पीटर पैंग, सीईआरएओ के सह-संस्थापक और सीटीओ – साक्षात्कार श्रृंखला

पीटर पैंग, सीईआरएओ के सह-संस्थापक और सीटीओ, कृत्रिम बुद्धिमत्ता अनुसंधान और मशीन लर्निंग इन्फ्रास्ट्रक्चर में गहरी पृष्ठभूमि के साथ उभरते हुए एजेंटिक एआई स्पेस में आते हैं। सीईआरएओ को 2025 में लॉन्च करने से पहले, पैंग ने लगभग छह साल मेटा में एक अनुसंधान वैज्ञानिक के रूप में काम किया, जिसमें एलएलएएमए फाउंडेशन मॉडल से जुड़े जनरेटिव एआई पहलों पर काम किया, जिसमें डेटा एनोटेशन और सिंथेटिक डेटा जेनरेशन के लिए एलएलएम एजेंटिक सिस्टम शामिल थे। मेटा से पहले, उन्होंने एप्पल में एक मशीन लर्निंग इंजीनियर के रूप में काम किया, जिसमें एनएलपी, ट्रांसफर लर्निंग, डीप लर्निंग और प्रेडिक्टिव सिस्टम पर ध्यान केंद्रित किया गया, जबकि उनके शुरुआती वर्ष ब्रुकहेवन नेशनल लेबोरेटरी में उन्हें उन्नत वैज्ञानिक अनुसंधान और प्रयोगात्मक प्रणालियों के संपर्क में लाया। उनका अनुभव फ्रंटियर एआई अनुसंधान, बड़े पैमाने पर मशीन लर्निंग और स्वायत्त प्रणालियों में अब सीईआरएओ के तकनीकी दृष्टिकोण को आकार देता है जो एआई एजेंटों का निर्माण करता है जो स्थायी निष्पादन, स्मृति और कार्य प्रवाह स्वचालन के लिए सक्षम हैं।

सीईआरएओ एक एआई-मूल प्लेटफ़ॉर्म है जो व्यक्तियों और व्यवसायों को पारंपरिक कोडिंग के बजाय प्राकृतिक भाषा के माध्यम से स्वायत्त एआई एजेंटों और कार्य प्रवाह बनाने में मदद करने पर केंद्रित है। कंपनी अपने “सुपर एजेंट” को एक स्थायी एआई प्रणाली के रूप में प्रस्तुत करती है जो न केवल आउटपुट उत्पन्न कर सकती है, बल्कि सफल कार्यों को पुन: प्रयोज्य एजेंटों में परिवर्तित कर सकती है जो स्मृति, अनुसूची, और बाहरी उपकरणों और एपीआई के साथ एकीकरण के साथ निरंतर काम कर सकते हैं। सीईआरएओ का प्लेटफ़ॉर्म ओपनएआई, एंथ्रोपिक, गूगल, और अन्य जैसे प्रमुख फ्रंटियर एआई मॉडलों को सपोर्ट करता है, जबकि एक एआई-फ़र्स्ट ऑपरेटिंग मॉडल पर जोर देता है जहां एजेंट ऑपरेशनल निष्पादन को संभालते हैं न कि एक-बार सहायक के रूप में। पालो अल्टो में स्थापित, कंपनी एजेंटिक एआई कार्य प्रवाह, नो-कोड स्वचालन, और व्यवसायों और स्वतंत्र पेशेवरों के लिए मापनीय एआई ऑर्केस्ट्रेशन को आगे बढ़ाने पर केंद्रित है।

आप मेटा में लगभग छह साल तक एलएलएएमए फाउंडेशन मॉडल और सिंथेटिक डेटा जेनरेशन के लिए एजेंटिक सिस्टम पर काम करने के बाद क्रियो एआई के सह-संस्थापक बने। आपको क्या लगा कि यह सही समय था और मौजूदा एआई प्लेटफ़ॉर्म क्या समस्या हल नहीं कर रहे थे?

मेटा में, मैंने मॉडल क्षमता में नाटकीय सुधार देखा जब प्रत्येक पीढ़ी में सुधार हुआ। मैंने एलएलएएमए को स्केल किया। मैंने देखा कि इन मॉडलों ने नियंत्रित सेटिंग्स में क्या कर सकते हैं। जो अंतर बढ़ रहा था वह मॉडल की क्षमता में नहीं था – यह लोगों को वास्तव में क्या मिल रहा था।

हर प्लेटफ़ॉर्म ने आपको एक ही इंटरफ़ेस दिया: एक चैट विंडो। आप पूछते हैं, यह जवाब देता है, आप काम करते हैं। एआई एक ठेकेदार है जो प्रत्येक शिफ्ट के बीच सब कुछ भूल जाता है। आप इसे कल फिर से चलाते हैं। सिस्टम कुछ नहीं सीखता है। आपका व्यवसाय वही रहता है।

यही समस्या थी। मॉडल की बुद्धिमत्ता नहीं। निष्पादन। कोई भी ऐसी प्रणाली नहीं बना रहा था जहां एआई परिणाम को बातचीत से निष्पादन तक ले जा सकता है, इसे बनाए रख सकता है, और बिना मानव हस्तक्षेप के दोहरा सकता है।

मेरी भौतिकी पृष्ठभूमि ने मुझे प्रणालियों में सोचने के लिए सिखाया, न कि घटकों में। ब्रुकहेवन और स्टोनी ब्रुक में अपनी पीएचडी के माध्यम से, मैंने वर्षों तक प्रयोगात्मक पाइपलाइनों का निर्माण किया जहां उपकरण, डेटा संग्रह, और विश्लेषण को एक बंद लूप में काम करना था या परिणाम कुछ भी नहीं थे। एप्पल में, मैंने मल्टीमॉडल मॉडल पर काम किया और उसी पैटर्न को देखा: कच्ची क्षमता के बिना एक प्रणाली नहीं है।

जब काई और मैंने सीईआरएओ के बारे में बात की, तो थीसिस विशिष्ट थी: उद्योग को एक और चैटबॉट की आवश्यकता नहीं है। एक बंद लूप की आवश्यकता है – एआई जो उपकरण बनाता है, उन्हें चलाता है, और समय के साथ बेहतर होता है। मॉडल अंततः पर्याप्त अच्छे थे। कोई भी लूप नहीं बना रहा था।

सीईआरएओ खुद को एक प्लेटफ़ॉर्म के रूप में वर्णित करता है जहां एआई दोनों उपकरण बना सकता है और स्वचालित रूप से काम कर सकता है। आप बाजार में उपलब्ध एआई कोपिलॉट की लहर के बीच एक “बंद-लूप” एआई प्रणाली के बीच के अंतर को कैसे परिभाषित करते हैं?

एक कोपिलॉट आपके बगल में बैठता है। आप ड्राइव करते हैं, यह सुझाव देता है। अगर आप सो जाते हैं, तो कोपिलॉट कुछ नहीं करता है।

एक बंद-लूप प्रणाली पूरे चक्र को पूरा करती है: अवलोकन, कार्रवाई, सीखना, सुधार। मानव परिणाम को परिभाषित करता है। प्रणाली निष्पादन, स्थायित्व, और पुनरावृत्ति को संभालती है।

सीईआरएओ में, हम इसे एक हार्नेस प्रणाली के रूप में सोचते हैं। एक एजेंट एक ईमेल ड्राफ्ट कर सकता है, एक बग को ट्राइएज कर सकता है, या एक रिपोर्ट का सारांश कर सकता है। लेकिन एक एजेंट ही नहीं है। यह एक एजेंट को एक-शॉट टूल से एक स्व-सुधार इंजन में बदल देता है। यह एक लूप का पालन करता है: कनेक्शन, ऑडिटिंग, समाधान, निर्माण, स्व-सुधार। प्रणाली आपके वास्तविक डेटा स्रोतों से जुड़ती है – आपके रिपॉजिटरी, आपके त्रुटि लॉग, आपके विज्ञापन खाते। यह वर्तमान स्थिति का मूल्यांकन करती है। यह समाधान का प्रस्ताव करती है। एजेंटों को उन समाधानों को निष्पादित करने के लिए बनाया जाता है। आउटपुट वापस आ जाते हैं। एक नई ऑडिट राउंड शुरू होती है। लूप कस जाता है।

यह “मेरे पास एक एजेंट है जो एक्स करता है” से संरचनात्मक रूप से अलग है। यह एक प्रणाली है जो यह पता लगाती है कि एक्स क्या होना चाहिए, एक्स बनाती है, एक्स को मापती है, और एक्स को बिना आपको बताए सुधारती है।

अधिकांश कोपिलॉट एआई-सहायता प्राप्त हैं। एक बंद लूप एआई-संचालित है। यह विभाजित रेखा है।

आपका हालिया पोस्ट “हार्नेस इंजीनियरिंग” और एआई-पहले संगठनों पर बहुत ध्यान आकर्षित किया। सीईआरएओ में 99% उत्पादन कोड अब एआई-लिखित होने के विचार से आपको क्या सबसे ज्यादा आश्चर्य हुआ?

पोस्ट ने 1.8 मिलियन व्यूज़ हिट किए। मैंने इसे हमारी टीम के लिए दस्तावेज़ के रूप में लिखा था – हमने कैसे पुनर्गठित किया और क्या सीखा। मुझे इतना बड़ा प्रभाव नहीं मिलेगा।

जो मुझे आश्चर्य हुआ वह प्रतिक्रियाओं में विभाजन था। एक समूह ने कहा कि यह असंवेदनशील है, कि आप उत्पादन में एआई-जनरेटेड कोड पर भरोसा नहीं कर सकते। दूसरे समूह ने कहा: “हम वही देख रहे हैं और कोई इसके बारे में बात नहीं कर रहा है।”

दूसरे समूह ने मुझे कुछ महत्वपूर्ण बताया। उद्योग में कई टीमें इस संक्रमण से गुजर रही हैं। एक रिपोर्टर ने मुझसे कहा कि उन्होंने इस विषय पर लगभग पांच लोगों से बात की थी। उन्होंने कहा कि हम इस पर आगे हैं: “मुझे लगता है कि किसी ने भी अपने पूरे कार्य प्रवाह को इस तरह से पुनर्निर्मित नहीं किया है।”

99% की संख्या उत्तेजक लगती है, लेकिन यह मानव बोतलनेक को एक-एक करके हटाने का परिणाम है। जब आप वास्तुकला को इस तरह डिज़ाइन करते हैं कि एजेंट पूरे कोडबेस को देख सकते हैं – हमने सब कुछ एक ही मोनोरेपो में एकजुट किया ताकि एआई सब कुछ देख सके – और आपका सीआई/सीडी पाइपलाइन में छह निर्धारित चरण हैं, और तीन समांतर एआई समीक्षा पास प्रत्येक पीआर पर गुणवत्ता, सुरक्षा, और निर्भरता मुद्दों को पकड़ते हैं, और स्व-उपचार लूप त्रुटियों का पता लगाता है, उन्हें ट्राइएज करता है, और स्वचालित रूप से ठीक करता है, तो मानव भूमिका कोड लिखने से एजेंटों द्वारा कोड लिखने वाली प्रणाली को डिज़ाइन करने में बदल जाती है। कोड की मात्रा स्वाभाविक रूप से इसका पालन करती है।

जो मुझे सबसे ज्यादा आश्चर्य हुआ वह यह है कि अधिक सीटीओ सार्वजनिक रूप से ऐसा नहीं कह रहे हैं। मुझे लगता है कि कई लोग ऐसा कर रहे हैं लेकिन धारणा से डर रहे हैं।

आपके लेख में, आप तर्क देते हैं कि अधिकांश कंपनियां अभी भी “एआई-सहायता प्राप्त” हैं और वास्तव में “एआई-पहले” नहीं हैं। जब वे मानते हैं कि वे पहले से ही एआई-मूल संगठनों के रूप में काम कर रहे हैं, तो नेतृत्व टीमों के पास क्या सबसे बड़े भ्रम हैं?

मैं टीमों को एआई-पहले होने का दावा करते हुए देखता हूं, लेकिन वे अभी भी उसी स्प्रिंट चक्र, उसी जीरा बोर्ड, उसी साप्ताहिक स्टैंडअप, उसी जीक्यू साइन-ऑफ़ के साथ चल रहे हैं। उन्होंने लूप में एआई जोड़ा। उन्होंने लूप को पुनर्निर्मित नहीं किया।

सबसे बड़ा भ्रम: “हम एआई टूल का उपयोग करते हैं, इसलिए हम एआई-पहले हैं। ” एक इंजीनियर कर्सर खोलता है। एक पीएम चैटजीपीटी के साथ विशिष्टता तैयार करता है। क्यूए एआई परीक्षण पीढ़ी के साथ प्रयोग करता है। कार्य प्रवाह वही रहता है। कुशलता 10 से 20 प्रतिशत बढ़ जाती है। कुछ संरचनात्मक रूप से नहीं बदलता है। यह एआई-सहायता प्राप्त है।

परीक्षण यह है: यदि आप कल सभी एआई टूल हटा दें, तो क्या आपकी प्रक्रिया को बदलने की आवश्यकता होगी, या केवल आपके टूल? यदि प्रक्रिया वही रहती है, तो आप एआई-पहले नहीं हैं।

दूसरा भ्रम यह है कि एआई-पहले एक इंजीनियरिंग निर्णय है। यदि इंजीनियरिंग घंटों में सुविधाएं जारी करती है, लेकिन विपणन उन्हें घोषित करने में एक सप्ताह लेता है, तो विपणन बोतलनेक है। यदि उत्पाद टीम अभी भी मासिक योजना चक्र चला रही है, तो योजना बोतलनेक है। सीईआरएओ में, हमने एआई-मूल संचालन को हर कार्य में धकेल दिया: रिलीज़ नोट्स चेंजलॉग से उत्पन्न, सुविधा परिचय वीडियो एआई द्वारा बनाए गए, सोशल मीडिया को एआई द्वारा समन्वित और स्वचालित रूप से प्रकाशित किया गया, स्वास्थ्य रिपोर्ट उत्पादन डेटाबेस से उत्पन्न। इंजीनियरिंग, उत्पाद, विपणन, और विकास एक ही एआई-मूल कार्य प्रवाह में चलते हैं। यदि एक कार्य एआई गति से संचालित होता है और दूसरा मानव गति से, तो मानव गति वाला कार्य सब कुछ सीमित करता है।

तीसरा भ्रम यह है कि यह संक्रमण धीरे-धीरे हो सकता है। एक सामान्य संस्करण यह है जिसे लोग “वाइब कोडिंग” कहते हैं। कर्सर खोलें, तब तक प्रॉम्प्ट करें जब तक कि कुछ काम न करे, प्रतिबद्ध करें, दोहराएं। यह प्रोटोटाइप उत्पन्न करता है। एक उत्पादन प्रणाली को स्थिरता, विश्वसनीयता, और सुरक्षा की आवश्यकता होती है। आपको एक प्रणाली की आवश्यकता है जो एआई द्वारा लिखे गए कोड के लिए उन गुणों को गारंटी दे। आप प्रणाली बनाते हैं। प्रॉम्प्ट विस्मरणीय हैं।

आप लिखते हैं कि वास्तविक सफलता तब आई जब सीईआरएओ ने अपने पूरे इंजीनियरिंग कार्य प्रवाह को एआई एजेंटों के चारों ओर पुनर्निर्मित किया, न कि बस मौजूदा प्रक्रियाओं में एआई टूल जोड़े। इस संक्रमण का सबसे कठिन हिस्सा आपकी टीम के लिए क्या था?

दोनों ही, लेकिन वे अलग-अलग कठिन हैं।

ऑपरेशनल रूप से, सबसे कठिन निर्णय कोडबेस को एकजुट करना था। हमारी पुरानी वास्तुकला कई स्वतंत्र प्रणालियों में बिखरी हुई थी। एक बदलाव में तीन या चार रिपॉजिटरी को छूने की आवश्यकता हो सकती है। मानव इंजीनियर के दृष्टिकोण से, प्रबंधनीय। एआई एजेंट के दृष्टिकोण से, अपारदर्शी। एजेंट पूरे चित्र को नहीं देख सकता है। यह क्रॉस-सेवा निहितार्थ के बारे में तर्क नहीं कर सकता है। यह स्थानीय रूप से एकीकरण परीक्षण नहीं चला सकता है।

मैंने एक सप्ताह नई प्रणाली को डिज़ाइन करने और एक सप्ताह पूरे कोडबेस को एजेंटों का उपयोग करके पुनर्वास्तुकार करने में बिताया। यह एक साहसिक कॉल था। यदि यह विफल हो जाता है, तो हमारे पास एक टूटा हुआ मोनोरेपो और एक टूटा हुआ मल्टी-रिपॉजिटरी सेटअप होगा। लेकिन सिद्धांत स्पष्ट है: जितना अधिक आप अपनी प्रणाली को एक रूप में खींचते हैं जिसे एजेंट देख सकता है, मान्य कर सकता है, और संशोधित कर सकता है, उतना ही अधिक लाभ आप प्राप्त करते हैं। एक खंडित कोडबेस एजेंटों के लिए अदृश्य है। एक एकजुट एक पठनीय है।

सांस्कृतिक रूप से, सबसे कठिन हिस्सा पहचान था। इंजीनियर अपनी कीमत कोड में पाते हैं जो वे लिखते हैं। जब एआई 99% कोड लिखता है, तो प्रश्न यह बन जाता है: मेरी नौकरी अब क्या है? यह एक प्रक्रिया प्रश्न नहीं है। यह अस्तित्ववादी है।

मैं यह नहीं कहूंगा कि हर कोई खुश था। जब मैंने रोजाना लोगों से बात करना बंद कर दिया क्योंकि मेरा प्रबंधन समय 60% से 10% से कम हो गया, तो कुछ टीम के सदस्यों ने अनिश्चित महसूस किया। सीटीओ का मुझसे बात नहीं करना क्या मतलब है? मेरी कीमत इस नए दुनिया में क्या है? वे उचित चिंताएं हैं। कुछ लोग अपने काम की तुलना में एआई द्वारा किए जा सकने वाले काम पर अधिक समय बिताते हैं।

लेकिन एक बार जब लोगों ने नई कार्य प्रवाह का अनुभव किया – जहां उनकी नौकरी कोड टाइप करने से प्रणालियों को डिज़ाइन करने, एसओपी को परिभाषित करने, और प्रतिक्रिया लूप बनाने में बदल गई – तो अधिकांश ने इसे अधिक बौद्धिक रूप से आकर्षक पाया। जिन इंजीनियरों ने सबसे ज्यादा संघर्ष किया, वे अपनी पहचान को कोड लिखने के कार्य से जोड़ते थे। जिन लोगों ने सबसे तेजी से अनुकूलन किया, उन्होंने खुद को पहले समस्या समाधानकर्ता के रूप में और फिर कोडर के रूप में देखा।

आपके लेख में एक और विवादास्पद अवलोकन यह था कि जूनियर इंजीनियरों ने इस नए वातावरण में वरिष्ठ इंजीनियरों की तुलना में अधिक तेजी से अनुकूलन किया। एआई-पहले इंजीनियरिंग टीमों में अनुकूलन क्षमता को संचित तकनीकी अनुभव से अधिक महत्वपूर्ण क्यों माना जा रहा है?

मैंने एक पैटर्न देखा जो मुझे उम्मीद नहीं थी। जूनियर इंजीनियर, जिनके पास कम पारंपरिक अभ्यास था, उन्हें सशक्त महसूस हुआ। उनके पास ऐसे उपकरण थे जो उनके प्रभाव को बढ़ाते थे। उन्होंने एक दशक की आदतों को नहीं सीखा था जिन्हें उन्हें अन्यायपूर्ण करना था।

वरिष्ठ इंजीनियर, जिनके पास मजबूत पारंपरिक अभ्यास था, उन्हें सबसे ज्यादा संघर्ष करना पड़ा। दो महीने का उनका काम एआई द्वारा एक घंटे में पूरा किया जा सकता था। यह एक कठिन बात है जिसे स्वीकार करना होगा जब आप वर्षों से एक दुर्लभ कौशल सेट बना रहे हैं।

कारण संरचनात्मक है। एक वरिष्ठ इंजीनियर की विशेषज्ञता कोड लिखने की यांत्रिक निष्पादन में निहित है – जटिल प्रणालियों को नेविगेट करना, अनुकूलित कार्यान्वयन लिखना, व्यापक समीक्षा करना, जबकि मेरी पीएचडी मुझे सिखाती है कि तर्कों की जांच कैसे करें, तर्कों का दबाव डालें, और क्या गायब है यह देखें।

एक जूनियर इंजीनियर ने कभी गहरी यांत्रिक विशेषज्ञता नहीं हासिल की थी। उन्होंने बस नई चीज़ सीखी।

मैं निर्णय नहीं ले रहा हूं। मैं यह वर्णन कर रहा हूं कि मैंने क्या देखा। वरिष्ठता अभी भी एक लाभ है – गहरी वास्तुकला सोच, प्रणाली डिज़ाइन अंतर्दृष्टि – लेकिन केवल तभी जब वरिष्ठ इंजीनियर एक अलग ऊंचाई पर काम करने के लिए तैयार हो। इस संक्रमण में, अनुकूलन क्षमता संचित कौशल से अधिक मायने रखती है।

सीईआरएओ ने अपने बुनियादी ढांचे को मोनोरेपो, स्वचालित सीआई/सीडी पाइपलाइन, एआई समीक्षा प्रणाली, और स्व-उपचार लूप के साथ पुनर्निर्मित किया है जो क्लाउडवॉच, सेंट्री, लीनियर, और क्लॉड जैसे उपकरणों को एकीकृत करते हैं। हम एक भविष्य के करीब हैं जहां सॉफ्टवेयर प्रणाली मुख्य रूप से स्वयं को बनाए रखती है और मरम्मत करती हैं?

हम उत्पादन में एक स्व-उपचार लूप चला रहे हैं। मैं आपको वास्तव में क्या करता है यह बता दूं।

प्रत्येक सुबह 9:00 बजे यूटीसी, एक स्वचालित स्वास्थ्य कार्य प्रवाह चलता है। क्लॉड सोनेट क्लाउडवॉच को क्वेरी करता है, उत्पादन त्रुटियों के पैटर्न का विश्लेषण करता है, और टीम को एक कार्यकारी स्वास्थ्य सारांश प्रदान करता है। किसी ने इसके लिए नहीं पूछा। एक घंटे बाद, त्रुटि इंजन क्लाउडवॉच और सेंट्री से उत्पादन त्रुटियों को क्लस्टर करता है, प्रत्येक क्लस्टर को नौ गंभीरता आयामों में स्कोर करता है – उपयोगकर्ता प्रभाव, वेग, ब्लास्ट त्रिज्या, व्यवसाय महत्व, और पांच अन्य – और लीनियर में जांच के लिए स्वचालित रूप से टिकट बनाता है और जांच पथों के साथ नमूना लॉग और प्रभावित एंडपॉइंट्स के साथ।

जब एक इंजीनियर एक फिक्स पुश करता है, तो वही पाइपलाइन इसे संभालती है। तीन क्लॉड समीक्षा पास पीआर का मूल्यांकन करते हैं – कोड गुणवत्ता, सुरक्षा, और निर्भरता स्कैनिंग। सीआई पाइपलाइन के माध्यम से मान्य करता है। तैनाती के बाद, त्रुटि इंजन फिर से जांचता है। यदि मूल त्रुटियां हल हो जाती हैं, तो टिकट स्वचालित रूप से बंद हो जाता है।

उसके ऊपर, हमने जो एजेंट हार्नेस बनाया है। एक त्रि-न्यायाधीश ग्रेडिंग पैनल – एक एंथ्रोपिक न्यायाधीश, एक ओपनएआई न्यायाधीश, एक गूगल न्यायाधीश – प्रत्येक लाइव एजेंट प्रतिक्रिया को स्कोर करता है। जब स्कोर गिरते हैं, तो एक छह-नौकर इंजीनियरिंग पाइपलाइन उन कम स्कोर को लीनियर टिकट, ड्राफ्ट पीआर, और सत्यापित फिक्स में बदल देती है। और प्रमुख परिवर्तनों के लिए, एआई-गेटेड ग्रे रोलआउट 10% यातायात को नए संस्करण में रूट करता है और केवल तभी बढ़ता है जब स्कोर बना रहता है।

हमारे पास कोई क्यूए टीम नहीं है। हमारे पास कोई स्टेजिंग वातावरण नहीं है। कोई भी लिपियों को पढ़कर और एआई प्रतिक्रियाओं को स्कोर करके हाथ से नहीं करता है।

तो करीब कितने हैं? मुझे लगता है कि अधिकांश लोग सोचते हैं कि हम हैं। सीमित डोमेन के लिए – ज्ञात त्रुटि पैटर्न, रिग्रेशन, कॉन्फ़िगरेशन ड्रिफ्ट – मैं कहूंगा कि 70 से 80 प्रतिशत उत्पादन रखरखाव इस तरह से चल सकता है यदि बुनियादी ढांचा सही है। जो हिस्सा अभी भी मानवों की आवश्यकता है वह अस्पष्ट विफलता है जहां स्वयं वास्तुकला गलत हो सकती है, या जहां सुधार व्यवसाय निर्णय को समझने की आवश्यकता है जो प्रणाली में एन्कोडेड नहीं है।

व्यावहारिक टेकअवे: आपको पूर्णता की प्रतीक्षा नहीं करनी है। आंशिक स्व-उपचार भी टीम गतिविधियों को नाटकीय रूप से बदलता है।

आप एक भविष्य का वर्णन करते हैं जहां “एक-व्यक्ति कंपनियां” सामान्य हो सकती हैं क्योंकि एआई एजेंट बड़े ऑपरेशनल टीमों को प्रतिस्थापित करते हैं। किस प्रकार की कंपनियों या उद्योगों को आप पहले इस बदलाव का अनुभव करने की संभावना रखते हैं?

कंपनियां जहां ऑपरेशनल ओवरहेड और मूल्य निर्माण के बीच अनुपात सबसे अधिक है।

मुझे लगता है कि एक-व्यक्ति कंपनियां सामान्य हो जाएंगी। यदि एक वास्तुकार एजेंटों के साथ 100 लोगों का काम कर सकता है, तो कई कंपनियों को दूसरे कर्मचारी की आवश्यकता नहीं होगी। मॉडल क्षमता इसे चला रही है। मैं सीईआरएओ में पूरे बदलाव को पिछले दो महीनों में हुए मॉडल में सुधार के लिए जिम्मेदार ठहराता हूं। ओपस 4.5 वह नहीं कर सकता था जो ओपस 4.6 कर सकता है। अगली पीढ़ी के मॉडल इसे तेज करेंगे।

यह बदलाव सबसे पहले उन जगहों पर आता है जहां काम डिजिटल, दोहराए जाने योग्य है, और प्रतिक्रिया लूप स्पष्ट हैं। सामग्री उत्पादन, विपणन संचालन, ई-कॉमर्स, डेवलपर टूलिंग, डिजिटल एजेंसी। यदि आपका व्यवसाय मूल रूप से जानकारी लेने, इसे बदलने और वितरित करने के बारे में है, तो एक हार्नेस प्रणाली अधिकांश लूप को संभाल सकती है।

हम इसे अपने प्लेटफ़ॉर्म पर देखते हैं। हम विशिष्ट उपयोग के मामलों का वर्णन करते हैं: एक एकल संस्थापक गिटहब, सेंट्री, और क्लाउडवॉच को जोड़ता है। प्रणाली त्रुटि लॉग, तैनाती आवृत्ति और बुनियादी ढांचे के स्वास्थ्य की समीक्षा करती है। उस समीक्षा से, यह एक बग ट्राइएज एजेंट, एक सुविधा खोज एजेंट, एक सामग्री पीढ़ी पाइपलाइन, एक बुनियादी ढांचा अनुकूलन लूप बनाता है। प्रत्येक एजेंट चलता है, आउटपुट उत्पन्न करता है, और उस आउटपुट से राज्य बदलता है। अगले चक्र में, ऑडिट एक अलग तस्वीर देखता है। प्रणाली नई समाधानों को खोजती है। संस्थापक ने उन्हें योजना नहीं बनाई।

सीईआरएओ में, हम अपने संचालन को इसी तरह चलाते हैं। एक एजेंट ने रातोंरात तीन-व्यक्ति एसईओ कार्य प्रवाह को प्रतिस्थापित किया। एक अन्य ने दो दिनों तक सामग्री पाइपलाइन चलाई trước कि किसी ने आउटपुट की जांच की। आउटपुट कचरा था, और हमने इसे मार डाला। दोनों एक ही सप्ताह में हुए। हम खुद को भविष्य के काम के लिए क्रैश टेस्ट डमी कहते हैं।

उद्योग जो आखिरी में इसका अनुभव करेंगे: स्वास्थ्य सेवा, भारी विनिर्माण, कानून – जहां काम शारीरिक है, भारी विनियमित है, या हर निर्णय में मानव निर्णय की आवश्यकता होती है। लेकिन यहां तक कि वहां, प्रशासनिक परतें संकुचित हो जाएंगी।

सीईआरएओ ने हाल ही में प्रोस्पेरिटी7 वेंचर्स के नेतृत्व में $10 मिलियन जुटाए, जो सऊदी अरामको की वेंचर आर्म है। इस साझेदारी से परे निधि के लिए, क्या रणनीतिक अवसर खुलते हैं?

प्रोस्पेरिटी7 एक $3 बिलियन विविध निधि का प्रबंधन करता है और सिलिकॉन वैली, मध्य पूर्व और एशिया में काम करता है। उन्होंने एंटरप्राइज़ एआई इंफ्रास्ट्रक्चर में एक पोर्टफोलियो बनाया है – आर्सी, एआई, स्पिरिट एआई, और अन्य। रणनीतिक फिट पूंजी से परे है।

उनकी थीसिस हमारी थीसिस से मेल खाती है। जैसा कि उनके कार्यकारी प्रबंध निदेशक, रेड तवाली ने सार्वजनिक रूप से कहा, “जैसा कि एआई अपनाया जाता है, ध्यान मॉडल से निष्पादन तक स्थानांतरित हो रहा है। क्रियो एआई एजेंटों को स्वचालित रूप से, विश्वसनीय रूप से और निरंतर रूप से संचालित करने की अनुमति देने वाली बुनियादी ढांचे की परत बना रहा है।” यह हमारा ठीक विश्वास है। एआई एजेंट बाजार 2030 तक $52 बिलियन तक पहुंचने का अनुमान है। वास्तविक मूल्य हासिल करने वाली कंपनियां वे नहीं होंगी जिनके पास सबसे अच्छा मॉडल है। वे वही होंगी जिनके पास सबसे अच्छी निष्पादन परत है।

व्यावहारिक रूप से, $10 मिलियन – जो हमारे कुल को तीन राउंड में एक वर्ष से कम समय में $25 मिलियन तक ले जाता है – तीन चीजों को तेज करता है। पहला, इंजीनियरिंग गहराई। हम टीम का विस्तार कर रहे हैं ताकि हम एंटरप्राइज़-ग्रेड एकीकरण और एजेंट-टू-एजेंट सहयोग को संभाल सकें। स्व-उपचार हार्नेस, त्रि-न्यायाधीश ग्रेडिंग पैनल, एआई-गेटेड रोलआउट सिस्टम – इन्हें एंटरप्राइज़ स्केल पर काम करने की आवश्यकता है, न कि केवल 25-व्यक्ति टीम के लिए। दूसरा, भौगोलिक पहुंच। प्रोस्पेरिटी7 की मध्य पूर्व और एशिया में उपस्थिति बाजारों को खोलती है जहां स्वायत्त एआई अपनाया जा रहा है तेजी से है जितना अधिकांश लोग सिलिकॉन वैली में महसूस करते हैं। तीसरा, संस्थागत विश्वसनीयता। जब आप बड़े पैमाने पर कंपनियों से एजेंटों को उनके संचालन को निरंतर रूप से चलाने के लिए कहते हैं, तो समर्थन मायने रखता है।

हमने शून्य पेड मार्केटिंग के साथ एक वर्ष से कम समय में $25 मिलियन जुटाए और 200,000 उपयोगकर्ता हासिल किए। यह गति बाजार के उस conviction को दर्शाती है कि निष्पादन परत अगला मोर्चा है।

आगे देखते हुए, सीईआरएओ के लिए अगले कुछ वर्षों में सफलता क्या दिखती है? क्या दीर्घकालिक दृष्टि बेहतर एआई एजेंट बनाने की है, या आप अंततः कंपनियों को स्वयं कैसे संरचित और संचालित किया जाता है, इसे पुनर्परिभाषित करने का प्रयास कर रहे हैं?

दोनों। और वे अविभाज्य हैं।

निकट अवधि में, सफलता का अर्थ है बंद-लूप मॉडल को बड़े पैमाने पर साबित करना। हमारे पास 200,000 उपयोगकर्ता हैं जो सितंबर 2025 में लॉन्च होने के बाद से जैविक गोद लेने के माध्यम से आए हैं। हम प्रति दिन उत्पादन में तीन से आठ बार शिप करते हैं। हम अपने स्वयं के इंजीनियरिंग, विपणन और संचालन को हार्नेस पर चलते हैं। अगला कदम यह प्रदर्शित करना है कि व्यवसाय सभी आकारों में इसी तरह चल सकते हैं।

लेकिन बेहतर एजेंट अंतिम लक्ष्य नहीं हैं। अंतिम लक्ष्य हार्नेस – एजेंटों के चारों ओर प्रणाली है।

एक एजेंट एक उपकरण है। एक हार्नेस प्रणाली एक फ्लाईव्हील है। जितना अधिक यह चलता है, उतना ही अधिक यह कस जाता है। जितना अधिक डेटा यह देखता है, उतना ही बेहतर इसकी समीक्षा है। जितना बेहतर इसकी समीक्षा है, उतना ही तेज़ इसके समाधान हैं। जितना तेज़ इसके समाधान हैं, उतना ही अधिक प्रभावी इसके एजेंट हैं। जितना अधिक प्रभावी इसके एजेंट हैं, उतना ही अधिक डेटा बदलता है। और लूप जारी रहता है।

20वीं सदी का कंपनी मॉडल मानवों की एक पदानुक्रम है जो विभागों में संगठित है, प्रत्येक में प्रबंधक हैं, प्रत्येक में मानव प्रवाह के लिए डिज़ाइन की गई प्रक्रियाएं हैं। जब एजेंट अधिकांश ऑपरेशनल कार्य को विश्वसनीय रूप से निष्पादित कर सकते हैं, तो यह मॉडल नहीं केवल अधिक कुशल हो जाता है – यह शुरू में अनावश्यक होने लगता है।

हर कोई जानता है कि एआई उत्पादकता में विस्फोट का वादा करता है। लेकिन उद्योग दो जालों में फंसा हुआ है। यदि मानव अभी भी एआई टूल का संचालन करते हैं, तो उत्पादकता एक छत मारा है। और यदि मानव अभी भी उपकरण बनाने वाले हैं, तो वास्तविक क्रांति शुरू नहीं हुई है। हम उस प्रणाली का निर्माण कर रहे हैं जहां एआई दोनों करता है: उपकरण बनाता है और उन्हें चलाता है।

अधिकांश संस्थापक जिनके साथ मैं बात करता हूं अभी भी पारंपरिक तरीके से काम कर रहे हैं। कुछ एआई-पहले संक्रमण के बारे में सोचते हैं। बहुत कम लोगों ने ऐसा किया है। उपकरण किसी भी टीम के लिए ऐसा करने के लिए मौजूद हैं। हमारे स्टैक में कुछ भी प्रोप्राइटरी नहीं है। प्रतिस्पर्धी लाभ उपकरणों के चारों ओर सब कुछ पुनर्निर्मित करने का निर्णय है, और लागत को अवशोषित करने की इच्छा है।

हमने एक एजेंट प्लेटफ़ॉर्म बनाया। एजेंटों ने इसे फिर से बनाया। यह डिज़ाइन सिद्धांत है। हार्नेस दिन-ब-दिन कस जाता है।

धन्यवाद महान साक्षात्कार के लिए, पाठक जो और जानना चाहते हैं उन्हें सीईआरएओ पर जाना चाहिए।