सेल्सफोर्स जिस मुख्य चुनौती को हल करना चाहता है, वह है लार्ज लैंग्वेज मॉडल्स (LLMs) का कंट्रोल्ड बेंचमार्क टेस्ट में प्रदर्शन और एंटरप्राइज ऑपरेशंस के अप्रत्याशित वातावरण में उनके वास्तविक व्यवहार के बीच का महत्वपूर्ण अंतर। श्रीनिवास तालाप्रगडा, प्रेसिडेंट और चीफ इंजीनियरिंग एंड कस्टमर सक्सेस ऑफिसर ने बताया कि भले ही LLMs foundational हों, लेकिन मजबूत बेंचमार्क स्कोर स्वतः ही सुसंगत व्यावसायिक परिणाम सुनिश्चित नहीं करते हैं।
AI परफॉर्मेंस गैप को पाटना
सालों से, कई बड़ी फर्में AI पायलट और प्रदर्शनों पर केंद्रित थीं। हालांकि, ये प्रयास अक्सर रुक जाते थे, और बहुत कम सिस्टम पूरी तरह से प्रोडक्शन में स्थानांतरित हो पाते थे। तालाप्रगडा ने इसे "लास्ट माइल" समस्या बताया। इस अंतिम चरण में AI सिस्टम को विभिन्न एज केस, विस्तारित अवधि और सख्त नियामक निरीक्षण के तहत अटूट पूर्वानुमान के साथ संचालित करने की आवश्यकता होती है, जो एक ऐसा मानक है जो अक्सर पूरी तरह से प्रोबेबिलिस्टिक AI मॉडलों द्वारा पूरा नहीं किया जाता है।
हाइब्रिड AI सिस्टम्स की आवश्यकता
LLMs, अपनी प्रोबेबिलिस्टिक प्रकृति के कारण, बारीकियों और संदर्भ को समझने में उत्कृष्ट होते हैं, लेकिन जब पूर्ण निश्चितता की आवश्यकता होती है तो वे विफल हो सकते हैं। तालाप्रगडा ने बताया कि भले ही LLMs 97% समय अनुपालन कर सकते हैं, लेकिन एंटरप्राइज वर्कफ़्लो, विशेष रूप से वित्तीय सेवाओं या ग्राहक रिफंड जैसे संवेदनशील क्षेत्रों में, 100% अनुपालन की मांग करते हैं। इसे संबोधित करने के लिए, सेल्सफोर्स जनरेटिव AI को नियतात्मक (deterministic) सिस्टम के साथ एकीकृत कर रहा है। यह हाइब्रिड दृष्टिकोण LLMs का उपयोग लचीलेपन, तर्क और सहानुभूति की आवश्यकता वाले कार्यों के लिए करता है, जबकि नियम-आधारित तर्क (rule-based logic) का उपयोग अनुपालन-भारी या ऑडिट-संवेदनशील प्रक्रियाओं के लिए करता है।
बेंचमार्क और भविष्य के दृष्टिकोण पर सावधानी
तालाप्रगडा ने उद्योग बेंचमार्क के संबंध में सावधानी बरतने का भी आग्रह किया, क्योंकि उनमें से कई सैद्धांतिक हैं और उनमें हेरफेर किया जा सकता है, जिससे विश्वसनीयता का झूठा एहसास होता है। उन्होंने कहा कि बेंचमार्क पर एक सही स्कोर वास्तविक दुनिया के प्रदर्शन के बराबर नहीं है। इस अधिक अनुशासित दृष्टिकोण के बावजूद, सेल्सफोर्स LLMs के अपने उपयोग को बढ़ाना जारी रखे हुए है, विभिन्न मॉडलों में प्रदर्शन, लागत और स्थिरता के लिए अनुकूलन कर रहा है। कंपनी को 2026 में एंटरप्राइज AI एडॉप्शन के लिए एक महत्वपूर्ण मोड़ आने की उम्मीद है, जो प्रारंभिक उत्साह से हटकर प्रदर्शन योग्य व्यावसायिक मूल्य वितरण पर ध्यान केंद्रित करेगा।