आपने अभी-अभी दस लाख खराब कर्मचारी हायर किए हैं

AI को मानव श्रम को बदलना चाहिए था।

इसने इसके विपरीत किया।

इतिहास में पहली बार, मनुष्य सॉफ्टवेयर से सस्ते हैं।

शीर्ष कंपनियों में प्रति कर्मचारी टोकन व्यय

और AI अधिक नौकरियां पैदा कर रहा है जितना खत्म कर रहा है।

AI अपनाने के बाद हेडकाउंट वृद्धि

प्रौद्योगिकी ने हमेशा एक समस्या को हल करके दूसरी समस्या पैदा की है।

1830 के दशक में, रेलमार्ग के आगमन ने दुनिया के सबसे बड़े बुनियादी ढांचे के निर्माण को गति दी, जो अब तक देखा गया था। अमेरिकी ट्रैक माइलेज एक दशक में 120 गुना बढ़ गया।

फिर सिस्टम टूट गया।

5 अक्टूबर, 1841 को, मैसाचुसेट्स में वेस्टर्न रेलरोड पर एक साधारण समन्वय विफलता के कारण दो ट्रेनें घातक रूप से टकरा गईं।

जैसे-जैसे रेलवे की जटिलता बढ़ती गई, ट्रेन यात्रा को सुरक्षित रखने के लिए अलग-अलग कंडक्टर पर्याप्त नहीं रह गए। इस प्रकार रेलमार्ग कंपनियों ने दशकों लंबा प्रयास शुरू किया: प्रत्येक भौगोलिक क्षेत्र के लिए प्रबंधकों को काम पर रखना, संगठन के भीतर नई भूमिकाओं को परिभाषित करना, और रिपोर्टिंग लाइनों के साथ स्पष्ट पदानुक्रम स्थापित करना। आधुनिक प्रबंधन का जन्म हुआ। इसके साथ, रेल दुनिया का पहला अरब डॉलर का उद्योग बन गया, अपने चरम पर शेयर बाजार का लगभग 60% प्रतिनिधित्व करता था।

AI फिर से सिस्टम को तोड़ रहा है।

हमने अभी-अभी हर कर्मचारी को, यहां तक कि सबसे खराब को भी, अनंत हेडकाउंट और अनंत बजट दिया है।

AI का प्रबंधन लोगों के प्रबंधन से अधिक कठिन है, क्योंकि AI तुरंत खराबी को बढ़ा देता है। सौभाग्य से, हम अतीत से सीख सकते हैं:

एजेंट कार्यबल और मानव कार्यबल एक ही तरह से विफल होते हैं।

दोनों के बीच 7 प्रमुख समानताओं को समझना AI मूल्य सृजन के अगले ट्रिलियन डॉलर को अनलॉक करेगा।

एजेंट और मानव कार्यबल के 7 समानताएं

1. टोकनमैक्सिंग का मतलब है समस्या पर लोगों को झोंक देना।

टोकनमैक्सिंग हाइप साइकल ने एक महीने से भी कम समय में अपना पूरा कोर्स पूरा कर लिया।

लेकिन खर्च किए गए टोकन की मात्रा कभी भी वास्तविक समस्या नहीं थी।

लोग टोकन पर इतना खर्च इसलिए कर रहे हैं क्योंकि वे नहीं जानते कि उनका उपयोग कैसे किया जाए।

शायद 100 में से 1 कर्मचारी जानता है कि AI को संदर्भ कैसे देना है। यह एक दुर्लभ प्रकार का व्यक्ति है जो किसी प्रक्रिया को स्पष्ट रूप से बता सकता है, जिसके पास प्रदूषित संदर्भ विंडो के साथ सहानुभूति रखने का धैर्य है, या यह भी समझता है कि इसका क्या मतलब है।

अन्य 99 लोगों को एक एजेंट हार्नेस दें और वे "लूप" उत्पन्न करेंगे।

2. लूप्स, मीटिंग्स के बारे में मीटिंग्स हैं।

Claude Code/Cowork, Copilot, Karpathy के Autoresearch, या किसी भी हार्नेस में, लूप्स इस तथ्य के लिए एक बैंडेड हैं कि लगभग कोई भी सफलतापूर्वक प्रॉम्प्ट नहीं कर सकता।

लूप्स मानव अपर्याप्तता की भरपाई करने का एक बलपूर्वक प्रयास है। एजेंट खुद को ठीक करने के लिए खुद को बुलाते हैं, केवल इसलिए कि एक मानव ने कभी भी कार्य को स्पष्ट रूप से व्यक्त नहीं किया। बल प्रयोग प्रगति का एकमात्र रास्ता बन जाता है। यह सब कार्य को पहली बार में सफलतापूर्वक समझने में मानव विफलता से उपजा है।

आप टोकन खर्च करने पर टोकन खर्च कर रहे हैं।

3. बर्बाद टोकन नया हेडकाउंट ब्लोट है।

आज अधिकांश कंपनियां कुप्रबंधित हैं।

अधिकांश कर्मचारी व्यवसाय को सार्थक रूप से प्रभावित नहीं करते हैं। वे मशीन में दांत हैं, प्रत्येक परत पर अनुमोदन मुहर लगाते हैं और एक ऐसी मशीन को ईंधन देने के लिए अधिक दांत काम पर रखते हैं जो केवल अस्तित्व में रहने के लिए मौजूद है।

वे लूपिंग कर रहे हैं।

अक्सर लूप को काटना अधिक कुशल होता है। एलन ने X के 80% स्टाफ को काट दिया और कंपनी ने बेहतर प्रदर्शन किया। प्राइवेट इक्विटी ऑपरेटिंग पार्टनर इस सरल तथ्य पर मध्यस्थता करके जीविकोपार्जन करते हैं।

जिस तरह 80% कर्मचारी कुछ नहीं करते, उसी तरह आज 80% टोकन कुछ नहीं करते।

लोग अधिक लोग बनाते हैं। टोकन अधिक टोकन बनाते हैं। लूपिंग नया साम्राज्य निर्माण है।

4. 100X टोकन नए 10X इंजीनियर हैं।

सॉफ्टवेयर का वादा यह था कि हम इसे एक बार बनाएंगे, इसे हमेशा कम लागत पर चलाएंगे, और इसे कभी पर्यवेक्षण करने की आवश्यकता नहीं होगी। AI ने उस वादे को तोड़ दिया। जैसे ही सॉफ्टवेयर कुछ भी कर सकता था, वह किसी एक चीज़ को अनुमानित रूप से नहीं कर सकता था।

टोकन एक कार्यबल की तरह व्यवहार करते हैं, और जैसे ही आप टोकन को कर्मचारियों के रूप में देखते हैं, AI के वादे टूटने लगते हैं:

• "टोकन मनुष्यों की तुलना में अधिक सटीक हैं" लेकिन केवल तभी जब सही ढंग से प्रॉम्प्ट किया जाए।
• "टोकन मनुष्यों से तेज़ हैं" फिर भी 100 पुनर्प्रयासों में गति का कोई मतलब नहीं है।
• "टोकन राजनीति नहीं खेलते" लेकिन वे टोकन व्यय के साम्राज्य बनाते हैं।
• "टोकन छोड़ते नहीं हैं" लेकिन वे नए मॉडल रिलीज़ और नए सत्रों के बीच मर जाते हैं।
• "टोकन पर भरोसा किया जा सकता है" फिर भी वे सही फॉर्मेटिंग में आत्मविश्वास से विफल होते हैं।

एक जगह जहां AI वास्तव में मनुष्यों को मात देता है, वह स्केलेबिलिटी है। मनुष्यों को स्केल करना भर्ती, ऑनबोर्डिंग और अट्रिशन में भारी ऊर्जा जलाता है। टोकन को स्केल करना तत्काल है। यही कारण है कि उनका कुप्रबंधन करना इतना महंगा है, और आपको 100X टोकन क्यों ढूंढना और स्केल करना चाहिए।

10X इंजीनियर ने कंपनियों के पिछले युग का निर्माण किया। 100X टोकन अगले युग का निर्माण करेगा।

जिस तरह मुट्ठी भर कर्मचारी दूसरों को 10X अधिक उत्पादक बनाते हैं, उसी तरह किसी भी कार्य के लिए कुछ टोकन संदर्भ AI प्रयास को परिमाण के क्रमों से कम कर सकते हैं। ऐसे टोकन मौजूद हैं जो आपको 100X अधिक लीवरेज देंगे।

मनुष्य औसतन टोकन से सस्ते हैं, लेकिन अच्छे टोकन पैमाने पर सस्ते हैं।

प्रबंधन एक को दूसरे में बदल देता है।

5. संदर्भ जमाखोरी नवीनतम नौकरी सुरक्षा रणनीति है।

फर्म के अंदर AI के साथ एक बड़ी राजनीतिक समस्या है, और यह केवल बदतर होती जाएगी।

कर्मचारी AI सिस्टम को अपनी गुप्त चटनी सिखाना नहीं चाहते हैं।

वे इस तथ्य को समझने लगे हैं कि ये सिस्टम केवल उनकी "मदद" करने या "उत्पादकता बढ़ाने" के लिए नहीं हैं।

Meta को देखें, जहां शेयर धारण करने वाले कर्मचारी, जो AI को सही करने के लिए बेतहाशा प्रेरित हैं, इस बात से नाराज हैं कि कंपनी कर्मचारी संदर्भ को प्रशिक्षण डेटा के रूप में उपयोग कर रही है। यह एक टेक कंपनी में है… एक संघर्ष जो इस बात का एक सूक्ष्म रूप है कि हर उद्योग में क्या होने वाला है।

https://x.com/Polymarket/status/2061903052966076882

जनजातीय ज्ञान सदियों से नौकरी की सुरक्षा रही है। मध्ययुगीन गिल्ड अपने तरीकों को गुप्त रखते थे। AI पहली तकनीक है जो श्रमिकों से यह सब एक साथ सौंपने के लिए कहती है।

कोई भी अपने प्रतिस्थापन को मुफ्त में प्रशिक्षित नहीं करता है।

जिन लोगों के पास 100X टोकन हैं, उनके पास उन्हें सौंपने का सबसे कम प्रोत्साहन है। भावनात्मक, संरचनात्मक और राजनीतिक रूप से, फर्में अपने भविष्य के लिए सबसे महत्वपूर्ण तकनीक को अस्वीकार करने के लिए तैयार हैं।

6. इवैल्स नए OKR हैं।

टोकन कार्यबल को प्रबंधित करने का सबसे अच्छा तरीका वही है जो मनुष्यों को प्रबंधित करने का सबसे अच्छा तरीका है: यह परिभाषित करके कि अच्छा कैसा दिखता है।

एक AI उपयोग का मामला जो राजनीति से बच गया, वह कोडिंग है। इसने पाई का विस्तार किया और हर इंजीनियर को बेहतर बनाया।

तंत्र इवैल्स है। आज 99% AI राजस्व कोडिंग है क्योंकि कोडिंग में बिल्ट-इन इवैल्स हैं। कोड चलता है या नहीं चलता।

व्यापक, क्रॉस-डोमेन AI उपयोग के मामले तभी ऑनलाइन होंगे जब कोई आवश्यक इवैल्स का निर्माण करेगा। विशिष्ट इवैल्स आपके कर्मचारियों को प्रॉम्प्ट करना सिखाने या उन्हें चैट हार्नेस देने से अधिक मायने रखते हैं। उनके साथ, AI अर्थव्यवस्था के उन हिस्सों को खाएगा जिन्हें कोड कभी छू नहीं सका।

प्रबंधन का वास्तविक काम फजी मानव प्रक्रियाओं को कोड में बदलना, गुणात्मक को मात्रात्मक के रूप में व्यक्त करना है।

एक फर्म का इवैल सूट इसका सबसे मूल्यवान संसाधन बन जाएगा।

जिस तरह मानव कार्यबल को इष्टतम आउटपुट के लिए लाभान्वित करने में OKR महत्वपूर्ण हैं, उसी तरह इवैल्स असीम रूप से स्केलेबल टोकन कार्यबल को लाभान्वित करने में महत्वपूर्ण होंगे। इवैल्स 100X टोकन चलाने का मार्ग हैं।

इसके अलावा, किन्हीं दो फर्मों के पास एक ही इवैल सेट नहीं होगा। इवैल्स प्रतिस्पर्धात्मक लाभ की कुंजी होंगे। सामान्य इवैल्स या सामान्य एजेंट चलाने वाले संगठन के पास कोई बढ़त नहीं है।

7. अगला ट्रिलियन-डॉलर का अवसर परिवर्तन कंपनी है।

उद्यम वर्षों से फाउंडेशन मॉडल कमिटमेंट, एप्लिकेशन लेयर और आंतरिक निर्माण खरीद रहे हैं। यह सब अर्थशास्त्र के बारे में एक क्रूर सत्य छुपाता है:

किसी के पास अभी तक AI विश्वसनीय रूप से काम नहीं कर रहा है।

सिलिकॉन वैली इस विफलता के प्रति इतना आश्वस्त है कि उसका नवीनतम जुनून आज के व्यवसाय के खिलाफ दांव लगाना है। "नियोफर्म्स" या "AI नेटिव सर्विसेज" स्टार्टअप्स को ज्ञान अर्थव्यवस्था में $21 ट्रिलियन सेवा व्यय पर कब्जा करने के लिए वित्त पोषित किया जा रहा है, इस सिद्धांत पर कि स्थापित कंपनियां, अपनी राजनीति और प्रक्रियाओं में फंसी हुई, कभी भी स्वयं संक्रमण का प्रबंधन नहीं कर पाएंगी।

नियोफर्म्स प्रतिस्पर्धी दबाव प्रदान कर सकते हैं जो "ट्रेडफर्म" AI अपनाने को उत्प्रेरित करता है। लेकिन सबसे बड़ी AI संपत्ति अभी भी स्थापित कंपनियों के अंदर बैठी है: विभेदित प्रक्रियाएं जो पहले से ही काम करती हैं, मौजूदा वितरण चैनलों के माध्यम से स्केलेबल।

वास्तव में, अगली सबसे बड़ी कंपनियां मौजूदा सेवा व्यय को खत्म नहीं करेंगी। वे मौजूदा खिलाड़ियों को एक नए प्रकार की सेवा बेचेंगी:

"AI परिवर्तन कंपनियां" किसी भी नियोफर्म से 10 गुना बड़ी होंगी।

परिवर्तन एक बार के प्रोजेक्ट जैसा लगता है। लेकिन जेवन्स विरोधाभास काम कर रहा है: एक संगठन जो भी उपयोग मामला अपनाता है, वह दस और उजागर करता है। एक फर्म जितनी अधिक AI-सक्षम होती जाती है, वह उतना ही अधिक परिवर्तन का उपभोग करती है, जबकि जो संभव है उसकी सीमा प्रतिदिन आगे बढ़ती है। चल रहे AI परिवर्तन प्रयास प्रतिस्पर्धा का एकमात्र तरीका बन जाएंगे।

Palantir पर विचार करें, कागज पर सॉफ्टवेयर में सबसे अधिक Claude-विघटनकारी कंपनी: उद्यम के लिए हाथ से बने बेस्पोक एप्लिकेशन बनाने वाला आधा ट्रिलियन डॉलर का व्यवसाय। उस तर्क से जिसने SaaS को लगभग अनिवेस्टेबल बना दिया है, $PLTR को $NOW से पहले शून्य होना चाहिए।

ऐसा नहीं है, क्योंकि Palantir कभी सॉफ्टवेयर नहीं बेच रहा था। वह परिवर्तन बेच रहा था।

लेकिन परिवर्तन स्वयं Palantir के पुराने दिनों से विकसित हुआ है। AI-प्रथम दुनिया में, यह ऑन्टोलॉजी, कस्टम सॉफ्टवेयर और दुर्लभ बेस्पोक प्रॉम्प्ट से कहीं अधिक है। असली काम इवैल्स में, टोकन न्यूनीकरण में, व्यवसाय को इतनी गहराई से समझने में है कि आप इसे प्रोग्राम कर सकें।

प्रत्येक फर्म की बारीकियों को एजेंटों में एन्कोड करना दशक का सबसे बड़ा आर्थिक कार्य बन जाएगा।

यह प्रबंधन करने का समय है।

AI बूम के हर चरण का अपना मार्गदर्शक क्लिच रहा है।

हमें बताया गया था कि सोने की भीड़ के दौरान कुदाल बेचें, और हमने बुनियादी ढांचा बनाया। हमें बताया गया था कि "सर्विस-एज़-ए-सॉफ्टवेयर" बेचें, और हमने नियोफर्म्स बनाएं। हमारे पास पर्याप्त बुनियादी ढांचा है। हमारे पास पर्याप्त सेवाएं हैं। अब काम ट्रेनों को समय पर चलाने का है।

यह उद्यम का सर्वेक्षण करने का समय है: 100X टोकन खोजने के लिए, उन लूप्स को रिकॉर्ड करने के लिए जो काम करते हैं, और उस बुद्धिमत्ता को निर्देशित करने के लिए जो बड़े पैमाने पर बर्बाद हो रही है।

मनुष्य अभी-अभी सॉफ्टवेयर से सस्ते हुए हैं।

किसी को अभी भी उन दोनों को बताना होगा कि क्या करना है।

यहाँ उनके विचार के लिए सैम वोल्फ, डेविड ओक्स, @WillManidis, और @Alex_Danco का धन्यवाद। और इसका मसौदा तैयार करने में मदद के लिए, बहुत अधिक लूप्स पर चलने वाले @ClaudeAI फेबल 5 का भी धन्यवाद।