एआई कंपनियों के पास कोई मोट नहीं है – जब तक वे पक्ष चुनना बंद नहीं करतीं

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

जबकि मूल एआई प्रयोगशालाएं मॉडलों में अरबों का निवेश करती हैं जिन्हें बनाने में वर्षों लगते हैं, एप्लिकेशन-लेयर कंपनियां यह पता लगा रही हैं कि पारंपरिक अर्थ में मोट नहीं हैं। आपकी किलर फीचर? शुक्रवार तक दोहराया गया। आपका तकनीकी किनारा? अगली तिमाही में चला गया। खिलाड़ियों की विविधता, मूल मॉडल की पहुंच, 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 विरोधाभासी तरीका है: प्रौद्योगिकी के साथ जीतने की कोशिश करना बंद करें और इसे जीवित रहने की क्षमता बनाना शुरू करें। वास्तविक मोट एआई में नहीं है जिसका आप उपयोग करते हैं – यह आपकी क्षमता में है कि आप किसी भी एआई का उपयोग कर सकते हैं।

मूल विभाजन

एक मूल स्तर है – बड़े मॉडल जैसे कि चैटजीपीटी, ग्रोक और जेमिनी। कई दर्जन मॉडल, अलग तरह से प्रशिक्षित, प्रत्येक अपने फायदे के साथ। लेकिन यह मूलभूत, अनुसंधान-गहन काम है: इंजीनियर वर्षों से श्रम करते हैं, जिसमें 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 चोरी करने के प्रयास इतने अच्छी तरह से प्रचारित हैं: वे विशिष्ट विशेषज्ञता के मालिक हैं जो तेजी से किसी भी कीमत पर नहीं बढ़ाया जा सकता है।

लेकिन एप्लिकेशन स्तर पर, चीजें पूरी तरह से अलग हैं। कम संसाधनों की आवश्यकता है, हालांकि थोड़ी 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 होने की संभावना को मार देती है – पाठ, ऑडियो या छवि। 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 एक ही कार्य को तेजी से हल करना शुरू कर दिया। अब हम भावनात्मक टैग के युग में हैं। स्पीच रिकग्निशन में, मुख्य मेट्रिक – शब्द/त्रुटि दर – एलएलएम के उद्भव के साथ उल्लेखनीय रूप से सुधरी है जो संदर्भ शब्द उपयुक्तता को समझने में सक्षम हैं।

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

क्या एप्लिकेशन-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 प्रतियोगी हैं – तो आप सब कुछ वैसा ही छोड़ सकते हैं। निश्चित रूप से, प्रतियोगी 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 कि क्या सभी के लिए पर्याप्त भोजन है या नहीं। लेकिन अगर बाजार अपेक्षाकृत छोटा है और प्रतियोगी मशरूम की तरह उग रहे हैं – तो आपको अपने प्रतिस्पर्धी लाभ को स्पष्ट रूप से स्थिति देनी होगी। यह नहीं मायने रखता कि प्रतियोगी इसे जल्दी से अपना लें।

वितरण के रूप में वास्तविक मोट

मुझे संदेह है कि कुछ हद तक यह एक वैध कथन है और वास्तविक मोट प्रौद्योगिकी में नहीं है, बल्कि वितरण क्षेत्र में है। जो अधिक मायने रखता है वह यह है कि आप अपनी उपस्थिति को कितनी तेजी से ग्राहकों के साथ 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 यहां और अब एक स्पष्ट किनारे के साथ जीतने देता है – कुछ अद्वितीय ज्ञान या किलर फीचर के लिए धन्यवाद जो प्रतियोगियों के पास नहीं है। दूसरा आपको लंबे समय में हारने से बचने देता है, क्योंकि आप स्थिरता 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: प्रतियोगी भयानक गति से अंतर को भर 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 बना है स्पष्ट रूप से अगले सर्वश्रेष्ठ मॉडल से पीछे रहने लगता है।

दिया गया, मूल एलएलएम परतों से स्वतंत्रता का माप विपणन या तकनीकी प्रयासों के अकेले की तुलना में एक मजबूत मोट बन जाता है। विक्रेता-अज्ञेय होना बस एक अच्छा होने की बात नहीं है – यह तब एक मजबूत स्थिति है जब जमीन आपके नीचे मासिक रूप से बदलती है।

बहु-मॉडल रणनीति की छिपी जटिलता

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

मूल समस्या: एलएलएम इंटरचेंजेबल नहीं हैं। आउटपुट एक ही इनपुट के साथ भिन्न होता है – यहां तक कि एक ही एलएलएम के भीतर, लेकिन विभिन्न प्रदाताओं के बीच स्विच करने पर बहुत अधिक। प्रत्येक मॉडल प्रोम्प्ट और निर्देशों का जवाब 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 एक ही 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 प्रोम्प्ट/निर्देश बनाने होंगे जो आपका वांछित परिणाम देते हैं
• जानना होगा कि प्रत्येक एलएलएम कैसे भिन्न है और इनपुट को उसी के अनुसार ट्यून करना होगा
• एक काम में शामिल होना होगा जो अक्सर रूटीन की तुलना में रचनात्मक होता है
• स्वीकार करना होगा कि यह प्रक्रिया “अधिकांश मामलों में अपेक्षाकृत कठिन होने के लिए स्वचालित है”

प्रत्येक मॉडल के लिए महत्वपूर्ण ट्यूनिंग प्रयास की आवश्यकता है। अग्रिम निवेश महत्वपूर्ण है: आपको सभी एलएलएम के लिए प्रोम्प्ट विकसित करने होंगे इससे पहले कि आप उन्हें स्वतंत्र रूप से बीच में स्विच कर सकें। 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 परीक्षण बुनियादी ढांचे, प्रोम्प्ट इंजीनियरिंग विशेषज्ञता और संचालन अनुशासन में निवेश से आता है जो वास्तव में बहु-मॉडल संगतता को बनाए रखता है – और इस प्रक्रिया को दोहराता है क्योंकि परिदृश्य विकसित होता है। यह क्षमता एक प्रकार की तकनीकी गहराई बन जाती है जिसे प्रतियोगी आसानी से दोहरा नहीं सकते हैं, भले ही वे रणनीति को समझते हों।

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

विक्रेता अज्ञेयता को इतना शक्तिशाली बनाने वाली बात यह है: यह एकमात्र प्रतिस्पर्धी लाभ है जो बाजार अधिक अराजक होने के साथ मजबूत होता जाता है।

जब आपका प्रतियोगी अपना पूरा उत्पाद जीपीटी-4 पर बनाता है और एक बेहतर मॉडल गिरता है, तो वे एक अस्तित्ववादी पुनःडिज़ाइन 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 बचती हैं वे वे नहीं होंगी जिन्होंने सही मॉडल चुना – वे वे होंगी जिन्हें कभी चुनना नहीं पड़ा।

हां, कई एलएलएम के लिए निर्माण करना आगे की ओर महंगा है। हां, यह रचनात्मक इंजीनियरिंग कार्य की आवश्यकता है जो कठिन होने के लिए स्वचालित है। हां, आप वास्तव में प्रत्येक प्रदाता के लिए समानांतर प्रोम्प्ट रणनीतियों को बनाए रखते हैं। लेकिन यही वह है जो प्रवेश की बाधा बनाता है। मोट प्रौद्योगिकी में नहीं है – यह तकनीकी परिवर्तन को प्रबंधित करने की संचालन मांसपेशियों में है।

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