AI सहकर्मी नहीं, बल्कि exoskeleton है

 (kasava.dev)
6 पॉइंट द्वारा GN⁺ 2026-02-20 | 2 टिप्पणियां | WhatsApp पर शेयर करें
  • AI को एक स्वायत्त सहकर्मी के रूप में देखने का नज़रिया अक्सर निराशाजनक साबित होता है, लेकिन मानव क्षमता को बढ़ाने वाले टूल के रूप में देखने का दृष्टिकोण परिवर्तनकारी परिणाम देता है
  • मैन्युफैक्चरिंग, सैन्य, मेडिकल और रनिंग क्षेत्रों में exoskeleton के उदाहरणों की तरह, AI को भी मानव निर्णय का स्थान लेने के बजाय स्थायित्व और दक्षता बढ़ाने वाले सहायक उपकरण की तरह काम करना चाहिए
  • Kasava ‘Product Graph’ के जरिए code, issue और strategy की जानकारी को एकीकृत कर AI और मानव निर्णय के संयोजन की संरचना लागू करता है
  • ‘Micro-Agent’ संरचना के माध्यम से काम को छोटे हिस्सों में बाँटकर, दोहराए जाने वाले कार्यों को AI से amplify कराया जाता है, जबकि निर्णय का अधिकार मानव के पास रहता है
  • भविष्य की productivity में वृद्धि पूर्ण स्वायत्तता नहीं बल्कि मानव amplification से आएगी, और AI मानव की स्वाभाविक विस्तार-व्यवस्था के रूप में स्थापित होगा

गलत AI समझ और ‘exoskeleton’ मॉडल

  • जो कंपनियाँ AI को स्वायत्त agent की तरह मानती हैं, वे निराशा झेलती हैं, जबकि मानव क्षमता-विस्तार के टूल के रूप में उसका उपयोग करने वाली कंपनियाँ वास्तविक बदलाव देखती हैं
  • AI को स्वतंत्र निर्णय लेने वाली इकाई नहीं, बल्कि मानव decision-making का विस्तार बनकर काम करना चाहिए
  • “AI सहकर्मी नहीं, बल्कि exoskeleton है” यह रूपक AI की भूमिका को मानव-केंद्रित amplification डिवाइस के रूप में फिर से परिभाषित करता है

exoskeleton के वास्तविक उदाहरण

  • मैन्युफैक्चरिंग: Ford ने 7 देशों के 15 कारखानों में EksoVest लागू कर injury rate को 83% तक घटाया, जबकि BMW ने worker effort में 30~40% कमी की रिपोर्ट दी
    • German Bionic का Cray X 66 पाउंड तक lift support देता है, और BMW·IKEA जैसे ग्राहकों में sick leave 25% कम हुई
  • सैन्य क्षेत्र: Sarcos Guardian XO Max 20:1 strength amplification देता है, जिससे 100 पाउंड का भार 5 पाउंड जैसा महसूस होता है
    • Lockheed Martin HULC 200 पाउंड भार को 7 मील प्रति घंटा की रफ्तार से ले जा सकता है, और musculoskeletal injury रोकने में मदद करता है
  • मेडिकल rehabilitation: spinal cord injury वाले 76% मरीज exoskeleton पहनने पर बिना सहायता के चल पाए
  • रनिंग रिसर्च: Stanford के ankle exoskeleton ने energy consumption 15% घटाई, और Harvard के soft suit ने metabolic cost 5.4% कम किया
  • इन सबकी समानता यह है कि ये मानव का स्थान नहीं लेते, बल्कि क्षमता बढ़ाते हैं

‘AI agent’ अवधारणा की सीमाएँ

  • स्वायत्त AI संदर्भ की कमी के कारण गलत निर्णय और hallucination जैसी समस्याएँ पैदा करता है
  • मानव निर्णय और संदर्भ को समझे बिना स्वतंत्र निर्णय लेने की कोशिश करने पर विफलता की संभावना बढ़ जाती है
  • Kasava ने ऐसी संरचना अपनाई है जिसमें AI गहन विश्लेषण करता है, लेकिन निर्णय मानव लेता है

Kasava का Product Graph

  • पहली परत: codebase, commit, issue, PR और project data को अपने-आप इकट्ठा कर उत्पाद की वास्तविक संरचना और उसके विकास की स्थिति को मॉडल किया जाता है
  • दूसरी परत: उपयोगकर्ता द्वारा दिए गए strategic judgment और priorities को शामिल कर automated data और मानव निर्णय को जोड़ा जाता है
  • इस संयोजन के जरिए AI उत्पाद के वास्तविक संदर्भ और टीम की मंशा दोनों को ध्यान में रखकर विश्लेषण करता है
  • नतीजतन, Kasava AI और मानव के सहजीवी amplification ढाँचे को लागू करता है

Micro-Agent architecture

  • काम को भूमिका नहीं, बल्कि सूक्ष्म कार्य-इकाइयों में विभाजित किया जाता है ताकि AI जिन हिस्सों को amplify कर सकता है, उनकी पहचान हो सके
    • उदाहरण: commit message लिखना, code pattern ढूँढना, boilerplate code लिखना, security review, documentation auto-update आदि AI कर सकता है
    • feature decision, complex debugging और architecture judgment का नेतृत्व मानव करता है
  • हर micro-agent एक ही फ़ंक्शन पर केंद्रित होता है और input-output boundaries को स्पष्ट रखता है
  • exoskeleton मॉडल बनाए रखने के लिए ज़रूरी है कि मानव decision loop के भीतर बना रहे

productivity प्रभाव और amplification का अर्थ

  • exoskeleton रिसर्च में दिखने वाला 15% energy saving सिर्फ efficiency improvement नहीं, बल्कि स्थायित्व और resilience में वृद्धि से भी जुड़ा है
  • सॉफ़्टवेयर में भी दोहराए जाने वाले काम घटाने से cognitive resources को रचनात्मक कार्यों में दोबारा लगाया जा सकता है
  • Kasava documentation auto-update, commit message auto-generation और workflow integration के जरिए संयुक्त productivity gains हासिल करता है
  • यह स्वायत्त AI नहीं, बल्कि amplification-केंद्रित AI approach का संचित प्रभाव है

भविष्य दृष्टि: autonomy नहीं, amplification

  • संगठनों को यह नहीं पूछना चाहिए कि “AI को स्वायत्त रूप से काम कैसे कराया जाए?”, बल्कि यह कि “किस हिस्से में थकान और त्रुटि कम की जा सकती है”
  • exoskeleton उद्योग के 2030 तक 20% वार्षिक वृद्धि और 2 अरब डॉलर के आकार तक पहुँचने का अनुमान इसलिए है क्योंकि यह मानव का स्थान लेने के बजाय उसे मजबूत करता है
  • AI भी इसी तरह, मानव workflow में स्वाभाविक रूप से एकीकृत amplification टूल के रूप में टिकाऊ मूल्य पैदा करेगा

संबंधित पढ़ाई

2 टिप्पणियां

 
GN⁺ 2026-02-20
Hacker News की राय

  • मैं इस आत्म-सांत्वना वाले विचार से सहमत नहीं हूँ कि “AI मुझे leveraging करेगा लेकिन replace नहीं करेगा”
    आखिरकार user औपचारिक systems को मिट्टी की तरह गढ़ेंगे
    मध्यम अवधि में “AI सहकर्मी नहीं है” कहना ज़्यादा सही है
    मानवीय collaboration मूल रूप से inefficient है, और software development एक individual sport में तेज़ी से बदल सकता है
    मुझे लगता है कि अच्छी aesthetic sense वाला एक designer और बहुत सारे agents साथ काम करें, यह संरचना बेहतर हो सकती है

    • अभी की पीढ़ी का AI सिर्फ एक text predictor है, इसलिए यह code में logical flaws वास्तव में ढूँढ नहीं पाता
    • यह मान लेना अव्यावहारिक है कि हर व्यक्ति AI को अपनी requirements साफ़-साफ़ बता पाएगा
      और जब platforms व libraries बदलेंगी, तब AI इन्हें maintain कर पाएगा या नहीं, इस पर भी संदेह है
    • Jensen Huang ने कहा है, “अब दुनिया में हर कोई programmer बन गया है”
      संबंधित लेख: Nvidia CEO predicts the death of coding
    • manpower बढ़ाने से होने वाली communication cost की समस्या Brooks ने 50 साल पहले ही बताई थी
      चाहे और लोग जोड़ें या और bots, मूल बात वही है
    • “AI मुझे leverage करता है” जैसी अभिव्यक्ति सुनने में ऐसी लगती है जैसे AI मुझ पर पैर रखकर ऊपर चढ़ रहा हो
      शायद वही सबसे सटीक रूपक भी हो

  • exoskeleton का रूपक अच्छा है, लेकिन यथार्थवादी नहीं
    असल में इससे कहीं ज़्यादा practical approaches हैं — vehicles, robot arms, remote control आदि
    humanoid giant robots व्यावसायिक रूप से inefficient हैं

  • “हम AI के बारे में गलत सोच रहे हैं” इस दावे से सहमति है
    Anthropic और OpenAI के CEOs पहले ही अपना इरादा साफ़ कर चुके हैं — लक्ष्य SWE में 90% कमी है

    • लेकिन इसे गंभीरता से मानने वाले बहुत कम हैं
      पहले भी कहा गया था कि UML, offshore developers, no-code वगैरह replace कर देंगे, लेकिन आखिर में AI सिर्फ एक tool ही है
      CEOs के बयान बस stock price को सहारा देने वाले messages हैं
    • अगर SWE की demand घटानी है, तो AI नहीं बल्कि पहले organizational efficiency की समस्या हल करनी होगी
      वास्तव में बहुत से developers अपना समय ऐसे projects पर बर्बाद करते हैं जिनकी value ही अस्पष्ट होती है
    • किसी बड़े breakthrough के बिना यह संभव नहीं
      विडंबना यह है कि ऐसे tools बनाने वाले developers ही शायद सबसे पहले अपनी jobs खो दें
    • अगर agentic AI के प्रति जुनून न हो, तो चीज़ें कहीं बेहतर हो सकती हैं
      IDE के अंदर के AI tools कहीं ज़्यादा accurate और तेज़ हैं
      लेकिन Claude context को न्यूनतम रखकर “एक ही बार में पूरा कर दो” की ओर धकेलता है
      यह user से ज़्यादा company के हित के लिए बना design लगता है
    • SWE demand में 90% गिरावट की बात यथार्थवादी नहीं लगती
      efficiency बढ़ने पर हम और जटिल software बनाते हैं, और demand उलटे बढ़ जाती है

  • exoskeleton का रूपक दिलासा देता है, लेकिन असली बदलाव ‘taste की scalability’ है
    पहले बेहतरीन judgment रखने वाले व्यक्ति के लिए भी टीम के बिना execution कठिन था
    अब एक व्यक्ति की अच्छी समझ और design capability से टीम-स्तर का output निकाला जा सकता है
    bottleneck “क्या आप code लिख सकते हैं?” से हटकर “क्या बनाना वास्तव में worth it है?” पर आ गया है

    • “पूरी तरह अलग game” वाली अभिव्यक्ति दिलचस्प है
    • prototype तेज़ी से बनाया जा सकता है, लेकिन product level तक जाने के लिए अब भी skill चाहिए
    • असल में यही augmentation की परिभाषा है — क्योंकि यह एक व्यक्ति की क्षमता को amplify करने वाला tool है
    • “जो software पहले टीम से deploy होता था, उसे अब एक व्यक्ति deploy करता है” यह बात थोड़ी अतिशयोक्तिपूर्ण लगती है

  • AI पहले से ही co-worker की तरह काम कर रहा है
    पहले जो काम इंसानों को दिया जाता था, अब वह AI को delegate किया जा रहा है

    • वास्तव में delegate किए जा सकने वाले कामों की range इससे कहीं बड़ी है
      ज़्यादातर industries अभी तक उसकी potential का बहुत छोटा हिस्सा ही इस्तेमाल कर रही हैं
    • लेकिन कभी-कभी AI द्वारा बनाए गए output को ठीक करते-करते stress भी होता है

  • Lenny’s Podcast में Claude Code के लेखक Boris ने कहा कि “code लिखना अब solved problem है”
    अगर engineers open source contributions बंद कर दें, तो क्या AI फिर भी सीखता रहेगा — यह सवाल उठता है

    • वह बयान कुछ ज़्यादा ही निर्णायक है
      ऐसे tools बनाने वालों की बातों में conflict of interest होता है
    • शायद वह अच्छे tests वाले clean codebase में काम कर रहा होगा
      ऐसे environment में code लिखना आसान लग सकता है, लेकिन अधिकांश projects ऐसे नहीं होते
    • समस्या “code लिखने” की नहीं, “software engineering” की है
      यह क्षेत्र अभी ठहरा हुआ नहीं है
      patterns orthogonal नहीं हैं, इसलिए इन्हें किसी simple linear combination से समझाया भी नहीं जा सकता
    • यह तर्क कुछ वैसा है जैसे कहना, “अगर कविता पहले से पूर्ण कला है, तो फिर कवियों की ज़रूरत नहीं”
      creative engineers की ज़रूरत अब भी है
    • मैंने Boris का Excalidraw के open issues को Claude agent से हल करते हुए demo देखा है
      उसने खुद code की एक भी line नहीं लिखी, फिर भी समस्या हल कर दी
      हो सकता है उसकी बात पूरी तरह गलत न हो

  • exoskeleton पहन लेने से आप 10 गुना तेज़ नहीं दौड़ सकते, न ही हाथ ज़्यादा तेज़ चला सकते हैं
    यह रूपक फिट नहीं बैठता

  • AI को “Not X, but Y” जैसे वाक्य अक्सर बनाते देख यह template-based लगता है

    • “It’s not X, it’s Y” pattern फिर से पकड़ा गया

  • अभी का AI मेरे लिए amplifier जैसा है
    coding और कुछ खास कामों में यह मुझे मज़बूत बनाता है
    जब तक पूरी तरह replacement नहीं होता, मुझे चिंता नहीं है

    • लेकिन amplification का मतलब आखिरकार कम लोगों से ज़्यादा काम कराना ही है
      इससे labor demand और salaries में गिरावट आ सकती है
    • नतीजे में संभव है कि समान output के लिए ज़रूरी developers की संख्या कम हो जाए
 
dkmin 2026-02-21

शेयर करने के लिए धन्यवाद। यह नया और ताज़गीभरा लगा।