छोटे AI स्टूडियो के लिए मामला

अधिकांश AI उत्पादों के बारे में आप जो सबसे ईमानदार बात कह सकते हैं वह यह है कि वास्तव में कोई भी उनका प्रभारी नहीं था। आप इसे सहजता से महसूस कर सकते हैं: डैशबोर्ड पर लगा एक चैट बॉक्स, एक "सारांशित करें" बटन जो समान चार धुंधले वाक्य बनाता है चाहे आप इसे कुछ भी खिलाएं, ग्यारह मॉडल टॉगल वाला एक सेटिंग पेज जिसमें एक उत्पाद प्रबंधक ने शामिल करने की लड़ाई जीत ली है। ये ऐसे उत्पाद नहीं हैं जो किसी प्रतिस्पर्धी से हार गए हों। वे अपने ही ऑर्ग चार्ट से हार गए। यह छोटे AI स्टूडियो का मामला है - संस्थापक के नेतृत्व वाले AI विकास को एक जानबूझकर पसंद के रूप में, न कि उस चरण के रूप में जिससे आप बाहर निकलते हैं।

हम दो-व्यक्ति स्टूडियो के रूप में आजीविका के लिए AI एप्लिकेशन बनाते हैं। यह कोई बाधा नहीं है जिसके लिए हम क्षमा चाहते हैं। यही कारण है कि काम अच्छा है. निम्नलिखित गेराज स्टार्टअप के लिए पुरानी यादें नहीं हैं। यह इस बारे में दावा है कि AI उत्पाद कहां टूटते हैं और उन्हें टूटने से बचाने के लिए कौन तैनात है।

स्वाद एक छोटी टीम का लाभ है, और AI ने इसे बड़ा बना दिया है

जेनरेटिव मॉडल से पहले, सॉफ्टवेयर में रुचि ज्यादातर लेआउट और कॉपी की होती थी। आप केवल सक्षम कुछ भेज सकते हैं और उपयोगकर्ता अनुकूलित करेंगे। AI ने हिस्सेदारी बदल दी क्योंकि मॉडल का आउटपुट उत्पाद की सतह है। जब आपका ऐप लिखता है, सुझाव देता है, सारांश देता है, या निर्णय लेता है, तो हजारों छोटे निर्णय कॉल सीधे उपयोगकर्ता के पास लीक हो जाते हैं: स्वर, लंबाई, कब चुप रहना है, कब अनिश्चितता स्वीकार करनी है, इस व्यक्ति के लिए इस समय "अच्छा" उत्तर कैसा दिखता है।

वे कॉलें समिति में नहीं टिकतीं। वे औसत रूप से गूदे में बदल जाते हैं।

Youp, हमारे AI जर्नलिंग ऐप के साथ, सबसे कठिन काम कभी भी मॉडल प्लंबिंग नहीं था। यह तय कर रहा था कि ऐप को क्या नहीं कहना चाहिए। एक जर्नलिंग साथी जो उत्साहपूर्ण सकारात्मकता के साथ कड़ी प्रविष्टि प्राप्त करता है, वह उस साथी से भी बदतर है जो कुछ नहीं कहता है। इसलिए हमने अपना प्रयास संयम पर खर्च किया: प्रतिक्रिया की लंबाई, जब प्रतिबिंब एक शांत वाक्य होना चाहिए, जब सही कदम कुछ भी नहीं पूछना है। यह एक रुचिकर निर्णय है, और यह केवल इसलिए सुसंगत रहता है क्योंकि एक या दो लोगों ने पूरी बात अपने दिमाग में रखी और "नहीं" का बचाव करने को तैयार थे।

टेकअवे: AI उत्पादों के लिए, स्वाद सजावट नहीं है। यह है स्पेसिफिकेशन यदि स्वाद वाला व्यक्ति प्रॉम्प्ट, टोकन स्ट्रीम और खाली अवस्था से तीन परतें हटाकर बैठता है, तो उसका स्वाद कभी भी उपयोगकर्ता तक नहीं पहुंचता है। एक छोटे से स्टूडियो में दूरी शून्य है।

स्वामित्व: जिसने भी मॉडल चुना वह टिकट का उत्तर भी देता है

जिम्मेदारी को विभाजित करने के लिए बड़ी टीमों का आयोजन किया जाता है, जो उन प्रणालियों के लिए बिल्कुल गलत आकार है जो अस्पष्ट, क्रॉस-कटिंग तरीकों से विफल हो जाती हैं। एक मतिभ्रम क्षेत्र, लोड के तहत एक विलंबता स्पाइक, एक पुनर्प्राप्ति चरण जो चुपचाप कुछ भी नहीं लौटाता है - इनमें से कोई भी टीम की सीमाओं का सम्मान नहीं करता है। वे "मॉडल टीम," "प्लेटफ़ॉर्म टीम," और "ऐप टीम" के बीच के अंतर में रहते हैं। अंतराल वे हैं जहां किसी को दर्द महसूस नहीं होता।

MadaiOps, हमारा क्रिप्टो ऑर्डर और ट्रेडिंग-ऑपरेशंस ऐप, इसे ठोस बनाता है। यह वास्तविक समय में एक्सचेंजों पर ऑर्डर देता है, रूट करता है और मॉनिटर करता है। "क्या मेरा ऑर्डर वास्तव में पूरा हुआ" के लिए सहनीय विफलता दर लगभग शून्य है। आप इसे व्यापक स्वामित्व के साथ नहीं बना सकते, क्योंकि विश्वसनीयता कोई ऐसी सुविधा नहीं है जिसे आप जोड़ते हैं। यह पुनर्प्रयास, निष्क्रियता, आंशिक भरण और जब कोई एक्सचेंज अपनी स्थिति के बारे में झूठ बोल रहा हो तो उपयोगकर्ता को क्या दिखाना है, के बारे में हजारों रक्षात्मक निर्णय हैं। रूटिंग लॉजिक लिखने वाला व्यक्ति वही व्यक्ति होना चाहिए जो सुबह 3 बजे अटके हुए ऑर्डर का डर महसूस करता है। जब वे अलग-अलग लोग होते हैं, तो उनके बीच का सीम आउटेज बन जाता है।

टेकअवे: ऑर्ग चार्ट शिप करें और आप इसके सीम शिप करें। एक स्टूडियो जहां वही हाथ संकेत, पुन: प्रयास तर्क और घटना चैनल को छूते हैं, ऐसे सिस्टम तैयार करते हैं जो कम विफल होते हैं और तेजी से ठीक हो जाते हैं - इसलिए नहीं कि लोग अधिक होशियार हैं, बल्कि इसलिए कि कोई भी जिम्मेदारी अंतराल में नहीं आती है।

गति वास्तविक है, लेकिन दिलचस्प हिस्सा गति का प्रकार है

हर कोई दावा करता है कि छोटी टीमें तेजी से आगे बढ़ती हैं। इसका आलसी संस्करण सच्चा और उबाऊ है: कम बैठकें, कोई अनुमोदन श्रृंखला नहीं। दिलचस्प संस्करण यह है कि AI विकास एक विशिष्ट गति का पुरस्कार देता है, बड़ी टीमें संरचनात्मक रूप से मेल नहीं खा सकती हैं।

मॉडलों के साथ निर्माण अनुभवजन्य है। जब तक आप इसे वास्तविक इनपुट के विरुद्ध नहीं चलाते, आप नहीं जानते कि प्रॉम्प्ट, संदर्भ विंडो या टूल-उपयोग लूप कैसा व्यवहार करता है। मुख्य लूप है: एक परिकल्पना बनाएं, एक चीज़ बदलें, वास्तविक आउटपुट देखें, अपने मानसिक मॉडल को संशोधित करें। जो टीमें जीतती हैं वे सीट पर बैठे वास्तविक निर्णयकर्ता के साथ दिन में कई बार उस लूप को चलाती हैं।

एक बड़ा संगठन प्रत्येक पुनरावृत्ति को एक टिकट, एक स्प्रिंट, एक समीक्षा में बदल देता है। जब तक फीडबैक मिलता है, जिस व्यक्ति की परिकल्पना थी वह सूत्र खो चुका होता है। एक स्टूडियो परिकल्पना-से-अवलोकन को मिनटों में संपीड़ित करता है। यही कारण है कि हमारा प्रारंभिक Linea कार्य - AI-नेटिव वर्कफ़्लो ऑटोमेशन, जो वर्तमान में निजी बीटा में है - एक रोडमैप के बजाय एक तंग प्रोटोटाइप लूप में रहा है। गैंट चार्ट पर योजना बनाने के लिए एजेंट का व्यवहार बहुत ही आकस्मिक है। आप इसे बनाते हैं, इसे कुछ मूर्खतापूर्ण कार्य करते हुए देखते हैं, और तर्क को बार-बार ठीक करते हैं, बिना किसी रुकावट के।

ट्रेडऑफ़, ईमानदारी से कहा गया

इस प्रकार की गति की वास्तविक लागत होती है। यह लोगों को जोड़कर नहीं बढ़ता है, और यह संदर्भ में गहराई से रहने वाले कुछ व्यक्तियों पर निर्भर करता है। यह एक वास्तविक जोखिम है, और अन्यथा दिखावा करना बेईमानी होगी। हम इसे स्वीकार करते हैं क्योंकि AI उत्पादों के लिए वैकल्पिक प्रक्रिया - प्रक्रिया जो टर्नओवर से बचती है लेकिन निर्णय को कमजोर करती है - बदतर सॉफ्टवेयर का उत्पादन करती है। हम बड़े और औसत के बजाय छोटे और सुसंगत होना पसंद करेंगे।

ना कहना ही संपूर्ण अनुशासन है

अभी AI उत्पादों की परिभाषित विकृति ना कहने में असमर्थता है। प्रत्येक मॉडल थोड़ा-थोड़ा सब कुछ कर सकता है, इसलिए प्रत्येक रोडमैप में सब कुछ शामिल हो जाता है। परिणाम ऐसे उत्पाद हैं जो व्यापक, उथले और भूलने योग्य हैं: एक फीचर सूची जहां एक दृष्टिकोण होना चाहिए।

एक छोटे स्टूडियो का उत्तोलन विश्वसनीय "नहीं" है। अधिकांश उपयोगकर्ता मॉडल टॉगल के बारे में तर्क नहीं कर सकते। ऐसे उत्पाद में चैटबॉट को नहीं, जिसमें चैटबॉट नहीं होना चाहिए। ऐसी क्षमता की शिपिंग न करें जिसे हम विश्वसनीय नहीं बना सकते, क्योंकि एक परतदार AI सुविधा सुविधा न होने से भी बदतर है। यह उपयोगकर्ताओं को आप पर भरोसा न करने की सीख देता है और वह भरोसा वापस नहीं आता। यह तप नहीं है. यह मान्यता है कि AI उत्पादों में, सतह क्षेत्र दायित्व है। आपके द्वारा उजागर की गई प्रत्येक क्षमता गुणवत्ता के बारे में एक वादा है जिसे अब आपको असीमित इनपुट स्थान पर रखना होगा।

टेकअवे: एक छोटे स्टूडियो द्वारा निर्मित सबसे मूल्यवान कलाकृति अक्सर उन चीज़ों की सूची होती है जिन्हें बनाने से उसने इनकार कर दिया था। वह सूची उत्पाद की रीढ़ है। बड़ी टीमें एक को बनाए रखने के लिए संघर्ष करती हैं, क्योंकि किसी क्षमता को ना कहने का मतलब आम तौर पर किसी सहकर्मी को ना कहना होता है - औसत संस्करण भेजने की तुलना में अधिक कठिन बातचीत।

इसका क्या मतलब नहीं है

इसे "छोटा अच्छा, बड़ा बुरा" पर समाप्त करना सस्ता होगा। कुछ चीजों को वास्तव में पैमाने की आवश्यकता होती है: फ्रंटियर मॉडल प्रशिक्षण, ग्रह-पैमाने पर बुनियादी ढांचा, विनियमित डोमेन जहां हेडकाउंट ऑडिट ट्रेल्स और कानूनी रक्षात्मकता खरीदता है। स्टूडियो उनके लिए सही आकार नहीं है, और हम ऐसा होने का दिखावा नहीं करते हैं।

लेकिन जिस परत पर हम काम करते हैं - पहले से मौजूद मॉडलों के शीर्ष पर एप्लिकेशन को डिजाइन करना और शिपिंग करना - ठीक यही वह जगह है जहां स्केल मदद करना बंद कर देता है और पतला होना शुरू हो जाता है। वहां बाधा गणना या कर्मचारियों की संख्या को लेकर नहीं है। यह हज़ारों छोटे-छोटे निर्णयों पर लगातार लागू किया जाने वाला सुसंगत निर्णय है, जिसे काम के इतने करीब के लोगों द्वारा लिया जाता है कि वे हर फैसले को महसूस कर सकें।

ये है पूरा मामला. ऐसा नहीं है कि हम सस्ते या बेकार हैं, बल्कि यह कि माध्यम निर्णय की एकाग्रता को पुरस्कृत करता है, और एक छोटा संस्थापक के नेतृत्व वाला स्टूडियो निर्णय का सबसे केंद्रित रूप हो सकता है। जब मॉडल कुछ भी कर सकता है, तो यह दुर्लभ बात है कि कोई निर्णय ले - स्वाद के साथ, और परिणाम के लिए हुक पर - उसे क्या करना चाहिए, और अधिक बार, उसे क्या नहीं करना चाहिए।