कोई मानव टीम इसे नहीं पकड़ सकती
आंद्रे करपाथी, OpenAI के सह-संस्थापक और टेस्ला में AI के पूर्व निदेशक, ने मार्च 2026 में autoresearch नामक एक ओपन-सोर्स कोड रिपॉजिटरी प्रकाशित की। यह तंत्र सरल लेकिन प्रभावशाली है: एक आर्टिफिशियल इंटेलिजेंस एजेंट एक प्राकृतिक भाषा में लक्ष्य प्राप्त करता है, एक प्रशिक्षण फ़ाइल में संशोधन करता है, NVIDIA H100 GPU पर पांच मिनट के चक्रों में निष्पादित करता है, और मानक मेट्रिक के खिलाफ परिणामों को मापता है। यह प्रक्रिया मानव हस्तक्षेप के बिना दो दिनों में 700 प्रयोग पूरे करती है। आठ घंटों में, यह 100 प्रयोग पूरा करता है। इस रिपॉजिटरी को कुछ ही दिनों में GitHub पर 8,000 स्टार्स मिले।
टेक्नोलॉजी पर चर्चा करने से पहले, ऑपरेशनल इकोनॉमी पर बात की जानी चाहिए। एक मध्यम सॉफ्टवेयर कंपनी जो अपने भाषा मॉडल को अनुकूलित करना चाहती है, वह कार्य को दो या तीन डेटा वैज्ञानिकों की टीम को सौंप देती है। यह टीम अच्छी तरह से कंप्यूटिंग समय, दस्तावेज़ीकरण और समीक्षा बैठकों का प्रबंधन करते हुए, सप्ताह में केवल दस या पंद्रह बदलाव कर सकती है। Autoresearch इस अवधि में सौ बदलाव करता है। यह उत्पादकता में एक साधारण सुधार नहीं है: यह इटरेशन की गति में एक गणना का परिवर्तन है और इसे मौजूदा व्यापार मॉडल के साथ अवशोषित करना कठिन है।
करपाथी ने जो बनाया है वह एक वाणिज्यिक उत्पाद या व्यावसायिक प्लेटफार्म नहीं है। यह 630 लाइनों का कोड है जो एक सिद्धांत का परीक्षण करता है: स्वायत्त, सीमित और मापने योग्य प्रयोग चक्र उस गति से बढ़ते हैं जो मानव अनुक्रमिक कार्य के लिए संभव नहीं है। यही कारण है कि यह MSME के लिए एक महत्वपूर्ण समाचार है, भले ही उन्होंने अपने जीवन में कभी भाषा मॉडल को प्रशिक्षित न किया हो।
जो पैटर्न महत्वपूर्ण है वह AI मॉडल में नहीं है
एक मध्यम कंपनी का एक कार्यकारी इस कहानी को पढ़ते समय सबसे महंगा गलती कर सकता है, यह मानकर कि यह अनुसंधान प्रयोगशालाओं या आठ अंकों के कंप्यूटिंग बजट वाली कंपनियों के लिए एक प्रगति है। करपाथी के ऑटोनोमस लूप की तर्कशक्ति, जो परिवर्तन का प्रस्ताव करती है, उसे लागू करती है, परिणामों को एक वस्तुनिष्ठ मेट्रिक के खिलाफ मापती है और एक वर्जनिंग रिपॉजिटरी में प्रगति करती है, इसे बिना किसी संशोधन के कई प्रक्रियाओं पर लागू किया जा सकता है जो आज किसी भी आकार की कंपनियों में योग्य लोगों के समय का उपभोग कर रहे हैं।
एक प्रदर्शन विपणन एजेंसी को सोचें जो आज तीन दिन सप्ताह में विज्ञापन के विविध रूप बनाने में बिताती है, उन्हें पायलट अभियानों में चलाती है, डेटा को एक डैशबोर्ड में समेकित करती है और यह तय करती है कि क्या बढ़ाना है। या एक वित्तीय सेवा फर्म जो साप्ताहिक रिपोर्ट प्रस्तुत करने से पहले सैकड़ों दस्तावेज़ों की मैन्युअल समीक्षा करती है। या एक ई-कॉमर्स कंपनी जो उत्पाद की कीमतें और स्थिति समायोजित करती है following एक नियमों के अनुसार जो एक जूनियर विश्लेषक एक स्प्रेडशीट के साथ लागू करता है। इन सभी मामलों में, कार्य की संरचना autoresearch के समान है: एक वस्तुनिष्ठ मेट्रिक है, संशोधित करने के लिए व्यवस्थित रूप से परिवर्तनशीलताएँ हैं और एक फीडबैक लूप है जो वर्तमान में एक मानवीय को बंद करने की आवश्यकता है।
प्रतिस्पर्धात्मक अंतर यह नहीं होगा कि तकनीक में पहुंच है, बल्कि यह होगा कि कौन पहले अपने स्वयं के प्रक्रिया में एक साफ़ मेट्रिक पहचानता है ताकि उस लूप को स्वचालित किया जा सके। आज की कंपनियाँ जो 30 सेकंड में यह नहीं कह सकतीं कि उनका सबसे दोहराव वाला प्रक्रिया कौन-सा है, वे एक ऐसी अस्पष्टता के साथ चल रही हैं जिसे उनके प्रतिस्पर्धी अब माफ नहीं करेंगे जब वे इसे पहचान सकते हैं।
लीप्लिटिक्स द्वारा किए गए विश्लेषण, जो इस प्रोजेक्ट की रपटों में उल्लेखित हैं, सीधे इस पर ध्यान केंद्रित करते हैं: व्यवसाय बुद्धि के टीमें उन कार्यों पर अपनी क्षमता का एक अनुपातहीन हिस्सा खर्च कर रही हैं जिनमें स्पष्ट मेट्रिक्स हैं लेकिन उन्हे कोई ऑटोमेटेबल लूप के रूप में औपचारिक नहीं किया गया है। रिपोर्ट, विसंगति का पता लगाना, संभावित ग्राहकों का मूल्यांकन। ऐसे प्रक्रियाएँ जहां मानव प्रत्येक इटरेशन में संपादकीय मानदंड प्रदान नहीं करता है, बल्कि एक प्रोटोकॉल का पालन करता है जो पहले से ही उनकी निर्णयों में निहित है।
सबसे पहले जो समाप्त होता है, सब कुछ बदलता है
अधिकांश मध्यम कंपनियाँ इन उपकरणों को अपनाने की योजना बनाते समय एक ढाँचे में बँधकर काम करती हैं: वे इसे अपनी मौजूदा संचालन पर एक अतिरिक्त परत के रूप में देखती हैं। वे AI की खोज के लिए किसी को नियुक्त करती हैं, एक पायलट का अनुरोध करते हैं, उपकरणों के लिए बजट जोड़ते हैं, और मूल प्रक्रिया को सुरक्षा जाल के रूप में समानांतर में कार्यान्वित करना जारी रखते हैं। परिणाम यह होता है कि वे संक्रमण अवधि के दौरान लागत को डुप्लिकेट करते हैं और कभी भी मूल घर्षण को समाप्त नहीं करते।
Autoresearch की तर्कशक्ति इसके विपरीत सुझाती है। यह प्रोजेक्ट इसलिए काम करता है क्योंकि यह जानबूझकर की गई बाधाओं पर आधारित है: एक ही संपादनीय फ़ाइल, ठीक पांच मिनट का प्रशिक्षण, एक ही मूल्यांकन मेट्रिक। करपाथी ने अनुसंधान प्रयोगशाला की जटिलता की नकल करने की कोशिश नहीं की। उसने हर चीज़ को हटा दिया जो लूप को काम करने के लिए आवश्यक नहीं था, और यह समाप्ति वह गति को संभव बनाती है।
एक MSME के लिए, संचालन का प्रश्न यह नहीं है कि कितनी AI जोड़नी है, बल्कि कौन-सी प्रक्रिया के परिवर्तनशीलता को फिक्स किया जा सकता है, कौन-सी परिवर्तनशीलता को इटरेशन के लिए खुला रखा जा सकता है और एक ही मेट्रिक कौन-सी है जिसके खिलाफ प्रगति मापी जाती है। यही बाधा की संरचना एक अराजक प्रक्रिया को एक स्केलेबल लूप में परिवर्तित करती है। और यह संरचना अनुसंधान बजट की आवश्यकता नहीं है: इसे स्वचालित करने से पहले प्रक्रिया का निदान करने के लिए विश्लेषणात्मक अनुशासन की आवश्यकता होती है।
करपाथी के रिपॉजिटरी के चारों ओर बनी समुदाय ने तुरंत कई एजेंटों के साथ संस्करणों का अन्वेषण करना प्रारंभ किया: एक जो परिकल्पना बनाता है, दूसरा जो प्रयोगों को निष्पादित करता है, एक तीसरा जो परिणामों को संक्षिप्त करता है। यह विशेष मोड्यूलर विशेषज्ञता का पैटर्न ठीक वही है जिसे मध्यम कंपनियों को देखना चाहिए, क्योंकि यह कार्यकारी टीम की संरचना को दोहराता है, लेकिन वास्तविक मानव टीमों की समन्वय की रुकाबतों के बिना।
ऐसा नेतृत्व जो अपनी मांग पैदा करता है, न कि जो टुकड़ों का ऑप्टिमाइज़ करता है
Autoresearch जैसे उपकरणों के चारों ओर का प्रमुख नैरेशंस अक्सर दक्षता के संदर्भ में स्थापित होता है: एक ही कार्य को तेजी से और सस्ते में करना। यह दृष्टिकोण सही है लेकिन अपर्याप्त है, और यही कारण है कि प्रबंधक इन उपकरणों को लागत कम करने के लिए लागू कर रहे हैं बिना बहुसंख्यक मूल्य प्रस्ताव को बदलने के।
सबसे गहरी संभावना भिन्न है। एक MSME जो अपनी मूल्य प्रस्ताव के सौ विविधताएँ संचालित कर सकती है, जबकि उसका प्रतियोगी दो का परीक्षण कर रहा है, न केवल अधिक दक्षता प्रभावी है: बल्कि वह एक ऐसी लर्निंग रेट के साथ चलाने में सक्षम है जो उसे अनुक्रमों को खोजने में सक्षम बनाता है जो किसी भी बाजार में अभी भी खोजे नहीं गए हैं। इटरेशन की गति, जब एक ऐसे मेट्रिक से संलग्न होती है जो ग्राहक के लिए वास्तविक मूल्य को मापती है, तो वह एक ऐसा तंत्र बन जाती है जो मांग खोजने के लिए बनता है जो कोई और नहीं दे रहा है।
यह स्वचालित रूप से नहीं होता। यह तब होता है जब कार्यकारी समझते हैं कि यह उपकरण बिना एक स्पष्ट रूप से निर्मित प्रारंभिक परिकल्पना के कुछ नहीं है कि प्रक्रिया में कौन-सी परिवर्तनशीलता ग्राहक के अनुभव पर सबसे बड़ा प्रभाव डालती है। करपाथी एंजिन प्रदान करता है; कंपनी की रणनीति उसका गंतव्य तय करती है। वह नेतृत्व जो बिना परिणामों के AI पायलटों पर बजट जलाने का काम करती है, यही है जो तेजी से प्रतियोगिता के औऱ अधिक क्षेत्र में पहुँच जाती है। दलाली जो दीर्घकालिक स्थिति बनाती है वह तेजी से प्रयोग करने के लिए प्रयोगकर्ताओं की स्पीड का उपयोग करती है ताकि उस स्थान को पहचान सकें और उन्हें अधिग्रहण कर सकें जिसका बाजार अभी तक नहीं जानता है कि इसकी आवश्यकता है।
