एआई कंपनियों के पास कोई मोट नहीं है – जब तक वे पक्ष नहीं चुनती

एआई उत्पादों के बारे में एक असहज सच्चाई: आपका प्रतिस्पर्धी लाभ की समय सीमा हफ्तों में नहीं, वर्षों में मापी जाती है।

जबकि मूल एआई प्रयोगशालाएं मॉडलों में अरबों का निवेश करती हैं जिन्हें विकसित करने में वर्षों लगते हैं, अनुप्रयोग-स्तर की कंपनियां यह खोज रही हैं कि मोट कlassic अर्थ में मौजूद नहीं हैं। आपकी हत्यारा सुविधा? शुक्रवार तक दोहराई गई। आपका तकनीकी किनारा? अगली तिमाही तक चला गया। खिलाड़ियों की विविधता, मूल मॉडलों की सुलभता, और नवाचार की गति ने एक बाजार बनाया है जहां पहले होना, सबसे अच्छा होना, या अलग होना जीवित रहने की गारंटी नहीं देता है।

लेकिन एक विपरीत तरीका है: प्रौद्योगिकी के साथ जीतने की कोशिश करना बंद करें और जीवित रहने की क्षमता बनाना शुरू करें। वास्तविक मोट आपके द्वारा उपयोग किए जाने वाले एआई में नहीं है – यह आपकी किसी भी एआई का उपयोग करने की क्षमता में है।

मूल विभाजन

एक मूल स्तर है – बड़े मॉडल जैसे कि चैटजीपीटी, ग्रोक और जेमिनी। कई दर्जन मॉडल, अलग-अलग प्रशिक्षित, प्रत्येक अपने फायदे के साथ। लेकिन यह मूलभूत, अनुसंधान-गहन काम है: इंजीनियर वर्षों से श्रम करते हैं, बड़े संसाधन निवेश की आवश्यकता होती है। प्रत्येक के पास एक विशिष्ट मोट है – अन्यथा, संसाधन व्यय को उचित नहीं ठहराया जा सकता है। यही कारण है कि ओपनएआई से इंजीनियरों को पोच करने के प्रयास इतने प्रचारित हैं: वे विशिष्ट विशेषज्ञता के कब्जे में हैं जो किसी भी कीमत पर तेजी से विकसित नहीं की जा सकती है।

लेकिन अनुप्रयोग स्तर पर, चीजें पूरी तरह से अलग हैं। बहुत कम संसाधनों की आवश्यकता है, हालांकि थोड़ा अधिक रचनात्मकता की आवश्यकता है एक एलएलएम को फाइन-ट्यून करने और एक व्यवसाय समस्या का समाधान करने के लिए। हर किसी के पास अपना खेल है, अपना दृष्टिकोण है, अपना उत्पाद है। खिलाड़ियों की विविधता किसी भी बाजार में एक विशिष्ट मोट की संभावना को मारती है – पाठ, ऑडियो या छवि। मूल एआई पर आधारित व्यवसाय समाधान दैनिक रूप से उभरते हैं, कंपनियां नियमित रूप से दिखाई देती हैं, और अक्सर वे एक दूसरे से भिन्न नहीं होते हैं।

वॉइस उद्योग में संभावित विभेदक इस विकास को दर्शाते हैं: शुरू में, हर किसी ने आवाजों को अधिकतम मानव बनाने की कोशिश की, फिर गति प्रश्न बन गई और हर किसी ने同 एक ही कार्य को तेजी से हल करना शुरू किया। अब हम भावनात्मक टैग के युग में हैं। स्पीच रिकग्निशन में, मुख्य मीट्रिक – शब्द/त्रुटि दर – एलएलएम के उदय के साथ उल्लेखनीय रूप से सुधर चुका है जो संदर्भ शब्द उपयुक्तता को समझने में सक्षम हैं।

संक्षेप में, मोट की अनुपस्थिति को किसी भी अनुप्रयोग-स्तरीय उत्पाद के अस्तित्व के किसी भी पहलू में गहराई की कमी से समझाया जा सकता है: यह एआई घटक और व्यवसायिक अनुप्रयोग दोनों में उथला है। जैसे कि एक मूल प्रोडक्ट के मोट को इसके विकास की गहराई से समझाया जा सकता है।

लेकिन क्या अनुप्रयोग-स्तरीय परियोजनाओं को एक मोट की आवश्यकता है? यदि आप एक अपेक्षाकृत बड़े बाजार में काम कर रहे हैं और आपके पास 30 से कम प्रतिस्पर्धी हैं – तो आप सब कुछ वैसा ही छोड़ सकते हैं। बिल्कुल, प्रतिस्पर्धी बड़े हो सकते हैं जैसे कि ओपनएआई और एंथ्रोपिक – लेकिन यहां आपको बाजार के आकार और गतिविधियों की विषयगत भावना पर भरोसा करने की आवश्यकता है, चाहे सभी के लिए पर्याप्त भोजन हो या नहीं। लेकिन अगर बाजार अपेक्षाकृत छोटा है और प्रतिस्पर्धी मशरूम की तरह उग रहे हैं – तो आपको अपने प्रतिस्पर्धी लाभ को स्पष्ट रूप से स्थिति देनी होगी। यह नहीं मायने रखता कि प्रतिस्पर्धी जल्दी से इसे अपनाते हैं या नहीं।

वितरण के रूप में वास्तविक मोट

मुझे संदेह है कि कुछ हद तक यह एक वैध दावा है और वास्तविक मोट प्रौद्योगिकी में नहीं, वितरण डोमेन में है। जो अधिक मायने रखता है वह यह है कि आप कितनी जल्दी अपने ग्राहकों के साथ अपनी उपस्थिति को बढ़ाते हैं और क्या उत्पाद का मूल्य अच्छा एलटीवी सुनिश्चित करता है। अन्यथा, आप कुछ बी2सी अनुप्रयोग बना सकते हैं जिसके साथ उपयोगकर्ता खेल सकते हैं, और वे इसे वायरल रूप से फैला सकते हैं, लेकिन फिर अगले नए ऐप के आने पर इसका उपयोग बंद कर देते हैं।

दो प्रकार के लाभ – और क्यों केवल एक जीवित रहता है

प्रतिस्पर्धी लाभ के दो प्रकार हैं। पहला आपको कुछ अनोखे ज्ञान या हत्यारा सुविधा के लिए धन्यवाद यहां और अब जीतने देता है जो प्रतिस्पर्धियों के पास नहीं है। दूसरा आपको लंबे समय में हारने से बचने देता है क्योंकि आप स्थायित्व बना रहे हैं।

एआई उत्पादों के साथ, वास्तविक दुनिया का अभ्यास पहले से ही दिखा रहा है कि पहले प्रकार का लाभ बहुत तेजी से मिट जाता है: प्रतिस्पर्धी डराने वाली गति से अंतर को बंद कर देते हैं।

यही कारण है कि दूसरे प्रकार पर ध्यान केंद्रित करना समझ में आता है: अधिकतम उत्पाद की टिकाऊपन। यह एक उत्पाद बनाने से प्राप्त किया जाता है जो किसी भी एलएलएम प्रदाता के साथ काम कर सकता है और तुरंत बीच में स्विच कर सकता है – उस क्षण जब वर्तमान मॉडल जिस पर आपका व्यवसाय आधारित है स्पष्ट रूप से अगले सर्वश्रेष्ठ मॉडल से पिछड़ने लगता है।

दिया गया है, अंतर्निहित एलएलएम परतों से स्वतंत्रता का माप एक मजबूत मोट बन जाता है जो कि केवल विपणन या तकनीकी प्रयासों से अधिक है। विक्रेता-अज्ञेय होना न केवल एक अच्छा है – यह एकमात्र रक्षात्मक स्थिति है जब जमीन आपके नीचे मासिक रूप से बदलती रहती है।

बहु-मॉडल रणनीति की छिपी जटिलता

जबकि विक्रेता-अज्ञेयता दीर्घकालिक सुरक्षा प्रदान करती है, कार्यान्वयन महत्वपूर्ण चुनौतियों को प्रकट करता है। जैसा कि अलेक्सी आयलारोव बताते हैं, “यह आसान नहीं है, क्योंकि सभी मॉडलों में अपनी विशिष्टता/मुद्दे हैं।”

मुख्य समस्या: एलएलएम इंटरचेंजेबल नहीं हैं। एक ही इनपुट के साथ आउटपुट भिन्न होता है – यहां तक कि एक ही एलएलएम के भीतर भी, लेकिन अधिक ड्रामेटिक रूप से जब प्रदाताओं के बीच स्विचिंग होती है। प्रत्येक मॉडल प्रॉम्प्ट और निर्देशों का जवाब अलग-अलग तरह से देता है: कुछ दिशानिर्देशों का बेहतर पालन करते हैं, अन्य खराब; प्रदर्शन भाषा-विशिष्ट या लक्ष्य-विशिष्ट हो सकता है।

एक कंक्रीट उदाहरण: सोरा या वियो जैसी छवि/वीडियो जेनरेटिंग सेवाओं पर विचार करें। उन्हें समान इनपुट दें और आपको पूरी तरह से अलग परिणाम मिलेंगे। यह परिवर्तन सभी एलएलएम अनुप्रयोगों में लागू होता है।

ट्यूनिंग चुनौती: बहु-मॉडल संगतता बनाए रखने के लिए, आपको:

• प्रत्येक एलएलएम के लिए अलग-अलग प्रॉम्प्ट/निर्देश बनाने होंगे जो आपका वांछित परिणाम उत्पन्न करते हैं
• जानना होगा कि प्रत्येक एलएलएम कैसे भिन्न है और इनपुट के अनुसार समायोजित करना होगा
• एक कार्य में शामिल होना होगा जो अक्सर रूटीन के बजाय रचनात्मक होता है
• स्वीकार करना होगा कि यह प्रक्रिया “अधिकांश मामलों में अपेक्षाकृत कठिन है स्वचालित करने के लिए”

इसके लिए प्रत्येक मॉडल के लिए महत्वपूर्ण ट्यूनिंग प्रयास की आवश्यकता होती है। अग्रिम निवेश महत्वपूर्ण है: आपको उन सभी एलएलएम के लिए प्रॉम्प्ट विकसित करने होंगे जिसके बाद आप उनमें से किसी के बीच स्विच कर सकते हैं। इसके अलावा, यह तैयारी केवल मौजूदा मॉडलों को कवर करती है – जब नए एलएलएम उभरते हैं, तो ट्यूनिंग प्रक्रिया फिर से शुरू होती है।

मोट उन्हें मिलता है जिन्होंने परीक्षण बुनियादी ढांचे, प्रॉम्प्ट इंजीनियरिंग विशेषज्ञता और संचालन अनुशासन में निवेश किया है जो वास्तव में कई एलएलएम के पार संगतता बनाए रखने में सक्षम हैं – और इस प्रक्रिया को दोहराते हैं क्योंकि परिदृश्य विकसित होता है। यह क्षमता एक प्रकार की तकनीकी गहराई बन जाती है जिसे प्रतिस्पर्धी आसानी से दोहरा नहीं सकते हैं, भले ही वे रणनीति को समझते हों।

विरोधाभास: आपका मोट है कि आपके पास कोई मोट नहीं है

यही बात विक्रेता-अज्ञेयता को इतनी शक्तिशाली बनाती है: यह एकमात्र प्रतिस्पर्धी लाभ है जो बाजार अधिक अराजक होने के साथ मजबूत होता जाता है।

जब आपके प्रतिस्पर्धी अपने पूरे उत्पाद को जीपीटी-4 पर बनाते हैं और एक बेहतर मॉडल गिरता है, तो वे एक अस्तित्ववादी पुनर्डिज़ाइन का सामना कर रहे हैं। जब आप मॉडलों को स्विच करने के लिए बुनियादी ढांचा बनाते हैं, तो आप मंगलवार का सामना कर रहे हैं। जो कंपनियां जीवित रहती हैं वे वे नहीं होंगी जिन्होंने सही मॉडल चुना – वे वे होंगी जिन्हें कभी भी चुनना नहीं पड़ा।

हाँ, कई एलएलएम के लिए निर्माण करना महंगा है। हाँ, यह रचनात्मक इंजीनियरिंग कार्य की आवश्यकता है जो स्वचालित करना मुश्किल है। हाँ, आप प्रत्येक प्रदाता के लिए समानांतर प्रॉम्प्ट रणनीतियों को बनाए रखने के लिए आवश्यक हैं। लेकिन यही वह बाधा है जो प्रवेश को रोकती है। मोट प्रौद्योगिकी में नहीं है – यह प्रौद्योगिकी परिवर्तन को प्रबंधित करने की संचालन मांसपेशियों में है।

अधिकांश एआई कंपनियां आज जीतने के लिए अनुकूलन कर रही हैं। अज्ञेय कंपनियां कल भी यहां रहने के लिए अनुकूलन कर रही हैं। एक बाजार में जहां कल का सफलता आज का आधार है, यह अंतर सब कुछ है।