संपादकीय टिप्पणी: जब AI कोड लिखना शुरू कर देता है, कस्टमर सपोर्ट टिकट्स को संभालने लगता है, और कानूनी दस्तावेज़ों की समीक्षा करने लगता है, तो एक और गहरा प्रश्न उभर रहा है: व्यवसाय वास्तव में क्या खरीद रहे हैं—टोकन, GPU घंटे, या पूरा किया गया कार्य?

यह लेख एक ध्यान देने योग्य ढांचा प्रस्तुत करता है: AI का व्यावसायिकीकरण केवल 'कैलकुलेशन क्षमता बाजार' या 'मॉडल कॉल बाजार' के रूप में नहीं, बल्कि एक नए 'मशीनी श्रम बाजार' की ओर बढ़ रहा है। इस बाजार में, टोकन केवल मापक इकाई हैं, GPU निवेश पदार्थ हैं, मॉडल उत्पादन उपकरण हैं, और वास्तविक रूप से मूल्यांकन और व्यापार किए जाने वाले वस्तुएँ, सॉफ्टवेयर द्वारा सीधे पूरा किए जाने वाले आर्थिक श्रम हैं।

लेख का मुख्य निर्णय यह है कि AI मूल्य निर्धारण तंत्र का विकास मूल टोकन, मानकीकृत मॉडल क्षमताओं, उद्योग-विशिष्ट श्रम, और फिर प्रोग्राम करने योग्य परिणाम बाजार तक होगा। अर्थात, भविष्य में उद्यम इस बात पर ध्यान नहीं देंगे कि किस मॉडल या किस GPU ने कार्य किया, बल्कि वे यह देखेंगे कि क्या परिणाम निर्धारित लेटेंसी, सटीकता, विश्वसनीयता और लागत के सीमाओं के भीतर मानकों के अनुरूप प्रस्तुत किया गया।

इसका अर्थ यह भी है कि AI का मानव श्रम बाजार पर प्रभाव सिर्फ सीधा प्रतिस्थापन ही नहीं होगा। जब मशीनें अधिक से अधिक मानकीकृत और सत्यापित करने योग्य कार्यों को संभालेंगी, तो मानव भूमिका समीक्षा, जिम्मेदारी लेने, संदर्भ प्रबंधन और अंतिम निर्णय लेने की ओर बढ़ सकती है। कुछ परिदृश्यों में, अंतिम 1% मानव निर्णय अधिक मूल्यवान हो सकता है, क्योंकि यह 99% विशाल स्वचालन को सक्षम बना सकता है।

इस दृष्टिकोण से, AI बाजार का अगला चरण शायद केवल मॉडल क्षमता की प्रतिस्पर्धा नहीं होगा, न ही केवल कैलकुलेशन कीमतों की युद्ध होगा, बल्कि यह होगा कि कौन पहले «कार्य» को मानकीकृत, सत्यापित और मूल्यांकित कर सकता है, और अंततः मशीनी श्रम को एक ऐसा नया उत्पादन घटक बना सकता है जिसे खरीदा, निपटाना और व्यापार किया जा सके।

The following is the original text:

उत्पादकता की लहरें हमेशा मानव श्रम को बेहतर बनाने के लिए उपकरण और सॉफ्टवेयर के निर्माण से आई हैं। स्प्रेडशीट्स ने लेखाकारों और विश्लेषकों की मदद की, कंवेयर बेल्ट्स ने थ्रूपुट बढ़ाया, और हथौड़े ने मानवीय लीवरेज को बढ़ाया। लेकिन वास्तविक श्रम हमेशा मानव से ही आया है।

अब, AI अंत से अंत तक कार्य के परिणाम उत्पन्न कर रहा है, सीधे श्रम को निष्पादित कर रहा है। यह कोड लिख सकता है, कस्टमर सपोर्ट टिकट्स को संभाल सकता है, कानूनी दस्तावेजों की समीक्षा कर सकता है। तकनीकी स्टैक के अंतिम छोर पर संकुचन हो रहा है: पुराना तकनीकी स्टैक श्रम का समर्थन करता था, जबकि नया तकनीकी स्टैक श्रम का उत्पादन शुरू कर रहा है।

अगर आपने हाल ही में AI के वित्तीकरण पर चर्चा सुनी है, तो आपने शायद जेनसन आदि को यह कहते हुए सुना होगा कि LLM टोकन और/या GPU घंटे नए कच्चे माल बन रहे हैं। यह समझना स्वाभाविक है, क्योंकि टोकन मापने योग्य, बिल किए जाने योग्य और ग्राफ़ पर दिखाए जाने योग्य हैं; GPU घंटों के पीछे दसों अरब डॉलर की पूंजी का प्रवाह है। लेकिन टोकन केवल मापने के उपकरण हैं, GPU घंटे केवल इनपुट हैं, और कोई भी उन्हें स्वयं के लिए नहीं खरीदता। लोग वास्तव में काम पूरा करना चाहते हैं। AI स्वयं तकनीकी स्टैक को श्रम का स्रोत बना रहा है।

Machine labor: Work performed by software, with economic utility, and sold into the production process.

बाजार पहले से ही इस दिशा में आगे बढ़ रहा है। Benchmark की सैरा टेवल इस अवसर को सॉफ्टवेयर श्रेणी के बजाय आउटसोर्स किए गए श्रम बाजार के माध्यम से समझने की प्रवृत्ति रखती हैं। यदि कोई दोहराया जा सकने वाला कार्य मूल रूप से विशेषज्ञ अंतरराष्ट्रीय टीम या पेशेवर सेवा कंपनियों द्वारा पूरा किया जाता है, तो यह अक्सर AI द्वारा प्रदान किए जाने के लिए उपयुक्त होता है। a16z के एलेक्स रैमपेल इसे "सॉफ्टवेयर श्रम को निगल रहा है" कहते हैं: सॉफ्टवेयर का अगला दृश्य, काम को सीधे करना है। Sequoia के जूलिएन बेक ने इसी परिवर्तन को एक अलग कोण से वर्णित किया है: सेवाएँ सॉफ्टवेयर में बदल रही हैं, copilot टूल्स बेचता है, जबकि autopilot काम बेचता है।

पीछे अनुपलब्ध बाजार के परिणाम मूल्य निर्धारण

Seat pricing is charged based on access rights, token pricing is charged based on usage. Result pricing is charged when the work is completed. Result pricing takes us one step forward, but it still doesn't answer one question: who decides the price?

यदि मशीनीय श्रम को सीधे खरीदा जा सकता है, तो कीमतें आपूर्तिकर्ताओं के बीच प्रतिस्पर्धा से आनी चाहिए। इन आपूर्तिकर्ताओं को एक ही प्रकार के कार्यों या कार्य पूरा करने के मानकों को पूरा करने की क्षमता होनी चाहिए, जिसके लिए विभिन्न उद्योगों और कार्यों के भीतर मानकीकरण की आवश्यकता होती है।

वर्तमान में LLM टोकन का उपयोग किया जा रहा है, लेकिन मूल टोकन केवल सबसे निचले स्तर के हैं। प्रत्येक बैरल केवल एक माप इकाई है, वास्तविक व्यापार एक विशिष्ट गुणवत्ता, डिलीवरी शर्तों और बाजार मूल्य के साथ एक विशिष्ट प्रकार के तेल के बैरल का होता है। ब्रेंट कच्चे तेल का एक बैरल और उच्च सल्फर भारी कच्चे तेल का एक बैरल एक ही वस्तु नहीं है। LLM टोकन का भी ऐसा ही है। टोकन केवल एक माप इकाई है, वास्तविक महत्व उसके पीछे के स्मार्टनेस में है: मॉडल की गुणवत्ता, बेंचमार्क निम्न सीमा, लेटेंसी, संदर्भ खिड़की, विश्वसनीयता और डिलीवरी गारंटी। प्राचीन कोड मॉडल से 100 मिलियन टोकन और सस्ते सामान्य मॉडल से 100 मिलियन टोकन एक ही वस्तु नहीं हैं। बाजार को ऊर्जा बाजार की तरह ही मानकीकृत निष्कर्षण स्तरों की आवश्यकता है।

अंजलि श्रीवास्तव ने सीधे इस बात को उजागर किया: टोकन एक स्थिर लागत इकाई नहीं है। इसकी आर्थिक प्रकृति संदर्भ की लंबाई, कार्य संरचना, इनपुट/आउटपुट अनुपात, पुनः प्रयासों की संख्या, उपकरण कॉल और एजेंट वर्कफ्लो के साथ बदलती है। एक छोटे प्रॉम्प्ट में एक टोकन और एक लंबे एजेंट लूप में छिपा एक टोकन एक ही आर्थिक वस्तु नहीं हैं।

हमने मानव श्रम बाजार में पहले ही ऐसा किया है। कोई भी रेडियोलॉजिस्ट को एक सामान्यीकृत 'मानव घंटे' के रूप में नहीं रखता है। लोग प्रशिक्षण के पृष्ठभूमि, लाइसेंस प्रमाणन, विशेषज्ञता, अनुभव की अवधि, उपलब्धता, प्रतिष्ठा, जिम्मेदारी आदि को देखते हैं। विभिन्न मानव अनुबंध स्पेसिफिकेशन, विभिन्न न्यूनतम मानकों और ग्रेड की अपेक्षाओं के साथ संबंधित होते हैं।

मानव श्रम बाजार इन मापदंडों पर चलता है, लेकिन ये मापदंड अक्सर मिश्रित, गुणात्मक और विभिन्न प्रतिनिधि सूचकों से भरे होते हैं। मशीनी श्रम इन मापदंडों को अधिक स्पष्ट और मापनीय बना देगा।

LLM या एजेंट के लिए, कौशल, अनुभव, गति और विश्वसनीयता जैसे मापदंडों को सीधे अनुबंध में शामिल किया जा सकता है: बेंचमार्क स्कोर, लेटेंसी, थ्रूपुट, कॉन्टेक्स्ट विंडो, अधिकतम आउटपुट लंबाई, टूल उपयोग की सटीकता, अपटाइम, त्रुटि दर। हम कृत्रिम बल को मापने योग्य अपेक्षाओं और परिणामों के आधार पर खरीद सकते हैं।

TheGrid.ai के अनुबंध निर्देश, जो मूल रूप से एक योग्यता छांटने वाला है, और LLM आउटपुट के लिए मूल्य प्रतिस्पर्धा के साथ। आपूर्तिकर्ता जो निर्देशों को पूरा करते हैं, वे प्रतिस्पर्धा में शामिल हो सकते हैं:

स्मार्ट बेंचमार्क ≥ न्यूनतम सीमा

लेटेंसी ≤ ऊपरी सीमा

थ्रूपुट ≥ न्यूनतम सीमा

अपटाइम ≥ निम्न सीमा

त्रुटि दर ≤ सीमा

जब सभी आपूर्तिकर्ता एक ही न्यूनतम दर पहुँच जाते हैं, तो वे मूल्य पर प्रतिस्पर्धा शुरू कर देते हैं। खरीदार पूछता है: कौन सा आपूर्तिकर्ता आवश्यक श्रम को सर्वोत्तम कीमत पर प्रदान कर सकता है?

रेडियोलॉजिस्ट की भर्ती, LLM के संदर्भ में, एक मापने योग्य समस्या बन गई है: कौन से LLM एक्स-रे पढ़ने में उच्च कुशलता के साथ कार्य कर सकते हैं और स्पष्ट देरी, संदर्भ खिड़की और परिणाम-आधारित अनुबंध विनिर्देशों के भीतर कार्य पूरा कर सकते हैं।

परिणाम, खरीदारों द्वारा सफलता को मापने का तरीका है; श्रम, आपूर्ति की जाने वाली आर्थिक गतिविधि है; और टोकन, मशीन द्वारा कार्य पूरा करने के दौरान खपत की जाने वाली ईंधन है।

The Grid एक मशीनीय श्रम बाजार है।

From token to machine labor market

बाजार तकनीकी स्टैक पर निवेश के लिए कीमत निर्धारित कर सकता है, लेकिन उत्पादन के लिए कीमत निर्धारित करने के लिए एक मशीनी श्रम बाजार की आवश्यकता होती है। खरीददार GPU घंटों के बारे में चिंतित नहीं होते हैं। मॉडल एंडपॉइंट स्वयं अस्थिर होते हैं: उन्हें नाम बदल दिया जाता है, अप्रचलित कर दिया जाता है, पैकेज किया जाता है, या सीधे सेवा से हटा दिया जाता है।

उपयोगकर्ता और तरलता अक्सर बदलाव से नाराज होते हैं। GPU और मॉडल लगातार विकसित होते रहते हैं, लेकिन स्थिर इकाई कार्य ही है।

मुझे लगता है कि बाजार निम्नलिखित मार्ग के साथ विकसित होगा। प्रत्येक ऊपरी स्तर पर, खरीदी जाने वाली चीजें अधिक अमूर्त और अधिक मूल्यवान होती जाती हैं, लेकिन उनकी पुष्टि करना कठिन होता जाता है। The Grid को इस सीढ़ी के अनुसार क्रमिक रूप से ऊपर की ओर बढ़ना चाहिए:

Original token → Commodified LLM capability market → Commodified labor market → Programmable outcomes market

Claude 4.7, GPT 5.5, Kimi 2.6, DeepSeek V4, GLM 5 आदि।

आज, खरीददार निष्कर्ष आपूर्तिकर्ता से मूल मॉडल आउटपुट खरीदते हैं। वे अपने प्रॉम्प्ट भेजते हैं, निष्कर्ष प्राप्त करते हैं, और उपयोग के आधार पर भुगतान करते हैं। इसे सत्यापित करना आसान है, लेकिन यह अभी भी कच्चा माल है। खरीददार को वास्तव में टोकन की आवश्यकता नहीं है, बल्कि सबसे अच्छी कीमत पर उपयोगी बुद्धिमत्ता प्राप्त करने की आवश्यकता है।

उदाहरण के लिए text/usd, code/usd, agent/usd आदि।

खरीददार किसी विशिष्ट मॉडल का चयन नहीं करते, बल्कि अपनी आवश्यकताओं के अनुसार बुद्धिमान श्रेणी का चयन करते हैं। खरीददार अभी भी प्रवाह, प्रॉम्प्ट, डेटा और एप्लिकेशन लॉजिक को नियंत्रित करते हैं। The Grid केवल प्रत्येक अनुरोध को अनुबंध विनिर्देशों के अनुरूप और सबसे कम कीमत वाले योग्य मॉडल पर रूट करता है।

नोट: यह मूल टोकन से ऊपर का पहला वास्तविक अमूर्त स्तर है, और TheGrid.ai वर्तमान में इसी स्थिति में है।

उदाहरण के लिए accounting/usd, support_agent/usd, legal/usd, healthcare/usd, radiology/usd आदि।

जैसे-जैसे मॉडल अधिक विशेषज्ञ बनते जाते हैं, क्षमता बाजार उद्योग-विशिष्ट बाजारों में आगे विकसित हो सकते हैं। यह मानव श्रम बाजारों में विशेषज्ञता के विभाजन के समान है।

इस स्तर पर, हम विशिष्ट श्रम ऊर्ध्वाधर के कार्यप्रवाह के लिए उपयुक्त निष्कर्षण क्षमताएँ बेच रहे हैं। जैसे-जैसे उप-उद्योग मॉडल अधिक सामान्य होते जा रहे हैं, ऐसे बाजार तेजी से विस्तारित होंगे। संबंधित उदाहरणों में Cursor का Composer, कानूनी कार्यों के लिए Harvey, और स्वास्थ्य सेवाओं के लिए EvidenceOpen शामिल हैं।

उदाहरण के लिए support_ticket_resolved/usd, pr_merged/usd, claim_processed/usd आदि।

अंतिम स्तर, वह है जहां The Grid निष्कर्षण बाजार से मशीनी श्रम बाजार की ओर बढ़ता है।

इस स्तर को RFQ (क्वोटेशन रिक्वेस्ट), कस्टडी खाते, विलंबित सेटलमेंट, खरीददार की स्वीकृति, आपूर्तिकर्ता की प्रतिष्ठा, रिबेट मैकेनिज़म, और विवाद समाधान जैसे तंत्रों की आवश्यकता होती है। यह संभवतः सीधे ऑर्डर बुक के बजाय RFQ से शुरू होगा। खरीददार कार्य की परिभाषा, सीमाएँ, स्वीकृति मानदंड और सेटलमेंट शर्तें निर्धारित करता है, और एजेंट कार्य पूरा करने के लिए बोली लगाते हैं। The Grid इन कार्यों के रूटिंग, मूल्य निर्धारण, प्रमाणीकरण और सेटलमेंट में मदद करता है।

यह सबसे मूल्यवान स्तर है, लेकिन सबसे कठिन सत्यापित करने वाला स्तर भी है, क्योंकि परिणाम देरी से, आंतरिक रूप से और धोखेबाजी से हो सकते हैं। एक कस्टमर सपोर्ट टिकट को फिर से खोला जा सकता है; एक PR परीक्षण से गुजर सकता है, लेकिन फिर भी खराब आर्किटेक्चर का कारण बन सकता है।

कुल लागत = कार्य पूरा करने की लागत + जोखिम उठाने की लागत

एक कार्यप्रवाह इतना स्मार्ट हो जाने या स्मार्ट होने के कारण स्वतः एक बाजार नहीं बन जाता है। कुछ कार्य गहराई से निजी संदर्भ पर निर्भर करते हैं, जैसे ग्राहक इतिहास या आंतरिक नीतियाँ। जितना अधिक कार्य संदर्भ पर निर्भर करता है, उतना ही कम संभावना होती है कि इसे खुले बाजार में साफ़ी से स्वीकार किया जा सके। [@hypersoren https://hypersoren.xyz/posts/cybernetic-arbitrage/]

बाजार को यह दर्शाने की आवश्यकता है कि कौन से श्रम वर्ग विस्तारित होंगे और कौन से संकुचित होंगे।

मशीनी श्रम बनाम मानव श्रम, या मशीनी श्रम और मानव श्रम

अंजलि श्रीवास ने अपने मैकेनिज़म डिज़ाइन के ड्राफ्ट में बताया कि AI की कहानियाँ अक्सर प्रतिस्थापन के रूप में वर्णित की जाती हैं। लेकिन वास्तव में, यह एक समन्वय समस्या की तरह है: जब मनुष्य और मशीन दोनों उत्पादन में शामिल होते हैं, तो कार्य, दायित्व, प्रेरणा और मूल्य को कैसे पुनर्व्यवस्थित किया जाएगा।

आज, कई कंपनियों में AI का उपयोग अभी भी अटका हुआ है, क्योंकि कर्मचारी निजी रूप से AI का उपयोग कर रहे हैं, और कार्य प्रवाह अभी भी व्यक्तिगत स्तर पर बंद हैं, जिससे कंपनियाँ इन उत्पादकता में वृद्धि को मूल्यांकित नहीं कर सकतीं और इन लाभों को स्केल नहीं कर सकतीं।

अधिकांश स्वचालित कार्य मशीनों को सौंप दिए जाएंगे। कुछ कार्य मानवीय समीक्षा, जिम्मेदारी, प्रशिक्षण और संदर्भ प्रबंधन में बदल जाएंगे। कुछ मामलों में, अंतिम 1% मानवीय निर्णय अधिक मूल्यवान हो जाएगा, क्योंकि यह 99% स्वचालित कार्यों को बड़े पैमाने पर सक्षम बना सकता है।

रेचल सू पार्क की पुस्तक "Brave New World of AI Markets" में बताया गया है कि AI का TAM केवल वर्तमान मानव श्रम खर्च के स्थानापन्न के रूप में सरलता से मॉडल नहीं किया जाना चाहिए, क्योंकि यह एक साथ कीमत और मात्रा दोनों को बदलता है। जब कार्य की लागत कम होती है, तो इकाई मूल्य कम हो सकता है, लेकिन उपभोग की मात्रा बढ़ सकती है, क्योंकि मौजूदा कार्यों का अधिक बार उपभोग किया जाएगा और पहले आर्थिक रूप से संभव नहीं होने वाले पूरी तरह से नए कार्य संभव हो जाएंगे। लेख इसे इस प्रकार सारांशित करता है:

P × Q: बाजार आकार = इकाई कार्य मूल्य × उपभुक्त कार्य की संख्या

अगर AI ग्राहक सेवा बातचीत को सस्ता बना देता है, तो कंपनियाँ 24/7 सेवा प्रदान कर सकती हैं। यह बाजार केवल पुराने ग्राहक सेवा श्रम बाजार का सस्ता संस्करण नहीं होगा, बल्कि एक बड़े ग्राहक बातचीत बाजार में बदल सकता है।

AI एक विस्तारवादी बाजार है, क्योंकि जब कार्य की लागत कम हो जाती है, तो मांग स्थिर नहीं रहती।

लेबर लेयर

मशीनी श्रम बाजार को उन कार्यों से शुरू किया जाना चाहिए जिनकी स्पष्ट रूप से परिभाषित विनिर्देश हों। GPU घंटे में बहुत सारी इनपुट जानकारी शामिल होती है, जो केवल आपको बता सकती है कि कार्य को क्या समर्थन दे रहा है; जबकि पूर्ण परिणाम की कीमत निर्धारित करना बहुत जटिल है और संदर्भ पर अत्यधिक निर्भर है। जैसे-जैसे प्रमाणीकरण, प्रतिष्ठा और जोखिम/बीमा मूल्यांकन क्रमशः मशीनों द्वारा संभाले जाने लगेंगे, बाजार पूर्ण परिणाम स्तर की ओर आगे बढ़ेगा।

मशीनी श्रम को व्यापारिक बनाया जा सकता है, क्योंकि खरीददार इस बात से दूर होते जा रहे हैं कि कौन सा मॉडल या कौन सी GPU ने कार्य किया है, और अधिक ध्यान देते हैं कि क्या कार्य सही कीमत पर अनुबंध विनिर्देशों में न्यूनतम मानक और ग्रेड को पूरा करता है। एजेंट इन निचले स्रोतों के प्रति और भी कम चिंतित होंगे।

अब मशीनें सीधे आर्थिक उपयोग के लिए कार्य कर सकती हैं, जिन्हें परिभाषित, मापा, मूल्यांकित, खरीदा जा सकता है और अंततः व्यापार किया जा सकता है। बिजली, कंप्यूटिंग पावर, मॉडल और टोकन अभी भी महत्वपूर्ण हैं, लेकिन वे सभी अभी भी अपस्ट्रीम में हैं।

काम वास्तव में नीचे की ओर पूरा होता है, और बाजार एक सरलतर वस्तु की ओर बढ़ रहा है: मशीनी श्रम।