Sotheby’s ने लिलावाच्या किमतींचा अंदाज लावणारे आणि हजारो एकाच वेळी वापरकर्त्यांना हाताळणाऱ्या रिअल-टाइम बोली प्लॅटफॉर्मला सक्षम करणारे सानुकूल artificial-intelligence मॉडेल्स आणले आहेत. हे शतकानुशतके जुने लिलाव गृह, मूल्यांकनामध्ये अचूकता आणण्यासाठी आणि जागतिक लिलाव सुरळीतपणे चालवण्यासाठी डेटा-आधारित तंत्रज्ञानावर मोठा विश्वास ठेवत आहे.
हा बदल का महत्त्वाचा आहे
कला लिलाव नेहमीच व्यक्तिनिष्ठ निर्णय आणि बाजारपेठेचे ज्ञान यांचा मिलाफ राहिले आहेत. ऑनलाइन बोलीमुळे एकेकाळी केवळ निवडक लोकांसाठी आणि प्रत्यक्ष उपस्थित राहून होणारा कार्यक्रम आता उच्च-ट्रॅफिक असलेल्या डिजिटल अनुभवात बदलला आहे. विक्रेते आता अधिक अचूक अंदाजांच्या मदतीने अधिक ठोस राखीव किमती (reserves) ठरवू शकतात आणि अंतिम लिलाव किंमत (hammer prices) वाढवू शकतात. किमती स्पष्ट असल्यास खरेदीदार जादा पैसे मोजणे टाळू शकतात. Sotheby’s ने आपल्या केंद्रस्थानी AI समाविष्ट करणे हे सूचित करते की, उद्योग आता केवळ तज्ञांच्या अंतर्ज्ञानावर अवलंबून नाही.
“art intelligence” तयार करणे
Sotheby’s मधील संगणक विज्ञान आणि गणित तज्ञ Kelly Shen एका अशा टीमचे नेतृत्व करतात ज्यांनी "art intelligence" अल्गोरिदम तयार केले आहेत. सामान्य बाजारपेठ-अंदाज साधनांच्या उलट, ही मॉडेल्स विविध डेटा पॉइंट्सचा समूह स्वीकारतात: ऐतिहासिक विक्री किमती, अलीकडील लिलावांचे निकाल, संग्राहकांच्या आवडीचे कल आणि अगदी विशिष्ट कलाकारांच्या संदर्भातील सोशल मीडियावरील चर्चा. एखाद्या चित्रकाराच्या कामाची मागणी कशी वाढते किंवा कमी होते यावर लक्ष ठेवून, ही प्रणाली नवीन संकेत प्राप्त होताच जवळजवळ रिअल-टाइममध्ये किमतीचा अंदाज देते.
ही मॉडेल्स केवळ स्थिर स्प्रेडशीट्स नाहीत. ती नवीन डेटावर पुन्हा प्रशिक्षित होतात आणि अचानक होणारे बदल टिपतात—जसे की एखादे मोठे संग्रहालय प्रदर्शन, ज्यामुळे पूर्वी दुर्लक्षित असलेल्या एखाद्या महान कलाकाराबद्दलची आवड अचानक वाढू शकते. Sotheby’s साठी याचे फायदे दुहेरी आहेत: मालकांसाठी (consignors) अधिक ठोस राखीव किंमत आणि अस्थिर बाजारपेठेत बोली लावणाऱ्यांसाठी एक स्पष्ट मार्गदर्शक.
डिजिटल लिलाव कक्ष विस्तारणे (Scaling)
किंमत वर्तवणे हा केवळ अर्धा भाग आहे. आधुनिक लिलाव प्रत्येक खंडातील बोली लावणाऱ्यांना आकर्षित करतात, जे एकमेकांच्या काही मिलिसेकंदात क्लिक, स्क्रोल आणि बोली लावतात. हा अनुभव अखंड ठेवण्यासाठी, Sotheby’s ने आपल्या प्रेडिक्टिव मॉडेल्सना low-latency आणि high-concurrency कार्यभार हाताळण्यासाठी डिझाइन केलेल्या हाय-परफॉर्मन्स कम्प्युटिंग स्टॅकसोबत जोडले आहे.
Shen चे योगदान केवळ अल्गोरिदमपुरते मर्यादित नाही. त्यांनी कॅटलॉगिंगच्या ऑटोमेशनवर देखरेख केली—ज्यामध्ये image-recognition tools चा वापर करून provenance तपशील, स्थिती अहवाल आणि दृश्य वैशिष्ट्ये टॅग केली जातात—जेणेकरून ऑनलाइन प्लॅटफॉर्मवर लिस्टिंग वेगाने आणि मानवी चुका कमी होऊन उपलब्ध होईल. ही पायाभूत सुविधा ट्रॅफिक विविध सर्व्हरवर विभागते आणि जेव्हा एखादी मुख्य लिलाव वस्तू (headline lot) लक्ष वेधून घेते, तेव्हा संसाधनांचे गतिशीलपणे विस्तारण करते. याचा परिणाम म्हणजे, एकाच वेळी बोली लावणाऱ्यांची संख्या प्रचंड वाढली तरीही प्रतिसाद देणारा थेट (live) लिलाव.
कोडमधील व्यवहारिकता (Pragmatism)
तंत्रज्ञान क्षेत्रात, नेहमीच अधिक प्रगत मॉडेल्सच्या मागे धावण्याची प्रवृत्ती असते. Shen चेतावणी देतात की व्हाईटबोर्डवरील अल्गोरिदमची अचूकता आपोआप व्यावसायिक मूल्यामध्ये रूपांतरित होत नाही. ते म्हणतात, “अल्गोरिदमचे यश हे प्रेक्षकांचा सहभाग (audience engagement) वाढवण्याच्या त्याच्या क्षमतेवर थेट अवलंबून असते.” लक्झरी क्षेत्रात, तंत्रज्ञान हे केवळ एक अदृश्य आधार (invisible scaffolding) असले पाहिजे, अडथळा नाही, जो वैयक्तिक स्पर्शाची सवय असलेल्या संग्राहकांना गोंधळात टाकेल.
ती व्यावहारिक भूमिका टीमच्या रोडमॅपला मार्गदर्शन करते. ज्या वैशिष्ट्यांमुळे बोली रूपांतर दर (bid conversion rates) सुधारत नाहीत किंवा कॅटलॉगिंगचा वेळ कमी होत नाही, त्यांना प्राधान्य दिले जात नाही, मग ते अत्याधुनिक machine-learning संशोधनाचे प्रदर्शन करत असले तरीही. लक्ष केवळ प्रत्यक्ष परिणामांवर केंद्रित आहे: किमतींची अधिक अचूक श्रेणी, सुरळीत बोली आणि अधिक प्रभावी डिजिटल शोरूम.
सावधगिरीचे आवाज
टीकाकारांचे म्हणणे आहे की, अल्गोरिदमवर आधारित किमतींवर अति अवलंबून राहिल्यामुळे त्या सूक्ष्म तज्ञतेचा ऱ्हास होऊ शकतो, ज्याने प्रदीर्घ काळ आघाडीच्या लिलाव घरांना वेगळे केले आहे. तसेच ऐतिहासिक पूर्वग्रह (historical biases) समाविष्ट होण्याचा धोका देखील आहे—जर भूतकाळातील विक्रीने विशिष्ट लोकसंख्याशास्त्रीय गट किंवा प्रदेशांना झुकते माप दिले असेल, तर मॉडेल नकळत त्या पद्धती कायम ठेवू शकते. Sotheby’s या चिंता मान्य करते आणि नमूद करते की, मानवी क्युरेटर्स प्रकाशनापूर्वी मॉडेलचे आउटपुट तपासतात आणि AI हे अनुभवी मूल्यमापनकर्त्यांच्या (appraisers) जागी नसून केवळ निर्णय-सहाय्यक साधन म्हणून काम करते.
पुढे काय पाहायचे
Sotheby’s ची ही अंमलबजावणी अजून सुरुवातीच्या टप्प्यात आहे, परंतु ही पायाभूत सुविधा आधीच अनेक हाय-प्रोफाईल विक्री हाताळत आहे. पुढची परीक्षा ही असेल की, AI पूर्णपणे नवीन बाजारपेठेतील परिस्थितीशी जुळवून घेऊ शकते का—जसे की कला आयातीवर परिणाम करणारे अचानक नियामक बदल किंवा डिजिटल-नेटिव्ह संग्राहकांच्या नवीन पिढीचा उदय. स्पर्धक याला कसा प्रतिसाद देतात याकडेही निरीक्षक लक्ष ठेवतील; अशा प्रकारच्या अंमलबजावणीच्या लाटेमुळे दुय्यम कला बाजारपेठेची अर्थव्यवस्था बदलू शकते.
जर तंत्रज्ञानाने अपेक्षित निकाल दिले, तर त्याचे परिणाम अत्यंत दूरगामी असू शकतात: अधिक अचूक किंमत निर्धारण बोली लावणाऱ्यांची संख्या वाढवू शकते, तर सुव्यवस्थित कॅटलॉगिंगमुळे लहान विक्रेत्यांसाठी बाजारपेठेत प्रवेश करणे सोपे होऊ शकते. याउलट, जर ही मॉडेल्स दबावाखाली अस्थिर ठरली, तर उद्योग क्षेत्र अधिक सावध, हायब्रिड दृष्टिकोनाकडे वळू शकते जो मानवी निर्णयावर मोठ्या प्रमाणावर अवलंबून असेल.
मुख्य सारांश
किंमत अंदाज आणि रिअल-टाइम बोलीसाठी Sotheby’s ने केलेले कस्टम AI चे एकत्रीकरण हे दर्शवते की, अत्यंत परंपरावादी क्षेत्रे देखील डेटा-चालित इंजिनिअरिंगमधून मोजण्यायोग्य फायदे मिळवू शकतात—जर तंत्रज्ञान स्पष्ट व्यावसायिक उद्दिष्टे पूर्ण करत असेल आणि त्यावर मानवी तज्ज्ञतेचे नियंत्रण असेल.