🤖 AI

PulseCX: Breaking the Closed-World Assumption in Real-Time CX

PulseCX एक नवीन ढांचा है जो एक एसिंक्रोनस एजेंट के माध्यम से ज्ञान प्राप्ति को उपभोग से अलग करके, एक क्षय-जागरूक (decay-aware) टेम्पोरल नॉलेज ग्राफ का निर्माण करता है, जिससे वास्तविक समय की संवादात्मक एआई की क्लोज्ड-वर्ल्ड सीमाओं को दूर किया जाता है, और इस प्रकार खोज विलंबता (search latency) को समाप्त करते हुए गतिशील वातावरण में इरादे के समाधान (intent resolution) और ग्राहक संतुष्टि में महत्वपूर्ण सुधार किया जाता है।

मूल लेखक: Rajat Agarwal, Suvidha Tripathi, Shubham Sharma

प्रकाशित 2026-06-23

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Rajat Agarwal, Suvidha Tripathi, Shubham Sharma

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक बहुत बड़ी कंपनी के लिए कस्टमर सर्विस प्रतिनिधि के रूप में काम कर रहे हैं। आपके डेस्क पर एक मोटी, भारी मैनुअल रखी है जिसमें हर उस उत्पाद, नीति और उत्तर की सूची है जो आप जानते हैं। यह मैनुअल सामान्य दिनों के लिए एकदम सही है। लेकिन, बाहर की दुनिया अराजक और तेज़ गति से चलती है। किसी वायरल मीम ने किसी खास उत्पाद को प्रसिद्ध बना दिया है, कोई सर्वर क्रैश हो गया है, या किसी प्रतिस्पर्धी ने फ्लैश सेल शुरू कर दी है।

समस्या यह है कि आज के अधिकांश AI कस्टमर सर्विस बॉट्स बिल्कुल आपकी तरह हैं, लेकिन उनके पास केवल वह मैनुअल है। उन्हें नहीं पता कि उनके ऑफिस की दीवारों के बाहर क्या हो रहा है। यदि कोई ग्राहक पूछता है, "सब लोग 'ग्लेज़्ड डोनट स्टिक' के बारे में क्यों बात कर रहे हैं?" तो बॉट अपनी मैनुअल देखता है, उसमें डोनट्स के बारे में कुछ नहीं पाता, और कहता है, "मुझे नहीं पता कि यह क्या है।" ग्राहक निराश हो जाता है और चला जाता है। इस पेपर में इसे "क्लोज्ड-वर्ल्ड कंस्ट्रेंट" (Closed-World Constraint) कहा गया है।

इस पेपर के लेखक, रजत अग्रवाल और उनकी टीम ने Sprinklr में, इस समस्या को ठीक करने के लिए PulseCX नामक एक नया सिस्टम बनाया है। यह कैसे काम करता है, यहाँ सरल भाषा में समझाया गया है:

1. समस्या: "लाइव सर्च" का जाल (The "Live Search" Trap)

आप सोच सकते हैं, "क्यों नहीं बॉट ग्राहक के पूछने पर ही गूगल से उत्तर खोज लेता है?"
पेपर कहता है कि यह दो कारणों से एक बुरा विचार है:

यह बहुत धीमा है: यदि बॉट को रुकना पड़ता है, इंटरनेट पर खोजना पड़ता है, परिणामों को पढ़ना पड़ता है और फिर उत्तर देना पड़ता है, तो ग्राहक को बहुत लंबा इंतजार करना पड़ता है (जैसे कि रियल-टाइम चैट में 1.5 सेकंड का इंतजार करना)।
यह खतरनाक है: इंटरनेट शोर, अफवाहों और फर्जी खबरों से भरा है। यदि बॉट एक फर्जी अफवाह पढ़ता है और ग्राहक को बता देता है, तो यह "कॉन्टेक्स्ट पॉइजनिंग" (Context Poisoning) पैदा करता है। यह गलत सलाह दे सकता है या मूर्खतापूर्ण लग सकता है।

2. समाधान: PulseCX (द "न्यूज़रूम" अप्रोच)

ग्राहक के पूछने पर इंटरनेट खोजने के बजाय, PulseCX ग्राहक के आने से पहले ही खोज कर लेता है।

PulseCX को एक 24-घंटे चलने वाले न्यूज़रूम के रूप में सोचें जो बैकग्राउंड में काम कर रहा है, जबकि कस्टमर सर्विस एजेंट अपने ब्रेक पर हैं।

असिंक्रोनस एजेंट (द स्काउट): एक विशेष AI एजेंट (जिसे सोशल सर्च एजेंट कहा जाता है) हर 15 मिनट में सोशल मीडिया और समाचार साइटों को स्कैन करता रहता है। वह सवाल का इंतज़ार नहीं करता; वह बस दुनिया को देखता रहता है।
"डिके-अवेयर" मेमोरी (द स्मार्ट फाइलिंग कैबिनेट): जब स्काउट को कुछ महत्वपूर्ण मिलता है (जैसे कि कोई वास्तविक आउटेज या वायरल ट्रेंड), तो वह केवल कच्चा टेक्स्ट डेटाबेस में नहीं डालता। वह इसे एक साफ, संरचित "कॉन्टेक्स्ट ऑब्जेक्ट" (जैसे कि एक प्रेस विज्ञप्ति) में बदल देता है।
- "डिके" (Decay) का जादू: यह चतुर हिस्सा है। सिस्टम जानता है कि कुछ खबरें क्षणिक होती हैं (जैसे कि एक घंटे में समाप्त होने वाली फ्लैश सेल) और कुछ स्थायी होती हैं (जैसे कि सर्वर आउटेज)।
- यदि कोई ट्रेंड वायरल है, तो सिस्टम उसे उच्च "वेट" (महत्व) देता है।
- जैसे-जैसे समय बीतता है, यदि उस खबर की दोबारा पुष्टि नहीं होती है, तो सिस्टम स्वचालित रूप से उसका "वेट" कम (decay) कर देता है।
- उपमा: कल्पना कीजिए कि ऑफिस में एक व्हाइटबोर्ड है। यदि कोई अफवाह सिर्फ एक फुसफुसाहट है, तो वह जल्दी फीकी पड़ जाती है। यदि यह एक पुष्ट तथ्य है, तो कोई उसे बोल्ड मार्कर से लिखता रहता है। यदि वह घटना समाप्त हो जाती है, तो कोई उसे मिटा देता है। यह बॉट को कल खत्म हुई सेल के बारे में बात करने से रोकता है।

3. यह आपको उत्तर कैसे देता है (द "चीट शीट")

जब अंततः कोई ग्राहक चैट करता है:

गेटकीपर: बॉट पहले यह जांचता है: "क्या यह एक उबाऊ सवाल है (जैसे 'मेरा पासवर्ड क्या है?') या एक डायनेमिक सवाल है (जैसे 'साइट धीमी क्यों है?')"
क्विक ग्रैब: यदि यह एक डायनेमिक सवाल है, तो बॉट इंटरनेट पर खोजने के बजाय, तुरंत अपने स्मार्ट फाइलिंग कैबिनेट से बना-बनाया "चीट शीट" (कॉन्टेक्स्ट कार्ड) उठा लेता है।
उत्तर: बॉट चीट शीट को पढ़ता है, जो कहता है: "हे, 'ग्लेज़्ड डोनट स्टिक्स' के बारे में एक वायरल ट्रेंड चल रहा है—वह वास्तव में हमारा लिप बाम है। साथ ही, टेक्सास में एक आउटेज चल रहा है।"
परिणाम: बॉट मिलीसेकंड में सही और अपडेटेड जानकारी के साथ उत्तर देता है, जिससे ऐसा लगता है कि उसे पता है कि वास्तव में क्या हो रहा है।

यह क्यों मायने रखता है (परिणाम)

लेखकों ने 1,000 ग्राहक प्रश्नों के सिमुलेशन में इसका परीक्षण किया। यहाँ क्या हुआ:

पुराना तरीका (Static Manual): बॉट तेज़ था लेकिन ट्रेंडिंग विषयों के लिए अक्सर गलत या अनुपयोगी था। ग्राहक निराश हो गए (लो सैटिस्फैक्शन)।
नाइव तरीका (Live Search): बॉट को उत्तर पता थे लेकिन उत्तर खोजने में उसे बहुत समय लगता था। ग्राहक इंतजार करते हुए परेशान हो गए।
PulseCX: बॉट तेज़ था (लगभग पुराने तरीके जितना ही तेज़) लेकिन स्मार्ट था (इसे वायरल ट्रेंड्स और आउटेज का पता था)।
- इसने कठिन सवालों के 89% को हल किया (पुराने तरीके के 64% की तुलना में)।
- ग्राहक बहुत खुश थे क्योंकि बॉट उनकी भावनाओं को स्वीकार करता था (जैसे, "हाँ, आपका इंटरनेट डाउन है, हम भी रिपोर्ट देख रहे हैं") बजाय इसके कि वह उन्हें गैसलाइट करे ("हमारा सिस्टम कहता है कि सब कुछ ठीक है")।

संक्षेप में

PulseCX AI को अतीत में फंसे रहने से रोकता है। ग्राहक के पूछने पर इंटरनेट खोजने के लिए घबराने के बजाय, इसके पास एक समर्पित टीम है जो बैकग्राउंड में लगातार उसके "दिमाग" को अपडेट करती रहती है, शोर को फ़िल्टर करती है, और केवल ताज़ा, प्रासंगिक तथ्यों को तैयार रखती है। यह AI को जीवंत, उत्तरदायी और विश्वसनीय बनाता है, बिना बातचीत की गति को धीमा किए।

तकनीकी सारांश: PulseCX – रियल-टाइम CX में क्लोज्ड-वर्ल्ड धारणा को तोड़ना

समस्या विवरण: क्लोज्ड-वर्ल्ड बाधा (The Closed-World Constraint)

ग्राहक अनुभव (CX) में वर्तमान संवादात्मक AI एजेंट एक मौलिक क्लोज्ड-वर्ल्ड बाधा (Closed-World Constraint) के तहत काम करते हैं। ये एजेंट स्थिर आंतरिक आर्टिफैक्ट्स (मैनुअल, FAQ, डैशबोर्ड) पर आधारित होते हैं, जबकि वे एक ऐसी वास्तविकता में संचालित होते हैं जो उच्च-वेग वाली बाहरी घटनाओं (वायरल ट्रेंड्स, आउटेज, PR संकट) द्वारा आकार लेती है। यह विसंगति डायनेमिक इंटेंट्स (Dynamic intents) के संबंध में "कॉन्टेक्स्ट ब्लाइंडनेस" (संदर्भ अंधापन) की ओर ले जाती है, जहाँ सफल समाधान के लिए समय-संवेदनशील बाहरी ज्ञान आवश्यक होता है।

सिंक्रोनस वेब सर्च या न्यूज़ APIs के माध्यम से इस अंतर को पाटने के प्रयास अत्यधिक विलंबता (latency) और गंभीर कॉन्टेक्स्ट पॉइजनिंग (context poisoning) को जन्म देते हैं। इनफेरेंस विंडो में शोर वाले, विरोधाभासी या खतरनाक संकेतों को भरने से सुरक्षा से समझौता हो सकता है और प्रदर्शन गिर सकता है। मुख्य चुनौती वास्तविक-समय की बातचीत के लिए आवश्यक कम विलंबता और विश्वसनीयता से समझौता किए बिना वास्तविक-समय के स्थितिजन्य संदर्भ (situational context) को इंजेक्ट करने की है।

कार्यप्रणाली: PulseCX फ्रेमवर्क

PulseCX ज्ञान प्राप्ति (knowledge acquisition) को उपभोग (consumption) से अलग करके, एक स्ट्रक्चर-फर्स्ट प्रतिमान (structure-first paradigm) को अपनाकर इस चुनौती का समाधान करता है। यह फ्रेमवर्क दो अलग-अलग चरणों में विभाजित है:

1. ऑफलाइन एसिंक्रोनस चरण: वर्ल्ड मॉडलिंग (World Modeling)

यह चरण उपयोगकर्ता के प्रश्नों से स्वतंत्र रूप से संचालित होता है ताकि विश्व ज्ञान को एक डिके-अवेयर टेम्पोरल नॉलेज ग्राफ (Decay-Aware Temporal Knowledge Graph - DA-TKG) में संरचित किया जा सके।

सोशल सर्च एजेंट (SSA): एक आवधिक एजेंट (जैसे, हर 15 मिनट में) उच्च-वेग वाले संकेतों (सोशल मीडिया, समाचार) के लिए बाहरी स्रोतों को स्कैन करता है।
लीनियराइजेशन और कॉन्टेक्स्ट ऑब्जेक्ट क्रिएशन: कच्चे, असंरचित संकेतों को तुरंत एक संरचित कॉन्टेक्स्ट ऑब्जेक्ट ( $O = \{Type, Scope, Confidence, State\}$ ) में लीनियर किया जाता है। यह सुनिश्चित करता है कि केवल उच्च-गुणवत्ता वाले, प्रोवेनेंस-जागरूक संकेत ही सिस्टम में प्रवेश करें।
मेमोरी इवोल्यूशन (रीइन्फोर्समेंट-डिके): DA-TKG स्व-विकसित होने वाला है। नोड वेट ( $W_t$ ) समय के साथ घटते हैं ( $W_t = W_{last} \cdot e^{-\lambda(t-t_{last})}$ ) ताकि पुराने संदर्भ (जैसे, समाप्त हो चुकी सेल) को हटाया जा सके। इसके विपरीत, SSA द्वारा पुनः पुष्ट किए गए संकेत $\beta$ द्वारा सुदृढ़ (reinforce) होते हैं, जिससे निरंतर घटनाओं (जैसे, इन्फ्रास्ट्रक्चर आउटेज) को बढ़ाया जाता है, जबकि क्षणिक शोर को धीरे-धीरे कम होने दिया जाता है।

2. ऑनलाइन सिंक्रोनस चरण: ग्राउंडिंग (Grounding)

जब कोई उपयोगकर्ता सिस्टम से प्रश्न पूछता है, तो PulseCX प्रासंगिक संदर्भ को इंजेक्ट करने के लिए एक हाई-स्पीड रिट्रीवल पाइपलाइन निष्पादित करता है।

हायरार्किकल इंटेंट गेटिंग: सिस्टम उपयोगकर्ता के इरादे (intent) को वर्गीकृत करता है। स्टैटिक इंटेंट्स (जैसे, "पासवर्ड रीसेट करें") कॉन्टेक्स्ट पॉइजनिंग को रोकने के लिए ग्राफ को बायपास कर देते हैं। डायनेमिक इंटेंट्स (जैसे, "साइट धीमी क्यों है?") रिट्रीवल को ट्रिगर करते हैं।
सालिएन्स-वेटेड सिमेंटिक रेंकर: उम्मीदवार नोड्स को क्वेरी के साथ सिमेंटिक समानता और उनके वर्तमान डिके-एडजस्टेड वेट ( $R(N) = Sim(Q, N) \cdot W_t$ ) को मिलाकर स्कोर किया जाता है। यह उन नोड्स को प्राथमिकता देता है जो प्रासंगिक भी हैं और टेम्पोरली एक्टिव भी।
कॉन्टेक्स्ट कार्ड सिंथेसिस: शीर्ष-रैंक वाले नोड्स को एक नियतात्मक कॉन्टेक्स्ट कार्ड (एक संरचित ब्रीफिंग) में संश्लेषित किया जाता है जिसे एजेंट के सिस्टम प्रॉम्प्ट में इंजेक्ट किया जाता है। इस कार्ड में इवेंट टाइप के आधार पर विशिष्ट "प्लेबुक" लॉजिक शामिल होता है (जैसे, आउटेज के लिए "प्राथमिकता: बाहरी सिग्नल > आंतरिक डैशबोर्ड")।
फीडबैक लूप: एक 'क्वेरी रिफाइनर' सूचना अंतराल (information gaps) के लिए चैट लॉग का विश्लेषण करता है, जो अगले ऑफलाइन SSA चक्र के लिए लक्षित खोज प्रश्न (search queries) उत्पन्न करता है।

प्रमुख योगदान

डिकपल्ड आर्किटेक्चर: PulseCX उच्च-विलंबता वाली इंटेलिजेंस गैदरिंग (ऑफलाइन) को वास्तविक-समय संदर्भ इंजेक्शन (ऑनलाइन) से अलग करता है, जिससे सिंक्रोनस वेब सर्च की लेटेंसी पेनल्टी समाप्त हो जाती है।
डिके-अवेयर टेम्पोरल नॉलेज ग्राफ (DA-TKG): एक अभिनव मेमोरी सबस्ट्रेट जो पुनरावृत्ति-डिके डायनेमिक्स के माध्यम से बाहरी घटनाओं के जीवनचक्र को स्पष्ट रूप से मॉडल करता है, जिससे यह सुनिश्चित होता है कि एजेंट का "वर्ल्ड स्टेट" ऐतिहासिक शोर के बजाय वर्तमान वास्तविकता को दर्शाता है।
स्ट्रक्चर्ड कॉन्टेक्स्ट इंजेक्शन: "स्ट्रक्चर-फर्स्ट" प्रतिमान को लागू करके, फ्रेमवर्क कच्चे शोर को बाउंडेड, लो-लेटेंसी कॉन्टेक्स्ट ऑब्जेक्ट्स में बदल देता है, जिससे हैलुसिनेशन और कॉन्टेक्स्ट पॉइजनिंग का जोखिम कम हो जाता है।
इंटेंट-अवेयर गेटिंग: सिस्टम केवल आवश्यकतानुसार (डायनेमिक इंटेंट्स) बाहरी संदर्भ को चुनिंदा रूप से इंजेक्ट करता है, जिससे स्टैटिक इंटरैक्शन की दक्षता बनी रहती है।

प्रयोगात्मक परिणाम

एक "वर्ल्ड-लैब सिमुलेशन" में 1,000 स्टैटिक और डायनेमिक इंटेंट्स के साथ मूल्यांकित, PulseCX की तुलना Static RAG (उद्योग मानक) और एक Naive Online Agent (सिंक्रोनस वेब सर्च) से की गई।

विलंबता (Latency): PulseCX ने 430 ms का टाइम-टू-फर्स्ट-टोकन (TTFT) प्राप्त किया, जो Static RAG (415 ms) के करीब है और Naive Online Agent (1500 ms) की तुलना में काफी तेज है।
इंटेंट रेजोल्यूशन रेट (IRR): PulseCX ने 89.2% प्राप्त किया, जो Static RAG (64.1%) और Naive Online Agent (78.5%) दोनों से बेहतर है।
कस्टमर सैटिस्फैक्शन (s-CSAT): PulseCX ने 4.2/5 स्कोर किया, जबकि Static RAG के लिए यह 2.4/5 और Naive Online Agent के लिए 3.1/5 था।
एस्केलेशन रेट (ER): PulseCX ने एस्केलेशन को घटाकर 13.5% कर दिया, जो Static RAG (35.2%) की तुलना में एक महत्वपूर्ण सुधार है।

बिजनेस इम्पैक्ट एनालिसिस:

वोकैबुलरी ब्रिज: PulseCX ने वायरल स्लैंग (जैसे, "Glazed Donut Stick") को आंतरिक SKUs के साथ मैप किया, जिससे वहां भी बिक्री के अवसर पैदा हुए जहां स्टैटिक एजेंट विफल रहे थे।
सिचुएशनल वैलिडेशन: आउटेज परिदृश्यों में, PulseCX ने लैगिंग आंतरिक लॉग्स ("Green" स्टेटस) पर भरोसा करने के बजाय बाहरी वास्तविकता को स्वीकार किया, जिससे उपयोगकर्ता की हताशा और अनावश्यक मानव हैंडऑफ में 21.7% की कमी आई।

एब्लेशन स्टडी (Ablation Study): डिके फंक्शन ( $\lambda=0$ ) को अक्षम करने से एजेंट ने फ्लैश सेल्स के समाप्त होने के घंटों बाद भी समाप्त हो चुके डील्स की सिफारिश की, जिससे पुष्टि हुई कि विश्वास बनाए रखने के लिए टेम्पोरल लाइफसाइकिल मैनेजमेंट आवश्यक है।

महत्व और दावे

पेपर का दावा है कि आधुनिक एजेंटों की क्लोज्ड-वर्ल्ड बाधा (Closed-World Constraint) एक आर्किटेक्चरल विकल्प है, न कि एक मौलिक सीमा। एक DA-TKG में अनस्ट्रक्चर्ड सिग्नल्स को औपचारिक रूप देकर और रियल-टाइम मेमोरी इवोल्यूशन के लिए स्ट्रक्चर-फर्स्ट दृष्टिकोण अपनाकर, यह फ्रेमवर्क एजेंटिक सिस्टम को सक्षम बनाता है कि वे:

तेज हों: डायनेमिक कॉन्टेक्स्ट के बावजूद सब-450ms लेटेंसी बनाए रखना।
सुरक्षित हों: स्ट्रक्चर्ड इंजेक्शन और गेटिंग के माध्यम से हैलुसिनेशन और कॉन्टेक्स्ट पॉइजनिंग के जोखिम को कम करना।
एलाइनड हों: मानव अनुभव और बाहरी घटनाओं की तेजी से बदलती वास्तविकता को वास्तव में प्रतिबिंबित करना।

लेखक सीमाओं को स्वीकार करते हैं, जिसमें फिक्स्ड अपडेट साइकिल के बीच संभावित टेम्पोरल ब्लाइंडनेस, समन्वित अवास्तविक गतिविधि के माध्यम से एडवरसेरियल पॉइजनिंग के प्रति संवेदनशीलता, और सीखे गए गुणांकों के बजाय ह्यूरिस्टिक डिके पैरामीटर्स पर निर्भरता शामिल है। हालांकि, यह फ्रेमवर्क सिंक्रोनस रिट्रीवल के ओवरहेड के बिना "वाइल्ड" (wild) में एजेंटों को ग्राउंड करने के लिए एक नया प्रतिमान स्थापित करता है।