बेरोजगारी तब तक जारी रहेगी जब तक हम AI का उपयोग करना नहीं सीख जाते
मूल लेखक: Arnav Gupta, AI इंजीनियर
बाओयु, एआई विश्लेषक

हमारी कंपनी के उच्च प्रबंधन कार्यालय में, कहीं 8000 लोगों की बर्खास्तगी की सूची पड़ी हुई है। मुझे इस सूची में होने की 10% संभावना है। कुछ दिनों में, यानी 20 मई को, मुझे अपनी किस्मत पता चल जाएगी।

आज कोइनबेस द्वारा घोषित 'AI नियुक्ति' के समाचार को देखकर, मैंने इस लेख को लिखने का फैसला किया। मैंने जानबूझकर 20 मई से पहले लिखना शुरू किया, क्योंकि मैं कुछ सबसे असली दृष्टिकोण साझा करना चाहता हूँ, बिना किसी 'मैं जाऊँगा या रहूँगा' के व्यक्तिगत भावनाओं के। ये विचार मेरी नियुक्ति या अनियुक्ति से अलग हैं, और केवल मेरी कंपनी तक ही सीमित नहीं हैं। ये मेरे दोस्तों के वास्तविक अनुभवों से आए हैं, जो विभिन्न बड़ी और मध्यम आकार की कंपनियों में काम करते हैं।

अब बहुत सारे लेख इस बारे में बहस कर रहे हैं: यह नई बेरोजगारी की लहर (जिसे आमतौर पर जैक डॉर्सी द्वारा स्क्वेयर के 40% कर्मचारियों को बर्खास्त करने से शुरू होने का माना जाता है) AI के कारण है या केवल “AI-वॉशिंग” (जिसमें कंपनियाँ AI को अपनाने के नाम पर अन्य व्यावसायिक विफलताओं या बर्खास्तगी के वास्तविक उद्देश्यों को छुपाती हैं) कर रही हैं।

मैं आपको उन खबरों और शोध पत्रों के लिंक्स से अपने लेख में भरना नहीं चाहता, जिन्हें आप पहले ही देख चुके होंगे, या जिन्हें आपको सिर्फ़ गूगल पर सर्च करके या ChatGPT से पूछकर मिल जाएगा।

बहुत सराही गई 'AI प्रोडक्टिविटी' और कठिन साक्ष्य

क्या AI वास्तव में हमें अधिक कुशल बना रहा है? यह एक वास्तविक विवादास्पद प्रश्न है! अगर हम इसे उल्टा सोचें और दावा करें कि 'AI ने कुछ भी नहीं बदला', तो मुझे लगता है कि AI के मूल्य पर सबसे अधिक संदेह करने वाले लोग भी इससे सहमत नहीं होंगे।

विशेष रूप से प्रौद्योगिकी कंपनियों में, AI के उपयोग में रॉकेट जैसी वृद्धि आमने-सामने का तथ्य है। यहां तक कि वे सबसे सावधानी वाली, AI के लिए बजट सीमित करने वाली और कर्मचारियों को AI उपकरण नहीं देने वाली कंपनियां भी स्वीकार करती हैं कि कुछ कार्य वास्तव में AI द्वारा पूरा किए जा रहे हैं—भले ही कर्मचारी केवल गूगल या माइक्रोसॉफ्ट ऑफिस सूट में, Gemini या Copilot का उपयोग करके दस्तावेज़ संपादित कर रहे हों।

जिन कंपनियों ने अधिक दूरदर्शी होकर AI टोकन (AI मॉडल द्वारा पाठ को प्रोसेस करने की बुनियादी इकाई, जिसे उद्यम बड़े भाषा मॉडल के उपयोग के आधार पर शुल्क लेते हैं) के समुद्र में कूदने का फैसला किया, जैसे यूबर या Shopify (मैं यहां Meta या Microsoft जैसी कंपनियों को शामिल नहीं कर रहा हूं, जो स्वयं बड़े भाषा मॉडल विकसित करती हैं, और न ही Vercel या Cloudflare जैसी कंपनियां, जो AI बुनियादी ढांचे का निर्माण कर रही हैं; मैं केवल 'उपभोक्ता' के बारे में बात कर रहा हूं), उनका AI उपयोग पागलपन में घुल गया है।

हमने इसे अब आम बात समझ लिया है: 90% से 100% कोड AI द्वारा उत्पन्न हो रहा है, हफ्ते में कोड रिव्यू (PRs/diffs) की संख्या 2 से 5 गुना बढ़ गई है, और करोड़ों डॉलर का पूरे वर्ष का AI बजट कुछ महीनों में ही समाप्त हो गया है।

हालांकि, टेक क्रिटिक्स और निवेशक जैसे एड जिट्रॉन, विल मैनिडिस, गैरी मार्कस और माइकल बरी आपसे एक ऐसा सवाल पूछेंगे जो सीधे आत्मा को छूता है: अगर ऐसा है, तो इन कंपनियों की आय क्यों 2 से 5 गुना नहीं बढ़ी? उनके ऐप्स पिछले छह महीनों से लगभग वैसे ही क्यों दिखते हैं? अगर AI वाकई इतना उत्पादक है, तो उन्होंने AI का उपयोग करके क्या बनाया? अगर उन्होंने 5 गुना अधिक कोड लिखा है, लेकिन अंतिम उपयोगकर्ता को कुछ भी महसूस नहीं हुआ, तो इन कोड्स का क्या मतलब है? यह एक अत्यंत तीखा और तर्कसंगत सवाल है।

इनपुट, आउटपुट और आउटकम

हमें पहले व्यवसाय प्रबंधन की एक बुनियादी कक्षा का आयोजन करना होगा। जब एक तेजी से विकास कर रही, अतिरिक्त फंडिंग वाली और बिखेरे जा रहे पैसे वाली मध्यम आकार की कंपनी को अंततः धन की कमी का सामना करना पड़ता है, तो आप किसी अनुभवी सीईओ से सलाह लेते हैं। वह आपको मैकिन्से के लोगों को स्थिति देखने के लिए बुलाने की सलाह देगा। परामर्शदाता प्रस्तुति के पहले स्लाइड पर एक सफेद स्लाइड रखेंगे, जिस पर डिफ़ॉल्ट Arial फ़ॉन्ट में तीन शब्द लिखे होंगे: "इनपुट, आउटपुट, परिणाम"।

वे आपको एक ऐसे व्यापारिक सार को समझाएंगे जो सभी जानते हैं, लेकिन हमेशा भूल जाते हैं:

कोड, केवल निवेश है।

क्षमता ही उत्पादन है।

जब उपयोगकर्ता आपके उत्पाद के लिए स्वेच्छा से पैसे देते हैं, तभी यह सफलता होती है।

AI (या कम से कम Claude एंटरप्राइज जैसे उत्पाद) मूल रूप से एक बिजनेस-टू-बिजनेस सॉफ्टवेयर सेवा (B2B SaaS) उत्पाद है। आप पाएंगे कि SaaS उत्पादों की कीमत निर्धारण और विपणन रणनीति अलग-अलग होती है। यदि कोई उत्पाद सीधे "परिणाम" को बदल सकता है, तो वे अक्सर "परिणाम" से एक हिस्सा लेते हैं। ऐसी बिक्री की बातचीत की कल्पना करें: "हमारा टूल आपको सेल्स लीड को 36% तेज़ी से पूरा करने में सक्षम बनाता है। तुरंत प्रयास करें, केवल 5% की सामान्य सेवा शुल्क पर।"

यह ग्राहकों को बिल्कुल ही हरा देगा। अन्य सभी शर्तें समान रहने पर, अगर आप पिछले 100 दिनों में 100 ऑर्डर प्राप्त कर पाए हैं, तो अब आपको केवल 63 दिन लगेंगे। बचे हुए 36 दिन (अगर मैंने सही गिना है) आपको 57 और ऑर्डर प्राप्त करने का मौका देंगे! यानी, आपकी बिक्री में 57% की संभावित वृद्धि हो गई। कोई भी व्यक्ति 57% अतिरिक्त आय पाने के लिए अपनी कमीशन से 5% देने को तैयार होगा। और अगर आप इस उत्पाद का उपयोग नहीं करते, तो आपको कोई भी राशि देने की आवश्यकता नहीं है।

आपने पहले ही अनुमान लगा लिया होगा कि मैं क्या कहने वाला हूँ—क्लॉड के टोकन उपभोग की कीमत व्यवस्था ऐसी नहीं है। अगर आपके सॉफ्टवेयर इंजीनियर क्लॉड का उपयोग करके प्रोग्रामिंग करने में आदी हो जाते हैं (मुझे हाल ही में पता चला कि दोनों के अंग्रेजी संक्षिप्त रूप 'cc' हैं), और वे प्रतिदिन 1 करोड़ टोकन उत्पन्न करते हैं, तो आपको प्रति इंजीनियर प्रतिदिन 100 डॉलर देने होंगे।

भले ही उनके द्वारा बनाया गया कोड का एक हिस्सा चलने में असमर्थ होने के कारण कूड़ेदान में फेंक दिया गया हो;

हालांकि कुछ कोड बाद में गंभीर सिस्टम फ़ॉल्ट (SEV) (SEV का अर्थ Severity है, जिसे टेक कंपनियाँ सेवा विघटन को दर्शाने के लिए उपयोग करती हैं) का कारण बने और तुरंत रोलबैक कर दिए गए;

यहां तक कि अगर कुछ कोड बचा है, तो भी यह केवल आंतरिक उपकरणों का चेहरा बदलने के लिए है, ताकि उपाध्यक्ष डेटा डैशबोर्ड देखते समय इसे अधिक प्यारा महसूस कर सकें;

सब कुछ बिना छोड़े स्वीकार करें। क्योंकि कोड केवल "निवेश" है। हालाँकि, सामान्यतः, यदि दिशा सही है, तो अधिक "निवेश" अक्सर अधिक "उत्पादन" और इस प्रकार बेहतर "परिणाम" लाता है। लेकिन, जब आप एक रात में निवेश को 5 गुना बढ़ा देते हैं, तो यह नियम लागू नहीं हो सकता। आपके द्वारा बढ़ाए गए इन "निवेश" को अचानक बिना सिर के मच्छर की तरह बना दिया जा सकता है, जो अपेक्षित "उत्पादन" या "परिणाम" से पूरी तरह भटक जाते हैं।

क्या रोक रहा है हमें!

पिछले समय में, जब भी सीईओ या प्रोडक्ट मैनेजर (पीएम) 10 चीजें करना चाहते थे, डेवलपमेंट टीम हमेशा कहती थी कि वे केवल सबसे महत्वपूर्ण दो चीजें ही कर सकते हैं, बाकी 8 चीजों के लिए समय नहीं है। कारण क्या था? क्योंकि कोड लिखना बच्चों का खेल नहीं है, एक जटिल और कार्यात्मक सॉफ्टवेयर बनाने में बहुत समय लगता है।

हम्म... लेकिन अब कोड लगभग मुफ्त है। फिर हम अभी भी बाकी 8 कार्यों को क्यों नहीं कर रहे हैं?

दो उत्तर हैं: एक जो सीईओ और प्रोडक्ट मैनेजर सुनना पसंद नहीं करते; दूसरा जो मध्यस्तर के प्रबंधन और अनुभवी कर्मचारी सुनना पसंद नहीं करते।

केवल इसलिए कि सीईओ या प्रोडक्ट मैनेजर के मन में 10 विचार आए, इसका मतलब यह नहीं है कि वे वास्तविक व्यावसायिक परिणामों में बदल जाएंगे। यहां तक कि अगर आपने वास्तव में 10 नए फीचर्स बना लिए (उत्पादन), तो भी यह गारंटी नहीं है कि उपयोगकर्ता सभी को स्वीकार करेंगे और इसके कारण अपने ऐप का अधिक उपयोग करेंगे (परिणाम)।

वास्तव में, पहले संसाधनों की कमी के कारण, इस «घर्षण» ने लोगों को अधिक तीव्र बहस करने के लिए मजबूर किया, जिससे खराब विचारों को अधिक संसाधन खर्च होने से पहले ही निरस्त कर दिया जा सके और सबसे अच्छे दो विचारों का चयन किया जा सके। अब, कोड लिखना तेज़ और सस्ता हो गया है, इसलिए विचारों की गुणवत्ता पर बहस करना अर्थहीन प्रतीत होता है। भले ही आप उन्हें खारिज करने की कोशिश करें, क्या आपको लगता है कि आप CEO या PM को अपने आप Claude से आवश्यकताएँ माँगने से रोक पाएँगे? छोड़ दो, प्रयास करने की भी जरूरत नहीं है।

हम सभी जानते हैं कि यह कितना थकाने वाला है। सबसे पहले, सभी हितधारकों को इस कार्य के "क्यों" के बारे में सहमति बनानी होगी; फिर, अलग से मीटिंग करके यह तय करना होगा कि "क्या" करना है; और अंत में, सभी को "कैसे" करना है, इस पर बहस करनी होगी।

जितनी अधिक टीमें होती हैं, उतने ही अधिक प्रोजेक्ट्स «अलाइनमेंट हैल» में फंस जाते हैं। पहले कोडिंग की धीमी गति के कारण यह समस्या छिपी रहती थी। अब, «कुछ करना» तय होते ही, कोई न कोई रात भर जागकर एक मिनिमम विएबल प्रोडक्ट (MVP) (कम से कम लागत पर विकसित किया गया ऐसा उत्पाद जो केवल मूल अवधारणा को प्रदर्शित करे, ताकि त्वरित परीक्षण और त्रुटि की प्रक्रिया हो सके) तैयार कर देता है, और अगले दिन तुरंत अगली मीटिंग की व्यवस्था कर देता है।

मीटिंग में, आपको आश्चर्य हुआ कि एक अन्य टीम ने भी गुप्त रूप से एक MVP बना लिया है! और और भी बुरी बात यह है कि क्योंकि आपने अलग-अलग मान्यताओं के आधार पर काम किया है, दोनों उत्पादों का कार्य करने का तरीका पूरी तरह से अलग है।

Of course, you can sit down and take your time to discuss whose assumptions are correct.

लेकिन सच बताऊं तो। अनंत Claude टोकन रखने वाले आप और आपकी टीम, ऐसा करने के लिए इतने व्यस्त नहीं होंगे। दूसरी टीम भी नहीं। आप बिना किसी हिचकिचाहट के Claude की ओर मुड़ जाएंगे, और उसे अपने मानने के अनुसार सबसे बेहतरीन तरीके से दूसरी टीम का काम पुनः बनाने के लिए कह देंगे। और Claude सिर्फ शांति से जवाब देगा: "आप बिल्कुल सही कह रहे हैं!" और तुरंत कोडिंग शुरू कर देगा।

लैंडकिंग क्या समस्याओं का समाधान कर सकती है?

ठीक है, आपको इतने समय तक इन स्पष्ट बातों के बारे में सुनने के लिए धन्यवाद। मुझे पता है कि आप सबसे महत्वपूर्ण जानकारी देखना चाहते हैं।

लैंडकिंग का वास्तविक उद्देश्य क्या है? मेरी मान्यता के अनुसार, यदि AI वास्तव में 30% कर्मचारियों का एक-एक करके विकल्प नहीं बना पा रहा है (यह बात शायद सभी सहमत होंगे—हालांकि कई कार्यों में यह प्रारंभिक श्वेतकाय कर्मचारियों से बेहतर है, लेकिन कुछ अन्य कार्यों में यह मनुष्यों से कम है—यह सीधे प्लग-इन/प्लग-आउट के लिए एक घटक नहीं है, और न ही यह किसी कंपनी के 10%, 20% या 30% लोगों को सीधे प्रतिस्थापित कर सकता है)।

इसलिए, नौकरी से निकालने का तर्क क्या है? क्योंकि यह दो स्पष्ट अल्पकालिक समस्याओं को तुरंत हल कर सकता है।

यह वास्तव में सबसे बुनियादी कैश फ्लो अंकगणित का प्रश्न है। स्पष्ट है कि यदि आपके क्लॉड पर आदी इंजीनियर प्रतिदिन 100 डॉलर खर्च करते हैं (यानी प्रति माह 2,500 डॉलर, प्रति वर्ष 30,000 डॉलर), तो यह राशि भारत में एक सॉफ्टवेयर डेवलपमेंट इंजीनियर (SDE) के पूरे वेतन के बराबर है; यूरोप में आधे SDE के बराबर; और संयुक्त राज्य अमेरिका में एक चौथाई SDE के बराबर।

यदि आप सबसे सरल और सीधी गणना करें: मान लीजिए एक समतल संगठन में, सभी कर्मचारी SDE हैं। मौजूदा वेतन व्यय को बनाए रखने के लिए (टोकन खरीदने के खर्च सहित), आपको 50% (भारत), 33% (यूरोप) या 20% (अमेरिका) कर्मचारियों को बर्खास्त करना होगा।

वास्तव में, चूंकि AI के उपयोग की मात्रा बिना किसी रुकावट के तेजी से बढ़ रही है और कंपनी की आय में संबंधित वृद्धि नहीं हुई है, इसलिए नौकरियों को काटना अनिवार्य हो गया। अन्यथा, कंपनी का बैलेंस शीट पूरी तरह से टूट जाएगा। अगर आपकी लागत 50% बढ़ गई है, लेकिन अंतिम व्यावसायिक परिणाम में कोई बदलाव नहीं हुआ है या वही रहा है, तो आपके सॉफ्टवेयर विकास जीवनचक्र की प्रति इकाई आर्थिक कुशलता पूरी तरह से ध्वस्त हो गई है।

अगर हमने वास्तव में यह सीख लिया होता कि AI का उपयोग कैसे किया जाए—यानी यह समझ लिया होता कि 50% लागत वृद्धि को 50% आय परिणाम में कैसे बदला जाए—तो हमें इस कदम की आवश्यकता नहीं होती। लेकिन, चूंकि आपने अभी तक यह नहीं सीखा है, इसलिए आपमें से कुछ को अपना सामान पैक करके जाना होगा, ताकि Anthropic को वेतन देने के लिए पैसे उपलब्ध हो सकें।

कोई भी बड़ी कंपनी अपने केवल “अस्तित्व” के लिए आवश्यक आकार से कहीं अधिक विशाल होती है। यही बड़ी कंपनियों की विशेषता है; बड़े संगठनों में “संगठनात्मक वसा” जमा होना अनिवार्य है, जो संगठनात्मक संरचना के डिज़ाइन का अपरिहार्य परिणाम है।

इन कंपनियों में, भले ही कोई व्यक्ति चला जाए, सिस्टम अभी भी काम करता रहता है, क्योंकि हमेशा कोई न कोई ऐसा होता है जो जानता है कि वह पहले क्या करता था। कई बड़ी कंपनियों में, आप शांति से छह महीने की मातृत्व छुट्टी ले सकते हैं, और आपका प्रोजेक्ट अभी भी सुरक्षित रहता है। ये सभी अच्छी बातें हैं! लेकिन यह एक कठोर साक्ष्य भी है: अगर कुछ लोगों को काट दिया जाए, तो कंपनी तुरंत ठहर नहीं जाएगी। वास्तव में, प्रारंभिक कुछ सप्ताहों के प्रणालीगत दर्द के बाद, अगले कुछ महीनों में, यह और भी तेज़ हो जाएगा!

क्या आप उन दो टीमों को याद करते हैं, जिन्होंने तकनीकी समाधान पर बहस की थी? बहुत आसान है, बस एक टीम को बर्खास्त कर दें, और बची हुई टीम को कुछ रातें जागकर काम पूरा करने के लिए मजबूर कर दें—उन्हें अब किसी के साथ 'अलाइन' करने की जरूरत नहीं होगी।

हम लंबे समय तक क्या होगा, इसकी भविष्यवाणी नहीं कर सकते (या अर्थशास्त्री कीन्स के शब्दों में — "लंबे समय के बाद, हम सब मर चुके होंगे"), लेकिन छोटे समय के लिए, बड़े कंपनियों में 10-20% कर्मचारियों को बर्खास्त करने से कार्य का तालमेल तेज़ हो जाएगा।

बड़े उद्यम समय के साथ अपने अंदर अनावश्यकताओं और अतिरिक्त कर्मचारियों को इकट्ठा कर लेते हैं, जैसे कि वे तकनीकी ऋण के साथ-साथ बहुत सारा "संगठनात्मक ऋण" भी इकट्ठा कर लेते हैं। यही बड़े उद्यमों की सामान्य समस्या है। आज 10% लोगों को निकालने से भी दो साल बाद पुरानी समस्या के दोबारा उभरने को रोका नहीं जा सकता। लेकिन जब आप देखते हैं कि सभी अपने पिछले समय की तुलना में 5 गुना अधिक कोड सबमिट करने का दावा कर रहे हैं, लेकिन अन्य टीमों के कारण उनका कोड लाइव होने में देरी हो रही है, तो सबसे सीधा, सबसे कठोर उपाय स्पष्ट है: कुछ लोगों को निकाल दें, ताकि कोई भी किसी को रोके नहीं।

यही AI की नौकरियाँ काटना है, भले ही AI ने सीधे तौर पर आपकी नौकरी को बदला न हो।

क्या आपका ईमेल आईडी एक नए क्लॉड इंस्टेंस द्वारा प्रतिस्थापित कर दिया गया है जो वर्चुअल मशीन पर चल रहा है? हम सभी जानते हैं कि ऐसा नहीं है।

हालांकि, क्या आपके कंपनी में ऐसे कई कार्य प्रवाह नहीं हैं जिन्हें पहले आपको VS Code, Figma, Canva या Google Docs में कीबोर्ड दबाने और माउस क्लिक करने की आवश्यकता होती थी, लेकिन अब वे दूसरों द्वारा सीधे बड़े भाषा मॉडल को एक प्रॉम्प्ट चिल्लाकर पूरा कर लिए जाते हैं, और अब वे आपसे मदद मांगने के लिए नहीं आते? यह भी एक अविनाशी सच है।

क्या ये नौकरियों की कटौती वास्तव में 'AI वाशिंग' है? यानी—क्या कंपनी में पहले से ही विभिन्न AI-असंबंधित मूलभूत समस्याएँ मौजूद थीं (जैसे अतिरिक्त भर्ती, लाभ में कमी, प्रतिस्पर्धा का दबाव, खराब व्यावसायिक निर्णय), और अब वे केवल AI को नौकरियों की कटौती का 'बहाना' बना रही हैं? हाँ, कुछ हद तक यह भी समझ में आता है।

आप यह भी देख सकते हैं कि अगर आप इस समयावधि के दौरान सभी सीईओ द्वारा भेजे गए "नौकरी से निकालने के ईमेल" एकत्रित करें, तो आपको लग सकता है कि क्या वे एक चैट समूह बनाकर एक साथ बैठकर इन ईमेल्स को लिख रहे हैं। "एआई-नेटिव टीम", "कोड लिखने वाले प्रबंधक", "प्रबंधन की चौड़ाई बढ़ाना", "समतल संरचना", "एआई इंटेलिजेंट एजेंट टीम का प्रबंधन"... आप पाएंगे कि ये नए शब्द हर ईमेल में एक समान रूप से प्रकट होते हैं। ऐसा लगता है मानो उन्होंने GPT को एक ही प्रॉम्प्ट दिया हो।

लेकिन सच्चाई यह है कि भले ही ये नौकरियाँ छीनने का कारण AI ने सीधे आपको बदल दिया हो, भले ही इनमें 'AI वाशिंग' का तत्व शामिल हो, इन नौकरी छीनने की लहर का मूल कारण अभी भी AI ही है। और यह नौकरी छीनने की लहर तब तक जारी रहेगी, जब तक हम AI का उपयोग करना सचमुच सीख न जाएँ।

जब तक हम यह नहीं सीख लेते कि कैसे अपार AI टोकन को केवल कोड के निवेश के बजाय वास्तविक व्यावसायिक परिणामों में बदलें; जब तक हम यह नहीं सीख लेते कि संगठनों के बीच 'समन्वय' की गति को नए पीढ़ी के कोडिंग गति के साथ कैसे मेल दिया जाए; जब तक हम यह नहीं समझ लेते कि मूल रूप से 2 अच्छे विचारों और 8 बुरे विचारों के अलावा, इस अतिरिक्त उत्पादकता का उपयोग कैसे किया जाए ताकि 10 और संभावनाओं से भरे नए विचारों का पीछा किया जा सके।

जब तक हम वास्तव में समझ नहीं लेते कि AI वास्तव में वैश्विक सकल घरेलू उत्पाद (GDP) को कैसे बढ़ा रहा है, उस 700 अरब डॉलर (OpenAI और Anthropic की उद्योग-स्तरीय आय का योग) की वार्षिक Token खर्च को पूरा करने के लिए, कंपनियों को कर्मचारियों के वेतन काटकर 'एक दीवार से दूसरी दीवार को सहारा देना' पड़ेगा।

लेकिन जब तक हम टीमों के बीच आपसी रुकावट को अधिक कुशलता से दूर करना नहीं सीख लेते, समाधान का एक ही तरीका है—हमें संगठनात्मक ढांचे से सीधे हटा देना।

15 दिन बाद, मुझे अपनी किस्मत पता चल जाएगी। लेकिन जिस भी परिणाम के साथ, मुझे लगता है कि मैंने पहले ही कारण जान लिया है। अगर उस समय उस विशाल CEO कार्यालय के कोने में बैठकर फैसला लेने वाला मैं ही होता, तो मुझे नहीं पता कि क्या मैं इसे बेहतर तरीके से कर पाता, शायद मैं भी अन्य समूह बनाने वाले CEO जैसा ही फैसला करता।

Original link

जानने के लिए क्लिक करें कि लुडोंग ब्लॉकबीट्स कौन सी नौकरियाँ खोल रही हैं

लेडिंग ब्लॉकचेन न्यूज प्लेटफॉर्म ब्लॉकबीट्स के आधिकारिक समुदाय में शामिल हों:

टेलीग्राम सब्सक्रिप्शन समूह: https://t.me/theblockbeats

टेलीग्राम समुदाय: https://t.me/BlockBeats_App

ट्विटर आधिकारिक खाता: https://twitter.com/BlockBeatsAsia