- AWS में 4 साल बिताए, और संगठनात्मक बदलावों के बीच नौकरी से निकाला गया, लेकिन कंपनी पहले जैसी नहीं रही थी इसलिए यह उल्टा राहत की बात लगी
- Amazon का fungible workforce वाला नज़रिया लॉजिस्टिक्स सेंटर ऑपरेशन पर फिट बैठ सकता है, लेकिन उस IT organizational knowledge पर नहीं जो समय के साथ बनती है
- AWS का फोकस S3·EC2·RDS जैसी customer problems सुलझाने वाली infrastructure से तेज़ी से GenAI की ओर खिसक गया, और इंसानी ध्यान व तैयारी की प्रक्रिया पीछे छूट गई
- 10 साल से निष्क्रिय पड़े AWS account की recovery छोटे revenue से ज़्यादा एक user को इंसान की तरह ट्रीट करने का मामला था, लेकिन senior management की दिलचस्पी कम थी
- लगातार layoffs और बिगड़ती सेहत के बीच भी AWS में अच्छे लोग हैं, लेकिन open source का users को control वापस देने वाला मतलब और बड़ा हो गया है
AWS में बदलाव और बाहर निकलने की पृष्ठभूमि
- 2022 में जॉइन किया गया AWS 4 साल में बहुत बदल गया, और बाहर निकलना layoff था, लेकिन उल्टा राहत जैसा लगा
- पिछले 1 साल में AWS को open source community के साथ बेहतर सहयोग करने की दिशा में काम किया, लेकिन लगातार संगठनात्मक बदलाव और Generative AI पर तेज़ होते फोकस के कारण काम से संतुष्टि काफ़ी घट गई
- जब जॉइन किया था, तब David Nalley के नेतृत्व वाला OSSM(Open Source Strategy and Marketing) इस लक्ष्य के साथ काम कर रहा था कि AWS open source community का बेहतर सदस्य बने
- David Nalley के AWS Developer Experience संगठन की पूरी ज़िम्मेदारी संभालने के लिए प्रमोट होने के बाद OSSM के साथ सीधा interaction लगभग ख़त्म हो गया, और असली “David Time” भी लगभग शून्य रह गया
- आधिकारिक भूमिका AWS और commercial open source company customers के बीच liaison की थी, लेकिन असल में यह एक बहुत बड़ी कंपनी को मानवीय चेहरा देने जैसा काम था
“Fungible” workforce नज़रिया और IT संगठनों की सीमा
- Amazon कर्मचारियों को लगभग पूरी तरह fungible(बदले जा सकने वाले) मानने वाला एक अनोखा नज़रिया रखता है
- Fungible का मूल अर्थ “बदले जा सकने वाला” है, और यह शब्द NFT के ज़रिए व्यापक रूप से जाना गया
- Amazon का विशाल retail business उन processes पर बना है जो कुछ ही हफ़्तों में अपेक्षाकृत स्वस्थ और समझदार व्यक्ति को productive warehouse worker बना देते हैं
- यह approach delivery business में काम कर सकती है, लेकिन information technology में उतनी उपयुक्त नहीं, क्योंकि सफलता के लिए ज़रूरी organizational knowledge समय के साथ जमा होती है
- fungibility में यह भरोसा इस मान्यता पर टिका है कि ज़रूरी skills वाले और Amazon में काम करना चाहने वाले लोगों की आपूर्ति लगभग असीम है
- David Nalley ने interview process के दौरान लेखक को “non-fungible” कहा था, और इस अभिव्यक्ति ने गर्व का एहसास कराया
GenAI पर फोकस और customer-centricity की कमज़ोरी
- पिछले साल AWS का फोकस पूरी तरह, लगभग बेताबी के स्तर तक, GenAI पर शिफ्ट हो गया
- अंदरूनी तौर पर जितना हो सके उतना AI इस्तेमाल करने की मांग शुरू हुई, और “AI से ईमेल summarize करना” या “एक prompt से conference presentation material बनाना” जैसी चीज़ें सामने आने लगीं
- ईमेल summarize कराने से बेहतर है बेहतर ईमेल लिखना, और presentation देना तो चाहते हैं लेकिन तैयारी नहीं करना चाहते — यह प्रस्तुति के प्रति सही रवैया नहीं है
- आधुनिक अर्थव्यवस्था में सबसे मूल्यवान commodity attention है, और conference presentation को काफ़ी समय लगाकर तैयार किए जाने वाले काम के रूप में देखा जाना चाहिए
- एक समय presentation slides में पहचान में न आने वाले text या कई typos वाली AI-generated images वैसे की वैसे डाली जा रही थीं, और “काफ़ी अच्छा है” customer obsession नहीं है
- AWS का GenAI pivot असली customer needs से backward reasoning करने के बजाय, जितनी जल्दी हो सके उतनी चीज़ें बनाकर दुनिया के सामने फेंकने और reaction देखने की दिशा जैसा लगा
- AI द्वारा बनाया और AI द्वारा consume किया जाने वाला content बढ़ने के साथ, इस प्रक्रिया के केंद्र में मौजूद इंसान ग़ायब होता जा रहा है
- जब AWS ने पहली बार दुनिया को व्यावहारिक cloud दिया था, तब इसकी ताकत साफ़ थी
- 1990 के दशक में enterprise software लागू करने के लिए पहले यह अनुमान लगाना पड़ता था कि कितनी computing power चाहिए
- Sun Microsystems या Dell जैसी कंपनियों से hardware ऑर्डर करने पर डिलीवरी में कई हफ़्ते से कई महीने लग सकते थे
- उसके बाद rack mounting, power connection और provisioning की ज़रूरत होती थी; कम आकलन करने पर समस्या होती थी और ज़्यादा आकलन करने पर आलोचना झेलनी पड़ती थी
- AWS ने S3, EC2, RDS जैसी services से इन समस्याओं को हल किया और मानक स्थापित किए
- हाल के re:Invent में इन tools पर sessions ढूँढना मुश्किल है, और मिल भी जाएँ तो presentation का केंद्र अब भी AI ही रहता है
- व्यक्तिगत लक्ष्य “open source workloads चलाने के लिए AWS को default choice बनाना” भी ऐसे माहौल में डगमगाने लगा है जहाँ “vibe code” से वही functionality बनाकर license को bypass किया जा सकता है
- AWS का customer focus स्थिर और feature-rich applications बनाने वाले infrastructure owners को मनाने से हटकर एक अधिक अमूर्त स्तर पर चला गया है, जहाँ GenAI यह वादा करता है कि शायद उनकी ज़रूरत ही न रहे
- यह बदलाव उन लोगों को फिर से fungible बनाने की दिशा में जाता है
Account recovery का अनुभव और अंदरूनी प्रतिक्रिया
- पिछले साल की सबसे गर्व वाली उपलब्धि suspended AWS account को recover कराना था
- कंपनी पर इसका financial impact छोटा था और वह customer भी बड़ा spender नहीं था, लेकिन वह उन्हीं users में से एक था जिन्होंने AWS को सफल बनाया
- उत्तर अफ्रीका के एक user ने सार्वजनिक रूप से लिखा कि उसका 10 साल पुराना AWS environment लगभग बिना किसी चेतावनी के बंद कर दिया गया, कोई remedy नहीं दी गई, और यहाँ तक बताया गया कि data delete हो चुका है
- अगर data सचमुच ग़ायब हो गया होता तो recovery असंभव थी, लेकिन यह समझना भी ज़रूरी था कि यह अनुभव अधिकतम विस्तार से कैसा था ताकि किसी और के साथ ऐसा न हो
- account number के रूप में दिखने वाले user को एक इंसान की तरह समझने की प्रक्रिया में पता चला कि AWS account खोने के अलावा भी वह कई समस्याओं से जूझ रहा था
- आख़िरकार resources restore किए जा सके, और वास्तविक काम सही support team से जुड़ने के बाद support टीम ने किया
- उस user ने recovery के बाद follow-up post भी लिखा, लेकिन मूल बात यही थी कि ऐसी घटना शुरू से होनी ही नहीं चाहिए थी
- मामला बंद होने के बाद senior leadership ने रुचि नहीं दिखाई, लेकिन Amazon के कई कर्मचारियों ने Slack पर धन्यवाद भेजा और कुछ ने कहा कि कंपनी पर उनका भरोसा फिर से लौटा
- leadership का इस काम को अहम न मानना खास तौर पर तकलीफ़देह था
Layoffs, बिगड़ती सेहत, और open source की ओर वापसी
- पिछले साल अक्टूबर की बड़े पैमाने की layoffs का असर लेखक के नज़दीक काम करने वालों पर बहुत नहीं पड़ा, लेकिन जनवरी की बड़े पैमाने की layoffs कहीं ज़्यादा गंभीर थीं और AWS में बने कई दोस्त job seekers बन गए
- stress का असर सेहत पर भी पड़ा; 4 साल में वज़न लगभग 30 पाउंड बढ़ा, जिनमें से 10 पाउंड सिर्फ़ पिछले 1 साल में बढ़े
- blood pressure monitor पर लगातार नए high numbers आते रहे, और नींद इतनी बुरी तरह टूटी कि कई हफ़्तों तक एक भी रात ठीक से नहीं सो पाए
- AWS में अब भी बहुत अच्छे लोग हैं, लेकिन workforce reduction और बेहतर कंपनियों की ओर जाने वालों के सिलसिले के बीच यह हालात कितने समय तक रहेंगे, कहना मुश्किल है
- Cory Doctorow का “reverse centaurs” कम से कम इतना तो करता था कि Amazon में काम करने वालों को थोड़ी शर्म महसूस हो
- AWS जिन चीज़ों में अच्छा है, उनमें से एक
#actual-aws-memes नाम का Slack channel allow करना है
- यह channel काफ़ी सख़्ती से moderated है, लेकिन AWS life पर memes पोस्ट करके stress हल्का करने की जगह है
- आख़िरी हफ़्ते में पहली और आख़िरी बार वहाँ एक meme पोस्ट किया गया
- लेखक को नहीं लगता कि उसी meme की वजह से layoff हुआ, और AWS के 4 साल में कभी ऐसा कोई काम करने को नहीं कहा गया जो अनैतिक या गैरकानूनी लगा हो
- लेकिन अमेरिका और दुनिया में ऐसे स्तर मौजूद लगते हैं जहाँ क़ानून का पालन करना मानो वैकल्पिक चीज़ बन जाता है
- AWS में भविष्य अनिश्चित था, इसलिए मजबूरन बाहर होना उल्टा राहत देने वाला साबित हुआ
- इस साल GrafanaCon में शामिल होने के बाद open source की जड़ों की ओर लौटने की इच्छा और मज़बूत हुई
- open source का संबंध तकनीकी शक्ति और control को vendor की बजाय user के हाथ में रखने से है
- ऐसे GenAI माहौल में जहाँ cutting-edge models तक पहुँच सिर्फ़ API के ज़रिए है, open source का मतलब आगे कैसे विकसित होगा यह अनिश्चित है
- भले ही कोई local पर models चलाना चाहे, सवाल यह भी है कि ज़रूरी hardware कितने लोग वहन कर सकते हैं
- आख़िरी सवाल यही बचता है कि AI की दुनिया में इंसान की तरह काम करने का मतलब क्या है
1 टिप्पणियां
Hacker News की राय
पिछले महीने मैंने कई सालों में पहली बार AWS Support से संपर्क किया, और सवाल billing model के बारे में था
मैंने case बनाया, लेकिन 7 दिनों तक उसे किसी को assign नहीं किया गया। फिर मैंने live chat खोली और करीब 25 मिनट तक first-line support representative से बात की, लेकिन उसे विषय की ठीक जानकारी नहीं थी और वह वहीं बैठकर वही AWS docs पढ़ रहा था जो मैं पहले ही पढ़ चुका था।
आखिर में जवाब न मिलने पर उसने गलत जवाब देने के बजाय escalation कर दिया, यह ठीक था, लेकिन अगर उसने टिकट शुरू में ही देख लिया होता तो मुझे पीछा नहीं करना पड़ता।
11 दिन बाद पूरी तरह गलत जवाब आया, और इस बीच मैंने सही जवाब ढूंढकर समझाते हुए reply कर दिया था। अगले दिन मेरे जवाब को सही बताने वाला एक AI-generated लंबा संदेश वापस आया।
असली समस्या यह लगती है कि AWS यह मान रहा है कि मेरे जैसे ग्राहक AI-generated जवाबों को इंसानी जवाबों के बराबर या उपयोगी समझेंगे, जबकि मैं ऐसे unverified responses को लगभग नजरअंदाज ही करता हूँ
कभी support quality के लिए मशहूर Stripe भी अब शायद हार मान चुका है।
हाल में payment collection method उम्मीद से अलग तरीके से बदल जाने की समस्या सुलझानी थी, लेकिन AI bot सिर्फ बेकार नहीं था, उसने सक्रिय रूप से गलत explanation दी, और असली समस्या जस की तस रहते हुए कई दिनों तक हमें पूरी तरह गलत चीजें बदलवाता रहा।
अपने business में मैं कौन-सी services इस्तेमाल करूँ, यह तय करते समय इस बात को बहुत महत्व देता हूँ।
अगर मैं किसी service के साथ integrate कर रहा हूँ, तो सवाल या समस्या आने पर मदद करने के लिए सचमुच का इंसान होना चाहिए। सिर्फ cost cutting के लिए सबको AI bots की तरफ धकेलना इस बात का संकेत है कि कंपनी अपने customers को कितना महत्व देती है
पहले मैं ऐसी जगह था जहाँ सालाना AWS spend काफी बड़ा था, 100,000 डॉलर से बहुत ऊपर लेकिन 1 million डॉलर से कम, और वहाँ भी support tickets महीनों तक बिना जवाब पड़े रहते थे, और assigned account representative भी कई follow-up के बाद महीनों तक कुछ नहीं करता था।
पिछले 6 महीनों में खोले गए हर ticket पर काफी देरी के बाद AI-generated जवाब आया, और उसकी गलतियाँ व सवाल से असंबद्धता देखकर साफ था कि किसी इंसान ने उसे पढ़ा ही नहीं था
किसी वास्तविक व्यक्ति को call पर आने में 2 घंटे से ज्यादा लगे, और जब Oracle support contract के लिए हर साल सैकड़ों हजार डॉलर दिए जा रहे हों, तो बदले में AI bot मिलना स्वीकार करना मुश्किल है।
अब Postgres पर migrate करना सबसे बड़ी प्राथमिकता बन गया है, और “इंसानों को AI से replace करना” वाली बकवास बंद होनी चाहिए [0]
[0]: https://www.forbes.com/sites/jonmarkman/2026/04/06/oracles-m...
पहले मैंने ऐसे presentations देखे हैं जिनकी slides में पहचान में न आने वाले अक्षरों या गलत spelling वाले शब्दों से भरी AI-generated images होती थीं, और presenter उन्हें वैसे ही छोड़ देता था
“इतना काफी है” वाला रवैया customer obsession नहीं है।
अपरिपक्व generative AI को जबरन अपनाने का यह दृश्य Catch 22 के उस हिस्से की याद दिलाता है जहाँ Milo Minderbinder गलती से बहुत सारा cotton जमा कर लेता है और फिर लोगों को cotton खिलाने की कोशिश करता है
यह कभी नहीं सोचा था कि professional meetings में साफ-साफ बेतुका text लगी AI-generated images दिखेंगी, लेकिन अब यह धीरे-धीरे आम होता जा रहा है
उन्हें generative AI images से बदलना शायद उल्टा कुछ बेहतर ही हो।
कम-से-कम legal risk कम होता है, और दुनिया भर के audience के लिए शायद ज्यादा समझने लायक भी लगता है।
फिर भी लोग ऐसा क्यों करते हैं, यह अब भी समझ नहीं आता।
पता नहीं यह leadership training का हिस्सा है या presenters सच में मानते हैं कि ऐसे elements जोड़ने से presentation ज्यादा memorable और enjoyable बन जाती है
पिछले 6 महीनों में बड़ी कंपनियों के senior executives का मुख्य लक्ष्य जैसे सामान्य कर्मचारियों को replaceable या अनावश्यक बना देना रहा है
यह एक बहुत बड़ा प्रयोग है, और Industrial Revolution जैसी मिसालें पहले भी रही हैं।
workers के लिए इससे कम-से-कम एक पीढ़ी तक हालात और खराब होते हैं
सिद्धांत में तो हर किसी को हर काम कर पाना चाहिए, लेकिन व्यवहार में जब ज्यादा specialized roles के लिए hiring करनी होती है तो बहुत बड़ी सिरदर्दी बन जाती है।
Frontend Engineer या Embedded Systems Engineer जैसे roles बनाना शुरू किया गया, लेकिन असल में उनकी scope अब भी बहुत व्यापक है
अगर AI labor की value घटाकर bargaining power कम कर दे, तो यह पक्का नहीं कि वही तरीका फिर काम करेगा।
अंततः मामला किसी-न-किसी तरह settle हो जाएगा, लेकिन अगला चरण पाने की यह transition बहुत दर्दनाक और शायद हिंसक भी हो सकती है
मैं भी बहुत पहले AWS में था, और सच कहूँ तो organizational problems वास्तव में तब तेज हुईं जब Jassy Amazon के पूरे CEO बने और Charlie Bell जैसे अहम leaders कंपनी छोड़कर गए
बाकी समस्याएँ भी हमेशा से थीं।
cost के मामले में सस्ते bare-metal providers अब 10 साल पहले की तुलना में कहीं तेज़ी से instances दे रहे हैं, और product quality के मामले में startups से लेकर Databricks जैसी बड़ी कंपनियाँ भी दबाव बना रही थीं।
जब interest rates बढ़ने लगे, तब IoT, AI, business support, robotics, Ground Station जैसी कई महंगी bets का लगभग fail हो जाना भी बड़ा कारण था।
मौजूदा नई bet AI infrastructure और अपने hardware को मजबूत करना समझदारी भरा फैसला है, लेकिन ऐसे roles में उतने software engineers नहीं, बल्कि अलग तरह के high-skill experts चाहिए होते हैं
छोटे और bins में रखे जा सकने वाले items को handle करने वाले सभी fulfillment centers में robotics का बड़े पैमाने पर उपयोग हो रहा है, और बाहर से देखने पर यह काफी productive लगता है
#actual-aws-memes का जिक्र आया
मैं भी 2022 में शामिल हुआ था, और यह मेरे अनुभव से काफी मेल खाता है।
अच्छे managers के जाने के बाद “highest standards पर insist करना” धीरे-धीरे डरावने इतना काफी है में बदल गया, और generative AI ने उस रफ्तार को और बढ़ा दिया
कई सालों से यह बात सुन रहा हूँ कि Amazon अपना talent pool खत्म कर देगा, लेकिन फिर भी काम चलता जा रहा है
उसके बाद Kuiper में systems engineering roles के लिए मुझसे संपर्क करने वाले recruiters कम-से-कम 35 रहे होंगे।
चाहे सिर्फ “yellow badge” contractor role ही क्यों न हो, जैसे ही बात Amazon hiring manager stage तक पहुँचती है, तुरंत reject कर दिया जाता है।
Amazonians को शायद पता नहीं कि हम कितने समय तक blacklist पर रहते हैं, और शायद वे जान भी नहीं सकते।
आखिरकार लोग सच में खत्म हो जाएँगे
खासकर अब जब बाकी FAANG भी freshers को बेतहाशा ज्यादा नहीं दे रहे, तो ऐसा नहीं लगता कि smart young talent की supply पूरी तरह सूख जाएगी
किसी भी level पर hiring बहुत मुश्किल हो गई है, और हमारी team में senior data scientist की position डेढ़ साल से खुली है, लेकिन applicants लगभग नहीं हैं और सक्षम लोग तो और भी नहीं।
नए hires का औसत स्तर भी काफी गिर गया है, और मशहूर “hiring bar” अब जमीन के नीचे जा चुका है
software engineering employers के लिए यह golden age है
pay अच्छी है और resume पर भी अच्छा लगता है।
जहाँ मैं Europe में रहता हूँ, वहाँ तो खासकर यह आकर्षक लगता है
AI hype को अलग रख दें, तो सोचता हूँ कि क्या किसी कंपनी के बेजान, बेचेहरा large corporation बन जाने से बचने का कोई तरीका है, जहाँ customer सिर्फ एक number बनकर रह जाए
Amazon कई सालों तक शानदार तरीके से customer-centric था, लेकिन किसी बिंदु पर उसने यह खो दिया।
आज वह पहले की तुलना में ग्राहकों के प्रति बहुत ज्यादा unfriendly है; मैं ऐसे उदाहरणों की लंबी सूची दे सकता हूँ, लेकिन सबके पास अपनी कहानी होगी।
आखिर सही मायने में क्या गलत हुआ, और दूसरी कंपनियाँ इससे कैसे बच सकती हैं
hype और “आजकल जो चल रहा है” उससे immune रहो, और उसकी जगह इस बात पर ध्यान दो कि “हम customers को कौन-सा ऐसा अनुभव दे सकते हैं जो पहले उनकी पहुँच से बाहर था?”
जब passionate geeks की जगह पैसे गिनने वाले लोग steering wheel पकड़ लेते हैं, तो चीजें अनिवार्य रूप से spreadsheet वाली सोच की ओर चली जाती हैं।
ऐसे बड़े organizations में lights on रखने के लिए शायद इसका कुछ हिस्सा अपरिहार्य भी है।
अगर अभी तक नहीं देखा है, तो Jiro Dreams of Sushi देखना अच्छा रहेगा कि क्या वह जीवन-दृष्टि आपसे जुड़ती है।
Noma के René Redzepi का एक interview भी recommend करूँगा।
अपने craft पर फोकस करने से कैसे स्वाभाविक रूप से दूसरों के लिए बेहतरीन चीजें बनाने और पहुँचाने का अवसर बनता है, इस पर उसमें काफी insight है
Costco याद आता है
वह इस प्रक्रिया का काफी अच्छा वर्णन करता है।
इसे कैसे रोका जाए, यह तो नहीं पता, लेकिन शायद कंपनियों को छोटा रखकर, quality और sustainability पर focused रखकर, और venture capital के प्रभाव से मुक्त रखकर कुछ रास्ता निकले।
हालाँकि उसे bonsai की तरह लगातार छाँट-छाँटकर संभालना पड़ेगा
account recovery की कहानी बहुत करीब की लगी
कम-से-कम उसके पास cheer up करने वाले coworkers थे, लेकिन team इतनी घट गई है कि आखिर में शायद चुना हुआ LLM ही “अच्छा किया”, “तुम बिल्कुल सही हो” कहकर पीठ थपथपाएगा
ऐसा heroic behavior approval के बिना नहीं किया जा सकता, और system को अक्षम और टूटा हुआ दिखाने के बाद public execution से बचे रहना, ऊपर से apology तक मिलना, बहुत दुर्लभ है।
जिन्होंने सार्वजनिक रूप से उसका समर्थन किया, उन्हें भी पीछे मुड़कर देखना चाहिए
AWS ने अपना रास्ता खो दिया है
S3, SQS, EC2, VPC शानदार innovations थे, और उन्हें उन engineers ने बनाया था जो stable और elastically scalable systems चाहते थे।
संयोग से वे cost-efficient भी थे।
इसके बाद की चीजें, खासकर data stack और आज की AI services, उन MBA-केंद्रित executives ने बनाई हैं जो innovation को समझते नहीं और engineering को बैंक की तरह एक cost line item मानते हैं।
हाल के results में उसका असर दिखता है।
Google लगभग AWS की दोगुनी रफ्तार से बढ़ा है, हालाँकि यह सिर्फ संयोग भी हो सकता है
हमारी company भी सबको ज्यादा AI-related tools इस्तेमाल करने को कह रही है, और मुझे यह अपने-आप में गलत नहीं लगता
लेकिन ऐसे tools से बनने वाले काम की quality आखिरकार काफी हद तक व्यक्ति की क्षमता पर निर्भर करती है।
कुछ लोग बहुत कम मेहनत के साथ बेहद घटिया output दे देते हैं, और वह बहुत खटकता है
महत्वपूर्ण यह होना चाहिए कि अंतिम output क्या है, न कि कौन-सा tool इस्तेमाल हुआ।
अगर AI tools सच में दावों जितने शानदार हैं, तो उन्हें इस्तेमाल करने वाले लोग आगे निकलेंगे, और कंपनी भी बाकी कर्मचारियों से उचित रूप से कह सकेगी, “आपका colleague आपसे दोगुना काम कर रहा है।”
लेकिन tool usage को ही force करना बेमानी है और उल्टा नुकसान करता है