ये एक series की शुरुआत है. मैं वो बदलाव बताने जा रहा हूं जो हमने Prolog के tech में करीब दो महीने पहले शुरू किया: क्यों शुरू हुआ, क्या काम आ रहा है और क्या महंगा पड़ा. ये स्टेज पर बोली जाने वाली theory नहीं है. ये वो है जो हमने जिया.
लिखने की एक सीधी वजह थी: जब मैं ढूंढने निकला कि ये कैसे किया जाए, तो मुझे बहुत सारी राय मिली और उस इंसान का सच्चा हिसाब बहुत कम, जो असल में इसके बीच से गुजरा हो. अगर ये लेख किसी और बनाने वाले के टिकने की जगह बन जाए, तो इतना ही काफी है.
शुरुआत एक बेचैनी से हुई.
मैंने क्या देखा
मार्च में, मैं और मेरे सह-संस्थापक Jean, Texas में SXSW गए, जो दुनिया के सबसे बड़े innovation festivals में से एक है. मैं बदला हुआ लौटा, और वो बेचैनी गई नहीं. वो स्टेज पर देखी गई किसी चीज की वजह से नहीं थी. वो इस वजह से थी कि कंपनियां असल में क्या कर रही थीं.
लौटकर, मैं उन लोगों के technical content में डूब गया जो बाहर सच में AI के साथ बना रहे हैं. Instagram और LinkedIn वाला गुनगुना content नहीं. वो गहरा वाला, जो लोग खुद हाथ लगाकर सीखते हैं और जो सीखा उसे छापते हैं. और मैं एक के बाद एक ऐसी कंपनियों के केस से टकराता गया जिन्होंने काम करने का तरीका सच में बदल दिया. फर्क बारीक भी है और बहुत बड़ा भी: उन्होंने “AI इस्तेमाल करना शुरू” नहीं किया, उन्होंने AI को केंद्र में रखा.
और इसे स्टेज का hype कहकर टाला नहीं जा सकता. ये औद्योगिक पैमाने पर अपनाया जाना है: बड़ी कंपनी और छोटी कंपनी, सब एक ही दिशा में चल रहे हैं. एक चीज जो मेरे दिमाग में बैठ गई वो एक सीधा आंकड़ा था: Fortune 100 की हर 10 में से 9 कंपनियां Copilot अपना चुकी थीं. लेकिन जो आंकड़ा मायने रखता है वो अपनाने का नहीं है. वो फायदे का आकार है. जिन्होंने बस AI को पुराने flow में फिट कर दिया, वो 10, 20% ज्यादा productivity बता रहे हैं. जिन्होंने उसके इर्द-गिर्द दोबारा बनाया, वो गुणा बता रहे हैं: 5x, 10x. मैं इन केसों को एक-एक करके अगले लेखों में खोलूंगा. अभी के लिए, जो मायने रखता है वो वो मोड़ है जो इन सबमें एक जैसा है.
बगल में AI vs. केंद्र में AI
ये फर्क छोटा लगता है और यही सब कुछ तय करता है.
AI इस्तेमाल करना यानी बगल में एक tool खोलना और पहले जैसा ही process चलाते रहना. Flow वैसा ही रहता है, roles वैसे ही रहते हैं, review वैसी ही रहती है. AI बस एक और tab है, और हर कोई उसके साथ अकेले जूझता है. फायदा किनारे पर दिखता है.
केंद्र में रखना यानी पूरा process उसके इर्द-गिर्द दोबारा design करना. आप मान लेते हैं कि काम का बड़ा हिस्सा AI बनाएगी और उसी हिसाब से flow, roles और review दोबारा बनाते हैं. Context अब किसी एक बातचीत में मरना बंद कर देता है और साझा हो जाता है. फायदा दूसरे ही स्तर का होता है, क्योंकि ये वही काम तेजी से नहीं है. ये काम का रूप बदल जाना है.
वही काम, AI के लिए दो जगहें
बगल में AI vs. केंद्र में AI
AI बगल के एक tab में रहता है। flow, भूमिकाएँ और review सब वैसे ही रहते हैं। हर कोई अपने तरीके से, अकेले काम चलाता है।
+10–20% का फायदा, किनारे पर। bottleneck जहाँ था वहीं रहता है।flow, भूमिकाएँ और review इस तरह दोबारा बनते हैं कि AI ही बनाने वाला हो। context साझा रहता है, एक बातचीत में खत्म नहीं होता।
दूसरे ही स्तर का फायदा। 10% ज़्यादा नहीं; काम खुद बदल रहा है।जब ये बात समझ में आई, तो सवाल “हम कौन सा tool अपनाएं” रहना बंद हो गया और बन गया “हमारे काम करने के तरीके में क्या ऐसा है जो बिना AI वाली दुनिया के लिए design हुआ था”. फिर मैं अंदर की तरफ देखने लगा.
निदान: हर कोई अकेले जूझ रहा था
मार्च के आखिर के आसपास, इससे पहले कि हम Claude पर आते, मैं Prolog के product, design और engineering के लोगों के साथ बैठा और एक सीधा सवाल पूछा: तुम रोज़मर्रा में AI कैसे इस्तेमाल कर रहे हो? क्या अच्छा है, कहां अटकता है, operation में तुम्हें कौन सा bottleneck दिखता है.
जो मैंने सुना उसने मुझे झकझोर दिया.
हर कोई अलग tool इस्तेमाल कर रहा था. कोई Copilot पर, कोई Claude पर, कोई सब कुछ Prolog की internal AI में डाल रहा था. और बिखरे हुए tool से भी बुरा था बिखरा हुआ context: एक इंसान AI से बात करके जो बनाता था वो वहीं, उसी के साथ मर जाता था. मिसाल के तौर पर, maintenance की team ने Prolog की AI के अंदर उस product के नियमों के साथ अच्छा material तैयार कर रखा था. लेकिन वो tires की team तक नहीं पहुंचता था, जिसे उसी तरह के context की जरूरत थी और जो शून्य से शुरू करती थी.
एक बात मेरे दिमाग में अटक गई. Devs एक बड़े PR को review करने के लिए AI इस्तेमाल करने से बच रहे थे, इस डर से कि हफ्ते के खत्म होने से पहले उनके credits जल न जाएं. इस बेतुकेपन के बारे में सोचो: एक इंसान को चुनना पड़ता था कि या तो वो अपनी task AI से खत्म करे, जिसे deliver करने का उसने वादा किया था, या वही credit किसी साथी के बड़े PR को review करने में खर्च करे. ये एक कम पड़ते संसाधन पर लड़ाई बन गई. और फिर कोई किसी और की review लेना नहीं चाहता.
Team के किसी ने इसे एक लाइन में समेट दिया जो मेरे दिमाग से नहीं निकली:
हम AI से बनाते हैं और बिना AI के review करते हैं.
हर कोई अकेले, अपने तरीके से, जो tool मिला उसी से जूझ रहा था. जो एक के लिए काम आया वो अगले के लिए नुस्खा नहीं बना. कोई मानक नहीं, कोई साझा ज़मीन नहीं.
और बात सिर्फ तरीके की नहीं थी, structure की थी
जितना मैं देखता गया, उतना साफ होता गया कि इसे सिर्फ सबको “बेहतर इस्तेमाल” सिखाकर ठीक नहीं किया जा सकता. इस्तेमाल का तरीका तो लक्षण था. नीचे की structure ही तैयार नहीं थी. तीन छेद सामने आए.
पहला, context बिखरा हुआ रहता था. एक टुकड़ा Notion में, दूसरा Drive में, तीसरा Jira में, Figma में, Fathom में. सच का कोई एक स्रोत नहीं था. तो AI के साथ हर नई बातचीत शून्य से सब कुछ समझाने से शुरू होती थी, क्योंकि जो जानकारी उसे चाहिए वो पांच जगहों पर थी और किसी एक जगह भी संभाली हुई नहीं थी. हम token में, request में और समय में सिर्फ इसलिए चुकाते थे कि जो context पहले से कहीं मौजूद था उसे दोबारा जोड़ सकें.
दूसरा, इंसान ही गोंद था. product का कोई AI से एक spec बनाता है, उसे एक doc में डालता है, link अगले को भेजता है, जो उसे लेकर अपने खुद के AI project में डाल देता है. AI सिरों पर दिखती थी, बीच में कभी नहीं: वो एक टुकड़ा बनाती, एक इंसान नतीजे को हाथों में उठाकर अगले tool तक ले जाता, और दूसरी AI फिर से शुरू करती. Flow इंसानी बना रहता.
तीसरा, architecture. जो नींव हमने दस साल में बनाई वो एक ऐसी दुनिया के लिए बनी थी जहां bottleneck इंसान था, AI नहीं. वो जगह-जगह उलझी हुई है और उसके कुछ हिस्सों में कोई test नहीं है, और यही वो चीज है जो उस तेज बदलाव को रोकती है जो AI करने देती. ये किसी की नैतिक कमी नहीं है. ये दस साल के उन फैसलों का जमाव है जो अब तक काम आते रहे. AI ने बस उसे उजागर कर दिया.
और ये कहना जरूरी है: ये team की कमी नहीं है, न ही Prolog की. ये उस हर कंपनी में होता है जिसने पुराने तरीके के ऊपर AI चिपका दी. दस साल पुरानी हर कंपनी काम करने का एक ऐसा तरीका ढोती है जो अब तक चलता रहा. AI उस पर एक रोशनी डाल देती है. और इसे बदलने की ज़िम्मेदारी मेरी है.
सब कुछ क्यों दोबारा बनाएं, सिर्फ engineering क्यों नहीं
पहला लालच होता है इसे engineering में ठीक करना. समझ में आता है, यही वो जगह है जहां AI सबसे तेजी से टिकी और जहां हम पहले ही शुरुआत कर चुके थे. लेकिन जाल ठीक यहीं है.
अगर एक हिस्सा AI की रफ्तार से चलता है और उसके बगल वाला इंसानी रफ्तार पर बना रहता है, तो मैंने कुछ भी तेज नहीं किया. मैंने बस bottleneck की जगह बदल दी.
पूरे flow के बारे में सोचो. अगर engineering घंटों में deliver करने लगे लेकिन product अब भी spec करने में हफ्ते लगाए, तो अब लाइन को रोक कौन रहा है, product. Product और engineering ठीक कर लो, पर validation अब भी हाथ से हो रही है? तो validation पर अटक गया. और ये tech पर खत्म नहीं होता: अगर हम बहुत कुछ बाहर निकालें और marketing उसी रफ्तार से घोषणा न कर पाए, तो bottleneck marketing पर चला गया. किसी एक हिस्से को तेज करने से जाम नहीं खुलता. वो बस उसे अगले हिस्से पर धकेल देता है.
एक हिस्सा तेज करने से कतार खाली नहीं होती
bottleneck बस जगह बदलता है
मैंने सिर्फ engineering तेज की
मैंने product और engineering तेज की
जिस हिस्से को आप तेज करते हैं, वह अगले को सुलगा देता है। जाम खत्म नहीं होता; बस जगह बदल लेता है।
इसीलिए, अप्रैल के आखिर में, हमने पूरा tech दोबारा बनाना शुरू किया. Product, design, data, quality. सिर्फ engineering नहीं. अगर AI केंद्र में जाती है, तो वो पूरे flow के केंद्र में जाती है, किसी एक टुकड़े के नहीं.
आगे क्या आ रहा है
अगले लेखों में, मैं इसका हर हिस्सा खोलूंगा. “harness” क्या है, वो infrastructure जो AI को असल में deliver करवाती है, बजाय इसके कि वो बस इधर-उधर टुकड़े देती रहे. हर role का काम कैसे बदलता है जब AI ही बनाने वाली बन जाती है, और इंसान दिशा देने और review करने वाला बन जाता है. और जब कुछ टूटता है तो सही सवाल “अब मैं क्या करूं” रहना बंद करके “context में क्या कमी थी कि ऐसा दोबारा न हो” क्यों बन गया.
बदलाव चल रहा है, सही के साथ और गलती के साथ. मैं दोनों यहां बताऊंगा, जैसे-जैसे होता जाएगा. ये कोई नुस्खा नहीं है. ये वो है जो हम जी रहे हैं. अगर ये किसी और बनाने वाले के लिए नक्शे की तरह काम आए, तो और भी अच्छा.