप से रोचक बना दिया. हम चाहते थे कि कोई “वित्तीय प्रदर्शन”, “टेस्को की भावी योजना” या “बातचीत का मूल्यांकन” जैसा कुछ लिखे और उसे सबसे प्रासंगिक क्लिप मिल जाएं, भले ही वे सटीक शब्द कभी बोले न गए हों. इसके लिए हमने समय-चिह्न, सारांश, प्रतिलेख और मेटाडेटा वाले खंड बनाए. स्पष्ट संरचना और Codex की भरपूर मदद से हमने विषय, सारांश और प्रतिलेख को एक ही इनपुट में जोड़ा और हर खंड की एम्बेडिंग बनाने के लिए OpenAI के text-embedding-3-small मॉडल का उपयोग किया. हमने इन एम्बेडिंग को अपने डेटाबेस में रखा और उपयोगकर्ता की क्वेरी की तुलना हर खंड से करने के लिए कोसाइन समानता का उपयोग किया. इससे साधारण मुख्य शब्द खोज के बजाय अर्थगत पुनर्प्राप्ति परत मिली.

सटीकता के लिहाज से इसने बेहद अच्छा काम किया और हैकाथॉन के प्रदर्शन के दौरान उत्पाद में “जादुई” अनुभव पैदा किया. साथ ही हमें पता था कि वीडियो की संख्या लगातार बढ़ने पर यह तरीका हमेशा कारगर नहीं रहेगा, क्योंकि हर क्वेरी की हर खंड से तुलना करना आखिरकार बहुत महंगा हो जाता. अगला स्वाभाविक कदम श्रेणीबद्ध नौगम्य लघु विश्व जैसी अधिक कुशल पुनर्प्राप्ति रणनीतियां अपनाना होगा, ताकि तुलनाओं की संख्या घटे और सामग्री-संग्रह बढ़ने पर भी विलंब कम रहे. इस सुविधा के काम करने के बाद कैलोम्बिया कम मीडिया लाइब्रेरी और अधिक ज्ञान प्रणाली जैसा लगने लगा.

हर अच्छे हैकाथॉन की तरह इस हिस्से में भी सुधार की ज़रूरत थी. शुरुआती खंडों की सीमाएं बहुत अस्पष्ट थीं, कुछ समय-चिह्न अधिक सटीक करने थे, कुछ टैग बहुत व्यापक थे और प्रतिलेख व रिकॉर्डिंग फ़ाइलें हमेशा ठीक से मेल नहीं खाती थीं. लेकिन यहीं इसका मूल्य भी सामने आया. Codex की मदद से हम शुरुआती व्यवस्था और दोबारा काम करने में उलझने के बजाय प्रणाली को तेज़ी से बेहतर बना सके. अंत तक हमारे पास ऐसा पश्चभाग था जो क्लिप, छोटे अंश और वास्तव में उपयोगी अर्थगत खोज को चला सकता था. यहीं से कैलोम्बिया केवल हैकाथॉन प्रदर्शन के बजाय वास्तविक उत्पाद जैसा लगने लगा.

जब एड और निको आयात तथा बुद्धिमत्ता परत बना रहे थे, तब मैंने अग्रभाग बनाया. अपने पूर्ण-स्टैक सांचे का उपयोग करके मैं कोड की एक भी पंक्ति लिखे बिना वेबसाइट का पहला संस्करण तुरंत तैयार कर सका. उसे अपने ब्राउज़र में स्थानीय रूप से वेबसाइट खोलने को कहने के बाद, मैं सरल बिंदुओं में प्रतिक्रिया देता रहा और डिज़ाइन को अपनी पसंद के अनुरूप सुधारता गया.

लगभग एक घंटे की बातचीत और सुधार के बाद मेरे पास कुछ ऐसा था जिससे मैं काफी संतुष्ट था, जबकि मुझे उपयोगकर्ता अंतरफलक या डिज़ाइन का कोई अनुभव नहीं था. अंतिम उत्पाद निश्चित रूप से पूर्ण नहीं है, लेकिन यह काफी अच्छा पहला संस्करण है जो लोगों को उत्पाद समझने में मदद करता है.

यह सुनिश्चित करने के लिए कि दिन के अंत तक हमारे पास कुछ तैयार हो, हमने काम आपस में बांट लिया था. स्वाभाविक रूप से, कुछ घंटे लगभग स्वतंत्र रूप से काम करने के बाद हम सभी की अपनी स्थानीय शाखाएं थीं और उनमें ढेरों टकराव थे.

हमारे पास इतना समय नहीं था कि हर टकराव को ध्यान से देखकर हल करें, इसलिए हमने Codex को रिपॉज़िटरी पर खुलकर काम करने दिया और उससे सभी टकराव अपने-आप ठीक कराए. अभी हम उद्यम-स्तरीय सॉफ़्टवेयर विकास के लिए इस तरीके की अनुशंसा नहीं करेंगे, लेकिन कम जोखिम वाले परिवेश में इसकी प्रभावशीलता देखना अविश्वसनीय था और इससे हमारे कई घंटे बचे.

हैकाथॉन के अंतिम चरण में निर्णायकों के लिए कैलोम्बिया का प्रदर्शन रिकॉर्ड करना था. पहला विचार रिकॉर्डिंग के लिए लूम खोलने का था, लेकिन हमें लगा कि यह Codex की असली परीक्षा हो सकती है और उसकी मौजूदा क्षमताओं से कुछ अलग भी. तो हमने एक प्रॉम्प्ट लिखा, उसे कैलोम्बिया वेबसाइट की कड़ी दी, OpenAI के डेवलपर मंच पर अपनी आवाज़ की रिकॉर्डिंग जोड़ी और बाकी काम करने को कहा.

पहला प्रयास बेहद प्रभावशाली था. उसने प्रदर्शन की पटकथा लिखी, स्क्रीन रिकॉर्ड की, मेरी आवाज़ जोड़ी और लगभग सारी अपेक्षाएं पूरी कर दीं. हमें केवल आवाज़ और प्रदर्शन की रिकॉर्डिंग के तालमेल से तुरंत संतुष्टि नहीं हुई, इसलिए हमने कहा, “अनिवार्य: आवाज़ को प्रदर्शन में दिखाई जा रही सामग्री के साथ सटीक रूप से मिलाएं. दोनों में तालमेल नहीं था, जैसे चैट पृष्ठ पर. अंत में आवाज़ और स्क्रीन पर रिकॉर्ड किए गए प्रदर्शन का तालमेल तीन बार जांचें. किसी भी संभव तरीके से इन्हें मिलाएं.”

इस अनुरोध पर Codex ने आवाज़ और रिकॉर्डिंग को छोटे हिस्सों में बांट दिया और शाम 5:30 बजे तक काम लगभग त्रुटिहीन ढंग से पूरा कर दिया. फिर जश्न के लिए बीयर और पिज़्ज़ा का समय था.

हम जानते हैं कि कैलोम्बिया ऐसी समस्या हल करता है जिसका सामना अधिकांश व्यवसाय करते हैं. तेज़ी से बढ़ती कंपनी में हर कॉल में शामिल होना कठिन है, लेकिन इन कॉल में साझा की जाने वाली महत्वपूर्ण जानकारियां अमूल्य हैं. अब हमें बस इसे उत्पादन परिवेश में ले जाना है.

लेकिन यहां एआई-केंद्रित बनने और साझा समस्याएं हल करने में इंजीनियरिंग व उत्पाद संबंधी सूझ-बूझ लगाने के लाभ से जुड़ा एक बड़ा सबक भी है. अपनी सामान्य कार्यशैली से बाहर निकलकर, अलग-अलग टीमों के साथ सहयोग करके और वह भी हल्के प्रतिस्पर्धी माहौल में, हमने कई ऐसे समाधान तैयार किए जिन्हें थोड़े बदलावों के बाद उत्पादन में लाया जा सकता है. इसे नियमित रूप से करके हम सुनिश्चित कर सकते हैं कि हमारी आंतरिक कार्यप्रणाली भी उतनी ही सुचारु हो, जितने ग्राहकों के लिए बनाए गए हमारे समाधान.