- WordPress VIP के 2026 सर्वे के अनुसार, अमेरिकी उपभोक्ताओं को वेब पहले की तुलना में कम मानवीय लगता है, और ब्रांड की AI messaging भी अभी तक भरोसेमंद सफलता के उदाहरण नहीं बना पाई है
- 74% उपभोक्ताओं ने कहा कि इंटरनेट 10 साल पहले की तुलना में कम मानवीय हो गया है, और ऑनलाइन इंटरैक्शन जब कृत्रिम लगने लगते हैं, उस bot fatigue तक पहुंचने में औसतन सिर्फ 40 मिनट लगते हैं
- 61% उपभोक्ता किसी ऐसे ब्रांड का नाम नहीं ले पाए जो messaging में AI का अच्छा उपयोग करता हो, और 60% लोग ब्रांड संदेशों में AI को फीचर नहीं बल्कि असहजता के रूप में लेते हैं
- AI brand visibility का मतलब है कि ChatGPT, Perplexity, Claude, Gemini जैसे AI engines के जवाबों में कोई ब्रांड कितनी बार दिखाई देता है; यह search ranking से अलग तरह की measurement challenge है
- कंपनियों को उसी वेबसाइट पर ऐसा structured content देना होगा जिसे AI cite कर सके, और ऐसा अनुभव भी देना होगा जिसके लिए इंसान साइट पर ठहरना चाहें; इसे मापने वाले tools का ecosystem अभी बन ही रहा है
वेब कम मानवीय क्यों लग रहा है
- WordPress VIP के 2026 के अमेरिकी 1,200 उपभोक्ताओं पर आधारित सर्वे में 74% लोगों ने कहा कि इंटरनेट 10 साल पहले की तुलना में कम मानवीय हो गया है
- ऑनलाइन इंटरैक्शन कृत्रिम लगने लगें, उस bot fatigue तक पहुंचने का औसत समय 40 मिनट है
- वे छोटे-छोटे पल कम हो गए हैं जो वेब विज़िट को सार्थक बनाते थे, इसलिए उपयोगकर्ता मशीन जैसी भाषा वाले अनुभव को पहले से जल्दी पहचान लेते हैं
AI brand visibility, search visibility से कैसे अलग है
- AI brand visibility का मतलब है कि ChatGPT, Perplexity, Claude, Gemini जैसे AI engines द्वारा बनाए गए जवाबों में कोई ब्रांड कितनी बार आता है
- Search engine visibility results page पर ranking को मापती है, जबकि AI brand visibility AI के जवाब के भीतर ब्रांड के उल्लेख को देखती है
- Google पर top position पाने वाला ब्रांड भी ChatGPT के जवाब में बिल्कुल दिखाई न दे, ऐसा हो सकता है
- 2026 तक ऐसा कोई single dashboard नहीं है जो सभी AI engines में brand visibility को एक साथ track करे
- इस category में अभी कोई स्थापित leader नहीं है, और “अच्छा” माने जाने का साझा मानदंड भी अभी तय नहीं हुआ है
उपभोक्ता ब्रांड के AI उपयोग को कैसे देखते हैं
- 61% उपभोक्ता किसी ऐसे ब्रांड को याद नहीं कर पाए जो messaging में AI का अच्छा उपयोग करता हो
- 16% ने कहा कि AI का अच्छा उपयोग करने वाला कोई ब्रांड है ही नहीं
- 60% लोगों ने ब्रांड messaging में AI को फीचर नहीं बल्कि असहजता के रूप में देखा
- कंपनियों ने पिछले एक साल में AI strategy पर बजट खर्च किया है, लेकिन उपभोक्ता धारणा में अभी तक कोई स्पष्ट सफल ब्रांड सामने नहीं आया है
- कंपनियों की टीमें AI visibility सुधारने में औसतन हर हफ्ते 16.6 घंटे लगा रही हैं
वेबसाइट की दोहरी भूमिका
- AI engines को ऐसा content चाहिए जिसे वे खोज सकें और सही तरह से cite कर सकें, जबकि इंसानों को क्लिक करने के बाद ठहरने की वजह चाहिए
- लोगों को साइट पर रोके रखने वाले तत्व बनाना ज्यादा कठिन है, और कई enterprise अभी भी इसका अनुमान ही लगा रहे हैं
- ध्यान खींचने वाले ब्रांड ऐसे अनुभवों पर फोकस करते हैं जो सपाट AI summary नहीं दे सकती
-
इंटरैक्टिव content
- Dynamic experiences और उपयोगकर्ता द्वारा सीधे किए जा सकने वाले छोटे actions वेबसाइट पर आने की वजह बनते हैं
- वेबसाइट वह जगह है जहां AI के लिए structured content और पाठकों के समय देने लायक अनुभव साथ-साथ दिए जा सकते हैं
- WordPress VIP बताता है कि यह आधार WordPress VIP for Enterprise में उपलब्ध है
- संबंधित framework को Future-Proof Your Brand for the AI-Native Web में संक्षेपित किया गया है
-
AI brand visibility measurement tools की प्रमुख categories
- AI brand visibility tools की category अभी लगभग 2 साल पुरानी है, और tools का ecosystem अभी स्थिर नहीं हुआ है
- Pricing coverage और customization के स्तर के अनुसार free से लेकर 6-digit amount तक हो सकती है
- कुछ products अगले 12 महीनों में बदल सकते हैं, लेकिन tool categories के ज्यादा समय तक टिके रहने की संभावना है
-
AI citation monitoring platforms
- यह नई category track करती है कि ChatGPT, Perplexity, Claude, Gemini के जवाबों में कोई ब्रांड कितनी बार आता है
- यह बड़े पैमाने पर queries simulate करती है और समय के साथ citation frequency व sentiment दिखाती है
- Tools के उदाहरण हैं Profound, BrightEdge, brandvisibility.ai, Tryevergreen, और 2025 के अंत में आए छोटे competitors
- यह उन टीमों के लिए उपयुक्त है जिन्हें AI visibility को business performance से जोड़ना है
- ध्यान देने वाली बातें
- Pricing models अभी स्थिर नहीं हुए हैं
- Meaningful baseline बनाने के लिए आमतौर पर 4–6 हफ्तों का data collection चाहिए
- Sample-based query simulation में gaps होते हैं
- जो tool सभी AI जवाबों की “complete coverage” का दावा करे, वह methodology को बढ़ा-चढ़ाकर पेश कर रहा है
-
Search analytics with AI overlays
- यह category मौजूदा SEO platforms द्वारा 2024 से AI tracking तक बढ़ाई गई है
- यह पारंपरिक search metrics के ऊपर AI citation data की layer दिखाती है
- Tools के उदाहरण हैं Similarweb AI Intelligence, Semrush AI Toolkit, Ahrefs Brand Radar
- यह उन टीमों के लिए उपयुक्त है जो मौजूदा SEO workflow बनाए रखते हुए AI visibility data भी देखना चाहती हैं
- Organic search traffic और AI traffic को एक ही स्क्रीन पर देखने वाली unified reporting इसका मुख्य मूल्य है
- ध्यान देने वाली बातें
- Dedicated AI citation platforms की तुलना में AI coverage आमतौर पर कम होती है
- ये tools search के लिए बने थे, इसलिए AI side अभी catch-up कर रही है
- यहां से मिले AI numbers को directional indicator की तरह लेना चाहिए
-
Web analytics with AI referral tracking
- यह web analytics category AI engines से आने वाले traffic को detect और classify करती है
- जहां citation monitoring tools बताते हैं कि ब्रांड का उल्लेख हुआ या नहीं, यह category दिखाती है कि उस उल्लेख के बाद क्या हुआ
- Tools के उदाहरण हैं WordPress VIP suite का Parse.ly, Plausible, Fathom Analytics, और custom segments के साथ Google Analytics 4 जैसे enterprise analytics platforms
- AI citations funnel के top पर होती हैं, और यह category मापती है कि वे citations किसमें convert होती हैं
- ध्यान देने वाली बातें
- AI referrer detection platform के अनुसार अलग-अलग होती है
- कुछ AI engines साफ referrer header भेजते हैं, जबकि कुछ UTM tagging पर निर्भर करते हैं
- साफ data पाने के लिए content team और analytics team के बीच तालमेल जरूरी है
-
Brand intelligence platforms
- यह brand monitoring category है जो मौजूदा social listening और PR monitoring में AI surface tracking जोड़ती है
- यह AI engines को social और traditional media mentions के साथ एक input की तरह देखती है
- Tools के उदाहरण हैं Brandwatch, Talkwalker, Meltwater
- यह communication और PR teams के लिए उपयुक्त है जो पहले से crisis monitoring और share-of-voice tracking के लिए इन platforms का उपयोग करती हैं
- ध्यान देने वाली बातें
- Dedicated AI citation tools की तुलना में AI coverage हल्की होती है
- यह broad overview के लिए उपयोगी है, लेकिन detailed citation analysis के लिए कम उपयुक्त है
-
Custom solutions
- Engineering क्षमता वाली कंपनियां LLM API के जरिए AI engines को नियमित queries भेजकर परिणाम अपने dashboard में दिखाती हैं
- Pew Research Center और WordPress VIP का काम इस approach का एक उदाहरण है
- यह उन enterprises के लिए उपयुक्त है जो अपनी queries खुद परिभाषित करना और data पर सीधा नियंत्रण रखना चाहते हैं
- जब किसी ब्रांड की AI visibility strategy ऐसे niche, industry-specific queries पर निर्भर हो जिन्हें तैयार tools अच्छी तरह कवर नहीं करते, तब यह सही विकल्प है
- ध्यान देने वाली बातें
- Maintenance burden होता है
- LLM API access स्थिर हुआ है, लेकिन pricing और rate limits अक्सर बदलते रहते हैं
- अपने dashboard को up-to-date रखने के लिए लगातार engineering investment चाहिए
tools चुनते समय निर्णय के मानदंड
- अगर जानना है, “क्या हमारा citation हो रहा है?” तो AI citation monitoring platform इस्तेमाल करें
- अगर देखना है, “search performance की तुलना में हमारा citation हो रहा है या नहीं?” तो AI overlay वाला search analytics सही है
- अगर जानना है, “citation के बाद क्या होता है?” तो AI referral tracking वाला web analytics इस्तेमाल करें
- अगर देखना है, “AI, broader brand sentiment के भीतर कहां खड़ा है?” तो brand intelligence platform चाहिए
- अगर ऊपर की categories आपके ट्रैक करने वाले target का जवाब नहीं देतीं, तो custom solution बनाएं
- अधिकांश enterprises दो categories का साथ में उपयोग करते हैं
- सबसे सामान्य संयोजन यह है कि AI citation monitoring tool से ब्रांड की मौजूदगी देखी जाए, और web analytics tool से उस visibility की value मापी जाए
- जो ब्रांड पहले यह संयोजन स्थापित कर लेंगे, वे 2027 के AI visibility budget को budget meeting में फिर से बहस का विषय बनने से बचाने की बेहतर स्थिति में होंगे
4 टिप्पणियां
मुझे नहीं पता कि जिन ब्रांड्स में AI की मौजूदगी बहुत ज़्यादा दिखती है, वे सचमुच उपभोक्ताओं की नज़र में भी अच्छे ब्रांड होते हैं या नहीं।
जब मैंने Iceland यात्रा की योजना बनाते समय LLM से glacier cave tour कंपनी की सिफारिश माँगी, तो बाद में पता चला कि वह कंपनी सिर्फ़ इसलिए इंटरनेट सर्च में सबसे ऊपर आती थी क्योंकि कुछ साल पहले उसके यहाँ जानलेवा दुर्घटना हुई थी।
LLM ने उस संदर्भ को, जो इंसानों के लिए महत्वपूर्ण होता, सिर्फ़ इसलिए नज़रअंदाज़ कर दिया क्योंकि वह prompt में नहीं था; उसने बस search results के context में सबसे ज़्यादा दिखाई देने वाली कंपनी चुन ली और उस कंपनी द्वारा बताए गए फायदे जोड़कर मुझे उसकी सिफारिश कर दी।
आखिरकार किसी प्रोडक्ट का मूल्यांकन उसकी quality से होना चाहिए, लेकिन खासकर AI को आगे रखकर बेचे जाने वाले प्रोडक्ट्स में low quality को
AIजैसे keyword के पीछे छिपाने के मामले बहुत ज़्यादा हैं।इतिहास खुद को दोहराता है
https://m.imaeil.com/page/view/2026032416585900788
Hacker News की राय
यह बात बिल्कुल सही लगती है कि “कोई ग्राहक या यूज़र सुबह उठकर यह नहीं सोचता कि ‘आज मैं chatbot या AI agent से बात करना चाहता हूँ’”
मैंने AI customer support agent लागू कराने में नेतृत्व किया था, और मैनेजमेंट ने इसे बड़ी सफलता माना, लेकिन metrics ने बिल्कुल अलग कहानी बताई। ग्राहकों को यह सच में नापसंद था, और tech में इससे ज़्यादा नफरत की जाने वाली चीज़ मैंने शायद ही देखी हो
यह न लगे कि हमने ही खराब बनाया था, इसलिए जोड़ दूँ: हमने industry के top-tier vendor का इस्तेमाल किया, अपने tests भी बहुत सख्ती से किए, और latency भी fine-tune की। हमें लगा final version काफ़ी अच्छा है, लेकिन ग्राहकों को यह बस पसंद नहीं आया
मैं तो बस अपना message छोड़ना चाहता हूँ, उसका text transcription हो जाए और कोई इंसान उसे handle कर ले, लेकिन वही काम करने वाले bot को धीरे-धीरे समझाने का मेरा कोई मन नहीं
ऊपर से, शुरू में कई वाक्यों तक वह खुद को bot भी नहीं बताता। वह इतना believable लगता है कि धोखा हो जाता है, और फिर यह समझ आने पर कि मैं किसी मामूली robot से बात कर रहा था, जो निराशा होती है, वह अब उस dentist brand से जुड़ गई है
इन्हें इंसान होने का नाटक नहीं करना चाहिए
इस AI को ऐसी स्थिति के लिए बिल्कुल train नहीं किया गया था जहाँ गलती dealership की हो सकती है, और यह मुझे बार-बार website पर booking करने या अपने पैसे से नई appointment लेने की तरफ़ धकेलता रहा
dealership ने इसे AI को सौंप दिया, और उस AI को problem-solving नहीं बल्कि सिर्फ़ appointment booking के लिए optimize किया—यह practically मुझे बीच की उंगली दिखाने जैसा था। यह मेरे ऊपर और काम डालने, मेरा समय बर्बाद करने का बेहद बदतमीज़ तरीका था। जब तक किसी इंसान से connection हुआ, तब तक मैं पहले ही गुस्से और अविश्वास से भर चुका था
मैं इसे revolutionary नहीं कहूँगा, लेकिन इसने interface की कमियाँ भरीं, और अब तक के models उपयोगी, ईमानदार और user instructions follow करने के लिए trained रहे हैं। पुराने patterns की तुलना में यह कहीं ज़्यादा pleasant है
कोई कह सकता है कि इंसान से बात करना chatbot से बेहतर है, लेकिन दुखद सच्चाई यह है कि customer support staff कई बार LLM से भी ज़्यादा bot की तरह behave करते हैं। हर case अलग हो सकता है, लेकिन ज़्यादातर बार मैं LLM से ही बात करना पसंद करूँगा
मैं गलत हो सकता हूँ, लेकिन बहुत से products में AI उपभोक्ताओं के लिए value देने से ज़्यादा venture capital और tech industry के अंदरूनी लोगों को भेजे गए signal जैसा लगता है
उपभोक्ता यह जानना चाहते हैं कि “यह product मेरे लिए वास्तव में क्या करता है”, न कि यह कि उसे आज के buzzword से बनाया गया है या नहीं
बहुत से लोगों तक जो संदेश पहुँचता है, वह कुछ ऐसा है: “इसे ऐसी technology से बनाया गया है जो plagiarism करती है, artists की नौकरियाँ खत्म करती है, जल्द ही आपकी नौकरी भी खत्म करेगी, और हर output को औसत और फीका बना देती है”
यह लगभग ऐसा है जैसे आप प्रचार करें कि “इसे child labor से बनाया गया है”
उपभोक्ता इस बात की परवाह नहीं करते कि developers कौन-सा code लिखते हैं या किस cloud platform पर deploy करते हैं, तो फिर product के भीतर के AI की परवाह क्यों करें। AI कोई feature नहीं है, feature तो वह feature है। आपको बताना चाहिए कि वह feature actually क्या है
बाद में हमने उसका नाम Advanced Search कर दिया और sparkly icon वगैरह वैसे ही रहने दिए; लगभग बस “AI” को “Advanced” से replace किया
negative feedback रुक गया, और अगले ही दिन किसी ने लिख भेजा कि यह कमाल का feature है
branding वाकई अजीब चीज़ है, और modern media environment भी अजीब है। मैं यह नहीं कह रहा कि AI से नफरत सही है या गलत, लेकिन कुछ लोगों के लिए यह शब्द ऐसे context में भी “ये लोग मेरी नौकरी छीनने आ रहे हैं” वाला warning light जला देता है जहाँ उसका उनकी नौकरी से कोई लेना-देना नहीं होता। polls में भी AI को लेकर चिंताओं में job security सबसे ऊपर है
“That’s so AI” अब सचमुच slang बन गया है, और इसका मतलब “वाह, कितना cool और automated!” नहीं है
यह वास्तव में किसी समस्या को हल नहीं करता और बस feature checklist में tick लगाने जैसा लगता है। जैसे chatbot जोड़ दिया और काम खत्म
जब Square ने हाल ही में “managerbot” निकाला, तो मुझे लगा “ओह, यह तो ठीक लग रहा है”, क्योंकि मैं सच में कुछ ऐसा चाहता था। लेकिन सिस्टम के data के बारे में मैंने कुछ सवाल पूछे तो यह ज़्यादातर का जवाब नहीं दे पाया, और ऊपर से बेहद धीमा था। सीधे report निकालकर जानकारी ढूँढना bot से तेज़ था
सिर्फ़ Square ही नहीं, Salesforce, Microsoft, Google वगैरह भी सब ऐसे ही हैं
व्यक्तिगत रूप से मुझे AI tools इस्तेमाल करना पसंद है, लेकिन marketing fatigue भी महसूस हो रही है। developers हर जगह AI ठूँस रहे हैं, उसे ठीक से बना नहीं पा रहे, और फिर भी उसे core feature की तरह promote कर रहे हैं
शायद यह एक स्वाभाविक cycle है। अभी शायद हम hype के peak से disillusionment की तरफ़ बढ़ने वाले दौर में हैं
हाल में डिवाइसेज़ में जबरन ठूँसा जा रहा “AI” कचरा, समस्या असल में यही है
हम वर्षों से machine learning features इस्तेमाल करते आए हैं और उनसे वास्तविक फ़ायदे भी मिले हैं, लेकिन ज़्यादातर लोग न तो यह जानते थे कि वे कैसे काम करते हैं, न ही उन्हें उससे मतलब था। वे बस बैकग्राउंड में अपना काम करते थे और underlying technology को हमारे चेहरे पर नहीं ठेलते थे
लेकिन AI इसका ठीक उलटा है। पहले technology को आगे किया जाता है, फ़ायदे बाद में आते हैं। ऊपर से यह अक्सर UI को और खराब बना देता है, जबकि लाभ बहुत कम या कई बार बिल्कुल नहीं होता
ज़्यादातर consumers के लिए यह ज़्यादा मायने रखता है कि technology ठीक से काम करे और फ़ायदा दे, न कि वह कैसे काम करती है
AI का इस्तेमाल अक्सर वे लोग करते हैं जो समय या मेहनत लगाना ही नहीं चाहते, और आखिरकार बात की जड़ यही है
खुद से पूछिए: क्या आप क्रिसमस या जन्मदिन पर ऐसा कार्ड पाना चाहेंगे जिसमें निजी संदेश हो, या फिर ऐसा जो 100% AI bot ने बनाया हो? और अगर उसमें hallucination भी हो, तो बात और भी साफ़ है
यहाँ असली बदलाव “हर चीज़ के लिए एक input” interface आज़माने की कोशिश है, लेकिन वे यह नहीं समझते कि वास्तव में users के लिए यह बहुत कम मामलों में सबसे अच्छा विकल्प होता है
इसका हमेशा दिया जाने वाला उदाहरण Google Maps का voice recognition है। पहले अगर आप कहते थे “Hey Google, ETA kya hai?” तो यह जादू की तरह बताता था कि पहुँचने में कितना समय बाकी है। फिर किसी बिंदु पर यह टूट गया, और कई सालों से काम नहीं कर रहा। आख़िरी बार जब मैंने कोशिश की, तो फ़ोन ने web browser खोलकर web search कर दिया
जब Gemini को जबरन डाला गया, तो मैंने सबसे पहले उसे बंद करने का तरीका ढूँढा। क्योंकि उसने पुरानी voice को overwrite कर दिया था जिसे मैंने सुबह calendar schedule पढ़कर सुनाने के लिए चुना था। असल में वह ठीक से पढ़ना शुरू भी करती थी, फिर बीच में वह बेवकूफ़ Gemini voice घुस आती थी और बिल्कुल भी मददगार नहीं होती थी
यह सब एनशिटिफिकेशन है
features को खुद अपनी बात कहनी चाहिए। अगर कोई feature अच्छा है, तो उसकी underlying technology की marketing करने की ज़रूरत नहीं पड़ती
जैसे, किसी को इससे फर्क नहीं पड़ता कि settings SQLite database में store होती हैं। लोगों को यह भी परवाह नहीं होती कि वे कैसे store होती हैं
जब कोई दोस्त नया फ़ोन दिखाकर यह कहकर उत्साहित होता है कि उससे चाँद को इतना zoom किया जा सकता है कि अलग-अलग पत्थर तक दिखें, तब यह बिल्कुल मायने नहीं रखता कि उसमें AI इस्तेमाल हुआ है। वह बस camera इस्तेमाल कर रहा है
भले ही feature AI से बनाया गया हो, packaging पर AI लिखने के बजाय यह दिखाना चाहिए कि वह वास्तव में क्या करता है और कितना अच्छा करता है। सिर्फ यह कहना कि उसमें AI है, निरर्थक है। चाहे शिकारी वर्ग कितना भी चाहे, “fetch” कभी trend नहीं बनने वाला
ज़्यादातर consumers के लिए AI शायद net negative साबित होगा
पहले से ही दिख रहा है कि ज़्यादा से ज़्यादा कंपनियाँ call centers और support flows में AI का इस्तेमाल कर रही हैं, और कई बार इसका उपयोग ग्राहकों को रोककर रखने के लिए होता है। जवाब बहुत विनम्र और विस्तार से मिलते हैं, लेकिन निर्णय लेने का अधिकार न होने की वजह से समस्या हल नहीं होती
यह नई दुनिया मुझे उत्साहित नहीं करती। AI creators के लिए एक शक्तिशाली और उपयोगी tool है, लेकिन इसका इस्तेमाल पहले से ही गलत कारणों के लिए हो रहा है, और ऐसा लगता है कि युद्ध में नष्ट किए जाने वाले targets चुनने तक के लिए भी हो रहा है। कुछ क्षेत्रों में तो इसे लगभग बिना निगरानी के जीवन-मृत्यु तय करने वाले फ़ैसले लेने दिए जा रहे हैं। फिर भी कुछ लोग मानते हैं कि इस technology पर किसी भी तरह का regulation बेकार और अनुचित है
कोई गलतफ़हमी न रहे। मैं भी AI का लगातार इस्तेमाल करता हूँ, लेकिन मुझे डर है कि हमने अब तक जो भी technological progress देखी है, उनमें यह सकारात्मक और नकारात्मक—दोनों ही अर्थों में सबसे ज़्यादा disruptive बदलाव साबित हो सकता है
जब हम chatbot जैसे tools से AI का सीधे इस्तेमाल करते हैं, तब आम तौर पर हम खुद सक्रिय रूप से उसे चुनते हैं और कुछ हद तक control भी हमारे पास होता है। अगर वह ठीक काम न करे, तो हम कभी भी रुक सकते हैं और काम खुद कर सकते हैं
लेकिन call center या products में embedded AI की स्थिति में, अक्सर users को कोई choice ही नहीं दी जाती। या तो इसे बिना किसी विकल्प के थोप दिया जाता है, या कम से कम तब तक उसी के साथ जूझना पड़ता है जब तक LLM हार न मान ले
user जब चाहे तब LLM loop से बाहर नहीं निकल सकता, इसलिए यह user-hostile है
इसके अलावा ज़्यादातर कंपनियाँ किसी के KPI या internal metrics पूरे करने के लिए AI-संबंधित features का उपयोग जबरन करा रही हैं
अगर scenario LLM द्वारा mediated है, तो फिर इंसान को फ़ोन ही क्यों करना चाहिए? आपका LLM सामने वाले LLM से बात कर ले
क्या आप call centers को इसलिए miss कर रहे हैं क्योंकि वहाँ रास्ता रोकने वाला आदमी minimum wage पाने वाला इंसान होता था? Call centers वैसे भी दयनीय जगहें हैं; समझ नहीं आता कि ऐसी dystopian business व्यवस्था में इंसानों को लगातार फँसाए रखने की इच्छा से किसी को क्या संतोष मिलता है
कई मामलों में काम बस basic form information इकट्ठा करने का होता है, और उसमें काफ़ी human labor time लगता है
अगर आप customer support में ज़्यादा लोग चाहते हैं, तो किसी न किसी तरीके से आपको बहुत ज़्यादा लागत चुकानी होगी
दूसरी technologies की तरह इसके फैलने में भी समय लगेगा, लेकिन call centers का भविष्य अच्छा नहीं दिखता
AI से ऐसा लगता है कि यह “quality की कीमत पर चीज़ों को तेज़ और सस्ता” बनाता है, इसलिए consumers इसे नापसंद करते हैं और business वाले इसे पसंद करते हैं — मैं यह बात पूरी तरह समझता/समझती हूँ
अगर आपको consumers से AI product इस्तेमाल करने के लिए चिल्लाना और मिन्नतें करनी पड़ें, तो आप बस गलत कर रहे हैं
मैं किसी product को देखते हुए reviews में “battery life” keyword search करके यह जानना चाहता/चाहती हूँ कि असली लोगों का अनुभव कैसा रहा, लेकिन अब यह नहीं कर सकता/सकती
Rufus में “battery life” search करने पर हमेशा “कई customers ने battery life को अच्छा बताया है, लेकिन कुछ अन्य customers ने कहा कि यह उम्मीद से कम है” जैसी बकवास लौटती है
मुझे चाहिए इंसानी अनुभव। मुझे specificity चाहिए। हर चीज़ को “अच्छा या बुरा” में क्यों बाँट दिया जाना चाहिए?
भले ही AI कुछ value जोड़ता हो, वह value consumers तक लौटने के बजाय किसी और के पास capture हो रही है
Siri मदद करे तो अच्छा लगता है, लेकिन बीच में दखल दे तो बुरा लगता है
यह वाकई पेचीदा पहेली है। आखिर consumers ऐसी प्रतिक्रिया क्यों देते हैं?
ऐसा तो नहीं कि “AI” का मतलब अक्सर “हम employees निकालकर ज़्यादा पैसा कमाएँगे। और quality की हमें सच में परवाह नहीं है” होता है?
“ऐसा क्यों है? यह कैसे हो सकता है? जवाब यह है कि customers marketing के आधार पर quality पर अपनी राय नहीं बनाते। Customers quality का आकलन product या service के साथ अपने अनुभव से करते हैं”
— Steve Jobs
स्रोत: https://youtu.be/XbkMcvnNq3g?si=8Y56TFmKHJhlFXoE&t=364
मैंने अभी तक ऐसा कोई मामला नहीं देखा जहाँ किसी brand में AI को सफलतापूर्वक जोड़ा गया हो और उससे मुझे सच में फ़ायदा हुआ हो
QuickBooks पूरे UI पर चिढ़ाने वाले suggestions दिखाता है, जिन्हें बंद भी नहीं किया जा सकता। अब तो एक extra click भी बढ़ गया है
robot vacuum का AI तो बस label जैसा लगता है। मैं vacuum से बात नहीं करना चाहता/चाहती। मैं चाहता/चाहती हूँ कि वह बस predictably मेरी चीज़ें साफ करे
TV को Gemini से upgrade किया गया है। क्यों, समझ नहीं आता। मैं TV से बात भी नहीं करता/करती, फिर भी यह बार-बार सामने आ जाता है। मैं शायद ऐसा device लेने की सोच रहा/रही हूँ जो Plex->Atmos streaming कर सके
dot-com boom की कल्पना कीजिए। बस फ़र्क इतना है कि ज़्यादातर consumers को internet से जुड़ी चीज़ों के प्रति नकारात्मक भावना है, और सिर्फ CEO लोग ही एक-दूसरे के सामने internet का दिखावा कर रहे हैं
अच्छे AI products ज़रूर होंगे, लेकिन भारी बहुमत कूड़े जैसा लगता है
अपवाद सिर्फ coding agents और simple web text/image interfaces जैसे लगते हैं
इसलिए signal के रूप में AI branding लगभग सबसे खराब है। crypto के स्तर की। लेकिन crypto की तरह ही, investors उस signal को देखना चाहते हैं, चाहे नीचे कोई ठोस बुनियाद हो या न हो
अभी LLM जिन कई कामों में अच्छे हैं, वे अंततः translation पर आकर टिकते हैं
किसी prompt को अलग-अलग to-do list में translate करना, फिर हर to-do को एक नए translation की तरह handle करना — जैसे किसी to-do को code में बदलना या external tools को call करना। जैसे internet search, static code analysis, database requests वगैरह
फिर उन to-do के results को final text में translate करना, या नई to-do list में translate करना
इसलिए जो बात मुझे दिलचस्प लगती है, वह यह है कि शायद Homo sapiens की intelligence भी communication — यानी शब्दों को actions में translate करने की प्रक्रिया — के side effect के रूप में विकसित हुई हो