कंपन्या कॉर्पोरेट प्रशिक्षणावर (corporate training) कितीही पैसा खर्च करत असली, तरी त्याचे परतावा (return) अनेकदा निराशाजनक असतात. कर्मचारी केवळ मॉड्यूल्सवर क्लिक करतात, माहिती देणारे व्हिडिओ पाहतात आणि पूर्ण झाल्याचे बॉक्सवर टिक करतात. काही आठवड्यांनंतर, ग्राहकांशी बोलण्याच्या, आक्षेप हाताळण्याच्या किंवा कठीण संवाद साधण्याच्या त्यांच्या पद्धतीत फारसा बदल झालेला नसतो. Synthesia, जे त्यांच्या सिंथेटिक अवतार आणि व्हॉइस क्लोनिंग तंत्रज्ञानासाठी ओळखले जातात, आता असा दावा करत आहेत की याचे उत्तर अधिक चांगले व्हिडिओ तयार करणे यात नाही, तर व्हिडिओच्या जागी प्रत्यक्ष संवाद आणणे यात आहे.

कंपनी त्यांच्या नवीन Sessions प्लॅटफॉर्ममधील पहिला उत्पादन म्हणून Roleplay Sessions लाँच करत आहे. ही हालचाल एका मोठ्या धोरणात्मक बदलाचे संकेत देते. Synthesia ला आता केवळ प्रशिक्षण सामग्री (training content) तयार करणारे साधन बनायचे नाहीये. त्यांना एक 'परफॉर्मन्स-मॅनेजमेंट लेअर' बनायचे आहे, जिथे कर्मचारी सराव करू शकतील, चुका करू शकतील, मोजमाप करू शकतील आणि स्वतःमध्ये सुधारणा करू शकतील.

पाहण्यापासून प्रत्यक्ष कृतीपर्यंत

कॉर्पोरेट शिक्षणाला दीर्घकाळापासून एका मूलभूत भौतिकशास्त्रीय समस्येचा सामना करावा लागत आहे. मजकुरापेक्षा (text) व्हिडिओ अधिक प्रभावी ठरतो. तो लोकांचे लक्ष अधिक चांगल्या प्रकारे वेधून घेतो आणि हजारो कामगारांपर्यंत स्वस्त दरात पोहोचतो. परंतु, हे अजूनही एक 'ब्रॉडकास्ट माध्यम' आहे. शिकणारा फक्त माहिती ग्रहण करतो; सामग्री (content) परिस्थितीनुसार बदलत नाही. एखादा सेल्समन सवलतींवर वाटाघाटी करण्याबाबत डझनभर ट्युटोरियल्स पाहू शकतो, तरीही जेव्हा एखादा खरा ग्राहक किमतीवरून आक्षेप घेतो, तेव्हा तो गोंधळून जाऊ शकतो.

Synthesia ने त्या ब्रॉडकास्ट माध्यमाला अधिक स्वस्त आणि वैयक्तिकृत (personalized) बनवून आपली प्रतिष्ठा निर्माण केली आहे. त्यांच्या मालकीच्या AI अवतार आणि व्हॉइस तंत्रज्ञानामुळे कंपन्या स्टुडिओ बुक न करता किंवा अभिनेते न घेता प्रशिक्षण व्हिडिओ तयार करू शकतात. ते खरोखर उपयुक्त होते, पण ते पुरेसे नव्हते.

Roleplay Sessions हे ज्ञान आणि कृतीमधील अंतर कमी करण्यासाठी डिझाइन केलेले आहेत. या सिम्युलेशनमध्ये, कर्मचारी थेट अशा AI अवताराशी बोलतो जो ग्राहक, सहकारी किंवा थेट रिपोर्टिंग ऑफिसरप्रमाणे वागण्यासाठी बनवलेला असतो. हा अवतार कोणत्याही ठराविक स्क्रिप्टचे पालन करत नाही. तो प्रतिक्रिया देतो. तो आक्षेप घेतो. तो वैतागतो. वापरकर्ता काय बोलतो यावर तो आपला सूर (tone) बदलतो. परफॉर्मन्स रिव्ह्यूचा सराव करणाऱ्या व्यक्तीला अशा अवताराचा सामना करावा लागू शकतो जो सुरुवातीच्या फीडबॅकला टाळतो, ज्यामुळे मॅनेजरला आपला संवाद पुन्हा रचण्यास भाग पाडले जाते. कस्टमर-सर्व्हिसचा प्रशिक्षणार्थी अशा अवताराला भेटू शकतो जो चिडलेला असेल आणि जर एजंटने विशिष्ट पद्धतीने परिस्थिती हाताळली नाही, तर तो रागावलेला देखील होऊ शकतो.

हे महत्त्वाचे आहे कारण सॉफ्ट स्किल्स हे माहितीपूर्ण नसून संवादात्मक असतात. तुम्ही स्लाईड्स पाहून ते शिकू शकत नाही. तुम्ही संवादादरम्यान होणाऱ्या चुका, दबाव आणि त्या क्षणी परिस्थितीनुसार स्वतःमध्ये बदल करून ते शिकता.

फीडबॅक लेअर

याला केवळ चेहरा असलेला चॅटबॉट न बनवणारी गोष्ट म्हणजे त्याखालील 'स्कोअरिंग इन्फ्रास्ट्रक्चर'. Synthesia या उत्पादनामध्ये 'रीझनिंग इंटेलिजन्स' (reasoning intelligence) समाविष्ट करत आहे. हे प्लॅटफॉर्म मूळ भाषिक तर्क हाताळण्यासाठी OpenAI चे मॉडेल्स वापरते, परंतु ते केवळ पाया आहे. त्यावर, Synthesia ने रूब्रिक्स (rubrics), परफॉर्मन्स डेटा आणि ॲनालिटिक्सची एक स्वतःची प्रणाली तयार केली आहे, जी कच्च्या संवादाचे रूपांतर संरचित कोचिंगमध्ये (structured coaching) करते.

प्रत्यक्ष व्यवहारात हा फरक कसा दिसून येतो ते पाहूया. एक सामान्य AI संवाद वापरकर्त्याला सांगू शकतो, "तुम्ही ते छान हाताळले." Synthesia चे लेअर कंपनीच्या स्वतःच्या निकषांच्या आधारे त्या संवादाचे मूल्यांकन करू शकते. कर्मचाऱ्याने सहानुभूतीने (empathy) सुरुवात केली का? विक्री करण्यापूर्वी त्यांनी काही शोधक प्रश्न (discovery questions) विचारले का? त्यांनी पुढील पावले निश्चित केली का? हे प्लॅटफॉर्म हे सर्व संकेत टिपते आणि सविस्तर, कृतीयोग्य फीडबॅक देतो. मॅनेजर्सना केवळ "लोकांशी चांगले वागणारा" असा अस्पष्ट अंदाज येत नाही. त्यांना संपूर्ण सेल्स फोर्स किंवा लीडरशिप ग्रुपमधील क्षमतेचा अचूक नकाशा मिळतो.

कंपनीचे CEO आणि सह-संस्थापक व्हिक्टर रिपारेली यांनी यावर भर दिला आहे की, हा डेटा-केंद्रित दृष्टिकोनच कार्यकारी अधिकाऱ्यांसाठी (executives) खरा मूल्य प्रदान करतो. जेव्हा शेकडो किंवा हजारो कर्मचारी रोल-प्ले सिनेरिओमधून जातात, तेव्हा संस्था अशा प्रकारचे ज्ञान संकलित करू शकते जे पूर्वी मोठ्या प्रमाणावर मिळवणे अशक्य होते. कोणत्या टीम्सना आक्षेप हाताळण्यात अडचण येत आहे, कोणते मॅनेजर्स फीडबॅक देताना घाई करतात आणि कौशल्यातील त्रुटी कुठे आहेत, हे तिमाही आकडेवारी येण्यापूर्वीच तुम्ही ओळखू शकता.

याचा वापर कोण करत आहे आणि पुढे काय?

सुरुवातीच्या ग्राहकांची यादी सुचवते की हा प्रस्ताव मोठ्या आणि जटिल संस्थांमध्ये प्रभावी ठरत आहे. Synthesia ने युरोपमधील मार्केट कॅपनुसार पहिल्या तीन कंपन्यांपैकी एक, फॉर्च्युन 100 मधील एक दिग्गज कंपनी आणि भरती क्षेत्रातील (recruitment) एक जागतिक नेता यांच्याशी करार केले आहेत. सुरुवातीचे वापर प्रामुख्याने सेल्स आणि लीडरशिप टीम्ससाठी आवश्यक असलेल्या उच्च-महत्त्वाच्या सॉफ्ट स्किल्सवर केंद्रित आहेत, जिथे संवादातील त्रुटींमुळे मोठा आर्थिक फटका बसू शकतो.

Enterprises can tailor the simulations by feeding the platform their own training documents, call transcripts, and context. The scenarios are bespoke without requiring a software engineering team to build them from scratch. That balance between customization and off-the-shelf deployment is critical for adoption inside corporate learning departments that move carefully.

Synthesia has also mapped out a clear expansion path. The company plans to extend Sessions into job interviews and candidate screening. Eventually, as inference costs come down, the product will move beyond the enterprise tier. Small businesses, professional consumers, and educational institutions are all on the roadmap. A university career center could use the same engine to help students practice behavioral interviews. A small consultancy could run its partners through negotiation drills without hiring actors.

The Broader Shift in Enterprise AI

This pivot is worth watching because it captures where mature enterprise AI is headed. The first wave of generative AI hype was dominated by demos