सही उत्तर

कैम्ब्रिज, मैसाचुसेट्स के तकनीकी गलियारों में, एक उभरते हुए एआई स्टार्टअप में एक प्रतिभाशाली डेटा वैज्ञानिक, सुंदर, शानदार डैशबोर्ड और जटिल मशीन लर्निंग मॉडल से घिरे एक कॉन्फ्रेंस रूम में निराश बैठा था।

उसकी टीम ने अभी-अभी एक उच्च-परिशुद्धता मॉडल बनाना समाप्त किया था जो ऑनलाइन उपयोगकर्ताओं द्वारा विज्ञापनों पर क्लिक करने की संभावना की भविष्यवाणी कर सकता था—दशमलव तक। लेकिन कंपनी की वृद्धि स्थिर थी। कुछ गड़बड़ थी।

उस शाम बाद में, वह अपनी पुरानी एमआईटी प्रोफेसर डॉ. नैन्सी कार्टर से कॉफी पर मिला। सुंदर को परिशुद्धता और मॉडल के बारे में बड़बड़ाते हुए सुनने के बाद, उसने धीरे से पूछा, "आपकी टीम ने मूल रूप से किस समस्या को हल करने का लक्ष्य रखा था?"

सुंदर रुका। "अपने ग्राहकों को उनके व्यवसायों को बढ़ाने में मदद करना।"

नैन्सी मुस्कुराई। "तो तुम क्लिक के लिए क्यों हल कर रहे हो?"

वह सवाल सुंदर को एक बिजली के झटके की तरह लगा। उसकी टीम पूरी तरह से गलत मेट्रिक के लिए अनुकूलन कर रही थी—उपयोगकर्ताओं के लिए वास्तव में क्या मायने रखता है, यह समझने के बजाय एक प्रॉक्सी समस्या में सटीकता का पीछा कर रही थी।

अगले दिन, सुंदर ने ध्यान केंद्रित किया। क्लिक की भविष्यवाणी करने के बजाय, टीम ने ग्राहक के आजीवन मूल्य का पता लगाया। यह कठिन, अधिक गन्दा था, और मान्यताओं की आवश्यकता थी—लेकिन उस वास्तविक प्रश्न का एक अनुमानित उत्तर भी परिणाम देने लगा।

महीनों बाद, उनकी रणनीति ने न केवल उनके उत्पाद को बल्कि ग्राहक की सफलता को भी बदल दिया। डॉ. कार्टर का उद्धरण उनके मन में गूंजता रहा:

"सही समस्या का एक अनुमानित उत्तर एक अनुमानित समस्या के सटीक उत्तर से कहीं अधिक मूल्यवान है।"