সিলিকন ভ্যালির এআই স্টার্টআপ টোকেন ব্যয় এবং ব্যবস্থাপনা মডেলের বিকাশের সাথে পরিবর্তিত হচ্ছে

সিলিকন ভ্যালির এআই ইঞ্জিনিয়ার মা পেইয়ুয়ান চার বছরেরও বেশি শিল্প পর্যবেক্ষণের ভিত্তিতে বর্তমানে দশটি উল্লেখযোগ্য পরিবর্তন উল্লেখ করেছেন: চাকরির চাহিদা বিশেষজ্ঞদের দিকে থেকে সাধারণজ্ঞানীদের দিকে সরে গিয়েছে, এআই টুল ব্যবহারের দক্ষতা অভিজ্ঞতার বছরকে অতিক্রম করতে পারে; সংগঠনগত কাঠামো সমতলীয় হয়ে উঠছে, পরিচালকদের প্রযুক্তিগত দক্ষতা থাকা প্রয়োজন, people manager ভূমিকা লুপ্তপ্রায়; টোকেন ব্যবহার সংখ্যা অনুসরণের পরিবর্তে দক্ষতার দিকে মনোনিবেশ করছে, বড় কোম্পানিগুলি আবার হিসাব-নিকাশ শুরু করছে; মডেলের পূজা ভাঙছে, সিলিকন ভ্যালিতে এখন কয়েকটি সস্তা এবং শীর্ষস্থানীয় মডেলকে একসাথে সমন্বয় করা জনপ্রিয়; AI infra-এর নতুন অবকাঠামোগুলি আবির্ভূত হচ্ছে, কারণ “অপ্রশিক্ষণযোগ্য” বাস্তবসমস্যা সমাধানের ক্ষমতা রয়েছে, ভার্টিক্যাল AI agent-এর বিনিয়োগের মূল্য এখনও বিদ্যমান। মা পেইয়ুয়ান জোর দিয়েছেন, AI-এর ক্ষেত্রে একটি বছর খুবই দীর্ঘকাল, এবং বেশিরভাগ মূল্যায়নই একমাসেরও কমসময়েরও মধ্যেই अস্বীকৃত।

লেখক এবং উৎস: 36kr

সমস্ত সমঝোতা দ্রুত মেয়াদ শেষ হয়ে যাচ্ছে

সবাই এআই সম্পর্কে বিচার করার চেষ্টা করছে, কিন্তু সব সমঝোতা দ্রুত পুরনো হয়ে যাচ্ছে।

সাক্ষাতকার | বা বাতাস

লেখক: হাইফেং, লিউ সিজিয়ে

সম্পাদনা | লিউ সিজিয়ে

কভার ছবির উৎস | সাক্ষাত্কারকৃত ব্যক্তি কর্তৃক তোলা

অসংগঠিত বৃদ্ধির পর্যায়টি শেষ হয়ে গেছে।

এটি সিলিকন ভ্যালির এআই স্টার্টআপের অগ্রগতির কেন্দ্রে থাকা মা পেইয়ুয়ানের সাম্প্রতিক সবচেয়ে গভীর অনুভূতি।

2021 সালের ডিসেম্বরে, স্নাতক শেষ করার পর তিনি “মার্কিন কুয়োরা” নামে পরিচিত Quora-এ যোগ দেন, তারপর এআই চ্যাটবট এগ্রিগেটর প্ল্যাটফর্ম Poe-এ সিনিয়র এআই ইঞ্জিনিয়ার হিসেবে যোগ দেন। 2 মাস আগে, তিনি সিলিকন ভ্যালির সবচেয়ে জনপ্রিয় এআই এজেন্ট স্টার্টআপ Cognition-এ যোগ দেন।

2026 সালের মে মাসে, এই তিন বছরেরও কম সময়ে প্রতিষ্ঠিত কোম্পানিটি 10 বিলিয়ন ডলারের বেশি ফান্ডিং সম্পন্ন করে এবং এর মূল্যায়ন 260 বিলিয়ন ডলারে উন্নীত হয়। 8 মাস আগে এর মূল্যায়ন ছিল 102 বিলিয়ন ডলার।

ইঞ্জিনিয়ার হিসেবের পাশাপাশি, মা পেইয়ুয়ানের আরেকটি পরিচয় রয়েছে—ভেঞ্চার স্কাউট। তিনি বিনিয়োগকারী প্রতিষ্ঠানের জন্য বিনিয়োগযোগ্য এআই স্টার্টআপ খুঁজে বেড়ান, যার বার্ষিক 50 হাজার মার্কিন ডলারের বিনিয়োগের কোটা রয়েছে।

গ্র্যাজুয়েশনের পরের চার বছরের বেশি সময় ধরে, সে সবসময় AI শিল্পের সাধারণ সম্মতির চেয়ে আগেই কাজ শুরু করেছে; “agent” শব্দটি এখনও কারও দ্বারা সংজ্ঞায়িত হয়নি, তখনই তার দলটি চুপিচুপি প্রকল্পটি শুরু করেছিল। Anthropic এখনও অজানা ছিল, তখনই তারা Claude-এর প্রথম গভীর ব্যবহারকারীদের মধ্যে একটি ছিল। সে দলের প্রথম AI-সনদপ্রাপ্ত ইঞ্জিনিয়ার, প্রথম AI agent ইঞ্জিনিয়ার, এবং পরবর্তীতে সম্পূর্ণ ইঞ্জিনিয়ারিং দলকে “AI-নেটিভ” দলে পরিণত করেছে, যারা AI-এর মাধ্যমে প্রোগ্রামিং করে।

দুই সপ্তাহ আগে, তিনি "ভবিষ্যৎ মানুষ ল্যাব" এর সাথে কথা বলার সময় অকস্মাৎ বলেছিলেন যে "পিপল ম্যানেজার লুপিয়ে যাচ্ছে", এবং খুব তাড়াতাড়িই টেনসেন্ট এবং বাইটড্যান্সের মধ্যবর্তী স্তর বাতিলের সংবাদ এটিকে প্রমাণিত করেছে।

পরিবর্তনগুলি খুব দ্রুত ঘটছে, সিলিকন ভ্যালিতে পরিবর্তনের সাথে সর্বদা খাপ খাইয়ে নিতে হয়।

এই সাক্ষাত্কারের দুটি সেশনের দুই সপ্তাহের ব্যবধানে, মা পেইয়ুয়ান বুঝতে পারলেন যে তিনি আগে যে সিলিকন ভ্যালির “সবচেয়ে ব্যয়বহুল এবং সবচেয়ে উন্নত মডেলগুলির পিছনে দৌড়ানো” এর যুক্তি ব্যাখ্যা করেছিলেন, সেটি এখন দাঁড়াচ্ছে না। বর্তমানে সিলিকন ভ্যালিতে জনপ্রিয় পদ্ধতি হল বিভিন্ন সস্তা মডেল এবং শীর্ষস্থানীয় মডেলগুলিকে “ফিউজড স্কিডিউলিং” করা।

আমি মা পেইয়ুয়ানের সাথে প্রায় পাঁচ ঘণ্টা কথা বললাম, আমরা দেখলাম যে সে প্রায় সবসময় গতকালের নিজেকেই খণ্ডন করছে, সিলিকন ভ্যালি ঠিক তাই। "আমি সবকিছু বলতে পারব না, কিন্তু আপনি বলতে পারেন যে ৬০% এর বেশি, এক মাস পরেই এটি আবার উল্টো হয়ে যাবে।"

গত কয়েক বছরে, এআই প্রায় সিলিকন ভ্যালির সমস্ত ডিফল্ট নিয়মকে পুনর্লিখন করেছে: কোন ধরনের মানুষ সহজেই উঠে আসে, কোন সংগঠনগুলি বেশি প্রতিযোগিতামূলক, এবং কোন টাকা ব্যয় করা যৌক্তিক।

অবশ্যই, এই সব প্রতিপাদিত “সঠিক উত্তর” গুলির মূল্যায়নও দ্রুত অকার্যকর হয়ে পড়ছে। এআই ক্ষেত্রে, এক বছরই খুব দীর্ঘ সময়, অনেক মূল্যায়ন এক মাসের মধ্যেই বাতিল হয়ে যায়।

নিচে মা পেইয়ুয়ানের দৃষ্টিতে বর্তমানে সিলিকন ভ্যালির 10টি এআই পর্যবেক্ষণ:

মা পেইয়ুয়ান

মাপেইয়ুয়েনের পেশাগত চিত্রটি সিলিকন ভ্যালির এআই কোম্পানিগুলির প্রিয় প্রার্থীর ছবিকে উত্তমভাবে মিলে যায়। তিনি পারম্পরিক কম্পিউটার ব্যাকগ্রাউন্ডের মানুষ নন, প্রতিযোগিতায় স্বর্ণপদক জিতেননি, শীর্ষস্থানীয় বিশ্ববিদ্যালয়ের আলোকিত পটভূমি নেই, এমনকি একসময় কম্পিউটারের প্রতি তাঁর কোনও আগ্রহও ছিল না, কিন্তু গত চার বছরে তিনি Quora-এর বিজ্ঞাপন দল থেকে Cognition-এর এআই ইঞ্জিনিয়ারে পদোন্নতি লাভ করেছেন, এবং তাঁর ক্যারিয়ারের পথটি সিলিকন ভ্যালির এআই কোম্পানিগুলির বর্তমানে সবচেয়ে বেশি চাওয়া প্রার্থীর প্রতিটি কীওয়ার্ডকে সঠিকভাবে স্পর্শ করেছে। তাঁর অভিজ্ঞতা শুধুমাত্র একটি ব্যক্তিগত বিকাশের ইতিহাসই নয়, বরং একটি শিল্পের নিয়োগের মানদণ্ডের পরিবর্তনেরও একটি নমুনা।

পর্যবেক্ষণ ১: সাধারণজ্ঞানীরা বিশেষজ্ঞদের পরাজিত করছেন

সিলিকন ভ্যালির সবচেয়ে চাহিদাপূর্ণ প্রতিভা হল কোনো একটি ক্ষেত্রে সবচেয়ে গভীরভাবে পারদর্শী বিশেষজ্ঞ নয়, বরং “প্রতিটি দিকেই গড়াগড়ি যায়, কোনো স্পষ্ট দুর্বলতা নেই” এমন ব্যক্তি—শিল্পে এটিকে polyglot talent বলা হয়, আর সহজ ভাষায় বলা হয় “ষড়বাহু যোদ্ধা”।

২০২৪ সালে, Poe-এর অভ্যন্তরে একটি “agent” প্রকল্প শুরু হয়, যার সংজ্ঞা তখন কেউ পরিষ্কারভাবে বলতে পারেনি। দলটি আমাকে একজন নবাগত হিসেবে বাছাই করেছিল কারণ আমি “AI-এর সাথে পরিচিত ছিলাম, এবং ফুল-স্ট্যাক ডেভেলপমেন্ট এবং iOS-এও কাজ করেছি।” তখন দলের অন্যান্য সদস্যরা প্রধানত প্রাচীন মেশিন লার্নিং, সার্চ, অ্যাডভারটাইজিং এবং রিকমেন্ডেশন ব্যাকগ্রাউন্ডের ছিল, তাদের কারও ফ্রন্টএন্ড কোডিংয়ের জ্ঞান ছিল না, কিন্তু agent-এর জন্য ফ্রন্টএন্ড ইন্টারফেস লেখা দরকার। AI প্রম্পট ইঞ্জিনিয়ারিংয়ের জন্য কোম্পানির আগের দায়িত্বপ্রাপ্ত ব্যক্তিরা চলে গেলে, দলের মধ্যে এই ফাঁকটি পূরণ করার জন্য আর কেউ ছিল না। ঠিক তখনই, আমি যেহেতু দ্রুত শিখতে পারি, আমি agent-এর AI-প্রম্পট ইঞ্জিনিয়ারিংও করলাম, এবং এর ফ্রন্টএন্ডও লিখলাম।

এই “সবকিছুতে একটু একটু জানা” দক্ষতা সমষ্টি পরে আমার চাকরি খোঁজার সময় সবচেয়ে মূল্যবান সম্পদে পরিণত হয়। আপনি যদি আমাকে কোনো নতুন ক্ষেত্র দেন, আমি দুই সপ্তাহের মধ্যে এটি প্রায় শিখে ফেলতে পারি। এবং এটিই প্রাথমিক স্টার্টআপগুলির প্রয়োজনীয় ব্যক্তি।

পর্যবেক্ষণ ২: এআই-ন্যাটিভ দক্ষতা কয়েক বছরের অভিজ্ঞতাকে সহজেই অতিক্রম করতে পারে।

এআই টুলের ব্যবহারের ক্ষমতা প্রত্যক্ষভাবে বছরের পর বছর জমা করে অর্জিত যোগ্যতাকে অতিক্রম করে।

আমি কুয়োরা অ্যাড গ্রুপ থেকে iOS গ্রুপে স্থানান্তরিত হওয়ার সময় কারণ হিসেবে বলেছিলাম “আমি আমার কমফোর্ট জোন থেকে বেরিয়ে আসতে চাই”, কিন্তু সেই সময় আমি iOS-এর সম্পূর্ণ অজানা ছিলাম, পুরোপুরি “0 বছরের অভিজ্ঞতা”। আমি ধীরে ধীরে শেখার পথ বেছে নেইনি, বরং GPT-4-কে আমার সহকারী হিসেবে ব্যবহার করেছিলাম। সেই সময় আমার চারপাশের সবাই ছিলেন অত্যন্ত অভিজ্ঞ iOS ইঞ্জিনিয়ার, যারা সম্ভবত AI-এ বিশ্বাস করতেন না। আমি iOS-এর কোড লিখতে পারতাম না, Swift-এর কোডও লিখতে পারতাম না, তাই আমি AI-কে নিয়ে কোড লিখতে শুরু করি।

ফলাফল হলো, আমি যে শুধু চার মাসের নতুন কর্মচারী, তার উৎপাদন গতি আমার পাশের বহু বছরের অভিজ্ঞ ইঞ্জিনিয়ারদের সমান বা এর বেশি হয়ে গেল, এবং দুই বছরের মধ্যেই আমি সিনিয়র পদে পৌঁছে গেলাম। এটি প্রচলিত পদোন্নতি ব্যবস্থায় প্রায় অসম্ভব গতি। আগে, Facebook-এ সিনিয়র ইঞ্জিনিয়ার হতে কমপক্ষে ৪ থেকে ৬ বছর লাগত। Google-এর কিছু মানুষের জন্য সম্ভবত তাদের জীবনকালেই সিনিয়র ইঞ্জিনিয়ারের পদে উন্নীত হওয়া সম্ভব হয়নি।

আমি কগনিশনে একজন ১৯ বছরের ইন্টারভিউয়ারের সাথে দেখা করেছিলাম। প্রথমে আমি একটু হতাশ হয়েছিলাম, একজন ২৬ বছরের মানুষকে ১৯ বছরের একজন ব্যক্তি “প্রশ্ন করছে” এবং আমি অনেক প্রশ্নের উত্তর দিতে পারিনি। পরে আমি বুঝতে পারলাম, এটাই একটি সূচনা যে এই কোম্পানিটি সত্যিই বয়সের পরিচয় ছাড়াই প্রতিভাকে গ্রহণ করে, এবং বয়স এখন সিলিকন ভ্যালির প্রতিভা মূল্যায়নের মাপকাঠি নয়।

পর্যবেক্ষণ ৩: চাকরির মানদণ্ড সম্পূর্ণভাবে পুনর্লিখিত হয়েছে, এআই কোম্পানিগুলি একই টেমপ্লেট ব্যবহার করে ইন্টারভিউ করে না।

কুয়োরা থেকে চলে যাওয়ার আগে, আমি প্রায় ২০টি কোম্পানির সাক্ষাত্কার দিয়েছিলাম, ফোন করা কোম্পানি সহ মোট ৩০ থেকে ৪০টি। সবচেয়ে বেশি সময়ে, আমার এক সপ্তাহে ৩০টিরও বেশি হেডহান্ডার আমার সাথে যোগাযোগ করেছিলেন।

এতগুলি কোম্পানির ইন্টারভিউ দিয়েছি, আমি দেখেছি যে বর্তমানে এআই কোম্পানিগুলি চাকরির জন্য কোনও একটি একক ইন্টারভিউ টেমপ্লেট ব্যবহার করছে না।

কিন্তু কিছু স্পষ্ট পরিবর্তন রয়েছে, লিটকোড ধরনের অ্যালগরিদম প্রশ্নের গুরুত্ব কমে যাচ্ছে, এবং এআই সিস্টেম ডিজাইনের জন্য সেরা উত্তরগুলি প্রতি মাসেই পরিবর্তিত হচ্ছে।

সাক্ষাত্কারের কাঠামোও পরিবর্তন হচ্ছে। অনলাইন লিখিত পরীক্ষা + ওয়ার্ক ট্রায়াল একটি নতুন সংমিশ্রণ হয়ে উঠেছে। ওয়ার্ক ট্রায়াল হল খুব সংক্ষিপ্ত “পরীক্ষামূলক চাকরির সাক্ষাত্কার”। কিছু ৩ ঘন্টার, কিছু ৫ ঘন্টার, সবচেয়ে বেশি এক বা দুই দিন। আমি যে সাক্ষাত্কারের সাথে দেখা করেছিলাম, সেখানে সরাসরি আমাকে একটি কোড রিপোজিটরি দেওয়া হয়েছিল, এবং বলা হয়েছিল যে যেকোনো টুল, AI-এর মতো, ব্যবহার করে একটি বাস্তব সমস্যা সমাধান করতে। শেষে, আমাকে আমার চিন্তাভাবনা এবং ফলাফলগুলি উপস্থাপন করতে হয়েছিল। পুরো প্রক্রিয়াটি বাস্তব কাজের সাথে খুবই মিলে যায়।

আরও আকর্ষণীয় বিষয় হলো, AI ব্যবহারের মূল্যায়ন নিজেই দুটি মোডে বিভক্ত করা হয়েছে। কিছু রাউন্ডে AI ব্যবহার অনিবার্য, যেখানে আপনি কীভাবে "by code" করেন তা পরীক্ষা করা হয়; কিন্তু কিছু রাউন্ডে AI ব্যবহার স্পষ্টভাবে নিষেধ করা হয়েছে, যেমন debug-এ, যেখানে AI-এর সহায়তা ছাড়াই আপনি কি ত্রুটি খুঁজে পাবেন তা পরীক্ষা করা হয়, যা মূলত আপনার ব্যক্তিগত সফটওয়্যার ইঞ্জিনিয়ারিং দক্ষতা এবং স্বাদের পরীক্ষা।

সাক্ষাতকারও বিভিন্ন রকমের হয়। উদাহরণস্বরূপ, কিছু কোম্পানি আমাকে ব্যবসায়িক বিশ্লেষণ করতে বলেছে যে তারা কোন শিল্পটি অধিগ্রহণ করা উচিত।

বিহেভিয়ার ইন্টারভিউ (behavior round) ও পরিবর্তিত হয়েছে। এখন এটি প্রাচীন প্রশ্নগুলি—যেমন “আপনার সবচেয়ে বড় দুর্বলতা এবং শক্তি কী” বা “সহকর্মীদের সাথে সংঘর্ষ কীভাবে সমাধান করবেন”—এর চেয়ে বেশি সময়ের পরিসরকে দেখে, আপনার বিকাশের পথ বুঝতে হাইস্কুল থেকে কলেজ, ইন্টার্নশিপ থেকে চাকরি পর্যন্ত ধাপে ধাপে এগিয়ে যায়, আপনার “জীবনের ঢাল” দেখে বুঝতে চায় যে আপনি কি একজন সূচকীয়ভাবে বৃদ্ধি পাওয়ার ক্ষমতা রাখেন।

একটি অপ্রত্যাশিত সুবিধা হলো কোনো মানক উত্তর না থাকার কারণে কেউ প্রশ্ন মুখস্থ করে অফার পাবে না। আমার নিজের Cognition-এর রেফারালও সরাসরি বলেছিলেন: “তুমি প্রস্তুতি নিও না, আমি মনে করি কিছুই প্রস্তুত করার দরকার নেই।”

সিলিকন ভ্যালিতে, সবচেয়ে বড় মানুষরা কখনও কোনো একটি কোম্পানিকে মানে না, শুধুমাত্র “সেই যুগের সবচেয়ে বড় কোম্পানি”কে মানে। বিশ বছর আগে ছিল গুগল, দশ বছর আগে ছিল ইউবার এবং রবিনহুড, পাঁচ বছর আগে ছিল কয়নবেস, এখন হলো AI কোম্পানি। সিলিকন ভ্যালি “প্রবাহিত চামড়ার প্লেট, অটল সৈন্য”। এই নতুন মানদণ্ড দ্বারা ছাটা প্রতিভাগুলি আরও বেশি “প্রতিদান”-এর চেয়ে “দায়িত্ববোধ”-এর কারণেই থাকবে। এই সবচেয়ে বড় মানুষদের একত্রিত করা সংগঠনগুলিও AI-এর পুনর্গঠনের মধ্যে বিপুল পরিবর্তনের মধ্যে দিয়ে যাচ্ছে।

পর্যবেক্ষণ ৪: "এআই-ন্যাটিভ" এর প্রতি অত্যধিক আকাঙ্ক্ষা

সিলিকন ভ্যালির কোম্পানিগুলি AI-নেটিভের প্রতি যে আকাঙ্ক্ষা রাখে, তা আমার কল্পনার চেয়ে অনেক বেশি। আমি যে কোম্পানিগুলির ইন্টারভিউ দিয়েছি, তাদের বেশিরভাগই A-রাউন্ড, B-রাউন্ড, কিছু সিড-রাউন্ড। একটি খুব প্রচলিত প্রশ্ন ছিল: আপনি কোন AI টুল ব্যবহার করেন? আমি সাধারণত সরাসরি আমার লেখা ব্লগটি পাঠিয়ে দিই, এবং তারা প্রায়ই “চোখ পিটপিট” করে।

তারা বলবে, শুধু এআই অ্যাপ্লিকেশন ডেভেলপমেন্ট করতে চায় না, বরং কোম্পানির ভিতরে এআই ট্রান্সফর্মেশন চালানোর জন্য আমাকে এগিয়ে নিয়ে যেতে চায়, যাতে টিমটি আরও এআই-ন্যাটিভ হয়ে উঠে। অনেক কোম্পানি ইতিমধ্যেই এআই পণ্য তৈরি করছে, কিন্তু কর্মচারীদের মধ্যে এখনও নিজস্ব এআই ওয়ার্কফ্লো গড়ে উঠেনি। আর, তাদের জন্য প্রতিদিন দীর্ঘসময় টুইটারে স্ক্রোল করে, নতুন এআই আবিষ্কার বা কার্যক্ষমতা বাড়ানোর টিপস দ্রুত শেয়ার করতে পারে, এমন ব্যক্তিরও বড় প্রয়োজন।

এটি আমার জন্য কিছুটা বিপরীত মনে হয়। আমার অতীতের কিছু “আগ্রহ”, যেমন প্রতিদিন Claude Code এবং অন্যান্য নতুন টুলগুলি নিয়ে কাজ করা, Slack-এ (একটি অফিস সফটওয়্যার) AI ব্যবহার শেয়ার করা, হয়ে উঠেছে একটি নতুন সংগঠনমূলক ভূমিকা।

Quora-এর সময়, আমি সফলভাবে সম্পূর্ণ ইঞ্জিনিয়ারিং টিমকে Claude Code ব্যবহার করতে প্ররোচিত করেছিলাম। অফিসে প্রতিটি ইঞ্জিনিয়ারের সাথে দেখা করে আমি জিজ্ঞাসা করতাম, আপনি কি AI ব্যবহার করেন কোডিংয়ের জন্য? আমি মনে করি, অফিসে একজন সাইবার সিকিউরিটি ইঞ্জিনিয়ার ছিলেন, যিনি প্রথমে প্রতিরোধ করছিলেন, মনে করছিলেন AI দিয়ে কোড লেখা খুবই ঝুঁকিপূর্ণ। আমি তাঁকে একটি ভিন্ন দৃষ্টিভঙ্গি অনুসরণের পরামর্শ দিলাম—কোড লেখার বদলে, AI-এর মাধ্যমে কোড পড়ুন, কোডবেসকে বুঝুন, এবং ডেটা বিশ্লেষণ করুন। পরবর্তীতে, তিনি সত্যিই এটি ব্যবহার শুরু করেন।

পর্যবেক্ষণ ৫: "এআই ব্যবহার করার জন্য ভালোভাবে যাওয়া" বাস্তবে একটি সংগঠনগত রূপান্তরের সমস্যা

কগনিশনে এআই-সংক্রান্ত কাজ করার সময়, আমি একটি বাস্তবতা দেখতে শুরু করেছি: এআইকে ভালোভাবে ব্যবহার করা হয়তো এখন শুধুমাত্র একটি প্রকৌশলগত সমস্যা নয়, বরং একটি সংগঠনগত রূপান্তরের সমস্যা।

একটি উদাহরণ দিই। একটি প্রাচীন সংগঠনগত ইন্টারনেট কোম্পানিতে, একটি বাগ আবিষ্কার থেকে সমাধান পর্যন্ত সাধারণত চাহিদা মূল্যায়ন, ইঞ্জিনিয়ারিং সময়সূচী, ডেভেলপমেন্ট, টেস্টিং, লঞ্চ সহ অনেকগুলি ধাপ অতিক্রম করতে হয়। বাস্তবে AI দিয়ে কোড লেখা মাত্র দুই বা তিন ঘন্টা লাগতে পারে, কিন্তু সম্পূর্ণ প্রক্রিয়াটি শেষ করতে প্রায়ই এক মাস লাগে।

এই প্রক্রিয়াটি আগে যৌক্তিক ছিল। একটি বাগ ঠিক করতে একজন ইঞ্জিনিয়ারের তিন পাঁচ দিন লাগত, এবং প্রক্রিয়াটির মূল্য ছিল বিভিন্ন দলের মধ্যে সমন্বয় করা এবং সম্পদ বণ্টন করা। কিন্তু AI এই সময়কে কমিয়েছে।

এখন, আমরা Cognition-এর Devin এর মতো AI সফটওয়্যার ইঞ্জিনিয়ার পণ্য ব্যবহার করে আগের কয়েক দিনের কাজ দুই বা তিন ঘন্টায় শেষ করতে পারি। Cognition-এ, আমরা এমনকি Devin ব্যবহার করে এই বাগের জন্য দায়ী ব্যক্তিকে খুঁজে বার করতে পারি, এবং Devin-এর সহায়তায় তাকে সমাধানের জন্য সহায়তা করতে পারি, যার মধ্যে অনেক সমন্বয় এবং প্রবাহ বাদ দেওয়া যায়, কোনো অপ্রয়োজনীয়তা নেই। আসলে AI পুরো সংগঠনগত রূপান্তরকে প্রণোদিত করছে।

পর্যবেক্ষণ 6: মানুষের ম্যানেজার লুপিয়ে যাচ্ছে, ম্যানেজারদের নিজেদের কোড লিখতে হবে

যে ব্যক্তিকে ম্যানেজার বলা হয়, সে হল ইঞ্জিনিয়ারিং ম্যানেজার। মার্কিন যুক্তরাষ্ট্রে, গত কয়েক বছরে একটি জনপ্রিয় ধারণা হল যে, আপনি যদি একজন ম্যানেজার হন, তাহলে আপনাকে শুধুমাত্র পরিচালনা করতে হবে—বেশি গুরুত্ব দিতে হবে টিমের সমন্বয়, সংগঠনগত যোগাযোগ, কর্মচারীদের আবেগ পরিচালনা এবং বিকাশের জন্য সমর্থন প্রদানের দিকে, ইঞ্জিনিয়ারিং দক্ষতা খুবই শক্তিশালী হওয়ার প্রয়োজন নেই।

কিন্তু কগনিশনে প্রবেশ করে আমি দেখি যে সম্পূর্ণ সংগঠনগত কাঠামো অত্যন্ত সমতল। উদাহরণস্বরূপ, আমার প্রতিবেদনের সরাসরি উপরের ব্যক্তি হলেন CPO, যিনি সহ-প্রতিষ্ঠাতাদের মধ্যে একজন। তিনি আপনার ব্যক্তিগত বিকাশের বিষয়ে বিস্তারিতভাবে খেয়াল রাখেন না; তাঁর ভূমিকা বরং বড় দিকনির্দেশনা নির্ধারণ। এটা এমনকি বলা যেতে পারে যে, Cognition-এর 60-এরও বেশি ইঞ্জিনিয়ারিং টিমের মধ্যে একমাত্র real people manager একজনই, অন্যরা—CPOসহ—সবাই “যারা মানুষকেও ম্যানেজ করেন, আবার কোডও লেখেন”। এটি আমার Quora-এর আগের অভিজ্ঞতার সঙ্গে সম্পূর্ণভাবে ভিন্ন। সেখানে, একজন manager-এর দায়িত্বে 5-6জন engineer-এর ম্যানেজমেন্ট থাকত।

সিগনিশন দল একজন দৈনিক লাল পোশাক পরা সহকর্মীর জন্মদিন উদযাপনে লাল পোশাক পরেছে।

আমি মনে করি এটি সম্ভবত এআই দ্বারা সংগঠনের কাঠামোগত পরিবর্তন। আমি লক্ষ্য করেছি যে, যেকোনো উজ্জ্বল এআই স্টার্টআপ এইভাবেই কাজ করে—প্রায় কেউ নেই যারা শুধুমাত্র মানুষ পরিচালনা করেন—যদি কেউ মানুষ পরিচালনা করে, তবে সেও অবশ্যই খুব ভালো টেকনিক্যালি।

এই সিদ্ধান্ত শুধুমাত্র সিলিকন ভ্যালির মধ্যেই ঘটেনি; দুই সপ্তাহের ব্যবধানে দুটি সাক্ষাতকারের মধ্যে, চীনা বড় কোম্পানি টেনসেন্ট এবং বাইটডান্সও ক্রমবর্ধমান মধ্যবর্তী পর্যায়ের চাকরি বাতিলের ঘোষণা দিয়েছে।

মা পেইয়ুয়ান যে পরিবর্তনগুলি লক্ষ্য করেছেন, তা শুধু সংগঠনগত পর্যায়েই সীমাবদ্ধ নয়। আরও ব্যাপক শিল্প বিচার: “সিলিকন ভ্যালির AI কোম্পানিগুলির অভ্যন্তরে, কী ধরনের টোকেন ব্যয় যুক্তিসঙ্গত, কোন মডেলটিই ভালো মডেল?”—এই বিষয়গুলিও চোখে দেখতে পাওয়া যাচ্ছে যে দ্রুত ধ্বংস হয়ে যাচ্ছে। এবার, তিনি প্রথম সাক্ষাতকারে যা বলেছিলেন, তা দুই সপ্তাহও টিকে থাকতে পারেনি।

সিলিকন ভ্যালির এআই শিল্প নিজেই মাস বা দিনের মধ্যে নিজেকে প্রত্যাখ্যান করছে, কোনো বিচারই দীর্ঘক্ষণ প্রাসঙ্গিক থাকে না।

পর্যবেক্ষণ ৭: টোকেন ম্যাক্সিংয়ে বিভাজন দেখা গেছে, বড় কোম্পানিগুলি আবার দক্ষতার প্রতি মনোযোগ দিতে শুরু করেছে

বছরের শুরুতে, সিলিকন ভ্যালি জুড়ে “টোকেন-ম্যাক্সিং” প্রচলিত হয়েছিল। মেটা ইত্যাদি কোম্পানিগুলি একসময় টোকেন ব্যবহারের র‍্যাঙ্কিং প্রকাশ করেছিল। যে সবচেয়ে বেশি টোকেন ব্যবহার করে, সেই হয়ে ওঠে “এআই-ন্যাটিভ”-এর প্রতীক। আমি মনে করি, এটি প্রথমতই একটি অত্যন্ত বোকামি—এআই টোকেনের ব্যবহারের পরিমাণকে ইঞ্জিনিয়ারদের দক্ষতার সাথে সমান করা যায় না।

গুগল এবং মেটার বন্ধুরা আমাকে বলেছিল যে তারা সবাই “এআই মহাপ্রবাহ”-এ জড়িয়ে ছিল। কোম্পানি বিশেষ করে “এআই সপ্তাহ” আয়োজন করত, যেখানে সবাইকে তাদের কাজ থেকে বিরত হয়ে এআই দক্ষতা লিখতে হত এবং নিজেদের দক্ষতা অসাধারণভাবে প্রদর্শন করতে হত।

প্রথমে, প্রায় সব কোম্পানি এই ধারণাটি অনুসরণ করেছিল: প্রথমে সবাইকে যতটা সম্ভব AI ব্যবহার করতে দিন, দেখুন এটি কতটা ব্যবহার করা যায়।

কিন্তু একবার এটি পাবলিক র্যাঙ্কিংয়ে পরিণত হলে, মানুষের আচরণ বিকৃত হয়ে যায়। ইঞ্জিনিয়াররা “বেশি ব্যবহার” করার জন্য ব্যবহার করবে, এমনকি কিছু অত্যন্ত অবিশ্বাস্য পরিস্থিতি দেখা দেবে, যেমন AI-কে প্রতিদিন রাতে নির্দিষ্ট সময়ে অর্থহীন কাজগুলি চালানো, শুধুমাত্র ব্যবহারের পরিমাণ বাড়ানোর জন্য। এটি আসলে GPA-এর মাধ্যমে শিক্ষার্থীদের ক্ষমতা মূল্যায়নের মতো, একটি একক সূচক খুবই বিকৃত হয়ে যায়।

পরে অনেক উচ্চপদস্থ কর্মকর্তা এই সমস্যাটি বুঝতে শুরু করেন। আরও স্পষ্টভাবে, তারা বিলগুলি দেখে ভয় পান। উদাহরণস্বরূপ, ইউবারের ২০২৬ সালের জন্য AI-এর জন্য সম্পূর্ণ বাজেট, প্রথম চার মাসেই প্রায় শেষ হয়ে যায়। অনেক বড় কোম্পানি টোকেন ব্যবহারকে আবার সীমিত করতে শুরু করেছে। বোর্ড এবং CEO-রা শুরু করবেন, এই টোকেন ব্যবহারটি কি সত্যিই মূল্যবান? এটি কি আসলেই আমাদের এতটাই দক্ষতা বাড়াতে পারছে? একশত মিলিয়ন ডলার খরচ করে, কি এটি আসলেই একশত মিলিয়ন ডলারের আউটপুট তৈরি করেছে?

এই উদ্বেগটি শীঘ্রই Cognition দ্বারা একটি স্পষ্টভাবে মূল্যায়িত ব্যবসায়িক সমাধানে পরিণত হয়েছিল। 4 জুন, Cognition "AI উৎপাদনশীলতা গ্যারান্টি" ঘোষণা করে—যদি কোনও ব্যবসায়িক গ্রাহক Devin (Cognition-এর প্রকাশিত AI সফটওয়্যার ইঞ্জিনিয়ার পণ্য) ব্যবহার করার পরেও দক্ষতা বৃদ্ধি প্রতিশ্রুতির মাত্রায় না পৌঁছে, তবে সর্বোচ্চ 1000 মিলিয়ন মার্কিন ডলার ক্ষতিপূরণ দেওয়া হবে। এই গবেষণা করেছেন আমার একজন সহকর্মী, যিনি তিনটি আন্তর্জাতিক ইনফরমেটিক্স অলিম্পিয়াডের স্বর্ণপদক জিতেছেন; তিনি 233টি বাস্তব গ্রাহকের কেস পর্যালোচনা করেছেন, গ্রাহকদের এবং Devin-এর মধ্যেকার কথোপকথনগুলি দৈবচয়নের মাধ্যমে নিয়েছেন, এবং গ্রাহকদের জিজ্ঞাসা করেছেন—"যদি Devin-এর ব্যবহার না করা হয়, এই কাজটি শুধুমাত্র মানবিকভাবে করতে কতক্ষণ লাগত?"—এই ডেটা ব্যবহার করে, তিনি একটি পূর্বানুমানকারী সিস্টেম তৈরি করেছেন, যা Harvester-এরপ্রতিটি কথোপকথনকে "সমতুল্য ইঞ্জিনিয়ার-ঘন্টা"তে রূপান্তরিত করে,এবংইঞ্জিনিয়ারদেরঘন্টাপ্রতি-বেতনব্যবহারকরেএইপণ্যটিরফলেকতটুকুসঞ্চয়হয়েছেতা-পরিমাপকরেছেন।

কিন্তু অনেক YC কোম্পানি এখনও “টোকেন ম্যাক্সিং” মডেল চালিয়ে যাবে, কারণ তাদের কাছে অনেক নীতিগত সুবিধাজনক বিনামূল্যের টোকেন কোটা রয়েছে, এবং সাইজ ছোট, শুধুমাত্র তিনজন লোক থাকতে পারে, তাই AI গভর্ন্যান্সের কোনও সমস্যা নেই, পরিচালকরা সরাসরি দেখতে পান যে প্রতিটি ব্যক্তি কি AI ব্যবহার করে মজুরি করছে।

পর্যবেক্ষণ ৮: মডেল পূজা নিজেই ধ্বংসের মুখে পড়ছে

এই লেখার দুটি সাক্ষাতকারের দুই সপ্তাহের ব্যবধানের মধ্যেই আমি বুঝতে পারলাম যে আমি আগেরবার যা বলেছিলাম, তা এখন ঠিক নয়।

দুই সপ্তাহ আগে, আমি এখনকার সবচেয়ে এগিয়ে থাকা মডেলটি কোনটি তা নিয়ে কথা বলছিলাম। এখন, Cognition-এর অভ্যন্তরে একটি ফিচার প্রকাশ করা হয়েছে, যার এখনও চীনা অনুবাদ নেই, যার কোডনেম fusion mode—এটি শুধুমাত্র সবচেয়ে ব্যয়বহুল মডেলটির উপর নির্ভর করে না, বরং কয়েকটি সস্তা মডেল এবং শীর্ষস্থানীয় মডেলকে একসাথে ফিউজ করে ব্যবহার করে। আপনি কি প্রতিদিন আপনার পর্শেকি চালিয়ে সবজি কিনতে যাবেন? আপনার হোন্ডা বা সস্তা গাড়িটি চালিয়েই সবজি কিনুন। এই দুই সপ্তাহের মধ্যেই মডেলের আপডেটের গতি আমার কল্পনাকেও ছাড়িয়েছে, “number one”-এর প্রশ্নটিও এখন খুবই স্পষ্টভাবে বলা যাচ্ছে না।

আমি সবকিছু বলতে পারি না, কিন্তু আপনি বলতে পারেন যে 60% এর বেশি, অনেকগুলো এক মাস পরে আবার উল্টো দিকে যেতে পারে।

যেকোনো প্রযুক্তিগত ঢেউয়ের বিকাশের নিয়ম এইরকম, পুরনো সমঝোতা ভেঙে যাওয়াই প্রায়শই নতুন প্যারাডাইমের শুরু।

যখন বাজার একক মডেল এবং কম্পিউটেশনাল পাওয়ার ব্যয়ের অন্ধ পূজার প্রতি দূরে সরে যায়, তখন “কীভাবে AI-কে স্থিতিশীল এবং নিয়ন্ত্রিতভাবে বাস্তবায়িত করা যায়” এবং “কীভাবে বড় মডেলগুলি যে কঠিন সমস্যাগুলি সমাধান করতে পারে না, সেগুলি কাটিয়ে উঠা যায়” এই চাহিদা ফেটে পড়ে। ইঞ্জিনিয়ার এবং বিনিয়োগ হেডহান্টার—এই দুটি দৃষ্টিকোণ থেকে মা পেইয়ুয়ান লক্ষ্য করেন, “বড় মডেলের মিথ”-এর উপর নির্ভরশীল নয়, বরং বাস্তব জগতের জটিল সমস্যাগুলির সমাধানের উপর ফোকাস করা একটি নতুন ব্যবসা, সিলিকন ভ্যালির অ-কনসেনসাসে নীরবে জন্ম নিচ্ছে।

পর্যবেক্ষণ ৯: নতুন এআই ইনফ্রাস্ট্রাকচার আবির্ভূত হচ্ছে

"Token-Maxxing"-এর চারপাশে এখন কিছু নতুন স্টার্টআপ দেখা যাচ্ছে, যারা দলের AI ব্যবহার পর্যবেক্ষণ ও মনিটরিং করে এবং কোথায় token-এর অপচয় হচ্ছে তা বিশ্লেষণ করে।

এর পেছনে আরও গভীর সমস্যা হলো, AI এজেন্টগুলি নিজেই দুর্বল। একটি প্রম্পটের ক্ষুদ্র পরিবর্তন মাত্র এজেন্টের কার্যক্ষমতা খারাপ করে দিতে পারে। এর ফলে নতুন AI ইনফ্রাস্ট্রাকচার (প্রতিষ্ঠান) দেখা দিচ্ছে, যেমন sandbox (স্যান্ডবক্স পরিবেশ), যা এজেন্টের চলাচলকে বিচ্ছিন্ন করে, যাতে এটি ব্যাংক অ্যাকাউন্ট বা উৎপাদন পরিবেশের ডেটা এরকম সংবেদনশীল সিস্টেমের সাথে সরাসরি যোগাযোগ না করতে পারে।

এর সাথে সাথে, “পর্যবেক্ষণ” নিজেই আরও জটিল হয়ে উঠেছে। প্রাচীন সিস্টেমগুলি শুধুমাত্র ত্রুটি ঘটলেই মনিটর করা যেত, কিন্তু এজেন্টগুলি “ত্রুটি” দেখায় না। এগুলি স্বাভাবিকভাবেই চলতে পারে, কিন্তু আউটপুট স্তরে গুরুতর সমস্যা দেখা দিতে পারে, যেমন পক্ষপাতদুষ্ট, বৈষম্যবাদী, বা ব্যবহারকারীদের প্রতি স্পষ্টভাবে নেতিবাচক অভিজ্ঞতা তৈরি করা। এটির জন্য একটি নতুন সফটওয়্যারের প্রয়োজন, যা এজেন্টগুলির “মস্তিষ্ক” কখন “খারাপ” হয়েছে তা মনিটর করবে।

পর্যবেক্ষণ 10: "শেখানো যায় না এমন জিনিস" এখন একটি নতুন ব্যবসা হয়ে উঠছে

অবিন্যাসিত বিনিয়োগ বৃত্তে একটি ক্রমাগত জনপ্রিয় মত রয়েছে: ভার্টিক্যাল এজেন্ট এখন বিনিয়োগের মূল্যহীন। কিন্তু আমি সম্পূর্ণরূপে এই মতের সাথে একমত নই।

সিলিকন ভ্যালির বিনিয়োগকারী সারা গুও একটি ধারণা প্রস্তাব করেছেন—“the untrainable”, অর্থাৎ “অপ্রশিক্ষণযোগ্য জিনিস”। মূল ধারণা হল অনেক উল্লেখযোগ্য শিল্পে, ভাষা মডেল কখনই সম্পূর্ণরূপে স্বয়ংক্রিয় হতে পারবে না। কারণ উল্লেখযোগ্য শিল্পগুলিতে অসংখ্য অপসারণযোগ্য নয় এমন জটিল প্রক্রিয়া রয়েছে, এবং এই প্রক্রিয়াগুলির অধিকাংশই মানুষের দ্বারা ধাপে ধাপে সমাধানের প্রয়োজন।

যেমন মার্কিন ট্যাক্স ফাইলিংয়ের ক্ষেত্রে, ৫০টি রাজ্যের মধ্যে ৫০টি কর রয়েছে, যা একে একে ধীরে ধীরে সংযুক্ত করতে হয়; আইনি ক্ষেত্রেও এটি প্রযোজ্য, যেমন প্রবাসন আইন, বেসিক আইন, বাণিজ্যিক আইন—প্রতিটির নিজস্ব জটিল ব্যবস্থা রয়েছে, AI এজেন্ট একক পদক্ষেপে এগিয়ে যাতে পারে না।

ভার্টিক্যাল এআই এজেন্ট কোম্পানির মূল্য রয়েছে ক্লায়েন্ট এবং এফডিই (ফ্রন্টলাইন ডিপ্লয়মেন্ট ইঞ্জিনিয়ার) এর সাথে নিয়মিত ইন্টারঅ্যাকশনের মাধ্যমে আরও বেশি বাস্তবিক সমস্যা খুঁজে পাওয়ার মধ্যে। এই সমস্যাগুলি কোম্পানির পণ্যে অঙ্কিত হয়ে যায়, এবং এটিই অন্যান্য বড় কোম্পানিগুলির জন্য প্রশিক্ষণযোগ্য বা জেনেরিক মডেল দ্বারা গ্রহণযোগ্য নয়।

সুতরাং, আমি মনে করি ভার্টিক্যাল এজেন্টগুলির এখনও বিনিয়োগের মূল্য রয়েছে। শুধু এগুলি থেকে প্রত্যাশিত রিটার্ন 1000 গুণ নয়, বরং 20 গুণ, 50 গুণ বা এমনকি 100 গুণের মতো অপেক্ষাকৃত স্থিতিশীল এবং ছোট রিটার্ন।