हो सकता है कि आपके startup को पहले ही मृत घोषित किया जा चुका हो
(steveblank.com)- 2 साल से अधिक पुराने अधिकांश startup में AI युग के तेज़ी से बदलते माहौल के बीच business plan और tech stack के पुराने पड़ जाने की बहुत संभावना है, और उन्हें तुरंत अपनी मौजूदा स्थिति की समीक्षा करनी चाहिए
- 2025 तक VC निवेश का दो-तिहाई AI-संबंधित deals में केंद्रित होने के कारण, non-AI startup को लगातार सिकुड़ते funding pool के लिए प्रतिस्पर्धा करनी होगी
- Vibe coding tools की वजह से अब MVP कुछ महीनों नहीं बल्कि कुछ दिनों में बनाया जा सकता है, इसलिए पारंपरिक dev team structure और Agile process खुद बुनियादी रूप से पुनर्गठित हो रहे हैं
- AI Agent software की हर category को बदल रहा है, और product के interface-based से outcome-based बनने के साथ pricing model भी seat-based से performance-based की ओर जा रहा है
- अतीत में बनाए गए tech और team पर sunk cost trap में फँसे बिना, यह पूछना ज़रूरी है: "अगर आज startup शुरू करते, तो क्या बनाते?" तभी survival संभव है
पृष्ठभूमि: 6 साल पुराने startup founder का मामला
- 6 साल पहले निवेश किए गए startup के founder Chris जटिल autonomous driving problem को मौजूदा बाज़ार में एक अनोखे business model से हल कर रहे थे
- बड़े fundraising की शुरुआत करने के समय, 5 साल में बनाया गया उनका software moat धीरे-धीरे उतना विशिष्ट नहीं रह गया
- यूक्रेन के autonomous drone और ground vehicle सेक्टर ने दर्जनों से सैकड़ों competitors पैदा कर दिए, और बड़े तथा बेहतर-funded dev teams उसी समस्या को हल कर रहे हैं
- जब Chris niche market में adoption के लिए संघर्ष कर रहे थे, तब adjacent market यानी defense में autonomous vehicle market तेज़ी से बढ़ रहा था
- पिछले 5 सालों में defense startup में VC निवेश शून्य से बढ़कर सालाना 20 billion dollar हो गया
- उनका product contested logistics और medical evacuation के लिए उपयुक्त था, लेकिन उन्हें इस opportunity के अस्तित्व का भी पता नहीं था
- Chris की team मौजूदा aviation platforms के साथ system integration में अलग पहचान रखती है, लेकिन उन्होंने जिस business से शुरुआत की थी और आज जो business है, वह पहले ही बदल चुका है
- इस case से यह समझना चाहिए कि 2 साल से अधिक पुराने अधिकांश startup के पास पुरानी business plan, tech stack और team structure है
बदला हुआ माहौल: venture capital और AI
- 2025 तक AI deals, कुल VC निवेश का दो-तिहाई हिस्सा ले रही हैं
- non-AI startup को छोटे funding pool के लिए प्रतिस्पर्धा करनी पड़ रही है, और उन्हें यह जवाब देना होगा कि ज़्यादा capital वाले AI-native competitors आपका business क्यों replace नहीं कर सकते
- software founders के लिए AI ने cost, speed और headcount के पुराने formulas को पूरी तरह बदल दिया है
- Claude Code या OpenAI Codex जैसे Vibe coding tools से MVP महीनों में नहीं बल्कि कुछ दिनों, और कभी-कभी कुछ घंटों में भी बनाया जा सकता है
- MVP अब team capability का प्रमाण नहीं रहा
- dev team structure भी बदल रहा है: कम engineers, और नए प्रकार के engineers जैसे result/business process engineers तथा deep technical talent
- जो काम पहले dev team करता था, अब वह कभी-कभी एक व्यक्ति भी कर सकता है
- data पहले differentiation और moat था, लेकिन अब foundation models (ChatGPT, Gemini, Claude) public data sources को commoditize और internalize कर रहे हैं
Agile development की पुनर्परिभाषा
- पहले बाधा यह थी, "क्या हम इसे बनाने और launch करने का खर्च उठा सकते हैं?" लेकिन अब सवाल है, "हमें क्या test करना है, क्या हम users तक जल्दी पहुँचकर सीख सकते हैं?"
- Agile अब serial process नहीं रहा
- AI Agent समान या कम लागत पर कई काम parallel कर सकता है
- एक ही business के कई versions या अलग-अलग businesses को एक साथ test किया जा सकता है
- 5 pricing models, 10 messages, 20 UX flows को साथ में test किया जा सकता है, और "user interface" अब ज़रूरी नहीं कि screen ही हो
- testing अब AI Agent को वांछित परिणाम देने के लिए prompt exploration भी हो सकती है
- bottleneck अब engineering नहीं बल्कि judgment, customer insight और distribution है
AI Agent का उभार
- AI Agent software की हर category को बदल देगा, जिसमें आज चल रहे products भी शामिल हैं
- आज का software user को information देता है और dashboard, alert, workflow tool, report जैसे UI के ज़रिए user से काम करवाने के लिए डिज़ाइन किया गया है
- लेकिन ग्राहक software इसलिए नहीं खरीदते कि वे और screen देखें, बल्कि काम पूरा करने के लिए खरीदते हैं
- AI Agent (OpenClaw जैसे tools के orchestration के साथ) autonomously tasks पूरा करता है
- अगर आपका product user को "अगला काम क्या है" बताता है, तो AI Agent वह step खुद कर देगा
- अगर competitor का product काम अपने-आप पूरा कर देता है और आपका product अभी भी user click का इंतज़ार करता है, तो आपकी प्रतिस्पर्धात्मक बढ़त खत्म हो जाएगी
- अगली पीढ़ी के applications screen पर information दिखाने के बजाय कर्मचारी की तरह व्यवहार करेंगे
- support tickets resolve करना, meeting schedule करना, lead qualify करना, inventory reorder करना जैसे काम अपने-आप करेंगे
- जब product software-as-interface से software-as-outcome में बदलेगा, तब pricing model भी seat-based से outcome-based में बदलेगा, जैसे प्रति resolved ticket, प्रति booked meeting, प्रति converted lead
- Product/Market fit की खोज AI Agent/Customer Outcome fit की खोज में बदल रही है, और MVP की जगह Minimum Productive Outcomes(MPO) आने की संभावना है
hardware startup में बदलाव
- hardware अब भी physics, capital, supply chain और manufacturing cycle से बँधा है; metal machining, prototype development या chip tape-out को छल नहीं सकते
- लेकिन AI से खराब ideas को जल्दी हटाना संभव है
- physical prototype बनाने से पहले अधिक design variations simulate किए जा सकते हैं, digital twins बनाए जा सकते हैं, और assumptions को पहले तथा कम लागत में stress test किया जा सकता है
- इससे learning और discovery तेज़ होती है, और कभी-कभी विफलता तक भी जल्दी पहुँचा जा सकता है, जो startup में bug नहीं बल्कि feature है
- जब AI system के हिस्से के रूप में embed होता है, तो product खुद बदल जाता है
- अगर camera में AI backend जोड़ा जाए, तो वही camera surveillance system, vibration sensor, machine failure prediction system बन सकता है
- robot factory worker बन सकता है
- moat अब सिर्फ hardware नहीं, बल्कि hardware क्या sense कर सकता है और AI उस data का उपयोग कर decision और action कैसे लेता है, इसका संयोजन है
sunk cost trap
- 2025 से पहले शुरू करने वाले founders के tech stack उस दौर के लिए optimized थे जब software development custom-built और महँगा होता था
- Agile development और DevSecOps ने चीज़ों को lean बनाया, लेकिन वे serial structure में चलते थे, और teams भी उसी हिसाब से hire की गईं
- proprietary code और features से वर्षों में बनाया गया "moat" अब AI द्वारा commoditize किया जा रहा है
- ऐसे business model के साथ funding जुटाने की कोशिश हो रही है जो आंशिक या पूरी तरह पुराना हो चुका है
- product launch और Product/Market fit की खोज में डूबी founding team को यह बदलाव साफ़ दिखाई न दे
- sunk cost pivot न करने की वजह बन जाता है:
- "हम सालों का काम कैसे छोड़ दें?"
- "VC ने इसी specific idea में निवेश किया था"
- "customers अभी भी UI चाहते हैं"
- "team इस roadmap पर विश्वास करती है"
- "customers अभी इसके लिए तैयार नहीं हैं"
- कुछ sunk cost अब भी assets हैं: गहरा domain knowledge, customer relationships, proprietary data, regulatory approvals, physical integrations
- Chris के मामले में airframe integration ऐसा ही asset है
- liability बनने वाले sunk cost: बड़े engineering teams जो slow software cycle के लिए बनाई गई हों, seat-based pricing model, और outcome की बजाय feature-केंद्रित product roadmap
- यही है "Dead Moose on the table" — कुछ ऐसा जो साफ़ तौर पर गलत है, लेकिन कोई उस पर आपत्ति नहीं करता
मुख्य सीख
- 2024 से पहले का playbook, 2026 में नहीं चल सकता — fundraising, technology, business model सब बदल चुके हैं
- Agile development parallel development में बदल रहा है
- Product/Market fit की खोज AI Agent/Customer Outcome fit की खोज में बदल रही है, और MVP की जगह MPO(Minimum Productive Outcomes) ले रहा है
- sunk cost mindset startup बंद होने तक ले जा सकता है
- बचाव योग्य moat proprietary data, customer outcome की गहरी समझ, regulatory lock-in, Program of Record हासिल करने में मिल सकता है
- जो founders बचेंगे, वे वही हैं जो बाहर निकलकर स्थिति समझें, pivot करें और दिशा सुधारें
- यह पूछना होगा: "अगर आज के tools और आज के market में startup शुरू करें, तो वास्तव में क्या बनाएँगे?"
1 टिप्पणियां
Hacker News की राय
लेख का लहजा सचमुच AI का इस्तेमाल करके startup बना चुके व्यक्ति जैसा कम, और AI पर बहुत-से लेख पढ़ चुके व्यक्ति जैसा ज़्यादा लगता है
अभी भी system design, UX, pricing, और feature decisions जैसी चीज़ों में सीमाएँ हैं
iteration की रफ़्तार तेज़ हुई है, लेकिन अभी autonomous AI loop उस स्तर पर नहीं है कि पूरा product निकाल दे
अगर यह सिर्फ़ एक simple CRUD app होता तो शायद संभावना कम होती, लेकिन लेख में जिस startup की बात है वह वैसा नहीं लगता
“AI ऐसा हो जाएगा”, “developers को वैसा करना होगा” जैसे बिना आधार के दावे दिखते ही मैं उसे नज़रअंदाज़ कर देता हूँ
जिस future के बारे में कोई नहीं जानता, उसके बारे में इतने भरोसे से बोलना अहंकार है
हर चीज़ को chatbot में बदल देना अजीब है
लेकिन हम exponential change के बीच हैं। सिर्फ़ 1 साल पहले तक model एक ढंग का function भी नहीं लिख पाते थे
पहले bottleneck production था, लेकिन अब bottleneck hypothesis को validate करने की willingness है
जल्दी fail होकर iterate करने का रवैया महत्वपूर्ण है
जैसे-जैसे technology हर cost को 0 के पास ले जाती है, psychological cost और बड़ी हो जाती है
reality check से बचा नहीं जा सकता, लेकिन ज़्यादातर लोग अब भी उससे बचना चाहते हैं
इस पर और विस्तार से लिखा गया लेख Substack पर डाला है
इसलिए mid-career developers की पीढ़ी में ‘वास्तव में किस काम की value है’ इस बारे में समझ विकृत हो गई है
bottleneck शुरू से coding था ही नहीं
“bottleneck अब engineering नहीं है” वाली बात की तरह, आजकल 90% blog posts तो publish होते ही dead on arrival हैं
उससे यह दिखाया जा सकेगा कि author एक वास्तविक इंसान है, और readers के साथ parasocial relationship भी बन सकता है
अब उसमें लिखा है: “bottleneck engineering नहीं, बल्कि judgment, customer insight, और distribution की ओर शिफ्ट हो गया है”
ज़्यादातर startups तो मूल रूप से शुरू से ही fail state में होते हैं
पिछले 20 वर्षों में Lean Startup, accelerators, और तरह-तरह की advice industry आईं, लेकिन failure rate में बहुत बड़ा बदलाव नहीं आया
समस्या framework नहीं, reality है
जो लोग पहले शायद finance sector में जाते, वे अब startup चुन रहे हैं
startups की संख्या बढ़ी है, इसलिए ratio वही रहे तो भी absolute number बढ़ता है
Shopify के Tobi user churn को एक core metric मानते हैं
churn बढ़ने का मतलब है कि और ज़्यादा संभावित founders तक exposure हो रहा है, यानी कुल pie को बड़ा करने की strategy
अगर idea अच्छा है, तो methodology सिर्फ़ returns को प्रभावित करती है, success या failure को तय नहीं करती
Steve Blank की बात AI miss करने वाले व्यक्ति की नहीं, बल्कि defense industry VC market के 20 billion dollar अवसर को चूकने वाले व्यक्ति की है
वह “AI इस्तेमाल करो” नहीं कह रहे, बल्कि यह कह रहे हैं कि AI ने tech stack, defensibility, और investability के बारे में हमारी धारणाएँ ही बदल दी हैं
Chris product development पर ही केंद्रित रहा और उस बड़े wave को पकड़ नहीं पाया
“seat-based pricing model और feature-centric roadmap पुराने हो चुके हैं” इस दावे से सहमत नहीं हूँ
AI भले user count से स्वतंत्र होकर scale कर सके, लेकिन value पाने वाला पक्ष अब भी इंसान ही है
seat-based pricing समझने में आसान है, और ज़रूरत हो तो token/agent cost जोड़ी जा सकती है
इसके अलावा outcome-based roadmap को हर industry में define करना मुश्किल है, और marketing SaaS में results का अनुमान लगाना आसान नहीं
सच तो यह है कि हर startup मूल रूप से dead state में ही शुरू होता है
सफल होने के लिए लगातार सीखना और innovate करना पड़ता है
अपने लेख Startups are Default Dead में,
उन्होंने समझाया था कि startup के जीवित रहने के लिए VC funding चाहिए
“bottleneck engineering से judgment और customer insight की ओर चला गया है” इस बात पर,
वास्तव में engineering 10 साल पहले से ही bottleneck नहीं थी
frameworks और best practices काफ़ी पहले से स्थापित हैं, और AI बस इस reality को उजागर कर रहा है
ज़्यादातर listed SaaS companies में sales और marketing cost, R&D से ज़्यादा या उसके बराबर होती है
आगे यह gap और बढ़ेगा
“AI ने मौजूदा tech stack बदल दिया” इस दावे से सहमत नहीं हूँ
AI bots Typescript, Java, Python, Rust जैसी किसी भी language में अच्छी तरह काम करते हैं
यानी, tech stack खुद नहीं बदलता
पता नहीं AI इस्तेमाल करने वाली और न करने वाली companies के बीच code और infra stack का अंतर वास्तव में मौजूद है भी या नहीं
लेख के साथ लगी image को देखकर,
लगता है लेखक ने इस पर गहराई से नहीं सोचा
जो जानकारी पहले सिर्फ़ screen खोलकर एक लाइन में देखी जा सकती थी, उसे अब AI से paragraph में समझाना पड़ रहा है
ऊपर से meaning को गलत समझने का जोखिम भी है
क्या यह सचमुच upgrade है, इस पर संदेह है