ब्लॉक और 40% की छंटनी: जब AI उपकरण से ऑपरेशनल संरचना में बदल जाती है
Block Inc., जो Square और Cash App के पीछे की फिनटेक कंपनी है, ने 26 फरवरी 2026 को 4,000 से अधिक पदों की छंटनी की घोषणा की, जो उसकी वैश्विक पूर्णकालिक कर्मचारियों की संख्या का लगभग 40% है (2025 के दिसंबर में 10,205 व्यक्ति) और इसे 2026 के वित्तीय दूसरे तिमाही के अंत तक लागू किया जाएगा। संवाद में कोई अस्पष्टता नहीं थी: AI पहले से ही छोटे टीमों को "महत्वपूर्ण कार्यभार" संभालने की अनुमति देती है, जैसा कि इसके CFO और COO, अमृता आहूजा ने एक विशेष साक्षात्कार में समझाया। Jack Dorsey, Block के CEO, ने विचार प्रस्तुत किया: छोटी और अधिक सपाट टीमें एक कंपनी को बनाने और चलाने का एक अलग तरीका सक्षम बनाती हैं।
बाजार ने इस कदम को तुरंत दक्षता में सुधार के रूप में देखा: घोषणा के बाद स्टॉक में 23% से अधिक की वृद्धि हुई। लेकिन उस कीमत में उछाल असली तंत्र को नहीं बताता। अगर हम व्यवसाय को एक संरचना के रूप में देखें, तो यह छंटनी एक "व्यय समायोजन" नहीं है; यह कार्यभार के पुन: डिज़ाइन का विषय है: कौन सा काम किस उत्पाद का समर्थन करता है, किस प्रकार की प्रतिभा के साथ, और किस स्थायी लागत के साथ। Block यह दावा कर रहा है कि उसकी नई मुख्य बीम AI है — जिसमें उसका खुद का मॉडल, "goose" शामिल है — और कि भवन कम मानव स्तंभों के साथ खड़ा हो सकता है।
निर्णय को कथा से नहीं, बल्कि स्थापित क्षमता से उचित ठहराया गया
आहूजा ने इस मोड़ को AI की क्षमताओं में 18 महीनों की छलांग के रूप में पेश किया, और तब से "विश्वास" की कुंजीकारक शब्द है: विश्वास कि छोटे टीमें महत्वपूर्ण काम कर सकती हैं। संगठनात्मक वास्तुकला के संदर्भ में, इसका मतलब है कि Block मानता है कि उन्होंने कार्य के एक भाग को — जो पहले समन्वय, लेखन, सहायता, विश्लेषण, परीक्षण और विकास में बहुत मेहनती था — सॉफ़्टवेयर के स्थापित क्षमता में बदल दिया है।
Dorsey ने इस छंटनी को कई बार होने वाली छंटनी से बचने के लिए एक एकल बार की हस्तक्षेप के रूप में फ्रेम किया है, जो नैतिक, ध्यान और विश्वास को कमजोर करता है। यह विवरण महत्वपूर्ण है क्योंकि यह एक इंजीनियरिंग मानदंड को प्रकट करता है: यदि भवन को पुन: गणना करना तय किया गया है, तो "पैच" की बजाय समग्र पुन: डिज़ाइन पसंद किया गया है जो अस्थिर क्षेत्रों को छोड़ देता है। उन्होंने कहा कि वह विदाई के लिए (ईमेल और Slack) चैनल खुले रखेंगे और कर्मचारियों के साथ एक वीडियो सत्र करेंगे। यह एक छोटा सा विवरण नहीं है; यह दर्शाता है कि यहां तक कि एक दक्षता-आधारित छंटनी में, मानव घर्षण मौजूद है और इसे सिस्टम का एक हिस्सा के रूप में प्रबंधित किया जाता है।
सबसे दिलचस्प बात यह है कि "क्यों अब" का स्पष्ट होना है। Block ने पहले 2025 में 931 नौकरियों (8% श्रमिक बल) की छंटनी की थी, और उस समय स्पष्टीकरण प्रदर्शन और रणनीति के रूप में था, न कि AI द्वारा प्रतिस्थापन के रूप में। 2026 में, संदेश बदलता है: AI वादे से काम की पुनःसंरचना के इंजन में बदल जाता है। यह भाषा का बदलाव, अपने आप में, आंतरिक परिपक्वता का संकेत है: जब एक संगठन भूमिकाओं, टीमों और पदानुक्रम को स्वचालन के बारे में फिर से डिज़ाइन करने के लिए तैयार होता है, तो यह प्रयोगों के बारे में बात करना बंद कर देता है और कर्मचारी प्रदान करने के बारे में बात करना शुरू कर देता है।
विशाल छंटनी का मतलब लाभप्रदता मॉडल में घर्षण का स्वीकार्यता भी है
Block ने 2025 में 10,000 मिलियन डॉलर से अधिक की कुल आय रिपोर्ट की, जो वर्ष दर वर्ष 17% अधिक थी। कुल आय को बढ़ाना और फिर भी 40% की छंटनी करना एक संचालन संदेश छोड़ता है: समस्या मांग नहीं थी, समस्या थी मार्जिन पर पैमाने का रूपांतरण। विशेष ब्रीफिंग में कहा गया है कि Block "लाभप्रदता में पीछे है" Visa, Mastercard और Shopify जैसे समकक्षों की तुलना में, जिनके कुल मार्जिन आधे से भी कम हैं। बिना किसी अघातक तुलना में, दिशा स्पष्ट है: बाजार अब "अधिक लोग के साथ अधिक मात्रा" को पुरस्कृत नहीं करता; यह संरचना की प्रति इकाई अधिक लाभ को पुरस्कृत करता है।
यहां AI दो समवर्ती आंदोलनों का एक लिवर के रूप में कार्य करता है। पहले, यह सीधे और अप्रत्यक्ष श्रम लागत को कम करता है। ब्रीफिंग में उद्धृत अनुमान — मात्रात्मक आदेश के रूप में — यह सुझाव देती है कि 4,000 भूमिकाओं को खत्म करने से, जिनके औसत वेतन 100,000 डॉलर हैं, लगभग 400 मिलियन वार्षिक वेतन की वसूली हो सकती है, हालांकि स्वयं विश्लेषण चेतावनी देता है कि AI की लागत (डेटा केंद्र, समीकरण टोकन, संचालन, प्रशिक्षण) बचत का महत्वपूर्ण हिस्से को पकड़ सकती है। सही दृष्टिकोण यह नहीं है कि "AI प्रतिस्थापित करता है और खत्म!" बल्कि यह है कि "AI लागत की सीमा बदलता है": जो कुछ भी पहले मानव स्थायी लागत थी, वह तकनीकी लागत बन जाती है जो भिन्न तरीके से स्केल कर सकती है, लेकिन मुफ्त नहीं है।
दूसरा, और अधिक महत्वपूर्ण, AI सबसे कम स्पष्ट लागत को कम करता है: समन्वय। तेज़ी से बढ़ने वाली कंपनियों में, प्रबंधन की परतों, समीक्षाएं, निर्भरताएं और प्रक्रियाएं जोड़कर पत्थर का तर्क अक्सर बढ़ता है। Dorsey ने "सपाट टीमें" के बारे में बात की; यह आमतौर पर उन परतों को खत्म करने का इशारा करता है जो सीधे उत्पाद, बिक्री या स्थिरता का उत्पादन नहीं करती हैं। अगर AI वास्तव में उत्पादन और प्रलेखन का समय कम करता है, तो यह मध्यस्थता की आवश्यकता को भी कम करता है। और जब यह मध्यस्थता कम हो जाती है, तो एक संगठन कम "हॉल" और अधिक "जुड़ी हुई कमरे" के साथ कार्य करने की कोशिश कर सकता है।
स्ट्रेटेजिक सवाल — बिना सवाल के सवाल — यह है कि क्या Block प्रक्रियाओं को नया स्वरूप दे रहा है या केवल कर्मचारियों की संख्या को घटा रहा है। Josh Bersin, जो ब्रीफिंग में उद्धृत किया गया है, का कहना है कि AI शायद ही कभी नौकरियों को बिना पुनः इंजीनियरिंग खत्म करता है; यह व्यक्तिगत उत्पादकता को बढ़ाता है, लेकिन छंटनी तब होती है जब सिस्टम को पुनः कॉन्फ़िगर किया जाता है। Block, कम से कम अपनी संचार के अनुसार, कह रहा है कि हां, इसे पुनः कॉन्फ़िगर किया गया है ताकि यह लागू करने के लिए पर्याप्त हो।
महत्वपूर्ण टुकड़ा यह है कि IA, उत्पाद और चैनल को संरेखित करना चाहिए, या भवन झिलमिलाएगा
फिनटेक में इस स्तर की छंटनी जो Square और Cash App जैसे बड़े उत्पादों का संचालन करती है, एक तनाव खोलती है: कम लोगों के साथ नवाचार की गति बनाए रखना। एक संरचनात्मक स्तर पर, जोखिम "कम करना" नहीं है, यह "एक महत्वपूर्ण कार्यभार को बिना समर्थन छोड़ना" है: ग्राहक सेवा, सुरक्षा, अनुपालन, भुगतान की अखंडता, धोखाधड़ी की रोकथाम, उत्पाद की विश्वसनीयता। भुगतान में, गलतियाँ मजेदार सफाई नहीं हैं; ये हानियाँ, दावे, दंड और निकासी हैं।
इसलिए इस अपने खुद के मॉडल "goose" का विवरण अधिक महत्वपूर्ण है जितना दिखाई देता है। यह नाम के कारण नहीं है, बल्कि इरादे के कारण: जब एक कंपनी एक मॉडल विकसित करती है या अनुकूलित करती है, तो वह चाहती है कि AI अपने संदर्भ, डेटा, फ्लो और नीतियों के अनुसार समायोजित हो। यांत्रिक दृष्टिकोण से, यह एक सटीक टुकड़ा बनाने की कोशिश कर रही है बजाय एक सामान्य घटक सटाने के। फिर भी, जोखिम भी स्थानांतरित होता है: अब यह केवल "मानव क्षमता" नहीं है, बल्कि मॉडल की शासन, गुणवत्ता नियंत्रण, प्रशिक्षण, निगरानी, सुरक्षा और संचालन पूर्वाग्रह है। LLM एक कर्मचारी नहीं है; यह एक मशीन है जिसे रखरखाव, परीक्षण, सीमाएं और ऑडिट की आवश्यकता होती है।
ब्रीफिंग में एक और महत्वपूर्ण बिंदु पर भी चर्चा होती है: उन्नत AI का संचालन करने की लागत पाठ्यक्रम के एक महत्वपूर्ण हिस्से के लागत के बराबर हो सकती है। यह सुनिश्चित करता है कि परिणाम का निर्भरता “AI होने पर नहीं है, बल्कि कहाँ लागू किया जाता है।” उच्च मात्रा और कम अस्पष्टता वाले कार्यों के लिए AI लागू करना स्पष्ट रूप से रिटर्न प्रकट करता है। आंतरिक “उच्च संदर्भ और गैर रैखिक” इंजीनियरिंग पर AI लागू करने से, जैसे कि Bersin चेतावनी देता है, कार्य के कुछ हिस्सों को गति मिल सकती है, लेकिन यह मानदंड, वास्तुकला, परीक्षण और जिम्मेदारी की आवश्यकता को खत्म नहीं करता है। यदि Block कार्य के प्रकार के अनुसार AI की आवंटन को नया स्वरूप नहीं देता है, तो संगठन थकान की श्रेणियों में उम्र के शिकार का जोखिम उठाता है: कम लोग घटनाओं, लॉन्च और तकनीकी ऋणों को समाप्त करने वाले होते हैं।
Block जो करने की कोशिश कर रहा है, ठंडे दृष्टिकोण से, आंतरिक परमाणुरीकरण का पारिस्थितिकी: अधिक स्पष्ट संस्थाओं को छोटे स्पष्ट कार्यों के साथ प्रस्तुत करना, AI के सहयोग से, और "सभी को सभी की सेवा करने" के पैटर्न को टालना। जब यह काम करता है, तो यह दो कठोर मैट्रिक्स में दिखता है: बिना गुणवत्ता गिराए कम डिलीवरी चक्र, और बिना चूहों या धोखाधड़ी के भले-भले ऑपरेटिंग मार्जिन। जब यह काम नहीं करता, तो यह जल्दी दिखता है: अधिक रुकावट, अधिक वृद्धि, अधिक घटनाओं की लागत और एक संगठन जो फिर से छिद्रों को भरने के लिए हायरिंग कर रहा है।
बाजार के लिए संदेश: कर्मचारी अब महत्वाकांक्षा को मापने का पैमाना नहीं है
घोषणा के बाद 23% की वृद्धि दिखाती है कि दक्षता की भूख मौजूद है। लेकिन शेयर बाजार की प्रतिक्रिया को मॉडल की सेहत के साथ भ्रमित करना एक सामान्य गलती है: मूल्य अपेक्षाओं पर प्रतिक्रिया करता है, न कि पुष्टि की गई निष्पादन पर। वास्तविक निष्पादन को अगले तिमाही में और, विशेष रूप से, निरंतरता में मूल्यांकन किया जाएगा: कुल आय के विकास को बनाए रखने और बिना उत्पादों के उलट करने के लिए।
Dorsey ने इस कदम को बार-बार छंटनी से बचने और उसकी पीड़ाओं को प्रफुल्लित करने का एक तरीका बताया। यह शासन का निर्णय है, न कि केवल वित्तीय। कई बार कटौती करना सामान्यतः उन योजनाओं के साथ संचालन के समान होता है: हर हस्तक्षेप से पता चलता है कि प्रारंभिक गणना अपर्याप्त थी। एक बड़ी एकल बार की कटौती करना एक अधिक आक्रामक पुनः डिज़ाइन है; यह भविष्य की अनिश्चितता को संगठन के लिए कम करता है, लेकिन बिना पता लगाए एक समर्थन का एक स्तंभ निकालने का जोखिम बढ़ाता है।
इस क्षेत्र में, Block अकेला नहीं है। ब्रीफिंग ने प्रौद्योगिकी में छंटनी और 2026 में अमेज़न जैसे मामले के संदर्भ को भी उल्लेख किया। एक पैटर्न है: कंपनियां, जो "नियुक्ति करना और बढ़ता" का लॉजिक से बढ़ी हैं, "कम लोगों के साथ अधिक उत्पादन" की ओर बढ़ रही हैं, जिनका दबाव मार्जिन के द्वारा है और कार्यालय के कार्यों पर लागू होने वाले AI की उपलब्धता से। बारीकी यहाँ है कि सभी कंपनियों के पास समान प्रकार का कार्य नहीं होता है। फिनटेक सॉफ़्टवेयर, विनियमन और लेनदेन के जोखिम का संयोजन करता है। मार्जिन केवल तेज़ कोड धारियों के साथ खरीदे नहीं जाते; वे नियंत्रण और विश्वास के साथ बनाए रखा जाते हैं।
यदि Block यह सुनिश्चित करता है कि उसका AI दोहराने वाले काम, प्रलेखन, आंतरिक सहायता, टिकटों का विश्लेषण, विकास के कुछ हिस्से और परीक्षण को अवशोषित करे, तो यह वरिष्ठ प्रतिभा को उत्पाद और सुरक्षा के निर्णयों के लिए मुक्त कर सकता है। यदि वह यह पुनर्वितरण करने में असफल है, तो छंटनी AI को एक लेखा व्यंजन का बहाना और शेष टीमों को घटनाओं के अवशोषकों में बदल देती है।
ऑपरेशनल थिसिस सरल और चुनौतीपूर्ण है: AI केवल एक सजावट नहीं हो सकती; इसे संरचना में बदलना चाहिए, प्रक्रियाओं और सीमाओं के साथ, अन्यथा कंपनी मानव लागत को अराजकता की लागत में बदल देती है।
यांत्रिकी जो निर्णय करेगी कि क्या Block जीती या सिर्फ पतला हुई
Block की घोषणा में एक कठोर पढ़ाई है: कंपनी का दावा है कि वे अब कम लोगों के साथ काम कर सकते हैं क्योंकि उनका AI — जिसमें "goose" शामिल है — ने कार्यात्मक उत्पादकता को पर्याप्त रूप से बढ़ा दिया है। इसके अलावा एक अधिक गहरा पाठ है: Block एक ऐसा संगठन बनाने की कोशिश कर रहा है जिसमें कम घर्षण, कम परतें और अधिक "प्रत्यक्ष उत्पाद में काम" है, क्योंकि इसकी लाभप्रदता उसकी कुल आय की उच्चता में नहीं है।
सफलता को छंटनी के कार्यों की संख्या द्वारा नहीं मापा जाएगा, बल्कि उस भवन की स्थिरता पर, जब द्रव्यमान को हटा दिया जाता है। यदि संरचना सही ढंग से परिकलित होती है, तो यह मार्जिन में सुधार के साथ और ऑपरेटिंग जोखिमों का घटाव किए बिना नवाचार की निरंतरता में दिखाई देगा। यदि यह गलत तरीके से परिकलित होती है, तो दरारें प्रकट होंगी: अधिक विफलताएँ, अधिक छिपी हुई लागत और एक लौटना जो संभावित बचत को अमान्य करता है।
कंपनियाँ विचारों की कमी के कारण नहीं असफल होती हैं; वे असफलता तब होती हैं, जब उनके मॉडल के टुकड़े — प्रस्ताव, लागत, टीम और निष्पादन — ठीक से मेल नहीं खाते ताकि मापनीय मूल्य और स्थायी नकदी उत्पन्न की जा सके।
