Gamma ने डिझाइन स्टार्टअप Lica ला विकत घेतले आहे आणि या सौद्याचा वापर करून "multimodal, personalized AI-generated presentations" (बहुविध, वैयक्तिकृत AI-द्वारे तयार केलेली सादरीकरणे) यावर लक्ष केंद्रित करणारी एक संशोधन प्रयोगशाळा (research lab) सुरू करणार आहे. ही हालचाल Gamma ला केवळ स्थिर (static) स्लाईड डेक्सच्या पलीकडे जाऊन परस्परसंवादी (interactive), व्हिडिओ-समृद्ध संवाद साधण्याकडे नेण्यासाठी एक समर्पित टीम देईल, जे ब्रँडचे स्वरूप आणि प्रेक्षकांच्या आवडीनुसार बदलता येईल.

ही अधिग्रहण प्रक्रिया आता का महत्त्वाची आहे

Gamma आधीच १० कोटींहून अधिक वापरकर्त्यांसाठी प्रेझेंटेशन वर्कफ्लो प्रदान करते आणि अलीकडेच ६८ दशलक्ष डॉलर्सच्या फंडिंग राऊंडनंतर त्याचे मूल्यांकन २.१ अब्ज डॉलर्सपर्यंत पोहोचले आहे. प्रिया कल्याणरामन आणि पूर्वंशी मेहता यांनी २०२३ मध्ये स्थापन केलेल्या Lica ने एक असे साधन तयार केले आहे जे स्क्रीनशॉट आणि स्क्रीन रेकॉर्डिंगचे रूपांतर उत्कृष्ट प्रोजेक्ट डेक्स आणि मार्केटिंग व्हिडिओमध्ये करते, जे ई-कॉमर्स ब्रँड्समध्ये लोकप्रिय आहे. Lica चे तंत्रज्ञान आणि प्रतिभा एका नवीन डिझाइन रिसर्च लॅबमध्ये समाविष्ट करून, Gamma हे केवळ स्लाईड-जनरेशन सेवा नसून, मजकूर, ग्राफिक्स, ॲनिमेशन आणि परस्परसंवाद यांचा मेळ घालणाऱ्या पुढील पिढीच्या व्हिज्युअल कम्युनिकेशनवर (दृश्य संवाद) आपले वर्चस्व प्रस्थापित करू इच्छिते, असा संकेत देत आहे.

मल्टीमोडल कम्युनिकेशनकडे वाटचाल

सध्याची AI-आधारित प्रेझेंटेशन टूल्स सहसा एक प्रॉम्प्ट स्वीकारतात आणि त्यातून स्थिर स्लाईड्सचा डेक तयार करतात. Lica च्या संस्थापकांनी सांगितल्याप्रमाणे, Gamma ची योजना "fluid, multimodal presentations" (प्रवाही, बहुविध सादरीकरणे) तयार करण्याची आहे. व्यवहारात याचा अर्थ असा असू शकतो की, पारंपारिक स्लाईड्ससोबत एम्बेडेड व्हिडिओ, क्लिक करण्यायोग्य प्रोटोटाइप किंवा प्रेक्षकांच्या उपकरणांनुसार बदलणारे रिअल-टाइम डेटा व्हिज्युअलायझेशन यांचा मेळ घालणारे एकच आउटपुट. ही संशोधन प्रयोगशाळा विविध मीडिया प्रकारांना एकत्र कसे जोडता येईल आणि संपूर्ण अनुभव सुसंगत आणि ब्रँडच्या स्वरूपाशी सुसंगत कसा राहील, याचा शोध घेईल.

स्पर्धात्मक फायदा म्हणून वैयक्तिकीकरण (Personalization)

बहुतेक जनरेटर्स एकच प्रकारचे सौंदर्यशास्त्र (aesthetic) वापरतात—स्वच्छ फॉन्ट, तटस्थ रंगसंगती, सामान्य आयकॉन्स. Lica चे सह-संस्थापक विशिष्ट प्रेक्षक आणि ब्रँड मार्गदर्शक तत्त्वांनुसार "AI मॉडेल्सच्या संवाद शैलींचे सानुकूलन (customizing)" करण्यावर लक्ष केंद्रित करून नवीन विभागाचे नेतृत्व करतील. एखादा मार्केटर्स सिस्टीमला Gen-Z प्रेक्षकांसाठी "खेळकर" (playful) किंवा बोर्डरूमसाठी "औपचारिक" (formal) असा डेक तयार करण्यास सांगू शकतो, तर कंपनीचे कलर कोड, लोगो प्लेसमेंटचे नियम आणि टायपोग्राफी मानकांचे आपोआप पालन केले जाईल. जर हे यशस्वी झाले, तर हे सूक्ष्म नियंत्रण AI-द्वारे तयार केलेल्या डेक्सना उच्च-स्तरीय कॉर्पोरेट किंवा क्लायंटच्या कामासाठी स्वीकारार्ह बनवू शकते, जिथे ब्रँड सुसंगतता अत्यंत आवश्यक असते.

एकवटत असलेल्या बाजारपेठेत हे व्यवहार कसे बसतात

AI-प्रॉडक्टिव्हिटी क्षेत्रात भांडवल प्रवाह आणि विलीनीकरणाची लाट पाहायला मिळत आहे. Gamma चे मूल्यांकन Prezent च्या ५० दशलक्ष डॉलर्सच्या निधी उभारणीच्या आणि Presentations.ai च्या त्याच व्हेंचर फर्मशी असलेल्या संबंधांच्या (ज्याने Lica ला पाठबळ दिले होते, Accel) बरोबरीने आहे. मोठ्या AI लॅब्स देखील या क्षेत्रात येत आहेत; OpenAI ने अलीकडेच NextSlide ला विकत घेतले आहे, जे त्यांच्या लँग्वेज मॉडेल्समध्ये स्लाईड-निर्मितीची क्षमता जोडते. Lica ला विकत घेऊन, Gamma आपला मार्केट शेअर सुरक्षित करत आहे—एखाद्या स्पर्धकाला अशी टीम मिळवण्यापासून रोखत आहे जी कच्च्या मीडियाचे रूपांतर उत्कृष्ट व्हिज्युअल्समध्ये कशी करायची हे आधीच जाणते—आणि मल्टीमोडल जनरेटिव्ह AI कडे होणाऱ्या व्यापक वाटचालीशी स्पर्धा करण्यासाठी स्वतःची R&D पाइपलाइन विस्तारत आहे.

धोके आणि प्रतिवाद

ब्रँड मार्गदर्शक तत्त्वांनुसार व्हिज्युअल शैलीचे वैयक्तिकीकरण करणे तांत्रिकदृष्ट्या आव्हानात्मक आहे. सर्जनशीलता न गमावता सूक्ष्म डिझाइन नियमांचे पालन करणारी मॉडेल्स प्रशिक्षित करण्यासाठी अनेकदा मोठ्या, उच्च-गुणवत्तेच्या डेटासेटची आवश्यकता असते, जे गोळा करणे कठीण असते. संसाधने मर्यादित वाटण्याची भीती देखील आहे: Gamma ची मुख्य ताकद मोठ्या वापरकर्त्यांच्या बेससाठी जलद स्लाईड जनरेशन ही राहिली आहे; इंजिनिअरिंगचे प्रयत्न संशोधन प्रयोगशाळेकडे वळवल्यामुळे विद्यमान ग्राहकांसाठी नवीन फीचर्स मिळण्यास विलंब होऊ शकतो. OpenAI सारखे मोठे खेळाडू त्यांच्या मूलभूत मॉडेल्समध्ये थेट अशा क्षमता समाविष्ट करू शकतात, ज्यामुळे जर संपूर्ण इकोसिस्टम एकाच, सर्वसमावेशक AI इंजिनवर केंद्रित झाली, तर विशेष प्रयोगशाळेचे महत्त्व कमी होऊ शकते.

पुढील लक्ष देण्यासारख्या गोष्टी

  • Product announcements: पहिले सार्वजनिक संकेत म्हणजे व्हिडिओ किंवा परस्परसंवादी घटक समाविष्ट असलेल्या "multimodal" डेक्सचे बीटा किंवा पूर्वावलोकन (preview) असेल.
  • Integration timeline: Lica ची टीम Gamma च्या विद्यमान प्लॅटफॉर्ममध्ये किती वेगाने सामील होऊ शकते, यावरून ही प्रयोगशाळा दीर्घकालीन संशोधन प्रयत्न आहे की जलद उत्पादन धोरण आहे, हे समजेल.
  • Competitive responses: जर OpenAI किंवा इतर AI लॅब्सने तत्सम वैयक्तिकीकरण वैशिष्ट्ये (personalization features) लाँच केली, तर Gamma ला त्यांच्या ब्रँड-विशिष्ट टूल्सवर अधिक भर द्यावा लागेल किंवा भागीदारीचा विचार करावा लागेल.
  • Funding implications: यशस्वी अंमलबजावणीमुळे पुढील गुंतवणूक आकर्षित होऊ शकते, तर विलंबित किंवा अपयशी उत्पादन धोरणात्मक पुनर्मूल्यांकनास कारणीभूत ठरू शकते.

या अधिग्रहणातून हे स्पष्ट होते की Gamma अशा भविष्यावर डाव लावत आहे जिथे प्रेझेंटेशन आता केवळ एक स्थिर PDF नसेल, तर एक गतिमान आणि प्रेक्षकांच्या गरजा समजून घेणारा अनुभव असेल. तो दृष्टिकोन बाजारात यशस्वी उत्पादन म्हणून रूपांतरित होईल की नाही, हे डिझाइनमधील तज्ज्ञता विश्वसनीय आणि स्केलेबल AI मॉडेल्समध्ये रूपांतरित करण्याच्या लॅबच्या क्षमतेवर अवलंबून असेल. जर असे झाले, तर “प्रेझेंटेशन सॉफ्टवेअर” आणि “मल्टीमीडिया स्टोरीटेलिंग प्लॅटफॉर्म” मधील रेषा नाट्यमयरीत्या पुसट होऊ शकते.