سیلیکون ویلی AI اسٹارٹ اپ ٹوکن خرچ اور منیجمنٹ ماڈلز کے ترقی کے ساتھ تبدیل ہو رہا ہے

سیلیکون ویلی کے AI انجینئر مائے پییوئن نے، چار سال سے زائد کی صنعت کی نگرانی کے بعد، موجودہ دہائی کے دس نمایاں تبدیلیوں کو ابھارا ہے: ملازمت کا عمل مخصوص ماہرین سے عام ماہرین کی طرف منتقل ہو رہا ہے، AI ٹولز کا استعمال کرنے کی صلاحیت تجربے کے سالوں کو عبور کر سکتی ہے؛ تنظیمی ساخت مسطح ہو رہی ہے، مینیجرز کو ٹیکنالوجی کی صلاحیت حاصل ہونی چاہئے، اور "پیپل مینیجر" کا کردار ختم ہو رہا ہے؛ ٹوکن کے استعمال کا توجہ مرکز تعداد کی بجائے کارکردگی پر منتقل ہو رہا ہے، بڑی کمپنیاں دوبارہ اپنے اخراجات کا جائزہ لے رہی ہیں؛ ماڈل کی پوجا ختم ہو رہی ہے، سیلیکون ویلی میں اب کئی سستے اور بہترین ماڈلز کو جوڑنے کا رجحان چل رہا ہے؛ AI انفراسٹرکچر کے نئے بنیادی ڈھانچے ظاہر ہو رہے ہیں، اور عمودی AI ایجینٹس اب بھی انvestmenٹ کی قابل قدر ہیں کیونکہ وہ "قابل تربیت" نہ ہونے والے حقیقی مسائل حل کرتے ہیں۔ مائے پییوئن نے زور دیا کہ AI شعبے میں ایک سال بہت لمبا دور ہوتا ہے، اور زیادہ تر جائزے اکثر ایک ماہ میں ہی منسوخ ہو جاتے ہیں۔

مضمون کے مصنف، ذریعہ: 36kr

تمام متفقہ رائے جلد ہی ختم ہو رہی ہیں

سب لوگ AI کے بارے میں فیصلہ کرنے کی کوشش کر رہے ہیں، لیکن تمام اتفاق رائے جلد ہی زندہ نہیں رہتے۔

انٹرویو | باری ہوا

لکھنے والے: ہائی فینگ، لیو سی جیے

ایڈیٹ | لیو سی جیے

کور کی تصویر کا ذریعہ | ملاقات کرنے والے نے لیا

خاموشی کا دور ختم ہو چکا ہے۔

یہ سلیکون ویلی کے AI اسٹارٹ اپ کے مرکز میں رہنے والے مائے پیویوں کا حالیہ سب سے گہرا احساس ہے۔

دسمبر 2021 میں، اپنی ایف ایس سی کی تعلیم مکمل کرنے کے بعد، اس نے "امریکی ویکی پر" کہلائے جانے والے Quora میں شمولیت اختیار کی، پھر AI چیٹ بوٹ ایگریگیٹر پلیٹ فارم Poe پر جا کر سینئور AI انجینئر کے عہدے پر فائز ہو گیا۔ دو ماہ پہلے، اس نے سلیکون ویلی کی سب سے مقبول AI ایجینٹ سٹارٹ اپ Cognition میں شمولیت اختیار کی۔

مئی 2026 میں، اس کمپنی نے جو تین سال سے کم عرصہ سے قائم ہے، 10 ارب ڈالر سے زائد کی فنڈنگ مکمل کرنے کا اعلان کیا اور اس کی منظوری 260 ارب ڈالر ہو گئی۔ 8 ماہ پہلے، اس کی منظوری 102 ارب ڈالر تھی۔

انجینئرز کے علاوہ، ما بی یوان کا ایک اور کردار بھی ہے — وینچر سکاؤٹ۔ وہ انویسٹمنٹ اداروں کے لیے ای آئی کے قابلِ سرمایہ کاری اسٹارٹ اپ پروجیکٹس تلاش کرتا ہے اور اس کے پاس سالانہ 500,000 امریکی ڈالر کا انویسٹمنٹ بجٹ ہے۔

卒業 کے بعد کے چار سال سے زیادہ کے دوران، وہ ہمیشہ AI صنعت کے متفقہ رائے سے پہلے کام کرتا رہا، اس سے پہلے کہ کوئی بھی "agent" کی تعریف کر پائے، اس کی ٹیم نے چپکے سے ایک منصوبہ شروع کر دیا۔ جب Anthropic ابھی نامعلوم تھا، تو وہ Claude کے پہلے گہرے صارفین بن گئے۔ وہ ٹیم کا پہلا AI سرٹیفائیڈ انجینئر اور پہلا AI agent انجینئر تھا، اور بعد میں پوری انجینئرنگ ٹیم کو AI پروگرامنگ استعمال کرنے والی AI Native ٹیم میں تبدیل کر دیا۔

دو ہفتے پہلے، جب وہ "مستقبل کے انسانوں کے لیب" کے ساتھ بات چیت کرتے ہوئے بے خودی سے کہہ دیا کہ "لوگوں کے مینیجر ختم ہو رہے ہیں"، تو اس کا سب سے دلچسپ ثبوت اس وقت سامنے آیا جب تینگنٹ اور جیٹیکس نے جلد ہی درمیانی سطح کے عہدوں کو ختم کرنے کا اعلان کر دیا۔

تبدیلیاں بہت تیزی سے ہو رہی ہیں، سلیکون ویلی میں تبدیلیوں کے ساتھ رہنا ضروری ہے۔

اس مضمون میں دو انٹرویوز کے درمیان دو ہفتے کے دوران، ما پیویان نے محسوس کیا کہ اس نے پہلے جو سلیکون ویلی کے بارے میں “سب سے مہنگے اور سب سے اگلے ماڈلز” کی تلاش کا ترکیبی منطق بیان کیا تھا، وہ اب قائم نہیں رہا۔ موجودہ وقت میں سلیکون ویلی میں کئی سستے ماڈلز اور ٹاپ ماڈلز کو “فوشن اور شیڈول” کرنے کا طریقہ رائج ہے۔

میں نے مائے پییوائن کے ساتھ تقریباً پانچ گھنٹے بات کی، اور ہم نے پایا کہ وہ تقریباً ہمیشہ کل کے خود کو منکر ہوتا رہا، سلیکون ویلی کی طرح۔ "میں سب کچھ نہیں کہہ سکتا، لیکن آپ کہہ سکتے ہیں کہ 60% سے زیادہ، ایک ماہ بعد شاید اس کا بالکل اُلٹا ہو جائے۔"

گزشتہ کچھ سالوں میں، AI نے سلیکون ویلی کے تقریباً تمام ڈیفالٹ قواعد کو دوبارہ لکھ دیا: کون سے لوگ زیادہ نمایاں ہوتے ہیں، کون سے ادارے زیادہ مقابلہ کرنے والا ہوتے ہیں، اور کون سے پیسے خرچ کرنے کے قابل ہوتے ہیں۔

بے شک، ان کہلائے جانے والے "درست جوابات" کے جائزے بھی جلد ختم ہو رہے ہیں۔ AI کے شعبے میں، ایک سال بہت لمبا دور ہے، اور بہت سے جائزے ایک ماہ کے اندر منسوخ ہو سکتے ہیں۔

درج ذیل، مائے پیویان کی نظر میں سلیکون ویلی کے 10 موجودہ AI مشاہدات ہیں:

ما بی یوان

ما بییوین کی پیشہ ورانہ تصویر، سلیکون ویلی کی AI کمپنیوں کو پسندیدہ افراد کی تصویر کے ساتھ بہت ملتی جلتی ہے۔ وہ روایتی کمپیوٹر سائنس کے پس منظر سے تعلق نہیں رکھتے، نہ ہی انہوں نے مقابلے میں سونے کے تمغے جیتے ہیں، نہ ہی ان کے پاس اعلیٰ یونیورسٹیوں کا چمکتا ہوا اثر ہے، بلکہ ایک وقت تک انہیں کمپیوٹر سے کوئی دلچسپی بھی نہیں تھی، لیکن گزشتہ چار سالوں میں، وہ Quora کے اشتہار ٹیم سے شروع کرکے Cognition کے AI انجینئر بن گئے، اور ان کا راستہ سلیکون ویلی کی AI کمپنیوں کے لیے اب تک کے سب سے مطلوبہ افراد کے تمام کلیدی الفاظ پر مشتمل ہے۔ ان کا تجربہ نہ صرف ایک ذاتی ترقی کی کہانی ہے، بلکہ صنعت کے ملازمت کے معیارات میں تبدیلی کا ایک نمونہ بھی ہے۔

نوٹ 1: جامع ماہرین ماہرینِ خاص کو دباؤ دیتے ہیں

سیلیکون ویلی میں اب سب سے زیادہ طلب شدہ ملازم کی تصویر کسی ایک شعبے کے گہرے ماہر نہیں، بلکہ وہ شخص ہے جو "ہر چیز میں قابلِ قبول ہو اور کوئی واضح کمزوری نہ ہو" — صنعت میں اسے "پولیگلوٹ ٹیلینٹ" کہا جاتا ہے، یا عام بول چال میں "شیشہ فارم لڑاکا"۔

2024 میں، Poe کے اندر ایک "ایجینٹ" منصوبہ شروع کیا گیا جس کی تعریف اس وقت کسی کو واضح نہیں تھی۔ ٹیم نے میرا انتخاب اس لیے کیا کیونکہ میں ایک نئے فرد تھا جس نے AI اور پورے اسٹیک اور iOS دونوں پر کام کیا تھا۔ اس وقت ٹیم کے دوسرے افراد زیادہ تر روایتی ماشین لرننگ، سرچ، ایڈ ورٹائزنگ اور ریکومنڈیشنز کے پس منظر سے تھے، اور ان میں سے کوئی فرانت اینڈ کوڈ نہیں جانتا تھا، جبکہ ایجینٹ کے لیے فرانت اینڈ انٹرفیس لکھنے کی ضرورت تھی۔ جب کمپنی کا AI پرومپٹ انجینئرنگ کا ذمہ دار شخص استعفیٰ دے گیا، تو ٹیم میں اس خلا کو بھرنے والا کوئی نہیں تھا، تو میرا ہاتھ لگ گیا — چونکہ میں جلد سیکھ لیتا تھا، میں نے اس ایجینٹ کے لیے پرومپٹ انجینئرنگ بھی کی اور اس کا فرانت اینڈ کوڈ بھی لکھا۔

یہ "ہر چیز میں تھوڑا سا مہارت رکھنے" کی صلاحیت، بعد میں میرے نوکری کے تلاش کے دوران سب سے قیمتی سرمایہ بن گئی۔ مجھے کوئی بھی نیا شعبہ دے دو، میں دو ہفتے میں اسے تقریباً سیکھ لیتا ہوں۔ اور یہی وہ چیز ہے جس کی شروعاتی کاروباری کمپنیاں چاہتی ہیں۔

نوٹ 2: AI-نیٹو مہارتیں، تجربے کے سالوں کو کم وقت میں دبا سکتی ہیں

AI ٹولز کی استعمال کی صلاحیت، سالوں کے اجتہاد سے حاصل کی جانے والی صلاحیتوں کو براہ راست زبردستی سے نچوڑ سکتی ہے۔

جب میں Quora اڈ ورٹیس گروپ سے iOS گروپ میں منتقل ہوا، تو میں نے "کمفورٹ زون سے باہر نکلنا" کا سبب بتایا، لیکن اس وقت میں iOS کے بارے میں بالکل بھی نہیں جانتا تھا، مکمل طور پر "0 سال کا تجربہ" رکھتا تھا۔ میں نے آہستہ آہستہ سیکھنے کا انتخاب نہیں کیا، بلکہ GPT-4 کو اپنا ساتھی بنالیا۔ اس وقت میرے اردگرد بہت سارے تجربہ کار iOS انجینئرز تھے جو شاید AI پر اعتماد نہیں کرتے تھے۔ میں iOS نہیں لکھ سکتا تھا، Swift کوڈ نہیں لکھ سکتا تھا، اس لیے میں نے AI کو اپنے کوڈ لکھنے میں مدد کے لیے پریشانی سے استعمال کیا۔

نتیجہ یہ ہوا کہ میں، جو صرف تین چار ماہ کا نیا آدمی تھا، نے اپنی پیداواری رفتار کو اپنے اردگرد کے سالوں سے مصروف سینئر انجینئرز کے برابر یا ان سے زیادہ کر دیا، اور دو سال میں ہی سینئر عہدہ حاصل کر لیا۔ روایتی ترقی کے نظام میں، یہ تقریباً ناممکن رفتار تھی۔ پہلے، فیس بک میں سینئر انجینئر بننے کے لیے کم از کم 4 سے 6 سال لگتے تھے۔ گوگل میں کچھ لوگوں کو شاید اپنی پوری زندگی میں سینئر انجینئر بننے کا موقع نہیں ملتا۔

میں نے Cognition میں ایک 19 سالہ انٹرویور سے ملاقات کی۔ شروع میں میں تھوڑا اداس ہوا، ایک 26 سالہ شخص کو ایک 19 سالہ شخص کے سامنے "سوالات کے بارود" کا سامنا کرنا پڑا، اور میں بہت سے سوالات کے جواب نہیں دے سکا۔ لیکن بعد میں میں نے سمجھ لیا کہ یہ ایک ایسا علامت ہے جو ظاہر کرتی ہے کہ یہ کمپنی حقیقی طور پر صلاحیت کو عمر کے اعتبار سے نہیں جانچتی، اور عمر اب سلیکون ویلی میں صلاحیت کا معیار نہیں رہ گئی۔

نوٹ 3: ملازمت کے معیارات مکمل طور پر دوبارہ لکھے گئے، AI کمپنیاں ایک ہی ٹیمپلیٹ کا استعمال نہیں کرتیں

میں نے کوئورا سے جانے سے پہلے تقریباً 20 کمپنیوں کا اچھی طرح سے انٹرویو لیا، فون پر بات چیت کی گئی کمپنیوں سمیت 30 سے 40 تک۔ سب سے زیادہ وقت، میرے پاس ایک ہفتے میں 30 سے زیادہ ریکرٹرز آ گئے۔

میں نے اتنی ساری کمپنیوں کے انٹرویو دیے، میں نے پایا کہ موجودہ وقت میں AI کمپنیاں لوگوں کو بھرتی کرنے کے لیے کوئی ایک مخصوص انٹرویو ٹیمپلیٹ نہیں استعمال کر رہیں۔

لیکن کچھ واضح تبدیلیاں ہیں، لیٹ کوڈ طرز کے الگورتھم سوالات کی اہمیت کم ہو رہی ہے، اور AI سسٹم ڈیزائن کے بہترین جوابات ہر ماہ تبدیل ہو رہے ہیں۔

انٹرویو کی ساخت بھی تبدیل ہو رہی ہے۔ آن لائن لکھتے ہوئے ٹیسٹ + ورک ٹرائل اب ایک نئی ترکیب بن گئے ہیں۔ ورک ٹرائل ایک بہت مختصر "آزمائشی مدت کا انٹرویو" ہے۔ کچھ 3 گھنٹے کے، کچھ 5 گھنٹے کے، اور سب سے زیادہ ایک یا دو دن کے ہوتے ہیں۔ میرے سامنے ایک انٹرویو میں، مجھے براہ راست ایک کوڈ ریپوزٹری دی گئی، جس میں مجھے کوئی بھی ٹول، جس میں AI بھی شamil ہو، استعمال کرتے ہوئے ایک عملی مسئلہ حل کرنا تھا۔ مسئلہ حل کرنے کے بعد، مجھے اپنے خیالات اور نتائج کا اظہار بھی کرنا تھا۔ پورا عمل بالکل حقیقی کام کے قریب ہو چکا تھا۔

زیادہ دلچسپ بات یہ ہے کہ AI کے استعمال کا جائزہ لینا خود دو ماڈلز میں تقسیم کر دیا گیا ہے۔ کچھ راؤنڈز میں AI کا استعمال ضروری ہوتا ہے، جس میں دیکھا جاتا ہے کہ آپ "by code" کیسے کام کرتے ہیں؛ لیکن کچھ راؤنڈز میں AI کے استعمال کو صاف طور پر منع کر دیا جاتا ہے، جیسے debug، جہاں یہ ٹیسٹ کیا جاتا ہے کہ AI کی مدد کے بغیر آپ خطا کیسے تلاش کرتے ہیں، جو بنیادی طور پر آپ کے ذاتی سافٹ ویئر انجینئرنگ کے مستوٰی اور ذائقے کا جائزہ لینا ہے۔

انٹرویو خود بھی کئی قسم کے ہوتے ہیں۔ مثلاً، کچھ کمپنیاں مجھے بازار کا تجزیہ کرنے کے لیے کہتی ہیں کہ وہ کس صنعت کا اختراع کریں۔

بہترین انٹرویو (بہترین راؤنڈ) بھی تبدیل ہو گیا ہے۔ اب یہ "اپنا سب سے بڑا کمزور نقطہ اور طاقتور نقطہ" یا "کولیگ کے ساتھ تنازعہ کیسے حل کریں" جیسے روایتی سوالات نہیں ہیں، بلکہ یہ لمبی عرصے کے لیے جانچتی ہے کہ آپ کا پورا ترقیاتی سفر کیسے ہوا — ہائی اسکول سے لے کر یونیورسٹی، انٹرن شپ سے لے کر نوکری تک — اور آپ کا "زندگی کا ڈھال" دیکھ کر یہ فیصلہ کرتی ہے کہ کیا آپ ایک ایسا شخص ہیں جو اسٹریٹک طور پر بڑھ سکتا ہے۔

معیاری جواب کے نہ ہونے کا ایک غیر متوقع فائدہ یہ ہے کہ کوئی بھی سوالات کو یاد کر کے آفر نہیں حاصل کر سکتا۔ میرا Cognition کا اندر کا ریفرل بھی براہ راست مجھے بتا رہا تھا: "آپ تیاری نہ کریں، مجھے لگتا ہے کہ کچھ تیار کرنے کو نہیں ہے۔"

سیلیکون ویلی میں، سب سے بہترین لوگ کبھی کسی ایک کمپنی کے نہیں ہوتے، بلکہ صرف "اُس عہد کی سب سے بہترین کمپنی" کے ہوتے ہیں۔ بیس سال پہلے گوگل تھا، دس سال پہلے یوبر اور روبن ہڈ، پانچ سال پہلے کوائن بیس، اور اب AI کمپنیاں ہیں۔ سیلیکون ویلی "پانی کا برفانہ ڈش، لوہے کے فوجی" ہے۔ نئے معیار کے ذریعے نکالے گئے ان ماہرین کو "معاشی فائدے" کے بجائے "رسالت" کی وجہ سے زیادہ پکڑا جاتا ہے۔ ان اداروں جن میں سب سے بہترین لوگ جمع ہوتے ہیں، وہ بھی AI کے دوبارہ ڈھالنے کے تحت بڑے تبدیلیوں سے گزر رہے ہیں۔

نقاط 4: "AI نیٹو" کے لیے بہت زیادہ بے چینی

سیلیکون ویلی کی کمپنیوں کا AI نیٹو (AI native) کے لیے جذبہ میری توقع سے بہت زیادہ ہے۔ میں جن کمپنیوں کے ساتھ انٹرویو کرتا ہوں، وہ زیادہ تر A سیریز، B سیریز ہیں، کچھ سیڈ راؤنڈ بھی ہیں۔ ایک بہت عام سوال یہ ہے: آپ کون سے AI ٹولز استعمال کرتے ہیں؟ میں عام طور پر اپنا لکھا ہوا بلاگ بھج دیتا ہوں، اور وہ عموماً "حیران رہ جاتے ہیں"۔

وہ کہیں گے کہ وہ صرف ای آئی ایپلیکیشن ڈویلپمنٹ کرنے کے لیے نہیں چاہتے، بلکہ وہ چاہتے ہیں کہ آپ کمپنی کے اندر ای آئی ٹرانسفارمیشن کو آگے بڑھائیں اور ٹیم کو ای آئی نیٹوو بنائیں۔ بہت سی کمپنیاں پہلے ہی ای آئی پروڈکٹس بنارہی ہیں، لیکن ملازمین ابھی تک اپنے ای آئی ورک فلوز نہیں بنائے۔ اور وہ اس قسم کے لوگوں کو بھی بہت ضرورت ہے جو روزانہ لمبے وقت تک ٹوئٹر پر سکرول کرتے ہوں اور نئے ای آئی ایکسپلوریشنز یا پراڈکٹIVITY ٹپس فوراً شئیر کرتے ہوں۔

یہ میرے لیے تھوڑا بے ترتیب لگتا ہے۔ میرے گزشتہ کچھ “شوق”، جیسے روزانہ Claude Code جیسے نئے ٹولز کے ساتھ کھیلنا، یا Slack (ایک آفس سافٹ ویئر) میں AI کے استعمال کو شیئر کرنا، اب ایک نئی تنظیمی کردار بن گئے ہیں۔

کوئورا پر، میں نے اپنی پوری انجینئرنگ ٹیم کو کلاؤڈ کوڈ کا استعمال کرنے کے لیے کامیابی حاصل کی۔ آفس میں جب بھی میں کسی انجینئر سے ملتا، تو میں پوچھتا کہ کیا آپ نے پروگرامنگ کے لیے AI کا استعمال کیا ہے؟ مجھے یاد ہے کہ آفس میں ایک سائبر سیکورٹی انجینئر تھا جو شروع میں مزاحمت کر رہا تھا اور سمجھتا تھا کہ AI کے ذریعے کوڈ لکھنا بہت خطرناک ہے۔ میں نے اسے اپنے سوچنے کا انداز بدلنے کو کہا، کوڈ لکھنے کے بجائے صرف AI کا استعمال کریں تاکہ وہ کوڈ پڑھ سکے، کوڈ بیس کو سمجھ سکے اور ڈیٹا تجزیہ کر سکے۔ بعد میں، وہ بھی اس کا استعمال کرنے لگا۔

نوٹ 5: "AI کا بہتر استعمال کرنا" اصل میں ایک تنظیمی تبدیلی کا مسئلہ ہے

جب میں Cognition پر AI سے متعلق کام کر رہا تھا، تو میں ایک حقیقت کو زیادہ سے زیادہ سمجھنے لگا: AI کا بہتر طریقے سے استعمال کرنا اب صرف ایک صرف انجینئرنگ کا مسئلہ نہیں رہ گیا، بلکہ ایک تنظیمی ٹرانسفارمیشن کا مسئلہ بن چکا ہے۔

ایک مثال دیں۔ روایتی تنظیمی ڈھانچے والی انٹرنیٹ کمپنی میں، ایک بگ کو درست کرنے کے لیے عام طور پر منصوبہ بندی، انجینئرنگ کا شیڈول، ڈویلپمنٹ، ٹیسٹنگ اور لانچ جیسے کئی مراحل سے گزرنا پڑتا ہے۔ ای آئی کے ذریعے کوڈ لکھنا واقعی صرف دو تین گھنٹے لے سکتا ہے، لیکن پورے عمل کو مکمل کرنے میں اکثر ایک ماہ لگ جاتا ہے۔

پہلے ایسی عمل درآمد منطقی تھی۔ کیونکہ ایک بگ کو درست کرنے میں ایک انجینئر کو تین یا پانچ دن لگ سکتے تھے، اور اس عمل کی قیمت مختلف ٹیموں کے درمیان تعاون اور وسائل کی تقسیم میں تھی۔ لیکن AI نے اس وقت کو کم کر دیا ہے۔

اب، ہم Cognition کے Devin جیسے AI سافٹ ویئر انجینئر ٹولز کا استعمال کرکے پچھلے دنوں کے کام کو صرف دو یا تین گھنٹوں میں مکمل کر سکتے ہیں۔ Cognition میں، ہم Devin کا استعمال کرکے اس بگ کے ذمہ دار کو تلاش کر سکتے ہیں، اور پھر Devin کو اس کی مدد کے لیے استعمال کر سکتے ہیں، جس سے درمیان کے بہت سارے تنظیمی اور منتقلی کے مراحل ختم ہو جاتے ہیں، اور کوئی زائدیت نہیں رہتی۔ دراصل، AI پوری تنظیمی ساخت کے تبدیل ہونے پر مجبور کر رہا ہے۔

نوٹ 6: لوگز مینیجر ختم ہو رہا ہے، مینیجرز کو خود کوڈ لکھنا آنا چاہیے

"people manager" کا مطلب انجینئرنگ مینیجر ہے۔ امریکہ میں پچھلے کچھ سالوں سے ایک رائج خیال یہ ہے کہ آپ جب مینیجر ہوں، تو صرف انتظام کا کام کریں، زیادہ توجہ ٹیم کے تنظیم، رابطے، ملازمین کے جذبات کی نگہداشت اور ان کی ترقی کے لیے سہولت فراہم کرنے پر دیں، انجینئرنگ کی صلاحیت خاص طور پر مضبوط ہونے کی ضرورت نہیں۔

لیکن جب میں نے Cognition میں داخلہ لیا، تو مجھے معلوم ہوا کہ پوری تنظیم کی ساخت بہت فلیٹ ہے۔ مثال کے طور پر، میرا ب без تھا CPO، جو کہ ایک مشترکہ بانی تھا۔ وہ آپ کی ذاتی ترقی کا تفصیلی خیال نہیں رکھتے، بلکہ ان کا کردار صرف بڑے منصوبوں کی سمت طے کرنا ہے۔ اس کا مطلب یہ بھی ہے کہ Cognition کے ابھی 60 سے زائد انجینئرنگ ٹیم کے افراد میں، صرف ایک ہی انسان ہے جو حقیقی طور پر لوگوں کا انتظام کرتا ہے، باقی سب، CPO سمیت، "لوگوں کا انتظام بھی کرتے ہیں اور کوڈ بھی لکھتے ہیں"۔ یہ میرے پچھلے Quora کے تجربے سے بالکل مختلف تھا۔ اس وقت، ایک مینیجر شاید پانچ یا چھ انجینئرز کو مینج کرتا تھا۔

سیگنیشن ٹیم نے ایک ایسے کولیگ کے لیے جو روزمرہ سرخ کپڑے پہنتا ہے، سرخ کپڑے پہن کر اس کی پیدائش کا جشن منایا۔

میں سمجھتا ہوں کہ یہ AI کی وجہ سے ہونے والی تنظیمی تبدیلی ہو سکتی ہے۔ میں نے دیکھا ہے کہ کوئی بھی ترقی پذیر AI سٹارٹ اپ اسی طرح کام کرتا ہے — تقریباً کوئی مینیجر نہیں ہوتا جو صرف لوگوں کا انتظام کرے — اگر وہ لوگوں کا انتظام کرتا ہے، تو اس کی ٹیکنالوجی بھی مضبوط ہوتی ہے۔

یہ فیصلہ صرف سلیکون ویلی میں نہیں لیا گیا، بلکہ دو ہفتے کے فاصلے پر ہونے والی دو انٹرویوز کے درمیان، چینی بڑی کمپنیاں تینسنت اور جیٹ گروپ نے بھی درمیانی انتظامیہ کو ختم کرنے کا اعلان کیا۔

ما بی یوان نے جو تبدیلیاں دیکھیں، وہ صرف تنظیمی سطح تک محدود نہیں تھیں۔ مزید عام صنعتی جائزہ: "سِلیکون ویلی کے AI کمپنیوں کے اندر، کون سا ٹوکن خرچ مناسب ہے اور کون سا ماڈل اچھا ماڈل ہے؟" اس کا بھی جائزہ آنکھوں کے سامنے تبدیل ہو رہا ہے۔ اس بار، اس نے پہلے انٹرویو میں جو جائزہ دیا تھا، وہ بھی دو ہفتے تک نہیں ٹھہرا۔

سیلیکون ویلی کا AI صنعت خود ہی ماہ یا دن کے لحاظ سے خود کو منسوخ کر رہا ہے، کوئی بھی ججمنٹ لمبے وقت تک تازہ نہیں رہ سکتی۔

نوٹ 7: ٹوکن میکسنگ میں تقسیم ہو گیا، بڑی کمپنیاں دوبارہ کارکردگی کی طرف توجہ دے رہی ہیں

اس سال کے شروع میں، سلیکون ویلی میں "ٹوکن-میکسنگ" کا رواج تھا۔ میٹا جیسی کمپنیاں کبھی کبھی ٹوکن استعمال کی درجہ بندی بھی کرتی تھیں۔ جس نے سب سے زیادہ استعمال کیا، وہی "ای آئی نیٹو" کا نمائندہ سمجھا جاتا تھا۔ مجھے لگتا ہے کہ یہ پہلے ہی ایک بہت بے وقوف بات ہے — اے آئی ٹوکن کے استعمال کی مقدار انجینئرز کی پیداواری صلاحیت کے برابر نہیں ہو سکتی۔

گوگل اور میٹا کے دوستوں نے مجھے بتایا کہ ان وقت وہ "AI بڑی کھچڑی" پر کام کر رہے تھے۔ کمپنیاں خصوصی "AI ہفتہ" منعقد کرتی تھیں، جہاں سب کو اپنا کام روک کر AI مہارتیں لکھنی پڑتی تھیں اور اپنی مہارت کو بہت خوبصورتی سے پیش کرنا پڑتا تھا۔

شروع میں، تقریباً تمام کمپنیاں اس خیال پر عمل کر رہی تھیں: پہلے لوگوں کو AI کا尽可能 زیادہ استعمال کرانا، اور دیکھنا کہ اس کا استعمال کتنے تک ممکن ہے۔

لیکن جب یہ عوامی درجہ بندی میں تبدیل ہو جائے، تو انسانی رویے میں تحریف ہو جاتا ہے۔ انجینئرز "زیادہ استعمال" کے لیے استعمال کرنے لگتے ہیں، اور کچھ بہت عجیب صورتحال بھی پیدا ہوتی ہیں، جیسے AI کو رات کو مقررہ وقت پر بے معنی کاموں کے لیے بے مقصد چلنا پڑتا ہے، صرف استعمال کی مقدار بڑھانے کے لیے۔ اس کا اصل میں طلبہ کی صلاحیت کا اندازہ لگانے کے لیے GPA کا استعمال کرنے جیسا ہے—ایک منفرد اشارہ آسانی سے م distort ہو جاتا ہے۔

بعد میں، بہت سے اعلیٰ افسران نے بھی اس مسئلے کو سمجھنا شروع کر دیا۔ زیادہ خاص طور پر، وہ بلوں سے ڈر گئے۔ مثال کے طور پر، یوبر کا 2026 کے پورے سال کا AI خصوصی بجٹ، صرف پہلے چار ماہ میں ختم ہو چکا تھا۔ بہت سی بڑی کمپنیاں ٹوکن استعمال کو دوبارہ محدود کرنے لگیں۔ بورڈ اور سی ای او اب یہ سوالات پوچھنے لگے کہ کیا یہ ٹوکن استعمال واقعی قابلِ قدر ہے؟ کیا یہ حقیقت میں ہماری کارکردگی میں اتنی بڑی اضافہ کر رہا ہے؟ کیا ایک ارب ڈالر خرچ کرنے سے واقعی ایک ارب ڈالر کا نتیجہ حاصل ہوا؟

یہ اضطراب جلد ہی Cognition نے ایک واضح قیمت والی تجارتی جواب کے طور پر تیار کر لیا۔ 4 جون کو، Cognition نے "AI پیداواری گارنٹی" جاری کی — اگر کوئی کاروباری صارف Devin (Cognition کا AI سافٹ ویئر انجینئر مصنوعات) استعمال کرنے کے بعد متعہدہ سطح تک کارکردگی میں اضافہ نہیں کر پاتا، تو اسے ایک ملین امریکی ڈالر تک کا معاوضہ دیا جائے گا۔ اس تحقیق کو میرا ایک ساتھی جس نے تین بین الاقوامی انفارمیٹکس اولمپیڈ میں سونے کے تمغے جیتے ہیں، کیا ہے، جس نے 233 حقیقی صارفین کے معاملات کا جائزہ لیا، صارفین اور Devin کے مکالمات کا رینڈم نمونہ لیا، اور صارفین سے پوچھا "اگر Devin نہ استعمال کیا جائے تو یہ کام صرف انسانی طور پر کتنے وقت میں مکمل ہو جائے گا؟" اور پھر ان ڈیٹا کو استعمال کرتے ہوئے ایک پیش بینی نظام تربیت دی گئی، جس نے ہر Devin مکالمہ کو "مساوی انجینئر گھنٹے" میں تبدیل کر دیا، اور انجینئرز کی گھنٹہ فیس کو استعمال کرتے ہوئے یہ پتہ لگایا گیا کہ یہ مصنوعات کتنے وقت بچا رہی ہے۔

لیکن بہت سے YC کمپنیاں، شاید اب بھی "ٹوکن میکسنگ" کے موڈ پر چل رہی ہوں گی، کیونکہ ان کے پاس بہت سارے سرکاری امتیازات والے مفت ٹوکن کے امتیازات ہیں، اور ان کا سائز چھوٹا ہے، شاید صرف تین افراد ہوں، جس کی وجہ سے AI گورننس کا کوئی مسئلہ نہیں ہوتا، اور مینیجرز براہ راست دیکھ سکتے ہیں کہ ہر کوئی AI کا استعمال کر کے آرام کر رہا ہے یا نہیں۔

نوٹ 8: ماڈل کی پوجا خود بھی منسوخ ہو رہی ہے

اس تحریر کے دو انٹرویوز کے درمیان دو ہفتے کے دوران، میں نے محسوس کیا کہ میں نے پہلے جو باتیں کہی تھیں، وہ اب زیادہ درست نہیں رہیں۔

دو ہفتے پہلے، میں ابھی اس بات پر بات کر رہا تھا کہ کون سا ماڈل ابھی سب سے آگے ہے۔ اب، Cognition نے اپنے اندر ایک ایسا فیچر جاری کر دیا ہے جس کا اب تک کوئی چینی ترجمہ نہیں ہوا، جس کا کوڈ نام fusion mode ہے — یہ کئی سستے ماڈلز اور بہترین ماڈلز کو ملا کر استعمال کرتا ہے، بجائے اس کے کہ صرف سب سے مہنگے ماڈل کو بے ترتیب طور پر استعمال کیا جائے۔ آپ اپنی پورشے کو روزانہ سبزیاں خریدنے کے لیے نہیں چلاتے، آپ کو اپنی ہونڈا یا سستی گاڑی سبزیاں خریدنے کے لیے چلانی چاہیے۔ ان دو ہفتوں میں ماڈلز کی ترقی کی رفتار میری توقع سے بھی زیادہ تھی، اور "number one" ہونے والے ماڈل کے بارے میں بھی مکمل طور پر یقین نہیں رکھا جا سکتا۔

میں سب کچھ نہیں کہہ سکتا، لیکن آپ کہہ سکتے ہیں کہ 60% سے زیادہ، بہت سے ایک ماہ کے بعد پھر اُلٹے ہو سکتے ہیں۔

کسی بھی ٹیکنالوجی کی لہر کے ترقی کا یہی قانون ہے، پرانے اتفاق کا خاتمہ اکثر نئے طرز عمل کی بنیاد ہوتا ہے۔

جب بازار نے ایک منفرد ماڈل اور کمپیوٹیشنل پاور کے خرچ کے لیے اندھا عقیدہ چھوڑ دیا، تو "AI کو مستقل اور قابل کنٹرول طریقے سے لاگو کیسے کیا جائے" اور "بڑے ماڈلز جو نہیں کر سکے، ان مشکلات کو کیسے حل کیا جائے" کی ضرورت میں بڑھوتے ہوئے طلب پیدا ہو گئی۔ مار پیوئن، جو انجینئر اور سرمایہ کار ریکرٹر دونوں کے منظر سے دیکھتے ہیں، نے نوٹیفایا کہ سلیکون ویلی میں "بڑے ماڈلز کے خراب خواب" پر انحصار نہ کرنے والی، اور حقیقی دنیا کی پیچیدہ مشکلات کو حل کرنے پر توجہ مرکوز کرنے والی نئی کاروباری شروعات غیر متعارف طریقے سے ظاہر ہو رہی ہیں۔

نوٹ 9: نئی AI انفراسٹرکچر ظاہر ہو رہی ہے

"Token-Maxxing" کے اردگرد، کچھ نئی اسٹارٹ اپس ظاہر ہو چکی ہیں جو ٹیم کے AI استعمال کا مشاہدہ اور نگرانی کرتی ہیں اور یہ تجزیہ کرتی ہیں کہ کہاں token کا ضیاع ہو رہا ہے۔

اس کے پیچھے کا گہرا مسئلہ یہ ہے کہ AI ایجینٹ خود بخود کمزور ہوتے ہیں۔ ایک prompt میں چھوٹا سا تبدیلی، ایجینٹ کی کارکردگی کو بری طرح متاثر کر سکتی ہے۔ اس لیے نئے AI انفراسٹرکچر (بنیادی ڈھانچہ) ظاہر ہو رہے ہیں، جیسے سینڈ باکس (sandbox)، جو ایجینٹ کے عمل کو الگ رکھتا ہے تاکہ وہ حساس سسٹمز، جیسے بینک اکاؤنٹس یا پروڈکشن ماحول کے ڈیٹا، تک نہ پہنچ سکے۔

اسی دوران، "نوٹس" خود بخود زیادہ پیچیدہ ہو گئی ہے۔ روایتی نظام میں صرف ایک خطا کی رپورٹ کے ساتھ نگرانی کی جا سکتی ہے، لیکن ایجنٹ "خرابی" نہیں دکھاتا۔ یہ درست طریقے سے چل سکتا ہے، لیکن اس کے آؤٹ پٹ کے سطح پر شدید مسائل جیسے پکڑ، تعصب، یا صارفین کو واضح طور پر منفی تجربہ ہو سکتا ہے۔ اس کے لیے ایک نئے سافٹ ویئر کی ضرورت ہوتی ہے جو ایجنٹ کو "دماغ خراب" ہونے کے وقت پر نشان زد کرے۔

نوٹ 10: "جو قابل تربیت نہیں ہے"، نئی کاروبار بن رہا ہے

انویسٹمنٹ دنیا میں ایک ہوتی جا رہی ہے کہ ورٹیکل ایجینٹ (Vertical Agent) کی سرمایہ کاری کی قیمت ختم ہو چکی ہے۔ لیکن میں مکمل طور پر اس سے متفق نہیں۔

سیلیکون ویلی کے سرمایہ کار سارا گو نے ایک تصور پیش کیا ہے — "the untrainable"، یعنی "غیر قابل تربیت چیزیں"۔ مرکزی خیال یہ ہے کہ بہت سے عمودی صنعتوں میں، زبانی ماڈل کبھی بھی مکمل طور پر خودکار نہیں ہو سکتے۔ کیونکہ عمودی صنعتوں میں بہت سے ایسے پیچیدہ عمل ہوتے ہیں جنہیں تجريد نہیں کیا جا سکتا، اور ان عملوں کو اکثر انسانی طاقت کی ضرورت ہوتی ہے تاکہ انہیں ایک ایک کر کے حل کیا جا سکے۔

مثلاً، امریکی ٹیکس فائلنگ کے لیے، 50 ریاستوں میں 50 مختلف ٹیکس ہیں، جنہیں ایک ایک کر کے مطابقت دینا پڑتی ہے؛ قانونی شعبے میں بھی ایسا ہی ہے، مہاجرین کے قانون، مدنی قانون، تجارتی قانون، ہر ایک کا اپنا پیچیدہ نظام ہے، AI ایجنٹ ایک مرحلے میں اسے مکمل نہیں کر سکتا۔

عمودی AI ایجنٹ کمپنیوں کی قیمت یہ ہے کہ وہ مستقل طور پر صارفین اور FDE (فرونت لائن ڈplyمنٹ انجینئرز) کے ساتھ تعامل کے ذریعے زیادہ سے زیادہ اصل مسائل کو شناخت کرتی ہیں۔ یہ مسائل کمپنی کے پروڈکٹس میں چھپ جاتے ہیں، اور یہی وہ چیزیں ہیں جنہیں دوسری بڑی کمپنیاں تربیت نہیں دے سکتیں اور جنہیں جنرل ماڈلز نہیں بلع سکتے۔

اس لیے، میں یہ سمجھتا ہوں کہ ورٹیکل ایجینٹس کے پاس اب بھی سرمایہ کاری کی قیمت ہے۔ صرف یہ کہ ان سے ممکنہ طور پر 1000 گنا ریٹرن نہیں، بلکہ زیادہ تر 20 گنا، 50 گنا، یا حتیٰ کہ 100 گنا جیسے زیادہ مستحکم اور کم ریٹرن مل سکتے ہیں۔