Seeing AGI (7): The Token Divide — असीमित AI पहुँच अब कॉर्पोरेट अस्तित्व की अनिवार्यता क्यों है
"कंपनियों के बीच दक्षता का अंतर अब प्रतिशत में नहीं मापा जाता। AI Employee युग में, जो कंपनियाँ हर कर्मचारी को असीमित टोकन एक्सेस देंगी, वे उन कंपनियों से 10x, 20x — यहाँ तक कि 100x — तेज़ गति से काम करेंगी जो नहीं देतीं। यह प्रतिस्पर्धात्मक लाभ नहीं है। यह एक सभ्यतागत विभाजन है।"
अपने पिछले छह लेखों में, मैंने AGI के आगमन के बारे में लिखा, व्यक्तियों को कैसे अनुकूलित होना चाहिए, AI-native टीमें कैसे बनानी चाहिए, vibe working के भावनात्मक परिवर्तन के बारे में, multi-model आर्किटेक्चर भविष्य क्यों हैं, और अपने बच्चों को AI-native दुनिया के लिए कैसे तैयार करें। वे सभी लेख किसी न किसी तरह से लोगों के बारे में थे — कि मनुष्यों को AI के साथ कैसे विकसित होना चाहिए। यह सातवाँ लेख अलग है। यह कंपनियों के बारे में है। विशेष रूप से, यह एक ऐसे संगठनात्मक निर्णय के बारे में है जो मेरे विश्वास में यह निर्धारित करेगा कि कौन सी कंपनियाँ पाँच साल बाद भी खड़ी रहेंगी — और कौन सी चली जाएँगी।
वह सवाल जो मुझसे बार-बार पूछा जाता है
शायद ही कोई हफ्ता गुज़रता हो जब कोई CEO, कोई संस्थापक, या कोई वरिष्ठ अधिकारी मुझे अलग से न बुलाए — किसी सम्मेलन में, डिनर पर, किसी कॉल पर — और एक ही सवाल का कोई न कोई संस्करण न पूछे: "हम अपनी कंपनी में AI को वास्तव में कैसे लागू करें?"
मैं समझता हूँ कि वे यह क्यों पूछते हैं। यह सही सवाल जैसा लगता है। यह रणनीतिक, विचारशील, जिम्मेदार लगता है। यह संकेत देता है कि वे AI को गंभीरता से ले रहे हैं। और मैं हमेशा इसके पीछे की मंशा की सराहना करता हूँ।
लेकिन हर बार जब मैं यह सुनता हूँ, मुझे एक शांत बेचैनी महसूस होती है। क्योंकि यह सवाल, भले ही नेक इरादे से हो, यह प्रकट करता है कि हम कहाँ खड़े हैं इसकी एक बुनियादी गलतफहमी है। यह AI को एक प्रोजेक्ट के रूप में देखता है जिसे लागू करना है — कुछ ऐसा जिसकी शुरुआत हो, दायरा हो, रोलआउट योजना हो, पूर्णता तिथि हो। यह मान लेता है कि "आज हम जहाँ हैं" से "एक AI-सक्षम कंपनी" तक एक सावधान, व्यवस्थित रास्ता है, और काम बस उस रास्ते को खोजना और उस पर चलना है।
जो सवाल उन्हें पूछना चाहिए वह कहीं अधिक सरल है — और कहीं अधिक ज़रूरी: "क्या हमने अपनी कंपनी के हर एक कर्मचारी को AI के साथ सोचने, बनाने और निर्माण करने की असीमित पहुँच दी है?"
अगर जवाब नहीं है — और जिन अधिकांश कंपनियों से मैं बात करता हूँ, उनका ईमानदार जवाब नहीं ही है — तो बाकी सब शोर है। कोई AI रणनीति डेक, कोई टास्क फोर्स, कोई पायलट प्रोग्राम, कोई गवर्नेंस फ्रेमवर्क तब तक मायने नहीं रखता जब तक वह बुनियादी सवाल का जवाब नहीं दिया जाता। क्योंकि इसके बिना, आप AI लागू नहीं कर रहे। आप AI लागू करने का नाटक कर रहे हैं। और इन दोनों चीज़ों के बीच का अंतर ही सब कुछ है।
"असीमित टोकन एक्सेस" का वास्तव में क्या मतलब है
मैं स्पष्ट करना चाहता हूँ, क्योंकि मुझे लगता है कि बहुत से लोग "असीमित AI एक्सेस" सुनकर कुछ अस्पष्ट सोचते हैं — जैसे "AI टूल्स के प्रति एक उदार संस्कृति।" ऐसा नहीं है। इसका मतलब कुछ सटीक और मापने योग्य है।
टोकन AI कार्य की मूलभूत इकाई हैं। आपकी हर क्वेरी, हर दस्तावेज़ जो आप AI से विश्लेषित कराते हैं, हर कोड जो आप लिखवाते हैं, हर एजेंटिक टास्क जो आप शुरू करते हैं — यह सब टोकन खपत करता है। टोकन, सबसे शाब्दिक अर्थ में, AI-संचालित उत्पादकता का कच्चा माल हैं। वे AI युग के लिए वही हैं जो किलोवाट-ऑवर औद्योगिक युग के लिए थे, जो बैंडविड्थ इंटरनेट युग के लिए थी।
जब कोई कंपनी मासिक टोकन कैप लगाती है — जब वह कर्मचारियों से IT के माध्यम से अनुरोध करवाती है कि किसी frontier मॉडल तक पहुँच मिले, जब वह कॉर्पोरेट नेटवर्क पर कुछ AI टूल्स ब्लॉक करती है, जब वह बीस लोगों के लिए एक साझा टीम सब्सक्रिप्शन देती है, जब वह अनिवार्य करती है कि AI उपयोग लॉग और समीक्षित होना चाहिए — तो वह अपने कर्मचारियों की AI के साथ सोचने की क्षमता को राशन कर रही है। वह उनके संज्ञानात्मक आउटपुट पर एक गवर्नर लगा रही है। वह शाब्दिक रूप से सीमित कर रही है कि उनके कर्मचारी अपने काम पर कितनी बुद्धिमत्ता लगा सकते हैं।
सोचिए जब आप इसे ज़ोर से बोलते हैं तो यह कितना बेतुका लगता है। हम सीमित कर रहे हैं कि हमारे कर्मचारी कितनी बुद्धिमत्ता का उपयोग कर सकते हैं।
और फिर भी, आज अधिकांश कंपनियाँ यही कर रही हैं। दुर्भावना से नहीं, बल्कि आदत से — वही प्रवृत्ति जो IT विभागों को हर नई तकनीक को नियंत्रित करने की लागत के रूप में देखने की ओर ले जाती है, न कि एक ऐसी क्षमता के रूप में जिसे मुक्त किया जाना चाहिए।
मैंने 2000 के दशक की शुरुआत में एक ऐसे ही क्षण को जीया है। कुछ कंपनियों ने हर कर्मचारी को अप्रतिबंधित इंटरनेट एक्सेस दी और कहा: इसे जैसे भी ज़रूरत हो उपयोग करो अपना काम बेहतर करने के लिए। अन्य कंपनियों ने इंटरनेट एक्सेस लॉक कर दी, साइट्स ब्लॉक कीं, उपयोग की निगरानी की, और कॉर्पोरेट नीतियाँ जारी कीं कि क्या अनुमत है और क्या नहीं। जिन कंपनियों ने 2000 में असीमित इंटरनेट दिया, वे मोटे तौर पर वही कंपनियाँ हैं जिन्होंने 2010 में अपने उद्योगों पर प्रभुत्व किया। जिन्होंने इसे राशन किया, वे इसलिए नहीं हारीं कि उनकी इंटरनेट नीति खराब थी। वे इसलिए हारीं कि नई तकनीक के प्रति उनका बुनियादी रुख गलत था। वे नियंत्रण के लिए अनुकूलित कर रही थीं जबकि उन्हें क्षमता के लिए अनुकूलित करना चाहिए था।
लेकिन एक और भी पुरानी — और अधिक शिक्षाप्रद — समानांतरता है, जिस पर मैं बार-बार लौटता हूँ।
1900 के दशक की शुरुआत में, इलेक्ट्रिक मोटर्स औद्योगिक कारखानों के लिए व्यापक रूप से उपलब्ध हो गईं। अधिकांश कारखाना मालिकों ने वह किया जो स्पष्ट कदम लगता था: उन्होंने अपने केंद्रीय स्टीम इंजन को एक इलेक्ट्रिक मोटर से बदल दिया। वही बेल्ट, वही लाइन शाफ्ट, वही कारखाना लेआउट — बस एक अलग शक्ति स्रोत। परिणाम मामूली था। दक्षता में थोड़ा सुधार हुआ। लागत कुछ कम हुई। लेकिन परिवर्तन उस स्तर का बिल्कुल नहीं था जो संभव था।
जिन कारखानों ने असली क्रांति को अनलॉक किया, उन्होंने कुछ बिल्कुल अलग किया। उन्होंने पूरी ट्रांसमिशन प्रणाली — लाइन शाफ्ट, बेल्ट, केंद्रीय-शक्ति तर्क — फेंक दी और हर वर्कस्टेशन पर सीधे अलग-अलग इलेक्ट्रिक मोटर लगा दीं। फिर उन्होंने इस नई वास्तुकला के आसपास कारखाने के फ्लोर को शुरू से फिर से डिज़ाइन किया। उत्पादन में 10% या 20% सुधार नहीं हुआ। तीन, चार, कभी-कभी पाँच गुना सुधार हुआ। जो वर्कफ्लो पहले भौतिक ट्रांसमिशन दूरी से बाधित थे, उन्हें तर्क और गति के लिए पुनर्गठित किया जा सकता था। नई उत्पादन विधियाँ संभव हो गईं जो पुरानी वास्तुकला के तहत शाब्दिक रूप से असंभव थीं।
अर्थशास्त्री Paul David ने 1990 के एक प्रसिद्ध शोधपत्र में इस घटना का अध्ययन किया। उन्होंने इसे "dynamo paradox" कहा: बिजली लगभग चार दशकों से व्यावसायिक रूप से उपलब्ध थी इससे पहले कि अधिकांश कारखानों ने परिवर्तनकारी उत्पादकता लाभ देखे — क्योंकि उनमें से अधिकांश पुरानी सोच के साथ नई शक्ति का उपयोग कर रहे थे। उन्होंने तकनीक अपना ली थी। उन्होंने उसके चारों ओर पुनर्गठन नहीं किया था।
इसमें जो बात मुझे सबसे ज़्यादा प्रभावित करती है वह यह है: जो कारखाने परिवर्तित होने में विफल रहे, वे अनजान या लापरवाह नहीं थे। उनके पास अपने प्रतिस्पर्धियों जैसी ही इलेक्ट्रिक मोटर्स की पहुँच थी। वे बिजली के लिए भुगतान कर रहे थे। वे वास्तव में विश्वास करते थे कि उन्होंने नई तकनीक अपना ली है। उन्होंने वास्तव में जो किया था वह पुरानी संरचना पर नई शक्ति बोल्ट करना था — और फिर आश्चर्य करना कि परिणाम निवेश के अनुपात में क्यों नहीं थे।
मैं आज ठीक यही पैटर्न दोहराते हुए देख रहा हूँ। AI तैनात करने वाली अधिकांश कंपनियाँ कारखाने का वह काम कर रही हैं जो स्टीम इंजन को इलेक्ट्रिक मोटर से बदलना और इसे परिवर्तन कहना है। एक साझा सब्सक्रिप्शन। कुछ अनुमोदित उपयोग मामले। एक गवर्नेंस फ्रेमवर्क। एक तिमाही AI समीक्षा बैठक। पुरानी संगठनात्मक संरचना — पुरानी बेल्ट और लाइन शाफ्ट — पूरी तरह बरकरार है।
असीमित टोकन एक्सेस लाइन शाफ्ट निकालकर हर वर्कस्टेशन पर अलग मोटर लगाने का संगठनात्मक समकक्ष है। यह केवल एक लागत निर्णय नहीं है। यह एक संरचनात्मक निर्णय है — एक संकेत कि आप कारखाने के फ्लोर को फिर से डिज़ाइन कर रहे हैं, न कि केवल शक्ति स्रोत बदल रहे हैं। और उन 20वीं सदी के शुरुआती कारखानों की तरह, जो कंपनियाँ यह संरचनात्मक विकल्प चुनेंगी, वे 10% सुधार नहीं करेंगी। वे उत्पादकता की एक मौलिक रूप से अलग श्रेणी में काम करेंगी उनकी तुलना में जो नहीं चुनतीं।
हम आज उसी चौराहे पर खड़े हैं। बस दाँव अतुलनीय रूप से ऊँचे हैं — और दोनों रास्तों के बीच का अंतर अतुलनीय रूप से तेज़ी से खुलता है।
AI Employee युग पहले ही आ चुका है
अपने तीसरे लेख में, मैंने AI-native टीमें बनाने के बारे में लिखा था। अपने चौथे में, मैंने vibe working का वर्णन किया था — वह मनोवैज्ञानिक और संचालनात्मक परिवर्तन जो तब होता है जब मनुष्य AI को एक उपकरण मानना बंद करते हैं और उसे एक सच्चे सहयोगी के रूप में देखना शुरू करते हैं। उन लेखों ने एक चल रहे संक्रमण का वर्णन किया।
मैं अब स्पष्ट कहना चाहता हूँ: वह संक्रमण अब चल नहीं रहा। वह पूरा हो चुका है। AI Employee युग आ गया है।
AI कोई उपकरण नहीं है जिसे आप ईमेल तेज़ी से लिखने के लिए उपयोग करते हैं। यह कोई सर्च इंजन नहीं है जिससे आप अटकने पर क्वेरी करते हैं। यह एक सह-कर्मी है। एक सह-संस्थापक है। विशेषज्ञों की एक सेना है — इंजीनियर, शोधकर्ता, विश्लेषक, रणनीतिकार, डिज़ाइनर, लेखक — आपकी कंपनी के हर व्यक्ति के लिए उपलब्ध, चौबीसों घंटे, सातों दिन, बिना छुट्टी, बिना अहंकार, बिना संगठनात्मक राजनीति। AI छह बजे घर नहीं जाता। इसकी प्रेरणा कम नहीं होती। इसे ऑनबोर्ड होने में तीन सप्ताह नहीं लगते। इसे बार-बार वेतन वार्ता की ज़रूरत नहीं।
लेकिन इस सेना के बारे में बात यह है: यह तभी आती है जब आप द्वार खोलते हैं।
Genspark में, हम शून्य से $200M वार्षिक रन रेट तक ग्यारह महीनों में पहुँचे — एक गति जो, जहाँ तक मुझे पता है, enterprise AI में पहले कभी नहीं देखी गई। हमने लॉन्च के बाद पहले नौ दिनों में $10M ARR प्राप्त किया, ChatGPT से तेज़, Claude से तेज़, इतिहास में किसी भी AI उत्पाद से तेज़। हमने यह एक ऐसी टीम के साथ किया जो, किसी भी पारंपरिक मानक से, हमारे उत्पादन की तुलना में बेतुकी रूप से छोटी थी। AI हमारा 100% कोड लिखता है। एक इंजीनियर ने तीन महीने में हमारा AI browser बनाया। एक PM ने दो हफ्ते में AI Slides डिलीवर किया। एक डिज़ाइनर जिसने कभी कोडिंग नहीं की थी, ने तीन दिन में एक browser download साइट बनाई। उसके बाद के ग्यारह महीनों में, हमने AI Workspace 3.0, Genspark Claw — हमारा पहला पूर्णतः स्वायत्त AI कर्मचारी — साथ ही Workflows, Teams, Meeting Bots, Realtime Voice, और भी बहुत कुछ शिप किया है। ये असाधारण मनुष्य नहीं हैं — ये सामान्य प्रतिभा वाले लोग हैं जिन्हें एक असाधारण सेना तक असीमित पहुँच दी गई है।
50 मनुष्यों और असीमित AI एक्सेस वाली कंपनी 50 की कंपनी की तरह काम नहीं करती। वह 500, या 5,000 की कंपनी की तरह काम करती है। यह गुणक वास्तविक है, मापने योग्य है, और हम इसे हर दिन जीते हैं।
अब दूसरे परिदृश्य पर विचार करें: 500 मनुष्यों और प्रतिबंधित AI एक्सेस वाली कंपनी। मासिक टोकन बजट। IT अनुमोदन वर्कफ्लो। एक विभाग के साथ एक सतर्क पायलट। तिमाही समीक्षा। एक सावधानीपूर्वक शासित रोलआउट योजना।
वह कंपनी 500 की कंपनी की तरह काम करती है। इससे अधिक नहीं।
50-व्यक्ति की कंपनी दस गुना तेज़ शिप करेगी, दस गुना अधिक इटरेट करेगी, दस गुना अधिक उत्पादक रूप से विफल होगी, और दस गुना अधिक तेज़ी से सीखेगी। और हर गुज़रता हफ्ता, उनके बीच का अंतर और चौड़ा होता जाता है।
प्रकाश-वर्ष का अंतर: इस बार अलग क्यों है
पिछली हर तकनीकी लहर में — PC युग, इंटरनेट युग, मोबाइल युग, क्लाउड युग — शुरुआती अपनाने वालों और पिछड़ने वालों के बीच एक अंतर था। तेज़ चलने वाली कंपनियों को फायदे मिले। लेकिन वे फायदे, भले ही वास्तविक थे, सीमित थे। एक शुरुआती इंटरनेट अपनाने वाले और एक देर से अपनाने वाले के बीच दक्षता का अंतर शायद 1.5x था। शायद 2x। बहुत अच्छी तरह चलने वाली कंपनियों के लिए, शायद 3x।
वे अंतर वसूली योग्य थे। 2012 में क्लाउड अपनाने में दो साल पीछे रहने वाली कंपनी 2015 तक पकड़ सकती थी। यह दर्दनाक और महँगा था, लेकिन संभव था।
जो अभी हो रहा है वह श्रेणीगत रूप से अलग है। अंतर रैखिक नहीं है। यह घातांकीय है। और मुझे यकीन नहीं कि इसकी वसूली संभव है।
कल्पना कीजिए कि दो जहाज़ एक ही बंदरगाह से एक ही दिन रवाना होते हैं। एक परमाणु प्रणोदन से चलता है। दूसरे के पास चप्पू हैं। पहले दिन, परमाणु जहाज़ थोड़ा आगे है। पहले सप्ताह के अंत तक, वह बहुत आगे है। पहले महीने के अंत तक, चप्पू वाला जहाज़ क्षितिज पर परमाणु जहाज़ को देख भी नहीं सकता। पहले वर्ष के अंत तक, उनके बीच की दूरी बड़ी नहीं है। बहुत बड़ी नहीं है। वह अबोधगम्य है — एक अंतर जो मीलों में नहीं बल्कि वास्तविकता की एक अलग श्रेणी में मापा जाता है।
टोकन विभाजन अभी कंपनियों के बीच यही पैदा कर रहा है।
एक तरफ: एक कंपनी जहाँ हर कर्मचारी के पास सबसे शक्तिशाली frontier AI मॉडल्स तक असीमित पहुँच है — जहाँ इंजीनियर AI के साथ लाइव, बहु-चरणीय वार्तालाप करके पूरी प्रणालियों की वास्तुकला तैयार कर रहे हैं, जहाँ प्रोडक्ट मैनेजर हफ्तों की जगह मिनटों में शोध रिपोर्ट तैयार और परिशोधित कर रहे हैं, जहाँ अधिकारी एक भी स्लाइड डेक बनने से पहले AI-जनित प्रतिस्पर्धी परिदृश्यों के विरुद्ध रणनीतियों का तनाव-परीक्षण कर रहे हैं। उस कंपनी में हर व्यक्ति एक संज्ञानात्मक गुणक के साथ काम कर रहा है जो दैनिक रूप से चक्रवृद्धि होता है।
दूसरी तरफ: एक कंपनी जहाँ frontier AI मॉडल तक पहुँचने के लिए IT को टिकट सबमिट करना पड़ता है, जहाँ AI टूल्स का बजट तिमाही में बहस किया जाता है, जहाँ कर्मचारियों ने अपने व्यक्तिगत क्रेडिट कार्ड से frontier AI टूल्स तक पहुँचने के उपाय खोज लिए हैं क्योंकि आधिकारिक टूल बहुत प्रतिबंधित हैं, जहाँ नेतृत्व अभी भी तय कर रहा है कि इंजीनियरिंग टीम से मार्केटिंग टीम तक पायलट का विस्तार करना है या नहीं।
इन दोनों कंपनियों के आउटपुट में अंतर 10% नहीं है। 50% नहीं है। यह एक दौड़ती कंपनी और एक खड़ी रहने वाली कंपनी के बीच का अंतर है। और हर बीतता दिन, दौड़ती कंपनी और आगे निकल जाती है — रैखिक रूप से नहीं, बल्कि घातांकीय रूप से, क्योंकि तेज़ इटरेशन का मतलब तेज़ सीखना है, जिसका मतलब बेहतर उत्पाद हैं, जिसका मतलब अधिक राजस्व है, जिसका मतलब और भी तेज़ इटरेशन है।
यह प्रतिस्पर्धात्मक लाभ नहीं है। यह, समय के साथ, एक विलुप्ति की घटना है।
"पूरी तरह अपनाने" का वास्तव में क्या मतलब है
मैं ठोस होना चाहता हूँ, क्योंकि "AI को पूरी तरह अपनाओ" उस तरह का वाक्यांश है जो अर्थपूर्ण लगता है लेकिन लगभग किसी भी चीज़ का वर्णन करने के लिए इस्तेमाल किया जा सकता है।
हर कर्मचारी के लिए AI टूल्स पर सभी टोकन कैप और खर्च सीमाएँ हटाएँ — आज। अगली तिमाही नहीं। सुरक्षा समीक्षा पूरी होने के बाद नहीं। आज। हाँ, लागत होगी। वह लागत उत्पादकता लाभ की तुलना में नगण्य है, और पीछे रह जाने की लागत से कई गुना कम है।
AI को IT खर्च के रूप में देखना बंद करें। AI खर्च हेडकाउंट बजट पर होना चाहिए — IT बजट पर नहीं। जिस क्षण आप उस लाइन आइटम को स्थानांतरित करते हैं, सब कुछ बदल जाता है। यह आपके पूरे संगठन को संकेत देता है कि AI एक सॉफ्टवेयर टूल नहीं है जिसे प्रबंधित और न्यूनतम किया जाना है — यह टीम का एक सदस्य है। इसे ऐसे सोचें: आपकी कंपनी द्वारा तैनात किए गए हर AI एजेंट की अपनी सीट, अपना वर्कस्टेशन, अपनी रिपोर्टिंग लाइन होनी चाहिए। उसकी एक भूमिका है। उसके डिलीवरेबल्स हैं। उसका एक मैनेजर है। जब आप AI को इस तरह देखते हैं — जब वह आपके ऑर्ग चार्ट में दिखता है, न कि केवल आपके वेंडर अनुबंधों में — तो आपके लोग भी उसे इसी तरह देखने लगते हैं। कोई भी समझदार CFO वेतन लाइन को देखकर नहीं सोचता: "लागत कम करने के लिए इसे कैसे काटें?" वेतन मानवीय क्षमता की कीमत है। AI एक्सेस AI क्षमता की कीमत है। ऐसी दुनिया में जहाँ AI 80% काम कर रहा है, उस लाइन आइटम को उतने ही सम्मान — और उतने ही निवेश दर्शन — की ज़रूरत है जितनी उसके बगल में बैठे लोगों को।
एक आंतरिक संस्कृति बनाएँ जहाँ हर चीज़ के लिए AI का उपयोग करना डिफ़ॉल्ट हो, अपवाद नहीं। Genspark में, हमारी कोई नीति नहीं है जो कहे "जब समझ आए तब AI उपयोग करो।" हमारी एक संस्कृति है जो कहती है "अगर आपने इसके लिए AI का उपयोग नहीं किया, तो बताओ क्यों।" यह उलटफेर बहुत महत्वपूर्ण है। यह संगठनात्मक गंभीरता का संकेत देता है। यह सहकर्मी जवाबदेही बनाता है। और यह सामूहिक सीखने को तेज़ करता है, क्योंकि जब हर कोई आक्रामक रूप से AI का उपयोग कर रहा है, तो सीख तेज़ी से फैलती है।
पायलट चरण समाप्त करें। मैं इस बारे में सीधे बात करना चाहता हूँ: अगर आपकी कंपनी अभी भी "AI का परीक्षण और मूल्यांकन" चरण में है, तो आप विवेकपूर्ण नहीं हो रहे। आप धीमे हो रहे हैं। पायलट का समय 2023 में समाप्त हो गया। जो कंपनियाँ अभी जीत रही हैं वे पायलट नहीं कर रहीं — वे तैनात कर रही हैं, इटरेट कर रही हैं, और चक्रवृद्धि कर रही हैं। मूल्यांकन में बिताया गया हर महीना वह महीना है जो आपके प्रतिस्पर्धी निष्पादन में बिता रहे हैं।
जो कंपनियाँ अभी पीछे छूट रही हैं
मैं एक तस्वीर चित्रित करना चाहता हूँ — किसी को शर्मिंदा करने के लिए नहीं, बल्कि इसलिए कि मुझे लगता है कि कुछ नेता वास्तव में नहीं जानते कि बाहरी दुनिया उन्हें कैसे देखती है।
जो कंपनी पीछे रह रही है, उसकी एक AI रणनीति समिति है जो मासिक बैठक करती है। उसने बीस की टीम के लिए एक साझा AI सब्सक्रिप्शन अनुमोदित किया है। वह इंजीनियरिंग टीम के साथ एक पायलट चला रही है और पहला पायलट पूरा होने के बाद "अन्य विभागों में विस्तार" करने की योजना बना रही है — जिसमें और दो तिमाहियाँ लगेंगी। उसके कर्मचारी अपने व्यक्तिगत फोन और व्यक्तिगत क्रेडिट कार्ड का उपयोग करके frontier AI टूल्स तक पहुँच रहे हैं जो उनका नियोक्ता प्रदान नहीं करेगा, इसलिए नहीं कि वे नियम तोड़ रहे हैं, बल्कि इसलिए कि उन्हें अपना काम करना है।
इस कंपनी का नेतृत्व मानता है कि वे ज़िम्मेदार हो रहे हैं। वे जोखिम प्रबंधित कर रहे हैं। वे सावधानी से आगे बढ़ रहे हैं।
इसी बीच, दूसरी कंपनी में, एक 26 वर्षीय इंजीनियर एक AI एजेंट के साथ रियल-टाइम बातचीत कर रहा है जो एक साथ कोड लिख रहा है, टेस्ट चला रहा है, त्रुटियों का विश्लेषण कर रहा है, और आर्किटेक्चरल सुधार सुझा रहा है — उतने ही समय में जितना पहली कंपनी के इंजीनियर को एक बुनियादी AI कोडिंग असिस्टेंट तक पहुँच माँगने के लिए टिकट दाखिल करने में लगता है। जब तक वह टिकट अनुमोदित होता है, 26 वर्षीय ने एक फीचर शिप कर दिया है।
ये दोनों कंपनियाँ अलग-अलग युगों में काम नहीं कर रहीं। ये अलग-अलग सभ्यताओं में काम कर रही हैं।
नया कॉर्पोरेट संपदा विभाजन
यहाँ वह बात है जो मुझे सबसे ज़्यादा चिंतित करती है — और मैं इसके बारे में सटीक होना चाहता हूँ, क्योंकि तात्कालिकता महसूस करना आसान है बिना तंत्र को पूरी तरह समझे।
टोकन विभाजन केवल वर्तमान आउटपुट में अंतर नहीं है। यह सीखने की गति में अंतर है। और यही इसे इतना खतरनाक बनाता है।
एक कंपनी जिसने पिछले दो वर्षों से हर कर्मचारी को असीमित AI एक्सेस दी है, उसने केवल दोगुना काम नहीं किया है। उसने दो वर्षों का संगठनात्मक सीखना संचित किया है — प्रथाएँ, सहज ज्ञान, मांसपेशी स्मृति, आंतरिक संस्कृति — जिसे केवल चेक लिखकर दोहराया नहीं जा सकता। आप अधिग्रहण करके AI-native नहीं बन सकते। आप छह महीने में भर्ती करके वहाँ नहीं पहुँच सकते। संगठनात्मक तैयारी चुपचाप, अदृश्य रूप से चक्रवृद्धि होती है, जब तक कि जिस कंपनी ने इसे बनाया और जिसने नहीं बनाया, उनके बीच का अंतर एक प्रदर्शन अंतर नहीं रह जाता — यह एक बिल्कुल अलग स्तर का क्षमता अंतर हो जाता है।
जिन कंपनियों ने पहले और पूरी तरह कदम बढ़ाया, वे अब एक ऐसे फ्लाईव्हील के अंदर हैं जिसे रोकना लगभग असंभव है। उनके उत्पाद बेहतर हैं, इसलिए वे अधिक उपयोगकर्ता आकर्षित करते हैं। अधिक उपयोगकर्ता अधिक डेटा और फीडबैक उत्पन्न करते हैं, इसलिए उनके उत्पाद और तेज़ी से बेहतर होते हैं। तेज़ इटरेशन का मतलब तेज़ सीखना है, जो अधिक AI निवेश को वित्तपोषित करता है, जो इटरेशन को और तेज़ करता है। इसी बीच, उनकी सबसे अच्छी प्रतिभा — वे लोग जो AI-native वातावरण में फलते-फूलते हैं — उनकी ओर खिंचती है, क्योंकि कोई भी महत्वाकांक्षी इंजीनियर या डिज़ाइनर अपना करियर frontier मॉडल तक पहुँचने के लिए IT अनुमोदन का इंतज़ार करते हुए नहीं बिताना चाहता।
इसके विपरीत, पिछड़ने वालों को एक चक्रवृद्धि घाटे का सामना करना पड़ता है। वे केवल आउटपुट में पीछे नहीं हैं — वे सहज ज्ञान में पीछे हैं, संस्कृति में पीछे हैं, प्रतिभा घनत्व में पीछे हैं, और फ्लाईव्हील में ही पीछे हैं। और किसी बिंदु पर — और यह वह हिस्सा है जो मुझे वास्तव में डराता है — वह घाटा एक ऐसी सीमा पार कर जाता है जहाँ यह अब पकड़ने का सवाल नहीं रहता। यह सवाल बन जाता है कि क्या आप अभी भी उसी दौड़ में हैं।
आप चप्पू चलाकर परमाणु-संचालित जहाज़ के विरुद्ध दौड़ में वापस नहीं आ सकते। टोकन विभाजन में तीन साल पीछे होना स्थायी हो सकता है। यह रूपक नहीं है। मेरा शाब्दिक अर्थ है।
अंतिम विचार
मैंने पिछले कई महीने दो प्रकार की कंपनियों को देखते हुए बिताए हैं। पहले प्रकार की कंपनियाँ लहर के साथ चल रही हैं — उस पर पूरी तरह सवार नहीं, लेकिन चल रही हैं। वे तेज़ी से निर्णय ले रही हैं, अनिश्चितता स्वीकार कर रही हैं, पूर्ण AI तैनाती की गड़बड़ी को अपना रही हैं, और हर हफ्ते अपनी सीख को चक्रवृद्धि कर रही हैं। दूसरे प्रकार की कंपनियाँ अभी भी किनारे पर खड़ी हैं, लहर को आते देख रही हैं, पानी में उतरने या न उतरने पर बैठकें कर रही हैं।
मैंने अपना पहला "Seeing AGI" लेख एक पिता के रूप में लिखा था जो अपने 12 साल के बेटे के भविष्य को लेकर चिंतित था। मुझे अब वही पैतृक चिंता महसूस होती है — लेकिन उन संस्थापकों और संचालकों के प्रति जो यह पढ़ रहे हैं। क्योंकि मैंने देखा है कि क्या आने वाला है, और मैं वास्तव में नहीं चाहता कि कोई भी इसमें बह जाए।
जब सुनामी आती है, तो वह आपकी बोर्ड मीटिंग खत्म होने का इंतज़ार नहीं करती। वह तब तक नहीं रुकती जब तक आप अपनी गवर्नेंस समीक्षा पूरी न कर लें। वह आपको पायलट विस्तार के लिए एक और तिमाही नहीं देती। वह आती है, और जो संगठन पानी में थे — उसके साथ चल रहे थे, उसकी ऊर्जा के साथ काम कर रहे थे — वे बचते हैं और आगे बढ़ते हैं। जो संगठन अभी भी किनारे पर विचार-विमर्श कर रहे थे, वे दब जाते हैं।
खिड़की बंद नहीं हुई है। लेकिन बंद हो रही है। और हर संस्थापक, हर CEO, हर संचालक जो यह पढ़ रहा है, उसे आज रात — अगले हफ्ते नहीं, अगली तिमाही नहीं — इस सवाल का जवाब देना होगा: क्या आपने अपनी कंपनी के हर एक व्यक्ति को AI के साथ सोचने, बनाने और निर्माण करने की असीमित पहुँच दी है?
अगर नहीं, तो मैं चाहता हूँ कि आप खुद से एक और सवाल पूछें: आप किसका इंतज़ार कर रहे हैं?
मैं लगभग बीस वर्षों से तकनीक में हूँ। मैंने बाज़ारों को बदलते, कंपनियों को उठते और गायब होते, और प्रतिमानों को रातोंरात पलटते देखा है। लेकिन मैंने कभी कुछ इतनी तेज़ी से चलते, या इतनी गहराई से काटते नहीं देखा।
और जो बात मुझे रात को जगाए रखती है वह तकनीक स्वयं नहीं है। वह प्रतिभाशाली, मेहनती लोगों की छवि है — संस्थापक जिन्होंने अपनी कंपनियाँ बनाने के लिए सब कुछ बलिदान किया, संचालक जिन्होंने अपनी टीमों को अपने जीवन के वर्ष दिए — जो एक दिन जागते हैं और पाते हैं कि उनके और उनके प्रतिस्पर्धियों के बीच का अंतर अब वह अंतर नहीं है जिसे वे पाट सकें। इसलिए नहीं कि वे पर्याप्त बुद्धिमान नहीं थे। इसलिए नहीं कि उन्हें पर्याप्त परवाह नहीं थी। बल्कि इसलिए कि एक महत्वपूर्ण क्षण में, उन्होंने हिचकिचाहट दिखाई। उन्होंने एक और डेटा पॉइंट का इंतज़ार किया। उन्होंने एक और समिति बुलाई। उन्होंने मूल्यांकन के लिए एक और तिमाही माँगी।
मैं ये लेख चिंतित करने के लिए नहीं लिखता। मैं इसलिए लिखता हूँ क्योंकि मैं वास्तव में मानता हूँ कि अधिकांश लोगों ने अभी तक जो हो रहा है उसका पूरा भार महसूस नहीं किया है — और जब तक वे करेंगे, तब तक कार्रवाई करने में बहुत देर हो सकती है।
तो मैं आपको वह एक बात छोड़कर जाना चाहता हूँ जो मैं सबसे ज़्यादा चाहता हूँ कि आप इस लेख से लेकर जाएँ।
कंपनियों के बीच दक्षता का अंतर अब प्रतिभा, रणनीति या पूँजी का मामला नहीं है। यह तेज़ी से एक निर्णय का मामला बनता जा रहा है: क्या आपने अपनी कंपनी के हर व्यक्ति को AI के साथ सोचने, बनाने और निर्माण करने की असीमित पहुँच दी है — या नहीं दी है? जिन कंपनियों ने हाँ कहा, भले ही अपूर्ण रूप से, भले ही गड़बड़ तरीके से, वे हर दिन अपने लाभ को चक्रवृद्धि कर रही हैं। जो कंपनियाँ अभी भी विचार-विमर्श कर रही हैं, वे रुकी नहीं हैं। वे इतनी तेज़ी से पीछे गिर रही हैं जिसका इतिहास में कोई पूर्ववर्ती नहीं है।
वह अंतर कभी प्रतिशत में मापा जाता था। अब यह गुणकों में मापा जाता है। जल्द ही, कुछ उद्योगों और कुछ कंपनियों के लिए, यह मापने योग्य ही नहीं रहेगा — क्योंकि समीकरण का एक पक्ष बस अब दौड़ में नहीं रहेगा।
मुझे उम्मीद है कि आप उस रेखा के सही पक्ष पर हैं। और अगर आपको यकीन नहीं है — अगर आपने यह पढ़ा और पहचान की एक हल्की झलक महसूस की, एक शांत आवाज़ जो कह रही थी "यह शायद हम हैं" — तो कृपया, अगली बोर्ड मीटिंग तक इंतज़ार न करें यह जानने के लिए। लहर पहले से चल रही है। एकमात्र सवाल यह है कि आप पानी में हैं या किनारे पर।
अभी भी समय है। लेकिन उतना नहीं जितना आप सोचते हैं।