OpenAI कैसे प्रतिस्पर्धा करेगा?
(ben-evans.com)- OpenAI ने किसी विशिष्ट तकनीकी बढ़त के बिना बड़ा user base बना लिया है, लेकिन user engagement और long-term retention कम है, और इसकी संरचना में network effects की कमी है
- अभी 6 से अधिक संगठन लगभग समान स्तर के frontier models जारी कर रहे हैं और कुछ ही हफ्तों के अंतर पर एक-दूसरे को पीछे छोड़ रहे हैं, इसलिए किसी भी कंपनी ने ऐसा संरचनात्मक advantage नहीं बनाया है जिसे competitor पकड़ न सके
- Google और Meta अपने मौजूदा products और distribution channels की बढ़त का उपयोग करके तेज़ी से market share बढ़ा रहे हैं, और ChatGPT के लिए non-differentiated product में शुरुआती बढ़त को लंबे समय तक बनाए रखना कठिन है
- OpenAI chips और infrastructure से लेकर consumer apps तक full-stack platform strategy पेश करता है, लेकिन Windows या iOS जैसी network effects या ecosystem lock-in इसमें नहीं है
- असली strategic challenge यह है कि अभी तक आविष्कृत न हुए next-generation AI experiences और use cases कौन बनाएगा, जबकि सब कुछ अकेले invent कर पाना संभव नहीं है
- अंततः OpenAI की प्रतिस्पर्धात्मक क्षमता लगातार execution और market adaptation की speed पर निर्भर है, और यह strategy से ज़्यादा हर दिन की execution race के करीब है
OpenAI की चार बुनियादी चुनौतियाँ
- 1. OpenAI के पास न तो कोई विशिष्ट technology advantage है, न product advantage, और user base बड़ा होने के बावजूद engagement, stickiness और network effects कमजोर हैं
- model स्वयं competitors के समान स्तर का है, और consumer product में product-market fit की कमी है
- 2. AI market में value capture structure और product experience बहुत तेज़ी से बदल रहे हैं। मौजूदा दिग्गज और हज़ारों founders नए features, experiences और business models बना रहे हैं, और foundation models के low-margin general-purpose infrastructure बन जाने का जोखिम है
- 3. OpenAI और Anthropic को मौजूदा products पर आधारित distribution और cash flow के बिना capital-intensive industry में प्रवेश करने की कठिनाई है (Cross the Chasm)
- जिन कंपनियों के पास मौजूदा products हैं, उन्हें भी self-disruption की ज़रूरत है, लेकिन वह समय बहुत पहले निकल चुका है जब कहा जाता था कि Google AI नहीं कर पाएगा
- 4. research-centric organizational structure के कारण product roadmap और strategy पर control सीमित है। सुबह email खोलने पर lab ने कुछ solve कर दिया होता है, और काम बस उसे एक button में बदलना रह जाता है
"Jakub और Mark ने long-term research direction तय की। फिर कई महीनों के काम के बाद हैरान कर देने वाले नतीजे आए, और एक researcher ने मुझसे संपर्क करके कहा, 'मैंने कुछ बहुत शानदार खोजा है। आप इसे chat में कैसे इस्तेमाल करेंगे? इसे हमारे enterprise product पर कैसे लागू करेंगे?'"
OpenAI की product chief Fidji Simo (2026)
"आपको customer experience से शुरू करना चाहिए और फिर उल्टा जाकर technology बनानी चाहिए। technology से शुरू करके यह नहीं सोचना चाहिए कि उसे कहाँ बेचना है।"
Steve Jobs (1997)
- OpenAI के पास बेहतरीन technology और महत्वाकांक्षी talent है, लेकिन 2000s के Google या 2010s के Apple के विपरीत उसके पास ऐसी चीज़ नहीं है जो निश्चित रूप से काम करती हो और जिसे कोई दूसरा न कर सके
- Sam Altman की हाल की गतिविधियों को music रुकने से पहले कागज़ पर मौजूद value को अधिक टिकाऊ strategic position में बदलने की कोशिश के रूप में पढ़ा जा सकता है
मॉडल प्रतिस्पर्धात्मकता: विशिष्ट तकनीकी बढ़त के अभाव में leadership की स्थिरता कमज़ोर
- अभी लगभग 6 से अधिक organizations लगभग समान स्तर के frontier models जारी कर रहे हैं, और कुछ ही हफ्तों के अंतर पर एक-दूसरे को पीछे छोड़ते दिख रहे हैं
- benchmarks अलग-अलग हो सकते हैं, लेकिन कुल तस्वीर एक जैसी है
- Meta फिलहाल curve से बाहर है, Apple·Amazon·Microsoft अभी frontier में दाखिल नहीं हुए हैं, और China लगभग 6 महीने पीछे है तथा दूसरे research पर काफी निर्भर है
- Windows, Google Search, iOS, Instagram आदि में दिखने वाले self-reinforcing network effects वाले market share अभी model competition में मौजूद नहीं हैं
- continuous learning जैसी कोई breakthrough network effects संभव बना सकती है, लेकिन फिलहाल यह ऐसी चीज़ नहीं है जिस पर योजना बनाई जा सके
- proprietary data access से वास्तविक scale effects बन सकते हैं, लेकिन user data/vertical data (SAP, Salesforce, investment bank spreadsheets आदि) के scale effects कैसे दिखेंगे यह स्पष्ट नहीं है, और मौजूदा platform कंपनियों के पास पहले से बहुत data है
user base: चौड़ा लेकिन उथला engagement, और उपयोग की आदत अभी कमज़ोर
- OpenAI के पास 80–90 करोड़ users हैं, लेकिन यह 'weekly active users' के आधार पर है; ध्यान देने वाली बात यह है कि उसने DAU नहीं बल्कि WAU घोषित किया
- weekly active metric जारी करना यह संकेत देता है कि ज़्यादातर users इसे रोज़मर्रा की आदत नहीं बना पाए हैं, इसलिए stickiness कम है
- ChatGPT users में से सिर्फ लगभग 5% paid subscription लेते हैं
- अमेरिका के किशोर भी इसे दिन में कई बार इस्तेमाल करने की बजाय हफ्ते में कुछ बार या उससे कम इस्तेमाल अधिक करते हैं
- '2025 Wrapped' promotion data के अनुसार 80% users ने 2025 में 1,000 से कम messages भेजे, यानी औसतन दिन में लगभग 3 से कम prompts
- ज़्यादातर users models के personality या emphasis में अंतर पहचान नहीं पाते, और 'memory' जैसे features भी असली network effect नहीं बल्कि सिर्फ stickiness बढ़ाने के उपाय हैं
- यह दावा किया जाता है कि यह “computer इस्तेमाल करने के तरीके में क्रांति” है, लेकिन अगर उपयोग हफ्ते में कुछ बार ही हो तो कहना मुश्किल है कि इससे जीवन बदल गया
- OpenAI खुद भी model capability और वास्तविक उपयोग के बीच 'capability gap' मानता है, जो अप्रत्यक्ष रूप से बताता है कि स्पष्ट product-market fit नहीं है
advertising strategy और engagement गहरा करने की कोशिश
- OpenAI का advertising project लागत के लिहाज़ से 90% से अधिक free users की service cost को पूरा करने और advertisers के साथ शुरुआती बढ़त व learning हासिल करने के लिए है
- strategy के स्तर पर उद्देश्य free users को भी सबसे नया और सबसे powerful (high-cost) model देना है ताकि engagement गहरा हो
- Fidji Simo ने कहा कि "distribution और scale सबसे महत्वपूर्ण हैं"
- लेकिन जो user आज ChatGPT में करने लायक काम ही नहीं सोच पाता, उसे बेहतर model देने से engagement बढ़ेगा या नहीं, यह अनिश्चित है
- उतनी ही संभावना यह भी है कि user blank screen problem में अटका हो, या chatbot format ही उस use case के लिए उपयुक्त न हो
Gemini·Meta AI का share बढ़ना और Netscape: अलग न दिखने वाले chatbots
- non-differentiated products में शुरुआती adoption advantage टिकना मुश्किल होता है, और competition अक्सर brand और distribution channel पर शिफ्ट हो जाती है
- Gemini और Meta AI का तेज़ी से market share लेना इसका प्रमाण है, क्योंकि सामान्य users को ये products लगभग एक जैसे दिखते हैं
- Llama 4 को technical community ने विफल माना, फिर भी Meta के numbers अच्छे दिखते हैं
- Anthropic का Claude benchmark में ऊँचा है, लेकिन उसके पास consumer strategy या product नहीं है, और consumer awareness लगभग शून्य है
- Claude Cowork के लिए Git install करना पड़ता है
- कुछ लोग ChatGPT की तुलना Netscape से करते हैं: जैसे Microsoft distribution power के दम पर ऐसे market में घुसा था जहाँ product differentiation कठिन थी
- web browser में differentiation मुश्किल होना और chatbot में differentiation मुश्किल होना एक ही संरचनात्मक समस्या है: दोनों मूल रूप से input box और output box ही हैं
- browser की आखिरी सफल product innovation tabs और search/URL bar का integration था
- Microsoft ने browser market पर कब्ज़ा कर लिया था, लेकिन अंत में वह उतना महत्वपूर्ण नहीं निकला: असली value capture कहीं और हुआ
- ChatGPT app बस एक 'thin wrapper' है, और सिर्फ features जोड़ने से differentiation मुश्किल है
- user experience innovation अगला अहम चरण है, लेकिन इसे कौन lead करेगा यह स्पष्ट नहीं है। और इसका जवाब भी नहीं है कि वह OpenAI ही क्यों होना चाहिए
- Silicon Valley का हर founder ‘generative AI के दूसरे चरण के experience’ को invent करने की दौड़ में है—ऐसी स्थिति में “क्या इसे plan करके मैं सुनिश्चित कर सकता हूँ कि वही मैं बनूँ?”
OpenAI की platform strategy और उसकी सीमाएँ
- पिछले साल OpenAI की प्रतिक्रिया कुछ ऐसी रही जैसे "सब कुछ, एक साथ, कल ही": app platform, browser, social video app, Jony Ive collaboration, medical research, advertising, और trillion-dollar scale capex घोषणाएँ
- पहले सफल रहे platforms के रूप को समझे बिना कॉपी करने की प्रवृत्ति दिखी: "platforms के पास app store होता है, तो हमें भी app store चाहिए" जैसी सोच
- Sam Altman ने पिछले साल के अंत में diagram के ज़रिए पूरी strategy पेश की और Bill Gates के मशहूर कथन का उपयोग किया: "platform की परिभाषा यह है कि वह अपने partner के लिए अपने से ज़्यादा value बनाता है"
- strategy का ढाँचा: chips और infrastructure से ऊपर तक बना full-stack platform company मॉडल, जहाँ हर layer दूसरी को मजबूत करे, और cloud·chips·models सब दे, साथ में ecosystem और network effects भी हासिल करे
- लेकिन यह Windows या iOS के काम करने का तरीका था, और OpenAI के पास फिलहाल वैसी platform या ecosystem dynamics नहीं हैं
- CFO द्वारा दिखाया गया capex-revenue relationship diagram भी वास्तविक flywheel नहीं है
capital expenditure (Capex) race: table पर बैठने की शर्त
- बड़ी 4 cloud कंपनियों ने पिछले साल infrastructure पर लगभग $400 billion खर्च किए, और इस साल कम से कम $650 billion की योजना है
- OpenAI ने भविष्य के लिए $1.4 trillion और 30 gigawatt computing commitment का दावा किया, लेकिन स्पष्ट timeline नहीं दी; 2025 के अंत तक वास्तविक उपयोग 1.9 gigawatt है
- मौजूदा business से बड़े cash flow न होने के कारण funding (जिसका कुछ हिस्सा अभी पूरा नहीं हुआ) और दूसरी कंपनियों की balance sheet का उपयोग किया जा रहा है; कुछ हिस्सा 'circular revenue' भी है
- लंबी अवधि में AI infrastructure cost aircraft manufacturing या semiconductor manufacturing जैसी हो सकती है: network effects तो नहीं होंगे, लेकिन हर generation के साथ यह अधिक कठिन और महँगी होती जाएगी, इसलिए कुछ ही कंपनियाँ निवेश जारी रख पाएँगी और oligopoly बन सकता है
- Moore's Law (हर 2 साल में transistor count दोगुना) के बरअक्स Rock's Law (state-of-the-art semiconductor fab cost हर 4 साल में दोगुनी) की तुलना
- Sam Altman का सालाना $1 trillion scale capex संकेत देना एक 'self-fulfilling prophecy' बनाने की कोशिश है—तीन साल पहले तक revenue न रखने वाली कंपनी महज़ इच्छाशक्ति के सहारे table पर सीट पाने की कोशिश कर रही है
- लेकिन table पर बैठ जाना ही अतिरिक्त बढ़त देता है या नहीं, यह स्पष्ट नहीं: TSMC cutting-edge chips में लगभग monopoly है, फिर भी stack के ऊपरी हिस्से में उसका leverage या value capture बहुत कम है
API·standards·network effects की संभावना और सीमाएँ
- अगर developers किसी खास foundation model का उपयोग करके product बनाते भी हैं, users को न तो पता होता है कि कौन-सा model इस्तेमाल हो रहा है, न वे इसकी परवाह करते हैं
- cloud चलाने से stack के ऊपरी हिस्से के third-party products और services पर leverage नहीं मिलता
- नया अंतर यह है कि models और websites के बीच communication के लिए standards और protocols की alphabet soup उभर रही है (OpenClaw craze ने इसका कुछ हिस्सा पकड़ा है)
- websites अपनी functionality expose कर सकती हैं ताकि ChatGPT के भीतर सीधे real-estate search या shopping cart दिख सके
- आप agent से कह सकते हैं कि Instagram recipe देखो और Instacart पर ingredients order कर दो
- OpenAI का प्रस्ताव है कि ChatGPT account इन सबको जोड़ने वाली glue बने, और संकेत यह है कि इससे network effects बन सकते हैं
- लेकिन यहाँ 'widget fallacy' की समस्या है: यह बार-बार होने वाली भूल कि complex products को एक simple standard interface में abstract किया जा सकता है
- यह 10 साल पहले के "API is the new BD" विचार जैसा ही है, और ज़्यादातर मामले विफल रहे
- demo में आकर्षक दिखने वाली चीज़ और वास्तविक workflow interaction model के बीच बड़ा gap होता है
- कोई भी कंपनी किसी दूसरी कंपनी की साधारण API call बनकर नहीं रहना चाहती: distribution और customer relationship control के बीच मूलभूत तनाव है
- अगर ये systems abstracted APIs के ज़रिए जुड़ते हैं, तो यह स्पष्ट नहीं कि users या developers किस वजह से किसी एक में lock-in होंगे
- अगर OpenAI और Gemini अलग standards इस्तेमाल भी करें, तब भी developers के लिए दोनों को support न कर पाने का कोई कारण नहीं; iOS/Android दोनों के लिए app बनाने की तुलना में इसमें बहुत कम code लगेगा
- यह भी सवाल है कि Tinder, Zillow और Workday में एक ही account से login करना वास्तव में कितना तर्कसंगत है
मुख्य सवाल: 'power' की अनुपस्थिति
- platform, ecosystem, leverage, network effects जैसे शब्द tech industry में बहुत उपयोग होते हैं, लेकिन इनका वास्तविक अर्थ अक्सर धुंधला होता है
- केंद्रीय अवधारणा है 'power': यानी वह क्षमता जिससे users चाहें या न चाहें, उन्हें किसी खास system का उपयोग करना पड़े
- Microsoft, Apple, Facebook, Amazon के पास यह power है
- platform की असली उपलब्धि यह होती है कि वह पूरे tech industry की creative energy को harness कर लेता है, ताकि हर चीज़ खुद invent किए बिना बड़े पैमाने पर बन सके, लेकिन सब कुछ उसके अपने system के ऊपर हो
- foundation models में निश्चित रूप से multiplier effect है, लेकिन अगर competitors वही चीज़ बना सकते हैं, तो सबको किसी एक कंपनी की चीज़ ही क्यों इस्तेमाल करनी चाहिए—इसका कोई स्पष्ट कारण नहीं है
- अगर कोई संरचनात्मक कारण नहीं है कि competitors चाहे कितना भी पैसा और मेहनत लगा दें, फिर भी आप हमेशा बेहतर बने रहें, तो अंत में बचता है सिर्फ रोज़ का execution
- execution में बढ़त एक aspiration हो सकती है, और कुछ कंपनियों ने इसे लंबे समय तक बनाए भी रखा है, लेकिन वह strategy नहीं है
निष्कर्ष
- OpenAI technology, product और ecosystem—तीनों स्तरों पर monopoly जैसी बढ़त के बिना खड़ा है
- विशाल user base और capital power के बावजूद, sustainable competitiveness अभी अधूरी है
- platform network effects की कमी, product differentiation की सीमाएँ, और infrastructure investment की अनिश्चितता इसके प्रमुख risks हैं
- अंततः OpenAI की प्रतिस्पर्धात्मक क्षमता हर दिन के execution और market adaptation की speed पर निर्भर है
टिप्पणियाँ
- ZIRP era की 'capital as a weapon' strategy से तुलना: low-interest-rate period में कंपनियों ने सस्ती पूँजी से scale लेकर network effects के ज़रिए defense बनाने की कोशिश की; यह Uber में चला, लेकिन network effects न होने के कारण WeWork में विफल रहा—OpenAI भी network effects की कमी के कारण इसी तरह दिखता है
- बिल्कुल अलग नतीजा भी संभव है: अलग-अलग आकार और रूप के models बहुत बड़ी संख्या में मौजूद हों, जिनमें कुछ edge पर मुफ्त चलें, और AI infrastructure oligopoly उतनी ही महत्वहीन हो जाए जितनी SQL infrastructure oligopoly होती
- Microsoft, Google, Apple, Meta ने winner-take-most effect के भीतर रहते हुए भी कभी नहीं सोचा कि वे जीत चुके हैं; वे हमेशा पीछे मुड़कर देखते रहे
- Andy Grove का "केवल paranoid ही survive करते हैं" इस मानसिकता का प्रतीकात्मक वाक्य है
- Intel के पास कभी network effects और technical advantage दोनों थे, और उसने दोनों खो दिए
1 टिप्पणियां
Hacker News की राय
लोग OpenAI की stickiness को कम करके आंक रहे हैं
लगभग 1 अरब उपयोगकर्ता होना सच में एक entry barrier है
मेरी पत्नी भी हर दिन ChatGPT इस्तेमाल करती है, लेकिन उसे कुछ और आज़माने की कोई वजह नहीं लगती
बातचीत का इतिहास बहुत ज़्यादा है, इसलिए कहीं और जाना मुश्किल है, और ads-आधारित monetization एक स्वाभाविक विकल्प लगता है
consumer market में OpenAI दूसरे competitors की तुलना में बेहतर स्थिति में है
network effects या UI learning effects लगभग नहीं हैं, और सिर्फ बातचीत का इतिहास उस valuation को समझाने के लिए काफी नहीं है
ऊपर से आगे चलकर ज़्यादातर devices और apps में AI features default रूप से शामिल होंगे, इसलिए अंततः इसके backend API स्तर पर commoditize होने की संभावना बहुत अधिक है
free users को अगर ads ज़्यादा दिखें, तो वे तुरंत किसी दूसरी free service पर चले जाएंगे
वास्तव में, हाल की outage के दौरान मेरा partner DeepSeek पर चला गया और फिर वापस नहीं आया
The Register article में भी यही बात कही गई है
बल्कि Google की स्थिति बेहतर हो सकती है — email, photos, location history जैसे personal data को AI में integrate करने पर कहीं ज़्यादा शक्तिशाली personalization संभव है
enterprise के लिए भी Google Docs और GCP के साथ integration स्वाभाविक है
लंबी अवधि में “AI + कुछ Google engineers” से teams को replace करने वाला model भी संभव लगता है
एक साथ बहुत सारे targets पकड़ने की कोशिश में उसके “सबके लिए थोड़ा-थोड़ा” बनकर रह जाने का जोखिम है
infrastructure का सीधे मालिक न होना भी एक चिंता का कारण है
trend बदलने पर OpenAI भी Grok या Perplexity की तरह पीछे छूट सकता है
संबंधित लेख: MIT Technology Review
मुझे जिज्ञासा है कि local models ज़्यादातर use cases को कवर करने लायक स्तर तक पहुँचने में कितना समय लगेगा
शायद 5 साल बाद आज का OpenAI 1970s के VAX systems जैसा लगे
आखिरकार local LLMs के सच में अच्छे बनने के लिए Google की API access की अनुमति चाहिए होगी
consumer GPUs की VRAM growth rate को देखें, तो 2035 से पहले high-performance local models चलाना मुश्किल लगता है
तेज़ models अच्छे होंगे, लेकिन फिर भी महंगे chips चाहिए होंगे और उन्हें consumer products तक पहुँचने में समय लगेगा
datacenters home servers की तुलना में कहीं ज़्यादा efficient हैं, इसलिए local models शायद सीमित रुचि वाली चीज़ बनकर रह जाएँ
मैं privacy-केंद्रित AI chat services को पसंद करता हूँ
Proton के Lumo+ और DuckDuckGo के Duck.ai की तुलना करके मैंने Lumo+ चुना
chat history Proton data के साथ integrated है और सभी devices पर accessible है
technical काम के लिए मैं Gemini Plus या Anthropic इस्तेमाल करता हूँ, लेकिन personal बातचीत के लिए private AI का उपयोग करता हूँ
परिवार की health issues जैसी संवेदनशील स्थितियों में privacy protection default होनी चाहिए
privacy risk सैद्धांतिक है, लेकिन व्यवहार में utility कहीं ज़्यादा बड़ी है
मैं sensitive कामों के लिए Tinfoil पर Kimi-k2 इस्तेमाल करता हूँ
BigLabs से बहुत बड़ा फर्क नहीं है, लेकिन privatemode.ai या confer.to जैसी services Apple AI स्तर की confidentiality का लक्ष्य रखती हैं
मुझे लगता है कि यह लेख OpenAI की आर्थिक defensibility का सबसे अच्छा विश्लेषण है
OpenAI लगता है कि ऐसी रणनीति अपना रहा है जिसमें market उसे “गिराया न जा सकने वाला अस्तित्व” बना दे
AI competition का देशों के बीच राजनीतिक competition में बदलना भी इस रणनीति का हिस्सा लगता है
जनता में AI को लेकर काफी skepticism है, और इसके असफल होने पर सामाजिक झटका भी बहुत बड़ा नहीं होगा
Google Gemini integration के मामले में सबसे आगे है (Android, WearOS, Google Home, speech recognition आदि)
Anthropic Claude की ताकत coding integration है
Meta open source के ज़रिए अपनी मौजूदगी बनाए हुए है, लेकिन market leadership नहीं रखता
frontend UX Claude का बेहतर है, लेकिन Codex best value for money है
open source community के लिए इसकी संरचना accessible है, इसलिए ClaudeCode का differentiation कमज़ोर है
OpenAI के “memory लगभग भर गई है” वाला ad देखने के बाद से मैं कई AI services साथ में इस्तेमाल कर रहा हूँ
Grok, Alexa+, Gemini Plus, Copilot, Claude Code, Opencode आदि में उपयोग बाँट रखा है
मुझे यह संरचना पसंद है जिसमें मैं किसी एक पर निर्भर नहीं हूँ
ज़रूरत पड़े तो मैं कभी भी दूसरी service पर जा सकता हूँ
vertical integration के अवसर को कम करके आंका जा रहा है
जैसे Anthropic ने पहले कहा था कि वह खुद IDE नहीं बनाएगा, लेकिन बाद में Claude Code की ओर मुड़ गया; उसी तरह law, healthcare आदि हर क्षेत्र में विस्तार की संभावना बड़ी है
open source models 6~12 महीने पीछे रहते हैं, इसलिए अंतर बढ़ सकता है
सिर्फ code generation को देखें, तो वह पहले ही पर्याप्त उपयोगी स्तर तक पहुँच सकता है
AGI साकार होने पर सभी knowledge-based companies अर्थहीन भी हो सकती हैं
नई AI companies के लिए इनमें आसानी से प्रवेश करना मुश्किल लगता है
अगर “Claude for Accountants” जैसा product सामान्य Claude से महंगा है, तो उसकी विश्वसनीयता कमज़ोर होगी
अगर AI का विकास जारी रहा, तो आज की Steve Jobs-शैली user-centric philosophy AI की दिशा से मेल न भी खा सके
ChatGPT किसी खास user problem को हल करने के लिए नहीं बना था, बल्कि संयोग से marketable बन गया product था
Apple अभी भी शायद नहीं समझ पाया है कि AI को कैसे संभालना है, लेकिन उसे Anthropic या OpenClaw जैसे tool-centric approach से सीखना चाहिए
OpenAI से भी सीखने लायक बातें हैं, लेकिन Apple या Google जैसी लाभकारी स्थिति उसके पास नहीं है
आखिरकार AI market कहीं ज़्यादा विविध ecosystem की ओर जाएगा
जब मैं एक native English speaker के रूप में Costa Rica गया था, तो मैंने अक्सर देखा कि स्थानीय लोग भाषा की बाधा आने पर ChatGPT से translation करते हैं
इस तरह के AI doomer articles ज़्यादातर company valuation के नज़रिए से बात करते हैं
लेकिन मानवता के नज़रिए से देखें, तो यह उल्टा आशावादी है
computing की इस पीढ़ी में शायद कोई एक खास company लोगों को उनकी इच्छा के विरुद्ध किसी दिशा में धकेलने की ताकत न पा सके
यह अच्छी बात है