ശരിയായ ഉത്തരം

മസാച്യുസെറ്റ്സിലെ കേംബ്രിഡ്ജിലെ ടെക് ഇടനാഴികളിൽ, വളർന്നുവരുന്ന ഒരു AI സ്റ്റാർട്ടപ്പിലെ മികച്ച ഡാറ്റാ സയൻ്റിസ്റ്റായ സുന്ദർ, അതിമനോഹരമായ ഡാഷ്‌ബോർഡുകളും സങ്കീർണ്ണമായ മെഷീൻ ലേണിംഗ് മോഡലുകളും ചുറ്റും നിറഞ്ഞ ഒരു കോൺഫറൻസ് റൂമിൽ നിരാശയോടെ ഇരുന്നു.

ഓൺലൈൻ ഉപയോക്താക്കൾ പരസ്യങ്ങളിൽ ക്ലിക്ക് ചെയ്യാനുള്ള സാധ്യത ദശാംശങ്ങളിൽ വരെ പ്രവചിക്കാൻ കഴിയുന്ന ഒരു ഉയർന്ന കൃത്യതയുള്ള മോഡൽ അവൻ്റെ ടീം നിർമ്മിച്ചിരുന്നു. പക്ഷേ കമ്പനിയുടെ വളർച്ച സ്തംഭിച്ചു. എന്തോ പൊരുത്തപ്പെടുന്നില്ല.

അന്ന് വൈകുന്നേരം, അവൻ തൻ്റെ പഴയ MIT പ്രൊഫസറായ ഡോ. നാൻസി കാർട്ടറെ കാപ്പി കുടിക്കാൻ കണ്ടുമുട്ടി. കൃത്യതയെയും മോഡലുകളെയും കുറിച്ച് സുന്ദർ ദീർഘനേരം സംസാരിക്കുന്നത് കേട്ട ശേഷം അവൾ സൗമ്യമായി ചോദിച്ചു, "നിങ്ങളുടെ ടീം യഥാർത്ഥത്തിൽ പരിഹരിക്കാൻ ശ്രമിച്ച പ്രശ്നം എന്തായിരുന്നു?"

സുന്ദർ ഒന്നു നിർത്തി. "ഞങ്ങളുടെ ക്ലയൻ്റുമാരുടെ ബിസിനസ്സുകൾ വളർത്താൻ സഹായിക്കുക."

നാൻസി പുഞ്ചിരിച്ചു. "അപ്പോൾ നിങ്ങൾ എന്തിനാണ് ക്ലിക്കുകൾക്ക് പരിഹാരം കാണുന്നത്?"

ആ ചോദ്യം സുന്ദറിനെ ഒരു മിന്നൽ പോലെ തട്ടി. അവൻ്റെ ടീം തെറ്റായ അളവുകോലിനാണ് പ്രാധാന്യം നൽകിയിരുന്നത് - ഉപയോക്താക്കൾക്ക് യഥാർത്ഥത്തിൽ എന്താണ് പ്രധാനമെന്ന് മനസ്സിലാക്കുന്നതിനുപകരം ഒരു പകര പ്രശ്നത്തിൽ കൃത്യത തേടുകയായിരുന്നു അവർ.

അടുത്ത ദിവസം, സുന്ദർ ശ്രദ്ധ മാറ്റി. ക്ലിക്കുകൾ പ്രവചിക്കുന്നതിനുപകരം, ടീം ഉപഭോക്താവിൻ്റെ ആയുഷ്കാല മൂല്യം പഠിച്ചു. അത് കൂടുതൽ ബുദ്ധിമുട്ടുള്ളതും, കൂടുതൽ കുഴഞ്ഞുമറിഞ്ഞതും, അനുമാനങ്ങൾ ആവശ്യമുള്ളതുമായിരുന്നു - പക്ഷേ ആ യഥാർത്ഥ ചോദ്യത്തിനുള്ള ഏകദേശ ഉത്തരം പോലും ഫലങ്ങൾ നൽകാൻ തുടങ്ങി.

മാസങ്ങൾക്ക് ശേഷം, അവരുടെ തന്ത്രം അവരുടെ ഉൽപ്പന്നത്തെ മാത്രമല്ല, ക്ലയൻ്റ് വിജയത്തെയും മാറ്റിമറിച്ചു. ഡോ. കാർട്ടറിൻ്റെ വാക്കുകൾ അദ്ദേഹത്തിൻ്റെ മനസ്സിൽ പ്രതിധ്വനിച്ചു:

"തെറ്റായ ഒരു പ്രശ്നത്തിനുള്ള കൃത്യമായ ഉത്തരത്തേക്കാൾ വളരെ വിലപ്പെട്ടതാണ് ശരിയായ ഒരു പ്രശ്നത്തിനുള്ള ഏകദേശ ഉത്തരം."