क्या Meta अपनी engineering organization को बर्बाद कर रहा है?

 (newsletter.pragmaticengineer.com)
1 पॉइंट द्वारा GN⁺ 3 시간 전 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • Meta लंबे समय से तेज़ execution और engineer autonomy को अपनी ताकत मानता रहा, लेकिन अप्रैल 2026 के आसपास AI-केंद्रित पुनर्गठन के बाद आंतरिक भरोसा तेज़ी से हिल गया
  • AI प्रतिस्पर्धा में पीछे न रहने के लिए उसने Scale AI में 49% हिस्सेदारी लगभग 14.8 अरब डॉलर ($14.8b) में खरीदी और Alexandr Wang को AI strategy की ज़िम्मेदारी दी, जिसके साथ data collection और labeling-केंद्रित operating model engineering organization में आ गया
  • अनुमान है कि मुख्य टीमों के 30~50% engineers को ADO में भेजा गया और लगभग 4,000~5,000 software engineers को data labeling और RLHF काम में लगाया गया
  • keystroke और mouse click tracking, AI token usage evaluation, और 10% layoffs की घोषणा—इन सबने product quality से ज़्यादा मापे जा सकने वाले AI उपयोग को optimize करने का दबाव बढ़ाया
  • Instagram account takeover और Facebook·Instagram outages तक होने के बाद, मुख्य takeaway यह है कि Meta की engineering organization को अब profit center की बजाय cost center की तरह treat किया जा रहा है

तेज़ execution और autonomy को महत्व देने वाली Meta culture

  • Meta की engineering culture मोटे तौर पर दो चरणों से गुज़री है
    • 2010s का “move fast and break things”
    • 2020s की शुरुआत का “move fast with stable infra”
  • 2012 में जब Facebook 1 अरब users तक पहुँचा, तब कंपनी ने लगभग 70 पन्नों की internal culture booklet कर्मचारियों की desks पर बाँटी
    • speed, fearlessness, ownership, और out-of-the-box thinking इसके मुख्य संदेश थे
    • campus भर में “Move Fast and Break Things”, “Done is Better Than Perfect”, “Fail Harder” जैसे वाक्य लगे हुए थे
  • 2022 का Meta अभी भी काफी हद तक engineer-centric organization था
    • individual impact performance evaluation का मुख्य axis था
    • Big Tech में भी यहाँ process और standardization अपेक्षाकृत कम थे
    • testing, documentation, और code comments भी दूसरी Big Tech कंपनियों से कम माने जाते थे
    • नए engineers 6 हफ्ते के Bootcamp से गुजरकर Meta culture से परिचित होते और फिर team चुनते थे
  • Facebook और Instagram के पास fast execution को support करने लायक mature infra था
    • Facebook को industry में sophisticated auto-rollout systems वाले product के रूप में बताया गया
    • Instagram को ऐसे verified infra के उदाहरण के रूप में बताया गया जिसने Threads launch के पहले हफ्ते में 10 करोड़ users संभाले
  • उस समय internal engineers को लगता था कि उनका काम कंपनी के मुनाफ़े का profit center है

AI platform opportunity न चूकने की कोशिश में निवेश

  • Apple, Microsoft, Amazon, और Google के विपरीत Meta को ऐसी Big Tech कंपनी के रूप में देखा गया जिसकी अपनी hardware platform या operating system पर पकड़ कमज़ोर है
    • Apple के पास iPhone, iPad, Mac हैं
    • Google के पास Android, ChromeOS, Pixel हैं
    • Microsoft के पास Windows है
    • Amazon के पास Kindle है
  • व्याख्या यह है कि 2010s में अपना mobile OS या mobile phone न बना पाने के बाद Mark Zuckerberg अगली platform opportunity नहीं चूकना चाहते थे
  • VR और AR में निवेश उसी दिशा का हिस्सा था
    • Oculus और Meta Glasses में बड़े निवेश हुए
    • 2021 में Facebook ने अपना नाम बदलकर Meta कर लिया
    • महामारी के बाद VR में public interest काफ़ी घट गया, ऐसा आकलन है
  • 2022 में AI बड़े trend के रूप में उभरा तो Meta ने FAIR और GenAI product organization के केंद्र में Llama family models लॉन्च किए
    • Llama 1: फ़रवरी 2023 में लॉन्च, ChatGPT के 3 महीने बाद, FAIR द्वारा विकसित
    • Llama 2: जून 2023 में लॉन्च, GenAI product organization द्वारा विकसित
    • Llama 3: अप्रैल 2024 में लॉन्च, Meta का सबसे competitive LLM बताया गया
    • Llama 4: अप्रैल 2025 में लॉन्च, “गहराई से निराशाजनक” model के रूप में आंका गया
  • जून 2025 में Meta ने Scale AI में 49% हिस्सेदारी 14.8 अरब डॉलर में खरीदकर अपने AI प्रयासों को फिर से आगे बढ़ाया
    • Scale AI के CEO Alexandr Wang ने Meta की AI strategy संभाली
    • Manus AI को 2 अरब डॉलर में खरीदने की कोशिश चीन ने रोक दी, इसलिए deal पूरी हुई या नहीं यह अस्पष्ट है

Scale AI शैली का data collection और RLHF मज़बूती

  • Scale AI की Meta में लाई गई मुख्य क्षमता को training data और human feedback के ज़रिए model improvement के रूप में समझाया गया
    • Training data and labeling: code, text, image, video आदि के लिए high-quality labeled datasets उपलब्ध कराना
    • RLHF and fine-tuning: foundation model को human-in-the-loop feedback देने वाला data engine
  • Alexandr Wang को training data generation, data labeling, और RLHF चलाने के लिए व्यापक अधिकारों वाला बताया गया
  • अप्रैल के अंत में Meta ने engineers को ऐसे system में enroll होने की सूचना दी जो keystrokes और mouse clicks track करता है
    • इसका मकसद Meta के नए AI के लिए training data बनाना था
    • इसमें opt-out का कोई तरीका नहीं था, ऐसा कहा गया
    • personal bank account, personal email, और personal call responses जैसी स्थितियों में tracking कहाँ तक जाएगी, इसे लेकर privacy concerns उठे
  • Reuters की रिपोर्ट के मुताबिक कर्मचारियों के विरोध के बाद Meta ने कुछ data collection plans कम किए
    • employees को data collection अधिकतम 30 मिनट तक pause करने का control दिया गया
    • exception request भी संभव हुई
  • मौजूदा Meta engineers के साथ बातचीत के आधार पर, data protection regulations के कारण यह logging system UK में rollout नहीं किया गया

ADO में धकेले गए product engineers

  • अप्रैल के अंत से product engineering teams को निर्देश दिया गया कि वे अपने 30~50% engineers को ADO (Agent Data Optimisation) organization में भेजें
  • इस redeployment को “forced” इसलिए माना गया क्योंकि यह Meta की पुरानी culture से सीधा टकराता था
    • पहले engineers किसी खास team नहीं बल्कि कंपनी में hire किए जाते थे
    • नए hires 6 हफ्ते के Bootcamp के बाद team चुनते थे
    • team matching कई teams से बात करके और छोटे काम करके fit समझने की प्रक्रिया थी
    • internal mobility आसान थी और अक्सर engineer-led होती थी
  • Bootcamp के ज़रिए team selection 2024 के आसपास कमज़ोर पड़ना शुरू हुआ, लेकिन 2 साल से अधिक समय से Meta में काम कर रहे engineers के पास अपने काम को चुनने का अनुभव था
  • infra और security teams को खास तौर पर बड़ा झटका लगा
    • कई infra organizations से 30~50% लोग ADO में चले गए
    • कुछ मामलों में सबसे बेहतरीन engineers निकल गए
  • ADO organization को लगभग 6,500 लोगों का बताया गया
    • इनमें से लगभग 4,000~5,000 software engineers माने जाते हैं
    • Meta में कुल लगभग 25,000 engineers होने के हिसाब से, हर 5~6 engineers में 1 व्यक्ति full-time data labeling में लग सकता है
  • ADO में गए engineers reportedly काम की प्रकृति और top-down decision-making दोनों से नाखुश हैं
    • हालांकि उन्हें layoffs में नहीं डाला गया और salary बनी रही, इसे एक “silver lining” कहा गया

layoff announcement और token usage का दबाव

  • 20 अप्रैल को Reuters ने रिपोर्ट किया कि Meta एक महीने बाद 10% workforce cut करने की योजना बना रहा है, और Meta ने इसकी पुष्टि भी की
    • employees 4 हफ्तों तक इस जानकारी के साथ इंतज़ार करते रहे कि वे जल्द नौकरी खो सकते हैं
  • Meta का performance evaluation system PSC (Performance Summary Cycle), Google या Apple की तुलना में बहुत कठोर बताया गया
    • managers अपने team members के compensation packages बढ़ाने के लिए दूसरी teams के engineers के packages नीचे धकेलने जैसी प्रतिस्पर्धा करते हैं
    • business impact, code review count, और लिखी गई code lines जैसे metrics performance review में हथियार बन सकते हैं
    • हर evaluation bucket के quota घटने के साथ, ऊँचे bucket पाने की internal politics और तेज़ हो जाती है
  • layoffs confirm होने के बाद engineers को पता चला कि managers performance evaluation में token count भी देखेंगे
    • token कम होने पर low performer mark होकर निकाल दिए जाने की चिंता बढ़ी
    • Meta के अंदर token usage leaderboard था, जिसे tokenmaxxing को बढ़ावा देने वाले माहौल के रूप में बताया गया
  • The Information के अनुसार Meta employees ने 30 दिनों में कुल 60.2 ट्रिलियन AI tokens का उपयोग किया
    • Anthropic API pricing के हिसाब से यह 90 करोड़ डॉलर के बराबर है
    • अनुमान है कि Meta discounted price पर tokens खरीदता हो तब भी लागत 10 करोड़ डॉलर से ऊपर हो सकती है
  • इन दबावों के मेल से यह व्याख्या सामने आई कि वास्तविक काम की बजाय performative work को बढ़ावा मिला
    • engineers के keyboard और mouse clicks की tracking
    • बड़ी संख्या में engineers का full-time data labeling में conversion
    • 10% layoffs की घोषणा
    • हर performance metric को optimize करने वाली culture
    • PSC में token usage measurement

Instagram account takeover और security organization में अव्यवस्था

  • 30 मई को Instagram पर कई accounts hijack होने की घटना हुई
    • इसमें Obama White House account जैसे high-profile accounts भी शामिल थे
  • Siddharth Sundharam की post के अनुसार attack flow बहुत simple था
    • attacker सिर्फ account username से शुरुआत कर सकता था
    • victim के शहर के पास का VPN या proxy इस्तेमाल कर Instagram security systems का suspicion टाला गया
    • Meta support AI से कहा गया कि account hack हो गया है, और verification code attacker-controlled किसी भी email address पर भेजने को कहा गया
    • AI द्वारा भेजा गया code फिर submit करने पर password reset link मिल गया
  • इस घटना को “proper zero auth password reset” कहा गया
    • बताया गया कि newly entered email पहले user द्वारा इस्तेमाल किया गया है या नहीं, इसकी कोई अतिरिक्त जाँच नहीं थी
  • Meta के internal लोगों के साथ बातचीत के अनुसार, इस outage के केंद्र में AI था
    • Instagram Trust and Safety team ने data labeling और layoffs के कारण लगभग 50% workforce खो दी
    • कुछ सबसे senior लोग भी AI training work में shift कर दिए गए
    • कहा गया कि पिछले 2 महीनों में codebase भर में human involvement लगभग बिना वाली AI-generated changes और AI code reviews आम हो गए थे
    • सामान्य स्थिति में Trust and Safety team security breaches की monitoring और alerting करती, लेकिन तेज़ internal restructuring के कारण अव्यवस्था थी
  • सोमवार, 1 जून को outage resolve हुआ और SEV process के हिस्से के रूप में investigation शुरू हुई
    • अगले दिन Meta CISO Guy Rosen ने resign करने की घोषणा की
    • अटकलें हैं कि यह resignation महज़ coincidence नहीं हो सकता, लेकिन यह पक्का नहीं है
  • पहले की सबसे खराब outage के रूप में 2021 की DNS/BGP misconfiguration घटना का ज़िक्र किया गया, जिसमें सभी Meta services 7 घंटे बंद रही थीं
    • 2021 outage के बाद Meta ने public postmortem और apology जारी की थी
    • लेकिन इस Instagram account takeover incident पर अब तक कोई public postmortem नहीं बताया गया

internal dissatisfaction और leadership की स्वीकारोक्ति

  • Wired ने Meta के अंदरूनी माहौल की कुछ झलकें दीं
    • employees-only livestream announcement के दौरान एक व्यक्ति ने गाली-गलौज भरे शब्दों में कंपनी और Meta AI के एक executive की आलोचना की
    • इसे मार्च में Meta Superintelligence Labs की AI research support के लिए बने Applied AI team के भीतर असंतोष का उदाहरण बताया गया
  • Wired द्वारा उद्धृत 3 मौजूदा employees ने कहा कि लगभग 6,500 लोगों की organization जिस तरह बनाई गई और AI model improvement के लिए दिए गए repetitive work को लेकर व्यापक असंतोष है
    • एक employee ने इसे “literally the gulag” कहा और purpose loss व isolation की शिकायत की
  • Meta CPO Chris Cox ने Instagram all-hands में पिछले कुछ महीनों के माहौल को “difficult” और “brutal” कहा
    • उन्होंने इसे ओलों के बीच marathon दौड़ने जैसा बताया
    • team members के बदले जाने और tracking तक की बात करते हुए उन्होंने “what the fuck” कहा
  • Wired के अनुसार Meta CTO Andrew Bosworth ने माना कि AI restructuring बहुत खराब तरीके से की गई और आगे बेहतर communication का वादा किया
    • उन्होंने यह भी कहा कि employees को AI coaching tools तक access मिलेगा

जवाबदेही और organization को हुआ नुकसान

  • internal engineers ने Mark Zuckerberg और Alexandr Wang को मौजूदा स्थिति के प्रमुख किरदारों के रूप में चिह्नित किया
    • Zuckerberg को engineer redeployment, tracking software rollout, और record revenue व profit के बीच 10% layoffs का फ़ैसला लेने के लिए ज़िम्मेदार बताया गया
    • Wang को Scale AI-शैली data generation, labeling, और RLHF approach लाने वाले व्यक्ति के रूप में उल्लेखित किया गया
  • layoffs को छोड़कर कई कदम Scale AI की working style जैसे बताए गए
    • keystroke और mouse tracking के ज़रिए training data generation
    • 4,500 से अधिक engineers से data labeling करवाना
    • Meta द्वारा बनाए जा रहे coding LLM के लिए high-quality RLHF तैयार करना
  • यह व्याख्या सामने आई कि core products Instagram, Facebook, और Messenger को reliably चलाने से ज़्यादा coding AI training को महत्व दिया जा रहा है
  • 12 जून को Facebook और Instagram पर एक और SEV0-level full outage हुई
  • बताया गया कि Meta साल के अंत तक Google को पीछे छोड़कर दुनिया का नंबर 1 advertising business बनने की राह पर था
    • इसके बावजूद leadership coding LLM बनाना ज़्यादा अहम मान रही है, ऐसी आलोचना जारी रही
  • आशंका जताई गई कि अगर मौजूदा स्थिति जारी रही तो लंबे समय से काम कर रहे engineers और अधिक संख्या में चले जाएँगे
    • साथ ही यह भी जोड़ा गया कि यदि data labeling assignments और employee tracking जैसे बदलाव वापस लिए गए, तो normalcy में लौटने के लिए एक छोटा window हो सकता है

क्या “AI psychosis” सिर्फ Meta की समस्या है?

  • Mitchell Hashimoto ने कहा कि कुछ कंपनियाँ गहरे “AI psychosis” की स्थिति में हैं और इस पर तर्कसंगत बातचीत करना मुश्किल है
  • उन्होंने समझाया कि cloud और automation transition के दौरान infra में MTBF और MTTR को लेकर जो बहसें हुई थीं, वे अब पूरे software development industry में फिर से दिख रही हैं
    • “bugs आ भी जाएँ तो agents उन्हें तेज़ी से और बड़े scale पर ठीक कर देंगे” वाली सोच को समस्या बताया गया
    • उन्होंने कहा कि MTTR अहम है, लेकिन resilient systems के पूरे विचार को छोड़ा नहीं जा सकता
  • Hashimoto की चिंता यह है कि local metrics अच्छे दिखें, फिर भी पूरा system समझ से बाहर हो सकता है
    • bug reports कम हो सकती हैं, लेकिन latent risk बढ़ सकता है
    • test coverage बढ़ सकती है, लेकिन semantic understanding घट सकती है
    • change velocity इतनी तेज़ हो सकती है कि architectural erosion दिखे ही नहीं
  • Instagram account takeover incident को AI-generated और AI-reviewed code के quality bar को नीचे गिराने का परिणाम माना गया
    • outage recover हो गई, लेकिन तब तक high-profile accounts hijack हो चुके थे और system public तौर पर compromise हो चुका था
  • निष्कर्ष एक चेतावनी के रूप में दिया गया: अगर leadership AI के नाम पर तेज़ organizational changes पर विचार कर रही है, तो पहले Meta का उदाहरण देखना चाहिए
    • Meta engineers को ऐसे लोगों के रूप में बताया गया जिन्होंने शुरुआती दौर से AI को सक्रिय रूप से अपनाया और products व AI infra दोनों बनाने का अनुभव रखा
    • अगर ऐसे लोग भी अपनी कंपनी और leadership से निराश हैं, तो दूसरी startups और Big Tech के लिए यह hiring opportunity बन सकती है

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 3 시간 전
Hacker News की राय

  • Meta में काम करके देखा तो अच्छी तरह चलने वाले संगठन ज़्यादातर वे थे जिन्हें अधिग्रहित किया गया था। WhatsApp, Reality Labs, Instagram वगैरह ऐसे थे, और जहाँ मैं था वह शुद्ध रूप से अंदरूनी तौर पर बढ़ाया गया संगठन भयानक था
    काम आगे बढ़ता था, लेकिन ओवरहायरिंग और बेहद अतिरंजित requirements व schedule changes की वजह से अक्षमता बहुत ज़्यादा थी। मुझे लगता है कि Meta के बाहर बनी संस्कृति का इस्तेमाल Meta की पूरी engineering culture को अच्छा दिखाने के लिए इमेज वॉशिंग की तरह किया जाता है

    • Google में भी कुछ ऐसा ही था। वे मानते थे कि दुनिया में अच्छे engineering वाली कंपनी सिर्फ वही हैं और बाहर की “गलत सोच” से खुद को बचाना चाहिए, लेकिन असल प्रगति सिर्फ acquisition के ज़रिए ही आई
    • मेरे नियोक्ता का कभी FB द्वारा acquisition हुआ था, और FB के अंदर भी साथ काम करने के लिए बेहतरीन टीमें थीं। लेकिन वे टीमें आम FB टीमों की तरह operate नहीं करती थीं, और मुझे उम्मीद थी कि acquired organizations का तरीका FB संगठन पर भी थोड़ा असर डालेगा, लेकिन शायद वह दबा हुआ आशावाद ही था
    • Instagram acquisition के बाद वहाँ काम करके निकला और फिर Facebook टीम में लौटा एक दोस्त था। वह पहले से ही Instagram culture की हमेशा तारीफ़ करता था, लेकिन उसका कहना था कि जिस कंपनी में वह वापस लौटा, उसे पहचानना मुश्किल था
      उसके मुताबिक उसने जहाँ काम किया उनमें सबसे बेहतरीन workplace और सबसे बदतर workplace सचमुच रात-दिन जितने अलग थे
    • Product organizations में ऐसा रहा हो सकता है, लेकिन infra और developer infra organizations काफ़ी मज़बूत थे
    • शायद इसका मतलब बस इतना है कि Meta के बाकी संगठनों की तुलना में वे अच्छे से चल रहे थे। अपने acquisition से पहले वाले रूप से तुलना करें तो शायद नहीं, और WhatsApp दिन-ब-दिन बदतर हो रहा है

  • मुझे लगता है कि इस thread में जो mockery हो रही है, उसकी दिशा काफ़ी गलत है। Meta बुरा है, यह सही है, लेकिन मुद्दा वह नहीं है; असली बात यह है कि यह AI psychosis उद्योग का नया normal, या कम से कम नए normal में से एक, बन सकता है
    मेरी पिछली कंपनी में भी CEO के AI obsession के बाद माहौल अचानक बहुत toxic हो गया, token leaderboard बनाया गया, और कुछ समय के लिए सभी non-AI काम रोक देने को कहा गया। हम Meta भी नहीं थे

    • मैंने डेढ़ साल एक AI startup में काम किया था जो LLM और generative models के इस्तेमाल में बहुत आगे था, और मैंने AI psychosis को सचमुच होते देखा, वह भी दूसरों से पहले। हो सकता है CEO पहले से ऐसा रहा हो, लेकिन जो इंसान मिलनसार था और लोगों को पसंद आता था, वह पूरी तरह पागल जैसा हो गया
      उसके साथ लाए गए कई लोग, जिनके साथ वह सालों से काम कर रहा था, निकाल दिए गए या खुद चले गए। एक ऐसा इंसान भी गया जिसके साथ मैं सच में नर्क के आख़िर तक भी काम करने को तैयार रहता; जाते समय उसने सीधे कहा, “मुझे नहीं पता तुम्हारे साथ क्या हुआ, लेकिन मैं तुम्हारे इस रूप के साथ काम नहीं करना चाहता जिसे मैं अब देख रहा हूँ”
      मैं तीन rounds of layoffs झेलने के बाद आख़िरकार खुद भी निकाल दिया गया, और अब वे जो बना रहे हैं उसे देखकर बहुत बुरा लगता है। अगर मुझे बहुत से लोगों से दूर होने का जोखिम उठाना ठीक लगता, तो मैं लिंक तक share कर देता। सच कहूँ तो अभी हालात पागलपन के राजा जैसे हैं, और कंपनी ऐसे कुछ चापलूसों से घिरी हुई है जिन्हें मैं कंपनी में सबसे नापसंद और सबसे हानिकारक मानता था, जबकि कंपनी जलती जा रही है
      मुझे लगता है यह सिर्फ Zuck तक सीमित नहीं है; दूसरी बहुत-सी कंपनियों में भी यह आसानी से हो सकता है। मैं तो संगठन का एक मामूली पुर्जा भर हूँ, फिर भी अगर मैं कुछ बुनियादी बात नहीं चूक रहा, तो यह तथ्य हैरत में डालता है कि मैं ऐसी कंपनियाँ चलाने वाले ज़्यादातर लोगों से कहीं ज़्यादा समझदार लगता हूँ। बाद में कोई इस दौर पर ग्रीक त्रासदी लिखेगा, और चीज़ें जल्द ही सचमुच बहुत खराब होने वाली लगती हैं
    • यहाँ एक और सबक भी दिखता है। लेख में जिस pre-AI golden age का वर्णन है, उसी समय भी performance evaluation system पहले से टूटा हुआ था
      लिखी गई code lines या individual contribution कभी goal नहीं होने चाहिए थे; goal team cohesion, architecture consistency, और सच में समझदारी वाली चीज़ें बनाने की क्षमता होनी चाहिए थी
    • आख़िरकार यह मुझे लोगों की algorithm के प्रति लत का एक और उदाहरण लगता है। इस बार फ़र्क बस इतना है कि प्रचार की यह लहर उद्योग पर बड़ा असर डालने वाले लोगों तक पहुँच गई है, इसलिए उनका अविवेकपूर्ण व्यवहार बहुत ज़्यादा साफ़ दिख रहा है
    • token leaderboard एक हास्यास्पद विचार है, लेकिन चौंकाने वाला नहीं। सालों से leaders committed code lines, total commits जैसी चीज़ें track करने की कोशिश करते आए हैं
      आख़िरकार यह disconnected leadership का नतीजा है, जो field staff को नहीं जानती और ज़मीनी काम को समझती नहीं, इसलिए उसे देखने के लिए कुछ quantitative metrics चाहिए होते हैं। statistics वाकई भयानक चीज़ है
    • सौभाग्य से मैं product और research दोनों तरफ़ कई बार AI-केंद्रित engineering teams में रहा हूँ, और AI किस तरह बदलाव ला रहा है इसे गंभीरता से परखते हुए लगातार अपने working methods बदलता रहा हूँ। लेकिन ये सब 50 लोगों से कम वाले संगठन थे
      AI psychosis छोटे लेकिन प्रभावशाली teams की तुलना में बड़े tech organizations में बहुत अलग तरह से दिखाई देता है
      छोटे startups में अगर टीम अच्छा product ship नहीं कर पाती, तो कंपनी बंद हो जाती है। सबसे बढ़कर, हर व्यक्ति अब भी अपने काम की ज़िम्मेदारी उठाता है। अच्छी teams में मैंने अक्सर देखा है कि लोग ख़राब pull requests जैसी चीज़ों पर भी काफ़ी सावधानी से प्रतिक्रिया देते हैं, क्योंकि सब जानते हैं कि वे अभी इसे समझने की कोशिश में लगे हैं
      फिर भी अगर काम नहीं चलता, तो किसी न किसी को उसे बेहतर बनाने का तरीका ढूँढना ही पड़ता है। AI के साथ बनाना और AI का उपयोग करके सचमुच products ship करना कैसे है, इसके बारे में मैंने जो लगभग सब कुछ सीखा, वह ऐसी ही teams से सीखा
      software engineering बदल रही है, लेकिन product ship करने के नज़रिए से देखें तो यह शुरुआती web development के दिनों जैसा काफ़ी लगता है। तब भी सबको यह पता लगाना था कि इस नए software world को भरोसेमंद ढंग से चलाने वाले patterns क्या होंगे। जिसे jQuery से पहले का JavaScript याद है, वह जानता होगा कि web development के आज जैसा बनने से पहले कितनी चीज़ें समझनी पड़ी थीं
      बड़े tech organizations में employee effort और असल delivered value के बीच disconnect बहुत बड़ा होता है, और accountability भी बहुत ज़्यादा बिखरी होती है। जब accountability अमूर्त हो जाए और किसी को यक़ीन न हो कि उसका काम असल में क्या value पैदा कर रहा है, तब AI psychosis के लिए खुलकर फैलने की ज़मीन तैयार हो जाती है
      कुछ हद तक इसका कारण यह भी है कि ऐसे बड़े संगठनों के भीतर पहले से ही एक तरह की संभावित विक्षिप्तता मौजूद होती है। कौन “productive” है और क्या “valuable” है, यह तय करना हमेशा कुछ हद तक ऐसे imaginative narratives गढ़ने पर निर्भर करता है जो ज़रूरी नहीं कि वास्तविकता पर ही आधारित हों
      फिर भी मुझे नहीं लगता कि यह लंबे समय तक “नया normal” बना रहेगा। जैसे web application development के उभार के समय हुआ था, वैसे ही छोटी teams आगे बढ़कर कुछ चीज़ें समझ लेंगी। web apps में लागू MVC pattern, लगातार ताक़तवर होते JavaScript frameworks और best practices, agile methods, Git और GitHub का popular होना, scale के लिए NoSQL का उपयोग—ये सब मुख्यतः छोटे और तेज़ startups में battle-tested हुए थे, और आज वे ऐसी बुनियाद बन चुके हैं जिनके बारे में कुछ आधुनिक developers को शायद यह भी पता न हो कि इन्हें कभी किसी ने बनाकर स्थापित किया था

  • पूरी तरह अलग बात है, लेकिन लेख के बीच में एक आम iceberg चित्र है जिसमें पानी के ऊपर सिर्फ 10% हिस्सा दिखता है और वह सीधा खड़ा है। लेकिन असली icebergs ऐसे तैरते नहीं; वे आमतौर पर घूमते-घूमते ज़्यादातर क्षैतिज हो जाते हैं
    यह जानने के बाद मुझे गलत बने हुए icebergs हर जगह दिखने लगे। अधिक जानकारी के लिए https://axbom.com/iceberg/ पढ़ें, iceberg simulator https://joshdata.me/iceberger.html आज़माएँ, या इस चर्चा की वजह बने ट्वीट https://xcancel.com/GlacialMeg/status/1362557149147058178 को देखें

  • “मुख्य टीम के 30~50% engineers को data labeling और RLHF में ज़बरदस्ती reassign कर दिया गया” — यह बात ईमानदारी से कहूँ तो मानना मुश्किल है। आजकल जो भी पागलपन चल रहा है, उसे देखते हुए कहना कठिन है, लेकिन अमेरिकी software developers इतने महंगे होते हैं कि उन्हें data labeling में लगाना संसाधनों की बर्बादी है
    जब तक “मुख्य टीम” से मतलब कुल developers का बहुत छोटा हिस्सा न हो, यह अनुपात भी बहुत ज़्यादा लगता है

    • सबसे अग्रिम पंक्ति का काम यह है कि domain experts विशेषज्ञ सामग्री को label करें और training दें। यह कोई चमकदार काम नहीं है और लगभग तय है कि यह FAANG-स्तर के compensation को justify भी नहीं करता, लेकिन शुरू से ही ज़्यादातर FAANG engineers का काम भी ऐसा ही था
      फिर भी उस specific domain में सक्षम लोगों की ज़रूरत होती है। Meta के पास भी, अपनी समान कंपनियों की तरह, hiring boom के दौर में परखी हुई सक्षम प्रतिभा का एक बड़ा pool है, और ऐसी कमज़ोर अर्थव्यवस्था में जहाँ समान अवसर लगभग गायब हो चुके हैं, expert AI training सबसे पका हुआ व्यावसायिक अवसर है
    • Zuck ने लगभग पूरी कंपनी की बैठक में आकर कर्मचारियों से यही कहा कि उसके पास बचे कर्मचारियों की अहमियत AI के लिए training mules के रूप में है
    • Zuck ने कहा कि Applied Intelligence टीम को अधिक बुद्धिमान लोगों की ज़रूरत है। और उसके हिसाब से इसका सबसे अच्छा तरीका यह था कि Meta interview पास करने लायक “बुद्धिमान” लोगों को अंदर से ही खींच लिया जाए
      इसलिए हाँ, पैसे के हिसाब से यह संसाधनों की बर्बादी है, लेकिन शुरुआती इरादा यही था
    • यह विश्वास कि engineers कुछ समय तक कुछ नहीं कर रहे होते हैं, और उस समय को तुरंत मापे जा सकने वाले किसी और काम में लगाना बेहतर है, इस पेशे जितना पुराना है
      विडंबना यह है कि जैसे ही बात बेहतर hardware या software की माँग करने पर आती है, यह विश्वास गायब हो जाता है। जब SSD नया, छोटा और बहुत महंगा था, तब नियोक्ता को यह समझाना कितना मुश्किल था कि इसकी कीमत वाजिब है — यहाँ भी ऐसे बहुत लोग होंगे जो यह कहानी बता सकते हैं
    • मैं भी पूरी तरह सहमत हूँ; यह सुनने में अविश्वसनीय लगता है। समस्या यह है कि मैं खुद ऐसे ही मुख्य infrastructure टीमों में से एक में हूँ, और कम से कम हमारी टीम से 50~75% engineers AI organization में खींच लिए गए हैं
      जिन दूसरी infrastructure टीमों के साथ मैं काम करता हूँ, उनमें से ज़्यादातर की स्थिति भी ऐसी ही है

  • Engineering organization को अलग भी रख दें, तो सतह के नीचे इससे कहीं बड़ा बदलाव बढ़ रहा है। मैंने infrastructure organization के कई engineers से बात की; उनका कहना था कि टीमों के 30~50% लोग ADO organization में खींच लिए गए, और कुछ मामलों में सबसे अच्छे engineers चले गए
    मंगलवार को Meta के Chief Information Security Officer (CISO) Guy Rosen ने अपने इस्तीफ़े की घोषणा की। वह 2013 में mobile tracking app Onavo के अधिग्रहण के बाद से वहाँ थे, और Cambridge Analytica scandal जैसे high-risk दौर में Trust & Safety / Integrity के VP के रूप में platform abuse और election interference से निपटे थे
    उनके जाने से organization की cybersecurity और risk management को चलाने वाली संचित ethics, philosophy, और tacit knowledge भी साथ चली जाती है। ये तीनों ऐसे अहम तत्व हैं जिन्हें automation से हटाया नहीं जा सकता और जिन पर सार्वजनिक रूप से बात करना भी कठिन है। यह engineering से भी बड़ा decision-making बदलाव लगता है

    • Onavo बनाने वाला व्यक्ति “Trust & Safety” का VP बना, यह बात सचमुच दिलचस्प है

  • मेरा मानना है कि Zuckerberg जिस लगभग cartoon-जैसे पागल स्तर पर यह सब कर रहा है, उसकी दाद देनी पड़ेगी। अगर Facebook किसी सामान्य इंसान द्वारा चलाई जाने वाली कंपनी होती, तो social media advertising की अहमियत धीरे-धीरे घटने के साथ वह अगले 20 साल में सब कुछ धीरे-धीरे बरबाद कर देती
    लेकिन Zuckerberg के नेतृत्व में बात अलग है। वह प्रासंगिक बने रहने का कोई तरीका खोजने के लिए उस जगह को जला कर रख देगा। हैरानी की बात यह है कि वहाँ काम करने वाले लोगों ने सोचा कि वे खुद नहीं जलेंगे

    • पिछली earnings call में ad revenue साल-दर-साल 33% बढ़ा था। सचमुच हालत यह है कि कंपनी इतना पैसा कमा रही है कि उसे समझ नहीं आ रहा कहाँ खर्च करे, और हर नए trend पर इसलिए पैसा फेंकती है कि कहीं यह अगला 1 अरब users वाला business न बन जाए
      साथ ही, वह share buybacks और dividends के ज़रिए shareholders को भी पूंजी लौटा रही है
    • आप Zuck को बुरा या लालची कह सकते हैं। लेकिन business चलाना न आना उसकी कमियों में से एक नहीं है। पिछले 10 साल में Meta का net income इतना बढ़ा है कि विडंबना से वह अमेरिकी big tech कंपनियों में सबसे सामान्य price-to-earnings ratio trend दिखाता है

  • बहुत से लोग Zuckerberg को दोष देते हैं, लेकिन मेरी नज़र में, लेखक की तरह, इस मामले का बड़ा हिस्सा Scale AI के संस्थापक Alexandr Wang की जिम्मेदारी है। “MEI”(Merit, Excellence, Intelligence) की बात करने वाले व्यक्ति को यह अनुमति मिलना कि वह मुख्य engineering organization से high-performing domain experts को निकालकर data labeling में लगा दे, काफ़ी विडंबनापूर्ण है
    ईमानदारी से कहें तो Meta जैसी organization में top performers को data labeling में लगाना वह जगह नहीं होनी चाहिए जहाँ आप उन्हें रखना चाहें। यह उस स्थिति का उदाहरण है जहाँ एक चर्चित tech founder को high-performance engineering culture बिगाड़ने दिया गया
    अगर shareholders इस बारीकी को समझते, तो वे उसे हटाने की माँग करते। उसके नेतृत्व में merit, excellence, intelligence — तीनों की कमी थी

    • Zuck ने ही उसे hire किया, और Zuck हमेशा से बहुत सीधे तौर पर शामिल रहा है। ज़िम्मेदारी Zuck की है
    • मेरा मानना है कि मुख्य engineering organization से high-performing domain experts को निकालकर data labeling में लगाने का मुख्य चालक Wang नहीं बल्कि Bosworth था

  • Facebook और Instagram इतने मज़बूत बिज़नेस हैं कि अगर डेवलपमेंट का काम पूरी तरह रुक भी जाए, तब भी वे आने वाले कई सालों तक अजेय एकाधिकार कंपनियाँ बनी रह सकती हैं
    लेकिन screen recording या keyboard logs कैसे उपयोगी AI training data बनते हैं, यह समझ नहीं आता। लागत भी बहुत है और लोग भी बहुत नाराज़ होंगे, लेकिन वास्तविक value ज़्यादा नहीं लगती

    • अपने करियर में मैंने जो चीज़ें सीखी हैं, उनमें से एक यह है कि engineering बिज़नेस की सफलता के लिए सोच से कहीं कम महत्वपूर्ण लगती है। अगर engineering problems या outages इतने गंभीर न हों कि sales team को सार्वजनिक रूप से सूली पर चढ़ा दें और customers भाग जाएँ, तो आखिर में लगता है कि हर चीज़ को duct tape से किसी तरह ढका जा सकता है
      बेशक, cryptographic software या financial software जैसे सचमुच महत्वपूर्ण क्षेत्रों में यह बात कम लागू होती है। फिर भी कंपनी की सफलता और engineering excellence के बीच इतना कम संबंध होना काफ़ी चौंकाने वाला है
    • वह AI से पहले की पुरानी दुनिया की बात थी। AI होने पर मूर्ख नेता सोचने की रफ़्तार से बिज़नेस बर्बाद कर सकते हैं
    • इसकी वजह computer usage data है
    • हो सकता है, लेकिन मैं सहमत नहीं हूँ। बहुत-सी कंपनियाँ social ads पर लगातार पैसा डालती रहती हैं, लेकिन नतीजे नहीं पातीं। अगर आपको पता नहीं कि आप क्या कर रहे हैं, तो Meta नए customers लाने के बजाय आपके मौजूदा customers पर ही बहुत सारा budget खर्च करवा देता है
      यही वजह है कि हाल में Amazon Ads division बढ़ा है। क्योंकि वह सच में काम करता है। दूसरी ओर paid social और paid search अब पुरानी चीज़ें बनते जा रहे हैं
      निकट भविष्य में वे शायद अभी भी पैसा छाप सकें, लेकिन native ads, media, Amazon आदि की तरफ़ से पूरा हमला है, जहाँ first-party data और pixels महत्वपूर्ण हैं और privacy का सम्मान भी करना पड़ता है
      मुझे यह इसलिए पता है क्योंकि मैं GA4 के competitor एक छोटी marketing tech company चलाता हूँ और native ads में विस्तार कर रहा हूँ
    • यह सही है कि वे बिज़नेस स्थिर हैं, लेकिन अभी social media का peak हो सकता है। लंबी अवधि के investment के लिए दिलचस्प बनने के लिए कुछ नया चाहिए
      मेरी नज़र में Zuck के पास Musk जैसा वह halo नहीं है, जहाँ बकवास के साथ भी कुछ नतीजे निकल आते हैं। और Meta का in-house नए products बनाने का track record भी अच्छा नहीं दिखता
      क्या वह ग़ुस्सा पैदा करने वाली मशीन, जिसका usage अभी peak पर है या peak के क़रीब है, 2026 में भी दिलचस्प investment रहेगी?

  • दुखद। मुझे लगता था कि Meta ने, ख़ासकर Google की तुलना में, engineers का उपयोग करने में बहुत-सी चीज़ें सही की थीं। React(Facebook) और Kubernetes(Google) में चुनना हो तो मैं हमेशा पहले वाले को चुनूँगा
    Kubernetes ने पिछले 10 वर्षों में cluster technology की प्रगति को धीमा किया है, और उसने छोटी कंपनियों या उन कंपनियों के लिए बेहतर विकल्प उभरने से रोका है जो ऐसी technology और processes पर संसाधन बर्बाद नहीं कर सकतीं जो proprietary interests को संभालने में मुश्किल हों
    अगर किसी ने IBM के पुराने Parallel Sysplex पर आधारित कोई open source product बनाया होता, तो वह कहीं बेहतर होता, लेकिन शायद वहाँ patents रहे होंगे। अब तक वे शायद expire हो चुके होंगे
    लोग चाहे कितनी भी शिकायत करें, React आखिरकार बेहद प्रतिस्पर्धी बाज़ार में शीर्ष पर पहुँचा। मैंने Microsoft के XAML या Oracle के FXML जैसे ऊपर-ऊपर से मिलते-जुलते कई UI object construction systems देखे हैं, लेकिन React की प्रणाली सबसे ज़्यादा सरल और लचीली है
    यह इस बात का उदाहरण है कि On Lisp के ideas को बुनियादी functional programming practices वाले किसी भी language पर लागू किया जा सकता है, और ऊपर बहुत छोटे compiler tweaks जोड़कर इसे स्वाभाविक बनाया जा सकता है

    • यह समझाने की ज़रूरत है कि React और Kubernetes की तुलना developer-used technologies के रूप में क्यों की जा सकती है
      React का frontend में leader होना तो सही लगता है, लेकिन backend में उसका समकक्ष आप किसे मानते हैं, यह जानना चाहता हूँ
    • React की तुलना Kubernetes से नहीं, Vue.js से करनी चाहिए, है न?
    • “Meta ने engineers के उपयोग में बहुत-सी चीज़ें सही कीं” — यह बात समझ नहीं आती। प्रतिभाशाली software engineers को user tracking और addictive algorithms बनाने में लगाना कैसे अच्छी बात है?
      React एक अच्छा side effect हो सकता है, लेकिन Meta के बारे में सोचते समय यह पहली चीज़ बिल्कुल नहीं है जो दिमाग में आती है
    • जो व्यक्ति React की तुलना Kubernetes से करता है, और React(Facebook) की तुलना Vue.js(Google) से नहीं करता, उसके बारे में यह कहना कठिन है कि उसके पास इस विषय पर पर्याप्त domain knowledge है
      Kubernetes किसी वजह से industry-standard cluster orchestrator बना, और यह शानदार है
    • क्या Instagram Angular पर नहीं चलता? revenue per user मुख्य FB product से ज़्यादा है। शायद FAANG यात्रा के आकलन के मानदंड फिर से देखने पड़ें

  • मुझे लगता है कि यहाँ एक बदलाव है जिसे बहुत लोग पहचान नहीं पाते। अगर आपने TV के शुरुआती दौर में काम किया होता, ख़ासकर तब जब TV बहुत experimental था और standards हर साल बदलते थे, तो आपने या तो बहुत हाथ से engineering की होती या engineers के बहुत क़रीब काम किया होता
    आज के television में engineering लगभग नहीं के बराबर है। social media में भी शायद यही हो रहा है। product mature हो चुका है, और आगे हल करने लायक engineering problems धीरे-धीरे कम होती जाएँगी

    • इसलिए बहुत संभव है कि Meta हाल में VR/AR या AI जैसे हर तरह के side projects में कूदा हो। क्योंकि social media क्षेत्र में उन्हें करने लायक बहुत-सी मूल्यवान चीज़ें सूझ नहीं रही थीं
      बेशक, उन side projects की अनिश्चित प्रगति को देखते हुए यह भी हैरानी की बात नहीं कि Meta ने layoffs का रास्ता चुना। उसने बहुत ज़्यादा hiring की, और इतने सारे engineers का अच्छा उपयोग कैसे किया जाए, यह गंभीरता से नहीं ढूँढ़ पाया
    • शायद Meta की पूरी योजना इन engineers को growth areas में निवेश करने की थी। और वे वहाँ सफल नहीं हुए