AI आपको 100 गुना तेज़ क्यों बनाता है लेकिन आपकी कंपनी को नहीं - मिशेल ट्रोयानोव्स्की, बेसिस
Original · Why AI Makes You 100x Faster but Not Your Company - Mitchell Troyanovsky, Basis
Key Takeaway
एजेंटों को बड़े पैमाने पर सफल बनाने के लिए उन्हें सरल और विश्वसनीय होना चाहिए, जिसे केवल निश्चित राय और मजबूत प्रक्रियाओं के माध्यम से प्राप्त किया जा सकता है.
Highlights
व्यक्तिगत उत्पादकता में 100 गुना वृद्धि के बावजूद औसत उद्यमों और फर्मों की उत्पादकता में उस पैमाने पर वृद्धि नहीं होती है.
वर्तमान कोडिंग-शैली के एजेंट उत्पाद उपयोगकर्ताओं पर जटिलता और दक्षता अंतराल का भारी बोझ डालते हैं.
उत्पादन एजेंटों को विश्वसनीय बनाने के लिए प्रक्रिया अंतराल को हल करना और दृढ़निश्चयी होना आवश्यक है.
एजेंटों के साथ काम करना किसी सहकर्मी के साथ काम करने जितना सरल और भरोसेमंद होना चाहिए.
बिहेवियर स्पेक और फ़ार्किंग जैसे उपकरण एजेंट के व्यवहार की निगरानी और सुधार करने के लिए मुख्य संकेत प्रदान करते हैं.
Timeline
व्यक्तिगत उत्पादकता बनाम व्यावसायिक उत्पादकता का विरोधाभास
आधार संस्थान के सह-संस्थापक मिच बताते हैं कि न्यू यॉर्क स्थित कार्यालय में उनका मुख्य ध्यान एजेंटों से विश्वसनीय रूप से प्रोडक्शन-स्केल का काम करवाने पर है। हालांकि व्यक्तिगत डेवलपर्स और ज्ञान कार्यकर्ता आधुनिक कोडिंग टूल की मदद से बेहद उत्पादक बन चुके हैं, लेकिन पारंपरिक कंपनियाँ उसी अनुपात में आगे नहीं बढ़ पाई हैं। कंपनियाँ कर्मचारियों की अनिश्चित बुद्धिमत्ता के बावजूद प्रक्रियाओं का पालन करवाकार भरोसेमंद और एक समान परिणाम प्राप्त करती हैं.
- व्यक्तिगत रूप से एआई उपकरणों का उपयोग करने वाले लोग अपनी उत्पादकता में 100 गुना वृद्धि देखते हैं.
- औसत कंपनियों और उद्यमों में वह व्यापक उत्पादकता वृद्धि देखने को नहीं मिलती है.
- कंपनियाँ निश्चित प्रणालियों के बजाय स्थापित प्रक्रियाओं के माध्यम से लगातार अच्छे परिणाम उत्पन्न करती हैं.
वर्तमान एजेंट उत्पादों की दो मुख्य समस्याएँ
मौजूदा कोडिंग-शैली के एजेंट उत्पादों में दो बड़ी कमियाँ हैं। पहली कमी दक्षता अंतराल है जहाँ उपयोगकर्ता को यह सोचना पड़ता है कि एजेंट का उपयोग कब और कैसे किया जाए। दूसरी कमी प्रक्रिया अंतराल है, क्योंकि जब हर कर्मचारी एजेंट के उपयोग का अपना अलग तरीका अपनाता है, तो संगठन की निरंतरता नष्ट हो जाती है। संगठनात्मक पैमाने पर प्रक्रियाओं को शीर्ष स्तर से निर्देशित किया जाना चाहिए.
- वर्तमान एजेंट उत्पाद जटिलता को सीधे उपयोगकर्ता पर टाल देते हैं जिससे दक्षता अंतराल पैदा होता है.
- काम करने का तरीका कर्मचारी पर निर्भर होने के कारण एक प्रक्रिया अंतराल उत्पन्न होता है.
- संगठनों को बढ़ाने वाली प्रक्रियाएँ वरिष्ठ नेतृत्व से नीचे की ओर आनी चाहिए न कि व्यक्तिगत कर्मचारियों से.
दृढ़निश्चयी एजेंट और विश्वसनीयता का निर्माण
उत्पादन एजेंटों के विकास की कुंजी यह है कि वे बिना किसी जटिलता के उपयोगकर्ता के लिए सहकर्मी की तरह काम करें। पूर्णता की कोई आवश्यकता नहीं है, बल्कि निरंतरता और विश्वसनीयता सबसे महत्वपूर्ण हैं। किसी कार्य को करने के लिए कई तकनीकें हो सकती हैं, लेकिन एजेंट को एक निश्चित राय और तरीके का पालन करना चाहिए ताकि हर बार एक समान और सटीक परिणाम मिल सकें.
- उत्पादन एजेंटों को सफल बनाने के लिए उन्हें सरल और अत्यधिक विश्वसनीय होना चाहिए.
- एजेंटों को काम करने के तरीके में दृढ़निश्चयी होना आवश्यक है ताकि परिणाम एक जैसे मिल सकें.
- प्राथमिक स्रोतों को पढ़ना या पावरपॉइंट की छवि लेना जैसी राय एजेंट के काम को सटीक बनाती हैं.
व्यवहार विनिर्देश, फ़ार्किंग और सिमुलेशन तकनीकें
उत्पादन में एजेंटों के व्यवहार को नियंत्रित करने के लिए केवल सिस्टम प्रॉम्प्ट पर्याप्त नहीं होते हैं, बल्कि बिहेवियर स्पेक की आवश्यकता होती है। जब कोई मूल्यांकन विफल होता है, तो फ़ार्किंग और सिमुलेशन के माध्यम से एजेंट के निर्णयों की पुनरावृत्ति की जाती है। अंततः, सरल और विश्वसनीय एजेंट ही संगठनों में वास्तविक जीडीपी और आउटपुट को बढ़ाते हैं.
- व्यवहार विनिर्देश का उपयोग करके एजेंटों के रनटाइम डेटा और निर्णयों की निगरानी की जाती है.
- फ़ार्किंग की मदद से विफल प्रक्षेप पथों के ठीक पहले के बिंदु से जाँच की जा सकती है कि गलती कहाँ हुई.
- सिमुलेशन तकनीक कम खर्चीली और तेज़ विधि है जिससे एजेंट निर्माता अपने विचारों और व्यवहारों का परीक्षण करते हैं.
Description
Individual engineers have seen huge productivity gains from AI, but most companies haven't. Mitchell Troyanovsky, co-founder of Basis, argues that agents need to be simple and reliable to spread through a company, and the way to get there is to make them opinionated. He covers behavior specs, why outcome evals don't generalize to production, and two tools for finding out why an agent made a bad call: forking and sub-agent simulations. 0:00 Intro to Basis 0:42 Why company productivity hasn't jumped 1:41 How organizations scale with processes 3:29 The competency gap and the process gap 5:57 Agents need to be opinionated 9:02 Why outcome evals don't generalize 10:18 Example: a bank reconciliation behavior 12:03 Behavior specs 13:24 Forking to diagnose bad decisions 15:15 Simulations with sub-agents 17:10 Earning trust like a coworker 18:10 Why not let agents find a better way? Mitchell Troyanovsky, co-founder of Basis Join us in SF for the second annual AIE CODE summit: https://aie.codes our last flagship summit of 2026. Applications live now!