ایک تقریباً 20 افراد کی ٹیم نے کلاؤڈ کوڈ، ایم سی پی اور کلاؤڈ ڈیزائن بنایا۔
لیکن اینٹھروپک کے متحدہ بانی اور لیبز کے ہیڈ بن مین کے خیال میں، اس ٹیم کے زیادہ تر کوششوں کو ناکام ہونے کی اجازت ہونی چاہیے۔
بزنس انسرٹر کی رپورٹ کے مطابق، اینتھروپک کے اندر لیبز ٹیم ہر تقریباً دو ہفتے بعد اپنے پروڈکٹ پروٹو ٹائپس کا جائزہ لیتی ہے: کیا آگے بڑھنا چاہیے یا راستہ بدلنا چاہیے؟ ناکام خیالات کو ختم کر دیا جاتا ہے یا دوسرے منصوبوں میں ضم کر دیا جاتا ہے۔ جو پروڈکٹ حقیقی طور پر کام کرتے ہیں، وہ لیبز سے "卒業" کر کے الگ ٹیم کے حوالے کر دیے جاتے ہیں تاکہ وہ مزید ترقی کر سکیں۔
مان کے خیالات کی کامیابی کی شرح صرف 20 فیصد سے 30 فیصد ہے۔ کچھ ایسے تجربات جو الگ طور پر مکمل نہیں ہو پائے، انہیں دوسرے پروٹو ٹائپس یا مصنوعات میں شامل کر لیا جاتا ہے۔ یہ عدد، کلود کوڈ کی کامیابی کے ساتھ ملا کر، لیبز کی سب سے واضح خصوصیت بن جاتا ہے: بہت سے تجربات کو آخر تک نہ جانے دینا اور وسائل کو صرف کچھ ایسے راستوں کے لیے محفوظ رکھنا جو جاری رکھنے کے قابل ہیں۔
جب اینتھرپک تجارتی طور پر آگے بڑھ رہا ہے، تو یہ نظام اہمیت حاصل کر رہا ہے۔ بزنس انسائیڈر کے مطابق، کمپنی لسٹنگ کے لیے تیاری کر رہی ہے۔ سامنے والے ماڈل کی صلاحیتوں کو ایسے پروڈکٹ میں کیسے تبدیل کیا جائے جسے صارفین لگاتار استعمال کرنا چاہیں، یہ لیبز کو اب بھی جواب دینا ہوگا۔
لیبز کیسے ایک اسٹارٹ اپ انکیوبیٹر کی طرح کام کرتے ہیں
مین نے انٹرویو میں یاد کیا کہ کچھ سال پہلے، اسے کمپنی کو مصنوعات جاری کرنے کے لیے منانے کی ضرورت تھی۔ اس وقت، ایک بحث کا موضوع یہ تھا کہ کیا کمپنی آگے بڑھتے ہوئے ایڈوانسڈ AI تحقیق کو خیراتی فنڈنگ پر انحصار کر سکتی ہے۔
2024 میں، اس نے لیبز قائم کیا تاکہ نئے مصنوعات کے خیالات کے لیے آزاد تلاش کا جائزہ دیا جا سکے۔ اس کے بعد، اس ٹیم نے کلاؤڈ کوڈ، AI ایجینٹس کو باہری ڈیٹا اور ٹولز سے جوڑنے والا ماڈل کانٹیکسٹ پروٹوکول (MCP)، اور اس سال جاری کیا گیا کلاؤڈ ڈیزائن شروع کیا۔ انگرام کے ملک متحدہ بنانے والے مائیک کریگر سمیت دیگر بھی اس میں شامل ہوئے۔
بن مین
مان نے لیبز کو ایک حقیقی "کاروباری اسٹارٹ اپ انسٹی ٹیوٹ" کے طور پر بیان کیا۔
اس تنظیمی ساخت کا واضح مرجع ہے۔ اس نے بیل لیبز کا ذکر کیا، جس میں وہ 2018 میں گوگل کے اندر ہچنگ پروجیکٹ Area 120 میں شامل ہوا۔ گوگل کا X بھی ایک خیال فراہم کرتا ہے: غیر یقینی سمتوں کی تلاش کے لیے مخصوص ٹیمیں تشکیل دیں، اور پھر بالغ پروجیکٹس کو تدریجاً خودمختار بنایا جائے۔
لیبز کی خصوصیت اس بات میں ہے کہ یہ ماڈل تحقیق سے کتنی قریب ہے۔ سرحدی ماڈلز کی صلاحیتیں مستقل طور پر تبدیل ہوتی رہتی ہیں۔ آج کسی پروڈکٹ کا استعمال کرنے میں دشواری ہو سکتی ہے، لیکن اگلے ماڈل اپ گریڈ کے بعد یہ عملی حد تک پہنچ سکتا ہے۔ اگر پروڈکٹ ٹیم کو پہلے سے معلوم ہو جائے کہ کون سی صلاحیتیں بہتر ہو رہی ہیں، تو وہ زیادہ جلد فیصلہ کر سکتی ہے کہ کون سا کام کرنے کے قابل ہے اور کون سا آزمائش شروع کیا جا سکتا ہے۔
کلود کوڈ اسی شرائط میں پیدا ہوا۔
کلود کوڈ کی پیدائش
مان کے مطابق، 2024 کے آخر میں متعلقہ ترقی شروع ہونے سے پہلے، تحقیق کاروں نے اپنی ٹیم کو بتایا کہ نیا ماڈل ایجنٹ پروگرامنگ میں صلاحیت کا مظاہرہ کر رہا ہے۔ یہ ایک اہم سگنل ہے: پروگرامنگ پر مبنی مصنوعات بنانے کے لیے، ماڈل کو زیادہ عملی کام سونپنے کی کوشش کی جا سکتی ہے۔
مان نے اس سمت کو کمپنی میں نئے شامل ہونے والے بورس چرنسی کو سونپ دیا۔ چرنسی نے ابتدائی طور پر ایک کوڈ تجزیہ ٹول کا تصور پیش کیا، لیکن مین نے کہا کہ اس خیال کا سائز کافی بڑا نہیں تھا۔ انہوں نے انٹرویو میں کہا کہ نئے ملازمین کو خاص طور پر اپنے اہداف کو کافی زیادہ بڑھانا چاہیے، کیونکہ ایجنٹس کیا کر سکتے ہیں، ابھی بھی بہت کچھ نامعلوم ہے۔
بورس چرنی
یہ جملہ AI پروڈکٹ ڈویلپمنٹ کے ایک عملی چیلنج کے مترادف ہے: اگر آپ صرف اپنی پہلے سے جانی ہوئی صلاحیتوں کے مطابق پروڈکٹ ڈیزائن کرتے رہیں، تو آپ ماڈل کے اگلے کاموں کو کم اندازہ لگا سکتے ہیں۔
چرنی نے بعد میں جو پروٹو ٹائپ تیار کیا، وہ اندر کے دائرے میں مقبول ہوا۔ فروری 2025 میں، Anthropic نے Claude Code کو پریویو کے طور پر جاری کیا۔ اس نے بنیادی ماڈل کا استعمال کرتے ہوئے کوڈ لکھنا، ایڈٹ کرنا اور چلانا شروع کیا، اور بعد کے ماڈل اپ گریڈز نے مسلسل مصنوعات کو ترقی دی۔
کلود کوڈ Anthropic کی نمو کا اہم دروازہ بن گیا ہے۔ چرنی اب اس پروڈکٹ کی ذمہ داری سنبھال رہے ہیں۔
ناکامی کی اجازت دینے والا مصنوعات کا نظام
اس عمل کو دوبارہ دیکھتے ہوئے، لیبز کا فائدہ ایک منفرد خیال سے نہیں آیا۔ تحقیقی ٹیم نے پہلے صلاحیتوں میں تبدیلی کا پتہ لگایا، پھر مصنوعات کی ٹیم نے اس کے مطابق پروٹو ٹائپ تیار کیا، اندرونی استعمال کے ذریعے ضرورت کی تصدیق کی، اور بعد میں ماڈل کی ترقی نے تجربہ مزید بہتر بنایا۔ جتنے زیادہ مراحل اچھی طرح سے جڑے ہوئے ہوں، مصنوعات کو ٹیکنالوجی کی ترقی کو فوری طور پر حاصل کرنے کا امکان اتنے ہی زیادہ ہوتا ہے۔
تاہم، صلاحیت کو پہلے دیکھنا یہ نہیں سمجھنا چاہئے کہ ہر خیال کو لمبے عرصے تک سرمایہ کاری کی ضرورت ہے۔
لیبز تقریباً ہر دو ہفتے میں منصوبوں کا "جاری رکھیں یا سمت بدلیں" کا جائزہ لیتی ہیں۔ یہ دورہ رہنمائی کے لیے ہے، اور یہ یہ نہیں کہ تمام مصنوعات دو ہفتے میں مکمل ہونی چاہئیں۔
اگر کوئی خیال کام نہ کرے، تو ٹیم اسے ختم کر سکتی ہے یا اس کے قیمتی حصوں کو دوسرے تجربات میں ضم کر سکتی ہے۔ شرکاء پھر نئے کام پر منتقل ہو جاتے ہیں۔ مین نے اشارہ کیا کہ کچھ کوششیں بالآخر کلاد کے کروم ایکسٹینشن جیسے پروڈکٹس میں ضم ہو گئیں۔
اس لیے، 20 فیصد سے 30 فیصد کی کامیابی کی شرح کو اس بات کا مطلب نہیں سمجھا جا سکتا کہ باقی کام بالکل برباد ہو گیا۔ ایک پروٹو ٹائپ جو الگ مصنوعات میں نہیں بدل سکا، اب بھی قابل استعمال فنکشنز، ٹیکنالوجی کا تجربہ یا ضرورت کا جائزہ چھوڑ سکتا ہے۔
ایک اور قاعدہ بھی اہم ہے: جب منصوبے کی ٹیم کا سائز عام طور پر چار سے زیادہ ہو تو وہ Labs سے "卒業" ہو جاتا ہے۔
کلود کوڈ اور کلود ڈیزائن دونوں کو ایسے ہی کمپنی کے اندر الگ ٹیموں میں منتقل کر دیا گیا۔ اس طرح لیبز کا سائز چھوٹا رکھا گیا اور اگلے سلسلے کی طرف تلاش جاری رکھی گئی۔ اسی لیے یہ ہمیشہ ایک ایسی ٹیم رہی جس میں عملے کا تبادلہ زیادہ ہوتا رہا۔ جب کوئی منصوبہ بالغ ہو جاتا ہے، تو کچھ ممبران چلے جاتے ہیں؛ لیبز نئے ممبران شامل کرتا ہے اور نئے تجربات شروع کرتا ہے۔
تحقیق اور مصنوعات کے درمیان دو طرفہ فیڈ بیک
تصدیق شدہ منصوبوں کو مزید انجینئرنگ کی ضرورت ہوتی ہے اور طویل مدتی دیکھ بھال کی ضرورت ہوتی ہے، جبکہ چھوٹی ٹیمیں راستہ بدلنے کی جگہ برقرار رکھنا چاہتی ہیں۔ بالغ منصوبوں کو وقت پر خودمختار بنانا، لیبز کو روزمرہ کے عمل سے مکمل طور پر مصروف ہونے سے بچانے میں مدد کرتا ہے۔
اس کے متعلقہ انتظامی اخراجات بھی ہیں۔ عملہ مسلسل تبدیل ہوتا رہتا ہے، نئے ارکان کو تحقیقی پیش رفت کو جلدی سے سمجھنا ہوتا ہے، اور ٹیم کو مسلسل تعاون کے تعلقات دوبارہ قائم کرنے پڑتے ہیں۔ دو ہفتے بعد کی评估 کی موثر ہونے کی صلاحیت، نمونے کی کارکردگی کے جائزے کی معیار پر منحصر ہے۔
مان کے تفصیل کے مطابق، لیبز اور تحقیقی ٹیم کے درمیان مکالمہ دو طرفہ طور پر جاری ہے۔ پروڈکٹ ڈویلپرز نئے ماڈلز کا استعمال کرتے ہوئے مواقع تلاش کرتے ہیں، اور عملی کاموں میں خلا پر تحقیقی ٹیم کا توجہ نئے صلاحیتوں کی طرف مائل ہوتا ہے۔
مان نے لیبز کے ایک مقصد کو AI کے "عملی فضا" کو بڑھانے کے طور پر خلاصہ کیا، یعنی طاقتور ماڈلز کو حقیقی دنیا میں زیادہ کام کرنے کی اجازت دینا۔ یہ بیان مصنوعات کے کام کے مقاصد کو مخصوص کاموں پر مرکوز کرتا ہے۔ پروگرامنگ کے لیے ماڈل کو کوڈ کو آپریٹ کرنے کی صلاحیت درکار ہے، ڈیزائن کے لیے ماڈل کو زیادہ مناسب ویژوئل نتائج پیدا کرنے کی ضرورت ہے، اور بین الاقوامی استعمال کے لیے سسٹم کو زیادہ لوگوں کی بات سمجھنے کی ضرورت ہے۔ مصنوعات کی کامیابی، ماڈل کی ان تمام صلاحیتوں کو ظاہر کرے گی جنہیں ابھی مکمل کرنا باقی ہے۔
بازاریکرشن کے بعد کے ایکوسسٹم کے چیلنجز
جب یہ مصنوعات مزید مارکیٹس میں داخل ہوں گے، تو Anthropic کو زیادہ پیچیدہ تجارتی تعلقات کا سامنا کرنا پڑے گا۔
فوررستر کے تجزیہ کار مائیک گوالٹیری نے بزنس انسرٹر کو بتایا کہ اینتھرپک کے ذریعہ متعارف کرائے گئے ٹولز، کاروباری صارفین کے پہلے سے استعمال کیے جانے والے سافٹ ویئر کے ساتھ براہ راست مقابلہ کر سکتے ہیں۔ کلاڈ ڈیزائن اس کا ایک مثال ہے، جو ایڈوبی، فگما جیسی کمپنیوں کے ڈیزائن سافٹ ویئر کے شعبے میں داخل ہوتا ہے۔
یہاں ایک مستقل تنازع موجود ہے: Anthropic ڈیولپرز اور کمپنیوں کو ماڈل کی صلاحیتیں فراہم کرتا ہے، جبکہ اسی صلاحیتوں کے بنیاد پر اپنے اپنے مصنوعات بھی تعمیر کر رہا ہے۔ جتنا زیادہ فنکشنز پلیٹ فارم پر شامل کیے جائیں، اتنی ہی زیادہ امکان ہوگی کہ وہ دوسرے سافٹ ویئر مصنوعات کے ساتھ اوورلیپ ہو جائیں۔
صارف کے لیے، زیادہ اندرونی صلاحیتیں ٹولز بدلنے کی ضرورت کو کم کر سکتی ہیں۔ ایکوسسٹم کے شراکت داروں کے لیے، انہیں یہ فیصلہ کرنا ہوگا کہ ان کے مصنوعات اب بھی کون سی تفریقی قیمت فراہم کر سکتی ہیں۔ اینتھروپک کیسے ان دونوں طرفوں کا توازن برقرار رکھتا ہے، اس سے اس کے پلیٹ فارم کی خوبصورتی متاثر ہوگی۔
اگر کمپنی مستقبل میں لسٹ ہو جائے، تو Labs کو انتہائی عدم یقین والے تجربات کے لیے جگہ برقرار رکھنی ہوگی، جبکہ زیادہ واضح کاروباری مقاصد کے تحت کام کر رہی ہو۔ اس خبر کی بنیاد پر اس کے لسٹ ہونے کا وقت طے نہیں کیا جا سکتا، اور لسٹ ہونے کے بعد ریسرچ اور ڈویلپمنٹ پر خرچ کو کیسے تبدیل کیا جائے گا، اس کا پہلے سے تعین نہیں کیا جا سکتا۔
کم از کم مین کی تصور میں، لیبز کا رخ صرف آفس اور ڈویلپمنٹ ٹولز تک محدود نہیں ہے۔
وہ چاہتا ہے کہ مستقبل میں ٹیم زندہ تحقیق، صاف توانائی کے ذخیرہ اور دیگر عملی заастے میں کامیابی حاصل کرے۔ وہ سمجھتا ہے کہ بنیادی سائنسی تحقیق کو تیز کرنا، AI کو زیادہ لوگوں کے لیے عملی فائدہ پہنچانے میں مدد کرے گا۔
یہ ابھی تک خواب ہیں، قابل تصدیق نتائج تک پہنچنے کے لیے اب بھی لمبی راہ ہے۔ لیکن یہ Labs کے پہلے سے اپنائے گئے کام کے انداز کو جاری رکھتے ہیں: صلاحیتوں کے حدود کو دیکھنا، حل کرنے کے قابل مسائل تلاش کرنا، اور خیالات کو پروٹو ٹائپ کے ذریعے ٹیسٹ کرنا۔
کلود کوڈ نے ثابت کر دیا ہے کہ ایک راستہ عملی ہے۔ لیبز کا اگلا چیلنج، مسلسل تبدیل ہوتی مدل کی صلاحیتوں اور صارفین کی ضروریات کے درمیان، اگلے قابلِ توجہ کام کو تلاش کرنا ہے۔
اس 20 افراد کی ٹیم کے لیے، کلیدی بات یہ نہیں کہ ہر منصوبہ کامیاب ہو، بلکہ یہ ہے کہ کیا آپ محدود مستقبل والے تجربات کو وقت پر روک سکتے ہیں تاکہ ممکنہ طور پر کامیاب مصنوعات کو کافی وسائل میسر آ سکیں۔
اصل لنک: https://www.businessinsider.com/anthropic-labs-team-ai-innovation-ipo-2026-9
یہ مضمون ویچن گروپ "مشین سینٹر" سے ہے