संवाद | ज़ंग पेंग

जब सभी लोग "डिजिटल कर्मचारी" और "एजेंट टूल्स" विकसित करने और उप-विषयों में अनंत रूप से प्रतिस्पर्धा करने के लिए एक साथ भाग रहे हैं, तो AI उद्यम की वास्तविक प्रतिस्पर्धात्मक बाधा कहाँ है?

हाल ही में, गेक पार्क के संस्थापक और अध्यक्ष ज़ंग पेंग और VisionFlow के संस्थापक लिउ ये ने OpenClaw के बाद एक आगे की ओर अग्रसर चर्चा की। 1979 में पैदा हुए चीन के पहली पीढ़ी के प्रोग्रामर के रूप में, लिउ ये ने निम्न स्तरीय हार्डवेयर से सॉफ्टवेयर तक, और उद्योग-स्तरीय एकीकरण (ToB) से ऑनलाइन शिक्षा (उद्योग इंटरनेट) तक का पूरा चक्र देखा है। कुछ महीनों तक अकेले रहकर, विश्व के प्रमुख AI कंपनियों के शोधकर्ताओं और देश के शीर्ष उद्यमियों के साथ "जितना संभव हो सके बातचीत" करने के बाद, उन्होंने एक कठोर निष्कर्ष निकाला: AI को एकल कार्य को प्रतिस्थापित करने के लिए "डिजिटल कर्मचारी" के रूप में देखना, इंजीनियरिंग सोच है, जो वास्तविक व्यवसाय को अत्यधिक सरलीकृत करती है।

इस बातचीत में, लिउ ये ने «क्रमिक उजागर», «कार्यों का उच्च-निम्न आयामी मैट्रिक्स» जैसी कई अत्यंत प्रेरक अवधारणाएँ और ढांचे पेश किए। चर्चा के दौरान, एक भविष्य की संभावना स्पष्ट होती गई: AI का अगला कदम सिर्फ सामान्य उपकरण नहीं होगा, बल्कि सहयोग, रिपोर्टिंग और प्रतिबिंबन के तंत्र से लैस «डिजिटल संगठन» बनाना होगा। जब संगठनात्मक संस्कृति की आवश्यकता नहीं रहेगी और निम्न-आयामी कार्य पूरी तरह समाप्त हो जाएँगे, तो भविष्य के सीईओ संभवतः «मुख्य कार्यकारी अधिकारी» नहीं, बल्कि अत्यधिक सौंदर्यशास्त्र वाले «प्रोड्यूसर» होंगे।

यह AI युग के संगठनात्मक रूप, व्यावसायिक बाधाओं और नवीन पीढ़ी के उद्यमियों के व्यावसायिक स्थान पर चर्चा और अनुमान है। इसका उद्देश्य भविष्य के उद्यमियों के लिए अधिक गहन चर्चा को प्रेरित करना है।

नीचे गेक पार्क द्वारा संक्षिप्त किया गया संवाद है:

01 वन A की लड़ाई शुरू हो चुकी है, करने के लिए बहुत कुछ है,

लेकिन सबसे महत्वपूर्ण यह है कि क्या करें

ज़ंग पेंग: जॉब बॉक्स से आज तक, ओपनक्लॉ के आने से हुए बदलावों में इतनी रुचि रखने के पीछे, आपने खुद में क्या बदलाव अनुभव किया है?

लिउ ये: मैं चीन का पहला पीढ़ी का प्रोग्रामर हूँ, जिसने बचपन से ही प्रोग्रामिंग सीखनी शुरू कर दी। मैंने BASIC से DOS, फिर Windows और आज के Mac युग तक का अनुभव किया है, और तीन प्रमुख पोर्टल्स के उदय को भी देखा है। मैंने उद्योग की सूचना प्रणाली में काम किया, चीन का IBM बनने का सपना देखा; बाद में मैं ऑनलाइन शिक्षा कंपनी "ज़ुओ हेज़ि" में शामिल हो गया और ऑनलाइन शिक्षा में गहराई से भाग लिया। ऑनलाइन शिक्षा एक बहुत ही गहरा उद्योग है, जो उद्योग-इंटरनेट का सर्वोच्च रूप है, और "अंतिम ट्रेन" है। इस अनुभव ने मुझे गहराई से समझाया कि उद्योग-इंटरनेट का मुख्य तत्व प्रौद्योगिकी नहीं, बल्कि उद्योग स्वयं, अर्थात् व्यवसाय है। उद्योग-इंटरनेट का नियम है: पहले सूचना मेलबंधन, फिर मानकीकृत उत्पाद, फिर सप्लाई चेन, और अंत में गैर-मानकीकृत, जटिल सेवाएँ। जितना पीछे जाएँगे, उतना ही मुनाफा अधिक होगा, परंतु उतना ही कठिन होगा।

इसलिए, जब AI की लहर आई, तो मैंने पहला काम यह किया कि लगभग 6 महीने तक कुछ नहीं किया और HR को सभी ऐसे लोगों से बात करने के लिए कहा जिनसे बात की जा सकती थी—विभिन्न सितारों वाली स्टार्टअप कंपनियों के मुख्य वैज्ञानिकों से लेकर विभिन्न बेस मॉडल कंपनियों के मुख्य एल्गोरिदम, इंजीनियर और शोधकर्ताओं तक, और नवीन AI स्टार्टअप संस्थापकों तक, सभी से बात की। मैंने लगभग हजारों घंटों की संवाद घनत्व इकट्ठा किया। मैंने किस तरह बात की? इतनी कि जब कोई आधा वाक्य कहता, तो मैं दूसरा आधा पहले से ही जानता था, सभी का समझौता अब लगभग समान हो चुका था।

एक घूमकर बातचीत के बाद, निष्कर्ष आश्चर्यजनक रूप से समान था: सभी एक ही काम कर रहे थे—डिजिटल कर्मचारी। यह मुझे उस समय की एक बड़ी व्यक्ति के बादल प्रौद्योगिकी के बारे में एक रणनीतिक गलत अनुमान की याद दिलाता है, जिसने कहा था कि अलीबाबा का क्लाउड करना वास्तव में सिर्फ एक ऑनलाइन ड्राइव है। पुराने ढांचे से नए चीजों को समझने की कोशिश करने से, आप हमेशा सबसे सतही स्तर को ही देख पाएंगे।

आज सबको लगता है कि एक डिजिटल कर्मचारी बनाना, Claude का उपयोग करके एक 'डिजिटल सेल्स' या 'डिजिटल कस्टमर सर्विस' बनाना, इसकी तकनीकी बाधा क्या है? इसकी सुरक्षा की रेखा क्या है? जब एक व्यक्ति एक दिन में करोड़ों TOKEN खर्च करना सामान्य हो जाता है, तो यह अधिक उत्पादन उद्योग की तरह है, यह कभी उड़ नहीं पाएगा। इसलिए मैं हर उद्यमी से एक ही सवाल पूछता हूँ: Why are you? आप क्यों? आप अधिक युवा हैं? अधिक बुद्धिमान हैं? अधिक रात जागने में सक्षम हैं? एक ही मापदंड पर प्रतिस्पर्धा करना, क्या यह '10 सेकंड 69' और '10 सेकंड 70' के बीच के अंतर के समान नहीं है?

ज़ंग पेंग: अच्छा, आज करने के लिए बहुत कुछ है, लेकिन क्या करना चाहिए, वही सबसे महत्वपूर्ण है। आपके पास इस बारे में कोई विचार है?

02 उद्योग इंटरनेट के दशक को आज फिर से दोहराया जाएगा

लिउ ये: AI बहुत अलग है, लेकिन मुझे विश्वास है कि इसमें उद्योग-इंटरनेट के नियमों के साथ कुछ समानता होगी। प्रारंभिक चरण में उपकरण, मध्य चरण में व्यवसाय, और अंत में परामर्श। जब तक तकनीक पर्याप्त विकसित नहीं हो जाती, पहली लहर में इंजीनियर ही आते हैं, जो दुनिया को अत्यधिक सारांशित करने में कुशल होते हैं, जैसे बैडु का 'बॉक्स कॉम्प्यूटिंग', जिसमें सब कुछ बॉक्स माना जाता है। लेकिन मोबाइल इंटरनेट के दूसरे चरण में बॉक्स नहीं, बल्कि सामग्री और सेवाएँ होती हैं।

इंजीनियरिंग के पृष्ठभूमि वाले लोग व्यवसाय की कल्पना करते समय अक्सर इसे अत्यधिक सरल बना देते हैं। आप देखें कि पहली पीढ़ी के इंटरनेट के तीन प्रमुख पोर्टल, जिन्होंने अंत में सबसे अच्छा प्रदर्शन किया, वे टेंसेंट और अलीबाबा थे, जो तकनीक से कुछ दूर थे, लेकिन उद्योग के करीब थे। आज भी ऐसा ही है, तकनीक धीरे-धीरे हमेशा की तरह कम महत्वपूर्ण होती जा रही है।

ज़हांग पेंग: इस लहर में कला के छात्र बहुत खुश हैं, लगता है कि कोड न लिख पाना भी कोई समस्या नहीं है। लेकिन दीर्घकालिक रूप से, AI युग में मनुष्यों से क्या आवश्यकताएँ हैं? क्या बदल गया है?

लिउ ये: चीन के मानव संसाधन संरचना में, मुझे एक समस्या दिखाई देती है। चीन के पहली पीढ़ी के प्रोग्रामर्स ही प्रोडक्ट मैनेजर थे, क्योंकि उस समय प्रोडक्ट मैनेजर का कोई पद नहीं था। प्रोडक्ट मैनेजर के रूप में एक व्यापक रूप से पहचाने जाने वाले पद का उदय 2010 के आसपास हुआ, जब जॉब्स ने iPhone4 लॉन्च किया और ज़ांग शियाओलिन ने अपनी प्रोडक्ट दृष्टिकोण प्रस्तुत किया, इसके बाद ही 'हर कोई प्रोडक्ट मैनेजर है' का विचार उभरा। इससे पहले, प्रोग्रामर्स प्रोडक्ट मैनेजर का काम भी संभालते थे, पहले प्रोग्रामर आए, फिर प्रोडक्ट मैनेजर, इसलिए पहली पीढ़ी के सभी प्रोग्रामर्स प्रोडक्ट मैनेजर थे। पहली पीढ़ी के प्रोग्रामर्स ने कोड सीखा, लेकिन काम के लिए नहीं, बल्कि रुचि के कारण, वे प्रेम से इसमें शामिल हुए। यही अपरिभाषित, सामान्य सीमाओं से बाहर निकलने वाले लोग सबसे उत्कृष्ट हुए।

लेकिन दूसरी पीढ़ी के प्रोग्रामर्स, जिन्होंने पिछले दशक में उद्योग-आधारित इंटरनेट के कारण प्रोग्रामर्स को 'कोड श्रमिक' बना दिया, उत्पाद प्रबंधक बन गए और 'कोड श्रमिक' को व्यवसाय के बारे में सोचने से रोक दिया गया। आज AI आ गया है, 'कोड' का हिस्सा समाप्त हो गया है, अगर वे विकसित नहीं हुए, तो उनके पास केवल 'श्रमिक' ही बचेगा। यह युवा पीढ़ी बहुत उत्कृष्ट है, लेकिन उनकी उद्योग के प्रति समझ खाली है। इसलिए, वर्तमान 'वन A युद्ध' मूलतः टूल-स्तर की अति-प्रचलन है।

आप देखें कि उद्योग इंटरनेट के बाद के चरण में, अली और मेन्गुआ जैसी कंपनियाँ व्यावसायिक विश्लेषण के लिए शीर्ष परामर्श कंपनियों (MBB) के पृष्ठभूमि वाले लोगों का उपयोग करती हैं, और परामर्श कंपनियों के लोग प्रोडक्ट मैनेजर के साथ व्यवसाय प्रक्रियाओं को आगे बढ़ाते हैं, क्योंकि इंटरनेट प्रोडक्ट मैनेजर के मन में स्वतः ही सिस्टम नहीं होता। फ़ेीशु इसी तरह बना। डायज़े भले ही शुद्ध इंटरनेट है, लेकिन आंतरिक प्रक्रियाओं के निर्माण के लिए भी परामर्श कंपनियों का भारी से उपयोग करता है। AI के युग में, यह नियम कमजोर होने के बजाय मजबूत होगा।

03 व्यवसाय की समस्याएँ कभी कर्मचारियों की समस्याएँ नहीं होतीं, बल्कि संगठन की समस्याएँ होती हैं

ज़हांग पेंग: तो, आपको लगता है कि "डिजिटल कर्मचारी" पर फोकस करने का कोई बड़ा मतलब नहीं है।

लिउ ये: यह मेरा सबसे मूलभूत निर्णय है: डिजिटल कर्मचारी अंतिम लक्ष्य नहीं हैं, डिजिटल संगठन हैं। अगर डिजिटल कर्मचारी बहुत फैल गए, तो भर्ती का पद ही नहीं रहेगा, हर कोई अच्छे डिजिटल कर्मचारी प्राप्त कर सकता है, तो फिर क्या? क्या सभी कंपनियाँ लाभ कमाएंगी और सफल होंगी? वास्तव में, सभी कंपनियों की समस्याएँ सदैव रणनीति और संगठन से संबंधित होती हैं, कभी कर्मचारियों से नहीं।

तो, आज का एजेंट अभी भी लोगों के लिए काम कर रहा है, न कि उनके लिए निर्णय ले रहा है। हमने अपने आंतरिक रूप से OpenClaw को बदल दिया है और एक चीज़ बनाई है जिसे हम MetaOrg कहते हैं। यह मूल रूप से एजेंट टीम को जनरेट करने की क्षमता रखता है। हम कोई भी कार्य हल नहीं करते, बल्कि एक "संगठन" बनाते हैं जो इसे हल करे। इस संगठन में सहयोगात्मक संबंध, रिपोर्टिंग संबंध, मिशन, लक्ष्य और कार्य करने का तरीका होता है।

ज़ंग पेंग: लेकिन क्या भविष्य में संभव है कि एक व्यक्ति एक विभाग बन जाए? यहां तक कि एक कंपनी?

लिउ ये: यह बहुत अच्छा प्रश्न है। हम अभी एक कार्य पर विचार करते हैं, जैसे कि एक छोटा वीडियो बनाना या एक दस्तावेज़ लिखना, जिसमें कई चरणों की संवाद की आवश्यकता होती है। आप एक बात कहते हैं, यह एक बार जवाब देता है, फिर आप उसे प्रतिक्रिया देते हैं—यह एक टूल-जैसा उपयोग है, जहां यह केवल बहुत ही बुद्धिमान है।

इसलिए, व्यक्ति और विभाग की अवधारणा संख्यात्मक अधिक या कम के बारे में नहीं है। हम एक उच्च स्तरीय पद के JD का वर्णन करते समय, सामान्यतः इस प्रकार करते हैं: पहला, काम करने में सक्षम, विभिन्न प्रकार के काम करने में सक्षम; विभिन्न उपकरणों का उपयोग करने में सक्षम। उच्च स्तरीय पद तब होता है जब व्यक्ति इरादों को समझ सके, स्वयं मार्ग की योजना बना सके, स्वयं कार्रवाई कर सके, प्राप्ति प्राप्त कर सके, नियमित रूप से रिपोर्ट कर सके, प्राप्ति के परिणामों का पुनर्विचार और सारांश बना सके, और परिणामों के विचलन के आधार पर रणनीति को गतिशील रूप से समायोजित कर सके। यही उच्च स्तरीय क्षमता है।

ज़हांग पेंग: एक योग्य विभाग "L4 स्तर की ऑटोनॉमस ड्राइविंग" होना चाहिए।

लिउ ये: हाँ। जब आप इसे एक कौशल देते हैं, तो यह जटिल कार्य पूरा कर सकता है; जब आप इसे एक कौशल प्रणाली देते हैं, तो यह जटिल समन्वयित कार्य पूरा कर सकता है; जब कई एजेंट (agent) को संगठित किया जाता है, तो यह और अधिक जटिल कार्य, जैसे कि एक छोटी फिल्म बनाना, पूरा कर सकता है। मैं अक्सर अपने कर्मचारियों के साथ मीटिंग में कहता हूँ, जब आप MetaOrg का उपयोग कर रहे हों, तो खुद को प्रबंधक नहीं, बल्कि अध्यक्ष के रूप में समझें। आपको इसकी सीमाओं का परीक्षण करने की कोशिश करनी चाहिए।

भविष्य में युवाओं के लिए उद्यमिता, पहले कहा जाता था कि घर से 50 लाख का निवेश मिलता है, लेकिन भविष्य में शायद एक TOKEN बजट मिलेगा जिससे गलतियाँ की जा सकें। आप कितने TOKEN खर्च करने को तैयार हैं, इससे यह तय होता है कि आप कितने उच्च स्तर की भूमिका कर सकते हैं। जितनी उच्च स्तरीय भूमिका, उतनी लंबी तर्क श्रृंखला होती है, और उतनी ही बार-बार परीक्षण, पुनरावृत्ति और समीक्षा की आवश्यकता होती है।

ज़ंग पेंग: पिछले प्रश्न पर वापस आते हुए, यदि एजेंट्स का एक समूह है, तो इसे और अधिक सूक्ष्म इकाइयों में विभाजित किया जा सकता है, या फिर भूमिकाओं और क्षमताओं के अनुसार विभाजित किया जा सकता है। जब यह एक टीम के रूप में बनता है और मुख्य कार्य का सामना करता है, तो प्रत्येक व्यक्ति की क्षमता की गुणवत्ता ही सफलता या असफलता निर्धारित करती है। यह पुराने युग के व्यावसायिक संगठन प्रतिस्पर्धा के तर्क पर वापस ले जाता है: क्षमता सांद्रता, यानी जब क्षमता की गुणवत्ता उच्च होती है, तो संगठन के मुख्य कार्यों को पूरा करना और प्रतिस्पर्धा में आगे रहना आसान हो जाता है।

इस बात का मुख्य बिंदु यह है कि यदि भविष्य में AI सब कुछ कर सकते हैं और हम सभी सर्वोत्तम AI को कॉल कर सकते हैं, तो व्यावसायिक संगठन केवल अधिक कुशलता से विभिन्न उप-सेवाएँ प्रदान करके ही मूल्य नहीं बना सकते, बल्कि एक अन्य पहलू पर भी हमें 'कौशल घनत्व' पर विचार करना होगा— यह सिर्फ इतना है कि आपके एजेंट और बॉट इस प्रणाली में परमाणु स्तर तक अधिक क्षमताएँ विभाजित करते हैं, 'कौशल घनत्व' अधिक होता है, और जटिल कार्यों में परिणाम, कुशलता और नवाचार बेहतर होते हैं। मुझे नहीं पता कि क्या यह सही निष्कर्ष है?

लिउ ये: मैं इस बात से सहमत हूँ। एक कंपनी के अंदर एक विभाग होता है, जिसे बड़ी कंपनियाँ आमतौर पर OD, यानी संगठन विकास कहती हैं। एक संगठन की लड़ाई जीतने की क्षमता का मूल्यांकन करने का सामान्य तरीका यह है कि आप अपने प्रतिद्वंद्वी के सभी प्रतिभाशाली लोगों को बाहर लाएँ और उनकी तुलना करें, फिर व्यक्ति-पद और क्षमता-पद के मेल की मजबूती को देखकर युद्ध के परिणाम का पूर्वानुमान लगाएँ। इसलिए, सामान्यतः कंपनियाँ संगठनात्मक क्षमता पर निर्भर करती हैं, न कि व्यापारिक रणनीति पर। सबसे प्रसिद्ध उदाहरण है अलीबाबा। अलीबाबा संगठन निर्माण पर बहुत जोर देता है, इसलिए आज यह 'दूसरी छवि' का सामना कर रहा है। क्योंकि संस्थापक टीम पुरानी हो जाती है, लेकिन संगठन अनंत हो सकता है। मूलतः, अगर कल्पना करें कि एक दिन हम दोनों प्रतिद्वंद्वी हैं, और हम दोनों AI का उपयोग कर रहे हैं। मैंने एक मजबूत AI संगठन बनाया है, जिसमें AI संगठन विकास की मजबूत क्षमता है। मैं इस संगठन को कैसे बनाऊँ? मैं सभी प्रतिद्वंद्वियों के agent skill system को एक-एक करके खोलूँगा, उनके स्किल कोड का विश्लेषण करूँगा। फिर मेरी स्वयं की प्रणाली में बेहतर स्किल्स लिखूँगा, यहाँ तक कि उनके गायब कार्यों को पूरा करूँगा। उदाहरण के लिए, मेरे पास स्ट्रेटेजी डिपार्टमेंट है, मैं पहले निरीक्षण और विश्लेषण करूँगा।

हुआवेई के पास "पांच देखें, तीन निर्धारित करें" की विधि है। मैंने अपने दोस्तों के साथ मजाक किया कि अगर हम इस विधि का उपयोग करें, तो हम 99% प्रतिद्वंद्वियों को हरा सकते हैं। पांच देखें का अर्थ है: उद्योग के प्रवाह को देखें, बाजार और ग्राहकों को देखें, प्रतिद्वंद्वियों को देखें, अपनी क्षमताओं को देखें, और रणनीतिक अवसरों को देखें; तीन निर्धारित करें का अर्थ है: नियंत्रण बिंदुओं को निर्धारित करें, लक्ष्यों को निर्धारित करें, और रणनीति को निर्धारित करें। यह विधि अधिकांश प्रतिद्वंद्वियों को छांट लेती है। क्योंकि अधिकांश लोग शतरंज बेकरारी से खेलते हैं; वे त्वरित सोच पर निर्भर करते हैं, जबकि महारथी स्वतः गहन सोच और तर्क की मोड पर सक्रिय होते हैं। पहली प्रतिक्रिया है: मुझे समग्र सैन्य प्रमुख के रूप में सोचना है कि मैं इस मुद्दे का समाधान कैसे करूँ।

ज़ंग पेंग: "पांच देखें, तीन निर्धारित करें" का अर्थ मूल रूप से "प्रतिक्रियात्मक प्रतिक्रिया" न करना है, बल्कि एक लंबी तर्क प्रक्रिया को स्थिर करना है।

लिउ ये: विशेषज्ञ हमेशा गहन शोध और विचार के मॉडल होते हैं, वे पहले वैश्विक सर्वश्रेष्ठ अभ्यासों और जानकारी को देखते हैं, फिर सारांशित करते हैं, विश्लेषण करते हैं, गहन विचार और तर्क करते हैं, और फिर उत्तर देते हैं—एक ही हथकंडे में विजय प्राप्त करते हैं।

इसलिए मुझे लगता है कि भविष्य की प्रतिस्पर्धा का केंद्र केवल एक ही बात है: पारंपरिक उद्योगों के व्यवसायों का मॉडलिंग करना, उन्हें एक ऐसी सिस्टम क्षमता में अमूर्त करना जो एजेंट ऑर्केस्ट्रेशन कर सके। यही नई पीढ़ी की संगठन विकास (OD) क्षमता है, और यह AIOD में विकसित होगी, जो भविष्य की एकमात्र केंद्रीय प्रतिस्पर्धात्मक क्षमता होगी।

अली की मुख्य ताकत संगठन बनाने में है; जब संगठन को सही ढंग से बना लिया जाता है, तो किसी भी प्रतिद्वंद्वी या किसी भी व्यवसाय के सामने इसकी प्रतिस्पर्धात्मक क्षमता होती है। और मार्क यान ने कहा था कि युद्ध का उद्देश्य किसी विशेष क्षेत्र पर कब्जा करना नहीं है, बल्कि युद्ध के माध्यम से संगठन के विकास को प्राप्त करना है। अली संगठन के विकास को मुख्य मापदंड मानकर यह निर्णय लेता है कि कोई युद्ध लड़ने के लायक है या नहीं; यह एक अत्यंत उन्नत सोच है। मार्क यान स्वयं एक सुपर जानकारी हब की तरह हैं, जो प्रति वर्ष 200 बार उड़ान भरकर विभिन्न प्रकार की जानकारी प्राप्त करते हैं, और फिर इसे संगठन के विकास में सुधार के लिए प्रयोग करते हैं। वे सचमुच में अध्यक्ष हैं, केवल सीईओ नहीं।

यही हमारे द्वारा देखी गई सर्वोच्च संगठनात्मक रूपरेखा है—जो कई पीढ़ियों को पार कर सकती है, विभिन्न उद्योगों को कवर कर सकती है, लगातार सफलता प्राप्त कर सकती है, और अवनति के बाद भी समायोजित होकर वापस आ सकती है। सामान्यतः, यदि कोई कंपनी दस वर्षों में गलत सीईओ नियुक्त करती है, तो वह अधिकांशतः पतन की ओर बढ़ जाती है। इसलिए, इतिहास से सीखें, वर्तमान विकास को एक उच्चतर आयाम के कोण से देखें; यहां तक कि मौजूदा मॉडल पर कुछ कटौती और अनुकूलन करना भी नीचे से शून्य से शुरू करने की तुलना में कहीं अधिक कुशल है।

अब कोई भी आसानी से एक एजेंट बना सकता है, कर्मचारियों के लिए सीखने की बाधा बहुत कम है, और ओपन सोर्स समुदाय के समर्थन के साथ, उद्योग में अब बहुत कम रहस्य बचे हैं। टूल्स के स्तर पर अंतर्ग्रहण, ओपन सोर्स समुदाय के सामने कभी नहीं जीत सकता। तो, ओपन सोर्स समुदाय के पास नहीं होने वाला, और नकल नहीं किया जा सकने वाला मूलभूत प्रतिस्पर्धी लाभ क्या है?

04 AI संगठनों की भौतिकी: क्यों 'प्रगतिशील प्रकटीकरण' महत्वपूर्ण है?

ज़ंग पेंग: पिछले युग में संगठन की चर्चा करते समय, हम संगठन की संस्कृति, मूल्यवानों, KPI आदि जैसी बातों पर जोर देते थे। जब हम पिछले युग के संगठन प्रबंधन से AI एजेंट संगठन के नए युग में स्थानांतरित होते हैं, तो कौन सी बातें पूरी तरह छोड़ी जा सकती हैं और कौन सी बातें बरकरार रखी जा सकती हैं लेकिन परिवर्तित की जा सकती हैं?

लिउ ये: Anthropic द्वारा स्किल्स को लॉन्च करने का मुख्य कारण AI कोडिंग के क्षेत्र में 'प्रगतिशील प्रकटीकरण' की अवधारणा है—यदि AI को बहुत सारी अव्यवस्थित जानकारी मिलती है, तो इसका संदर्भ खराब हो जाता है और ध्यान की कमी के कारण अव्यवस्था हो जाती है; केवल प्रगतिशील प्रकटीकरण ही AI को अच्छा ध्यान बनाए रखने और उच्च गुणवत्ता वाले परिणाम प्रदान करने में सक्षम बनाता है। यदि प्रगतिशील प्रकटीकरण को मानव द्वारा लागू किया जाए, तो यह मूलतः पूर्णतः मानव-संचालित संवाद होगा, जो कमजोर दक्षता रखता है। इसलिए, स्किल्स का मुख्य मूल्य जटिल कार्यों को स्तरबद्ध ढंग से विभाजित करके AI के लिए प्रगतिशील प्रकटीकरण प्राप्त करना है।

यह कंपनी के प्रबंधन तर्क के अनुरूप है: बोर्ड सामान्य रणनीतिक मुद्दों पर ध्यान केंद्रित करता है, सीईओ रणनीतिक मुद्दों और उच्च प्रबंधन के प्रबंधन पर, और कर्मचारी साधारण कार्यों को संभालते हैं। यदि 300 लोग एक ही बैठक में शामिल होते हैं, तो यह बैठक आयोजित नहीं की जा सकती। संगठन के अस्तित्व का मूल उद्देश्य, डेटाबेस के तीन नॉर्मल फॉर्म्स की तरह, सूचना के स्तरीकृत संसाधन के माध्यम से दक्षता में सुधार करना है, जहां जटिल समस्याओं को स्तरबद्ध ढंग से विघटित किया जाना चाहिए और धीरे-धीरे प्रकट किया जाना चाहिए, न कि एक साथ बहुत सारा संदर्भ प्रवेश किया जाए। यही पारंपरिक कंपनी संगठन का मूल तर्क है, क्योंकि किसी विशिष्ट समय में कैलकुलेशन क्षमता सीमित होती है।

ज़हांग पेंग: मॉडल को हर बार शुरू से बनाने के लिए भारी कंप्यूटिंग पावर की आवश्यकता होती है, जो बहुत कम दक्ष है।

लिउ ये: यह संभव नहीं है; मूल रूप से, यह स्तरीकृत धीरे-धीरे प्रकटीकरण पर निर्भर करता है, जिसमें आवश्यक संसाधनों को अवश्य ही कॉल किया जाना चाहिए, जो AI मॉडल की क्षमता की सीमा द्वारा निर्धारित होता है। इसके अलावा, Anthropic द्वारा स्किल्स को लॉन्च करने का दूसरा कारण यह है कि जटिल कार्य अब मूलभूत भौतिकी के प्रमेयों को पार कर चुके हैं, और स्किल्स जटिल कार्यों को एक-एक करके निम्न-आयामी सरल कार्यों में विभाजित कर सकते हैं। कार्य का मुख्य विभेदन मापदंड कठिनाई नहीं, बल्कि जटिलता है—निम्न-आयामी कठिन, उच्च-आयामी कठिन आदि विभिन्न प्रकार के होते हैं; उदाहरण के लिए, प्रोग्रामर द्वारा कोडिंग करना और गणितीय समस्याओं को हल करना, निम्न-आयामी उच्च-कठिनाई वाले कार्य हैं।

डैनियल हुई ने एक क्लासिक मॉडल प्रस्तुत किया: सभी नौकरियों को 'प्रतिस्पर्धा के स्तर' और 'आयाम की ऊँचाई' के आधार पर चार चतुर्थांशों में विभाजित किया जा सकता है, अर्थात् उच्च आयाम उच्च प्रतिस्पर्धा, निम्न आयाम निम्न प्रतिस्पर्धा, निम्न आयाम उच्च प्रतिस्पर्धा, और उच्च आयाम निम्न प्रतिस्पर्धा। बिक्री और इंजीनियर निम्न आयाम उच्च प्रतिस्पर्धा में आते हैं, जबकि प्रोडक्ट मैनेजर और सीईओ उच्च आयाम उच्च प्रतिस्पर्धा में आते हैं; वैज्ञानिक उच्च आयाम निम्न प्रतिस्पर्धा में आते हैं—ऐसे विषयों की संख्या संभवतः दुनिया में केवल एक ही हो सकती है, जहाँ प्रतिस्पर्धा कम है लेकिन आयाम अत्यधिक है। जैसे कि उच्च गुणवत्ता वाले शॉर्ट ड्रामा, अच्छे उपन्यास जैसे उच्च आयाम उच्च प्रतिस्पर्धा के कार्य, AI अभी तक इन्हें पूरा नहीं कर सकता; जबकि कोड अनुकूलन जैसे निम्न आयाम उच्च प्रतिस्पर्धा के कार्य, AI पहले से ही बहुत अच्छी तरह से संभाल सकता है। जितना अधिक आयाम का कार्य होता है, उतनी ही कम डेटा स्रोत होती हैं, लेकिन मॉडल प्रशिक्षण के लिए आवश्यक डेटा की मात्रा अधिक होती है—यही कारण है कि पाठ मॉडल पहले प्रकट हुए, फिर चित्र और वीडियो मॉडल, और संक्षिप्त वीडियो मॉडल का सफलतापूर्वक स्थापित होना कठिन है। इस उच्च-आयाम कार्यों और उच्च-आयाम डेटा के बीच की पूर्ति-मांग की समस्या को केवल skills के माध्यम से कार्यों को विभाजित करके ही पूरा किया जा सकता है, जैसे कि कंपनी में उच्च स्तरीय पदों के लिए पात्रता प्राप्त लोगों की कमी होने पर, इन पदों को तीन मूलभूत पदों में विभाजित कर दिया जाता है; केवल CEO जैसे उच्च-आयाम पद ही स्थानापन्न नहीं हो सकते।

ज़हांग पेंग: निम्न-आयामी और उच्च प्रतिस्पर्धी कार्यों को AI द्वारा बहुत अधिक संभावना से पूरी तरह से प्रतिस्थापित कर दिया जाएगा।

लिउ ये: इसे पूरी तरह से बदल दिया जाएगा, और यह बदलाव पहले ही हो चुका है।

ज़हांग पेंग: वास्तव में, इसलिए सभी निम्न-आयामी और अत्यधिक प्रतिस्पर्धी कार्यों को AI द्वारा जल्द से जल्द हल किया जाना चाहिए, जिसे कौशलों में विभाजित किया जा सकता है और फिर एजेंट के माध्यम से कार्यान्वित किया जा सकता है, इस प्रक्रिया में मनुष्य की आवश्यकता नहीं हो सकती।

लिउ ये: मेरे पास एक प्रारंभिक विचार है। IBM और एक्सेंटर, दुनिया की दो सबसे बड़ी परामर्श कंपनियाँ, अपनी मूल गतिविधि में उद्योग के शीर्ष अभ्यासों को सारांशित करती हैं और उन्हें डिजिटलीकरण के साथ समायोजित करती हैं, जिसमें वे प्रक्रियाओं को बेचती हैं, उपकरणों को नहीं। जब कोई उद्यम जोखिम प्रक्रियाओं या बौद्धिक संपत्ति को खरीदता है, तो वह परामर्श कंपनियों को इसके कार्यान्वयन के लिए आमंत्रित करता है। हमारा वर्तमान मुख्य कार्य skills क्लस्टर बनाना है, जिसमें हम प्रत्येक क्षेत्र के शीर्ष विशेषज्ञों को ढूंढते हैं, उनकी क्षमताओं को सारांशित करते हैं और समन्वयित करते हैं, ताकि मानकीकृत skill set बन सके। यह एसाइनमेंट बॉक्स के मॉडल के समान है—एसाइनमेंट बॉक्स ने पीकिंग स्कूल, रेनमिन सेकेंडरी स्कूल, गेट-एग्जाम प्रश्न-सेटिंग टीम और Xueersi के शिक्षकों के साथ सहयोग किया है, जिससे प्रश्न-सेटिंग, प्रश्न-समझाना, मूल्यांकन जैसी मुख्य प्रक्रियाओं को सारांशित किया गया है, और फिर बैइडु के एल्गोरिदम इंजीनियरों के साथ मिलकर प्रणाली का निर्माण किया है—यह भी मूलतः शीर्ष अभ्यासों को समन्वयित करना है। संगठनात्मक क्षमता का मुख्य पहलू है—उच्च-गुणवत्ता वाली अंतर-विषयक टीमें स्थापित करना, जो उद्योग, इंजीनियरिंग, सभी प्रकार के शीर्ष-विशेषज्ञों के साथ सहयोग करने में सक्षम हों, साथ ही व्यापार, मानव संसाधन प्राप्ति और प्रबंधन क्षमता भी हो। यही प्रथम-पीढ़ी के AI SaaS उद्यमों का मुख्य संघटन है।

ज़ंग पेंग: आगे बढ़कर, भविष्य में व्यवसाय के मापदंडों से विपरीत दिशा में आवश्यक संगठनात्मक रूप की गणना की जानी चाहिए। संगठन मूल रूप से एक व्यवस्था है, जैसे कि एक व्यवसाय ऑपरेटिंग सिस्टम—जब लोगों को उपयुक्त संगठन में उत्पादकता इकाइयों के रूप में रखा जाता है, तो वे अधिकतम मूल्य प्रदान करते हैं, अन्यथा वे कुशलतापूर्वक काम नहीं कर पाते। आज उत्पादकता के घटकों में परिवर्तन हुआ है, जहाँ मानव शक्ति के स्थान पर असीमित रूप से उपलब्ध AI है, और जब तक सकारात्मक चक्र बना रहता है, तब तक इसका स्केलअप जारी रहता है। पिछले संगठनात्मक संस्कृति के पहलुओं को अब केवल लक्ष्यों और संदर्भ में परिवर्तित किया जा सकता है, और नारे, तीन-चाल की मीटिंग्स, ब्रेक-इन आदि की आवश्यकता नहीं है।

लिउ ये: संस्कृति प्रबंधन का इरादा है, व्यापार का नहीं। पिछले युग में, रणनीति दृष्टि से शुरू होती थी, दृष्टि मूल्य निर्धारित करती थी, संगठन रणनीति के अनुसार काम करता था, व्यापार सबकी पुष्टि करता था, और संस्कृति केवल संगठन के प्रबंधन का साधन थी, जो सीधे रणनीति की सेवा नहीं करती थी, और कभी-कभी केवल संस्थापक की व्यक्तिगत पसंद भी हो सकती थी।

ज़हांग पेंग: पिछले लोगों की सेवा रणनीति के प्रक्रिया में काफी अंतराल थे, क्या AI इन अंतरालों को खत्म कर रहा है?

लिउ ये: हाँ, AI युग में संस्कृति अब महत्वपूर्ण नहीं है। संस्कृति मानव संगठन का विश्वास घटक है, लेकिन AI को इसकी आवश्यकता नहीं है। AI के पास मांस-अस्थि का शरीर नहीं होता, इसे संस्कृति की आवश्यकता नहीं होती। AI की मूल आवश्यकता कैलकुलेशन क्षमता है।

ज़ंग पेंग: आपका मतलब है कि AI को लक्ष्य और सिद्धांतों की आवश्यकता होती है। एक दस्तावेज़ ही पर्याप्त होगा जो लक्ष्य और सिद्धांतों को स्पष्ट कर दे, जिससे सभी उत्पादकता इकाइयाँ तुरंत समन्वयित हो जाएँगी और विश्वसनीयता से कार्य करेंगी, कोई विचलन नहीं होगा। मानव संगठन में बहुत सारी घर्षण शक्ति गायब हो जाएगी।

लिउ ये: हाँ। पुराना संगठन: रणनीति → संस्कृति → लोग → निष्पादन, वर्तमान AI संगठन: लक्ष्य → सिद्धांत → कौशल → व्यवस्था। पूरी प्रबंधन श्रृंखला आधी हो गई है।

05 अंतिम बाधा: सौंदर्य और व्यवस्था

ज़ंग पेंग: उद्योग की नई बाधा क्या है? लोगों की गुणवत्ता को Skill Set से बदल दिया गया है, अगर मेरे पास सौंदर्य बोध है, तो मैं दुनिया भर से सर्वश्रेष्ठ Skills प्राप्त कर सकता हूँ। उससे ऊपर, क्या यह 'ऑर्केस्ट्रेशन' है? इसमें क्या परिवर्तन होगा?

लिउ ये: जिस तरह हुआचियानबेई से सभी इलेक्ट्रॉनिक घटक खरीदे जा सकते हैं, लेकिन फिर भी सभी के लिए ऐप्पल नहीं बनाया जा सकता? जॉब्स के जीवनी में सुंदरता की परिभाषा बहुत स्पष्ट है: दुनिया के पर्याप्त अच्छी चीजों को देखना, अच्छाई और बुराई का फर्क करना, यही सुंदरता है। अगर कभी अच्छे उत्पाद, अच्छी प्रक्रियाओं या अच्छे संगठन को नहीं देखा गया है, तो उत्कृष्ट परिणाम प्राप्त करना संभव नहीं है।

ज़ंग पेंग: दृष्टि सौंदर्य की पूर्वशर्त है।

लिउ ये: केवल अनुभव और प्रतिभा।

ज़हांग पेंग: सौंदर्य दो तरीकों से प्रकट होता है: एक, सक्रिय डिज़ाइन और व्यवस्था; दूसरा, अव्यवस्था में उभरने वाली उच्च गुणवत्ता वाली वस्तुओं की पहचान और चयन। ये दोनों तरीके एक-दूसरे के विरोधी नहीं हैं।

लिउ ये: वास्तव में कोई टकराव नहीं है। ऐप्पल के कुछ परिणाम स्वयं अनुसंधान और विकास से हैं, कुछ तीसरे पक्ष के अधिग्रहण से हैं, और मुख्य बात सौंदर्य का अधिकार है—आवश्यकता पड़ने पर बिना पहिये को दोबारा बनाए, स्वयं अनुसंधान और विकास करें।

ज़ंग पेंग: मुख्य बात यह है कि एजेंट को सेटिंग मॉड्यूल के भीतर चलाने के बाद पथ की पुष्टि करके उभरती हुई व्यवस्था करें, या सभी पथों को पहले से निर्धारित करके डिज़ाइन-आधारित व्यवस्था करें?

लिउ ये: उभरना अनियंत्रित होता है; इसके लिए पहले बीज नियमों और सिद्धांतों को सेट करना आवश्यक है, जिससे एक व्यक्ति की सौंदर्यबोध प्रकट होता है। जैसे एक उत्कृष्ट इंजीनियर 500 या 5000 पंक्तियों के कोड से एक उपयोगी Openclaw बना सकता है, जबकि अयोग्य इंजीनियर 50,000 पंक्तियों का कोड लिखने पर भी समान परिणाम नहीं प्राप्त कर सकता, नींव के बीज नियमों को अभी भी मानव द्वारा सेट किया जाना चाहिए।

ज़हांग पेंग: इसलिए, उभरने का इंतजार अव्यवस्था में नहीं किया जा सकता, क्योंकि इसमें बहुत लंबा समय लगता है, और व्यवस्थापन अभी भी अत्यंत महत्वपूर्ण है। क्या यह व्यवस्थापन अंततः केवल संस्थापक से ही आ सकता है, या यह अधिक तरह से 'निर्माता' जैसा है?

लिउ ये: मुझे लगता है कि निर्माता की परिभाषा बहुत अच्छी है। वास्तव में, उभरने और पैमाने के प्रभाव के बावजूद, डेटा लेबलिंग, डेटा क्लीनिंग और अनियंत्रित विस्तार से बचने के लिए एल्गोरिदम की निरंतर समन्वय की आवश्यकता होती है।

कार्यक्रमकर्ता व्यवसाय की जटिलता पर निर्भर करता है—जटिल व्यवसाय को एक व्यक्ति अकेले पूरा नहीं कर सकता, जैसे कि छोटे नाटकों की शूटिंग करना या प्रॉम्प्ट लिखना, जिसमें वास्तविक अनुप्रयोग में कई कठिनाइयाँ होती हैं। 'एकल व्यक्ति कंपनी' की अवधारणा का दुरुपयोग किया जा रहा है, दुनिया को असीमित रूप से सरल नहीं किया जा सकता। हालाँकि कंप्यूटर को एक व्यक्ति द्वारा संचालित किया जा सकता है, लेकिन एक व्यक्ति सभी उच्च-आयामी क्षमताओं को सीखने में समर्थ नहीं हो सकता, जैसे इलॉन मस्क, ली फेईफेई जैसे बहुत ही दुर्लभ अति-योग्यता वाले व्यक्ति, जो कई क्षेत्रों में पारंगत होते हैं और किसी भी पद का प्रबंधन कर सकते हैं।

ज़हांग पेंग: यदि हम वैश्विक स्तर पर सबसे शीर्ष एजेंट और कौशल प्रणाली का उपयोग कर सकते हैं, जैसे एक उत्कृष्ट स्क्रिप्टर, तो सिद्धांतवादी रूप से क्या हम इन संसाधनों का उपयोग करके वैश्विक रूप से प्रसिद्ध और लाभदायक फिल्में बना सकते हैं? स्क्रिप्टर के पास केंद्रीय बिंदु (अच्छी स्क्रिप्ट) होता है, लेकिन वह सभी चरणों को पूरा नहीं कर सकता, क्या इस 'केंद्रीय बिंदु + वैश्विक संसाधन' का बंद चक्र संभव है?

लिउ ये: यह मूल रूप से एक डेटा समस्या है—क्या उच्चतम आयामी जानकारी को संग्रहीत करने वाला डेटा मौजूद है? उदाहरण के लिए, सीईओ के कौशल को प्रशिक्षित करना, वर्तमान में पर्याप्त डेटा का समर्थन नहीं करता: रेन जेनफेई की दस हजार शब्दों की लंबी लेखनी, मार्क यून के मौखिक बयान, उनकी उच्च-आयामी जागरूकता को पूरी तरह से प्रस्तुत नहीं कर सकते; भले ही हम विश्वभर की कंपनियों के वार्षिक वित्तीय विवरणों और सीईओ के सभी बयानों को इकट्ठा कर लें, तो भी एक सीईओ के कार्य के लिए सक्षम मॉडल को प्रशिक्षित नहीं किया जा सकता, क्योंकि सीईओ की मुख्य क्षमताएँ अप्रकट ज्ञान हैं, जो पाठ के माध्यम से पूरी तरह से प्रकट नहीं हो सकतीं।

ज़ंग पेंग: अर्थात, सीईओ की मुख्य क्षमता अभी भी वेक्टराइज़ नहीं की जा सकती। इससे 'एकल व्यक्ति कंपनी' की आदर्श अवधारणा पर प्रतिबंध लगता है—भले ही हर कोई एकल आयाम के लाभ का उपयोग कर सके और वैश्विक शीर्ष संसाधनों का संयोजन कर सके, फिर भी मुख्य संगठनकर्ता की कमी है, जो मूल रूप से संगठन क्षमता की समस्या है। अंततः, सर्वश्रेष्ठ 'घटक' होने के बावजूद, मजबूत संगठन क्षमता की आवश्यकता होती है।

लिउ ये: उत्पाद प्रबंधक के लिए भी ऐसा ही है, उनका अंतर्निहित ज्ञान पूरी तरह से पाठ्यरूप में नहीं बदला जा सकता। यही कारण है कि वर्तमान में AI साथी और AI द्वारा उत्पादित सामग्री पर्याप्त रूप से "जीवंत" नहीं हैं—उच्च-आयामी अंतर्निहित ज्ञान के डेटा समर्थन की कमी के कारण। जब डेटा की मात्रा कम हो, तो केंद्रित रहें skill पर; जब डेटा की मात्रा अधिक हो, तब मॉडल पर काम करें। रोबोट अभी तक व्यावहारिक रूप से लागू नहीं हो पा रहे हैं, क्योंकि पर्याप्त डेटा की कमी है।

ज़ंग पेंग: इससे यह निष्कर्ष निकाला जा सकता है कि भविष्य में कंपनियों के प्रतिस्पर्धी लाभ का मुख्य बिंदु शीर्ष मॉडल तक पहुँचने की क्षमता नहीं होगी—प्रारंभिक AI संसाधन प्रतीत होते हैं कि समान हैं, कैलकुलेशन क्षमता और वित्तीय संसाधनों तथा व्यापार बंद चक्र क्षमता से संबंधित है, लेकिन अंतिम अंतर फिर से 'निर्माता' पर ही केंद्रित होगा, अर्थात् उसकी व्यवस्था क्षमता और लक्ष्य की नवीनता एवं महत्व, जो कंपनी की मुख्य प्रतिस्पर्धी क्षमता का निर्माण करते हैं।

लिउ ये: मैकिन्से के पूर्व साझेदार ने मुझे बताया था कि मैकिन्से की मुख्य गतिविधि सर्वोत्तम अभ्यासों को निकालना, मॉडल बनाना और फिर उन्हें व्यवसायों द्वारा क्रमिक रूप से लागू करने में सहायता करना है। उदाहरण के लिए, चीनी ऑटोमोबाइल निर्माताओं के लिए परामर्श देते समय, हम जापानी सहयोगियों से टोयोटा की विधि के बारे में जानते हैं, जो मूल रूप से सर्वोत्तम अभ्यासों की प्रतिलिपि और कार्यान्वयन है।

मी मेंग का शॉर्ट ड्रामा का मामला बहुत संदर्भपूर्ण है। वह चीनी भाषा की पृष्ठभूमि की है, लेकिन उसकी मुख्य टीम क्लीयरिंग और पेकिंग विश्वविद्यालय के गणित और कंप्यूटर साइंस विभाग के विद्यार्थियों से बनी है, जो वायरल शॉर्ट वीडियो के तर्क को विस्तार से विश्लेषित करते हैं और अंततः अत्यधिक उच्च वायरल दर प्राप्त करते हैं। यह दृष्टिकोण मूलतः उद्योग के सामाजिक इंजीनियरिंग का मॉडलिंग है, भले ही ओवरफिटिंग की संभावना हो, लेकिन मॉडलिंग की दिशा सही है।

IBM, एक्सेंटर और मैकिन्से सभी ऐसे ही काम करते हैं—पहली पीढ़ी के मैकिन्से ने बेस्ट प्रैक्टिस को पार्टनर्स पर मॉडल किया, जबकि IBM ने इसे डिजिटल प्रक्रियाओं में बदल दिया, दोनों की मूल बात 'प्रबंधन और प्रक्रियाओं की बिक्री' है।

ज़ंग पेंग: मुख्य बात यह है कि उत्कृष्ट अभ्यासों को सारांशित किया जाए और फिर उन्हें बार-बार सत्यापित किया जाए, यही भविष्य के व्यावसायिक संगठनों की जीत या हार का मुद्दा है। केवल तभी कुशलतापूर्वक व्यवस्था की जा सकती है जब इसे पूरी तरह से विघटित किया जाए। इसलिए, आपका अगला मुख्य दिशा-निर्देश इसी दृष्टिकोण के साथ आगे बढ़ना है?

लिउ ये: पिछले तीन वर्षों में हमने मुख्य रूप से AI ToC बिजनेस पर काम किया है, और MetaOrg के तरीके से पूरी शिक्षण और शोध प्रणाली को पुनर्निर्मित किया है। यह केवल एक साधारण "AI का उपयोग करके कार्यक्षमता बढ़ाने" की कहानी नहीं है। हमने एक पूरी Agentic शिक्षण और शोध संगठन का निर्माण किया है, जिसके पीछे वर्चुअल शिक्षण और शोध टीमें चल रही हैं: भाषा सीखने के अनुसंधान टीम द्वितीय भाषा अधिग्रहण के सबसे हालिया सिद्धांतों का पता लगाती है, ऊर्ध्वाधर कॉर्पस संग्रह टीम वास्तविक संदर्भों से प्राकृतिक अभिव्यक्तियाँ प्राप्त करती है, संवाद मूल्यांकन टीम मौखिक क्षमता के बहुआयामी मूल्यांकन मानदंड स्थापित करती है, संवाद डिज़ाइन टीम शिक्षण विधि को प्राकृतिक मानव-मशीन इंटरैक्शन में परिवर्तित करती है, प्रश्न कंटेनर डिज़ाइन टीम अभ्यास के प्रारूप और सामग्री के अनुकूलन की समस्या को हल करती है, और डेटा विश्लेषण टीम उपयोगकर्ता व्यवहार से सीखने के प्रभाव के वास्तविक संकेतों को खोजती है। प्रत्येक टीम के पास अपने स्वयं के कौशल, अपना स्वयं का कार्य प्रवाह, और अपना स्वयं का मूल्यांकन मानदंड है। वर्तमान में पाठ्यपुस्तक डेटा का टैगिंग, मॉनिटरिंग मूल्यांकन, उपयोगकर्ता अवलोकन, और उत्पाद अपडेट जैसे 80% के लगभग कार्य AI द्वारा पूरा किए जा रहे हैं।

हमारा विकास मार्ग «AI को फ़ंक्शन के रूप में» से «AI को संगठनात्मक क्षमता के रूप में» में अपग्रेड करना है। अंग्रेजी शिक्षक की भूमिका मध्यम जटिलता पर स्थित है, जिसे हमने MetaOrg के माध्यम से अन्य भूमिकाओं के लिए अमूर्त कर दिया है; यदि हम नवीनतम skill आर्किटेक्चर को जोड़ें, तो हम अधिक उन्नत भूमिकाओं का निर्माण कर सकते हैं।

हमने अभी तक AI ट्यूटर की पूरी प्रक्रिया का निर्माण पूरा कर लिया है, जिसमें व्यवस्था क्षमता का अमूर्तीकरण और इंजीनियरिंग कार्यान्वयन शामिल है; भविष्य में इसे संभावना है कि मेटा ट्यूटर से मेटा संगठन में अपग्रेड किया जाएगा—जिसकी न्यूनतम इकाई कर्मचारी नहीं, बल्कि पद होगी, और केंद्रीय बिंदु पदों के बीच सहयोग और प्रबंधन होगा। हमारा वर्तमान ध्यान, सभी उद्योगों के सर्वश्रेष्ठ CEO से जुड़ने पर है, क्योंकि CEO ही मुख्य ‘निर्माता’ हैं।

ज़ंग पेंग: तो आपने जो लॉन्च किया है, वह अधिक एक स्केलेबल डिपार्टमेंट के करीब है?

लिउ ये: लक्ष्य «कंपनी» की दिशा में आगे बढ़ना है; बड़ी कंपनियाँ मूल रूप से कई छोटी कंपनियों से मिलकर बनी होती हैं, और सबसे छोटी इकाई पद होता है। पूरे उद्योग की रणनीति के साथ-साथ पदों से शुरू करके उत्पाद अपडेट करना भी आवश्यक है—अगर पद सही ढंग से नहीं किए जाते, तो भले ही प्रबंधक क्षमतावान हों, तब भी कुशल संगठन नहीं बन सकता।

ज़ंग पेंग: एक विभाग को सफलतापूर्वक संचालित करने के लिए, सबसे पहले विभाग से संबंधित क्षमताओं और पदों को विभाजित करें, फिर प्रत्येक पद के लिए आवश्यक कौशल को विभाजित करें, और इन कौशलों को SOTA स्तर तक पहुँचाने का प्रयास करें।

लिउ ये: केवल एक ही मूलभूत विधि है: सबसे शीर्ष सेवा प्राप्त करने वाले उद्यमों के साथ संयुक्त रूप से विकास करना। बनाई गई कौशल को शीर्ष उद्यमों द्वारा मूल्यांकन किया जाना चाहिए कि क्या यह आवश्यकताओं के अनुरूप है, जैसे कि एक अधीनस्थ द्वारा तैयार किया गया प्रस्ताव उच्च पदस्थ अधिकारी द्वारा समीक्षा किया जाता है, और स्वयं को प्रभावित करने के लिए नहीं। उदाहरण के लिए, छोटे नाटक मॉडलिंग के लिए, उद्योग के शीर्ष संस्थानों की मान्यता प्राप्त करनी चाहिए, अन्यथा यह सच्ची शीर्ष स्तरीय नहीं हो सकती। सब कुछ मूल्यांकन और मापने की आवश्यकता है।

मिडजर्नी उत्कृष्ट चित्र बना सकता है, क्योंकि इसकी टीम फोटोग्राफर और इंजीनियरों से मिलकर बनी है, जिनके पास शीर्ष स्तर की चित्र सौंदर्य बोध है; एलवी ने स्टेबल डिफ्यूजन का उपयोग करके चित्र मॉडल को प्रशिक्षित किया है, जिसका परिणाम सामान्य मॉडल से कहीं बेहतर है, क्योंकि एलवी के पास विश्व का सबसे शीर्ष स्तरीय चित्र सौंदर्य बोध और डेटा है। इससे स्पष्ट है कि मूल्यांकन क्षमता ही मुख्य है। एक एआई कंपनी बनने के लिए, आपको आईबीएम, हुआवेई की तरह काम करना होगा—आईबीएम ने शीर्ष ऑटोमोबाइल कंपनियों को सेवा प्रदान करके कार निर्माण के सर्वोत्तम अभ्यासों को समझा और उन्हें प्रसारित किया; हुआवेई ने IPD प्रक्रिया खरीदने के लिए 40 अरब खर्च किए, जिसका उपयोग न केवल अपने प्रबंधन के लिए किया, बल्कि बाहरी पक्षों को भी प्रसारित किया, यही मुख्य प्रतिस्पर्धात्मक लाभ है।

ज़ंग पेंग: मूल रूप से, यह बेस्ट प्रैक्टिस के अनुसार स्किल को विघटित करना, स्किल के SOTA को प्राप्त करना, फिर उसे भूमिका और विभाग के SOTA में अपग्रेड करना, और अंततः बिजनेस के SOTA के रूप में व्यवस्थित करना है—यह बिजनेस के शीर्ष पर पहुँचने का स्पष्ट मार्ग है। एक और महत्वपूर्ण प्रश्न है: स्किल को समय के साथ अपडेट कैसे रखें? जैसे पृथ्वी के जीवमंडल में परिवर्तन होता है, प्रत्येक युग का SOTA अगले युग में अप्रासंगिक हो सकता है—इस परिवर्तन का सामना कैसे करें?

लिउ ये: मूल तर्क मानव और जीव विकास के साथ संगत है, अर्थात् अनुभव, योजना बनाना, कार्य करना और प्रतिबिंबित करना। संगठन में उच्च प्रतिभा घनत्व और अंतर्विषयक प्रकृति बनाए रखें, एक छोर पर तकनीकी अग्रणी (शोधकर्ता) से जुड़ें, दूसरी ओर व्यापार मॉडल का अध्ययन करें, और साथ ही उद्योग के शीर्ष ग्राहकों के साथ सह-निर्माण करें, वास्तविक परिदृश्य में निरंतर मूल्यांकन और अनुकूलन करें, यही एकमात्र तरीका है।

ज़ंग पेंग: इससे विपरीत अनुमान लगाया जा सकता है कि शीर्ष कंपनियों द्वारा विकसित बेस्ट प्रैक्टिसेज का प्रणालीगत समावेश मध्यम स्तर की कंपनियों को अत्यधिक उन्नति प्रदान कर सकता है, लेकिन ऐसी प्रणालियाँ अधिकांशतः केवल संसाधनों और वित्तीय क्षमता रखने वाली कंपनियों के लिए ही उपलब्ध होंगी, जिससे लघु उद्यम और युवा उद्यमी इनका समर्थन करने में असमर्थ होंगे। परामर्श उद्योग पारंपरिक सेवाओं से उपकरण-आधारित उत्पादों में विकसित हो चुका है; क्या नवीन पीढ़ी के अवसर केवल skill स्तर पर ही सीमित हैं? skill स्तर पर विप्लवकारी नवाचार कैसे प्राप्त किया जा सकता है, ताकि उद्योग 'अभिजात चक्र' में फँसे नहीं?

लिउ ये: पिछली पीढ़ी के SaaS उद्योग में, Salesforce, Palantir, Notion, Slack जैसी कंपनियाँ, कुछ सामान्य उपकरण बनाती थीं, कुछ एकीकृत सेवाएँ प्रदान करती थीं, जिससे साबित होता है कि युवा उद्यमी के लिए अभी भी अवसर हैं—अपने पास लाभ न होने वाले क्षेत्रों से दूर रहें, सामान्य कौशल पर ध्यान केंद्रित करें, और उपयुक्त पारिस्थितिक स्थिति ढूंढें। Notion एक प्रमुख उदाहरण है, जो किसी विशिष्ट व्यावसायिक प्रक्रिया में शामिल नहीं होता, बल्कि केवल पाठ नोट्स के कार्य को सारांशित करता है और एक सामान्य उपकरण बन जाता है। अंततः, दुनिया अनगिनत स्वयंसिद्ध (agent) के विभाजन और सहयोग से भरी होगी; युवा को पहले पारिस्थितिक स्थिति ढूंढनी चाहिए, फिर अपने स्वयं के लाभों के साथ मिलाकर काम करना चाहिए, भविष्य की प्रवृत्ति को स्थिर करना चाहिए, और समय का शत्रु नहीं बनना चाहिए। पिछले दशक में, पहली पीढ़ी के इंटरनेट उद्यमी मुख्यतः विदेशी लौटे हुए (ज्ञान के लाभ के कारण) थे, दूसरी पीढ़ी मुख्यतः प्रोग्रामर (उपकरणों के विस्फोट के कारण) थे, और तीसरी पीढ़ी के उद्योग-इंटरनेट उद्यमी मुख्यतः द्वितीयक उद्यमी थे; यह पैटर्न स्पष्ट है, और युवा को मध्य-चरण और अपने स्वयं के लाभों को समझना होगा।

ज़हांग पेंग: इसलिए आपका मानना है कि कौशल स्तर के स्थानीय नवाचार और अनुकूलन का प्रभाव सीमित है, तो नई पीढ़ी का सबसे बड़ा अवसर लक्ष्य नवाचार में हो सकता है—समय के साथ उभर रहे नए लक्ष्यों की पहचान करना, उच्च गुणवत्ता वाले कौशल को जोड़ना और लगातार विकसित होना, ताकि नए लक्ष्यों पर एक नया प्रणाली बनाई जा सके और क्रांति ला सके।

लिउ ये: कौशल की प्रतिस्पर्धा बहुत सूक्ष्म है; वर्तमान में कौशल बहुत लोकप्रिय है, लेकिन अगर कोई अधिक शीर्ष मानव विशेषज्ञों के साथ समायोजित होकर अधिक उत्कृष्ट कौशल विकसित कर दे, तो वर्तमान कौशल को प्रतिस्थापित कर दिया जाएगा। यह वास्तव में रक्षात्मक बाधा के मुद्दे पर लौट आता है: पहले शुरू करने वाले को हमेशा अंतिम सफलता प्राप्त नहीं होती, और वे अक्सर अधिक उन्नत प्रतिद्वंद्वी के 'मिट्टी का पोषक तत्व' बन जाते हैं।

ज़ंग पेंग: सबसे बड़ी चिंता यह है कि आप "लोडर" बन जाएं, जो केवल उच्चतर आयाम के प्रतिद्वंद्वी के लिए आधारभूत तैयारी कर देते हैं। यदि आप केवल मौजूदा लक्ष्यों पर कुशलता में सुधार करते हैं, तो इसका कोई मतलब नहीं है, क्योंकि कुशलता का लाभ अंततः समाप्त हो जाएगा। इसलिए, नई पीढ़ी को क्रांतिकारी प्रगति के लिए, लक्ष्य में मौलिक अंतर लाना होगा।

लिउ ये: हाँ, स्वयं को केंद्रीय शक्ति के रूप में विकसित नहीं करना केवल उच्चतर आयाम के प्रतिद्वंद्वी को पोषित करता है। व्यापार की प्रकृति बहुत सरल है, इसका केंद्र ग्राहक कौन है, ग्राहक की सेवा कैसे करें, और ग्राहक को आपसे कैसे अलग नहीं होने दें—यह स्पष्ट करना है। यदि कोई भी युवा ग्राहक कौन है, यह समझ नहीं पाता है, तो वह अनुकूलन प्राप्त नहीं कर सकता।

ज़ंग पेंग: आपको नए बाजार पर भी ध्यान देना चाहिए, क्योंकि स्थितिजन्य बाजार में प्रतिस्पर्धा करना बहुत कठिन है। अगर आपका व्यवसाय सफल होता है, तो आप उस क्षेत्र की कंपनियों को एक ही उन्नत स्तर पर ला देंगे, जिनके पास संपत्ति और जागरूकता दोनों हैं, और युवाओं के लिए स्थितिजन्य बाजार में इनके साथ प्रतिस्पर्धा करना मुश्किल है।

लिउ ये: पिछली पीढ़ी के SaaS उद्योग में, Notion, Slack आदि कंपनियों की सफलता का मुख्य कारण लक्ष्य में भिन्नता थी।

SaaS के पिछले पीढ़ी के शुरुआती चरण में, चीनी निवेशक अक्सर वैज्ञानिकों में निवेश करने की प्रवृत्ति रखते थे, लेकिन बाद में पता चला कि वैज्ञानिक उद्यमिता के बजाय सहयोग और सहकार्य के लिए अधिक उपयुक्त होते हैं—वैज्ञानिकों के उच्च-आयामी, कम प्रतिस्पर्धी क्षेत्र, व्यावसायिक दुनिया के उच्च-आयामी, उच्च-प्रतिस्पर्धी तर्क से भिन्न होते हैं; जितना अधिक क्षेत्र का आयाम होता है, उतना ही नए क्षेत्र में स्थानांतरित होना कठिन होता है, क्योंकि मूलभूत सोच का पैटर्ण पूरी तरह से अलग होता है। किसी भी क्षेत्र में प्रारंभिक चरण में तकनीकी प्रतिस्पर्धा होती है (निम्न-आयामी, उच्च-प्रतिस्पर्धी, तकनीक अपरिपक्व), जब तकनीक परिपक्व हो जाती है, तो व्यावसायिक प्रतिस्पर्धा में परिवर्तित हो जाती है (उच्च-आयामी, उच्च-प्रतिस्पर्धी, उद्योग के लोग, प्रोडक्ट मैनेजर, व्यावसायिक प्रतिनिधि प्रमुख होते हैं)। उदाहरण के लिए, जब पहली बार iPhone लॉन्च हुआ, तो सूची में सबसे ऊपर के ऐप्स अधिकांशतः प्रोग्रामरों द्वारा विकसित किए गए थे; कुछ सालों के बाद, जब औद्योगिक इंटरनेट का उदय हुआ, तो सूची में प्रोग्रामर-प्रमुख उत्पादों को पूरी तरह से प्रतिस्थापित कर दिया गया।

अगर AI युग में मोबाइल इंटरनेट का तर्क जारी रहा, तो सिलिकॉन वैली की केंद्रीय शक्ति अनुभवी पेशेवरों के पास ही रहेगी, जैसे कि चीनी उद्योग इंटरनेट में अधिकांशतः द्वितीयक उद्यमी होते हैं। युवाओं के लिए अवसर अभी भी भिन्नतापूर्ण लक्ष्यों को खोजने में है।