- DataOven के Ha Yong-ho की प्रस्तुति सामग्री
- कंपनी की AX(AI रूपांतरण) यात्रा आमतौर पर एक जैसे 5 चरणों से गुजरती है — उत्साह → ठहराव → रोमांच → संदेह → आख़िरी कठिन मोड़
- AI J curve Trap - सिर्फ AI जोड़ देने से तुरंत नतीजे अच्छे नहीं होते; ऊपर उठने से पहले Verification Tax(सत्यापन कर) की खाई से गुजरना पड़ता है
- AI युग के 3 बड़े debt(कर्ज़) प्रोडक्टिविटी को खा जाते हैं
- तकनीकी कर्ज़ — AI कोड लोकल optimization तो अच्छी तरह करता है, लेकिन पूरे सिस्टम को नहीं समझता; duplication/वर्कअराउंड की भरमार से 5~19 महीनों में कंपनी की रफ्तार उलटे धीमी पड़ जाती है
- संज्ञानात्मक कर्ज़ — आउटपुट को समझे या उस पर भरोसा किए बिना ही डिप्लॉय कर देना; "cognitive surrender(संज्ञानात्मक समर्पण)" के साथ तुम्हारा एक-क्लिक → मेरा एक-क्लिक पाइपलाइन बन जाता है
- इरादा कर्ज़ — यह क्यों बनाया गया, उसका context और tacit knowledge उड़ जाता है; लोगों की छंटनी के बाद फिर से भर्ती के उदाहरण भी सामने आए
- इंसानों का मुख्य काम उत्पादन से सत्यापन की ओर शिफ्ट हो रहा है — सब कुछ खुद verify करने के बजाय आउटपुट verification layer पर क्षमता केंद्रित करनी होगी
- verification layer = Binary Checks(test case) + Quantitative Metrics(throughput/Latency) + Qualitative Rubrics(LLM as a judge)
- सिर्फ build-time ही नहीं, run-time सत्यापन भी ज़रूरी है (non-deterministic AI Agent products)
- अच्छा सत्यापन domain understanding मांगता है → यह विशेषज्ञ ही बना सकते हैं
- ClaudeCode source leak घटना — A-grade कोड का कारण सिर्फ इंसानी cognitive space था; AI के लिए C·D-grade भी चलेगा, अगर परिणाम अच्छे हों
- अगर सत्यापन भरोसेमंद हो, तो Auto Research / Loop(पूर्व Ralph) के साथ इंसान के सोते समय भी AI 24 घंटे self-improvement दोहराता रह सकता है
- इरादा कर्ज़ का समाधान = tacit knowledge(अंतर्निहित ज्ञान) को capture करना
- matt-pocock का grill-me / grill-with-docs — AI को प्रश्नकर्ता बनाकर मेरे इरादे को खुद मुझसे निकलवाना (प्रश्नकर्ता आप नहीं, AI है)
- Company-wide memory, Anthropic की enterprise shared memory, mem0·seCall आदि
- persona+memory extraction से "virtual me Agent" बनाना
- AI native company की शर्तें → Queryable + Closed loop + Self-improving
- हर component को AI के लिए manipulation-friendly और इंसानों के लिए verification-friendly रूप में फिर से डिज़ाइन करना; सिर्फ management कर रहे senior लोग फिर से execution में लौटते हैं
- AI युग की आदर्श प्रतिभा = "अस्पष्ट स्थितियों में जवाब खोजने की क्षमता"
- यानी मालिक की तरह ①समस्या को तोड़ना ②विफलता की तेज़ पहचान ③काम को होने लायक संरचना ढूँढना
- नई तरह से महत्वपूर्ण हो रही ताकतें — तेज़ context समझना, mind-sized bites में बदलने की क्षमता, attention खींचने की ताकत(मार्केटिंग), स्पष्ट taste(रुचि/चयनबोध) ("क्या कम करना है")
- फिर भी विशेषज्ञता अनिवार्य है — Gell-Mann Amnesia Effect(ग़ैर-विशेषज्ञ होने के कारण चीज़ें बस विश्वसनीय लगीं), value conflict और जवाबदेही वाले कठिन फैसले इंसानों का काम हैं
- विशेषज्ञ की परिभाषा बदल रही है — skill practitioner → operations owner
- अपने domain का AI बनाना, verification layer का maintenance करना, और सही value judgment·समर्थन पाने वाली taste·समझ में आने वाली जिम्मेदारी उठाने वाला व्यक्ति
1 टिप्पणियां
साइट कनेक्शन टूट गया है