- AI एजेंट डेवलपमेंट की रफ्तार उम्मीदों पर खरी नहीं उतरी, और हाल के कम-से-कम 4 महीनों की डेवलपमेंट trajectory अपेक्षा के मुताबिक तेज़ नहीं हो पाई
- इस साल की शुरुआत में लागू बड़ा संगठनात्मक पुनर्गठन पर्याप्त रूप से "साफ-सुथरा" नहीं था, और management ने बदलाव के timing के आकलन में गलती की
- मई में कुल workforce के करीब 10% की छंटनी की गई और लगभग 7,000 लोगों को AI-केंद्रित टीमों में फिर से तैनात किया गया, जिससे कर्मचारियों की नाराज़गी और morale को लेकर चिंताएँ पैदा हुईं
- नए संगठनात्मक ढांचे पर लगाया गया दांव अभी तक फल नहीं दे पाया, अगले 3–6 महीनों में बड़े असर की उम्मीद
- इस साल AI infrastructure में अधिकतम 145 अरब डॉलर के निवेश की योजना के बीच, mouse-tracking software की समीक्षा और opt-in तरीके को फिर से लागू करने पर चर्चा भी चल रही है
AI एजेंट डेवलपमेंट में देरी
- आंतरिक town hall में कंपनी के बड़े restructuring में खामियाँ होने की बात स्वीकार करते हुए कहा कि AI एजेंट सिस्टम उम्मीद के मुताबिक तेज़ी से आगे नहीं बढ़ पाए
- AI एजेंट का मतलब ऐसे automation systems से है जो उपयोगकर्ता की ओर से काम execute करते हैं
- कम-से-कम पिछले 4 महीनों की agentic development trajectory अपेक्षित तरीके से तेज़ नहीं हुई, और नए ढांचे पर दांव अभी तक सफल नहीं हुआ
- जनवरी–फरवरी में restructuring plan बनाते समय "सबसे अच्छे लोगों" के साथ बातचीत में यह चिंता थी कि बदलावों के साथ adapt करने की गति पर्याप्त तेज़ नहीं होगी
- उस समय management AI startup Anthropic के Claude Code जैसे tools को लेकर "काफी आशावादी" था
Restructuring और संगठनात्मक बदलाव
- बड़े पैमाने की workforce कटौती समेत संगठनात्मक बदलाव जितना संभव था उतना "साफ-सुथरा(clean)" नहीं रहा, और management ने बदलाव के समय का गलत आकलन किया
- इस साल की शुरुआत में लागू किए गए कुछ संगठनात्मक बदलावों को मूल दिशा बदले बिना नरम करने की कोशिश जारी है
- मई में वैश्विक workforce के करीब 10% की छंटनी की गई और लगभग 7,000 लोगों को AI-केंद्रित टीमों में फिर से तैनात किया गया, जिससे कर्मचारियों की नाराज़गी और morale गिरने की चिंता पैदा हुई
- यह बदलाव AI infrastructure निवेश के लिए फंड जुटाने और AI-assisted काम की efficiency सुनिश्चित करने के लिए व्यापक restructuring का हिस्सा था
- मई में कर्मचारियों से कहा गया था कि इस साल और company-wide layoffs नहीं होंगे, लेकिन कुछ कर्मचारियों ने संदेह जताया
AI निवेश का पैमाना और outlook
- इस साल AI infrastructure पर अधिकतम 145 अरब डॉलर खर्च होने का अनुमान है, जो Big Tech के कुल 700 अरब डॉलर से अधिक खर्च का बड़ा हिस्सा है
- उम्मीद है कि अगले 3–6 महीनों में AI investments से बड़ा असर दिखना शुरू होगा
- Meta के प्रवक्ता ने उस दिन टिप्पणी करने से इनकार किया
Mouse-tracking software की समीक्षा
- Chief Technology Officer Andrew Bosworth ने हालिया data security incident की समीक्षा के नतीजों के आधार पर बताया कि कर्मचारियों का data AI training में शामिल नहीं था
- पिछले महीने Meta ने sensitive data exposure की जांच के लिए कर्मचारियों की mouse movements और digital activity को track कर उसे AI training में इस्तेमाल करने वाले program को अस्थायी रूप से suspend कर दिया
- समीक्षा पूरी होने के बाद अगर program फिर से चालू किया जाता है, तो इसे "opt-in" तरीके से चलाने की योजना है
- कर्मचारियों को समझाया गया कि "जो लोग comfortable हैं, वे इस बेहतरीन human research में योगदान दे सकते हैं, और जो नहीं हैं उनके लिए कोई समस्या नहीं है"
- यह अप्रैल में अमेरिकी कर्मचारियों के computers पर program पहली बार install करते समय दिए गए उस निर्देश के विपरीत है, जिसमें कहा गया था कि opt-out करने का कोई तरीका नहीं है
1 टिप्पणियां
Hacker News की राय
पिछले साल इसी समय तक चिंता थी कि इस साल तक कंपनियां engineering teams को बहुत छोटा कर देंगी और ज़्यादातर काम इंसानों के निर्देशों पर चलने वाले autonomous agents संभाल लेंगे, लेकिन ऐसा नहीं हुआ
अब मैं सारा code agents के साथ लिखता हूं, लेकिन सिर्फ इच्छित नतीजा देकर उसे बिना निगरानी के छोड़ देना बिल्कुल संभव नहीं है
पहले की तुलना में ज़्यादा code बनाया जा सकता है, लेकिन product managers और designers जैसा चाहते हैं वैसा स्थिर और अच्छा code बनाने के लिए बढ़ोतरी करीब 2–3 गुना ही है, और उतना ही review करने वाला code भी 2–3 गुना बढ़ जाता है, जिससे productivity gain बराबर हो जाता है
code की lines कोई asset नहीं, liability हैं, और जब तक वे असली asset यानी features को नुकसान न पहुंचाएं, उन्हें जितना हो सके कम होना चाहिए
software engineering का बड़ा हिस्सा सही समय पर सही मात्रा में code बनाने का काम है
असल में बिना बड़े बदलावों के कुछ हद तक काम करना नवंबर से फरवरी के बीच शुरू हुआ था, और अभी भी organizations यह सीखती दिख रही हैं कि मौजूदा models और tools का अधिकतम फायदा कैसे उठाया जाए
कुछ developers जल्दी समझ जाते हैं, team को अच्छी तरह lead करते हैं और अच्छी culture बनाते हैं, लेकिन कई developers IC से manager बनने पर क्या बदलता है, इस पर support न मिले तो संघर्ष करते हैं
जब team या agents का झुंड अच्छा नहीं कर पाता, तो अक्सर समस्या members की नहीं होती; नया manager या तो सब कुछ अपने हाथ में लेकर micromanage करता है या उल्टा पूरी तरह छोड़ देता है और सिर्फ check-in के समय आकर output बिगाड़ देता है
कोई प्रमाण नहीं है, लेकिन developers को किसी तरह की management training दी जाए तो शायद वे agents के झुंड का कहीं बेहतर उपयोग कर पाएंगे
यह अपेक्षाकृत सरल C# coding style है, लेकिन उस सरलता को समझाना उम्मीद से ज्यादा मुश्किल है
जब agent code बनाता है, तो यह जांचने में काफी समय लगता है कि वह सही है या नहीं; और अगर जांच न करें, तो colleague review में सवाल आने पर यह साफ हो जाता है कि मैंने उसे ठीक से समझा ही नहीं, जो शर्मनाक होता है
ऐसा लगता है जैसे दुनिया कह रही हो कि हाथ फड़फड़ाओ तो उड़ सकते हो, लेकिन खुद करके देखें तो एक ही जगह खड़े-खड़े सिर्फ energy जलती है
design के हिस्से के रूप में जो काम साफ तौर पर करने को कहा गया था, उसे बस किनारे कर देता है
असली मायने में vibe coders कहते हैं कि prompt सावधानी से लिखो तो हो जाएगा, लेकिन जब सावधानी से लिखा prompt ही ignore हो जाए तो यह बिल्कुल सही नहीं बैठता
global AGENTS.md में “बिना पूछे मेरे फैसले पलटना मत” डालने पर भी वह बस पालन नहीं करता
यह लेख Reuters article https://finance.yahoo.com/technology/ai/articles/exclusive-z... को TechCrunch द्वारा और पतले रूप में फिर से लिखे जाने जैसा है
सटीक quote शायद यह है कि “कम से कम पिछले 4 महीनों में agentic development की trajectory वास्तव में उस तरह accelerate नहीं हुई जैसी हमने उम्मीद की थी, और नए structure पर कंपनी का दांव अभी तक फल नहीं दे पाया है”
यहां Zuckerberg ने agentic development की trajectory से ठीक क्या मतलब लिया है, यह अनुमान लगाना मुश्किल है, लेकिन बहुत संभव है कि Meta के internal models की tool use और long-form task capability इतनी बेहतर नहीं हुई कि Codex या Claude Code जैसे agent execution environments को OpenAI·Anthropic के top models के स्तर पर चला सके
आगे यह भी लगता है कि कई कर्मचारियों को AI data labeling में redeploy करना भी उसी लक्ष्य का हिस्सा रहा होगा
high level पर ये agents medium-size problems तक को भी समझदार इंसान की तरह handle नहीं कर पाते
memory जोड़ने से सिर्फ hallucinated context बढ़ता है, और task failure ऐसे रूप में बदल जाता है जिसे पहचानना और मुश्किल हो जाता है
वे absolute cost और परिभाषित की जा सकने वाली return on investment को लेकर self-justification कर रहे हों, इसकी काफी संभावना है
उपयोगी chatbot और उपयोगी agent के बीच का gap लोगों की सोच से कहीं बड़ा है
chatbot 10% गलत हो तो भी मददगार रह सकता है, लेकिन agent 10% गलत हो तो वह बिना किसी के check किए गलत email भेजेगा और गलत API calls करेगा
coding agent कोई assumption बनाकर उसे test कर सकता है, गलत साबित होने पर वापस संभल सकता है
लेकिन आसानी से test किए जा सकने वाले दायरे से बाहर, patch लिखने के बजाय वास्तविक काम सौंपने पर, असत्य बातों को सत्य मानकर कल्पना करना समस्या बन जाता है
बिना supervision के इस्तेमाल के लिए, सबसे अच्छे मामले में भी उपयोगिता सीमित दिखती है और सबसे खराब में disaster बन सकती है
फिलहाल जिन कामों को reasonable accuracy के साथ verify किया जा सकता है, वे सबसे उपयुक्त क्षेत्र हैं
“अगले 3–6 महीनों में AI निवेश से अधिक सार्थक मुनाफ़ा दिखना शुरू होगा” कहना खुद AI की तरह hallucinate करने जैसा है, और लगता है कि ज़मीनी हक़ीक़त स्वीकार नहीं की जा रही है
Meta करीब 5 साल पहले से metaverse, VR, चश्मों और AI में दिशा खो चुका है, और उसे शांत होकर बैठकर सोचना चाहिए कि उसका core product आखिर है क्या
दुर्भाग्य से WhatsApp और Instagram जैसे अधिग्रहीत products के अलावा कोई स्पष्ट core नहीं है
Careless People की लेखक ने समाज के खिलाफ अपराधों का पर्दाफाश किया, इसलिए उसकी ज़िंदगी बर्बाद करने की कोशिश हो रही है, और कर्मचारी internal announcements लगातार leak कर रहे हैं
ads नाम का infinite money-copying bug है, इसलिए वे दूसरे खोखले सपनों के पीछे भागते हुए अरबों डॉलर बर्बाद कर सकते हैं
वे सारे सपने कुछ भी न बनकर खत्म हो जाएँ, तब भी Meta पर खास असर नहीं पड़ेगा
agents का आना कुछ वैसा है जैसे पैदल चलते-चलते साइकिल मिल जाना
management इसे देखकर सोचता है, “इस रफ्तार से तो कुछ सालों में self-driving car आ जाएगी,” और उस दुनिया के हिसाब से गंभीर planning करने लगता है
वास्तविकता में लगता है कि हम लंबे समय तक साइकिल ही चलाने वाले हैं, और individual contributors की productivity बढ़ना engineers को बजट बोझ नहीं, बल्कि और अधिक मूल्यवान और उपयोगी बनाता है
इसलिए ठीक उसी समय headcount घटाना, जब engineers के कहीं अधिक productive होने की संभावना बढ़ी है, मूर्खतापूर्ण फैसला है
यह इस बात की स्वीकारोक्ति है कि लोगों को प्रभावी ढंग से manage करना नहीं आता, और management ability के लिए भारी पैसा पाने वालों के लिए यह काफी शर्मनाक है
वह भी शायद ऐसे जिनके पहिए hexagonal हों
समाज को adapt करने का समय मिले, इसके लिए उम्मीद है कि ऐसा हो, लेकिन असल में हमें बिल्कुल पता नहीं
मुझे लगता है कि सभी ने जिस चीज़ को कम आंका, वह ज़रूरी compute resources का पागलपन भरा scale था, और बड़े models के साथ बने रहने के लिए इन compute resources को किस तरह scale करना होगा
यह AI वाला “9 महिलाएँ हों तो भी बच्चा एक महीने में पैदा नहीं हो सकता” जैसा मामला है
अतिरिक्त compute resources जादू की तरह AGI नहीं बना देंगे
industry जिस speed की बात करती रही है, वह unrealistic है; उदाहरण के लिए लोग Apple Intelligence की progress speed से निराश हुए, लेकिन असल में वह लगभग अपेक्षित speed से ही आगे बढ़ी
असली समस्या यह है कि AI उम्मीद जितना असर या usage पैदा नहीं कर पाया, इसलिए बात वहाँ तक पहुँची; Zuck जीतता हुआ दिख सकता है, लेकिन शायद वह एक unpleasant winner है
हालांकि वह breakthrough कब आएगा, इसका अनुमान लगाना बहुत कठिन है, इसलिए सबसे खराब स्थिति मानकर plan करना चाहिए और मौका आए तो उसका लाभ उठाने के लिए तैयार रहना चाहिए
अगर AI productivity में बड़ा leap है, तो company को competitive advantage से ज्यादा market share पाने के लिए उतने ही या उससे ज्यादा employees hire नहीं करने चाहिए?
सिर्फ इसलिए लोगों को घटाना कि employees अधिक efficient हो गए हैं, race में उसी जगह खड़े रहने के लिए अपने ही पैर में गोली मारने जैसा लगता है
AI को कम skilled employees को भी अधिक employable और उपयोगी बनाना चाहिए था, इसलिए उसे job market boom लाना चाहिए था
ऐसा नहीं होना यह संकेत देता है कि AI headcount cuts का बस बहाना है, मूल कारण नहीं
यह technology 10 साल पुरानी भी नहीं है, और सच में उपयोगी बने हुए भी करीब पिछले 3 साल ही हुए हैं
पता नहीं लोग अभी से इसके transformative होने की उम्मीद क्यों कर रहे हैं
यह वैसा ही है जैसे कहा जाता था, “internet तो बस fancy fax machine है”
समस्या यह है कि आप इंसानों के साथ काम कर रहे हैं। वह भी ऐसे smart लोगों के साथ, जिन्होंने लंबे समय से अपने-अपने संकरे और खास तरीकों से काम करना सीखा है
अगर आप मान लेते हैं कि हर engineer आपकी तरह AI में डूबा हुआ है और request मिलते ही Claude Code खोल देगा, तो approach गलत है
tool कितना भी शानदार हो, अगर वह engineer के behavior और workflow में fit नहीं बैठता, तो उसे बस छोड़ दिया जाता है
customers या potential customers के यहाँ यह समस्या हमेशा दिखती है। 5 लोगों की team अगर 2 हफ्तों में एक foobar widget बनाती है, तो वह 50 person-days हुआ
अगर कोई दिखा दे कि AI से वही चीज़ 2 घंटे में, वह भी समान या बेहतर quality में बन सकती है, तो management खुश होगा, लेकिन team फिर भी हाथ से programming करती रहेगी और build tool errors Stack Overflow के बजाय ChatGPT से पूछने तक सीमित रह सकती है
tools बाँट देना और उन्हें cool कहना भर काफी नहीं है
engineering team को समझना, उनके साथ काम करना, step-by-step सही तरह guide करना और behavior बदलना होगा
यह रातोंरात नहीं होता। अफसोस कि अभी की approach AI-assisted software engineering के दौर में performance न देने वालों को निकालने की तरफ है, और मुझे नहीं लगता कि यह सही है
Zuckerberg AI agents के बारे में क्या कहता है, इसकी परवाह क्यों करनी चाहिए, समझ नहीं आता
वह 2000s के शुरुआती दौर का PHP developer था और Facebook के साथ किस्मत वाला निकला, AI scientist या researcher नहीं
AI agents के भविष्य पर बोलने की उसके पास क्या authority है
company morale अब तक के सबसे निचले स्तर पर है, और यह उसके leadership skills को बेहतर दिखाता है जिन पर उसे focus करना चाहिए। या शायद agents जल्द ही उसे replace कर दें
high level पर वह AI agent development के बड़े हिस्से की निगरानी करता है, इसलिए सफलता-असफलता देखने की position में है, और उसे detailed metrics भी मिलते होंगे
उसका judgment सही हो या गलत, tech industry CEOs trend-chasing के लिए बदनाम हैं, इसलिए उसका judgment दूसरी companies का माहौल तय कर सकता है
शायद इस बार वह खुद भी trend follow कर रहा है, और AI hype को शुरुआती दौर में ठंडा करने वाली दिशा lead कर रहा हो
यह उसकी तारीफ नहीं है; यही बात कई बड़ी companies के C-level executives पर भी लागू होती है
मापी गई उत्पादकता और “किस्सों वाली” उत्पादकता के बीच एक अंतर है
यह चार्ट इसलिए अच्छा है क्योंकि यह उत्पादकता बढ़ाने के सबसे प्रभावी तरीकों में से एक भी दिखाता है। बस कर्मचारियों की संख्या घटा दें
https://fred.stlouisfed.org/series/OPHNFB
कमी वाली परिस्थितियों में आम तौर पर उत्पादन बढ़ाना या किसी दूसरे तरह का उत्पादन बनाना फायदेमंद होता है, और अगर कोई उसके लिए पैसा दे तो और भी ज्यादा
इसलिए अहम सवाल यह है कि किस चीज़ की कमी है, क्या कोई उसके लिए पैसा देगा, और उसे ज्यादा मात्रा में कैसे बनाया जाए
अगर आप ऐसी चीज़ बना सकते हैं जिसके लिए लोग पैसा देने को तैयार हों, तो उसे बनाने के लिए लोगों को नौकरी पर रख सकते हैं
दुर्भाग्य से, जिन लोगों के पास पैसा है वे जिस चीज़ के लिए सबसे स्पष्ट रूप से भुगतान करने को तैयार हैं, वह AI tokens, data centers और data center inputs हैं
यह स्पष्ट नहीं है कि इससे हमें वे दूसरी चीज़ें ज्यादा मिलेंगी या नहीं, जो हम चाहते हैं
निवेश का उद्देश्य उत्पादन, वृद्धि और मुनाफा है, उत्पादकता अपने-आप में नहीं