ਕੰਪਨੀਆਂ ਕਾਰਪੋਰੇਟ ਟ੍ਰੇਨਿੰਗ ਵਿੱਚ ਜਿੰਨਾ ਪੈਸਾ ਲਗਾਉਂਦੀਆਂ ਹਨ, ਉਸਦਾ ਰਿਟਰਨ ਅਕਸਰ ਨਿਰਾਸ਼ਾਜਨਕ ਹੁੰਦਾ ਹੈ। ਕਰਮਚਾਰੀ ਮੋਡਿਊਲ 'ਤੇ ਕਲਿੱਕ ਕਰਦੇ ਹਨ, ਵਿਆਖਿਆ ਵੀਡੀਓ ਦੇਖਦੇ ਹਨ, ਅਤੇ ਕੰਪਲੀਸ਼ਨ ਬਾਕਸ ਨੂੰ ਚੈੱਕ ਕਰ ਦਿੰਦੇ ਹਨ। ਹਫ਼ਤਿਆਂ ਬਾਅਦ, ਉਹ ਅਸਲ ਵਿੱਚ ਗਾਹਕਾਂ ਨਾਲ ਕਿਵੇਂ ਗੱਲ ਕਰਦੇ ਹਨ, ਇਤਰਾਜ਼ਾਂ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਦੇ ਹਨ, ਜਾਂ ਮੁਸ਼ਕਲ ਗੱਲਬਾਤਾਂ ਦੀ ਅਗਵਾਈ ਕਿਵੇਂ ਕਰਦੇ ਹਨ, ਇਸ ਵਿੱਚ ਬਹੁਤ ਘੱਟ ਬਦਲਾਅ ਆਉਂਦਾ ਹੈ। Synthesia, ਜੋ ਆਪਣੇ ਸਿੰਥੈਟਿਕ ਅਵਤਾਰਾਂ ਅਤੇ ਵੌਇਸ ਕਲੋਨਿੰਗ ਤਕਨਾਲੋਜੀ ਲਈ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ, ਹੁਣ ਇਹ ਦਾਅਵਾ ਕਰ ਰਿਹਾ ਹੈ ਕਿ ਇਸਦਾ ਹੱਲ ਬਿਹਤਰ ਵੀਡੀਓ ਨਹੀਂ ਹੈ। ਇਹ ਵੀਡੀਓ ਨੂੰ ਖੁਦ ਗੱਲਬਾਤ ਨਾਲ ਬਦਲ ਰਿਹਾ ਹੈ।

ਕੰਪਨੀ ਆਪਣੇ ਨਵੇਂ Sessions ਪਲੇਟਫਾਰਮ ਦੇ ਪਹਿਲੇ ਉਤਪਾਦ, Roleplay Sessions, ਨੂੰ ਲਾਂਚ ਕਰ ਰਹੀ ਹੈ। ਇਹ ਕਦਮ ਇੱਕ ਵੱਡੀ ਰਣਨੀਤਕ ਤਬਦੀਲੀ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ। Synthesia ਹੁਣ ਸਿਰਫ਼ ਟ੍ਰੇਨਿੰਗ ਕੰਟੈਂਟ ਬਣਾਉਣ ਵਾਲਾ ਟੂਲ ਨਹੀਂ ਰਹਿਣਾ ਚਾਹੁੰਦਾ। ਇਸਦਾ ਉਦੇਸ਼ ਇੱਕ ਪਰਫਾਰਮੈਂਸ-ਮੈਨੇਜਮੈਂਟ ਲੇਅਰ ਬਣਨਾ ਹੈ ਜਿੱਥੇ ਕਰਮਚਾਰੀ ਅਭਿਆਸ ਕਰ ਸਕਣ, ਗਲਤੀਆਂ ਕਰ ਸਕਣ, ਮਾਪ ਸਕਣ ਅਤੇ ਸੁਧਾਰ ਕਰ ਸਕਣ।

ਦੇਖਣ ਤੋਂ ਕਰਨ ਤੱਕ

ਕਾਰਪੋਰੇਟ ਲਰਨਿੰਗ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਇੱਕ ਬੁਨਿਆਦੀ ਭੌਤਿਕ ਵਿਗਿਆਨਕ ਸਮੱਸਿਆ ਨਾਲ ਜੂਝ ਰਹੀ ਹੈ। ਵੀਡੀਓ ਟੈਕਸਟ ਨਾਲੋਂ ਬਿਹਤਰ ਹੈ। ਇਹ ਧਿਆਨ ਨੂੰ ਬਿਹਤਰ ਤਰੀਕੇ ਨਾਲ ਬੰਨ੍ਹ ਕੇ ਰੱਖਦਾ ਹੈ ਅਤੇ ਹਜ਼ਾਰਾਂ ਕਰਮਚਾਰੀਆਂ ਵਿੱਚ ਸਸਤੇ ਵਿੱਚ ਫੈਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਪਰ ਇਹ ਅਜੇ ਵੀ ਇੱਕ ਬ੍ਰੌਡਕਾਸਟ ਮੀਡੀਅਮ ਹੈ। ਸਿੱਖਣ ਵਾਲਾ ਜਾਣਕਾਰੀ ਨੂੰ ਸੋਖਦਾ ਹੈ; ਕੰਟੈਂਟ ਅਨੁਕੂਲ ਨਹੀਂ ਹੁੰਦਾ। ਇੱਕ ਸੇਲਜ਼ਪਰਨ ਡਿਸਕਾਊਂਟ ਕਰਨ ਬਾਰੇ ਦਰਜਨਾਂ ਟਿਊਟੋਰਿਅਲ ਦੇਖ ਸਕਦਾ ਹੈ ਪਰ ਅਜੇ ਵੀ ਉਦੋਂ ਅੜਕ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਕੋਈ ਅਸਲ ਗਾਹਕ ਕੀਮਤਾਂ 'ਤੇ ਇਤਰਾਜ਼ ਕਰਦਾ ਹੈ।

Synthesia ਨੇ ਉਸ ਬ੍ਰੌਡਕਾਸਟ ਮੀਡੀਅਮ ਨੂੰ ਸਸਤਾ ਅਤੇ ਵਧੇਰੇ ਨਿੱਜੀ ਬਣਾ ਕੇ ਆਪਣੀ ਸਾਖ ਬਣਾਈ। ਇਸਦੇ ਪ੍ਰੋਪਰਾਈਟਰੀ AI ਅਵਤਾਰਾਂ ਅਤੇ ਵੌਇਸ ਤਕਨਾਲੋਜੀ ਨੇ ਉਦਯੋਗਾਂ ਨੂੰ ਸਟੂਡੀਓ ਬੁੱਕ ਕੀਤੇ ਜਾਂ ਅਦਾਕਾਰਾਂ ਨੂੰ ਕਿਰਾਏ 'ਤੇ ਲਏ ਬਿਨਾਂ ਟ੍ਰੇਨਿੰਗ ਵੀਡੀਓ ਬਣਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੱਤੀ। ਇਹ ਸੱਚਮੁੱਚ ਲਾਭਦਾਇਕ ਸੀ। ਪਰ ਇਹ ਕਾਫ਼ੀ ਨਹੀਂ ਸੀ।

Roleplay Sessions ਨੂੰ ਗਿਆਨ ਅਤੇ ਕਾਰਵਾਈ ਵਿਚਕਾਰਲੀ ਦੂਰੀ ਨੂੰ ਖਤਮ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹਨਾਂ ਸਿਮੂਲੇਸ਼ਨਾਂ ਵਿੱਚ, ਇੱਕ ਕਰਮਚਾਰੀ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਇੱਕ AI ਅਵਤਾਰ ਨਾਲ ਗੱਲ ਕਰਦਾ ਹੈ ਜੋ ਗਾਹਕ, ਸਾਥੀ, ਜਾਂ ਰਿਪੋਰਟ ਕਰਨ ਵਾਲੇ ਕਰਮਚਾਰੀ ਵਾਂਗ ਵਿਵਹਾਰ ਕਰਨ ਲਈ ਬਣਾਇਆ ਗਿਆ ਹੈ। ਅਵਤਾਰ ਕਿਸੇ ਨਿਰਧਾਰਤ ਸਕ੍ਰਿਪਟ ਦੀ ਪਾਲਣਾ ਨਹੀਂ ਕਰਦਾ। ਇਹ ਪ੍ਰਤੀਕਿਰਿਆ ਦਿੰਦਾ ਹੈ। ਇਹ ਇਤਰਾਜ਼ ਉਠਾਉਂਦਾ ਹੈ। ਇਹ ਨਿਰਾਸ਼ ਹੁੰਦਾ ਹੈ। ਇਹ ਉਪਭੋਗਤਾ ਜੋ ਕਹਿੰਦਾ ਹੈ ਉਸ ਦੇ ਅਧਾਰ 'ਤੇ ਆਪਣਾ ਲਹਿਜਾ ਬਦਲ ਲੈਂਦਾ ਹੈ। ਪਰਫਾਰਮੈਂਸ ਰਿਵਿਊ ਦਾ ਅਭਿਆਸ ਕਰਨ ਵਾਲਾ ਕੋਈ ਵਿਅਕਤੀ ਅਜਿਹੇ ਅਵਤਾਰ ਦਾ ਸਾਹਮਣਾ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਸ਼ੁਰੂਆਤੀ ਫੀਡਬੈਕ ਨੂੰ ਟਾਲ ਦਿੰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਮੈਨੇਜਰ ਨੂੰ ਗੱਲਬਾਤ ਦਾ ਰੂਪ ਬਦਲਣ ਲਈ ਮਜਬੂਰ ਹੋਣਾ ਪੈਂਦਾ ਹੈ। ਇੱਕ ਕਸਟਮਰ-ਸਰਵਿਸ ਟ੍ਰੇਨੀ ਅਜਿਹੇ ਅਵਤਾਰ ਦਾ ਸਾਹਮਣਾ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਪਰੇਸ਼ਾਨ ਤੋਂ ਗੁੱਸੇ ਵਿੱਚ ਬਦਲ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਕਿ ਏਜੰਟ ਖਾਸ ਡੀ-ਐਸਕੇਲੇਸ਼ਨ (de-escalation) ਸੰਕੇਤਾਂ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਦਾ।

ਇਹ ਇਸ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਸੌਫਟ ਸਕਿੱਲਜ਼ ਗੱਲਬਾਤ ਨਾਲ ਸਬੰਧਤ ਹੁੰਦੀਆਂ ਹਨ, ਜਾਣਕਾਰੀ ਨਾਲ ਨਹੀਂ। ਤੁਸੀਂ ਉਹਨਾਂ ਨੂੰ ਸਲਾਈਡਾਂ ਦੇਖ ਕੇ ਨਹੀਂ ਸਿੱਖਦੇ। ਤੁਸੀਂ ਉਹਨਾਂ ਨੂੰ ਗੱਲਬਾਤ ਵਿੱਚ ਅੜਖੇ ਪੈ ਕੇ, ਦਬਾਅ ਮਹਿਸੂਸ ਕਰਕੇ ਅਤੇ ਉਸੇ ਸਮੇਂ ਅਨੁਕੂਲ ਹੋ ਕੇ ਸਿੱਖਦੇ ਹੋ।

ਫੀਡਬੈਕ ਲੇਅਰ

ਇਸ ਨੂੰ ਚਿਹਰੇ ਵਾਲੇ ਚੈਟਬੋਟ ਤੋਂ ਵਧ ਕੇ ਕੀ ਬਣਾਉਂਦਾ ਹੈ, ਉਹ ਹੈ ਇਸ ਦੇ ਹੇਠਾਂ ਮੌਜੂਦ ਸਕੋਰਿੰਗ ਇੰਫਰਾਸਟ੍ਰਕਚਰ। Synthesia ਉਤਪਾਦ ਵਿੱਚ ਰੀਜ਼ਨਿੰਗ ਇੰਟੈਲੀਜੈਂਸ ਨੂੰ ਜੋੜ ਰਿਹਾ ਹੈ। ਪਲੇਟਫਾਰਮ ਅੰਡਰਲਾਈਂਗ ਭਾਸ਼ਾ ਤਰਕ ਨੂੰ ਸੰਭਾਲਣ ਲਈ OpenAI ਦੇ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਪਰ ਇਹ ਸਿਰਫ ਇੱਕ ਨੀਂਹ ਹੈ। ਇਸ ਦੇ ਉੱਪਰ, Synthesia ਨੇ ਰੂਬਰਿਕਸ (rubrics), ਪਰਫਾਰਮੈਂਸ ਡੇਟਾ ਅਤੇ ਐਨਾਲਿਟਿਕਸ ਦਾ ਇੱਕ ਪ੍ਰੋਪਰਾਈਟਰੀ ਸਿਸਟਮ ਬਣਾਇਆ ਹੈ ਜੋ ਕੱਚੀ ਗੱਲਬਾਤ ਨੂੰ ਇੱਕ ਸੰਰਚਿਤ ਕੋਚਿੰਗ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ।

ਇੱਥੇ ਅਭਿਆਸ ਵਿੱਚ ਇਹ ਅੰਤਰ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਇੱਕ ਸਟੈਂਡਰਡ AI ਗੱਲਬਾਤ ਇੱਕ ਉਪਭੋਗਤਾ ਨੂੰ ਕਹਿ ਸਕਦੀ ਹੈ, "ਤੁਸੀਂ ਇਸ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸੰਭਾਲਿਆ।" Synthesia ਦੀ ਲੇਅਰ ਕੰਪਨੀ ਦੇ ਆਪਣੇ ਮਾਪਦੰਡਾਂ ਦੇ ਅਨੁਸਾਰ ਵਟਾਂਦਰੇ ਦਾ ਸਕੋਰ ਕਰ ਸਕਦੀ ਹੈ। ਕੀ ਕਰਮਚਾਰੀ ਨੇ ਹਮਦਰਦੀ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕੀਤੀ? ਕੀ ਉਨ੍ਹਾਂ ਨੇ ਪੇਸ਼ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕੋਈ ਖੋਜ ਪ੍ਰਸ਼ਨ (discovery question) ਪੁੱਛਿਆ? ਕੀ ਉਨ੍ਹਾਂ ਨੇ ਅਗਲੇ ਕਦਮ ਨਿਰਧਾਰਤ ਕੀਤੇ? ਪਲੇਟਫਾਰਮ ਇਹਨਾਂ ਸੰਕੇਤਾਂ ਨੂੰ ਕੈਪਚਰ ਕਰਦਾ ਹੈ ਅਤੇ ਵਿਸਤ੍ਰਿਤ, ਕਾਰਜਸ਼ੀਲ ਫੀਡਬੈਕ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। ਮੈਨੇਜਰਾਂ ਨੂੰ ਇਹ ਕੋਈ ਅਸਪਸ਼ਟ ਅੰਦਾਜ਼ਾ ਨਹੀਂ ਮਿਲਦਾ ਕਿ ਕੌਣ "ਲੋਕਾਂ ਨਾਲ ਚੰਗਾ ਹੈ।" ਉਹਨਾਂ ਨੂੰ ਪੂਰੀ ਸੇਲਜ਼ ਫੋਰਸ ਜਾਂ ਲੀਡਰਸ਼ਿਪ ਕੋਹੋਰਟ ਵਿੱਚ ਯੋਗਤਾ ਦੇ ਸਹੀ ਨਕਸ਼ੇ ਮਿਲਦੇ ਹਨ।

ਕੰਪਨੀ ਦੇ CEO ਅਤੇ ਸਹਿ-ਸੰਸਥਾਪਕ ਵਿਕਟਰ ਰਿਪਾਰਬੇਲੀ (Victor Riparbelli) ਨੇ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ ਹੈ ਕਿ ਇਹ ਡੇਟਾ-ਕੇਂਦ੍ਰਿਤ ਪਹੁੰਚ ਹੀ ਅਧਿਕਾਰੀਆਂ ਲਈ ਅਸਲ ਮੁੱਲ ਰੱਖਦੀ ਹੈ। ਜਦੋਂ ਸੈਂਕੜੇ ਜਾਂ ਹਜ਼ਾਰਾਂ ਕਰਮਚਾਰੀ ਰੋਲ-ਪਲੇ ਸਿਨੇਰੀਓਜ਼ ਰਾਹੀਂ ਜਾਂਦੇ ਹਨ, ਤਾਂ ਸੰਗਠਨ ਇੱਕ ਅਜਿਹੀ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰਦਾ ਹੈ ਜੋ ਪਹਿਲਾਂ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਇਕੱਠੀ ਕਰਨਾ ਅਸੰਭਵ ਸੀ। ਤੁਸੀਂ ਪਛਾਣ ਸਕਦੇ ਹੋ ਕਿ ਕਿਹੜੀਆਂ ਟੀਮਾਂ ਇਤਰਾਜ਼ਾਂ ਨੂੰ ਸੰਭਾਲਣ ਵਿੱਚ ਸੰਘਰਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ, ਕਿਹੜੇ ਮੈਨੇਜਰ ਫੀਡਬੈਕ ਦੇਣ ਵਿੱਚ ਕਾਹਲੀ ਕਰਦੇ ਹਨ, ਅਤੇ ਕੁਆਰਟਰਲੀ ਨੰਬਰਾਂ 'ਤੇ ਅਸਰ ਪੈਣ ਤੋਂ ਪਹਿਲਾਂ ਕਿੱਥੇ ਹੁਨਰ ਦੀ ਘਾਟ ਹੈ।

ਇਹ ਕੌਣ ਵਰਤ ਰਿਹਾ ਹੈ, ਅਤੇ ਅੱਗੇ ਇਹ ਕਿੱਥੇ ਜਾਂਦਾ ਹੈ

ਸ਼ੁਰੂਆਤੀ ਗਾਹਕਾਂ ਦੀ ਸੂਚੀ ਤੋਂ ਸੰਕੇਤ ਮਿਲਦਾ ਹੈ ਕਿ ਇਹ ਪੇਸ਼ਕਸ਼ ਵੱਡੀਆਂ, ਗੁੰਝਲਦਾਰ ਸੰਸਥਾਵਾਂ ਦੇ ਅੰਦਰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਰਹੀ ਹੈ। Synthesia ਨੇ ਮਾਰਕੀਟ ਕੈਪ ਅਨੁਸਾਰ ਯੂਰਪ ਦੀਆਂ ਚੋਟੀ ਦੀਆਂ ਤਿੰਨ ਕੰਪਨੀਆਂ ਵਿੱਚੋਂ ਇੱਕ, ਇੱਕ Fortune 100 ਦੀ ਦਿੱਗਜ ਕੰਪਨੀ, ਅਤੇ ਭਰਤੀ (recruitment) ਵਿੱਚ ਇੱਕ ਗਲੋਬਲ ਲੀਡਰ ਨਾਲ ਸਮਝੌਤਾ ਕੀਤਾ ਹੈ। ਸ਼ੁਰੂਆਤੀ ਵਰਤੋਂ ਦੇ ਮਾਮਲੇ ਸੇਲਜ਼ ਅਤੇ ਲੀਡਰਸ਼ਿਪ ਟੀਮਾਂ ਲਈ ਉੱਚ-ਜੋਖਮ ਵਾਲੇ ਸੌਫਟ ਸਕਿੱਲਜ਼ 'ਤੇ ਕੇਂਦਰਿਤ ਹਨ, ਉਹ ਖੇਤਰ ਜਿੱਥੇ ਮਾੜੀ ਗੱਲਬਾਤ ਭਾਰੀ ਲਾਗਤ ਪੈਦਾ ਕਰਦੀ

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