Menlo Ventures നയിക്കുന്ന 280 മില്യൺ ഡോളറിന്റെ സീരീസ് ബി (Series B) ഫണ്ടിംഗ് Wispr പ്രഖ്യാപിച്ചു, ഇത് സ്റ്റാർട്ടപ്പിന്റെ മൂല്യം 2 ബില്യൺ ഡോളറായി ഉയർത്തുന്നു. വെറുമൊരു ഡിക്ക്റ്റേഷൻ (dictation) ടൂളിൽ നിന്ന് ഒരു ഫുൾ-സ്റ്റാക്ക് മീറ്റിംഗ് ഇന്റലിജൻസ് (meeting-intelligence), ആംബിയന്റ് വോയ്‌സ്-AI പ്ലാറ്റ്‌ഫോം (ambient voice-AI platform) എന്നതിലേക്കുള്ള മാറ്റത്തിന് ഈ തുക ഉപയോഗിക്കും.

ഈ ഫണ്ടിംഗ് ഇപ്പോൾ പ്രധാനമാകുന്നത് എന്തുകൊണ്ട്

ഉയർന്ന നിലവാരമുള്ള ട്രാൻസ്ക്രിപ്ഷൻ (transcription) സേവനമായി തുടങ്ങിയ Wispr, കഴിഞ്ഞ കുറച്ച് വർഷങ്ങൾ "Wispr Flow" പരിഷ്കരിക്കുന്നതിനായി ചെലവഴിച്ചു. സ്വാഭാവിക ഭാഷ കൈകാര്യം ചെയ്യുന്നതിൽ പ്രശംസ പിടിച്ചുപറ്റിയ ഒരു ഡിക്ക്റ്റേഷൻ ഉൽപ്പന്നമാണിത്. കമ്പനി ഇതുവരെ ആകെ 361 മില്യൺ ഡോളർ സമാഹരിച്ചു കഴിഞ്ഞു, മുൻപത്തെ ഫണ്ടിംഗിന് പത്ത് മാസത്തിൽ താഴെ മാത്രം പിന്നിടുമ്പോഴാണ് ഈ പുതിയ റൗണ്ട് വരുന്നത്. ഈ വേഗത നിക്ഷേപകരുടെ ശക്തമായ വിശ്വാസത്തെയും, എതിരാളികൾ തങ്ങളുടെ മേൽക്കൈ നഷ്ടപ്പെടുത്തുന്നതിന് മുമ്പ് ഒരു നിശ്ചിത മേഖലയിൽ നിന്ന് മാറി വളരാനുള്ള സമ്മർദ്ദത്തെയും സൂചിപ്പിക്കുന്നു.

ഡിക്ക്റ്റേഷനിൽ നിന്ന് മീറ്റിംഗ് ഇന്റലിജൻസിലേക്ക്

Granola, Fireflies, Read AI എന്നിവയുമായി മത്സരിക്കാൻ ലക്ഷ്യമിട്ടുള്ള ഒരു പ്രത്യേക മീറ്റിംഗ്-നോട്ട്-ടേക്കർ (meeting-note-taker) വികസിപ്പിക്കുന്നതിന് സീരീസ് ബി ഫണ്ട് ഉപയോഗിക്കും. വെറുമൊരു ട്രാൻസ്ക്രിപ്റ്റ് എന്നതിലുപരി, പ്രായോഗികമായ സംഗ്രഹങ്ങൾ (summaries), ടാസ്ക് ലിസ്റ്റുകൾ, കൂടാതെ സംസാരിക്കുന്ന കാര്യങ്ങൾക്കനുസരിച്ച് ഇമെയിലുകൾ തയ്യാറാക്കുകയോ, ഡോക്യുമെന്റുകൾ അപ്‌ഡേറ്റ് ചെയ്യുകയോ, കോഡ് മാറ്റങ്ങൾ വരുത്തുകയോ പോലുള്ള പ്രവർത്തനങ്ങൾ ചെയ്യാനുള്ള ശേഷി എന്നിവ Wispr-ന്റെ വരാനിരിക്കുന്ന ടൂൾ വാഗ്ദാനം ചെയ്യുന്നു. മീറ്റിംഗുകളെ വെറുമൊരു റെക്കോർഡ് സൂക്ഷിക്കൽ എന്നതിലുപരി ഒരു കമാൻഡ് സെന്റർ (command center) ആക്കി മാറ്റുകയും, വോയ്‌സ് അധിഷ്ഠിത ഓട്ടോമേഷൻ പ്രൊഫഷണൽ പ്രവർത്തനങ്ങളിൽ ആഴത്തിൽ ഉൾപ്പെടുത്തുകയുമാണ് ഇതിന്റെ ലക്ഷ്യം.

Canto: കൃത്യതയ്ക്കായുള്ള ശ്രമം

Wispr Flow-നെ കുറിച്ചുള്ള ഉപഭോക്താക്കളുടെ അഭിപ്രായങ്ങൾ ഒരു പ്രധാന പ്രശ്നം ചൂണ്ടിക്കാട്ടി: യഥാർത്ഥ സാഹചര്യങ്ങളിൽ 30% പിശക് നിരക്ക് (error rate) കാണപ്പെടുന്നു. ഇത് പരിഹരിക്കുന്നതിനായി Wispr 'Canto' എന്ന് പേരിട്ട ഒരു സ്വന്തം മോഡൽ അവതരിപ്പിച്ചു. പിശകുകൾ 10 ശതമാനത്തിൽ താഴെയായി കുറയ്ക്കുക എന്നതാണ് ഇതിന്റെ സാങ്കേതിക ലക്ഷ്യം. ഇത് വോയ്‌സ് ഉപയോഗിച്ചുള്ള ഡോക്യുമെന്റേഷൻ അതീവ ഗൗരവമുള്ള ആശയവിനിമയങ്ങൾക്കായി പോലും വിശ്വസനീയമാക്കും. വെറുമൊരു ട്രാൻസ്ക്രിപ്ഷൻ എന്നതിലുപരി ഒരു പ്രധാന പ്രൊഡക്റ്റിവിറ്റി ടൂളായി മാറാൻ ആഗ്രഹിക്കുന്ന ഏതൊരു പ്ലാറ്റ്‌ഫോമിനും ഈ ലക്ഷ്യം കൈവരിക്കേണ്ടത് അത്യാവശ്യമാണ്.

Interface Labs-ഉം ഹാർഡ്‌വെയർ വശവും

മിക്ക വോയ്‌സ്-ഫസ്റ്റ് (voice-first) തന്ത്രങ്ങളിലും വിട്ടുപോയ ഒരു ഘടകമാണ് ഹാർഡ്‌വെയർ. Wispr ഇതിനായി "സോഫ്റ്റ്‌വെയർ ആദ്യം, ഹാർഡ്‌വെയർ പിന്നീട്" എന്ന സമീപനത്തിലാണ് മുന്നോട്ട് പോകുന്നത്. Amazon Alexa-യുടെ മുൻ ജീവനക്കാരനായ Ariya Rastrow നയിക്കുന്ന Wispr Interface Labs, ഹാർഡ്‌വെയറും സോഫ്റ്റ്‌വെയറും തമ്മിലുള്ള ശക്തമായ സംയോജനത്തിനായി ശ്രമിക്കും. ശബ്ദമുണ്ടാക്കാതെ തന്നെ കമാൻഡുകൾ നൽകാൻ സഹായിക്കുന്ന Oasis ring എന്ന വെയറബിളുമായി (wearable) കമ്പനി ഇതിനകം പങ്കാളിത്തം പ്രഖ്യാപിച്ചിട്ടുണ്ട്. ഇത്തരം വെയറബിളുകളെ Canto എഞ്ചിനുമായി സംയോജിപ്പിക്കുന്നതിലൂടെ, ശബ്ദമുണ്ടാക്കുന്ന സാഹചര്യങ്ങളിലോ സ്വകാര്യത പ്രധാനപ്പെട്ട ഇടങ്ങളിലോ പോലും വോയ്‌സ് ഇന്ററാക്ഷൻ വളരെ സ്വാഭാവികമാക്കാൻ Wispr ലക്ഷ്യമിടുന്നു.

കമ്പനി യുകെയിലും ഇന്ത്യയിലും തങ്ങളുടെ മാർക്കറ്റിംഗ് ടീമുകളെ വിപുലീകരിക്കുകയും Android ഇക്കോസിസ്റ്റത്തിലേക്ക് പിന്തുണ വ്യാപിപ്പിക്കുകയും ചെയ്യുന്നു. ഇത് സിലിക്കൺ വാലിയിൽ മാത്രം ഒതുങ്ങുന്ന ഒരു പരീക്ഷണമല്ല, മറിച്ച് ആഗോളതലത്തിലുള്ള ഒരു നീക്കമാണെന്ന് സൂചിപ്പിക്കുന്നു.

മത്സര സമ്മർദ്ദവും വിപണിയിലെ അംഗീകാരവും

വോയ്‌സ്-AI വിപണിയിൽ ഇപ്പോൾ വലിയ മത്സരമുണ്ട്. സാധാരണ ഉപഭോക്താക്കൾ മുതൽ വലിയ കമ്പനികൾക്ക് വരെ ഉപയോഗിക്കാവുന്ന സൗജന്യമോ കുറഞ്ഞ ചിലവിലോ ഉള്ള ടൂളുകൾ നിലവിലുണ്ട്. Superwhisper, Monologue, Willow തുടങ്ങിയ എതിരാളികൾ കൃത്യത വർദ്ധിപ്പിക്കാനും AI അധിഷ്ഠിത വിവരങ്ങൾ നൽകാനും മത്സരിച്ചുകൊണ്ടിരിക്കുന്നു. എന്നിരുന്നാലും, ഹാർഡ്‌വെയർ സഹായത്തോടെയുള്ള ഒരു സമഗ്ര പ്ലാറ്റ്‌ഫോം വിപണിയിലെ ഒരു വലിയ വിടവ് നികത്തുമെന്ന് വിശ്വസിച്ച് Notable Capital, NEA, Peak XV, Acrew തുടങ്ങിയ പ്രമുഖ നിക്ഷേപകർ തങ്ങളുടെ പിന്തുണ നൽകുന്നു. വെറുമൊരു ട്രാൻസ്ക്രിപ്ഷൻ ഫീസിനുപരിയായി, സാങ്കേതിക നേട്ടങ്ങളെ വരുമാന സ്രോതസ്സുകളാക്കി മാറ്റാൻ Wispr-ന് കഴിയുമെന്ന ആത്മവിശ്വാസമാണ് ഇവരുടെ ഈ പിന്തുണയിലൂടെ പ്രകടമാകുന്നത്.

വെല്ലുവിളികളും ചോദ്യങ്ങളും

ചില വെല്ലുവിളികൾ മുന്നിലുണ്ട്. ഒന്നാമതായി, വാഗ്ദാനം ചെയ്ത പിശക് നിരക്ക് കുറയ്ക്കൽ എന്നത് വലിയൊരു ലക്ഷ്യമാണ്; 30 ശതമാനത്തിൽ നിന്ന് 10 ശതമാനത്തിൽ താഴെ എന്നതിലേക്ക് മാറാൻ വൻതോതിലുള്ള ഡാറ്റാ ശേഖരണം ആവശ്യമായി വന്നേക്കാം, ഇത് കമ്പനികളുടെ സ്വകാര്യതയെ ബാധിച്ചേക്കാം. രണ്ടാമതായി, ചരിത്രപരമായി നോക്കിയാൽ സോഫ്റ്റ്‌വെയറിനെ അപേക്ഷിച്ച് ഹാർഡ്‌വെയർ ഉപയോഗം കുറവാണ്; അതിനാൽ Oasis ring വിപണിയിൽ വലിയ രീതിയിൽ പ്രചരിക്കേണ്ടതുണ്ട്. അവസാനമായി, പണം നൽകി ഉപയോഗിക്കേണ്ട മീറ്റിംഗ് ഇന്റലിജൻസ് സൊല്യൂഷനുകൾക്ക് വിപണിയിൽ എത്രത്തോളം സ്വീകാര്യതയുണ്ടാകും എന്നത് ഇപ്പോഴും ഒരു ചോദ്യമാണ്—പല ടീമുകളും ഇപ്പോഴും നിലവിലുള്ള സേവനങ്ങളുടെ സൗജന്യ പതിപ്പുകളെയാണ് ആശ്രയിക്കുന്നത്.

ഇനി ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ

  • ഉൽപ്പന്നത്തിന്റെ പുറത്തിറങ്ങുന്ന സമയം (Product rollout timeline) – മീറ്റിംഗ്-നോട്ട്-ടേക്കറും Canto മോഡലും എപ്പോൾ പൊതുവായി ലഭ്യമാകും, അവ പ്രശസ്തമായ കൊളാബറേഷൻ സ്യൂട്ടുകളുമായി (collaboration suites) എത്ര വേഗത്തിൽ സംയോജിക്കും.
  • ഹാർഡ്‌വെയർ സംയോജനം (Hardware integration) – Oasis ring അല്ലെങ്കിൽ സമാനമായ വെയറബിളുകൾ കമ്പനികളുടെ സംഭരണ പ്രക്രിയകളിൽ (procurement cycles) എത്ര വേഗത്തിൽ എത്തുന്നു എന്നത്.
  • വരുമാന വളർച്ച (Revenue traction) – വിപുലീകരിച്ച ഉൽപ്പന്നങ്ങൾ ഉപയോഗിച്ച് 2 ബില്യൺ ഡോളർ മൂല്യം ന്യായീകരിക്കാൻ കഴിയുന്ന തരത്തിലുള്ള കമ്പനി കരാറുകൾ (enterprise contracts) ഉറപ്പാക്കാൻ Wispr-ന് കഴിയുമോ എന്നത്.
  • നിയമപരമായ പരിശോധനകൾ (Regulatory scrutiny) – വൻതോതിലുള്ള വോയ്‌സ് ഡാറ്റാ ശേഖരണത്തെ ബാധിച്ചേക്കാവുന്ന പുതിയ ഡാറ്റാ പ്രൈവസി നിയമങ്ങൾ.

ചുരുക്കത്തിൽ: വോയ്‌സ് ഇന്ററാക്ഷൻ തൊഴിലിടങ്ങളിലെ പ്രധാന ആശയവിനിമയ മാർഗ്ഗമായി മാറുമെന്ന വിശ്വാസമാണ് ഈ 280 മില്യൺ ഡോളറിന്റെ നിക്ഷേപത്തിലൂടെ വെളിപ്പെടുന്നത്. എന്നാൽ, വാഗ്ദാനം ചെയ്ത കൃത്യത ഉറപ്പാക്കാനും പുതിയൊരു ഹാർഡ്‌വെയർ-സോഫ്റ്റ്‌വെയർ മാതൃക സ്വീകരിക്കാൻ കമ്പനികളെ പ്രേരിപ്പിക്കാനും സാധിച്ചാൽ മാത്രമേ Wispr-ന് വിജയിക്കാൻ കഴിയൂ.