05 ਅਗ 2025·8 ਮਿੰਟ
Marc Andreessen: ਸਾਫਟਵੇਅਰ, AI ਅਤੇ ਅਗਲਾ ਕਦਮ
Marc Andreessen ਦੇ ਸਾਫਟਵੇਅਰ ਅਤੇ AI ਬਾਰੇ ਮੁੱਖ ਵਿਚਾਰਾਂ ਦਾ ਵਿਅਵਹਾਰਕ ਮਾਰਗਦਰਸ਼ਨ—ਇਹ ਉਤਪਾਦ, ਸਟਾਰਟਅਪ, ਕੰਮ, ਨਿਯਮਕਤਾ ਅਤੇ ਭਵਿੱਖ 'ਤੇ ਕੀ ਅਸਰ ਪਾ ਸਕਦਾ ਹੈ, ਇਸ ਦੀ ਸਪਸ਼ਟ ਸਮਝ।
Marc Andreessen ਦੇ ਸਾਫਟਵੇਅਰ ਅਤੇ AI ਬਾਰੇ ਮੁੱਖ ਵਿਚਾਰਾਂ ਦਾ ਵਿਅਵਹਾਰਕ ਮਾਰਗਦਰਸ਼ਨ—ਇਹ ਉਤਪਾਦ, ਸਟਾਰਟਅਪ, ਕੰਮ, ਨਿਯਮਕਤਾ ਅਤੇ ਭਵਿੱਖ 'ਤੇ ਕੀ ਅਸਰ ਪਾ ਸਕਦਾ ਹੈ, ਇਸ ਦੀ ਸਪਸ਼ਟ ਸਮਝ।
Marc Andreessen ਇੱਕ ਸਿਲਿਕੋਨ ਵੈਲੀ ਉਦਯਮੀ ਅਤੇ ਨਿਵੇਸ਼ਕ ਹਨ, ਜੋ ਨੈਟਸਕੇਪ (ਇੱਕ ਪਹਿਲਾ ਵਿਆਪਕ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਵੈੱਬ ਬ੍ਰਾਊਜ਼ਰ) ਬਣਾਉਣ ਅਤੇ ਬਾਅਦ ਵਿੱਚ Andreessen Horowitz ਵੈਂਚਰ ਫੰਡ ਸਹਿ-ਸੰਸਥਾਪਕ ਹੋਣ ਲਈ ਜਾਣੇ ਜਾਂਦੇ ਹਨ। ਲੋਕ ਉਸਦੀ ਸੋਚ ਨੂੰ ਇਸ ਲਈ ਫੋਲੋ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹਨੇ ਕਈ ਤਕਨਾਲੋਜੀ ਲਹਿਰਾਂ ਨੂੰ ਨੇੜੇ ਤੋਂ ਵੇਖਿਆ ਹੈ—ਉਤਪਾਦ ਬਣਾਉਣਾ, ਕੰਪਨੀਆਂ ਨੂੰ ਫੰਡ ਦੇਣਾ ਅਤੇ ਸਰਜਨਾਤਮਕ ਤੌਰ 'ਤੇ ਬਾਜ਼ਾਰਾਂ ਬਾਰੇ ਦਲੀਲ ਕਰਨੀ।
ਇਸ ਸੈਕਸ਼ਨ ਦਾ ਮਕਸਦ ਜੀਵਨੀ ਨਹੀਂ ਹੈ ਅਤੇ ਨਾ ਹੀ ਇਹ ਪ੍ਰਸ਼ੰਸਾ ਹੈ। ਟੀਕਾ ਸਧਾਰਨ ਹੈ: Andreessen ਦੇ ਵਿਚਾਰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸਿਗਨਲ ਹੁੰਦੇ ਹਨ। ਫਾਊਂਡਰ, ਏਗਜ਼ੈਕਟਿਵ ਅਤੇ ਨੀਤੀ-ਨਿਰਮਾਤਾ ਅਕਸਰ ਉਨ੍ਹਾਂ 'ਤੇ ਪ੍ਰਭਾਵ ਪਾਉਂਦੇ ਹਨ—ਯਾ ਤਾਂ ਉਸਦੇ ਫਰੇਮਵਰਕ ਨੂੰ ਅਪਣਾਉਂਦੇ ਹੋਏ ਜਾਂ ਉਸ ਨੂੰ ਝੁਠਾ ਸਾਬਤ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹੋਏ। ਕਿਸੇ ਵੀ ਹਾਲਤ ਵਿੱਚ, ਉਸਦੇ theses ਇਹ ਪ੍ਰਭਾਵ ਦਿਖਾਉਂਦੇ ਹਨ ਕਿ ਕੀ ਬਣਾਇਆ, ਫੰਡ ਕੀਤਾ ਅਤੇ ਨਿਯਮਤ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ।
ਇਸ ਲੇਖ ਨੂੰ ਫੈਸਲੇ ਕਰਨ ਲਈ ਪ੍ਰਯੋਗਿਕ ਚਸ਼ਮੇ ਸਮਝੋ:
ਜੇ ਤੁਸੀਂ ਉਤਪਾਦ ਤੇ ਦਾਅਵਾਂ ਲਾ ਰਹੇ ਹੋ, ਰਣਨੀਤੀ ਤਿਆਰ ਕਰ ਰਹੇ ਹੋ ਜਾਂ ਬਜਟ ਵੰਡ ਰਹੇ ਹੋ, ਇਹ ਚਸ਼ਮੇ ਤੁਹਾਡੇ ਲਈ ਬਿਹਤਰ ਸਵਾਲ ਪੁੱਛਣ ਵਿੱਚ ਮਦਦਗਾਰ ਹੋਣਗੇ: ਕੀ ਸਸਤਾ ਹੋ ਜਾਂਦਾ ਹੈ? ਕੀ ਕਮੀ ਹੋ ਜਾਵੇਗੀ? ਕਿਹੜੀਆਂ ਨਵੀਆਂ ਪਾਬੰਦੀਆਂ ਸਾਹਮਣੇ ਆਉਂਦੀਆਂ ਹਨ?
ਅਸੀਂ ਅਸਲ "software eats the world" thesis ਨਾਲ ਸ਼ੁਰੂ ਕਰਾਂਗੇ ਅਤੇ ਵੇਖਾਂਗੇ ਕਿ ਕਿਉਂ ਇਹ ਅਜੇ ਵੀ ਕਾਰੋਬਾਰੀ ਬਦਲਾਵ ਨੂੰ ਬੜੇ ਪាឧਕਾਰ ਤੇ ਸਮਝਾਉਂਦਾ ਹੈ। ਫਿਰ ਅਸੀਂ AI ਨੂੰ ਇੱਕ ਨਵੇਂ ਪਲੇਟਫਾਰਮ ਬਦਲਾਅ ਵਜੋਂ ਦੇਖਾਂਗੇ—ਇਹ ਕੀ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ, ਕੀ ਟੁੱਟਦਾ ਹੈ, ਅਤੇ ਇਹ ਸਟਾਰਟਅਪ ਗਤੀਵਿਧੀ ਨੂੰ ਕਿਵੇਂ ਤਬਦੀਲ ਕਰਦਾ ਹੈ।
ਆਖ਼ਿਰ ਵਿੱਚ, ਅਸੀਂ ਮਨੁੱਖੀ ਅਤੇ ਸੰਸਥਾਗਤ ਪ੍ਰਭਾਵਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਾਂਗੇ: ਕੰਮ ਅਤੇ ਨੌਕਰੀਆਂ, ਖੁੱਲ੍ਹੇ বনਾਮ ਬੰਦ AI ਸਿਸਟਮ, ਅਤੇ ਨਿਯਮਕਤਾ, ਸੁਰੱਖਿਆ ਅਤੇ ਨਵੀਨਤਾ ਦਰਮਿਆਨ ਟੱਕਰ। ਮਕਸਦ ਤੁਹਾਨੂੰ ਸਪਸ਼ਟ ਸੋਚ ਦੇਣਾ ਹੈ—ਨ ਕਿ ਨारे—ਇਸ ਬਾਰੇ ਕਿ ਅੱਗੇ ਕੀ ਹੋ ਸਕਦਾ ਹੈ।
Marc Andreessen ਦੀ "software eats the world" ਸਧਾਰਨ ਦਾਅਵਾ ਹੈ: ਵੱਧ-ਤੋਂ-ਵੱਧ ਅਰਥ-ਵਿਵਸਥਾ ਸਾਫਟਵੇਅਰ ਦੁਆਰਾ ਚਲਾਈ, ਸੁਧਾਰੀ ਅਤੇ ਵਿਘਟਿਤ ਹੋ ਰਹੀ ਹੈ। ਸਿਰਫ਼ "ऐਪਸ" ਹੀ ਨਹੀਂ, ਪਰ ਕੋਡ ਉਹ ਫੈਸਲੇ-ਲੇਣ ਅਤੇ ਕੋਆਰਡੀਨੇਸ਼ਨ ਪਰਤ ਹੈ ਜੋ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਦੱਸਦੀ ਹੈ ਕਿ ਕੀ ਕਰਨਾਂ ਹੈ—ਕਿਸ ਨੂੰ ਸੇਵਾ ਦੇਣੀ ਹੈ, ਕੀ ਮੁੱਲ ਰੱਖਣਾ ਹੈ, ਕਿਵੇਂ ਡਿਲਿਵਰੀ ਕਰਨੀ ਹੈ, ਅਤੇ ਕਿਵੇਂ ਜੋਖਮ ਨੂੰ ਪ੍ਰਬੰਧਿਤ ਕਰਨਾ ਹੈ।
ਇਹ ਠਹਿਰਾਉਣਾ ਕਿ ਸਾਫਟਵੇਅਰ ਕਿਸੇ ਉਦਯੋਗ ਨੂੰ "ਖਾਂਦਾ" ਹੈ, ਇਸ ਗੱਲ ਦੀ ਲੋੜ ਨਹੀਂ ਕਰਦਾ ਕਿ ਉਦਯੋਗ ਪੂਰੀ ਤਰ੍ਹਾਂ ਡਿਜੀਟਲ ਹੋ ਜਾਵੇ। ਮਤਲਬ ਇਹ ਹੈ ਕਿ ਸਭ ਤੋਂ ਕੀਮਤੀ ਫਾਇਦਾ ਭੌਤਿਕ ਸੰਪਤੀ (ਦੁਕਾਨਾਂ, ਫੈਕਟਰੀਆਂ, ਫਲੀਟ) ਤੋਂ ਉਨ੍ਹਾਂ ਪ੍ਰਣਾਲੀਆਂ ਵੱਲ ਖਿੜਦਾ ਹੈ ਜੋ ਉਨ੍ਹਾਂ ਨੂੰ ਕੰਟਰੋਲ ਕਰਦੀਆਂ ਹਨ (ਡੇਟਾ, ਐਲਗੋਰਿਦਮ, ਵਰਕਫਲੋ ਅਤੇ ਡਿਜੀਟਲ ਚੈਨਲਾਂ ਰਾਹੀਂ ਵੰਡ)।
ਹਕੀਕਤ ਵਿੱਚ, ਸਾਫਟਵੇਅਰ ਉਤਪਾਦਾਂ ਨੂੰ ਸੇਵਾਵਾਂ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ, ਕੋਆਰਡੀਨੇਸ਼ਨ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਦਾ ਹੈ, ਅਤੇ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਮਾਪਯੋਗ ਬਣਾਕੇ ਫਿਰ ਉਸਨੂੰ ਓਪਟੀਮਾਈਜ਼ ਐਬਲ ਬਣਾਉਂਦਾ ਹੈ।
ਕੁਝ ਜਾਣੇ-ਪਛਾਣੇ ਕੇਸ ਇਹ ਡੈਟਾ ਦਿੰਦੇ ਹਨ:
ਆਧੁਨਿਕ ਕਾਰੋਬਾਰ ਸਿਰਫ਼ IT ਲਈ ਹੀ ਸਾਫਟਵੇਅਰ 'ਤੇ ਨਹੀਂ ਚਲਦਾ; ਪਰ ਕੋਰ ਓਪਰੇਸ਼ਨਸ ਵੀ ਸਾਫਟਵੇਅਰ 'ਤੇ ਚਲਦੇ ਹਨ: CRM ਰੇਵਿਨਿਊ ਸੰਭਾਲਣ ਲਈ, ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰਾਇਰਟੀਜ਼ ਤੈਅ ਕਰਨ ਲਈ, ਆਟੋਮੇਸ਼ਨ ਸਾਇਕਲ ਟਾਈਮ ਘਟਾਉਣ ਲਈ, ਅਤੇ ਪਲੇਟਫਾਰਮ ਗਾਹਕਾਂ ਤੱਕ ਪਹੁੰਚਣ ਲਈ। ਇੱਛੇ ਵੀ ਕੰਪਨੀਆਂ ਜੋ ਆਪਣੀਆਂ ਓਪਰੇਸ਼ਨਸ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਇਨਸਟਰੂਮੈਂਟ ਕਰਦੀਆਂ ਹੋਣ ਅਤੇ ਡੇਟਾ ਤੋਂ ਸਿੱਖਦੀਆਂ ਹੋਣ, ਉਹ ਜ਼ਿਆਦਾ ਮੁਕਾਬਲੇਯੋਗ ਹੁੰਦੀਆਂ ਹਨ।
ਇਸ ਲਈ ਸਾਫਟਵੇਅਰ ਕੰਪਨੀਆਂ ਨਵੀਂ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਫੈਲ ਸਕਦੀਆਂ ਹਨ: ਜਦ ਤਕ ਤੁਸੀਂ ਕੰਟਰੋਲ ਲੇਅਰ (ਵਰਕਫਲੋ ਅਤੇ ਡੇਟਾ) ਰੱਖਦੇ ਹੋ, ਨਜ਼ਦੀਕੀ ਉਤਪਾਦ ਜ਼ਿਆਦਾ ਆਸਾਨੀ ਨਾਲ ਜੋੜੇ ਜਾ ਸਕਦੇ ਹਨ।
ਇਹ thesis ਇਹ ਨਹੀਂ ਕਹਿੰਦੀ ਕਿ "ਸਭ ਕੁਝ ਇੱਕ ਦਿਨ ਵਿੱਚ ਸਾਫਟਵੇਅਰ ਕੰਪਨੀ ਬਣ ਜਾਏਗਾ"। ਬਹੁਤ ਸਾਰੇ ਮਾਰਕੀਟ ਭੌਤਿਕ ਪਾਬੰਦੀਆਂ ਨਾਲ ਜੁੜੇ ਰਹਿੰਦੇ ਹਨ—ਉਦਾਹਰਨ ਲਈ ਮੈਨੂਫੈਕਚਰਿੰਗ ਸਮਰੱਥਾ, ਸਪਲਾਈ ਚੇਨ, ਰੀਅਲ ਅਸਟੇਟ, ਊਰਜਾ ਅਤੇ ਮਨੁੱਖੀ ਮਜ਼ਦੂਰ।
ਅਤੇ ਸਾਫਟਵੇਅਰ ਦਾ ਫਾਇਦਾ ਅਸਥਾਈ ਹੋ ਸਕਦਾ ਹੈ: ਫੀਚਰ ਤੇਜ਼ੀ ਨਾਲ ਨਕਲ ਹੋ ਜਾਂਦੇ ਹਨ, ਪਲੇਟਫਾਰਮ ਨਿਯਮ ਬਦਲ ਸਕਦੇ ਹਨ, ਅਤੇ ਗਾਹਕ ਭਰੋਸਾ ਨਿਗਦ ਤੇਜ਼ੀ ਨਾਲ ਖ਼ਤਮ ਹੋ ਸਕਦਾ ਹੈ। ਸਾਫਟਵੇਅਰ ਸ਼ਕਤੀ ਟ੍ਰਾਂਸਫ਼ਰ ਕਰਦੀ ਹੈ—ਪਰ ਇਹ ਖ਼ਰਚ, ਵੰਡ ਅਤੇ ਨਿਯਮਕਤਾ ਵਰਗੇ ਮੂਲ ਤੱਤਾਂ ਨੂੰ ਖ਼ਤਮ ਨਹੀਂ ਕਰਦੀ।
AI ਨੂੰ ਵਿਆਖਿਆ ਕਰਨ ਦਾ ਸਭ ਤੋਂ ਆਸਾਨ ਤਰੀਕਾ ਪ੍ਰਯੋਗਿਕ ਨਜ਼ਰੀਏ 'ਚ ਹੈ: ਇਹ ਇੱਕ ਸੈੱਟ ਟ੍ਰੇਨ ਕੀਤੇ ਮਾਡਲਾਂ (ਅਕਸਰ "ਫਾਉਂਡੇਸ਼ਨ ਮਾਡਲ") ਦਾ ਹੈ ਜੋ ਉਪਕਰਣਾਂ ਵਿੱਚ ਰੈਪ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜੋ ਸਮੱਗਰੀ ਜਨਰੇਟ ਕਰ ਸਕਦੇ ਹਨ, ਵਰਕਫਲੋ ਵਿੱਚ ਕਦਮ-ਕਦਮ ਦਾ ਆਟੋਮੇਸ਼ਨ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਫੈਸਲੇ ਸਹਾਇਤਾ ਕਰਦੇ ਹਨ। ਹੱਥ ਨਾਲ ਹਰ ਨਿਯਮ ਨੂੰ ਕੋਡ ਕਰਨ ਦੀ ਥਾਂ, ਤੁਸੀਂ ਲਕਬ ਜੀਭਾ ਵਿੱਚ ਲਕ੍ਸ਼ ਲਿਖਦੇ ਹੋ ਅਤੇ ਮਾਡਲ ਗੁੰਮ-ਹੋਈ ਕੰਮ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ — ਡਰਾਫਟ ਕਰਨਾ, ਵਰਗੀਕਰਨ, ਸੰਖੇਪ, ਯੋਜਨਾ ਬਣਾਉਣਾ ਜਾਂ ਉੱਤਰ ਦੇਣਾ।
ਪਲੇਟਫਾਰਮ ਬਦਲਾਅ ਉਹ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਕੋਈ ਨਵਾਂ ਕੰਪਿਊਟਿੰਗ ਪਰਤ ਸਾਫਟਵੇਅਰ ਬਣਾਉਣ ਅਤੇ ਵਰਤਣ ਦਾ ਨਿਰਲੇਪਤ ਤਰੀਕਾ ਬਣ ਜਾਂਦਾ ਹੈ—ਜਿਵੇਂ ਕਿ PC, ਵੈੱਬ, ਮੋਬਾਈਲ, ਅਤੇ ਕਲਾਉਡ। ਬਹੁਤ ਲੋਗ AI ਨੂੰ ਇਸ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਦੇਖਦੇ ਹਨ ਕਿਉਂਕਿ ਇਹ ਇੰਟਰਫੇਸ ਬਦਲਦਾ ਹੈ (ਤੁਸੀਂ ਸਾਫਟਵੇਅਰ ਨਾਲ "ਗੱਲ" ਕਰ ਸਕਦੇ ਹੋ), ਬਿਲਡਿੰਗ ਬਲਾਕ ਬਦਲਦੇ ਹਨ (ਮਾਡਲ ਸਮਰੱਥਾਵਾਂ ਬਣ ਗਈਆਂ), ਅਤੇ ਆਰਥਿਕਤਾ ਬਦਲਦੀ ਹੈ (ਨਵੀਆਂ ਖ਼ਾਸਿਆਤਾਂ ਸਾਲਾਂ ਦੀ ਡੇਟਾ ਸਾਇੰਸ ਬਿਨਾਂ ਆ ਸਕਦੀਆਂ ਹਨ)।
ਰਵਾਇਤੀ ਸਾਫਟਵੇਅਰ ਨਿਰਧਾਰਤ ਹੁੰਦਾ ਹੈ: ਇੱਕੋ ਇਨਪੁਟ, ਇੱਕੋ ਆਉਟਪੁਟ। AI ਏਹ ਜੋੜਦਾ ਹੈ:
ਇਸ ਨਾਲ "ਸਾਫਟਵੇਅਰ" ਸਕ੍ਰੀਨ ਅਤੇ ਬੱਤਨਾਂ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਐਸੇ ਕਰਮਾਂ ਵਾਲੇ ਸਹਾਇਕ ਵਰਗੇ ਕੰਮ ਕਰਨ ਲੱਗਦਾ ਹੈ ਜੋ ਹਰ ਉਤਪਾਦ ਵਿੱਚ ਵੱਸ ਜਾਂਦਾ ਹੈ।
ਹੁਣ ਵਰਤੋਂਯੋਗ: ਡਰਾਫਟਿੰਗ ਅਤੇ ਸੰਪਾਦਨ, کسਟਮਰ ਸਪੋਰਟ ਟ੍ਰਾਇਜ, ਅੰਦਰੂਨੀ ਦਸਤਾਵੇਜ਼ਾਂ 'ਤੇ ਨੋਲੇਜ ਖੋਜ, ਕੋਡ ਸਹਾਇਤਾ, ਮੀਟਿੰਗ ਸੰਖੇਪ ਅਤੇ ਉਸ ਥਾਂ ਵਰਕਫਲੋ ਆਟੋਮੇਸ਼ਨ ਜਿੱਥੇ ਮਨੁੱਖ ਆਉਟਪੁੱਟ ਦੀ ਸਮੀਖਿਆ ਕਰਦਾ ਹੈ।
ਹੁਣ ਵੀ ਹਾਇਪ-ਭਰਪੂਰ: ਪੂਰੀ ਤਰ੍ਹਾਂ ਸੁਤੰਤਰ ਏਜੰਟ ਜਿਹੜੇ ਟੀਮਾਂ ਦੀ ਥਾਂ ਲੈ ਲੈਂ, ਪੂਰਨ ਤਥਯ ਸਹੀਤਾ, ਅਤੇ ਇੱਕ ਐਸਾ ਮਾਡਲ ਜੋ ਸੁਰੱਖਿਅਤ ਤਰੀਕੇ ਨਾਲ ਸਭ ਕੁਝ ਕਰ ਸਕੇ। ਨਜ਼ਦੀਕੀ ਜਿੱਤਣ ਵਾਲੇ AI ਨੂੰ ਉਤਪਾਦਾਂ ਵਿੱਚ ਇੱਕ ਨਵੀਂ ਪਰਤ ਵਜੋਂ ਦੇਖਦੇ ਹਨ—ਸ਼ਕਤੀਸ਼ਾਲੀ, ਪਰ ਨਿਯੰਤਰਿਤ, ਮੈਪਰ ਅਤੇ ਸੀਮਿਤ।
AI ਉਤਪਾਦ ਰਣਨੀਤੀ ਨੂੰ ਫੀਚਰਾਂ ਨੂੰ ਫਿਕਸ ਕਰਨ ਤੋਂ ਬਦਲ ਕੇ ਉਹਨਾਂ ਸਮਰੱਥਾਵਾਂ ਦੀ ਡਾਇਰੈਕਸ਼ਨ ਵੱਲ ਖਿੱਚਦਾ ਹੈ ਜੋ ਗੰਦੇ, ਹਕੀਕਤੀ ਦੁਨੀਆ ਦੇ ਇਨਪੁੱਟਾਂ ਨал ਢਲ ਸਕਦੀਆਂ ਹਨ। ਵਧੀਆ ਟੀਮਾਂ ਸਵਾਲ ਪੁੱਛਣਾ ਬੰਦ ਕਰਦੀਆਂ ਕਿ "ਕੀ ਨਵੀਂ ਸਕਰੀਨ ਜੋੜੀ ਜਾਵੇ" ਅਤੇ ਸ਼ੁਰੂ ਕਰਦੀਆਂ: "ਆਸੀਂ ਕਿਹੜਾ ਨਤੀਜਾ ਭਰੋਸੇਯੋਗ ਤਰੀਕੇ ਨਾਲ ਦੇ ਸਕਦੇ ਹਾਂ, ਅਤੇ ਕਿਹੜੇ ਗਾਰਡਰੇਲ ਸੁਰੱਖਿਆ ਲਈ ਲਾਜ਼ਮੀ ਹਨ?"
ਜ਼ਿਆਦਾਤਰ AI ਫੀਚਰ ਇਕ ਛੋਟੇ ਸੈੱਟ ਦੇ ਘਟਕਾਂ ਤੋਂ ਬਣਦੇ ਹਨ:
ਜੋ ਉਤਪਾਦ ਰਣਨੀਤੀ ਕਿਸੇ ਇੱਕ ਚੀਜ਼ (ਖ਼ਾਸ ਕਰਕੇ UX ਅਤੇ ਡੇਟਾ ਅਧਿਕਾਰ) ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦੀ ਹੈ, ਉਹ ਆਮ ਤੌਰ 'ਤੇ ਰੁਕ ਜਾਂਦੀ ਹੈ।
ਇੱਕ ਥੋੜ੍ਹਾ ਕਮਜ਼ੋਰ ਮਾਡਲ ਵੀ ਉਹ ਉਤਪਾਦ ਜਿੱਤ ਸਕਦਾ ਹੈ ਜੋ ਯੂਜ਼ਰ ਪਹਿਲਾਂ ਤੋਂ ਭਰੋਸਾ ਕਰਦੇ ਹਨ, ਕਿਉਂਕਿ ਵੰਡ (ਮੌਜੂਦਾ ਵਰਕਫਲੋ, ਇੰਟੀਗਰੇਸ਼ਨ, ਡਿਫੌਲਟ) ਅਪਣਾਉਣ ਦੀ ਰੁਕਾਵਟ ਘਟਾਉਂਦਾ ਹੈ। ਅਤੇ ਭਰੋਸਾ ਜੁਟਦਾ ਹੈ: ਯੂਜ਼ਰ ਵਾਰ-ਵਾਰ ਦੀਆਂ ਖ਼ਾਮੀਆਂ ਨੂੰ ਮਨਜ਼ੂਰ ਕਰਨਗੇ ਜੇ ਸਿਸਟਮ ਪਾਰਦਰਸ਼ੀ, ਸਥਿਰ, ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਡੇਟਾ ਨਾਲ ਇਜ਼ਤਦਾਰ ਹੋਵੇ।
ਭਰੋਸਾ ਇਨ੍ਹਾਂ ਰਾਹੀਂ ਬਣਦਾ ਹੈ: ਨਿਯਮਤ ਵਿਹਾਰ, ਜਦ ਸੰਭਵ ਹੋਵੇ ਤਾਂ ਹਵਾਲੇ/ਸਰੋਤ, "ਭੇਜਣ ਤੋਂ ਪਹਿਲਾਂ ਸਮੀਖਿਆ" ਪੈਟਰਨ, ਅਤੇ "ਸਹਾਇਤਾ" ਅਤੇ "ਕਿਰਿਆ" ਦੇ ਵਿਚਕਾਰ ਸਪਸ਼ਟ ਸਰਹੱਦ।
AI ਫੀਚਰ ਅਸਫਲ ਹੋਣ ਦੇ ਸਭ ਤੋਂ ਆਮ ਕਾਰਨ:
ਇਸ ਨੂੰ ਬਣਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਵਰਤੋ:
AI ਦੋਹਾਂ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚ ਸਟਾਰਟਅਪ ਖੇਡ ਨੂੰ ਤਿਲਟ ਕਰਦਾ ਹੈ: ਇਹ ਬਣਾਉਣਾ ਬਹੁਤ ਤੇਜ਼ ਕਰਦਾ ਹੈ, ਅਤੇ "ਬਣਾ ਸਕਣੇ" ਦੀ ਸਮਰੱਥਾ ਇੱਕ ਕਮਜ਼ੋਰ ਫਾਇਦਾ ਬਣ ਜਾਂਦੀ ਹੈ। ਜੇ "ਸਾਫਟਵੇਅਰ ਸੰਸਾਰ ਨੂੰ ਖਾ ਰਿਹਾ ਹੈ" ਇਹ ਦਰਸਾਉਂਦਾ ਸੀ ਕਿ ਕੋਡ ਇਕ ਕਾਰੋਬਾਰ ਨੂੰ ਸਕੇਲ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ AI ਸੁਝਾਉਂਦਾ ਹੈ ਕਿ ਟੀਮਾਂ ਵੀ ਸਕੇਲ ਹੁੰਦੀ ਹਨ—ਕਿਉਂਕਿ ਉਹ ਕਾਮ ਜੋ ਪਹਿਲਾਂ ਸਿਰਫ਼ ਹਿਊਡਕਾਊਂਟ ਨਾਲ ਹੁੰਦਾ ਸੀ, ਹੁਣ ਟੂਲਾਂ ਅਤੇ ਵਰਕਫਲੋ ਵਿੱਚ ਸੰਕੁਚਿਤ ਹੋ ਸਕਦਾ ਹੈ।
AI-ਸਹਾਇਤ ਕੋਡਿੰਗ, ਡਿਜ਼ਾਈਨ, ਰਿਸਰਚ ਅਤੇ ਸਪੋਰਟ ਨਾਲ, ਇੱਕ lean ਟੀਮ ਦਿਨਾਂ ਵਿੱਚ ਪ੍ਰੋਟੋਟਾਈਪ ਸ਼ਿਪ ਕਰ ਸਕਦੀ ਹੈ, ਸੰਦੇਸ਼ਕੀ ਜਾਂਚ ਤੇਜ਼ੀ ਨਾਲ ਕਰ ਸਕਦੀ ਹੈ, ਅਤੇ ਲੰਬੀਆਂ ਯੋਜਨਾ ਚੱਕਰਾਂ ਦੀ ਥਾਂ ਅਸਲੀ ਗਾਹਕ ਫੀਡਬੈੱਕ ਨਾਲ ਇਤਰਾਟ ਕਰ ਸਕਦੀ ਹੈ। ਤੇਜ਼ ਲੂਪ ਦੀ ਕੁੰਪਾਉਂਡ ਪ੍ਰਭਾਵ ਮਹੱਤਵਪੂਰਨ ਹੈ: ਤੇਜ਼ ਫੀਡਬੈਕ ਨਾਲ ਤੁਸੀਂ ਸਹੀ ਉਤਪਾਦ ਆਕਾਰ ਪੂਰੇ-ਹਾਲਤ ਵਿੱਚ ਜਲਦੀ ਲੱਭ ਲੈਂਦੇ ਹੋ—ਅਤੇ ਗਲਤ ਚੀਜ਼ਾਂ 'ਤੇ ਸਮਾਂ ਬਰਬਾਦ ਘੱਟ ਹੁੰਦਾ ਹੈ।
ਅਮਲ ਵਿੱਚ, ਇਹ ਉਹੀ ਜਗ੍ਹਾ ਹੈ ਜਿੱਥੇ "vibe-coding" ਪਲੇਟਫਾਰਮ ਮਹੱਤਵਪੂਰਣ ਹੋ ਰਹੇ ਹਨ: ਕਈ ਅੰਦਰੂਨੀ ਟੂਲਾਂ ਅਤੇ ਸ਼ੁਰੂਆਤੀ ਉਤਪਾਦਾਂ ਲਈ, ਬਾਧਾ ਹੁਣ ਹਰ ਲਾਈਨ ਲਿਖਣ ਦਾ ਨਹੀਂ ਰਹਿੰਦਾ, ਪਰ ਵਰਕਫਲੋ ਨੂੰ ਤੇਜ਼ ਅਤੇ ਸੁਰੱਖਿਅਤ ਤਰੀਕੇ ਨਾਲ ਇਕ ਯੂਜ਼ਬਲ ਐਪ ਵਿੱਚ ਪਰਿਵਰਤਿਤ ਕਰਨ ਦਾ ਹੁੰਦਾ ਹੈ।
AI ਨਾਲ "ਬਨਾਉਣਾ" ਵੇਖਣ ਦਾ ਢੰਗ ਵੀ ਬਦਲਦਾ ਹੈ। ਨਵੀਆਂ ਭੂਮਿਕਾਵਾਂ ਉਭਰ ਰਹੀਆਂ ਹਨ:
ਇਹ ਭੂਮਿਕਾਵਾਂ ਸਿਰਫ਼ ਤਕਨੀਕੀ ਨਹੀਂ ਹਨ; ਇਹ ਗੰਦੇ ਅਸਲੀ-ਦੁਨੀਆ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਅਜਿਹੇ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਤਰਜਮਾ ਕਰਨ ਦੇ ਬਾਰੇ ਹਨ ਜੋ ਲਗਾਤਾਰ ਕੰਮ ਕਰਦੀਆਂ ਰਹਿਣ।
ਜਦੋ ਹਰ ਕੋਈ ਫੀਚਰ ਤੇਜ਼ੀ ਨਾਲ ਸ਼ਿਪ ਕਰ ਸਕਦਾ ਹੈ, ਤਦ ਵੱਖਰਾ ਹੋਣਾ ਫੋਕਸ, ਰਫ਼ਤਾਰ, ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾ ਵੱਲ ਸਰਕਦਾ ਹੈ।
ਨਿਰਧਾਰਤ ਗਾਹਕ ਲਈ ਬਣਾਓ ਜਿਸਦਾ ਤੁਰੰਤ ਸਮੱਸਿਆ ਹੋਵੇ। ਪੂਰੀ ਵਰਕਫਲੋ ਦਾ ਮਾਲਕੀ ਹਾਸਲ ਕਰੋ। ਮੁਕਾਬਲੇ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਸਿੱਖੋ। ਤੁਹਾਡੀ ਪਹਚਾਣ ਡੋਮੇਨ ਅੰਤਰਦ੍ਰਿਸ਼ਟੀ, ਵੰਡ, ਅਤੇ ਭਰੋਸਾ ਬਣ ਜਾਂਦੀ ਹੈ—ਨਾ ਕਿ ਇੱਕ ਡੈਮੋ ਜੋ ਨਕਲ ਕੀਤਾ ਜਾ ਸਕੇ।
AI-ਫਰਸਟ ਸਟਾਰਟਅਪਾਂ ਨੂੰ ਅਸਲੀ ਕਮਜ਼ੋਰੀ ਆ ਸਕਦੀ ਹੈ। ਇੱਕ ਹੀ ਮਾਡਲ ਵਿਕਰੇਤਾ 'ਤੇ ਭਾਰੀ ਨਿਰਭਰਤਾ ਕੀਮਤ-ਝਟਕੇ, ਨੀਤੀ ਜੋਖਮ, ਜਾਂ ਅਚਾਨਕ ਗੁਣਵੱਤਾ ਬਦਲਾਵ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ। ਬਹੁਤ ਸਾਰੇ AI ਫੀਚਰ ਨਕਲ ਕਰਨ ਵਿੱਚ ਆਸਾਨ ਹਨ, ਜਿਸ ਨਾਲ ਉਤਪਾਦ ਕੰਮੋਡੀਟੀਕਰਨ ਵੱਲ ਵਧ ਸਕਦੇ ਹਨ ਅਤੇ mote ਪਤਲੇ ਹੋ ਸਕਦੇ ਹਨ।
ਜਵਾਬ ਇਹ ਨਹੀਂ ਕਿ "AI ਤੋਂ ਬਚੋ"। AI ਸਮਰੱਥਾ ਨੂੰ ਕੁਝ ਔਖਾ ਨਕਲ ਕਰਨ ਯੋਗ ਚੀਜ਼ ਨਾਲ ਜੋੜੋ: ਪ੍ਰੋਪ੍ਰਾਈਟਰੀ ਡੇਟਾ ਪਹੁੰਚ, ਵਰਕਫਲੋ ਵਿੱਚ ਡੀਪ ਇੰਟੀਗਰੇਸ਼ਨ, ਜਾਂ ਇੱਕ ਬ੍ਰਾਂਡ ਜਿਸ 'ਤੇ ਗਾਹਕ ਅਉਟਪੁੱਟ ਸਹੀ ਹੋਣ 'ਤੇ ਭਰੋਸਾ ਕਰਦੇ ਹਨ।
Andreessen ਦੀਆਂ ਆਸ਼ਾਵਾਦੀ ਰਾਹਦਾਰੀਆਂ ਅਕਸਰ ਇਸ ਸਾਰਥਕ ਨੋਟ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੀਆਂ ਹਨ: ਨਵਾਂ ਸਾਫਟਵੇਅਰ ਪਛਾਣਦਾ ਹੈ ਕਿ ਲੋਕ ਕੀ ਕਰਦੇ ਹਨ ਪਹਿਲਾਂ ਬਦਲਦਾ ਹੈ, ਫਿਰ ਇਹ ਸੋਚਦਾ ਹੈ ਕਿ ਕੀ ਲੋਕਾਂ ਦੀ ਲੋੜ ਖਤਮ ਹੋ ਜਾਵੇਗੀ। AI ਨਾਲ, ਨਜ਼ਦੀਕੀ ਪ੍ਰਭਾਵ ਕਈ ਭੂਮਿਕਾਵਾਂ ਵਿੱਚ ਟਾਸਕ-ਦਰਜ਼ੀ ਤਬਦੀਲੀ ਹੋ ਸਕਦੀ ਹੈ—ਜ਼ਿਆਦਾ ਸਮਾਂ ਫੈਸਲਾ, ਗਾਹਕ ਸੰਦੇਸ਼ ਅਤੇ ਪ੍ਰਸੰਗ 'ਤੇ ਬਿਤਾਉਣ ਲਈ, ਅਤੇ ਘੱਟ ਸਮਾਂ ਦੁਹਰਾਏ ਜਾਣ ਵਾਲੀਆਂ ਡ੍ਰਾਫਟਿੰਗ, ਖੋਜ, ਅਤੇ ਸੰਖੇਪ ਲਈ।
ਜ਼ਿਆਦਾਤਰ ਨੌਕਰੀਆਂ ਟਾਸਕਾਂ ਦਾ ਗੁਠਟ ਹੁੰਦੀਆਂ ਹਨ। AI ਉਹ ਹਿੱਸੇ ਭਰਦਾ ਹੈ ਜੋ ਭਾਸ਼ਾ-ਭਾਰਤ, ਪੈਟਰਨ-ਅਧਾਰਿਤ, ਜਾਂ ਨਿਯਮ-ਚਲਿਤ ਹੁੰਦੇ ਹਨ।
ਆਮ ਉਦਾਹਰਣ ਜੋ "ਸਹਾਇਤਾ ਯੋਗ" ਹਨ:
ਨਤੀਜਾ ਅਕਸਰ ਉੱਚ ਪ੍ਰੋਡਕਸ਼ਨਸ਼ੀਲਤਾ ਅਤੇ ਛੋਟੀ ਸਾਈਕਲ ਟਾਈਮ ਹੁੰਦੀ ਹੈ—ਬਿਨਾਂ ਇਸਨੂੰ ਤੁਰੰਤ ਰੋਲ ਖ਼ਤਮ ਹੋਣ ਵਾਲੀ ਨੌਕਰੀ ਬਣਾਉਣ ਦੇ।
ਅਪਣਾਉਣ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕੇ ਨਾਲ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਇਸਨੂੰ ਪ੍ਰਕਿਰਿਆ ਡਿਜ਼ਾਈਨ ਵਜੋਂ ਸਮਝਿਆ ਜਾਂਦਾ ਹੈ, ਨਾ ਕਿ ਇੱਕ ਮੁਫ਼ਤ-ਫਰਮਾ ਟੂਲ ਦੀ ਤਰ੍ਹਾਂ।
ਕੁਝ ਭੂਮਿਕਾਵਾਂ ਅਤੇ ਟਾਸਕ ਘਟਣਗੇ, ਖ਼ਾਸ ਕਰਕੇ ਜਿਥੇ ਕੰਮ ਪਹਿਲਾਂ ਹੀ ਮਿਆਰੀਕਰਤ ਹੈ। ਇਸ ਕਰਕੇ ਰਿਸਕਿਲਿੰਗ ਇਕ ਅਸਲ ਤਰਜੀਹ ਬਣ ਜਾਂਦੀ ਹੈ: ਲੋਕਾਂ ਨੂੰ ਉਚ-ਸੰਦਰਭ ਕੰਮ (ਗਾਹਕ ਸੰਬੰਧ, ਸਿਸਟਮ ਮਾਲਕੀ, ਗੁਣਵੱਤਾ ਕੰਟਰੋਲ) ਵੱਲ ਲਿਜਾਣ ਅਤੇ ਸ਼ੁਰੂਆਤ ਵਿੱਚ ਹੀ ਟ੍ਰੇਨਿੰਗ 'ਤੇ ਨਿਵੇਸ਼ ਕਰੋ, ਬਿਸਤਰ ਨਹੀਂ ਜਦ ਦਬਾਅ ਤਤਕਾਲ ਹੋਵੇ।
AI ਦਾ ਖੁੱਲ੍ਹਾ ਹੋਣਾ ਜਾਂ ਬੰਦ ਹੋਣਾ ਇਹ ਨਿਰੰਤਰ ਮੁਕਾਬਲਾ ਬਣ ਗਿਆ ਹੈ ਕਿ ਭਵਿੱਖ ਕਿਸ ਨੇ ਬਣਾਇਆ, ਅਤੇ ਕਿਸ ਸ਼ਰਤਾਂ 'ਤੇ। ਅਮਲ ਵਿੱਚ, ਇਹ ਅਭਿਗਮ ਹੈ ਪਹੁੰਚ (ਕੌਣ ਸ਼ਕਤੀਸ਼ਾਲੀ ਮਾਡਲ ਵਰਤ ਸਕਦਾ ਹੈ), ਨਿਯੰਤਰਣ (ਕੌਣ ਉਨ੍ਹਾਂ ਨੂੰ ਬਦਲ ਸਕਦਾ ਹੈ), ਅਤੇ ਜੋਖਮ (ਕਿਸ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ ਜਦ ਗਲਤ ਹੋਵੇ)।
ਬੰਦ AI ਆਮ ਤੌਰ 'ਤੇ ਗੌਪਨੀ ਮਾਡਲ ਅਤੇ ਟੂਲਿੰਗ ਨੂੰ ਦਰਸਾਦਾ ਹੈ: ਤੁਸੀਂ API ਰਾਹੀਂ ਸਮਰੱਥਾ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹੋ, ਪਰ ਟ੍ਰੇਨਿੰਗ ਡੇਟਾ, ਮਾਡਲ ਵੈਟਸ ਜਾਂ ਅੰਦਰੂਨੀ ਸੁਰੱਖਿਆ ਤਰੀਕਿਆਂ ਵਿੱਚ ਸੀਮਤ ਦ੍ਰਿਸ਼ਟੀ ਹੁੰਦੀ ਹੈ।
ਖੁੱਲ੍ਹਾ AI ਕਈ ਚੀਜ਼ਾਂ ਹੋ ਸਕਦਾ ਹੈ: ਖੁੱਲ੍ਹੇ ਵੈਟਸ, ਖੁੱਲ੍ਹਾ-ਸਰੋਤ ਕੋਡ ਜੋ ਮਾਡਲ ਚਲਾਉਣ ਜਾਂ ਫਾਈਨ-ਟਿਊਨ ਕਰਨ ਲਈ ਮਿਲਦਾ ਹੈ, ਜਾਂ ਖੁੱਲ੍ਹਾ ਟੂਲਿੰਗ (ਫਰੇਮਵਰਕ, ਇਵਾਲ, ਸਰਵਿੰਗ ਸਟੈਕ)। ਬਹੁਤ ਸਾਰੀਆਂ ਪੇਸ਼ਕਸ਼ਾਂ "ਅਰਧ-ਖੁੱਲ੍ਹੀਆਂ" ਹੁੰਦੀਆਂ ਹਨ, ਇਸ ਲਈ ਇਹ ਪੁੱਛਣਾ ਲਾਭਦਾਇਕ ਹੈ ਕਿ ਕੀ ਸਾਂਝਾ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ ਅਤੇ ਕੀ ਨਹੀਂ।
ਬੰਦ ਵਿਕਲਪ ਆਮ ਤੌਰ 'ਤੇ ਸੁਵਿਧਾ ਅਤੇ ਪੇਸ਼ਗੀਤ ਪ੍ਰਦਰਸ਼ਨ 'ਤੇ ਜਿੱਤਦੇ ਹਨ। ਤੁਸੀਂ ਪ੍ਰਬੰਧਿਤ ਇੰਫ੍ਰਾਸਟ੍ਰਕਚਰ, ਡੌਕਯੂਮੈਂਟੇਸ਼ਨ, ਅਪਟਾਈਮ ਗੈਰੰਟੀ ਅਤੇ ਨਿਯਮਤ ਅੱਪਡੇਟ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹੋ। ਵਪਾਰ ਦੇ ਖ਼ਿਲਾਫ਼ ਖ਼ਤਰਾ ਇਹ ਹੈ ਕਿ ਤੁਸੀਂ ਨਿਰਭਰ ਹੋ ਜਾਓਗੇ: ਕੀਮਤ ਬਦਲ سکتی ਹੈ, ਸ਼ਰਤਾਂ ਕਸਕਦੀ ਹਨ, ਅਤੇ ਤੁਸੀਂ ਕਸਟਮਾਈਜ਼ੇਸ਼ਨ, ਡੇਟਾ ਰਹਾਇਸ਼ ਜਾਂ ਲੇਟੈਂਸੀ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਸੀਮਾਵਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰ ਸਕਦੇ ਹੋ।
ਖੁੱਲ੍ਹੇ ਵਿਕਲਪ ਉਹ ਸਮਾਂ ਚਮਕਦੇ ਹਨ ਜਦੋਂ ਤੁਹਾਨੂੰ ਲਚੀਲਾਪਨ ਦੀ ਲੋੜ ਹੋਵੇ। ਆਪਣਾ ਮਾਡਲ ਚਲਾਉਣ ਜਾਂ ਕਿਸੇ ਵਿਸ਼ੇਸ਼ ਖੇਤਰ ਲਈ ਖੁੱਲ੍ਹੇ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਨਾਲ ਪ੍ਰਤੀ-ਰਿਕਵੇਸਟ ਲਾਗਤ ਘਟ ਸਕਦੀ ਹੈ, ਡੂੰਘੀ ਕਸਟਮਾਈਜੇਸ਼ਨ ਹੋ ਸਕਦੀ ਹੈ, ਅਤੇ ਪ੍ਰਾਇਵੇਸੀ/ਡਿਪਲੋਇਮੈਂਟ 'ਤੇ ਵੱਧ ਨਿਯੰਤਰਣ ਮਿਲ ਸਕਦਾ ਹੈ। ਪਰ ਇਸਦਾ ਵਿੱਲਾ ਹੈ ਓਪਰੇਸ਼ਨਲ ਭਾਰ: ਹੋਸਟਿੰਗ, ਮਾਨੀਟਰਿੰਗ, ਸੁਰੱਖਿਆ ਟੈਸਟਿੰਗ ਅਤੇ ਮਾਡਲ ਅੱਪਡੇਟਸ ਤੁਹਾਡੇ ਓੱਪਰ ਆ ਜਾਂਦੇ ਹਨ।
ਦੋਹਾਂ ਪਾਸਿਆਂ 'ਤੇ ਸੁਰੱਖਿਆ ਨੁਅਨਸ ਭਰਪੂਰ ਹੈ। ਬੰਦ ਪ੍ਰਦਾਤਾ ਆਮ ਤੌਰ ਤੇ ਡਿਫਾਲਟ ਤੌਰ 'ਤੇ ਮਜ਼ਬੂਤ ਗਾਰਡਰੇਲ ਰੱਖਦੇ ਹਨ, ਪਰ ਤੁਸੀਂ ਹਰ ਵੇਲੇ ਇਹ ਨਹੀਂ ਦੇਖ ਸਕਦੇ ਕਿ ਉਹ ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹਨ। ਖੁੱਲ੍ਹੇ ਮਾਡਲ ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਆਡੀਟਯੋਗਤਾ ਦਿੰਦੇ ਹਨ, ਪਰ ਇਹ ਵੀ ਬੁਰੀ ਨੀਅਤ ਵਾਲੇ ਲੋਕਾਂ ਲਈ ਸਮਰੱਥਾ ਨੂੰ ਦੁਬਾਰਾ ਉਪਯੋਗ ਕਰਨ ਨੂੰ ਆਸਾਨ ਬਣਾਉਂਦੇ ਹਨ।
ਖੁੱਲ੍ਹੇ ਵੈਟਸ ਅਤੇ ਟੂਲਿੰਗ ਪ੍ਰਯੋਗ ਦੀ ਲਾਗਤ ਘਟਾਉਂਦੇ ਹਨ। ਟੀਮਾਂ ਤੇਜ਼ੀ ਨਾਲ ਪ੍ਰੋਟੋਟਾਈਪ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਨਿਚਲੇ ਖੇਤਰਾਂ ਲਈ ਫਾਈਨ-ਟਿਊਨ ਕਰ ਸਕਦੀਆਂ ਹਨ, ਅਤੇ ਮੁਲਾਂਕਣ ਤਰੀਕੇ ਸਾਂਝੇ ਕਰ ਸਕਦੀਆਂ ਹਨ—ਇਸ ਲਈ ਨਵੀਨਤਾ ਤੇਜ਼ੀ ਨਾਲ ਫੈਲਦੀ ਹੈ ਅਤੇ ਵੱਖਰਾ ਹੋਣਾ "ਜਿਸਨੇ ਐਕਸੈਸ ਹੈ" ਤੋਂ "ਜਿਸਨੇ ਸਭ ਤੋਂ ਵਧੀਆ ਉਤਪਾਦ ਬਣਾਇਆ" ਵੱਲ ਖਿਸਕਦਾ ਹੈ। ਇਹ ਗਤੀਬਿਧੀ ਬੰਦ ਪ੍ਰਦਾਤਿਆਂ 'ਤੇ ਦਬਾਅ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ ਕਿ ਉਹ ਕੀਮਤ, ਨੀਤੀ ਸਾਫ਼ਤਾ ਅਤੇ ਫੀਚਰਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ।
ਆਪਣੀਆਂ ਪਾਬੰਦੀਆਂ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ:
ਐਕਸ਼ਨਬਲ ਤਰੀਕਾ: ਬੰਦ ਮਾਡਲ ਨਾਲ ਪ੍ਰੋਟੋਟਾਈਪ ਕਰੋ, ਫਿਰ ਪ੍ਰੋਡਕਟ ਅਤੇ ਲਾਗਤ ਪਲਦ੍ਰਿਸ਼ਟੀ ਸਾਫ਼ ਹੋਣ 'ਤੇ ਚੁਣਿੰਦੇ ਵਰਕਲੋਡ ਨੂੰ ਖੁੱਲ੍ਹੇ/ਸਵੈ-ਹੋਸਟ ਵੱਲ ਮਾਈਗਰੇਟ ਕਰੋ।
AI ਤਕਨਾਲੋਜੀ ਫਿਰ ਇੱਕ ਪਛਾਣਯੋਗ ਬਹਿਸ ਨੂੰ ਜਨਮ ਦਿੰਦੀ ਹੈ: ਕਿਵੇਂ ਨਿਯਮ ਬਣਾ ਕੇ ਅਗੇ ਵਧਣ ਨੂੰ ਰੋਕਿਆ ਜਾਂਦਾ ਹੈ। ਪ੍ਰੋ-ਨਵੀਨਤਾ ਦ੍ਰਿਸ਼ਟਿਕੋਣ (ਅਕਸਰ Andreessen-ਸਟਾਈਲ ਆਸ਼ਾਵਾਦ ਨਾਲ ਜੋੜਿਆ) ਕਹਿੰਦਾ ਹੈ ਕਿ ਭਾਰੀ, ਪਹਿਲਾਂ ਤੋਂ ਨਿਯਮਾਂ ਲਗਾਉਣਾ ਅਕਸਰ ਅੱਜ ਦੇ ਅਧਿਕਾਰੀਆਂ ਨੂੰ ਲਾਕ-ਇਨ ਕਰ ਦੇਂਦਾ ਹੈ, ਸਟਾਰਟਅਪ ਲਈ ਅਨੁਕੂਲਤਾ ਲਾਗਤ ਵਧਾਉਂਦਾ ਹੈ, ਅਤੇ ਪ੍ਰਯੋਗਸ਼ੀਲਤਾ ਨੂੰ ਉਹਨਾਂ ਇਲਾਕਿਆਂ ਵਿੱਚ ਧੱਕਦਾ ਹੈ ਜਿੱਥੇ ਘੱਟ ਪਾਬੰਦੀਆਂ ਹੁੰਦੀਆਂ ਹਨ।
ਚਿੰਤਾ ਇਹ ਨਹੀਂ ਕਿ "ਕੋਈ ਨਿਯਮ ਨਹੀਂ" ਹੋਣ, ਬਲਕਿ ਨਿਯਮ ਜ਼ਿਆਦਾ ਪਹਿਲਾਂ ਲਿਖੇ ਜਾ ਸਕਦੇ ਹਨ—ਜਦੋਂ ਅਸੀਂ ਅਜੇ ਤੱਕ ਪਤਾ ਨਹੀਂ ਲਾਇਆ ਕਿ ਕਿਹੜੇ ਉਪਯੋਗ ਸੱਚਮੁੱਚ ਨੁਕਸਾਨਕਾਰੀ ਹਨ ਅਤੇ ਕਿਹੜੇ ਸਿਰਫ ਅਣਜਾਣੇ ਹਨ।
ਨੀਤੀ ਚਰਚਾ ਆਮ ਤੌਰ 'ਤੇ ਕੁਝ ਮੁੱਖ ਖਤਰਿਆਂ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਗਿਰਦੀ ਹੈ:
ਇੱਕ ਕਾਰਗਰ ਮੱਧ ਮਾਰਗ ਹੈ ਜੋਖਮ-ਆਧਾਰਿਤ ਨਿਯਮਕਤਾ: ਘੱਟ-ਸਟੇਕਸ ਉਪਯੋਗ (ਮਾਰਕੀਟਿੰਗ ਡਰਾਫਟ) ਲਈ ਹਲਕੀ ਲੋੜਾਂ, ਅਤੇ ਉੱਚ-ਸਟੇਕਸ ਖੇਤਰਾਂ (ਸਿਹਤ, ਫਾਇਨੈਂਸ, ਆਲ੍ਹੜ ਬੁਨਿਆਦੀ ਢਾਂਚਾ) ਲਈ ਮਜ਼ਬੂਤ ਨਿਗਰਾਨੀ। ਇਸ ਨੂੰ ਸਾਥ ਦਿਉ ਸਪਸ਼ਟ ਜ਼ਿੰਮੇਵਾਰੀ: ਜਦ AI ਵਰਤਿਆ ਜਾਵੇ ਤਾਂ ਜ਼ਿੰਮੇਵਾਰ ਕੌਣ ਹੈ—ਵਿਕਰੇਤਾ, ਡਿਪਲੋਇਰ, ਜਾਂ ਦੋਹਾਂ—ਅਤੇ ਆਡੀਟਯੋਗ ਨਿਯੰਤਰਣ (ਟੈਸਟਿੰਗ, ਘਟਨਾ ਰਿਪੋਰਟਿੰਗ, ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਸੀਮਾ) ਦੀ ਮੰਗ।
ਸ਼ੁਰੂ ਤੋਂ ਹੀ "ਕੰਪਲਾਇੰਸ-ਰੈਡੀ" ਉਤਪਾਦ ਆਦਤਾਂ ਬਣਾਓ: ਡੇਟਾ ਸਰੋਤ ਦਸਤਾਵੇਜ਼ ਕਰੋ, ਰੈੱਡ-ਟੀਮ ਮੁਲਾਂਕਣ ਚਲਾਓ, ਸੰਵੇਦਨਸ਼ੀਲ ਵਰਕਫਲੋ ਲਈ ਮਾਡਲ ਵਰਜ਼ਨ ਅਤੇ ਪ੍ਰਾਂਪਟ ਲੌਗ ਕਰੋ, ਅਤੇ ਨੁਕਸਾਨਕਾਰੀ ਵਿਹਾਰ ਲਈ ਇੱਕ kill-switch বজਾਓ।
ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ, ਖੋਜ ਅਤੇ ਤैनਾਤੀ ਨੂੰ ਵੱਖ ਕਰੋ। ਰੈਪਿਡ ਪ੍ਰੋਟੋਟਾਈਪਿੰਗ ਨੂੰ ਸੈਂਡਬੌਕਸਿੰਗ ਵਾਤਾਵਰਨ ਵਿੱਚ ਉਤਸ਼ਾਹਿਤ ਕਰੋ, ਫਿਰ ਪ੍ਰੋਡਕਸ਼ਨ ਰਿਲੀਜ਼ਾਂ ਨੂੰ ਚੈੱਕਲਿਸਟ, ਮੋਨਿਟਰਿੰਗ, ਅਤੇ ਮਾਲਕੀ ਨਾਲ ਗੇਟ ਕਰੋ। ਇਸ ਤਰ੍ਹਾਂ ਗਤੀ ਬਰਕਰਾਰ ਰਹਿੰਦੀ ਹੈ ਪਰ ਸੁਰੱਖਿਆ ਅਤੇ ਨਿਯਮਕਤਾ ਨੂੰ ਡਿਜ਼ਾਈਨ-ਪਾਬੰਦੀ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ—ਆਖ਼ਰੀ ਮਿੰਟ ਦਾ ਹਲ ਨਹੀਂ।
"ਮੋਟ" ਉਸ ਕਾਰਨ ਨੂੰ ਕਹਿੰਦੇ ਹਨ ਜਿਸ ਕਰਕੇ ਗਾਹਕ ਤੁਹਾਨੂੰ ਚੁਣਦੇ ਰਹਿੰਦੇ ਹਨ ਭਾਵੇਂ ਵਿਕਲਪ ਮੌਜੂਦ ਹੋਣ। ਇਹ ਸਵਿਚਿੰਗ ਲਾਗਤਾਂ, ਭਰੋਸਾ, ਅਤੇ ਉਹ ਫ਼ਾਇਦਾਂ ਹਨ ਜੋ ਤੁਹਾਡੇ ਉਤਪਾਦ ਨੂੰ ਮੂਲ ਚੋਣ ਬਣਾਉਂਦੀਆਂ ਹਨ—ਨਾ ਕਿ ਸਿਰਫ਼ ਇੱਕ ਸੁੰਦਰ ਡੈਮੋ।
AI ਨਾਲ, ਫੀਚਰਾਂ ਬਣਾਉਣਾ ਸਸਤਾ ਅਤੇ ਤੇਜ਼ ਹੋ ਰਿਹਾ ਹੈ, ਜਿਸ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਬਹੁਤ ਸਾਰੇ ਉਤਪਾਦ ਮਹੀਨਿਆਂ ਵਿੱਚ ਮਿਲਦੇ-ਜੁਲਦੇ ਲਗ ਸਕਦੇ ਹਨ। ਉਹ ਮੋਟ ਜੋ ਮਹੱਤਵਪੂਰਨ ਰਹਿੰਦੀਆਂ ਹਨ, ਹੁਣ ਘੱਟ ਨਵੋਚਾਰ ਨਹੀਂ, ਸਗੋਂ ਇਸ ਗੱਲ 'ਤੇ ਹਨ ਕਿ ਤੁਸੀਂ ਗਾਹਕ ਦੇ ਦੈਨੀਕ ਕੰਮ ਵਿੱਚ ਕਿੱਥੇ ਬੈਠਦੇ ਹੋ।
ਜੇ ਤੁਹਾਡੀ ਕਸਰਤ ਸਿਰਫ਼ "ਅਸੀਂ ਇੱਕ ਚੈਟਬੋਟ ਜੋੜਿਆ" ਹੈ, ਜਾਂ ਕੁਝ ਪ੍ਰਾਂਪਟ ਜਿਹੜੇ ਕੋਈ ਵੀ ਨਕਲ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ ਸਮਝੋ ਕਿ ਮੁਕਾਬਲੇ (ਅਤੇ ਇਨਕੰਬੈਂਟ) ਉਹਨਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਮਿਲਾ ਲੈਣਗੇ। ਫੀਚਰ ਸਮਾਨਤਾ ਡਿਫਾਲਟ ਹੈ।
ਚਾਰ ਸਵਾਲ ਪੁੱਛੋ:
Andreessen ਦਾ ਮੁੱਖ ਬਿੰਦੂ ਅਜੇ ਵੀ ਲਾਗੂ ਹੁੰਦਾ ਹੈ: ਸਾਫਟਵੇਅਰ ਲਾਭ ਕੁੰਪਾਉਂਡ ਹੁੰਦਾ ਹੈ। AI ਵਿੱਚ, ਇਹ ਕੁੰਪਾਉਂਡਿੰਗ ਅਕਸਰ ਅਪਣਾਉਣ, ਭਰੋਸਾ, ਅਤੇ ਏਂਬੇਡਡਨੈਸ ਤੋਂ ਆਉਂਦੀ ਹੈ—ਨ ਕਿ ਨਵੀਂਤਾ ਤੋਂ ਸਿਰਫ।
AI ਦਾ ਸਭ ਤੋਂ ਤੁਰੰਤ ਆਰਥਿਕ ਪ੍ਰਭਾਵ ਸਧਾਰਨ ਹੈ: ਘੰਟੇ ਪ੍ਰਤੀ ਵੱਧ ਉਤਪਾਦ। ਘੱਟ-ਪ੍ਰਤੀਕਿਆ ਪ੍ਰਭਾਵ ਇਹ ਹੈ ਕਿ ਇਹ "ਕਿਹੜੀਆਂ ਚੀਜ਼ਾਂ ਬਣਾਉਣ ਦੀ ਲਾਗਤ" ਨੂੰ ਵੀ ਬਦਲ ਸਕਦਾ ਹੈ, ਜੋ ਕੀਮਤ ਨਿਰਧਾਰਨ, ਮੁਕਾਬਲਾ, ਅਤੇ ਆਖ਼ਿਰਕਾਰ ਮੰਗ ਨੂੰ ਰੂਪਾਂਤਰਿਤ ਕਰਦਾ ਹੈ।
ਜੇ ਟੀਮ AI ਸਹਾਇਤਾ ਨਾਲ ਕਾਪੀ ਡਰਾਫਟ ਕਰ ਸਕਦੀ ਹੈ, UI ਵੈਰੀਏਸ਼ਨ ਜਨਰੇਟ ਕਰ ਸਕਦੀ ਹੈ, ਗਾਹਕ ਕਾਲਾਂ ਸੰਖੇਪ ਕਰ ਸਕਦੀ ਹੈ, ਅਤੇ ਟਿਕਟਾਂ ਨੂੰ ਟ੍ਰਾਇਜ ਕਰ ਸਕਦੀ ਹੈ, ਤਾਂ ਉਹੀ ਹੈਡਕਾਊਂਟ ਹੋਰ ਬਹੁਤ ਕੁਝ ਸ਼ਿਪ ਕਰ ਸਕਦਾ ਹੈ। ਪਰ ਵੱਡਾ ਬਦਲਾਅ ਲਾਗਤ ਸੰਰਚਨਾ ਹੋ ਸਕਦੀ ਹੈ: ਕੁਝ ਕੰਮ "ਘੰਟੇ ਪ੍ਰਤੀ ਭੁਗਤਾਨ" ਤੋਂ "ਰੇਕਵੇਸਟ ਪ੍ਰਤੀ ਭੁਗਤਾਨ" ਵੱਲ ਚਲੇ ਜਾਂਦੇ ਹਨ, ਅਤੇ ਕੁਝ ਖ਼ਰਚੇ ਮਜ਼ਦੂਰ ਤੋਂ ਕਮਪਿਊਟ ਤੇ ਸਵਿਚ ਹੋ ਜਾਂਦੇ ਹਨ।
ਸੰਭਵ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ, ਇਹ:
ਜਦ ਲਾਗਤਾਂ ਘਟਦੀਆਂ ਹਨ, ਮੁੱਲ ਆਮ ਤੌਰ 'ਤੇ ਘਟਦੇ ਹਨ—ਘੱਟੋ-ਘੱਟ ਮੁਕਾਬਲਾਈ ਮਾਰਕੀਟਾਂ ਵਿੱਚ। ਘੱਟ ਕੀਮਤ ਬਜ਼ਾਰ ਨੂੰ ਵਿਸਥਾਰ ਕਰ ਸਕਦੀ ਹੈ, ਪਰ ਇਹ ਉਮੀਦਾਂ ਨੂੰ ਵੀ ਵਧਾਉਂਦੀ ਹੈ। ਜੇ ਗਾਹਕ ਤੁਰੰਤ ਉੱਤਰ, ਨਿੱਜੀਕਰਨ ਅਤੇ "ਹਮੇਸ਼ਾਂ-ਚਾਲੂ" ਸੇਵਾ ਦੀ ਆਦਤ ਪਾ ਲੈਂਦੇ ਹਨ, ਤਾਂ ਪਹਿਲਾਂ ਦੀਆਂ ਪ੍ਰੀਮੀਅਮ ਖਾਸਿਆਤ ਸਧਾਰਨ ਤੱਤ ਬਣ ਜਾਂਦੀਆਂ ਹਨ।
ਇੱਥੇ "software eats the world" ਵਿਚ ਇੱਕ ਨਵਾਂ ਮੋਡ ਆ ਜਾਂਦਾ ਹੈ: AI ਕੁਝ ਸੇਵਾਵਾਂ ਨੂੰ ਪ੍ਰਚੁਰਤ ਮਹਿਸੂਸ ਕਰਵਾ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਮੁੱਲ ਉਹ ਚੀਜ਼ ਬਣਦਾ ਹੈ ਜੋ ਕਮੀ-ਵਾਲੀ ਹੈ—ਭਰੋਸਾ, ਵਿਲੱਖਣਤਾ, ਅਤੇ ਗਾਹਕ ਸੰਬੰਧ।
AI ਸਿਰਫ਼ ਲਾਗਤ ਘਟਾਉਂਦਾ ਨਹੀਂ; ਇਹ ਉਤਪਾਦ ਉਹਨਾਂ ਲੋਕਾਂ ਅਤੇ ਸਥਿਤੀਆਂ ਲਈ ਵਿਆਪਕ ਬਣਾਉਂਦਾ ਹੈ ਜਿੱਥੇ ਪਹਿਲਾਂ ਵੇਚਣਾ ਮੁਸ਼ਕਲ ਸੀ। ਕੁਝ ਯਥਾਰਥਪੂਰਨ ਉਦਾਹਰਨ:
ਇਹ ਸਭ ਗੈਰ-ਗਰੰਟੀਡ ਹੈ। ਜਿੱਤਣ ਵਾਲੇ ਟੀਮਾਂ ਉਹ ਹਨ ਜੋ AI ਨੂੰ ਸਿਰਫ਼ ਮੌਜੂਦਾ ਵਰਕਫਲੋ ਤੇ ਤੇਜ਼ੀ ਕਰਨ ਦੀ ਥਾਂ ਵਿਕਾਈਟ ਮਾਡਲ ਵਜੋਂ ਵਰਤਕੇ ਕਾਰੋਬਾਰੀ ਮਾਡਲ ਨੂੰ ਪੁਨਰ-ਡਿਜ਼ਾਈਨ ਕਰਦੀਆਂ ਹਨ।
AI ਰਣਨੀਤੀ ਤਬ ਸਪਸ਼ਟ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਤੁਸੀਂ ਇਸਨੂੰ ਉਹਨਾਂ ਸਵਾਲਾਂ ਦੇ ਸੈੱਟ ਵਿੱਚ ਤਬਦੀਲ ਕਰ ਦਿੰਦੇ ਹੋ ਜੋ ਤੁਸੀਂ ਸਬੂਤ ਨਾਲ ਜਵਾਬ ਦੇ ਸਕਦੇ ਹੋ—ਨ ਕਿ ਭਾਵਨਾ ਨਾਲ। ਹੇਠਾਂ ਦਿੱਤੇ ਪ੍ਰੰਪਟਾਂ ਨੂੰ ਇੱਕ ਲੀਡਰਸ਼ਿਪ ਮੀਟਿੰਗ ਜਾਂ ਉਤਪਾਦ ਸਮੀਖਿਆ ਵਿੱਚ ਵਰਤੋ ਤਾਂ ਕਿ ਦਾਅਵੇ ਪੁਸ਼ਟ ਕਰਨ, ਪਾਇਲਟ ਕਰਨ ਅਤੇ ਕੋਈ ਕਾਰਵਾਈ ਕਰਨ ਦੀ ਫੈਸਲਾ ਲਿਆ ਜਾ ਸਕੇ।
ਪੁੱਛੋ:
ਪੁੱਛੋ:
ਪੁੱਛੋ:
ਪੁੱਛੋ:
ਇਕ ਉੱਚ-ਵਾਲੀਅਮ ਅਤੇ ਸਪਸ਼ਟ ਮਾਪਯੋਗ ਵਰਕਫਲੋ ਚੁਣੋ (ਸਪੋਰਟ ਟ੍ਰਾਇਜ, ਸੇਲਜ਼ ਈਮੇਲ ਡਰਾਫਟ, ਦਸਤਾਵੇਜ਼ ਸੰਖੇਪ)। 4-ਹਫ਼ਤੇ ਪਾਇਲਟ ਚਲਾਓ:
ਟ੍ਰੈਕ ਕਰਨ ਲਈ ਸਫਲਤਾ ਮੈਟ੍ਰਿਕਸ: ਸਾਇਕਲ ਟਾਈਮ, ਕੁਆਲਿਟੀ ਸਕੋਰ (ਮਨੁੱਖੀ ਰੇਟ ਕੀਤਾ), ਲਾਗਤ ਪ੍ਰਤੀ ਨਤੀਜਾ, ਅਤੇ ਯੂਜ਼ਰ ਅਡਾਪਸ਼ਨ।
ਜੇ ਤੁਸੀਂ ਇਨ੍ਹਾਂ ਪਾਇਲਟਾਂ ਦਾ ਹਿੱਸਾ ਵਜੋਂ ਅੰਦਰੂਨੀ ਟੂਲਾਂ ਜਾਂ ਲਾਈਟਵੇਟ ਗਾਹਕ-ਸਮਨਾ ਉਪਕਰਣ ਬਣਾ ਰਹੇ ਹੋ, ਤਾਂ Koder.ai ਵਰਗੇ ਪਲੇਟਫਾਰਮ ਤੁਹਾਨੂੰ ਚੈਟ 'ਚ ਵਰਣਿਤ ਵਰਕਫਲੋ ਤੋਂ ਕੰਮ ਕਰਨ ਵਾਲਾ ਵੈੱਬ ਜਾਂ ਬੈਕਐਂਡ ਪ੍ਰੋਟੋਟਾਈਪ ਤੇਜ਼ੀ ਨਾਲ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ—ਅਤੇ ਜਦੋਂ ਪ੍ਰੋਡਕਸ਼ਨਾਇਜ਼ ਕਰਨ ਦਾ ਸਮਾਂ ਆਵੇ ਤਾਂ ਤੁਸੀਂ ਸਰੋਤ ਕੋਡ ਐਕਸਪੋਰਟ ਵੀ ਕਰ ਸਕਦੇ ਹੋ।
ਜੇ ਤੁਸੀਂ ਸਹੀ ਟੀਅਰ ਜਾਂ ਉਪਯੋਗ ਮਾਡਲ ਚੁਣਨ ਵਿੱਚ ਮਦਦ ਚਾਹੁੰਦੇ ਹੋ ਤਾਂ ਕੀਮਤਾਂ ਦੇਖੋ (ਕੀਮਤਾਂ), ਅਤੇ ਹੋਰ ਪ੍ਰਯੋਗਿਕ ਪਲੇਬੁੱਕਾਂ ਲਈ ਬਲੌਗ ਵੇਖੋ (ਬਲੌਗ)।
Marc Andreessen ਦੀ ਲਕੀਰ ਸਧਾਰਨ ਹੈ: ਤਕਨਾਲੋਜੀ ਨੂੰ ਲੀਵਰਿਜ ਵਜੋਂ ਵੇਖੋ। ਪਹਿਲਾਂ ਇਹ ਸਾਫਟਵੇਅਰ ਸੀ ਜੋ ਵਿਚਾਰਾਂ ਨੂੰ ਸਕੇਲ ਕਰਨ ਦਾ ਯੰਤਰ ਸੀ; ਹੁਣ AI ਇੱਕ ਨਵੀਂ ਪਰਤ ਜੋੜਦਾ ਹੈ—ਸਿਸਟਮ ਜੋ ਸਿਰਫ਼ ਹੁਕਮ ਨਹੀਂ ਚਲਾਉਂਦੇ, ਪਰ ਸਹਾਇਤਾ, ਸੰਖੇਪ, ਫੈਸਲੇ ਅਤੇ ਰਚਨਾ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ।
"AI ਸਭ ਕੁਝ ਬਦਲ ਦਿੰਦਾ ਹੈ" ਕੋਈ ਰਣਨੀਤੀ ਨਹੀਂ ਹੈ। ਸਪਸ਼ਟ ਸੋਚ ਇੱਕ ਮਾਪਯੋਗ ਸਮੱਸਿਆ, ਇੱਕ ਯੂਜ਼ਰ, ਅਤੇ ਇੱਕ ਨਤੀਜਾ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ: ਸਮਾਂ ਬਚਾਇਆ ਗਿਆ, ਤਰੁਟਿ ਦਰ ਘਟੀ, ਪ੍ਰਤੀ-ਗਾਹਕ ਰੇਵਨਿਊ ਵਧਿਆ, ਸਪੋਰਟ ਟਿਕਟ ਘਟੇ, churn ਸੁਧਰੀ। ਜਦ AI ਕੰਮ ਮੈਟ੍ਰਿਕਸ ਨਾਲ ਜੁੜੀ ਰਹਿੰਦੀ ਹੈ, ਤਾਂ ਚਮਕੀਲੇ ਡੈਮੋ ਤੋਂ ਬਚਣਾ ਆਸਾਨ ਹੁੰਦਾ ਹੈ।
AI ਪ੍ਰਗਤੀ ਓਹ ਨਿਰਣੇ ਲਿਆਉਂਦੀ ਹੈ ਜੋ ਸਾਫ਼ ਨਹੀਂ ਹੁੰਦੇ:
ਮੁੱਦਾ ਸਦਾ ਇੱਕ ਪਾਸਾ ਚੁਣਨਾ ਨਹੀਂ, ਬਲਕਿ ਵਪਾਰਿਕ ਛੋਟੇ ਸਮੇਂ ਦੇ ਟ੍ਰੇਡ-ਅਫ਼ ਨੂੰ ਸਪਸ਼ਟ ਕਰਨਾ ਅਤੇ ਜਦ ਤਕ ਯੋਗਤਾਵਾਂ ਅਤੇ ਜੋਖਮ ਬਦਲਦੇ ਹਨ ਤਦ ਦੁਬਾਰਾ ਮੁਲਾਂਕਣ ਕਰਨਾ ਹੈ।
ਉਸ ਵਰਕਫਲੋ ਨੂੰ ਲਿਖੋ ਜਿੱਥੇ ਇੱਕ ਟੀਮ ਹਫ਼ਤੇ ਵਿੱਚ ਘੰਟੇ ਗੁਆਉਂਦੀ ਹੈ। ਦਿਨਾਂ ਵਿੱਚ ਇੱਕ AI-ਸਹਾਇਤ ਵਰਜਨ ਦਾ ਪ੍ਰੋਟੋਟਾਈਪ ਬਣਾਓ। ਨਿਰਧਾਰਿਤ ਕਰੋ ਕਿ "ਚੰਗਾ" ਕੀ ਹੈ, ਥੋੜੀ ਟੀਮ ਨਾਲ ਰਨ ਕਰੋ, ਅਤੇ ਜੋ ਗਿਣਤੀ ਨੂੰ ਚਲਾਉਂਦੀ ਹੈ ਉਹ ਰੱਖੋ।
ਹੋਰ ਫ੍ਰੇਮਵਰਕ ਅਤੇ ਉਦਾਹਰਨਾਂ ਲਈ ਬਲੌਗ ਵੇਖੋ (ਬਲੌਗ)। ਕੀਮਤਾਂ ਅਤੇ ਉਪਯੋਗ ਮਾਡਲਾਂ ਦੇ ਮੁਲਾਂਕਣ ਲਈ ਕੀਮਤਾਂ ਦਿੱਖੋ (ਕੀਮਤਾਂ)।
Marc Andreessen ਵੱਖ-ਵੱਖ ਪਲੇਟਫਾਰਮ ਬਦਲਾਵਾਂ (ਵੈੱਬ, ਕਲਾਉਡ-ਯੁੱਗੀ ਸਾਫਟਵੇਅਰ, ਅਤੇ ਹੁਣ AI) ਦੇ ਨੇੜੇ ਰਹੇ ਹਨ। ਜੇਕਰ ਤੁਸੀਂ ਉਸਦੇ ਨਤੀਜਿਆਂ ਨਾਲ ਸਹਿਮਤ ਨਹੀਂ ਵੀ ਹੋ, ਉਸਦੀ ਰਾਹਦਾਰੀ ਅਕਸਰ ਇਸGall ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ ਕਿ ਫਾਊਂਡਰ ਕੀ ਬਣਾਉਂਦੇ ਹਨ, ਨਿਵੇਸ਼ਕ ਕੀ ਫੰਡ ਕਰਦੇ ਹਨ, ਅਤੇ ਨੀਤੀ-ਨਿਰਮਾਤਾ ਕੀ ਸੋਚਦੇ ਹਨ। ਇਸ ਲਈ ਉਸਦੀ ਵਿਚਾਰਧਾਰਾ ਨੂੰ ਇੱਕ 'ਸਿਗਨਲ' ਵਜੋਂ ਵੇਖਣਾ ਲਾਭਦਾਇਕ ਹੈ — ਜਿਸ 'ਤੇ ਪ੍ਰਭਾਵੀ ਸਵਾਲ ਪੁੱਛ ਕੇ ਅਤੇ ਸਪਸ਼ਟ ਰਣਨੀਤੀ ਨਾਲ ਪ੍ਰਭਾਵਿਤ ਹੋ ਸਕਦੇ ਹੋ।
ਇਸਦਾ ਮਤਲਬ ਇਹ ਹੈ ਕਿ ਬਹੁਤ ਸਾਰੀਆਂ ਉਦਯੋਗਾਂ ਵਿੱਚ ਮੁੱਕ ਯਕੀਨਯੋਗ ਫਾਇਦਾ ਭੌਤਿਕ ਸੰਸਾਧਨਾਂ ਨੂੰ ਰੱਖਣ ਤੋਂ ਬਦਲ ਕੇ ਕਬਜ਼ਾ ਕਰਨ ਵਾਲੇ ਕੰਟਰੋਲ ਲੇਅਰ (ਡੇਟਾ, ਸਾਫਟਵੇਅਰ ਵਰਕਫਲੋ, ਡਿਜ਼ੀਟਲ ਚੈਨਲਾਂ ਰਾਹੀਂ ਵੰਡ) ਤੇ ਹੋ ਜਾਂਦਾ ਹੈ。
ਉਦਾਹਰਨ ਵਜੋਂ, ਇੱਕ ਰਿਟੇਲਰ ਅਜੇ ਵੀ ਭੌਤਿਕ ਹੋ ਸਕਦਾ ਹੈ, ਪਰ ਕੀਮਤ ਨਿਰਧਾਰਨ, ਇਨਵੈਂਟਰੀ, ਲੋਜਿਸਟਿਕਸ ਅਤੇ ਗਾਹਕ ਪ੍ਰਾਪਤੀ ਅਕਸਰ ਸਾਫਟਵੇਅਰ ਸਮੱਸਿਆਵਾਂ ਬਣ ਗਈਆਂ ਹਨ।
ਨਹੀਂ। ਲੇਖ ਦਾ ਬਿੰਦੂ ਇਹ ਹੈ ਕਿ ਸਾਫਟਵੇਅਰ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਸੰਗਠਿਤ ਅਤੇ ਮੁਕਾਬਲਾ ਕਰਨ ਦੇ ਢੰਗ ਨੂੰ ਬਦਲਦਾ ਹੈ, ਪਰ ਮੂਲ ਤੱਤ ਰਹਿੰਦੇ ਹਨ।
ਭੌਤਿਕ ਪਾਬੰਦੀਆਂ (ਮੈਨੂਫੈਕਚਰਿੰਗ, ਊਰਜਾ, ਸਪਲਾਈ ਚੇਨ, ਮਜ਼ਦੂਰ) ਮਹੱਤਵਪੂਰਨ ਰਹਿਣਗੀਆਂ, ਅਤੇ ਸਾਫਟਵੇਅਰ ਲਾਭ ਅਸਥਾਈ ਹੋ ਸਕਦਾ ਹੈ ਜਦ:
ਪਲੇਟਫਾਰਮ ਬਦਲਾਅ ਉਹ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਕੋਈ ਨਵਾਂ ਕੰਪਿਊਟਿੰਗ ਲੇਅਰ ਡਿਫੌਲਟ ਤਰੀਕੇ ਨਾਲ ਸਾਫਟਵੇਅਰ ਬਣਾਉਣ ਅਤੇ ਵਰਤਣ ਦਾ ਰਸਤਾ ਬਣ ਜਾਂਦਾ ਹੈ (ਜਿਵੇਂ ਕਿ ਵੈੱਬ, ਮੋਬਾਈਲ, ਕਲਾਉਡ)। AI ਇਸ ਨੂੰ ਬਦਲਦਾ ਹੈ:
ਨਤੀਜਾ: ਟੀਮਾਂ "ਫੀਚਰਾਂ" ਦੀ ਥਾਂ "ਸਮਰੱਥਾਵਾਂ" ਪੇਸ਼ ਕਰ ਸਕਦੀਆਂ ਹਨ।
ਅੱਜ ਵਰਤੇ ਜਾ ਰਹੇ ਕਾਰਜਕਾਰੀ ਮਾਮਲੇ ਆਮ ਤੌਰ 'ਤੇ ਉਹ ਹਨ ਜਿੱਥੇ ਮਨੁੱਖ-ਇੰਟਰਵੈਂਸ਼ਨ ਰਹਿੰਦਾ ਹੈ ਅਤੇ ਗਲਤੀਆਂ ਸਹੀ ਕੀਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ। ਉਦਾਹਰਣਾਂ:
ਪੈਟਰਨ: AI ਸੁਝਾਉਂਦਾ ਹੈ; ਮਨੁੱਖ ਤਸਦੀਕ ਕਰਦਾ ਹੈ (ਖਾਸ ਕਰਕੇ ਸ਼ੁਰੂਆਤੀ ਦੌਰ ਵਿੱਚ)।
AI ਫੀਚਰਾਂ ਦੇ ਥੱਕਣ-ਜੋ ਹੋ ਜੰਦੇ ਹਨ, ਇਸ ਲਈ ਟਿਕਾਉ ਫਾਇਦਾ ਆਮ ਤੌਰ 'ਤੇ ਆਉਂਦਾ ਹੈ:
ਜੇ ਤੁਹਾਡਾ ਫਾਇਦਾ ਸਿਰਫ਼ “ਅਸੀਂ ਇੱਕ ਚੈਟਬੋਟ ਜੋੜ ਦਿੱਤਾ” ਹੈ, ਤਾਂ ਧਿਆਨ ਦਿਓ ਕਿ ਫੀਚਰ ਪੈਰਟੀ ਆਸਾਨੀ ਨਾਲ ਆ ਸਕਦੀ ਹੈ।
ਪਹਿਲਾਂ ਆਪਣੇ ਸੀਮਾਵਾਂ ਦੇ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ:
ਵਾਅਤਵਿਕ ਤਰੀਕਾ: ਪ੍ਰੋਟੋਟਾਈਪ ਲਈ ਬੰਦ ਮਾਡਲ ਵਰਤੋ, ਫਿਰ ਚੁਣਿੰਦੇ ਵਰਕਲੋਡ ਨੂੰ ਖੁੱਲ੍ਹੇ/ਸਵੈ-ਹੋਸਟ ਤੇ ਮਾਈਗਰੇਟ ਕਰੋ ਜਦੋਂ ਲਾਗਤ ਅਤੇ ਲੋੜ ਸਪਸ਼ਟ ਹੋ ਜਾਵੇ।
ਇਸ ਨੂੰ ਪ੍ਰਕਿਰਿਆ ਡਿਜ਼ਾਇਨ ਵਜੋਂ ਵਰਤੋ — ਜਿਵੇਂ ਕਿ ਇੱਕ ਬੇਠਕ ਨਹੀਂ:
ਇੱਕ ਸੁਲਝੀ ਹੋਈ ਸ਼ੁਰੂਆਤ: ਇੱਕ ਉੱਚ-ਪ੍ਰਮਾਣ ਵਾਲੇ ਵਰਕਫਲੋ ਤੇ 4-ਹਫ਼ਤੇ ਪਾਇਲਟ ਚਲਾਓ ਅਤੇ ਸਕੇਲ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਨਤੀਜੇ ਵੇਖੋ।