बेंगळुरूस्थित Pronto कंपनी आपली 'Verified' सेवा 1,300 उपकरणांपर्यंत वाढवत आहे. या सेवेमध्ये कर्मचाऱ्यांनी वापरलेल्या कॅमेऱ्यांद्वारे AI प्रशिक्षणासाठी डेटा गोळा केला जातो. कंपनीला यातून 90% महसूल अपेक्षित असला तरी, गोपनीयतेच्या मुद्द्यांवरून या मॉडेलवर प्रश्नचिन्ह निर्माण झाले आहे.
AI डेटा कलेक्शनमध्ये मोठी झेप!
बेंगळुरूची स्टार्टअप कंपनी Pronto आपल्या 'Verified' सेवेचा वेगाने विस्तार करत आहे. या सेवेअंतर्गत, कंपनी कर्मचाऱ्यांच्या डोक्यावर लावलेल्या कॅमेऱ्यांमधून घरांच्या आतील भागांचे व्हिडिओ फुटेज गोळा करते. हा डेटा आर्टिफिशियल इंटेलिजन्स (AI) आणि रोबोटिक्सच्या प्रशिक्षणासाठी वापरला जातो. मागणीत झालेल्या प्रचंड वाढीमुळे, कंपनी दोन आठवड्यांतच दैनंदिन ऑर्डर्सची संख्या 15 वरून 700 पर्यंत पोहोचवण्यात यशस्वी झाली आहे. या वाढत्या मागणीला पूर्ण करण्यासाठी, Pronto ऑगस्टपर्यंत त्यांच्या हेड-माउंटेड रेकॉर्डिंग उपकरणांची संख्या 130 वरून 1,300 पर्यंत वाढवणार आहे. हा विस्तार बंगळूर आणि राष्ट्रीय राजधानी क्षेत्रांमध्ये (NCR) केला जाईल.
फिजिकल AI डेटाकडे व्यवसायाचा कल
Pronto आता 'फिजिकल AI ट्रेनिंग डेटा' पुरवणारी कंपनी म्हणून स्वतःला स्थापित करत आहे. या विशेष क्षेत्रात, कंपन्या रोबोट्सना गुंतागुंतीच्या वातावरणात कसे वावरायचे हे शिकवण्यासाठी वास्तविक जगातील हालचालींचे नमुने गोळा करतात. कंपनीचे संस्थापक अंजली सरदाना यांच्या मते, पुढील पाच वर्षांत हा डेटा-केंद्रित व्यवसाय कंपनीच्या एकूण महसुलाच्या 90% पर्यंत योगदान देऊ शकतो. अनेक प्रतिस्पर्धी कंपन्या डेटा प्रोसेसिंगचे काम आउटसोर्स करतात, पण Pronto मात्र डेटा संकलन, एनोटेशन आणि विक्रीचे संपूर्ण चक्र अंतर्गत व्यवस्थापित करण्याचा मानस ठेवते. सध्या कंपनी 20% ते 70% पर्यंत ग्रॉस मार्जिनवर काम करत आहे आणि पुढील काळात अंतर्गत प्रक्रिया अधिक कार्यक्षम झाल्यास 50% ते 60% चे स्थिर मार्जिन राखण्याचे त्यांचे उद्दिष्ट आहे.
कार्यप्रणाली आणि गोपनीयतेचे आव्हान
घरांच्या आत रेकॉर्डिंग करण्याच्या संवेदनशील स्वरूपामुळे या धोरणाकडे अनेकांचे लक्ष वेधले गेले आहे. Pronto चा दावा आहे की हा प्रोग्राम केवळ 'ऑप्ट-इन' (संमती दिल्यास) आहे आणि वापरलेला व्हिडिओ अनामित (anonymized) असतो. मात्र, उद्योगातील निरीक्षकांनी अशा मॉडेल्सच्या दीर्घकालीन व्यवहार्यतेवर प्रश्नचिन्ह उपस्थित केले आहे. Uniqus Consultech चे तज्ञ भरत चड्ढा यांच्या मते, औद्योगिक वातावरणाच्या तुलनेत घरगुती सेटिंगमध्ये डेटा संकलित केल्याने स्केलेबिलिटी (scalability) आणि गोपनीयतेच्या मोठ्या अडचणी निर्माण होतात. याव्यतिरिक्त, Urban Company आणि Snabbit सारख्या प्रतिस्पर्धकांनी अशा रेकॉर्डिंग धोरणांपासून स्वतःला दूर ठेवले आहे आणि त्यांनी समान डेटा संकलन पद्धती लागू केलेल्या नाहीत.
गुंतवणूकदारांसाठी लक्ष ठेवण्यासारखे मुद्दे
या व्यावसायिक बदलाचे आर्थिक यश Pronto च्या उच्च परिचालन खर्च व्यवस्थापित करण्याच्या क्षमतेवर अवलंबून असेल. कंपनी सध्या येणाऱ्या डेटावर प्रक्रिया करण्यासाठी क्लाउड कंप्युटिंग आणि GPU प्रोसेसिंग पॉवरवर मोठा खर्च करत आहे, ज्यामुळे नफ्याच्या मार्जिनवर दबाव येत आहे. याव्यतिरिक्त, कंपनी आपली कार्यप्रणाली ऑप्टिमाइझ करण्यासाठी मशीन लर्निंग आणि डेटा सायन्स व्यावसायिकांना सक्रियपणे नियुक्त करत आहे. गुंतवणूकदारांनी आणि भागधारकांनी कंपनीने केलेले हे भांडवल-केंद्रित तंत्रज्ञान गुंतवणूक आणि त्यांच्या निवडलेल्या व्यवसाय मॉडेलमधील नैतिक व गोपनीयतेच्या आव्हानांचा समतोल कसा साधते यावर लक्ष ठेवले पाहिजे. भविष्यातील प्रगतीसाठी, कंपनीला घरगुती जागेतील डेटा गोपनीयतेबाबत संभाव्य नियामक तपासणीचा सामना करताना सेवेची उच्च मागणी टिकवून ठेवण्याची आवश्यकता असेल.