आधुनिक खंदक

थोडक्यात

२१व्या शतकातील निर्णायक व्यावसायिक खंदक—शुद्ध सॉफ्टवेअर—जनरेटिव्ह एआय कोडची किंमत शून्यावर आणत असल्याने वेगाने कोसळत आहे; हे त्याच प्रकारे घडत आहे जसे चिनी औद्योगिक समूहांनी आधीच शुद्ध हार्डवेअरचा खंदक नष्ट केला. उत्पादनाची निव्वळ कठीणता आता कोणत्याही क्षेत्रातील व्यवसायाचे संरक्षण करत नाही, त्यामुळे टिकाऊ नफा बिट्स आणि अणू यांच्या मधील सांध्यांमध्ये स्थलांतरित झाला आहे. आज बचावक्षम कंपनी उभारण्यासाठी संस्थापकांनी सर्वसाधारण सॉफ्टवेअर विक्रेता मॉडेल सोडून, एका वास्तविक भौतिक कार्यप्रवाहाचा सुरुवातीपासून शेवटपर्यंत मालक असलेल्या प्रमुखाच्या भूमिकेत काम केले पाहिजे. चार प्रमुख घटकांपैकी किमान तीन घटक—सानुकूल हार्डवेअर, विशेषीकृत सॉफ्टवेअर, कमावलेली नाती आणि मालकीचा डेटा—घट्टपणे एकत्रित करून आधुनिक व्यवसाय हमीदार परिणाम देऊ शकतो आणि त्याच वेळी बंद-चक्रातील डेटा संकलित करू शकतो; हाच डेटा खरा खंदक बनतो. आज सुरुवात करणारा प्रतिस्पर्धी एका स्थिर आघाडीचा पाठलाग करत नाही. प्रत्येक काम पूर्ण झाल्यावर अधिक विस्तारत जाणाऱ्या आघाडीचा तो पाठलाग करत असतो.

प्रस्तावना आणि उद्देश

हा अहवाल माझ्या खंदकाच्या सिद्धांतातील इतर सर्व गोष्टी ज्यावर आधारलेल्या आहेत त्या एका दाव्याचा विस्तार करतो: शुद्ध सॉफ्टवेअर आता बचावक्षम खंदक राहिलेले नाही, आणि चीनने आपले उत्पादन वर्चस्व वाढवल्यानंतर शुद्ध हार्डवेअरही खंदक राहिलेले नाही. दोन्हींचा घोषवाक्यांसारखा वापर केला जातो. मला घोषवाक्य बाजूला काढून त्यामागील यंत्रणा मांडायची आहे. प्रत्येकाचा ऱ्हास का झाला, कोणती गृहीतके नकळत मोडली, हे दोन्ही एकमेकांना कसे बळ देतात आणि टिकाऊ नफा अजून कुठे मिळवता येतो. हा अहवाल स्वतःच्या पायावर उभा राहावा, जेणेकरून भविष्यातील वाचकाला किंवा भविष्यातील मॉडेलला तो निर्माण करणाऱ्या संभाषणाशिवाय संपूर्ण युक्तिवाद समजू शकेल, म्हणून मी तो लिहिला.

सुमारे तीस वर्षे, तंत्रज्ञान धोरण असे गृहीत धरत होते की डिजिटल जग टिकाऊ, उच्च-नफा, बचावक्षम नफा निर्माण करते, तर भौतिक जग कमी-नफा, अविभेदित, कमी-नफ्याचे वस्तुरूपी उत्पादन निर्माण करते. हे दोन धक्के एकाच वेळी आले नाहीत. चीनच्या उत्पादनसमूहांनी उत्पादनाधारित हार्डवेअरची बचावक्षमता प्रथम मोडली—मुख्यतः २००० आणि २०१०च्या दशकांत. जनरेटिव्ह एआय २०२०च्या दशकात उत्पादनाधारित सॉफ्टवेअरची बचावक्षमता नंतर मोडत आहे. जनरेटिव्ह एआयने सॉफ्टवेअर तयार करण्याची सीमांत किंमत शून्याच्या दिशेने ढकलली, ज्यामुळे सॉफ्टवेअरला बचावक्षम बनवणारे अडथळे विरघळले. चिनी औद्योगिक समूहांनी भौतिक पुनरावृत्तीची किंमत आणि विलंब सॉफ्टवेअरच्या किंमत व विलंबाइतका कमी केला, ज्यामुळे हार्डवेअरला बचावक्षम बनवणारे अडथळे विरघळले. त्यामुळे आता केवळ बिट्स किंवा केवळ अणू यांपैकी कुठलीही गोष्ट व्यवसायाला आश्रय देऊ शकत नाही. टिकाऊ लाभ कोणत्याही एका परिमाणातून बाहेर पडून दोन्हींच्या घट्ट जोडणीमध्ये, तसेच नाती आणि मालकीच्या डेटामध्ये गेला आहे.

हा दस्तऐवज दोन भागांत आहे:

• विश्लेषण. खंदक प्रत्यक्षात काय असतो, प्रत्येक क्षेत्र पूर्वी बचावक्षम का होते, प्रत्येक धक्क्याने कोणते घर्षण विरघळवले आणि काय उभे राहिले. हा भाग आर्थिक विश्लेषण आहे आणि विश्लेषण जिथे थांबते तिथे तो थांबतो.
• आधुनिक खंदक. आता बिट्स किंवा अणू स्वतंत्रपणे तुमचे संरक्षण करत नसताना बचावक्षमता प्रत्यक्षात कशापासून बनते आणि त्यावर उभारलेली कंपनी व्यवहारात कशी दिसते.

विश्लेषण: दोन्ही खंदक कसे कोसळले

भाग एक: खंदक प्रत्यक्षात काय असतो

खंदक कसे कोसळले हे स्पष्ट करण्यापूर्वी खंदक म्हणजे काय याबद्दल मला अचूक असणे आवश्यक आहे, कारण या शब्दाचा सैल वापर मी पाहिलेल्या बहुतांश वाईट धोरणात्मक विचारांसाठी जबाबदार आहे. खंदक म्हणजे चांगले उत्पादन, तात्पुरती आघाडी किंवा प्रथम येण्याची कृती नव्हे. खंदक म्हणजे बाजारपेठेतील अशी संरचनात्मक वैशिष्ट्यपूर्ण गोष्ट, जी एखाद्या कंपनीला दीर्घकाळ तिच्या भांडवलाच्या खर्चापेक्षा जास्त परतावा मिळवू देते, आणि तो परतावा स्पर्धेमुळे नाहीसा होत नाही. औद्योगिक अर्थशास्त्राच्या भाषेत, खंदक हा आर्थिक भाड्याचा टिकाऊ स्रोत असतो.

आर्थिक भाडे म्हणजे एखादी कंपनी खुले राहण्यासाठी स्वीकारेल त्या किमान रकमेपेक्षा अधिक मिळवणारा अधिशेष, आणि खऱ्या स्पर्धात्मक बाजारपेठेत हा अधिशेष शून्यावर जातो. परिपूर्ण स्पर्धेअंतर्गत, किंमत सीमांत खर्चापर्यंत खाली ढकलली जाते, कंपन्यांना केवळ त्यांच्या भांडवलाचा खर्च मिळतो आणि कोणताही अतिरिक्त नफा टिकत नाही. बचावक्षमतेबद्दलची प्रत्येक चौकट म्हणजे एखादी विशिष्ट कंपनी सीमांत खर्चावर आधारित किंमत आणि शून्य नफ्याकडे ओढणाऱ्या या प्रवाहातून कशी सुटते याचा सिद्धांत असतो.

शास्त्रीय यादी मायकल पोर्टर यांच्याकडून आली आहे. त्यांच्या पाच शक्तींच्या चौकटीचा वापर १९७९पासून यासाठी प्रमाणित साधन म्हणून केला जात आहे आणि नंतर मूल्य-गुंतवणूक क्षेत्राने तिला अधिक धार दिली. ती वास्तविक, टिकाऊ भाड्याचे काही स्रोत देते:

• प्रवेशातील अडथळे, जे नवीन प्रतिस्पर्ध्यांना बाहेर ठेवतात
• उच्च बदलण्याचा खर्च, जो विद्यमान ग्राहकांना आत ठेवतो
• नेटवर्क परिणाम, ज्यात अधिक लोक उत्पादन वापरतात तसतसे उत्पादन अधिक मौल्यवान बनते
• प्रमाणातील अर्थव्यवस्था, ज्यामुळे विद्यमान कंपन्या नवागतांपेक्षा कमी किंमत ठेवू शकतात
• मालकीची बौद्धिक संपदा किंवा नियामक संरक्षण, जे अनुकरण करणाऱ्यांना कायदेशीररीत्या वगळते
• दुर्मिळ इनपुट किंवा वितरण वाहिनीवर नियंत्रण, ज्यापर्यंत प्रतिस्पर्धी पोहोचू शकत नाहीत

प्रत्येक भाड्याचा स्रोत म्हणजे एक घर्षण

त्या प्रत्येक भाड्याच्या स्रोतामागे एक घर्षण असते. खंदक हा खरेतर अशा घर्षणाचा एक प्रकार असतो, ज्यातून प्रतिस्पर्धी स्वस्तात पुढे जाऊ शकत नाहीत:

• उच्च बदलण्याचा खर्च म्हणजे ग्राहकाच्या बाहेर पडण्यात असलेले घर्षण.
• प्रवेशातील अडथळे म्हणजे प्रतिस्पर्ध्याच्या आगमनातील घर्षण.
• नेटवर्क परिणाम म्हणजे वापरकर्त्यांनी एकत्रितपणे दुसरीकडे जाण्यासाठी आवश्यक असलेल्या समन्वयातील घर्षण.
• उत्पादनाचे प्रमाण म्हणजे स्पर्धात्मक एकक खर्च गाठण्यापूर्वी नवागताने गुंतवाव्या लागणाऱ्या भांडवलातील आणि वेळेतील घर्षण.

यावरून जनरेटिव्ह एआय किंवा चिनी औद्योगिक घनता यांसारखी गोष्ट बाजारपेठेसोबत प्रत्यक्षात काय करते हे स्पष्ट दिसते. या शक्ती उत्पादनांवर हल्ला करत नाहीत. त्या घर्षणांवर हल्ला करतात. त्या घर्षण विरघळवणाऱ्या तंत्रज्ञान आहेत. आणि घर्षण विरघळवणारे तंत्रज्ञान म्हणजे व्याख्येनुसार खंदक विरघळवणारे तंत्रज्ञान.

संपूर्ण युक्तिवाद एका वाक्यात संकुचित करता येतो: सॉफ्टवेअर आणि हार्डवेअरचे खंदक कोसळले, कारण त्यांचे भाडे निर्माण करणारी विशिष्ट घर्षणे हीच अशी घर्षणे होती, जी एआय आणि चिनी औद्योगिक समूह असामान्यपणे चांगल्या प्रकारे दूर करू शकत होते.

भाग दोन: ऐतिहासिक सॉफ्टवेअर खंदक आणि बिट्सने पैसे का छापले

हा ऱ्हास समजून घेण्यासाठी, सॉफ्टवेअर ही भांडवलशाहीने शोधलेली सर्वांत उत्तम व्यावसायिक रचना का होती हे आधी समजून घ्यावे लागते, कारण हा ऱ्हास तिला महान बनवणाऱ्या गोष्टींची केवळ उलट प्रक्रिया आहे.

सॉफ्टवेअरची किंमत-रचना जवळजवळ अद्वितीय होती. त्यात पहिली प्रत तयार करण्यासाठीचा उच्च स्थिर खर्च आणि त्यानंतर प्रत्येक प्रत पुनरुत्पादित व वितरित करण्यासाठीचा जवळजवळ शून्य सीमांत खर्च यांचे संयोजन होते. गुंतागुंतीच्या प्रोग्रामची पहिली आवृत्ती लिहिण्यासाठी दुर्मिळ, महागडा आणि प्रशिक्षणासाठी बराच वेळ लागणारा अभियंत्यांचा समूह अनेक महिने किंवा वर्षे काम करत असे. पण एकदा ती लिहून झाली की, दशलक्षावी प्रत तयार करण्यासाठी जवळजवळ काहीही खर्च येत नसे आणि ती पोहोचवण्यासाठीही काहीही खर्च येत नसे. या विषमतेमुळे प्रचंड कार्यकारी लाभ निर्माण झाला. परिपक्व क्षैतिज सॉफ्टवेअर ऐंशी टक्क्यांच्या आसपास स्थूल नफा मिळवू शकते, जसे Atlassian ने Q2 FY2025 साठी मार्गदर्शन केले, कारण महसूल वापरकर्त्यांच्या संख्येसोबत वाढतो, तर विक्री झालेल्या वस्तूंच्या खर्चात फारसा बदल होत नाही. परंतु हे विधान पूर्वीइतके सार्वत्रिक राहिलेले नाही, कारण Snowflake ने FY2025 मध्ये ६७ टक्क्यांच्या जवळपास स्थूल नफा नोंदवला, याचे एक कारण म्हणजे तृतीय-पक्ष क्लाउड पायाभूत सुविधा महसूलाच्या खर्चामध्ये समाविष्ट असते. आर्थिक दृष्टिकोनातून, सॉफ्टवेअर शुद्ध माहिती-वस्तूप्रमाणे वागत असे आणि माहिती-वस्तू भौतिक वस्तूंवर नियंत्रण ठेवणाऱ्या उत्पादन व खर्चाच्या सामान्य संबंधाला मोडून काढतात.

परंतु केवळ कमी सीमांत खर्चामुळे खंदक निर्माण होत नाही. जर कोणीही वस्तू स्वस्तात तयार करू शकत असेल, तर कमी सीमांत खर्चामुळे भाडे नव्हे तर विनाशकारी स्पर्धा निर्माण होते. सॉफ्टवेअरने भाडे मिळवले कारण पहिली प्रत तयार करण्यासाठीचा उच्च स्थिर खर्च प्रवेशातील अडथळा म्हणून काम करत होता आणि त्यावर इतर अनेक घर्षणे जोडली गेली होती:

• अभियांत्रिकी प्रतिभेची दुर्मिळता. महत्त्वपूर्ण सॉफ्टवेअर उभारण्यासाठी महागडे, नियुक्त करणे कठीण आणि समन्वय साधणे कठीण असलेले लोक आवश्यक होते; त्यामुळे विश्वासार्ह प्रतिकृती तयार करण्यासाठी आवश्यक संघ बहुतेक संभाव्य प्रतिस्पर्धी उभारूच शकत नसत.
• वेळ. चांगला निधी असलेल्या प्रतिस्पर्ध्यालाही प्रतिस्पर्धी उत्पादनाचे उलटे अभियांत्रिकीकरण, तपशीलनिर्धारण, निर्मिती, चाचणी आणि वितरण करण्यासाठी अनेक महिने लागत; त्या काळात विद्यमान कंपनीकडे वापरकर्ते, महसूल आणि अधिक उत्पादन-सखोलता जमा करण्यासाठी तात्पुरती मक्तेदारी असे.
• बदलण्याचा खर्च. ग्राहकाने आपला डेटा एखाद्या प्रणालीमध्ये हलवला, कर्मचाऱ्यांना त्या इंटरफेसचे प्रशिक्षण दिले आणि सानुकूल एकत्रीकरणांद्वारे प्रणालीला इतर सर्व गोष्टींशी जोडले की, काहीतरी चांगले आणि स्वस्त उपलब्ध झाले तरी बाहेर पडणे अतिशय महागडे होत असे.
• निर्माण करणे विरुद्ध खरेदी करणे हा हिशोब. सानुकूल अंतर्गत सॉफ्टवेअर तयार करणे स्वतःच महागडे आणि जोखमीचे असल्याने, कंपन्या स्वतःचे सॉफ्टवेअर तयार करण्याऐवजी तर्कसंगतपणे प्रमाणित तयार उत्पादने खरेदी करत; यामुळे पॅकेज्ड सॉफ्टवेअर विक्रेत्यांसाठी मोठी बाजारपेठ निश्चित झाली.
• नेटवर्क परिणाम आणि साचत जाणारा मालकीचा डेटा, सर्वोत्तम प्रकरणांमध्ये या सर्वांच्या वर जोडलेले.

संरचनात्मक असुरक्षितता

ही यादी कशापासून बनलेली आहे ते पाहा. या पाच घर्षणांपैकी केवळ एक—नेटवर्क परिणाम—उत्पादनाच्या मागणीच्या बाजूशी अंतर्निहितपणे संबंधित आहे. उरलेली चार—प्रतिभेची दुर्मिळता, निर्मितीची वेळ, बदलण्याचा खर्च आणि निर्माण करणे विरुद्ध खरेदी करण्याचा दंड—ही सर्व पुरवठ्याच्या बाजूवरील उत्पादनाची घर्षणे आहेत. सॉफ्टवेअर तयार करणे आणि बदलणे किती कठीण, संथ आणि महागडे होते याच्या त्या कलाकृती आहेत.

हीच असुरक्षितता आहे. ज्याची बचावक्षमता मुख्यतः एखादी गोष्ट निर्माण करणे किती कठीण आहे यावर अवलंबून असते, तो व्यवसाय उत्पादन कठीण राहेपर्यंतच बचावक्षम असतो. सॉफ्टवेअर तयार करण्याचा आणि बदलण्याचा खर्च कोसळताच, पाचपैकी चार आधारस्तंभ त्यासोबत कोसळतात आणि केवळ मागणीच्या बाजूचा नेटवर्क परिणाम उभा राहतो.

जनरेटिव्ह एआयने नेमका हाच ऱ्हास घडवून आणला.

भाग तीन: एआयचा धक्का आणि सॉफ्टवेअर खंदकाचे विरघळणे

जनरेटिव्ह AI ने सॉफ्टवेअरच्या अर्थशास्त्रावर केलेल्या परिणामाचे योग्य मॉडेल असे आहे की त्याला सॉफ्टवेअरच्या उत्पादन कार्यावर झालेला धक्का मानावे. मूलभूत अर्थशास्त्रात, कोणतीही वस्तू तयार करण्याचा खर्च तिच्या इनपुट्सच्या खर्चाचे कार्य असतो. सॉफ्टवेअरसाठी प्रमुख इनपुट नेहमीच कुशल मानवी बौद्धिक श्रम राहिले आहेत—विशेषतः व्यावसायिक गरजेला अचूक, तपासलेला आणि तैनात करता येण्याजोगा कोडमध्ये रूपांतरित करण्याचे श्रम. हाच श्रम दुर्मिळ आणि महागडा इनपुट होता, ज्यामुळे प्रवेशाचा अडथळा निर्माण झाला.

जनरेटिव्ह AI आणि स्वायत्त कोडिंग एजंट्स या इनपुटवर थेट आघात करतात. ते अनेक कामांमध्ये ऐतिहासिक खर्चाच्या तुलनेत अत्यल्प खर्चात कोड तयार करतात, पुनर्रचना करतात, त्रुटी दूर करतात, दस्तऐवजीकरण करतात आणि तैनात करतात. नियंत्रित GitHub Copilot प्रयोगात असे आढळले की विकासकांनी मर्यादित कोडिंग कार्य 55.8 टक्के अधिक वेगाने पूर्ण केले, तर 4,867 विकासकांवरील क्षेत्रीय अभ्यासात 26.08 टक्के अधिक कामे पूर्ण झाल्याचे आढळले. हा परिणाम खरा आहे, परंतु असमान आहे. METR ने 2025 मध्ये केलेल्या यादृच्छिक चाचणीत असे आढळले की परिचित, परिपक्व कोडबेसवर काम करणारे अनुभवी मुक्त-स्रोत विकासक 2025 च्या सुरुवातीच्या AI साधनांसह 19 टक्के अधिक धीमे झाले, तरी त्यांना आपण अधिक वेगाने काम करत आहोत असे वाटत होते. सुरक्षित निष्कर्ष असा नाही की AI प्रत्येक परिस्थितीत प्रत्येक अभियंत्याला अधिक वेगवान बनवते. निष्कर्ष असा आहे की AI कोड तयार करण्याचा खर्च कमी करते—विशेषतः मर्यादित, नव्याने सुरू केलेल्या आणि तुलनेने कनिष्ठ स्तरावरील कामांसाठी. दुर्मिळ इनपुट अधिक मुबलक केला जात आहे. जेव्हा महत्त्वाच्या दुर्मिळ इनपुटची किंमत कमी होते, तेव्हा त्या दुर्मिळतेवर उभा असलेला प्रवेशाचा अडथळाही त्यासोबत कोसळतो. ही एकच यंत्रणा पुरवठ्याच्या बाजूच्या चारही आधारस्तंभांमध्ये साखळीप्रतिक्रिया निर्माण करते.

विकासक प्रत्यक्षात वापरत असलेल्या साधनांमध्ये हा बदल दिसून येतो. सुरुवातीला Cursor सारखे IDE मध्येच समाविष्ट असलेले सहपायलट आले. त्यानंतर Claude Code, Codex CLI, Kiro CLI आणि OpenCode सारखे टर्मिनलमध्येच कार्य करणारे कोडिंग एजंट आले. येथे मॉडेल रेपॉझिटरी वाचते, फाइल्स संपादित करते, आदेश चालवते आणि अभियंता वापरत असलेल्या त्याच वातावरणाविरुद्ध पुनरावृत्ती करते. आता बहु-एजंट समन्वयाभोवती तिसरा स्तर उदयास येत आहे. Conductor, Superset आणि Hermes Agent सारखी साधने अनेक प्रकल्प आणि वातावरणांमध्ये अनेक एजंट्सचे समन्वयन करतात. प्रगती स्पष्ट आहे. ती स्वयंपूर्णतेच्या सूचनांपासून स्वायत्त एजंट्सपर्यंत आणि त्यानंतर समांतरपणे अनेक एजंट्सचे समन्वयन करण्यापर्यंत पोहोचली आहे, आणि ही प्रक्रिया आता आणखी वेग घेईल. डिजिटल काम दरवर्षी अधिकाधिक स्वयंचलित करणे सोपे होईल, आणि आज ज्यांना कुशल ऑपरेटरची गरज असते, अशा साधनांना उद्या कमीाधिक मानवी हस्तक्षेपाची आवश्यकता असेल.

1. प्रवेशाच्या अडथळ्याचे पतन

विश्वसनीय सॉफ्टवेअर उत्पादन सुरू करण्यासाठी पूर्वी वास्तविक प्रारंभिक भांडवल आवश्यक असे, आणि त्यातील बहुतांश रक्कम MVP तयार करण्यासाठी आवश्यक अभियंत्यांची नियुक्ती करण्यावर खर्च होत असे. या भांडवली गरजेने बाजाराची छाननी केली. केवळ निधी उभारू शकणारे आणि प्रतिभावान कर्मचारी भरती करू शकणारे उपक्रमच उत्पादन बाजारात आणू शकत, आणि परिणामी निर्माण झालेली स्पर्धकांची कमतरता हीच प्रस्थापित कंपन्यांच्या संरक्षणाचा एक भाग होती.

जेव्हा उत्तम AI साधनांसह एक विकासक जुन्या वेळेच्या आणि खर्चाच्या अगदी छोट्या अंशात सुबक, कार्यरत अनुप्रयोगाची रचना, निर्मिती आणि सुरुवात करू शकतो, तेव्हा हा गाळणी-अडथळा नाहीसा होतो. बाजारात नव्या प्रवेशकर्त्यांचा पूर येतो. स्पर्धात्मक दृष्टीने, सॉफ्टवेअर वैशिष्ट्यांचा पुरवठा वक्र मोठ्या प्रमाणात बाहेरच्या दिशेने सरकतो, आणि त्यानंतर काय होते हे मूलभूत किंमत सिद्धांत कोणत्याही संदिग्धतेशिवाय सांगतो. जेव्हा पर्यायी वस्तूचा पुरवठा साधारणपणे स्थिर मागणीविरुद्ध मोठ्या प्रमाणात वाढतो, तेव्हा किंमत सीमांत खर्चाकडे घसरते; आणि सॉफ्टवेअरचा सीमांत खर्च शून्याच्या जवळ असल्यामुळे किंमतही शून्याच्या दिशेने ओढली जाते. सॉफ्टवेअरच्या पुरवठ्याची अतिमुबलकता म्हणजे यांत्रिक पद्धतीने सॉफ्टवेअरच्या किंमत-निर्धारण शक्तीचा विनाश होय.

2. कालिक आघाडीचे पतन

ही बहुधा सर्वांत महत्त्वाची सॉफ्टवेअर संरक्षणभिंत होती. जलद उत्पादन बाजारात आणणे आणि पुनरावृत्ती करणे यामागील संपूर्ण तर्क असा होता की बाजारात आणलेले वैशिष्ट्य त्याच्या निर्मात्याला इतर कोणी त्याची नक्कल करेपर्यंत काही महिन्यांची विशेष आघाडी देईल. हाच आघाडीचा कालावधी असा अवकाश होता ज्यामध्ये नेटवर्क परिणाम, ब्रँड आणि ग्राहक प्रस्थापित होत.

AI नक्कल करण्याचे चक्र महिन्यांवरून तासांपर्यंत संकुचित करते. एखादा स्पर्धक उत्पादनाचा इंटरफेस पाहू शकतो, त्याचे वर्तन कोडिंग एजंटला सांगू शकतो आणि जवळजवळ तात्काळ कार्यरत प्रतिकृती मिळवू शकतो—मूळ स्रोत कोड कधीही न पाहताही—कारण मूल्य प्रत्यक्षात विशिष्ट कोडमध्ये कधीच नव्हते. ते विनिर्देशनात होते, आणि विनिर्देशने आता अत्यंत स्वस्तात अंमलात आणता येतात.

नक्कल करण्याचा विलंब शून्यावर गेल्यावर, जलद नवोन्मेषाचे समर्थन करणारी तात्पुरती मक्तेदारी नाहीशी होते. नवोन्मेष सुरू राहतो, परंतु त्यातून टिकाऊ अधिमूल्य मिळणे थांबते, कारण नवोन्मेषाचे बक्षीस त्वरित नक्कल करणाऱ्यांकडे जाते. 1986 मध्ये तंत्रज्ञानविषयक नवोन्मेषातून नफा मिळवण्यावर लिहिलेल्या आपल्या लेखात David Teece यांनी ज्याला विनियोगक्षमतेची समस्या म्हटले, त्याचे हे पाठ्यपुस्तकी उदाहरण आहे. नवोन्मेषकाने निर्माण केलेल्या मूल्याचा पुरेसा भाग नक्कल करणारी स्पर्धा तो मूल्य नष्ट करण्यापूर्वी स्वतःकडे ठेवू शकला, तरच नवोन्मेष स्वतःचा खर्च भरून काढतो. AI शुद्ध सॉफ्टवेअर नवोन्मेषाची विनियोगक्षमता शून्याच्या दिशेने ढकलते.

3. बदलण्याच्या खर्चाचे विघटन

ही पारंपरिक सॉफ्टवेअर संरक्षणभिंतींपैकी सर्वांत मजबूत होती, कारण प्रतिस्पर्धी उत्पादन स्पष्टपणे अधिक चांगले असतानाही ती कार्यरत राहायची. परंतु बदलण्याचा खर्च स्वतः अनेक घर्षणांपासून बनलेला होता—एका स्कीमातून दुसऱ्या स्कीमात डेटा स्थलांतरित करणे, सानुकूल एकत्रीकरणे पुन्हा तयार करणे आणि अपरिचित इंटरफेसवर कर्मचाऱ्यांना पुन्हा प्रशिक्षण देणे. यापैकी प्रत्येक गोष्ट AI ज्या प्रकारच्या कंटाळवाण्या, नमुन्यावर आधारित भाषांतराच्या कामात चांगले आहे, त्याच प्रकारची आहे.

AI-आधारित डेटा मॅपिंग जटिल डेटाबेस ग्रहण करू शकते, त्याचे सामान्यीकरण करू शकते आणि एका प्रणालीच्या संरचनेतून दुसऱ्या प्रणालीच्या संरचनेत जलद आणि स्वस्तपणे स्थलांतरित करू शकते. नैसर्गिक भाषेवर आधारित इंटरफेस पुन्हा प्रशिक्षणाचा खर्च कमी करतात, कारण वापरकर्ते मालकीच्या मेनू-वृक्षाची पाठांतर करण्याऐवजी संभाषणाद्वारे अधिकाधिक संवाद साधत आहेत. याचा अर्थ असा की एका विक्रेत्याच्या इंटरफेसमध्ये अडकलेले संचित कौशल्य आता बदलण्याचा दंड म्हणून कार्य करत नाही.

बाहेर पडण्याचा खर्च कमी झाल्यावर, मिळवलेल्या ग्राहकाचे आजीवन मूल्यही त्यासोबत कमी होते; त्या घटत्या आजीवन मूल्याच्या तुलनेत ग्राहक संपादनाचा खर्च वाढतो; आणि संपूर्ण सदस्यता मॉडेलचे प्रति-एकक अर्थशास्त्र खालावते. ग्राहकाला बाहेर पडता येत नसल्यावर उभारलेली संरक्षणभिंत बाहेर पडणे स्वस्त झाल्यावर विरघळते.

4. तयार करणे विरुद्ध खरेदी करणे याचे उलटणे

ही गोष्ट शांतपणे उपलब्ध बाजारपेठ स्वतःच नष्ट करते. कंपन्या तयार स्वरूपातील सॉफ्टवेअर खरेदी करत कारण सानुकूल अंतर्गत साधने तयार करणे अत्यंत महागडे, संथ आणि जोखमीचे होते; त्यांच्या सर्वांत वेगळ्या गरजांखेरीज इतर कोणत्याही गोष्टीसाठी ते न्याय्य ठरत नव्हते. अंतर्गत निर्मितीवरील हाच दंड विक्रेत्यांना मोठी बाजारपेठ मिळण्याची हमी देत असे.

जेव्हा AI एजंट्स अंतर्गत संघांना—अगदी तांत्रिक नसलेल्या संघांनाही—त्यांच्या स्वतःच्या कार्यप्रवाहांनुसार तयार केलेले सानुकूल अनुप्रयोग निर्माण करू देतात, तेव्हा अंतर्गत निर्मितीवरील दंड नाहीसा होतो. त्यामुळे तर्कसंगत निवड सामान्य सदस्यता खरेदी करण्यापासून अशा खासगी साधनाची निर्मिती करण्याकडे वळते, जे अचूकपणे अनुरूप असते आणि ज्यासाठी कोणताही आवर्ती परवाना खर्च नसतो.

यामुळे केवळ विक्रेत्यांमधील स्पर्धा अधिक तीव्र होत नाही. विक्रेते ज्या एकूण उपलब्ध बाजारपेठेसाठी स्पर्धा करत आहेत, तीच लहान होते, कारण सॉफ्टवेअरच्या मागणीचा वाढता भाग अंतर्गत पातळीवर पूर्ण होतो आणि बाह्य बाजारपेठेपर्यंत कधीच पोहोचत नाही. मूल्य बाह्य सॉफ्टवेअर विक्रेत्यांकडून अंतर्गत कार्यकारी क्षमतेकडे स्थलांतरित होते; म्हणजेच ते बाजारपेठ राहात नाही, तर संस्थेतील खर्च-कार्यक्षमता बनते.

माझ्या लेखनात, The Barbell of Software Value, मी यालाच अंतर्गत सॉफ्टवेअर लाभ म्हटले आहे—फरक इतकाच की येथे ते खरेदीदाराच्या नव्हे, तर विक्रेत्याच्या बाजूने पाहिले आहे.

परिणाम आणि जे कोसळत नाही

या चारही यंत्रणा एकत्रित केल्यावर शुद्ध सॉफ्टवेअरचे वस्तूकरण दिसून येते. उद्योग सॉफ्टवेअरच्या अतिमुबलकतेच्या अवस्थेत प्रवेश करत आहे, जिथे कार्यक्षम अनुप्रयोग तयार करणे स्वस्त, त्वरित नक्कल करण्याजोगे आणि मागणीनुसार अंतर्गत पातळीवर वाढत्या प्रमाणात निर्माण करता येण्यासारखे झाले आहे. या परिस्थितीत कोड स्वतः भाडे मिळवण्याचा स्रोत राहात नाही—एखादी वस्तू मुबलक आणि पर्यायी झाल्यावर तिच्याकडून भाडे आकारता येत नाही, अगदी त्याच प्रकारे. मूल्य कोडपासून विलग होते.

प्रामाणिक राहण्यासाठी काय कोसळत नाही हे स्पष्टपणे सांगणे आवश्यक आहे, कारण याचा अतिरेक केल्यास हा दावा चुकीचा ठरेल. जनरेटिव्ह AI पुरवठ्याच्या बाजूच्या उत्पादनातील घर्षणांवर आघात करते. स्वतःच्या बळावर ते मागणीच्या बाजूच्या आणि प्रणाली-स्तरीय घर्षणांवर आघात करत नाही.

• नेटवर्क परिणाम टिकून राहतात, कारण AI एका दुपारी सामाजिक नेटवर्कच्या सॉफ्टवेअरची नक्कल करू शकते, परंतु ते वापरकर्त्यांची नक्कल करू शकत नाही; आणि वापरकर्तेच मालमत्ता असतात.
• मालकीच्या डेटाच्या संरक्षणभिंती टिकून राहतात आणि प्रत्यक्षात अधिक मजबूत होतात, कारण AI कोड तयार करणे स्वस्त करते, परंतु त्याला प्रशिक्षण देणारा दुर्मिळ डेटा अधिक मौल्यवान बनवते.
• वितरण आणि ब्रँड टिकून राहतात, कारण वैशिष्ट्ये मोफत झाली तरी लक्ष आणि विश्वास दुर्मिळच राहतात.
• नियामक आणि अनुपालनाचे अडथळे टिकून राहतात, कारण कोडिंग एजंट बँकिंग परवाना, वैद्यकीय उपकरणाची मंजुरी किंवा विमानवाहतूक प्रमाणपत्र तयार करू शकत नाही.
• भौतिक किंवा नियमनाधीन कार्यकारी वास्तवाशी असलेले सखोल एकत्रीकरण टिकून राहते, कारण कोड स्वस्त आहे; परंतु सेन्सर बसवणे, विश्वास संपादन करणे आणि नियामक मंजुरीअंतर्गत कार्य करणे स्वस्त नाही.

म्हणून अचूक दावा असा नाही की सर्व सॉफ्टवेअर व्यवसाय नष्ट होतील. दावा असा आहे की शुद्ध, स्वतंत्र, तयार स्वरूपातील सॉफ्टवेअरची विशिष्ट आणि एकेकाळची प्रभावी संरक्षणभिंत—कोड लिहिणे आणि बदलणे कठीण असल्यामुळे जपली जाणारी—नष्ट झाली आहे. जे टिकून राहते ते अशा गोष्टीशी जोडलेले सॉफ्टवेअर आहे, ज्याची स्वस्तात नक्कल AI करू शकत नाही: नेटवर्क, डेटासंच, नियामक स्थान, वितरण वाहिनी किंवा भौतिक कार्यप्रणाली. या सर्वांपासून स्वतंत्रपणे तरंगणारे सॉफ्टवेअर आता एक वस्तू आहे.

चौथा भाग: ऐतिहासिक हार्डवेअर संरक्षणभिंत आणि अणू इतके कठीण का होते

हार्डवेअरविषयक युक्तिवादासाठीही हाच शिस्तबद्ध दृष्टिकोन आवश्यक आहे. प्रथम हार्डवेअर पूर्वी बचावयोग्य का होते हे स्थापित करा, त्यानंतर चीनच्या उत्पादन व्यवस्थेने त्या संरक्षणांपैकी कोणती संरक्षणे विरघळवली हे दाखवा.

हार्डवेअरचे समर्थन सॉफ्टवेअरच्या जवळजवळ अगदी उलट कारणांमुळे करता येत होते, आणि भांडवली बाजारपेठांनी या दोन्हींना परस्परविरोधी मानले. सॉफ्टवेअरचा सीमांत खर्च जवळजवळ शून्य असताना, हार्डवेअरचा सीमांत खर्च मोठा आणि हट्टी होता, कारण प्रत्येक भौतिक घटकासाठी साहित्य, ऊर्जा, श्रम आणि यंत्राचा वेळ खर्ची पडत होता. सॉफ्टवेअर त्वरित आणि अमर्याद प्रमाणात पाठवता येत असताना, हार्डवेअर उत्पादन आणि लॉजिस्टिक्सच्या भौतिकशास्त्राने बांधलेले होते. या गुणधर्मांमुळे हार्डवेअरचा मार्जिनच्या दृष्टीने व्यवसाय अधिक खराब ठरला, पण विचित्रपणे, त्याला एका विशिष्ट प्रकारे संरक्षितही केले, कारण भौतिक उत्पादनाची अडचण ही सुस्थितीत चालणाऱ्या हार्डवेअर कंपनीला सहज अनुकरणापासून वाचवणारी अडथळ्याची भिंत होती.

हार्डवेअरचे संरक्षण करणारे विशिष्ट अडथळे हे होते:

• साधनसामग्रीसाठी भांडवल. मोठ्या प्रमाणावर भौतिक उत्पादन करण्यासाठी विशेष साधनसामग्री आवश्यक होती, मुख्यतः प्लास्टिक आणि धातूच्या भागांना आकार देण्यासाठी वापरले जाणारे इंजेक्शन साचे आणि कास्टिंग डायज; आणि या साधनांची किंमत दहा किंवा शेकडो हजार डॉलर्स असायची तसेच त्यांमुळे किमान ऑर्डरचे प्रमाण मोठे असायचे. ही अशी कठीण भांडवली भिंत होती जिच्यावरून बहुतेक नवागतांना चढता येत नसे, आणि ज्यांनी आपली साधनसामग्री आधीच अमॉर्टाइज केली होती अशा विद्यमान कंपन्यांचे ती संरक्षण करत असे.

• पुनरावृत्तीतील विलंब. भौतिक डिझाइनमध्ये सुधारणा करण्यासाठी नवीन साधनसामग्री कापणे, सहनशीलता समायोजित करणे आणि भौतिक चाचणी बॅचेस चालवणे आवश्यक असे; प्रत्येक फेरीला आठवडे किंवा महिने लागत आणि प्रत्येक वेळी मोठा खर्च होत असे. त्यामुळे भौतिक उत्पादने हळूहळू सुधारत आणि एखाद्या स्पर्धकाला बरोबरी करण्यासाठी दीर्घ, महागडी मोहीम करावी लागत असे.

• पुरवठा साखळीची जुळवाजुळव. भौतिक उत्पादन हे अनेक विशेषीकृत पुरवठादारांकडून मिळवलेल्या सामग्रीच्या यादीपासून बनते, आणि हे पुरवठादार पूर्वी वेगवेगळ्या कंपन्या, प्रदेश आणि देशांमध्ये विखुरलेले असत. त्यामुळे कार्यरत पुरवठा साखळी उभी करणे म्हणजे एकमेकांपासून दूर असलेल्या विक्रेत्यांशी वाटाघाटी करणे, दीर्घ पुरवठा कालावधी सहन करणे आणि गुंतागुंतीच्या लॉजिस्टिक्सचे व्यवस्थापन करणे होय.

• अचूकता आणि प्रक्रियेचे ज्ञान. एखादे डिझाइन स्वीकारार्ह उत्पादन-उत्पन्नासह प्रत्यक्षात तयार करण्यासाठी लागणारे संचित, अनेकदा अव्यक्त, ज्ञान. ते एखाद्या आराखड्यातून हस्तांतरित होत नाही. ते काम करूनच शिकावे लागते.

• वितरण. किरकोळ विक्रेते, वितरक आणि शेल्फवरील जागा यांच्यामार्फत भौतिक उत्पादन खरेदीदारांसमोर आणण्याची गरज; आणि ही साधने स्वतःच दुर्मिळ व प्रवेश-नियंत्रित होती.

रचनेकडे पुन्हा पाहा, सॉफ्टवेअरप्रमाणेच. हार्डवेअरची संरक्षक भिंत ही प्रामुख्याने उत्पादन आणि लॉजिस्टिक्समधील अडथळ्यांचा संच होती: साधनसामग्रीसाठी भांडवल, पुनरावृत्तीतील विलंब, पुरवठा साखळीची जुळवाजुळव, प्रक्रियेतील उत्पादन-उत्पन्न आणि भौतिक वितरण. एखाद्या डिझाइनचे पाठवता येणाऱ्या भौतिक वस्तूमध्ये रूपांतर करणे किती कठीण, संथ आणि महाग होते, यावर तिचे संरक्षण अवलंबून होते. आणि सॉफ्टवेअरप्रमाणेच, उत्पादनाच्या अडचणीवर उभारलेले संरक्षण उत्पादन करणे कठीण राहते तोपर्यंतच टिकाऊ असते.

पण आर्थिक इतिहासातील चीनचे योगदान म्हणजे प्रचंड मोठ्या प्रमाणातील विविध वस्तूंचे भौतिक उत्पादन आता कठीण राहू न देणे होय.

भाग पाच: चीनचा धक्का, औद्योगिक समूहिकरण आणि हार्डवेअरच्या संरक्षक भिंतीचा अंत

चिनी उत्पादनातील वर्चस्वाबद्दलचा सर्वांत सामान्य गैरसमज असा आहे की ही स्वस्त श्रमाची कथा आहे. पहिल्या टप्प्यात ते अंशतः खरे होते आणि आता ते मुख्यतः खोटे आहे; हा गैरसमज झाल्यास उत्पादन पुन्हा देशात आणणे किंवा उत्पादन पुढील कमी-वेतनाच्या देशात हलवणे यामुळे जुनी व्यवस्था पुन्हा प्रस्थापित होईल, या अपयशी निष्कर्षापर्यंत आपण थेट पोहोचतो.

खरे स्पष्टीकरण असे आहे की, यापूर्वी कोणीही पाहिले नव्हते अशा घनतेत आणि प्रमाणात चीनने शतकभरापूर्वी Alfred Marshall यांनी औद्योगिक समूहिकरण म्हणून वर्णन केलेली घटना उभी केली. वेतनातील तफावतीचा फायदा नव्हे, तर हे समूहिकरणच हार्डवेअरची संरक्षक भिंत पाडणारे ठरले. हा युक्तिवाद मांडणारा मी पहिला नाही. Andrew “bunnie” Huang यांनी The Hardware Hacker मध्ये शेन्झेनमधील याच प्रकाराचे गेल्या दशकाहून अधिक काळ प्रत्यक्ष दस्तऐवजीकरण केले आहे.

मार्शलियन बाह्य अर्थव्यवस्था

औद्योगिक समूहिकरण म्हणजे परस्पर जोडलेल्या उद्योगांचे स्वयंपुरक भौगोलिक केंद्रीकरण होय—घटक पुरवठादार, उप-असेंब्ली उत्पादक, कच्च्या मालावर प्रक्रिया करणारे, साधननिर्माते, कंत्राटी उत्पादक, लॉजिस्टिक्स पुरवठादार आणि विशेषीकृत कुशल कामगार—हे सर्व एकाच प्रदेशात दाटीवाटीने एकत्र येतात. अशी समूहव्यवस्था कोणतीही स्वतंत्र कंपनी साध्य करू शकत नाही असे फायदे का निर्माण करते, हे Marshall यांनी ओळखले:

• त्या विशेषीकृत कामगारांचा सखोल सामायिक कामगार-साठा निर्माण करतात.
• त्या विशेषीकृत स्थानिक पुरवठादारांना आधार देतात; जे एका दूरच्या ग्राहकाला सेवा देऊन कधीही टिकू शकले नसते, पण अशा दाट समूहातील अनेक ग्राहकांना सेवा देऊन भरभराटीला येतात.
• त्या ज्ञानाची गळती निर्माण करतात; प्रक्रियेतील सुधारणा समूहामध्ये वेगाने पसरतात, कारण संबंधित लोक भौतिकदृष्ट्या जवळ असतात आणि सतत एकमेकांमध्ये फिरत असतात.

या तीन शक्ती म्हणजे मार्शलियन बाह्य अर्थव्यवस्था होत, आणि त्यांचा अर्थ असा की समूहाच्या आत असलेल्या कंपनीला समूहाबाहेरील तितक्याच कंपनीपेक्षा कमी खर्च, जलद पुनरावृत्ती आणि चांगली माहिती मिळते—ती बाहेरील कंपनी स्वतःच्या पातळीवर कितीही कार्यक्षम असली तरी.

व्यवहार खर्चाचा ऱ्हास

पर्ल रिव्हर डेल्टामध्ये, आणि विशेषतः शेन्झेनमध्ये, समूहिकरणाने ऐतिहासिकदृष्ट्या अभूतपूर्व घनता गाठली. याचा व्यावहारिक परिणाम Ronald Coase यांच्या व्यवहार-खर्च अर्थशास्त्रातून सर्वांत सोप्या पद्धतीने दिसतो. Coase यांनी स्पष्ट केले की आर्थिक क्रियाकलापांची सीमा आणि गती व्यवहार खर्चाद्वारे ठरते—पुरवठादार शोधण्याचा, अटींवर वाटाघाटी करण्याचा आणि विविध कंपन्यांमध्ये उत्पादनाचे समन्वय साधण्याचा खर्च. विखुरलेल्या पुरवठा साखळीत हे खर्च प्रचंड असतात, आणि हार्डवेअरच्या संरक्षक भिंतीतील तिसऱ्या अडथळ्याचा खरा आशय हाच आहे.

अतिघन दाट समूहामध्ये व्यवहार खर्च जवळजवळ शून्यापर्यंत कोसळतो. बहुतेक इलेक्ट्रॉनिक आणि यांत्रिक उपकरणांची संपूर्ण पुरवठा साखळी लहानशा परिघातच असते; त्यामुळे पूर्वी खंडांपलीकडे शोध, खरेदी, वाटाघाटी आणि समन्वय साधण्यासाठी लागणारे आठवडे आता एका जिल्ह्यात काही तासांत पूर्ण होतात. एखादा डिझायनर उपकरणाची वैशिष्ट्ये ठरवू शकतो, त्याच दिवशी प्रत्येक घटक स्थानिक पातळीवर मिळवू शकतो, सानुकूल सर्किट बोर्ड एका रात्रीत तयार करून त्यावर घटक बसवून घेऊ शकतो आणि दुसऱ्या सकाळी कार्यरत नमुना हातात धरू शकतो.

हा स्वस्त श्रमाचा परिणाम नाही. हा व्यवहार खर्च आणि पुनरावृत्तीतील विलंब जवळजवळ नष्ट होण्याचा परिणाम आहे—आणि ही गुणात्मकदृष्ट्या वेगळी व अधिक शक्तिशाली गोष्ट आहे.

या घनतेतून चार यंत्रणांनी हार्डवेअरची संरक्षक भिंत विरघळवली; त्या सॉफ्टवेअरवर कृत्रिम बुद्धिमत्तेने केलेल्या चार परिणामांना समांतर होत्या.

1. पुनरावृत्तीतील विलंबाचा ऱ्हास

हा सॉफ्टवेअरचा तात्कालिक फायदा गमावण्याची हार्डवेअरमधील आवृत्ती आहे. विखुरलेल्या पाश्चिमात्य पुरवठा साखळीत भौतिक डिझाइनची एक फेरी पूर्ण होण्यासाठी आठवडे लागत आणि मोठा खर्च येत असे; त्यामुळे हार्डवेअर हळूहळू सुधारत असे आणि विद्यमान कंपनीची सुधारणा-आघाडी टिकून राहत असे. समूहाच्या आत भौतिक पुनरावृत्ती सॉफ्टवेअरच्या पुनरावृत्तीच्या वेगाजवळ पोहोचते. साचे बदलले जातात, बोर्डचे आराखडे समायोजित केले जातात आणि चाचणी बॅचेस काही दिवसांत तयार केल्या जातात.

याचा धोरणात्मक परिणाम निर्दयी आहे. पश्चिमेत कल्पना केलेले कोणतेही हार्डवेअर डिझाइन समूहाच्या आत निरीक्षण केले जाऊ शकते, उलटे अभियांत्रिकी करून समजून घेतले जाऊ शकते, उत्पादनक्षमतेसाठी अनुकूलित केले जाऊ शकते आणि मोठ्या प्रमाणावर तयार केले जाऊ शकते—मूळ पाश्चिमात्य कंपनी स्वतःचा दुसरा नमुना पूर्ण करेपर्यंत. निर्मात्याचा आघाडीचा कालावधी, जो त्याच्या भाड्याचा स्रोत होता, आता ऋणात्मक आहे. अनुकरणकर्ता सुधारित आणि स्वस्त आवृत्ती आधी पाठवतो.

2. साधनसामग्रीच्या भांडवलाचा ऱ्हास

हा सॉफ्टवेअरमधील प्रवेश-अडथळा कमी होण्याचा हार्डवेअरमधील समतुल्य प्रकार आहे. भौतिक उत्पादनाभोवती पूर्वी भिंत उभी करणारे दहा हजारो डॉलर्स आणि मोठ्या किमान ऑर्डरचे प्रमाण समूहाच्या आत वेगवान संगणक-नियंत्रित मशीनिंग, सुरुवातीपासून नव्याने कापण्याऐवजी पुन्हा संरचित करता येणारे प्रमाणित मॉड्युलर मोल्ड बेस आणि अत्यंत स्पर्धात्मक उच्च-उत्पादनक्षम साधनसामग्री कारखाने यांच्या माध्यमातून अनुकूलित करून कमी केले गेले आहेत. पूर्वी केवळ मोठ्या बहुराष्ट्रीय कंपन्यांनाच परवडणाऱ्या खर्चरचनेत आता लहान बॅचमधील, अत्यंत सानुकूलित हार्डवेअरचे उत्पादन करता येते. हार्डवेअरमधील नवागतांना गाळून काढणारी भांडवली भिंत मोठ्या प्रमाणात कोसळली आहे—सॉफ्टवेअरमधील नवागतांना गाळणारी भिंत जशी कोसळली होती तशीच—आणि बाजारात त्याच अंदाजे किमतीखालील दबावासह उत्पादनांचा महापूर येतो.

3. स्वयंचलितीकरणामुळे अधिक बळकट झालेली अनुभव-वक्र

ही यंत्रणा खर्चातील आघाडी कायमस्वरूपी स्थिर करते आणि फायदा अन्यत्र हलवून दूर का करता येत नाही, याचे कारणही हीच आहे. Wright’s Law, ज्याचे प्रथम वर्णन Theodore Wright यांनी 1936 मध्ये विमाननिर्मितीच्या माहितीवरून केले आणि नंतर Boston Consulting Group यांनी अनुभव-वक्र म्हणून त्याचे सामान्यीकरण केले, ही औद्योगिक अर्थशास्त्रातील सर्वांत विश्वसनीय अनुभवाधारित नियमिततांपैकी एक आहे. तिचे विधान असे आहे की अनेक उत्पादनांसाठी संचयी उत्पादनाचे प्रमाण दुप्पट झाले की प्रत्येक वेळी प्रति-घटक खर्च एका निश्चित टक्केवारीने कमी होतो, कारण संस्थेला संचित प्रत्यक्ष कामातून अधिक कार्यक्षमतेने उत्पादन कसे करावे हे शिकता येते.

कारण असंख्य उत्पादन श्रेणींमध्ये जागतिक संचयी उत्पादनाच्या प्रचंड वाट्याची निर्मिती हा समूह करतो, त्यामुळे तो अनुभव-वक्रावर खूप खाली आहे; कमी संचयी उत्पादन असलेला कोणताही नवा प्रवेशकर्ता त्या वक्राच्या अगदी वरच्या टोकावर असतो. आधुनिक चिनी उत्पादनव्यवस्था मग भांडवल-केंद्रित स्वयंचलन, प्रगत रोबोटिक्स, उच्च-वेग स्वयंचलित ऑप्टिकल तपासणी आणि कच्च्या मालापर्यंत मागे जाणारे उभे एकत्रीकरण यांद्वारे या शिकण्याच्या फायद्याला आणखी वाढवते.

हा नेमका तो बिंदू आहे जिथे श्रमखर्चाचे स्पष्टीकरण संपते. आधुनिक फायदा कमी वेतनात नाही. तो संचित शिकणे अधिक स्वयंचलित प्रमाणव्याप्ती अधिक पुरवठादारांची घनता यात आहे, आणि कोणताही नवागत ही सांगड अल्पकालीन कोणत्याही कृतीने—उच्च वेतन असो वा कमी वेतन—पुन्हा निर्माण करू शकत नाही, कारण दशकांचे संचयी उत्पादन-अनुभव किंवा त्याभोवतीची पुरवठादार परिसंस्था तुम्ही तात्काळ विकत घेऊ शकत नाही.

४. वितरणातील घर्षणाचा ऱ्हास

सॉफ्टवेअरच्या प्रस्थापित वितरणमार्गांतून जाण्याची गरज कृत्रिम बुद्धिमत्ता जशी कमी करते, त्याची ही हार्डवेअरमधील आवृत्ती आहे. जागतिक डिजिटल बाजारपेठा आणि अत्यंत कार्यक्षम पार्सल लॉजिस्टिक्समुळे या समूहातील उत्पादक पाश्चात्त्य वितरक, घाऊक विक्रेते आणि किरकोळ दुकानातील शेल्फची जागा पूर्णपणे टाळू शकतात; ते थेट जागतिक प्लॅटफॉर्मवर यादी करून काही दिवसांत ग्राहकाच्या दारापर्यंत माल पाठवतात. प्रस्थापित हार्डवेअर ब्रँडचे संरक्षण करणारे अंतिम घर्षण—त्याचे शेल्फ आणि वितरणमार्गांवरील नियंत्रण—बाजूला सारले जाते. कार्यात्मकदृष्ट्या समतुल्य उपकरण त्याच ग्राहकापर्यंत ब्रँडेड किमतीच्या अल्पांशात पोहोचते, आणि ते प्रस्थापित कंपनीच्या वितरणव्यवस्थेला कधीही स्पर्श करत नाही.

औद्योगिक सामायिक संपत्ती आणि पुनर्स्थानीकरण इतके कठीण का आहे

या सर्वांचा सर्वांत महत्त्वाचा परिणाम, आणि सर्वाधिक दुर्लक्षित राहणारा परिणाम, पुनर्स्थानीकरणाशी संबंधित आहे; आणि याच ठिकाणी औद्योगिक सामायिक संपत्ती ही संकल्पना महत्त्वाची ठरते. गॅरी पिसानो आणि विली शिह यांनी २००९ मध्ये अमेरिकन स्पर्धात्मकता पुनर्स्थापित करणे (पीडीएफ) या लेखात या संकल्पनेला नाव दिले. त्यांचे निरीक्षण असे होते की उत्पादनक्षमता ही स्वतंत्र कंपन्यांची मालमत्ता नसते. ती पुरवठादार, साधननिर्माते, प्रक्रिया अभियंते आणि अव्यक्त ज्ञानाचा सामायिक स्थानिक आधार असलेल्या परिसंस्थेची मालमत्ता असते.

जेव्हा एखादा देश उत्पादन परदेशात हलवतो, तेव्हा तो केवळ कारखाने गमावत नाही. कालांतराने तो आजूबाजूची सामायिक संपत्तीही गमावतो, कारण स्थानिक मागणी त्यांना जिवंत ठेवत नसल्यावर पुरवठादार, साधननिर्माते आणि कुशल प्रक्रिया अभियंते क्षीण होतात किंवा स्थलांतरित होतात. ही सामायिक संपत्ती एकदा नाहीशी झाली की कोणतीही एक कंपनी किंवा अनुदान ती त्वरेने पुन्हा उभी करू शकत नाही, कारण एकटा परत आणलेला कारखाना स्थानिक पुरवठादारांशिवाय, स्थानिक साधननिर्मात्यांशिवाय, अनुभवी प्रक्रिया अभियंत्यांच्या स्थानिक समूहाशिवाय राहतो आणि म्हणूनच त्या समूहाला सुरुवातीला कार्यक्षम बनवणाऱ्या मार्शलियन बाह्य अर्थव्यवस्थाही त्याच्याकडे नसतात.

म्हणूनच वस्तूवत बनलेल्या हार्डवेअर श्रेणीचे पुनर्स्थानीकरण करणे इतके कठीण आणि खर्चिक आहे. पुनर्स्थानीकरण करणारा ज्या फायद्याची पुनर्निर्मिती करण्याचा प्रयत्न करतो, तो कधीच कारखान्याच्या आत नव्हता. तो कारखान्याभोवतीच्या परिसंस्थेत होता, आणि ती परिसंस्था आता देशात उरलेली नाही. हा संरक्षक अडसर चीनकडे गेला तो चिनी कंपन्या स्वतंत्रपणे अधिक चांगल्या आहेत म्हणून नव्हे. तो गेला कारण सामायिक संपत्तीच स्थलांतरित झाली, आणि सामायिक संपत्ती ही अशी सामूहिक मालमत्ता आहे जी स्वतंत्र कृतीने पुन्हा उभी करता येत नाही.

हार्डवेअरबाबतचा व्यापक आर्थिक निष्कर्ष सॉफ्टवेअरबाबतच्या निष्कर्षाशी तंतोतंत समांतर आहे. भौतिक उत्पादनाची वैशिष्ट्ये ज्ञात होताच, अतिघन उत्पादन परिसंस्था त्याची पुनर्निर्मिती करू शकते, उत्पादनासाठी त्याचे अनुकूलन करू शकते आणि मूळ निर्मात्याचा नफा नष्ट करणाऱ्या खर्चरचनेत ते थेट वितरित करू शकते. केवळ भौतिक उत्पादनाच्या कठीणतेने संरक्षित असलेले स्वतंत्र हार्डवेअर वस्तूवत बनले आहे, कारण वस्तूंच्या प्रचंड श्रेणीसाठी ती कठीणता आता अस्तित्वातच राहिलेली नाही.

भाग सहावा: क्रमिक ऱ्हास आणि त्याचे धोरणात्मक परिणाम

लोक सहसा या दोन ऱ्हासांचे स्वतंत्रपणे विश्लेषण करतात, आणि कालानुक्रमिकदृष्ट्या तसे करणे योग्यही आहे. हार्डवेअरचा ऱ्हास आधी झाला. जनरेटिव्ह कृत्रिम बुद्धिमत्तेची कोडिंग साधने महत्त्वाची ठरण्याच्या अनेक वर्षांपूर्वीच चिनी औद्योगिक एकत्रीकरणामुळे ग्राहक इलेक्ट्रॉनिक्स आणि मध्यम गुंतागुंतीच्या अनेक वस्तूंमध्ये उत्पादनाधारित हार्डवेअरचे संरक्षण कमकुवत झाले होते. सॉफ्टवेअरचा ऱ्हास नंतर झाला. आजच्या संस्थापकासाठी खरी घटना ही नाही की ते एकाच वेळी सुरू झाले. खरी घटना अशी आहे की दोन्ही परिस्थिती आता बाजारात उपस्थित आहेत.

पूर्वीच्या काळात सुटकेचा मार्ग उपलब्ध होता. सॉफ्टवेअरमध्ये स्पर्धा वाढली की भांडवल संरक्षणक्षम हार्डवेअरकडे धाव घेऊ शकत होते. हार्डवेअरमध्ये स्पर्धा वाढली की भांडवल संरक्षणक्षम सॉफ्टवेअरकडे धाव घेऊ शकत होते. ही दोन क्षेत्रे आलटून-पालटून आश्रयस्थाने होती. आता ही फिरती व्यवस्था कार्यरत राहिलेली नाही. शुद्ध अणूंनी आपला उत्पादनाधारित संरक्षक अडसर आधीच गमावला आहे, आणि शुद्ध बिट्स आता त्यांचा अडसर गमावत आहेत. आता शुद्ध बिट्सचेही आश्रयस्थान नाही आणि शुद्ध अणूंचेही नाही. गेल्या वर्षी मी लिहिलेल्या दुहेरी-टोकाच्या सिद्धांताचा हा अधिक खोल अर्थ आहे. एखादी एकच बाजू कठीण असल्यावर अवलंबून असलेला मधला भाग दोन्ही बाजूंनी पोकळ झाला आहे.

प्रथम-क्रमाचा परिणाम: सर्वसाधारण चलनघटीचा दबाव

जेव्हा सॉफ्टवेअरची सीमांत किंमत शून्याच्या जवळ जाते आणि भौतिक पुनरुत्पादनाची प्रभावी किंमत त्या समूहाच्या अतिशय कार्यक्षम किमान पातळीच्या जवळ जाते, तेव्हा स्पर्धा दोन्ही क्षेत्रांतील किमती त्या किमान पातळ्यांकडे खाली ढकलते. यामुळे ग्राहकांसाठी महागाई कमी होते आणि संरक्षक अडसर नसलेल्या उत्पादकांसाठी विनाशकारी परिणाम होतो; तसेच प्रत्यक्ष उत्पादन करणाऱ्या कंपन्यांच्या आकुंचन पावत जाणाऱ्या नफ्यांच्या अगदी शेजारी प्रचंड तांत्रिक प्रगती का दिसते, हे कोडेही यातून उलगडते. प्रगतीचा लाभ नवोन्मेषकांऐवजी ग्राहक आणि अनुकरणकर्ते घेत आहेत, कारण दोन्ही क्षेत्रांमध्ये लाभ स्वतःकडे ठेवण्याची क्षमता कोसळली आहे.

द्वितीय-क्रमाचा परिणाम: हसऱ्या वक्रावरून भाडे स्थलांतरित होते

एसरचे संस्थापक स्टॅन शिह यांनी १९९२ च्या सुमारास हसरा वक्र मांडला. उत्पादन-मूल्यसाखळीतील उत्पादनाच्या टप्प्यांविरुद्ध वाढवलेले मूल्य मांडले, तर तुम्हाला हास्यासारखा आकार दिसतो. बेन थॉम्प्सन यांनी तो प्रकाशनक्षेत्राला लागू केला आहे, ज्यातून हा वक्र प्रत्यक्षात केवळ उत्पादनाबद्दल नाही, हे दिसून येते. मूळ वक्र असा आहे:

शिह यांनी मांडलेले टप्पे असे आहेत:

• वरच्या टोकावरील उच्च मूल्य, म्हणजे रचना, ब्रँडिंग आणि बौद्धिक संपदा
• मधोमध खोल दरी, म्हणजे भौतिक जुळणी आणि उत्पादन—सर्वांत सहज वस्तूवत बनणारा टप्पा
• खालच्या टोकावरील उच्च मूल्य, म्हणजे वितरण, सेवा आणि ग्राहकांशी असलेले संबंध

चीनच्या उदयामुळे हार्डवेअरच्या त्या वक्राचा मधला भाग सपाट झाला आणि वस्तूवत बनला. जनरेटिव्ह कृत्रिम बुद्धिमत्ता आता सॉफ्टवेअरमधील त्याच्याशी समतुल्य मधल्या भागाला—म्हणजे केवळ कोड लिहिण्याच्या कृतीला—वस्तूवत बनवत आहे. दोन्ही प्रकरणांमध्ये त्यातून निघणारे निर्देश एकसारखे आहेत: वस्तूवत बनलेल्या मधल्या भागाचा त्याग करा आणि हसऱ्या वक्राच्या टोकांकडे जा.

परंतु ही टोके नेमकी मागणीची बाजू आणि प्रणाली-स्तरीय मालमत्ता आहेत, ज्यांची स्वस्त पुनर्निर्मिती कृत्रिम बुद्धिमत्ता किंवा उत्पादनाची घनता यांपैकी कोणालाही करता येत नाही. वरच्या टोकावर याचा अर्थ स्वामित्वाधीन माहिती, संशोधन आणि रचनेची अंतर्दृष्टी असा होतो. खालच्या टोकावर याचा अर्थ ब्रँड, विश्वास, वितरण, नियामक स्थान आणि ग्राहक-संबंध तसेच कार्यकारी परिणामावरील मालकी असा होतो.

तृतीय-क्रमाचा परिणाम: भाडे जोडांमध्ये स्थलांतरित होते

हा तो परिणाम आहे जो या विश्लेषणाला धोरणाशी जोडतो. टिकाऊ भाडे कोणत्याही एका परिमाणातून बाहेर पडून परिमाणांमधील जोडणीमध्ये, तसेच उत्पादनाच्या पूर्णपणे बाहेर असलेल्या मालमत्तांमध्ये स्थलांतरित झाले आहे. जर शुद्ध कोड विनामूल्य असेल आणि शुद्ध अणू स्वस्त असतील, तर अजूनही भाडे निर्माण करणारी घर्षणे जोडांमध्ये वसलेली असतात:

• सानुकूल हार्डवेअरची सानुकूल सॉफ्टवेअरसह घट्ट सह-रचना, ज्यामुळे दुसऱ्याशिवाय यांपैकी कोणतीही गोष्ट अनुकरणकर्त्यासाठी उपयुक्त ठरत नाही.
• प्रत्यक्ष भौतिक किंवा नियमनाधीन कार्यप्रवाह चालवून निर्माण होणारी स्वामित्वाधीन माहिती, जी दुर्मीळ असते कारण ती काम करण्याचे उपउत्पादन असते, नुसती नक्कल करता येणारी गोष्ट नसते.
• संरक्षणवादी उद्योगांमध्ये दीर्घकाळ आणि हळूहळू उभे करावे लागणारे सखोल संबंध आणि नियामक मान्यता, जिथे स्वस्त नक्कल कोणाच्याही मूल्यमापनापूर्वीच अपात्र ठरते.
• प्रधानाची भूमिका, जिथे एखादी कंपनी वस्तूवत करता येणारे साधन विकत नाही, तर त्याऐवजी कार्याची मालकी घेते, दायित्व स्वीकारते, परिणामाची हमी देते आणि संपूर्ण नफा-साठा तसेच विशेष डेटा-उत्सर्जन दोन्ही हस्तगत करते.

ही अशी घर्षणे आहेत जी कृत्रिम बुद्धिमत्ता आणि चिनी औद्योगिक एकत्रीकरण संरचनात्मकदृष्ट्या विरघळवू शकत नाहीत, कारण ती उत्पादनातील घर्षणेच नाहीत. ती विश्वासाची, भौतिक प्रवेशाची, नियमनाची, साचलेल्या वास्तविक-जगातील निरीक्षणाची आणि कार्यकारी मालकीची घर्षणे आहेत.

भाग सातवा: मर्यादा, प्रतिवाद आणि त्यांच्याबाबत प्रामाणिक राहणे

इतका व्यापक सिद्धांत त्याच्या सर्वांत मजबूत आक्षेपांपुढे तपासून पाहावा लागतो, कारण अतिशयोक्त गृहितकावर उभारलेले धोरण नेमके त्या ठिकाणी अपयशी ठरते जिथे गृहितक अतिशय मजबूत होते.

आक्षेप १: कृत्रिम बुद्धिमत्तेने निर्माण केलेले सॉफ्टवेअर अद्याप अग्रसीमा-स्तरीय नाही

पहिला आक्षेप असा आहे की सर्वांत गुंतागुंतीच्या, सर्वाधिक विश्वासार्हतेची गरज असलेल्या किंवा नव्या प्रणालींसाठी कृत्रिम बुद्धिमत्तेने निर्माण केलेले सॉफ्टवेअर अद्याप तज्ज्ञांनी अभियांत्रिकी केलेल्या सॉफ्टवेअरच्या बरोबरीचे नाही, आणि वस्तूवत निर्मिती व अग्रसीमा अभियांत्रिकी यांच्यात अजूनही वास्तविक गुणवत्तेची सीमा आहे.

हे खरे आहे आणि महत्त्वाचेही आहे. वस्तूवतीकरणाचा युक्तिवाद अशा पारंपरिक अनुप्रयोग-सॉफ्टवेअरच्या मोठ्या समूहाला सर्वाधिक लागू होतो, ज्याची तर्करचना आधीच वारंवार वापरली गेलेली आहे. वास्तविक अग्रसीमेवर, नव्या अल्गोरिदममध्ये, अत्यंत विश्वासार्हता किंवा सुरक्षेची मागणी करणाऱ्या प्रणालींमध्ये आणि प्रशिक्षण-माहितीत कोणताही पूर्वसंदर्भ नसलेल्या समस्यांमध्ये तज्ज्ञ मानवी निर्णय अजूनही भाडे मिळवून देतो. त्यामुळे अचूक दावा असा आहे की कृत्रिम बुद्धिमत्ता सॉफ्टवेअरच्या वस्तूवत करता येणाऱ्या बहुसंख्य भागाचा संरक्षक अडसर कोसळवते; ती सॉफ्टवेअरचे सर्व मूल्य नाहीसे करते, असा दावा नाही.

परंतु प्रवासाची दिशा धोरणात्मकदृष्ट्या महत्त्वाची आहे, कारण बचावक्षम राहणारी आघाडी अरुंद आहे, ती सतत बदलत असते, आणि वर उल्लेखलेल्या उत्पादनाबाहेरील संरक्षक भिंतींपैकी एखाद्याशी जोडलेली नसल्यास टिकाऊ व्यवसायासाठी ती खराब पायाभरणी ठरते.

आक्षेप २: चिनी वर्चस्व असमान आणि राजकीयदृष्ट्या विवादित आहे

दुसरा आक्षेप असा आहे की चिनी उत्पादनातील वर्चस्व विविध श्रेणींमध्ये असमान आहे आणि आता त्याला शुल्क, निर्यात नियंत्रण, राष्ट्रीय सुरक्षेने प्रेरित उत्पादन-वापसी, तसेच महत्त्वाच्या पुरवठा साखळ्यांचे जाणीवपूर्वक मित्रदेशांकडे स्थलांतर यांसह गंभीर भू-राजकीय प्रतिरोधक शक्तींचा सामना करावा लागत आहे.

हेही खरे आहे. वस्तूकरणाचा युक्तिवाद ग्राहक इलेक्ट्रॉनिक्स, यांत्रिक वस्तू आणि मध्यम-जटिलतेच्या असेंब्लींसाठी सर्वाधिक प्रभावी आहे, तर तंत्रज्ञानाच्या साखळीच्या अगदी शिखरावर तो सर्वांत कमकुवत आहे—विशेषतः प्रगत अर्धसंवाहक निर्मितीत, जिथे अत्यंत मोठी भांडवली तीव्रता आणि बदलता न येणारे मोजके पुरवठादार स्वतःच्या संरक्षक भिंती निर्माण करतात. धोरणामुळे एकत्रीकरणाने दूर केलेले अडथळे कृत्रिमरीत्या परत आणले जाऊ शकतात; उदाहरणार्थ, अनुकरणकर्त्याची उतरवलेली किंमत वाढवणारी शुल्के किंवा त्याला आवश्यक साधनसामग्रीपासून वंचित ठेवणारी निर्यात नियंत्रणे.

परंतु या प्रतिरोधक शक्ती केंद्रीय निष्कर्षाला कमकुवत करण्याऐवजी प्रत्यक्षात अधिक बळकट करतात, कारण टिकून राहिलेली अर्धसंवाहक संरक्षक भिंत आणि धोरण-प्रेरित उत्पादन-वापसीची संरक्षक भिंत—दोन्ही पुन्हा एकदा—निव्वळ हार्डवेअरच्या संरक्षक भिंती नाहीत. त्या अत्यंत मोठ्या भांडवली प्रमाणाच्या, बदलता न येणाऱ्या पुरवठादाराच्या स्थानाच्या, तसेच नियामक आणि भू-राजकीय संबंधांच्या संरक्षक भिंती आहेत. या अहवालानुसार भाडे ज्या उत्पादनाबाहेरील, संबंधाधारित आणि स्थानाधारित अडथळ्यांकडे स्थलांतरित झाले आहे, ते अगदी हेच अडथळे आहेत.

आक्षेप ३: मोठे प्रस्थापित खेळाडू अजूनही इतके नफाक्षम का आहेत?

तिसरा आक्षेप सूक्ष्म आहे. सॉफ्टवेअर आणि हार्डवेअर दोन्हींचे वस्तूकरण झाले असेल, तर सर्वांत मोठे तंत्रज्ञान क्षेत्रातील प्रस्थापित खेळाडू अजूनही असामान्यरीत्या नफाक्षम का आहेत?

याचे उत्तर असे आहे की हे प्रस्थापित खेळाडू प्रत्यक्षात कधीही निव्वळ सॉफ्टवेअर किंवा निव्वळ हार्डवेअरद्वारे संरक्षित नव्हते. त्यांच्या खऱ्या संरक्षक भिंती म्हणजे नेटवर्क परिणाम, वितरण आणि लक्षावरील नियंत्रण, सभ्यताव्यापी प्रमाणातील मालकीचा डेटा, परिसंस्थेतील बंदिस्तपणा आणि काही प्रकरणांमध्ये नियामक स्तरावरची दृढ मुळे. येथे वर्णन केलेले पतन यापैकी कोणत्याही गोष्टीला धोका निर्माण करत नाही; उलट अनेक प्रकारे त्यांना बळकटी देते, कारण निव्वळ उत्पादनाचे वस्तूकरण होत असताना प्रस्थापित खेळाडूंच्या मालकीच्या उत्पादनाबाहेरील संपत्तीचे सापेक्ष मूल्य वाढते.

हे या सिद्धांताशी पूर्णपणे सुसंगत आहे. उत्पादनाच्या वस्तूकरणामुळे सर्व नफा सपाट होत नाही. उत्पादन कठीण असल्यामुळे ज्यांचा एकमेव फायदा होता अशा कंपन्यांकडून नफा दूर जाऊन, उत्पादनाला स्पर्श करता न येणाऱ्या अडथळ्यांच्या मालकीच्या कंपन्यांकडे तो पुनर्वाटपित होतो. प्रस्थापित खेळाडू टिकून राहतात कारण ते कधीही एकाच परिमाणावर अवलंबून असलेले व्यवसाय नव्हते. हा अपवाद नाही, हाच धडा आहे.

भाग आठ: संश्लेषण आणि आधुनिक संरक्षक भिंतीकडे जाणारा पूल

या अहवालातील दोन पतने, मूलतः, दोन क्षेत्रांत पुन्हा पुन्हा घडणारी एकच यंत्रणा आहेत; ती एकच सामायिक कालरेषा नाही. दोन्ही प्रकरणांत उत्पादन कठीण, संथ आणि महाग असल्यामुळे एका व्यवसायवर्गाने टिकाऊ भाडे कमावले. दोन्ही प्रकरणांत घर्षण विरघळवणाऱ्या शक्तीने—डिजिटल क्षेत्रात जनरेटिव्ह एआयने आणि भौतिक क्षेत्रात अतिघन औद्योगिक एकत्रीकरणाने—उत्पादन सोपे, जलद आणि स्वस्त केले. दोन्ही प्रकरणांत उत्पादनाच्या कठीणतेने संरक्षित केलेले भाडे, उत्पादन कठीण राहिले नाही त्या क्षणी नाहीसे झाले.

ही सममिती अचूक आहे, आणि तिची जाणीव स्वतंत्रपणे घेतलेल्या कोणत्याही एका अर्ध्यापेक्षा अधिक मोलाची आहे, कारण ती दोन्हींच्या खालील सामान्य नियमाला उघड करते:

एखादी वस्तू तयार करण्याच्या कठीणतेवरच आधारित असलेली कोणतीही संरक्षक भिंत तात्पुरती असते आणि ती वस्तू सहजपणे कशी तयार करायची हे कोणीतरी शोधून काढेपर्यंतच टिकते.

धोरणात्मक निष्कर्ष यावरून थेट निघतो. केवळ बिट्स किंवा केवळ अणू यांपैकी कोणतेही व्यवसायाला आश्रय देऊ शकत नसल्यामुळे, दोन्ही पतनांतून टिकून राहिलेल्या अडथळ्यांपासून बचावक्षमता उभी करावी लागते:

• सानुकूल हार्डवेअर आणि सानुकूल सॉफ्टवेअरचे घट्ट, बंद-चक्र एकत्रीकरण, ज्यामुळे प्रणाली वेगवेगळे भाग करून तिची हुबेहूब नक्कल करता येत नाही.
• वास्तविक कार्यप्रवाह चालवण्याच्या उपउत्पादन म्हणून निर्माण होणारा मालकीचा, सातत्याने नव्याने अद्ययावत होणारा डेटा, ज्याची नक्कल करता येत नाही कारण तो कार्यप्रवाह चालवून कमवावा लागतो.
• पुराणमतवादी उद्योगांमधील सखोल संबंध, विश्वास आणि नियामक स्थान, जे कोणताही कोडिंग एजंट आणि कोणताही कराराधारित कारखाना निर्माण करू शकत नाही.
• विक्रेता बनण्याऐवजी प्रमुख म्हणून काम करण्याचा निर्णय, कार्यप्रवाह आणि त्याचा परिणाम स्वतःच्या मालकीचा ठेवणे, ज्यामुळे संपूर्ण नफ्याचा स्रोत आणि संपूर्ण डेटा-उत्सर्जन विकून टाकण्याऐवजी स्वतःकडेच राहते.

आधुनिक उद्यम-प्रमाणातील कंपनी बचावक्षम असते ती या टिकून राहिलेल्या अडथळ्यांपैकी किती अडथळे एका परस्पर-जोडलेल्या कार्यप्रणालीत एकत्र करते आणि ती चालत असताना किती चांगली होत जाते, याच्या नेमक्या प्रमाणात. पूर्वी केवळ उभारणे कठीण होते म्हणून ज्या गोष्टी संरक्षक भिंती होत्या, त्या आता उभारणे सोपे असल्यामुळे वस्तू बनल्या आहेत. जे बचावक्षम राहते ते म्हणजे ज्यापर्यंत पोहोचणे कठीण आहे, ज्यात विश्वास कमावणे कठीण आहे, ज्यात नियमनाच्या मार्गाने प्रवेश मिळवणे कठीण आहे आणि प्रत्यक्ष काम केल्याशिवाय ज्याचे निरीक्षण करणे कठीण आहे.

भविष्यातील संरक्षक भिंत बिट्सची बनलेली नाही आणि अणूंचीही बनलेली नाही. ती त्यांच्या मधील सांध्यांनी, तसेच तुम्ही जिथे उभे आहात तिथे उभे राहिल्याशिवाय कोणीही पुनरुत्पादित करू शकत नाही अशा संबंधांनी आणि कमावलेल्या डेटाने बनलेली आहे.

विश्लेषणाचा निष्कर्ष

सॉफ्टवेअरला बचावक्षम नफ्याचे विश्वासार्ह इंजिन आणि हार्डवेअरला कमी-नफ्याची वस्तू मानणारा तीस वर्षांचा प्रतिमान केवळ बदलला नाही. त्याच्या दोन मूलभूत गृहितकांना क्रमशः खोटे ठरवण्यात आले. चिनी औद्योगिक एकत्रीकरणाने हार्डवेअरची पुनरावृत्ती आणि निर्मिती प्रथम कठीण असते या गृहितकाला खोटे ठरवले. जनरेटिव्ह एआय आता सॉफ्टवेअर तयार करणे आणि बदलणे कठीण असते या गृहितकाला खोटे ठरवत आहे.

दोन्ही संरक्षक भिंती मुख्यतः उत्पादनाच्या कठीणतेवर उभारलेल्या होत्या आणि दोन्ही घर्षण विरघळवणाऱ्या शक्तींनी नेमके त्याच कठीणतेला लक्ष्य केले होते; म्हणून दोन्ही संरक्षक भिंती कोसळल्या. पूर्वी बिट्स तयार करू शकणाऱ्या किंवा अणू घडवू शकणाऱ्या व्यक्तीकडे जाणारे भाडे आता ग्राहक आणि अनुकरणकर्त्यांकडे वाहते, जोपर्यंत एखाद्या कंपनीने स्वतःला अशा अडथळ्याशी जोडलेले नसेल ज्यापर्यंत उत्पादनाचे पतन पोहोचू शकत नाही.

टिकून राहिलेले हे अडथळे—एकत्रीकरण, मालकीचा कार्यात्मक डेटा, विश्वासार्ह संबंध, नियामक स्थान आणि वास्तविक कार्यप्रवाहाची प्रमुख म्हणून असलेली मालकी—याच ठिकाणी टिकाऊ मूल्य गेले आहे. या युगात बचावक्षम कंपनी उभारण्याचा अर्थ कोणत्याही एका परिमाणावर कठीण असण्याच्या आधारावर अवलंबून राहण्यास नकार देणे, कारण जी गोष्ट केवळ तयार करणे कठीण आहे, ती तयार करणे सोपे झाल्यावर बचावक्षम राहात नाही.

आधुनिक संरक्षक भिंत

वरील सर्व निदान आहे. भाडे कुठे आणि का गेले हे ते स्पष्ट करते, परंतु ते तत्त्वाच्या पातळीवरच थांबते; आणि एखाद्या तत्त्वावर उभारलेली कंपनी प्रत्यक्षात कशी दिसते हे तत्त्व सांगत नाही. हा अर्धा भाग उत्तर आहे. सध्या बचावक्षमता कशापासून बनते आणि ती प्रत्यक्ष व्यवसायात एकत्र केल्यावर कशी दिसते, हे यात समाविष्ट आहे.

बार्बेल

बांधणीच्या नियमांपूर्वी बार्बेल स्पष्ट करून घेणे उपयुक्त ठरेल, कारण विश्लेषण त्याच्या दोन्ही टोकांकडे वारंवार निर्देश करत होते, पण त्यांची यादी देत नव्हते. मी हे २०२५ मध्ये सॉफ्टवेअर मूल्याचा बार्बेल येथे मांडले होते, जिथे मी माझ्या अंतर्गत सॉफ्टवेअर लाभ सिद्धांताचा विपुलता सिद्धांताशी मेळ घातला. त्यातील निष्कर्ष असा होता की सॉफ्टवेअरचे मूल्य दोन समूहांमध्ये ध्रुवीकृत होत आहे आणि मधला भाग कोसळत आहे.

एका टोकाला प्रचंड मूलभूत आद्यघटक असतात, मूलभूत मॉडेल्स, संगणकीय पायाभूत सुविधा, मेघ मंच, चिप्स आणि मुख्य एआय पायाभूत सुविधा. यांचे संरक्षण भांडवली तीव्रता, प्रमाणातील अर्थशास्त्र आणि संशोधनाच्या अशा एकाग्रतेने होते, जिथे नवीन उद्यम प्रत्यक्षात पोहोचू शकत नाही. मी वर्णन करत असलेली संधी ही नाही. ती ज्या वातावरणात काम करते ते हे आहे.

गूगल हे सर्वोच्च उदाहरण आहे. ते एलएलएम मॉडेल्स, टीपीयू, मेघ पायाभूत सुविधा, शोध, अँड्रॉइड, यूट्यूब, नकाशे, क्रोम, पूर्वनिर्धारित वितरण आणि जवळजवळ कोणीही स्पर्श करू शकणार नाही अशा प्रमाणातील मालकीचा डेटा यांना एकत्र करते. यामुळे ते स्टार्टअपचे प्रारूप ठरत नाही. यामुळे ते पूर्णपणे साकारलेले बार्बेलचे वरचे ध्रुव बनते. तुम्ही तिथून सुरुवात करू शकत नाही. उत्पादन स्वस्त झाल्यावर टिकाऊ मूल्य अशा संगणन, वितरण, पायाभूत सुविधा, डेटा आणि परिसंस्था-स्थानाकडे स्थलांतरित होते, जेथे नवीन प्रवेशकर्ता सहजपणे भाड्याने प्रवेश मिळवू शकत नाही, ही यंत्रणा गूगल सिद्ध करते. मर्यादाही लक्षात घ्या. गूगल लिलाव चालवते. जाहिरातदाराचा परिणाम तिच्या मालकीचा सहसा नसतो. म्हणूनच पुढे पाहिल्यास, शोधापेक्षा वेमो हे प्रमुख-स्थानाचे अधिक स्वच्छ उदाहरण आहे.

दुसऱ्या टोकाला अत्यंत विशिष्ट खासगी लाभ असतो. सखोल कार्यप्रवाह-मालकी, भौतिक जगाचे स्वयंचलनीकरण, नियामक प्रक्रिया, तज्ज्ञ श्रमांची जागा घेणे, मालकीचा कार्यात्मक डेटा आणि परिणामाची मालकी. हे टोक गाठता येण्याजोगे आहे आणि विश्लेषणाने टिकून राहिल्याचे ओळखलेले नेमके उत्पादनाबाहेरील अडथळे त्याचे संरक्षण करतात.

धोकादायक मधला भाग म्हणजे सामान्य सॉफ्टवेअर. यात वेब अॅप, डॅशबोर्ड, सीआरयूडी साधन, कार्यप्रवाह व्यवस्थापक आणि मॉडेल एपीआयवरील पातळ आवरण यांचा समावेश होतो. वरून मूलभूत आद्यघटक त्याला दाबतात, कारण ते सामान्य क्षमतांना सतत स्वतःमध्ये सामावून घेत असतात; आणि खालून कोणतीही सामान्य गोष्ट तयार करण्याच्या खर्चातील घसरण त्याला दाबते. मधल्या भागातील उत्पादन उभारणे सोपे, हुबेहूब नक्कल करणे सोपे, प्रस्थापित खेळाडूला वैशिष्ट्य म्हणून आत्मसात करणे सोपे असते आणि ग्राहकाच्या मूल्यसाखळीतील त्याची मालकी सहसा खूपच कमी असल्याने त्याला किंमत संरक्षित करता येत नाही.

चार घटकांची संरक्षक भिंत

आजची बचावक्षमता एका उंच भिंतीतून येत नाही. ती परस्पर गुंफलेल्या अनेक फायद्यांतून येते. हार्डवेअर आणि सॉफ्टवेअर उत्पादनाच्या दुहेरी पतनातून चार स्वतंत्र आधारस्तंभ टिकून राहतात. टिकाऊ आधुनिक कंपनीकडे त्यांपैकी किमान तीन आधारस्तंभांपर्यंत पोहोचण्याचा विश्वासार्ह मार्ग असणे आवश्यक आहे. एक नाही. तीन. एकल परिमाणे आता कोणालाही आश्रय देत नाहीत आणि पुढेही कधी देणार नाहीत.

उत्कृष्ट हार्डवेअर

उत्कृष्ट हार्डवेअर म्हणजे विदेशी उपकरणांचा शोध लावणे नव्हे. याचा अर्थ हुशार गॅजेट विकून त्यावर नफा मिळवणे तर नक्कीच नव्हे. दिसणारे, सहज नक्कल करता येणारे आणि स्वतंत्रपणे विकले जाणारे उपकरण हेच उत्पादन समूह सर्वांत वेगाने नष्ट करतात. हार्डवेअरला स्थान तेव्हा मिळते जेव्हा ते उत्पादन नसते, तर साधन असते. ते कंपनीला अशा प्रक्रियेपर्यंत विशेष भौतिक प्रवेश देते, जी बाहेरून कोणताही स्पर्धक पाहू शकत नाही. ते भौतिक जगाचे संवेदन करते, मालकीचा डेटा संकलित करते, भौतिक कृती अंमलात आणते आणि कार्यप्रवाह प्रमाणित करते, ज्यामुळे त्यावरील सॉफ्टवेअरची नक्कल करणे अधिक कठीण होते. चाचणी सोपी आहे. हे हार्डवेअर वेगळे काढून स्वतंत्रपणे विकता येईल का? जर येत असेल, तर ते गॅजेट आहे आणि त्याचे वस्तूकरण होईल. जर सॉफ्टवेअर, डेटा आणि त्याभोवतीच्या कार्यप्रणालीशिवाय त्याला अर्थच नसेल, तर ते संरक्षणभिंतीचे काम करत आहे.

उत्कृष्ट सानुकूल सॉफ्टवेअर

उत्कृष्ट सानुकूल सॉफ्टवेअर हे सामान्य सॉफ्टवेअर-सेवा म्हणून नाही आणि ते केवळ अधिक चांगला इंटरफेसही नाही. ते विशिष्ट भौतिक किंवा नियामक प्रक्रियेच्या आत काम करते, प्रत्यक्ष आर्थिक महत्त्व असलेले निर्णय स्वयंचलित करते, मनुष्यबळ किंवा यंत्रांचे समन्वय साधते आणि चुका तसेच अपवाद घडत असतानाच त्यांची नोंद करते. त्याचे संरक्षण करण्याजोगे काय आहे, हे लक्षात घ्या. कोड नव्हे, कारण विश्लेषणाने दाखवून दिले आहे की तो आता स्वस्त झाला आहे; तर कार्यप्रणालीतील प्रवेश, मालकीचा डेटा आणि इंटरफेसची नक्कल करून स्पर्धक मिळवू शकत नाही असे सखोल कार्यप्रवाहाचे ज्ञान यांच्यावरील त्याचे अवलंबित्व महत्त्वाचे आहे. सॉफ्टवेअरची नक्कल करणे कठीण आहे कारण ते ज्या गोष्टींशी जोडलेले आहे त्यांच्यापर्यंत पोहोचणे कठीण आहे, सॉफ्टवेअर लिहिणे कठीण आहे म्हणून नव्हे.

उत्कृष्ट संबंध

कठीण उद्योगांमध्ये उत्कृष्ट संबंध ही सर्वांत टिकाऊ संरक्षणभिंतींपैकी एक आहेत. हार्डवेअर आणि सॉफ्टवेअरच्या वस्तूकरणापासून ते पूर्णपणे सुरक्षित असतात. त्यात नियामक मान्यता, ग्राहकांचा विश्वास, पारंपरिक खरेदीदारांपर्यंत वितरणाचा प्रवेश आणि दीर्घकालीन कार्यात्मक भागीदारी यांचा समावेश होतो. संरक्षण, आरोग्यसेवा, बांधकाम आणि पायाभूत सुविधा यांसारख्या क्षेत्रांमध्ये हे सर्वत्र दिसते. या बाजारांतील खरेदीदार सॉफ्टवेअर थोडे चांगले आहे म्हणूनच विक्रेता निवडत नाहीत, आणि अनेक वेळा ते १० पट चांगले असले तरीही नाही. ते विश्वास आणि कामगिरीचा इतिहास, विश्वासार्हता, दायित्व, अनुपालन आणि पुरावा यांच्या आधारे खरेदी करतात. स्वस्त नक्कल सहसा कोणी तिचे मूल्यमापन करण्यापूर्वीच अपात्र ठरते. संबंध निर्माण करण्यासाठी वेळ, प्रतिष्ठा आणि प्रत्यक्ष अंमलबजावणीचा इतिहास लागतो. कृत्रिम बुद्धिमत्ता एजंट किंवा शेनझेनमधील असेंब्ली लाइन यांपैकी कोणतीही गोष्ट एका रात्रीत विश्वास निर्माण करू शकत नाही.

अद्वितीय डेटा

अद्वितीय डेटा हा या चार घटकांपैकी सर्वांत महत्त्वाचा आहे आणि लोक त्याचा सर्वाधिक गैरसमज करतात. प्रत्येक डेटा मौल्यवान नसतो आणि सर्वसाधारणपणे संकलित केलेला डेटा आता संरक्षणभिंत म्हणून जवळजवळ निरुपयोगी आहे. महत्त्वाचा डेटा खासगी, अप्रकट आणि तज्ज्ञ-स्तरीय, भौतिक जगाशी व कार्यप्रवाहाशी विशिष्ट, प्रत्यक्ष कार्यांमधून निर्माण झालेला आणि सार्वजनिक संग्रहात कधीही न दिसणाऱ्या अपवादांनी, दुरुस्त्यांनी व अपयशांनी परिपूर्ण असतो. तुम्ही अशा प्रकारचा डेटा विकत घेऊ शकत नाही आणि तो संकलितही करू शकत नाही. तो केवळ प्रत्यक्ष कार्यप्रणाली चालवण्याच्या उपउत्पादनाच्या रूपात चार टप्प्यांच्या बंद चक्रातून निर्माण होतो:

1. निरीक्षण
2. निर्णय
3. कृती
4. परिणाम

हे चक्रच चार घटकांना एकमेकांना बळकटी देण्यास सुरुवात करून देते. हार्डवेअर निरीक्षण करते आणि कृती करते, सॉफ्टवेअर निर्णय घेते आणि समन्वय साधते, संबंध कार्यप्रवाहापर्यंत प्रवेश देतात आणि अद्वितीय डेटा परिणामांमधून वाढत जातो.

बहुतेक कंपन्या या डेटा प्रवाहातील केवळ पहिला टप्पा संकलित करतात. संरक्षणभिंतीसाठी चारही टप्पे आवश्यक आहेत; म्हणजे केवळ काय घडले हे नव्हे, तर त्याला प्रतिसाद म्हणून कोणता निर्णय घेतला गेला, प्रत्यक्षात कोणती कृती केली गेली आणि परिणाम यशस्वी झाला की नाही हेही तुम्हाला माहीत असले पाहिजे. हा चौथा टप्पा, म्हणजे पडताळलेला परिणाम, डेट्याला प्रशिक्षणयोग्य बनवतो आणि लाभाला वाढवत नेतो. पूर्ण झालेले प्रत्येक काम पुढील काम करणाऱ्या प्रणालीत सुधारणा करते; संपूर्ण दस्तऐवजात हा असा एकमेव लाभ आहे जो क्षीण होण्याऐवजी वाढतो.

चक्रे कधी वाढत जातात आणि कधी ठप्प होतात

बंद चक्र सैद्धांतिकदृष्ट्या अपरिहार्य वाटते. प्रत्यक्षात, ते उभारण्याचे बहुतेक प्रयत्न अपयशी ठरतात. चक्र हा दावा आहे, नियम नाही, आणि त्याच्या यशस्वी उदाहरणापेक्षा त्याच्या विशिष्ट अपयशाच्या पद्धती समजून घेणे अधिक उपयुक्त आहे.

• डेटा संतृप्त होतो: संकलित डेट्याचे मूल्य घटत्या परताव्याच्या वक्राचे अनुसरण करते. सखोल शिक्षणामध्ये, सन आणि सहकाऱ्यांना आढळले की दृष्टीविषयक कार्यांवरील कामगिरी प्रशिक्षण डेट्याच्या प्रमाणासोबत लघुगणकीय पद्धतीने वाढली, म्हणजे डेटासंचाच्या प्रत्येक दुप्पटीमुळे आणखी एक टप्प्याची सुधारणा मिळते, चमत्कार नव्हे. पहिल्या हजार अंमलबजावणी तुम्हाला सर्वाधिक शिकवतात. पुढील दहा हजार कमी शिकवतात. त्यानंतरच्या लाख अंमलबजावणी जवळजवळ काहीही नवीन शिकवत नाहीत. उशिरा सुरुवात करणारा स्पर्धक तुमच्या ऐतिहासिक डेट्याच्या काही अंशाने तुमच्या कामगिरीच्या ९० टक्क्यांपर्यंत पोहोचू शकतो आणि कच्चे आकडे सुचवतात त्यापेक्षा वेगाने अंतर कमी करू शकतो.

• डेटा वापरण्याचा अधिकार कदाचित तुमच्याकडे नसेल: कार्यप्रवाहातून तुम्ही मालकीचा डेटा निर्माण करता, पण तुमच्या करारात ग्राहक त्याचा मालक आहे आणि विविध अंमलबजावणींमधील डेटा एकत्र करण्याची तुम्हाला परवानगी नाही, तर तुमच्याकडे एकच गतिचक्र नसून पन्नास स्वतंत्र डेटा-सिलो असतात. व्यासपीठाच्या स्तरावर, ओपनएआय, अँथ्रॉपिक, मायक्रोसॉफ्ट अझ्युर ओपनएआय, एडब्ल्यूएस बेडरॉक आणि गूगल व्हर्टेक्स एआय हे सर्व व्यावसायिक ग्राहकांना सांगतात की त्यांचे इनपुट आणि आउटपुट पूर्वनिर्धारितपणे मूलभूत मॉडेलना प्रशिक्षण देण्यासाठी वापरले जात नाहीत. हे ग्राहकांसाठी चांगले आहे आणि विक्रेत्यांसाठी इशारा आहे. कराराने परवानगी दिली असेल तरच ग्राहकांमधील शिक्षण वाढत जाते. गोपनीयता कायदा आणखी एक बंधन घालतो, कारण जीडीपीआरमधील उद्देश-सीमांकन, डेटा पुसून टाकण्याचे अधिकार, एचआयपीएएअंतर्गत ओळख-विरहितीकरणाचे नियम आणि संदर्भांतरित वर्तनात्मक जाहिरातींसाठी सामायिकरणासंबंधी सीसीपीए/सीपीआरएचे नियम हे सर्व दुय्यम डेटा-वापर अधिक कठीण करतात. स्पर्धेपेक्षा यामुळे प्रत्यक्ष जगातील अधिक कृत्रिम बुद्धिमत्ता संरक्षणभिंती नष्ट होतात.

• मॉडेल सुधारण्यापेक्षा कार्यप्रवाह वेगाने बदलतो: वेगाने बदलणाऱ्या कार्यात्मक क्षेत्रांमध्ये डेट्याचे मोजता येण्याजोगे अर्धायुष्य असते. हार्वर्ड बिझनेस स्कूलमधील संशोधनात वालावी आणि सहकाऱ्यांनी दाखविल्याप्रमाणे, ऐतिहासिक डेट्याचा मोठा साठा प्रवेशासाठी कमकुवत अडथळा निर्माण करतो. ताज्या, अलीकडील डेट्याच्या लहान प्रवाहाने सज्ज असलेला नवागत अनेकदा अनेक वर्षांच्या जुन्या डेट्यावर अवलंबून असलेल्या विद्यमान संस्थेपेक्षा अधिक अचूक मॉडेल तयार करू शकतो, विशेषतः शिळा डेटा अचूकता सक्रियपणे कमी करत असेल तेव्हा. एका वैद्यकीय माहितीशास्त्राच्या अभ्यासात हे थेट आढळले: रुग्णालयातील आदेशांचा अंदाज लावण्यासाठी वापरल्या जाणाऱ्या डेट्याचे अर्धायुष्य सुमारे चार महिने होते आणि अलीकडील एका महिन्याचा डेटा जुन्या बारा महिन्यांच्या डेट्यापेक्षा चांगली कामगिरी करत होता. उत्पादन क्षेत्रात, संवेदकांतील बदल, साधनांची झीज, प्रक्रियेची पुनर्रचना आणि आकृतिबंधातील बदल यांचा अर्थ असा होतो की ऐतिहासिक कारखाना-डेट्यावर प्रशिक्षित मॉडेल अशा कारखान्याबद्दल तर्क करत आहेत जो आता अस्तित्वातच नाही. हे सार्वत्रिक नाही. भौतिकशास्त्राने नियंत्रित प्रक्रिया, विमाशास्त्रीय सारण्या, भूवैज्ञानिक डेटा आणि इतर संथगतीने बदलणारी क्षेत्रे जुना डेटा दीर्घकाळ मौल्यवान ठेवू शकतात. मॉडेल सुधारण्यापेक्षा कार्यप्रवाह वेगाने बदलत असेल, तर तुमचा ऐतिहासिक डेटा लाभाऐवजी शिळे वजन बनतो.

• खर्च हाच अडथळा आहे आणि अडथळाच खर्च आहे: प्रत्यक्ष जगातील कार्यप्रवाहांचा मालकी हक्क ठेवणे भांडवलप्रधान, मनुष्यबळप्रधान आणि शुद्ध सॉफ्टवेअरपेक्षा कमी नफ्याचे असते. टेस्लाने उभ्या एकात्मतेनंतरही २०२५ मध्ये एकूण जीएएपी स्थूल नफा सुमारे १८ टक्के नोंदवला. इंट्यूटिव्ह सर्जिकलने २०२५ मध्ये दा विंचीच्या ११,१०६ बसवलेल्या प्रणाली आणि ६७.६ टक्के नॉन-जीएएपी स्थूल नफा नोंदवला, आणि त्यासाठी अनेक दशकांचे भांडवल, शल्यचिकित्सकांचे प्रशिक्षण आणि प्रक्रियांचे प्रमाण लागले. स्पर्धकांना दूर ठेवणारा खर्चच बहुतेक नवागतांना संरक्षण करण्याजोगी गोष्ट उभारण्यापासूनही दूर ठेवतो. चक्र वाढण्यापूर्वीच अनेक प्रयत्न एकक-अर्थशास्त्रावर अपयशी ठरतात.

प्रत्यक्षात वाढणारी चक्रे आणि बनावट संरक्षणभिंती यांच्यात फरक करणाऱ्या गोष्टी:

• डेटा परिणामाशी जोडलेला असतो, म्हणजे तुम्ही केवळ संकेत गोळा करत नाही, तर परिणाम योग्य होता की चुकीचा हे तुम्हाला माहीत असते.
• विविध अंमलबजावणींमध्ये वापरण्याचा अधिकार कराराने तुमच्याकडे असतो.
• ऐतिहासिक डेटा संबंधित राहील इतका कार्यप्रवाह स्थिर असतो.
• प्रत्येक अंमलबजावणीमधून त्याच गोष्टीची अधिक पुनरावृत्ती न होता नवीन अपवाद निर्माण होतात.
• कार्यप्रवाह बदलण्यापूर्वी शिक्षण वाढत जाईल इतकी वारंवारता असते.

खालीलपैकी कोणतीही गोष्ट खरी असेल, तर हा सिद्धांत चुकीचा आहे:

• एखादा स्पर्धक संकलन, कृत्रिम निर्मिती, हस्तांतरण शिक्षण किंवा एकदाच केलेल्या खरेदीद्वारे समतुल्य डेटा मिळवू शकतो.
• करारानुसार ग्राहक डेट्याचा मालक आहे आणि तुम्ही विविध अंमलबजावणींमधील डेटा एकत्र करू शकत नाही.
• कार्यप्रवाह मॉडेल सुधारण्यापेक्षा वेगाने बदलतो, त्यामुळे संकलित डेटा आता अस्तित्वात नसलेल्या प्रणालीचे वर्णन करतो.
• पहिल्या N अंमलबजावणींमध्येच डेट्याचे मूल्य संतृप्त होते, म्हणजे लाभ वाढत जाणारा नसून स्थिर असतो.
• कार्यप्रवाहाच्या मालकीचा खर्च त्यातून निर्माण होणाऱ्या डेट्याच्या मूल्यापेक्षा अधिक असतो.

या अटी लागू असतील, तर हे चक्र संरक्षणभिंत नाही. हा तात्पुरत्या आघाडीसह केलेला महागडा अभियांत्रिकी प्रकल्प आहे. ए१६झेडने २०१९ मध्ये मांडल्याप्रमाणे, बहुतेक डेटा-लाभ हे घटत्या परताव्याचे प्रमाणाधारित परिणाम असतात, जादुई नेटवर्क परिणाम नव्हेत. सध्याच्या कृत्रिम बुद्धिमत्ता लाटेपूर्वीही हे खरे होते. आताही ते खरे आहे.

आधुनिक अभेद्य किल्ल्यावर उभारलेली व्यवसाय मॉडेल्स

हे चार घटक अभेद्य किल्ला कशापासून बनलेला आहे हे स्पष्ट करतात. पुढचा प्रश्न असा आहे की कोणत्या प्रकारचे व्यवसाय मॉडेल प्रत्यक्षात तो किल्ला काबीज करू शकते. व्यवहारात, उत्तर साधने विकण्यापासून दूर जाऊन स्वतः कार्यप्रवाहाची मालकी घेण्याकडे निर्देश करते.

विक्रेता नव्हे, प्रमुख

संपूर्ण चौकटीतील सर्वाधिक प्रभावी एकमेव निर्णय म्हणजे विक्रेत्याची भूमिका नाकारणे.

विक्रेता-केंद्रित पद्धतीचा अर्थ असा की जो संस्थात्मक घटक आधीच कार्यप्रवाहाचा मालक आहे त्याला एखादे साधन विकणे. सिद्धांततः हे आकर्षक दिसते, कारण यात भांडवल कमी लागते आणि वाढवता येण्याची क्षमता असते; परंतु यामुळे प्रभावाचे प्रत्येक साधन ग्राहकाकडे जाते. कार्यवाहक ग्राहकसंबंध, भौतिक प्रक्रिया, कार्यकारी डेटा, अर्थसंकल्प, दायित्व आणि अंतिम परिणाम स्वतःकडे ठेवतो. विक्रेत्याकडे या सर्वांच्या वर बसलेला सॉफ्टवेअरचा एक थर उरतो. स्टार्टअपने निर्माण केलेल्या मूल्याचा केवळ छोटा भाग मिळवला जातो, ग्राहक उत्पादन सेवा-आधारित दिशेने वाहून जाईपर्यंत सानुकूल एकत्रीकरणांची मागणी करतो, कार्यवाहक हे साधन काम करताना पाहू शकतो आणि नंतर त्याची जागा अशा अंतर्गत निर्मितीने घेऊ शकतो जी आता तयार करणे नाटकीयरित्या स्वस्त असते, आणि कार्यवाहकाकडे सर्वोत्तम डेटा असल्यामुळे विक्रेत्याचे मॉडेल कधीही चक्रवाढ होत नाही. नफा-मार्जिन मर्यादितच राहतात. भौतिक उद्योगांमध्ये हे विशेषतः धोकादायक असते, कारण सॉफ्टवेअर विक्रेते विश्वासार्हपणे अतिशयोक्तीपूर्ण सल्लागारांमध्ये रूपांतरित होतात.

याहून मजबूत स्थिती म्हणजे प्रमुख बनणे, म्हणजेच कार्यवाही, जबाबदारी, मान्यता, कार्यप्रवाह किंवा स्वतःचे दायित्व यांपैकी एखाद्याची मालकी घेणे. काम करणाऱ्या व्यक्तीला सॉफ्टवेअर विकण्याऐवजी, कंपनी स्वतः काम करते किंवा त्याच्या परिणामाची हमी देते. यामुळे वरील प्रत्येक तोटा उलटतो. कंपनी परवान्याच्या तुकड्याऐवजी संपूर्ण नफा-मार्जिन मिळवते, ग्राहकाच्या परिणामाची आणि त्यामुळे संबंधाची मालकी घेते, आणि स्वतःच्या कार्यवाहीतून डेटा निर्माण होत असल्यामुळे त्या डेटाचीही मालकी घेते. कार्यवाहक तिला मध्यस्थीतून वगळू शकत नाही, कारण तीच कार्यवाहक असते, आणि ती दुय्यम समजुतीऐवजी वास्तविक कार्यकारी कौशल्य निर्माण करते.

हे तत्त्व एका सूचनेत संक्षिप्त करता येते:

साधन विकू नका. पूर्ण झालेला परिणाम विका.

व्यवहारात, कोणत्याही विक्रेता-केंद्रित कल्पनेचे तिच्या प्रमुख-केंद्रित आवृत्तीत सातत्याने पुनर्मांडन केल्यावर हे दिसून येते:

हा निर्णय चौकटीतील इतर कोणत्याही निर्णयापेक्षा अधिक महत्त्वाचा आहे, कारण डेटा कोणाच्या मालकीचा असेल हे तो ठरवतो, आणि डेटाची मालकीच फायदा चक्रवाढ होईल की क्षीण होईल हे ठरवते.

सेवा म्हणून सेवा

प्रमुखाची भूमिका पारंपरिक सॉफ्टवेअरपेक्षा वेगळ्या दिसणाऱ्या वितरण मॉडेलला सूचित करते, आणि त्याला नाव देणे महत्त्वाचे आहे, कारण सुरुवातीला SaaS च्या नफ्याच्या मार्जिनवर प्रशिक्षित असलेल्या कोणालाही हा वाईट व्यवसाय वाटतो.

या मॉडेलसाठी प्रचलित वापरात काही नावे आहेत. YC, a16z आणि इतरांनी याला सॉफ्टवेअर म्हणून सेवा असे म्हटले आहे, आणि कृत्रिम बुद्धिमत्तेने सक्षम केलेल्या एकत्रीकरणाची संकल्पना ही त्याची जवळची नातेवाईक आहे. ग्राहकाला प्रत्यक्षात काय मिळते यावर भर कायम ठेवत असल्यामुळे मला सेवा म्हणून सेवा हे नाव अधिक पसंत आहे.

काम पूर्ण करून घेण्यासाठी ग्राहकाला सॉफ्टवेअर वापरावे लागू नये. कंपनीने सॉफ्टवेअर, कृत्रिम बुद्धिमत्ता, मानवी श्रम, हार्डवेअर आणि कार्यवाही यांचा एकत्रित वापर करून पूर्ण झालेले काम प्रदान करावे. सॉफ्टवेअर हे अंतर्गत प्रभाववर्धक आहे, उत्पादन नव्हे.

हा क्रम हेतुपुरस्सर आहे. सुरुवातीला काम हाताने किंवा मानवांना प्रक्रियेत सहभागी ठेवून करा. त्या मानवी कामाला अधिक वेगवान, अधिक सुसंगत आणि अधिक मोजण्याजोगे बनवण्यासाठी सॉफ्टवेअर वापरा. प्रत्येक इनपुट, निर्णय, दुरुस्ती, अपवादात्मक बाब आणि परिणाम नोंदवा. त्यानंतर साठलेल्या डेटाचा वापर करून कार्यप्रवाहाचा अधिकाधिक भाग स्वयंचलित करा आणि अशा स्वयंचलित सेवा-प्रदात्याकडे वाटचाल करा, ज्याचे नफा-मार्जिन आणि बचावक्षमता पारंपरिक सॉफ्टवेअरशी तुलना करता येणार नाही.

हे सल्लागारसेवेपेक्षा एका निर्णायक बाबतीत वेगळे आहे. सल्लागारसेवा प्रत्येक ग्राहकाला कायमस्वरूपी सानुकूल मानवी श्रम विकते आणि प्रत्येक कामानंतर पुन्हा वापरता येण्यासारखे काहीही मागे राहत नाही. सेवा म्हणून सेवा सुरुवातीच्या मानवी श्रमाचा जाणीवपूर्वक स्वयंचलन प्रणाली उभारण्याचे साधन म्हणून वापर करते, आणि प्रत्येक कामानंतर असा डेटा मागे राहतो जो पुढचे काम स्वस्त बनवतो.

परंतु या प्रकारच्या मॉडेलमधील एका सापळ्यापासून सावध राहणे आवश्यक आहे. प्रत्येक नवीन ग्राहकासाठी सानुकूल एकत्रीकरण, सानुकूल डेटा स्वच्छता, सानुकूल कार्यप्रवाह नकाशीकरण आणि सानुकूल मॉडेल समायोजन आवश्यक असेल, तर कंपनी अजून हे मान्य न केलेली सल्लागार संस्था आहे. प्रक्रियेत मानवांचा समावेश असलेला टप्पा योग्य आहे आणि अनेकदा आवश्यकही असतो; परंतु तो मालकीचा डेटा निर्माण करतो आणि वाढवता येण्याजोग्या स्वयंचलनाकडे अभिसरण करतो या अटीवरच. पन्नास कामांनंतरही मानव प्रति-एकक त्याच खर्चात तेच काम करत असतील, तर मॉडेल अपयशी ठरले आहे.

डेटासाठीचा स्टारगेट

कृत्रिम बुद्धिमत्ता संगणकीय अडथळ्यातून डेटा-अडथळ्याकडे सरकत आहे. आगामी काळातील सर्वाधिक मूल्यवान कृत्रिम बुद्धिमत्ता कंपन्या सर्वाधिक सर्वसाधारण डेटा असलेल्या कंपन्या नसतील; असा डेटा मुबलक असल्यामुळे, आणि म्हणूनच पहिल्या अर्ध्याच्या तर्कानुसार त्यातून कोणतेही भाडे मिळत नसल्यामुळे, त्या कंपन्यांना विशेष फायदा होणार नाही. त्याऐवजी त्या अशा दुर्मीळ, खाजगी, उच्च-गुणवत्तेच्या कार्यकारी डेटाच्या मालकीच्या असतील, जो काम केल्याशिवाय अन्य कोणत्याही मार्गाने मिळवता येत नाही.

डेटासाठीचा स्टारगेट हा शब्द ओपनएआयच्या स्टारगेट या जाहीर केलेल्या शेकडो अब्ज डॉलरच्या संगणकीय पायाभूत सुविधा-विस्तारातून घेतला आहे, आणि हे उधार घेणेच मुद्दा आहे. मागील चक्रातील दुर्मीळ संसाधनाने त्या प्रमाणातील नियोजित पायाभूत सुविधांना समर्थन दिले असेल, तर पुढील चक्रालाही तशीच वागणूक मिळायला हवी. उद्दिष्ट एखादा डेटासंचय साठवणे नाही. उद्दिष्ट आहे सेवा प्रदान करण्याच्या उपउत्पादनाप्रमाणे मालकीचा डेटा सातत्याने निर्माण करणारे यंत्र उभारणे.

या प्रकरणात महत्त्वाचा फरक असा आहे की उद्दिष्ट स्वतःच्या हेतूसाठी डेटा गोळा करणे नाही; तसे केल्यास वापरता न येणाऱ्या सामग्रीची महागडी सरोवरे तयार होतात. उद्दिष्ट म्हणजे ज्या कार्यप्रवाहाला स्वयंचलित करायचे आहे, तोच कार्यप्रवाह नेमका आवश्यक डेटा निर्माण करतो त्या कार्यकारी चक्राची मालकी घेणे.

अणू संगणक

हे चार घटक एका संरचनेचे वर्णन करतात. अणू संगणक ही संरचना कशासाठी आहे हे स्पष्ट करतो, आणि तो दीर्घकालीन दृष्टिकोन आहे जो संपूर्ण प्रयत्नाला उपयुक्त ठरवतो.

ही कल्पना माझी नाही आणि सुरुवातीपासूनच हे स्पष्ट करणे मला आवश्यक वाटते. ही मांडणी ट्रॅव्हिस कलानिकची आहे. 2017 मध्ये उबरमधून बाहेर ढकलल्यानंतर त्यांनी आठ वर्षे सिटी स्टोरेज सिस्टिम्स ही कंपनी गुप्तपणे उभारली, आणि मार्च 2026 मध्ये तिचे नाव अॅटम्स असे बदलून संपूर्ण संकल्पना मांडणारे दृष्टिपत्र प्रकाशित केले. त्यांची मांडणी अशी आहे की भौतिक जगातील समस्यांकडे सॉफ्टवेअरच्या समस्यांकडे पाहता तसे पाहावे, आणि मूलभूत संगणकीय संसाधनांना भौतिक समतुल्ये आहेत, ज्यात CPU म्हणजे उत्पादन, संचय म्हणजे स्थावर मालमत्ता आणि नेटवर्क म्हणजे वाहतूक. a16z च्या प्रारंभिक कार्यक्रमात, कलानिक यांनी कंपनीची व्याख्या औद्योगिक कृत्रिम बुद्धिमत्ता वापरणारी अशी केली—संपूर्ण औद्योगिक क्षेत्रांमधील कार्यवाही स्वयंचलित करण्यासाठी सॉफ्टवेअर, संवेदक, रोबोटिक्स आणि कृत्रिम बुद्धिमत्ता वापरणारी—आणि सुरुवात अन्न, खाणकाम व वाहतूक यांपासून करणारी. त्यांचे पत्र वाचा. माझ्या त्यावरील सारांशापेक्षा ते चांगले आहे, आणि त्यांचे काही निष्कर्ष या दस्तऐवजाच्या निष्कर्षांपर्यंत वेगळ्या दिशेने पोहोचतात.

कृत्रिम बुद्धिमत्ता अधिक सक्षम होत असताना तिचा निर्णायक अडथळा बदलत आहे. मर्यादा आता केवळ तर्काच्या गुणवत्तेची राहिलेली नाही. ती भौतिक वास्तवाशी असलेल्या परस्परसंवादाची आहे. एखादे मॉडेल उच्च गुणवत्तेचा मजकूर, कोड, प्रतिमा आणि योजना तयार करू शकते, तरीही अस्ताव्यस्त, असंरचित आणि परिणामकारक वास्तविक जगातील वातावरणात विश्वासार्हपणे काहीही करण्यास असमर्थ ठरू शकते. पारंपरिक संगणकांनी बुद्धिमत्तेला बिट्समध्ये फेरफार करण्यासाठी एक आधार दिला. आता संधी अशी समतुल्य आधाररचना अणूंसाठी उभारण्याची आहे—भौतिक जगाचे भान ठेवणाऱ्या, अस्ताव्यस्त वास्तविक परिस्थितींचा अर्थ लावणाऱ्या, निर्णय घेणाऱ्या, कृती करणाऱ्या, परिणामांची पडताळणी करणाऱ्या आणि अभिप्रायातून शिकणाऱ्या प्रणाली निर्माण करण्याची—आणि हे सर्व वास्तविक भौतिक, नियामक व आर्थिक मर्यादांमध्ये. शेवटचे वाक्यांशच कठीण आहे, आणि म्हणूनच ही संशोधन प्रकल्पाऐवजी व्यवसायाची संधी आहे. नियामक आणि आर्थिक मर्यादांमध्ये कार्य करणे हेच अनुकरण करता न येणारे आहे, आणि चौथ्या घटकाला आवश्यक असलेला बंद-चक्र डेटा नेमका त्यातूनच निर्माण होतो.

एका मुद्द्यावर कलानिक आणि माझे पूर्णपणे एकमत आहे, आणि त्यांनी ते माझ्यापेक्षा चांगल्या प्रकारे मांडले आहे. त्यांचा शब्दप्रयोग उत्पादक कामावर नियुक्त केलेले रोबोट असा आहे—आपली नक्कल करण्यासाठी बनवलेल्या मानवाकृती रोबोटांऐवजी विशिष्ट उत्पादक काम असलेली विशेषीकृत यंत्रे. त्यांचे उदाहरण असे आहे की जर तुम्हाला तासाला एक हजार पॅनकेक बनवायचे असतील, तर मानवाकृती रोबोटने अवघडपणे ते उलटणे ही सर्वांत वाईट शक्य रचना असेल आणि विशिष्ट कामासाठी बनवलेले यंत्र हे स्पष्ट उत्तर असेल. म्हणून योग्य दृष्टिकोन सर्वसाधारण उपयोगाचा रोबोट तयार करणे हा नाही. त्याऐवजी संवेदना, निर्णय आणि कृती यांचे चक्र स्पष्ट तात्काळ आर्थिक मूल्य असलेल्या एका वास्तविक कार्यप्रवाहात कुठे अरुंद प्रवेशबिंदू म्हणून लागू करता येईल ते शोधणे, आणि त्याचा विस्तार करण्यापूर्वी ते चक्र सुरुवातीपासून शेवटपर्यंत कार्यरत करणे हा आहे.

नजीकच्या काळातील कंपनी इतकी अरुंद असावी की ती महत्त्वाकांक्षाहीन वाटेल. दीर्घकालीन कमाल क्षमता हीच त्या अरुंदपणाचा स्वीकार करण्याचे कारण आहे.

एका उदाहरणाची सविस्तर मांडणी

ही चौकट अमूर्त आहे, त्यामुळे एक कल्पना तिच्यातून प्रत्यक्ष कशी पुढे नेता येते हे पाहणे उपयुक्त ठरते. हे वापरातील निकषांचे केवळ उदाहरण आहे; चौकट लादते तो एकमेव निष्कर्ष नव्हे.

बांधकामातील विशेष तपासणी आणि सामग्रीची चाचणी घ्या. विक्रेता आवृत्ती अशा एजन्सी आणि प्रयोगशाळांना सॉफ्टवेअर विकते ज्यांच्याकडे कार्यप्रवाह आधीपासूनच आहे. प्रधान आवृत्ती स्वतः एजन्सी आणि प्रयोगशाळा बनते. ती मान्यता धारण करते, तपासण्या करते आणि नियामक जबाबदारी स्वीकारते. अंतर्गत पातळीवर, ती विद्यमान संस्थांपेक्षा अधिक जलद, स्वस्त आणि अधिक विश्वासार्ह पद्धतीने प्रमाणित निष्कर्ष देण्यासाठी सॉफ्टवेअर, हार्डवेअर आणि AI वापरते.

ही रचना चारही घटकांपर्यंत पोहोचते. ती भौतिक आहे, कारण ती ठिकाणे, नमुने, उपकरणे आणि वास्तविक जगातील मोजमापांशी संबंधित आहे. तिच्याकडे संबंध आणि नियामक संरक्षकता आहे, कारण खरेदीदारांना अधिकारक्षेत्र असलेल्या प्राधिकरणांकडून स्वीकारले जाणारे निष्कर्ष हवे असतात, अधिक आकर्षक डॅशबोर्ड नव्हे. ती परिणामाची मालकी घेते, कारण ती साधनांऐवजी प्रमाणित निष्कर्ष विकते. आणि कामाचा उपउत्पाद म्हणून ती मालकीचा कार्यकारी डेटा निर्माण करते, ज्यामध्ये चाचणी निष्कर्ष, अपयशाच्या पद्धती, सामग्रीचे गुणधर्म, तज्ज्ञांच्या दुरुस्त्या आणि भौतिक परिस्थिती व अंतिम परिणामांमधील दुवे यांचा समावेश असतो.

ही सुरुवातही मर्यादित क्षेत्रापासून होते, जी Paul Graham आणि YC अनेक वर्षांपासून मांडत असलेल्या पारंपरिक स्टार्टअप तर्काशी सुसंगत आहे. एका स्पष्ट प्रवेशबिंदूपासून सुरुवात करा, पण तो प्रवेशबिंदू मोठ्या आणि वेदनादायक समस्येचा भाग आहे याची खात्री करा. पहिल्याच दिवशी बांधकाम तपासणी हा संपूर्ण उद्योग स्वयंचलित करण्याची गरज नाही. प्रवेशबिंदू एक तपासणी प्रकार, एक सामग्री चाचणी, एक भौगोलिक क्षेत्र किंवा एक अनुपालन कार्यप्रवाह असू शकतो. त्यानंतर, सॉफ्टवेअर कामाचे मानकीकरण करते, माणसे पहिला डेटा तयार करतात आणि प्रत्यक्ष चक्र जिथे वाढत जाते तिथेच स्वयंचलन विस्तारते.

या चौकटीने भाकीत केलेलेच धोके येथे आहेत. मान्यतेच्या कालमर्यादा महसुलावर मर्यादा आणतात, स्वयंचलन परिपक्व होण्यापूर्वी कार्ये जड असतात आणि प्रत्येक प्रकल्प वेगळ्या पद्धतीचा ठरला तर सेवा-जाळ्यात अडकण्याचा धोका खरा असतो. हीच या चौकटीची उपयुक्तता आहे. ती व्यवसाय सोपा करत नाही. कठीण भाग कुठे असायला हवेत हे ती सांगते.

यासारख्या दिसणाऱ्या कंपन्या

या चौकटीचे वर्णन केवळ मला अस्तित्वात याव्यात असे वाटणाऱ्या गोष्टींचे न करता, आधीपासून अस्तित्वात असलेल्या गोष्टींचे करते, तेव्हा तिच्यावर विश्वास ठेवणे सोपे जाते.

Anduril ही चारपैकी चार घटक असलेली कंपनी आहे. ड्रोन, सेन्सर टॉवर्स, इंटरसेप्टर्स आणि समुद्राखालील वाहनांमध्ये वापरले जाणारे विशेष हार्डवेअर. Lattice मधील विशेष सॉफ्टवेअर, ज्यावर त्या हार्डवेअरचा प्रत्येक भाग चालतो. कोणताही कोडिंग एजंट निर्माण करू शकणार नाही असे संबंध आणि नियामक स्थान, कारण ग्राहक म्हणजे अमेरिकन सरकार आणि त्याचे मित्रदेश आहेत. तैनात प्रणालींमधून मिळणारा कार्यकारी डेटा पुन्हा सॉफ्टवेअरमध्ये समाविष्ट होतो. उत्पादनांच्या यादीपेक्षा दोन तपशील अधिक महत्त्वाचे आहेत. ती स्वतःच्या संशोधन आणि विकासासाठी निधी देते आणि विद्यमान अर्थसंकल्पीय तरतुदीत विक्री करण्यापूर्वी उत्पादन तयार करते, ज्यामुळे पारंपरिक प्रमुख कंत्राटदार ज्या खर्च-अधिक-नफा मॉडेलवर काम करतात ते उलटे होते. Anduril ही खासगी कंपनी आहे आणि लेखापरीक्षित नफा-प्रमाण प्रकाशित करत नाही, परंतु दुय्यम अंदाज तिचे स्थूल नफा-प्रमाण सुमारे 40 ते 45 टक्के असल्याचे दर्शवतात. संरक्षण हार्डवेअरसाठी हे असामान्यपणे जास्त आहे, कारण NYU Stern च्या क्षेत्रीय आकडेवारीनुसार एरोस्पेस आणि संरक्षण कंपन्यांचे सरासरी स्थूल नफा-प्रमाण सुमारे 17.5 टक्के आहे. अचूक आकड्यापेक्षा रचना कमी महत्त्वाची आहे. उभ्या पद्धतीने एकत्रित, निश्चित-किमतीचे, सॉफ्टवेअर-परिभाषित मॉडेल पारंपरिक खर्च-अधिक-नफा प्लॅटफॉर्म एकत्रीकरणापेक्षा चांगले अर्थशास्त्र निर्माण करते असे दिसते.

Intuitive Surgical ही याच रचनेची जुनी, शांत आवृत्ती आहे. da Vinci प्रणाली अशा हार्डवेअरला एकत्र करते जे त्याच्या सॉफ्टवेअरशिवाय निरुपयोगी आहे, प्रतिस्पर्धी ज्या FDA मान्यता झटपट मिळवू शकत नाहीत, रुग्णालयांशी दोन दशकांचे संबंध आणि लाखो शस्त्रक्रियांमधून मिळालेला प्रक्रियात्मक डेटा. ती चारपैकी चार घटकांपर्यंत पोहोचते, सतत वाढत जाते आणि 2000 मधील तिच्या सुरुवातीच्या मान्यतेपासून, कोणीही याला भौतिक AI म्हटले जाण्याच्या खूप आधीपासून, ही कार्यपद्धती राबवत आहे.

Kraken Robotics ही मला सर्वाधिक शिकवणारी कंपनी आहे, अंशतः कारण सागरी तंत्रज्ञानाच्या बाहेरील फारच थोड्या लोकांना तिची माहिती आहे. ती सिंथेटिक-अॅपर्चर सोनार, KATFISH ओढली जाणारी प्लॅटफॉर्म, समुद्राखालील बॅटऱ्या आणि पाण्याखालील LiDAR तयार करते. त्याभोवती गुंडाळलेल्या मालकीच्या प्रतिमानिर्मिती सॉफ्टवेअरशिवाय यापैकी कोणतेही हार्डवेअर उपयुक्त नाही. तिच्या ग्राहकांमध्ये NATO-शी संलग्न नौदलांचा समावेश आहे. ही सर्वोच्च पातळीवरील विश्वास आणि नियमन आहे, कारण स्वस्त नक्कल उपलब्ध झाली म्हणून नौदल सोनार विक्रेता बदलणार नाही. महत्त्वाचे म्हणजे Kraken केवळ उपकरणे विकत नाही. ती सेवा म्हणून सर्वेक्षणे चालवते, म्हणजे प्रत्येक काम समुद्रतळाविषयी अशी माहिती निर्माण करते जी इतर कोणाकडेही नसते. हा शेवटचा निर्णय म्हणजे संपूर्ण चौकट लघुरूपात. एका हार्डवेअर कंपनीच्या लक्षात आले की माहिती पेटीपेक्षा अधिक मौल्यवान आहे आणि ती माहिती स्वतःकडे ठेवण्यासाठी ती प्रधान स्थानावर गेली.

SpaceX आणि Waymo हे शुद्ध प्रधान भूमिकेचे उदाहरण आहेत. SpaceX रॉकेट विकत नाही. ती पोहोचवलेले पेलोड विकते. Waymo स्वायत्तता सॉफ्टवेअर कार कंपन्यांना परवान्याने देत नाही. ती पूर्ण झालेल्या प्रवासांची विक्री करते. दोन्ही प्रकरणांत, कंपनीने विक्रेता भूमिका नाकारली, कार्यकारी दायित्व स्वीकारले आणि डेटा स्वतःकडे ठेवला. Waymo कडे एक नियामक संरक्षकताही आहे जी एका वेळी एका अधिकारक्षेत्रात उभी राहते. हा विस्तार संथ आहे, आणि म्हणूनच तो संरक्षित करता येण्यासारखा आहे.

Carbon Robotics हे उपयुक्त अंशतः उदाहरण आहे. तिचे LaserWeeder संगणकीय दृष्टी आणि उच्च-शक्तीच्या लेझरचा वापर करून तण मारते. फेब्रुवारी 2026 मध्ये, कंपनीने तिचे Large Plant Model सुमारे शंभर शेतांमधून, पंधरा देशांत गोळा केलेल्या 150 दशलक्षांहून अधिक लेबल केलेल्या वनस्पतींवर प्रशिक्षित असल्याचे सांगितले. हा डेटा इंजिन वर्णन केल्याप्रमाणे कार्यरत आहे—स्वतंत्र उपक्रम म्हणून नव्हे, तर कार्यकारी उपउत्पाद म्हणून निर्माण झालेले. पण या रचनेतील असुरक्षिततेकडेही मी लक्ष वेधेन. Carbon शेतकऱ्यांना उपकरणे विकते आणि प्रधान भूमिकेऐवजी विक्रेता म्हणून राहते. ती यशस्वी ठरते कारण डेटा अजूनही तिच्या केंद्रीय मॉडेलकडे परत वाहत राहतो, ज्यामुळे विक्रेता भूमिका टिकवता येते. जर उत्पादकांकडे या ताफ्याच्या डेटाची मालकी कधी आली, तर संरक्षकता नाहीशी होईल.

Nokia ही ऐतिहासिक इशारा आणि उदयोन्मुख चाचणी-प्रकरण दोन्ही आहे. 2007 मध्ये, मोबाइल फोन क्षेत्रातील सर्वोत्तम हार्डवेअर, उत्पादनाचा विस्तार आणि पुरवठा साखळीच्या जोरावर तिने जागतिक स्मार्टफोन बाजारपेठेतील जवळपास 50 टक्के हिस्सा नियंत्रित केला. जिवंत असलेल्या कोणाहीपेक्षा तिने एका परिमाणावर अधिक चांगली कामगिरी केली, आणि सॉफ्टवेअर प्लॅटफॉर्म नसल्यामुळे ती कोसळली. आजची Nokia येथे वर्णन केलेली नेमकी बहुघटक कार्यपद्धती आजमावत आहे. Michael Sikand यांनी या व्हिडिओ विश्लेषणात स्पष्ट केल्याप्रमाणे, ग्राहक उपकरणांपासून दूर जाण्यासाठी आणि उभ्या पद्धतीने एकत्रित ऑप्टिकल सिलिकॉन, रुजलेले वाहक व संरक्षण संबंध आणि AI-सक्षम एज संगणन यांना एकत्र बांधण्यासाठी कंपनीने दशकाहून अधिक काळ खर्च केला. जुन्या Nokia ने सिद्ध केले की वेगळे हार्डवेअर ही तात्पुरती आघाडी असते. आता नवीन Nokia हार्डवेअरला संस्थात्मक विश्वास आणि सॉफ्टवेअर पायाभूत सुविधांशी जोडल्यास दीर्घकाळ टिकणारी संरक्षकता निर्माण होते हे सिद्ध करण्याचा प्रयत्न करत आहे.

यापैकी कोणतीही कंपनी वरवर पाहता दुसऱ्यासारखी दिसत नाही, पण त्या सर्व एकाच धड्याकडे निर्देश करतात. सर्वाधिक टिकाऊ व्यवसायांनी मान्यता, तैनात सेन्सर ताफा, शल्यचिकित्सकांचा विश्वास, नौदलाचा आत्मविश्वास, नियामक मंजुरी किंवा दशकभराचा कार्यकारी डेटा यांसारखी हळूहळू निर्माण होणारी एखादी गोष्ट कमावली. त्यापैकी कोणीही केवळ अधिक चांगला कोड लिहून तेथे पोहोचले नाही, आणि जे ते करू शकत नाहीत ते त्यांना पकडू शकत नाहीत.

मर्यादित क्षेत्र ही प्रवेशाची अट आहे

त्या सर्वांनीही लहान सुरुवात केली. जिंकणाऱ्या कंपन्या संपूर्ण चक्राची मालकी घेण्याचा प्रयत्न करून सुरुवात करत नाहीत, आणि तसा प्रयत्न करणे ही सर्वात सामान्य चूक आहे. एखाद्या कार्यप्रवाहात तुम्ही इतके खोलवर असाल की प्रतिस्पर्धी इतर कोणत्याही मार्गाने मिळवू शकणार नाहीत असा परिणामाशी जोडलेला डेटा निर्माण होईल, तरच हे चक्र वाढत जाते. अनेक कार्यप्रवाहांशी वरवरचा संपर्क ठेवल्यास वरवरचा डेटा तयार होतो, जो लवकरच संतृप्त होतो.

हे नमुना वरील ऑपरेटरांमध्ये आणि त्यांच्यापलीकडेही कायम दिसून येतो. उत्पादन वाढवण्यापूर्वी Anduril ने फोर्स प्रोटेक्शन आणि ड्रोनविरोधी प्रणालींपासून सुरुवात केली, त्यानंतर उत्पादन आणि लगतच्या क्षमता वाढवल्या. Intuitive Surgical ने विशिष्ट लॅप्रोस्कोपिक प्रक्रियांपासून सुरुवात केली आणि विविध वैद्यकीय शाखांमध्ये विस्तार करण्यापूर्वी अनेक दशकांमध्ये शल्यचिकित्सकांचे प्रशिक्षण आणि प्रक्रियांचे प्रमाण उभारले. SpaceX ने एका पुनर्वापरयोग्य प्रक्षेपण वाहनापासून सुरुवात केली आणि नंतर Starlink मध्ये विस्तार केला. Tesla ने एका संकुचित प्रीमियम EV प्रवेशबिंदूपासून (Roadster स्पोर्ट्स कार) सुरुवात केली आणि मोठ्या प्रमाणातील मॉडेल्स, ऊर्जा आणि स्वायत्ततेकडे जाण्यापूर्वी डेटासंकलन व उत्पादनविषयक शिकण्यासाठी त्या वाहनताफ्याचा वापर केला. Palantir ने व्यावसायिक क्षेत्रात विस्तार करण्यापूर्वी विशिष्ट संस्थांसाठी विशिष्ट गुप्तचर कार्यप्रवाहांपासून सुरुवात केली. प्रत्येक बाबतीत, संकुचित प्रवेश हा तडजोड नव्हता. तोच असा यंत्रणा होता ज्यामुळे चक्र चक्रवाढ पद्धतीने वाढू शकले.

प्रवेशबिंदू मुद्दाम संकुचित असतो. एक कार्यप्रवाह, एक ग्राहकप्रकार, एक असा डेटाप्रवाह ज्याची नक्कल करणे कठीण असते. त्या कार्यप्रवाहाभोवती तुम्ही चक्र उभारता, जोपर्यंत डेटा चक्रवाढ होत नाही आणि संबंध अधिक दृढ होत नाहीत; त्यानंतर तुम्ही लगतच्या कार्यप्रवाहांमध्ये विस्तार करता, जिथे तोच डेटा, तेच संबंध आणि तीच कार्यकारी शिस्त तुम्हाला असा लाभ देतात ज्याची नव्या प्रवेशकर्त्याला बरोबरी करता येत नाही. व्यापक सुरुवात केल्यास चक्रवाढ न होणाऱ्या डेटाच्या ढिगाऱ्यापर्यंत तुमची मजल जाते. आज सुरुवात करणारा स्पर्धक एका स्थिर आघाडीचा पाठलाग करत नाही. प्रत्येक वेळी एखादे काम पूर्ण होताच वाढत जाणाऱ्या आघाडीचा तो पाठलाग करत असतो; पण हे केवळ तेव्हाच शक्य होते जेव्हा ते काम पुरेसे संकुचित, पुरेसे सखोल आणि पुरेशा वेळा पुनरावृत्त झालेले असते, ज्यामुळे डेटाला खरोखर महत्त्व प्राप्त होते.

निष्कर्ष

या दस्तऐवजाच्या पहिल्या अर्ध्या भागात एक सर्वसाधारण नियम स्थापित केला होता. केवळ एखादी गोष्ट बनवण्याच्या कठीणतेवर आधारित कोणताही संरक्षणकवच तात्पुरता असतो आणि कोणी ती गोष्ट सहज बनवण्यास सक्षम होईपर्यंतच तो टिकतो. अतिघन औद्योगिक समूहाच्या अंतर्गत व्यवहारखर्च आणि पुनरावृत्तीचा विलंब कमी करून चिनी औद्योगिक एकत्रीकरणाने हार्डवेअरच्या बाबतीत हे साध्य केले. जनरेटिव्ह AI आपल्या दुर्मीळ इनपुटचा खर्च कमी करून सॉफ्टवेअरच्या बाबतीत हे करत आहे. हार्डवेअर आधी कोसळले आणि सॉफ्टवेअर नंतर त्याच्या मागोमाग आले; पण आज उभारणी करणाऱ्या संस्थापकासाठी यापैकी कोणतेही आश्रयस्थान विश्वासार्ह नाही.

दुसऱ्या अर्ध्या भागाने त्या नियमाचे उत्तरात रूपांतर केले. जर उत्पादनाची कठीणता आता कोणत्याही गोष्टीचे संरक्षण करत नसेल, तर उत्पादनाच्या पतनाला पोहोचता न येणाऱ्या अडथळ्यांपासून संरक्षणक्षमता उभारावी लागेल. त्यात भौतिक प्रवेश, बंद-चक्र कार्यकारी डेटा, नियामक स्थान, कमावलेला विश्वास आणि स्वतःच्या परिणामाची मालकी यांचा समावेश होतो. म्हणूनच चार घटकांपैकी एकाऐवजी तीन घटक आवश्यक आहेत, म्हणूनच इतर कोणत्याही एका निर्णयापेक्षा प्रमुख स्थान अधिक महत्त्वाचे ठरते आणि म्हणूनच डेटा संकलित मालमत्ता न राहता कार्याचा कार्यकारी उपउत्पादन असला पाहिजे.

हे एका मध्यवर्ती वाक्यात संकुचित करता येते.

AI युगात सर्वोत्तम कंपन्या सर्वसाधारण सॉफ्टवेअर साधने किंवा सहज नक्कल करता येणारी हार्डवेअर उत्पादने नसतील. त्या संकुचित, परिणाम-केंद्रित प्रमुख व्यवसाय असतील, जे सॉफ्टवेअर, भौतिक कार्यप्रवाह, विश्वासार्ह संबंध आणि उच्च-मूल्याच्या वास्तविक जगातील कामाचे स्वयंचलीकरण करण्यासाठी मालकीचा कार्यकारी डेटा एकत्र आणतील.

संस्थापकासाठी प्रश्न आता “मी कोणते सॉफ्टवेअर बनवू शकतो?” हा राहिलेला नाही; तर मी कोणता मौल्यवान वास्तविक-जगातील परिणाम स्वतःच्या मालकीचा करू, पार पाडू, मोजू आणि स्वयंचलित करू शकतो? हा आहे.

सर्वात प्रभावी संधी त्या ठिकाणी असतात जिथे सॉफ्टवेअरचा अणू, विश्वास, नियमन आणि मालकीच्या डेटाशी संबंध येतो. त्या एका संकुचित, वेदनादायक कार्यप्रवाहापासून सुरुवात करतात आणि आवश्यक असेल तिथे माणसांचा वापर करतात. कामाच्या उपउत्पादनाच्या रूपात त्या कार्यकारी डेटा मिळवतात, टप्प्याटप्प्याने स्वयंचलित करतात आणि विस्थापित करणे कठीण असलेल्या प्रणालींमध्ये चक्रवाढ करतात. हा लाभ नेमका यासाठी टिकाऊ असतो की तो कोडमध्ये लिहिण्याऐवजी भौतिक कार्यातून कमावलेला असतो.

अंतिम उद्दिष्ट एखादे उत्पादन उभारणे नाही. सॉफ्टवेअरप्रमाणे विस्तारक्षमता, भौतिक जगातील संरक्षणक्षमता आणि पूर्ण होणाऱ्या प्रत्येक कामासोबत अधिक चांगला होत जाणारा मालकीचा डेटा असलेली कार्यकारी कंपनी उभारणे हे उद्दिष्ट आहे.

पूर्वी एखादी गोष्ट बांधणे कठीण असल्यामुळे जे काही संरक्षणकवच मानले जात होते, ते सर्व आता एक वस्तू बनत आहे. काहीतरी बांधणे पूर्वीपेक्षा अधिक सोपे झाले आहे आणि AI तसेच जागतिक पुरवठा साखळ्या पुढे जात असताना ते आणखी सोपेच होत जाईल. जे संरक्षणयोग्य राहते ते म्हणजे ज्यापर्यंत पोहोचणे कठीण आहे, ज्यात विश्वास कमावणे कठीण आहे, ज्यात नियमनाच्या मार्गाने प्रवेश करणे कठीण आहे आणि प्रत्यक्ष काम न करता ज्याचे निरीक्षण करणे कठीण आहे.

संदर्भ आणि स्रोत

उधार घेतलेले भाग कुठून आले आहेत हे मला स्पष्टपणे सांगायचे आहे, कारण या दस्तऐवजाचा मोठा भाग काहीतरी नव्याने निर्माण करण्याऐवजी इतरांच्या कामांना जोडण्याचा माझा प्रयत्न आहे. मी प्रत्यक्षात माझे स्वतःचे म्हणून जे दावे करेन ते म्हणजे चार घटकांचा नियम, चारपैकी तीन घटकांचा निकष आणि अनुक्रमाने घडले असले तरी या दोन पतनांमध्ये समान मूलभूत यंत्रणा आहे हा विशिष्ट युक्तिवाद. आकडे बदलत असतात, त्यामुळे माझे उद्धरण करण्यापूर्वी त्यांची पडताळणी करा.

माझे, आधीच्या लेखनातून

• सॉफ्टवेअर मूल्याचा बारबेल (2025), ज्यात मी प्रथम कोसळणारा मध्यभाग आणि अंतर्गत सॉफ्टवेअर लाभ सिद्धांत मांडला. येथील दुसरा अर्धा भाग त्या लेखाची कार्यकारी आवृत्ती आहे.

अणूंचा संगणक

• Travis Kalanick, दृष्टी, अपूर्ण काम आणि AI भौतिक जगाचे रूपांतर कसे करेल, Atoms आणि a16z, 2026. अणू-आधारित संगणकाची चौकट, उत्पादन/रिअल इस्टेट/वाहतूक यांच्यावर संगणक-प्रक्रिया युनिट/साठवण/नेटवर्कचे केलेले रूपकात्मक मॅपिंग, समजून घेणे-भाकीत करणे-नियंत्रण करणे हे चक्र, औद्योगिक AI आणि लाभदायकरीत्या कार्यरत रोबोट्स हे सर्व त्यांचे आहे. तो विभाग माझ्या कल्पनेचा नसून त्यांच्या कल्पनेचा माझ्या शब्दांत केलेला सारांश आहे.
• Ben Horowitz आणि Alex Danco, Travis परतला आहे, a16z, 2026.

अर्थशास्त्र

• Atlassian, Q2 FY2025 निकाल, परिपक्व आडव्या SaaS साठी ऐंशी टक्क्यांच्या खालच्या पट्ट्यातील सकल नफ्याच्या मार्जिनसाठी.
• Snowflake, FY2025 निकाल, वापरावर मोठ्या प्रमाणात अवलंबून असलेले सॉफ्टवेअर पारंपरिक SaaS सकल नफ्याच्या मार्जिनपेक्षा लक्षणीयरीत्या कमी पातळीवर चालू शकते या प्रतिदृष्टान्तासाठी.
• Michael Porter, पाच शक्ती, 1979, भाग एकमधील भाडे-उत्पन्नाच्या स्रोतांच्या वर्गीकरणासाठी.
• David Teece, तांत्रिक नवोन्मेषातून नफा मिळवणे, 1986, भाग तीनमधील विनियोगक्षमतेच्या समस्येसाठी.
• Alfred Marshall, अर्थशास्त्राची तत्त्वे, 1890, भाग पाचमधील बाह्य अर्थव्यवस्था आणि एकत्रीकरणासाठी.
• Ronald Coase, कंपनीचे स्वरूप, 1937, भाग पाचमधील व्यवहारखर्चासाठी.
• Theodore Wright, 1936, आणि Boston Consulting Group, भाग पाचमधील अनुभव वक्रासाठी.
• Stan Shih, हसरा वक्र, सुमारे 1992. त्यांचा मूळ आकृतीबंध Wikimedia Commons वर आहे आणि Ben Thompson यांचा प्रकाशक आणि हसरा वक्र हा मी वाचलेला त्याचा सर्वोत्तम विस्तार आहे.
• Gary Pisano आणि Willy Shih, अमेरिकन स्पर्धात्मकता पुनर्स्थापित करणे, Harvard Business Review, 2009, औद्योगिक सामायिक पायाभूत व्यवस्थेसाठी आणि पुनर्स्थापन कठीण का आहे यासाठी.
• Andrew “bunnie” Huang, हार्डवेअर हॅकर, Shenzhen मधील घनता प्रत्यक्षात आतून काम करताना कशी जाणवते याच्या प्रत्यक्ष अनुभवाच्या नोंदीसाठी.
• WTO, प्रवेश: चीन, चीनच्या जागतिक व्यापार व्यवस्थेतील एकात्मीकरणाच्या पार्श्वभूमीसाठी.
• World Bank, उत्पादनातील मूल्यवर्धन, अमेरिकेच्या तुलनेत चिनी उत्पादनाच्या प्रमाणाच्या पार्श्वभूमीसाठी.

स्टार्टअपची कार्यपद्धती

• Paul Graham, प्रमाणात वाढवता न येणारी कामे करा आणि स्टार्टअपच्या कल्पना कशा मिळवाव्यात, संकुचित प्रवेशबिंदूसाठी.
• Tesla, Tesla Motors ची गुप्त मास्टर योजना, 2006, Roadster पासून परवडणाऱ्या कारपर्यंतच्या प्रवेशबिंदूच्या तर्कासाठी.
• Palantir, S-1 नोंदणी निवेदन, 2020, सरकारी क्षेत्रातून व्यावसायिक विस्ताराच्या नमुन्यासाठी.
• SpaceX चा कंपनी इतिहास आणि Starlink ची प्रकटीकरणे, SpaceX आणि Starlink मार्फत, व्यापक अंतराळ पायाभूत सुविधांपूर्वी सुरुवातीचा प्रवेशबिंदू म्हणून प्रक्षेपणासाठी.

AI कोडिंग आणि सॉफ्टवेअर उत्पादन

• गिटहब, गिटहब कोपायलटची ओळख, 2021, आणि गिटहब कोपायलोटची सर्वसाधारण उपलब्धता, 2022, व्यावसायिक AI कोडिंग सहाय्याच्या प्रत्यक्ष सुरुवातीसाठी.
• ओपनएआय, GPT-4 तांत्रिक अहवाल, 2023, आणि अँथ्रोपिक, Claude 3.5 Sonnet, 2024, मॉडेल क्षमतेच्या वेगवान वाढीच्या पार्श्वभूमीसाठी.
• पेंग इत्यादी, विकसक उत्पादकतेवर AI चा परिणाम, 2023, नियंत्रित गिटहब कोपायलट निष्कर्षासाठी, ज्यामध्ये विकसकांनी मर्यादित कोडिंग कार्य 55.8 टक्के अधिक वेगाने पूर्ण केले.
• कुई इत्यादी, उच्च-कौशल्याच्या कामावर जनरेटिव्ह AI चे परिणाम, 2025, 4,867 विकसकांवरील क्षेत्र-अभ्यासातील निष्कर्षासाठी, ज्यामध्ये पूर्ण केलेल्या कार्यांमध्ये 26.08 टक्के वाढ दिसून आली.
• METR, अनुभवी मुक्त-स्रोत विकसकांच्या उत्पादकतेवर 2025 च्या सुरुवातीच्या AI चा परिणाम मोजणे, 2025, परिपक्व रिपॉझिटरीजमध्ये AI साधनांसह अनुभवी विकसक 19 टक्के अधिक संथ असल्याचे दर्शविणाऱ्या प्रतिनिदर्शक उदाहरणासाठी.
• Cursor, Claude Code, OpenAI Codex CLI, Kiro CLI, आणि OpenCode, ऑटोकम्प्लीटपासून एजंटिक रिपॉझिटरी आणि टर्मिनल प्रवेशाकडे झालेल्या बदलासाठी.
• Conductor, Superset, आणि Hermes Agent, एकल-एजंट कोडिंग साधनांच्या वरच्या ऑर्केस्ट्रेशन स्तरासाठी.

डेटा-मोटच्या अपयशाचे प्रकार

• सन इत्यादी, डीप लर्निंगच्या युगातील डेटाच्या अवाजवी परिणामकारकतेचे पुनरावलोकन, ICCV 2017, प्रशिक्षण डेटाच्या प्रमाणासोबत दृष्टिसंबंधित कार्यांची कामगिरी लॉगरिदमिक पद्धतीने सुधारते, या अनुभवजन्य निष्कर्षासाठी.
• मार्टिन कॅसाडो आणि पीटर लॉटन, डेटा-मोट्सचे पोकळ आश्वासन, a16z, 2019, डेटा-प्रमाणाचे परिणाम सहसा वाढत जाण्याऐवजी झिजत जातात, या युक्तिवादासाठी.
• वलावी इत्यादी, वेळ आणि डेटाचे मूल्य, हार्वर्ड बिझनेस स्कूल कार्यपत्रिका 21-016, 2021, डेटा-साठा आणि डेटा-प्रवाह यांतील फरकासाठी, तसेच शिळा डेटा मॉडेलची अचूकता कमी करू शकतो, या निष्कर्षासाठी.
• चेन इत्यादी, डेटा-आधारित रुग्णालयीन क्लिनिकल ऑर्डर सेटमधील भविष्यातील निर्णयांसाठी क्लिनिकल डेटाची घटती उपयुक्तता, इंटरनॅशनल जर्नल ऑफ मेडिकल इन्फॉर्मेटिक्स, 2017, क्लिनिकल अंदाज डेटाच्या अंदाजे चार महिन्यांच्या अर्ध-आयुष्यासाठी.
• ओपनएआय एंटरप्राइझ गोपनीयता, अँथ्रोपिक व्यावसायिक अटी, मायक्रोसॉफ्ट अझर ओपनएआय डेटा गोपनीयता, AWS बेडरॉक वारंवार विचारले जाणारे प्रश्न, आणि गुगल व्हर्टेक्स AI डेटा प्रशासन, व्यावसायिक ग्राहकांच्या इनपुट्स आणि आउटपुट्सवर प्रशिक्षण न देण्याच्या डीफॉल्ट वचनबद्धतेसाठी.
• युरोपियन डेटा प्रोटेक्शन बोर्ड, AI मॉडेल्सवरील 28/2024 मत, GDPR कलम 5 आणि कलम 17, HIPAA ओळख-विरहित करण्याचे नियम, आणि CCPA/CPRA नियम, दुय्यम डेटा-वापर, पुसून टाकणे, ओळख-विरहित करणे आणि सामायिकरण यांवरील गोपनीयता-कायद्याच्या मर्यादांसाठी.
• लेथ्रॉप GPM, व्यावसायिक आणि बौद्धिक संपदा परवाना करारांमधील AI मालकीचा मार्गक्रमण, 2026, प्रशिक्षण न देण्याच्या वचनबद्धता आणि राखून ठेवलेल्या एकत्रित किंवा ओळख-विरहित वापर-अधिकारांमधील करारात्मक तणावासाठी.

प्रतिमा

• स्टॅन शिहचा हसरा वक्र, विकिमीडिया कॉमन्स, CC BY-SA.
• शेननान क्रॉसिंगवरील हुआचियांगबेई, चार्ली फॉन्ग यांचे छायाचित्र, विकिमीडिया कॉमन्स, CC BY-SA.
• इंजेक्शन मोल्डिंग डाय, विझार्ड191 यांचे छायाचित्र, विकिमीडिया कॉमन्स, CC BY-SA 3.0.
• संचयी स्थापित क्षमतेच्या तुलनेत सौर PV मॉड्यूलच्या किंमती, आवर वर्ल्ड इन डेटा, CC BY 4.0. प्रकाशित डेटासेटवरून स्थानिक पातळीवर पुन्हा तयार केलेला आलेख.

कंपनीची उदाहरणे

• Sacra द्वारे अँड्युरिलच्या सकल नफ्याचा अंदाज. अँड्युरिल ही खाजगी कंपनी आहे आणि लेखापरीक्षित नफ्याचे आकडे प्रकाशित करत नाही, त्यामुळे हा अहवालित आकड्याऐवजी अंदाज म्हणून घेतला आहे. एरोस्पेस आणि संरक्षण क्षेत्रातील सकल नफ्याचा क्षेत्रीय मानदंड (अंदाजे 17.5 टक्के) अश्वथ दामोदरन यांच्या NYU स्टर्न नफा-मार्जिन डेटासेट मधून घेतला आहे.
• अल्फाबेट आणि गुगलची पार्श्वभूमी अल्फाबेटच्या FY2025 फॉर्म 10-K द्वारे, तसेच शोधाच्या डीफॉल्ट वितरण करारांसाठी, शोधाच्या प्रमाणातील फायद्यांसाठी आणि अविश्वास-विषयक संदर्भासाठी United States v. Google LLC सोबत.
• कार्बन रोबोटिक्सचे लार्ज प्लांट मॉडेल आणि लेबल केलेल्या 150 दशलक्ष वनस्पतींची माहिती कंपनीच्या फेब्रुवारी 2026 च्या बिझनेस वायर घोषणेतून घेतली आहे; टेकक्रंच हे पुष्टीकरण म्हणून वापरले आहे.
• इंट्यूटिव्ह सर्जिकलचा इतिहास आणि 2000 सालची FDA मान्यता इंट्यूटिव्ह कंपनीच्या इतिहासाद्वारे. प्रक्रियांचे प्रमाण इंट्यूटिव्हच्या 2025 कॉर्पोरेट इम्पॅक्ट अहवालाद्वारे, आणि स्थापित आधार / नफ्याचे आकडे तिच्या Q4 2025 च्या कमाईच्या प्रसिद्धीपत्रकाद्वारे.
• टेस्लाच्या नफ्याचे आकडे तिच्या Q4 आणि FY2025 अद्यतनाद्वारे.
• वेमोच्या नियामक विस्ताराची पद्धत टेसॉर्बच्या 2026 रोबोटॅक्सी नियामक नकाशाद्वारे आणि CPUC विस्तार मंजुरीवरील इलेक्ट्रेकच्या वृत्तांकनाद्वारे.
• नोकियाचा 2007 मधील उच्चांक आणि घसरणीची कालरेषा BBC न्यूज आणि विकिपीडिया द्वारे, पतनामागील संघटनात्मक गतिशीलतेसाठी वुओरी आणि हुई यांचा Administrative Science Quarterly / INSEAD अभ्यास, आणि आधुनिक पायाभूत सुविधा वळणासाठी मायकेल सिकँडचा व्हिडिओ विश्लेषण यांसह.
• ओपनएआयच्या स्टारगेटविषयी तपशील ओपनएआयच्या मूळ घोषणेद्वारे आणि स्थळ-विस्ताराच्या घोषणेद्वारे. ही जाहीर केलेली वचनबद्धता आणि योजना आहेत; पूर्णपणे तैनात झालेली क्षमता नाही.
• क्राकेन रोबोटिक्सची माहिती कंपनीच्या स्वतःच्या उत्पादन आणि करारविषयक खुलाशांमधून घेतली आहे.