हमने AI से सब कुछ स्वचालित किया और टीम तीन गुनी हो गई
You prompt AI to do something, it blows your mind, you feel inadequate, you feel like,"Oh my god, this thing is going to take my job."
आप AI को कुछ करने के लिए कहते हैं, वो आपका दिमाग उड़ा देता है, आप खुद को छोटा महसूस करते हैं, आपको लगता है, "हे भगवान, यह चीज़ मेरी नौकरी ले लेगी।"
And then it stops working and it looks back at you and says,"What should I do next?"
और फिर यह काम करना बंद कर देता है और आपकी तरफ देखकर पूछता है, "अब मुझे क्या करना चाहिए?"
The further away an agent gets from a human, the less valuable it is.
एक agent जितना इंसान से दूर जाता है, उतना कम मूल्यवान होता है।
If you just ride the models, you're going to be fine.
अगर आप बस models के साथ चलते रहे, तो आप ठीक रहेंगे।
If you care about leading a really ambitious life, I truly think that this is going to make that more possible for more people.
अगर आप सच में एक बड़ी महत्वाकांक्षी ज़िंदगी जीना चाहते हैं, तो मुझे सच में लगता है कि यह ज़्यादा लोगों के लिए इसे और संभव बना देगा।
Every is the only subscription you need to stay at the edge of AI.
Every एकमात्र subscription है जिसकी आपको AI की दुनिया में आगे रहने के लिए ज़रूरत है।
If you care about being on top of the latest models and using latest tools, you have to subscribe to Every to separate out the signal from the noise.
अगर आप latest models पर नज़र रखना और latest tools इस्तेमाल करना चाहते हैं, तो आपको Every को subscribe करना होगा ताकि signal को noise से अलग किया जा सके।
Go to every.to/subscribe today.
आज ही every.to/subscribe पर जाएं।
So, we are here uh because we're going to flip the script a little bit.
तो, हम यहाँ उह इसलिए हैं क्योंकि हम थोड़ा script पलटने वाले हैं।
I am going to be interviewing Dan Sick.
मैं Dan Sick का interview करने वाला हूँ।
uh about the piece that he published yesterday, May 21st.
उह उस piece के बारे में जो उन्होंने कल, 21 मई को publish किया।
Uh and we're going to try to understand why he wrote it, what's underneath his reasoning for it.
उह और हम यह समझने की कोशिश करेंगे कि उन्होंने इसे क्यों लिखा, इसके पीछे उनका तर्क क्या है।
There's going to be some conflict.
कुछ टकराव होने वाला है।
I'm going to I'm going to fight with him on it.
मैं उनसे इस पर लड़ने वाला हूँ।
Let's fight.
चलो लड़ते हैं।
and see, you know, bringing some of my opinions, which are more or less aligned, but uh trying to understand does this is this piece going to reflect the future in 10 years, in 5 years?
और देखते हैं, जानते हो, अपनी कुछ राय लाते हुए, जो कमोबेश aligned हैं, लेकिन उह यह समझने की कोशिश करते हुए कि क्या यह piece 10 साल में, 5 साल में भविष्य को दर्शाएगी?
And who are you again?
और आप फिर से कौन हैं?
Um I'm Brandon.
उम मैं Brandon हूँ।
I'm our COO.
मैं हमारा COO हूँ।
And that's it.
बस इतना।
So, the piece is called After
तो, piece का नाम है After
And it it comes from this feeling that I have.
और यह उस एहसास से आया है जो मुझे है।
And there's a video about this, and there's there's a piece, but just for people who who have not seen either of those things.
और इस पर एक video है, और एक piece भी है, लेकिन उन लोगों के लिए जिन्होंने इनमें से कुछ भी नहीं देखा।
It comes from this feeling that I have that at Every, we are as AI native, as agent native, as it as you as it gets, you know, if you swing a stick around in our Slack, you're you're as likely to hit a human as you are an
यह उस एहसास से आया है जो मुझे है कि Every में, हम उतने ही AI native, उतने ही agent native हैं जितना हो सकते हैं, जानते हो, अगर आप हमारे Slack में लाठी घुमाएं, तो आपको किसी इंसान से टकराने जितना ही एक agent से टकराने की संभावना है।
[snorts]
[snorts]
Everyone's using Claude Code and codex and all these tools to do their job every day.
सब लोग Claude Code और Codex और ये सारे tools का इस्तेमाल हर दिन अपना काम करने के लिए कर रहे हैं।
Um and yet it feels like there's more human work to do than ever.
उम और फिर भी ऐसा लगता है जैसे पहले से कहीं ज़्यादा इंसानी काम है।
And in fact like since the GPT-3 days like we've grown from four people to like 30 people and we're hiring more now.
और दरअसल जैसे GPT-3 के दिनों से हम चार लोगों से बढ़कर 30 लोगों जैसे हो गए हैं और अभी भी हम और लोगों को hire कर रहे हैं।
And so it came from me looking at that and then looking at the environment and being like what's going on because the whole information environment if you look at Dario is out there saying like half of entry-level white-collar jobs may be wiped out.
और तो यह मुझे देखकर और फिर माहौल को देखकर और यह सोचते हुए आया कि यह क्या हो रहा है क्योंकि पूरा information environment अगर आप देखें तो Dario बाहर जाकर कह रहे हैं कि शायद entry-level white-collar jobs का आधा हिस्सा खत्म हो जाए।
Even even people like um like Ken Griffin from Citadel is like you can tell he just had this moment where someone showed him an AI doing like an advanced data or finance question and he was like holy [ __ ] like that's what I would pay PhDs to do for me and it just did it.
यहाँ तक कि Ken Griffin जैसे लोग जो Citadel से हैं, उन्हें देखकर लगता है कि उनका बस यह moment आया जब किसी ने उन्हें AI को कोई advanced data या finance का सवाल करते हुए दिखाया और वो कह उठे holy [ __ ] कि यह तो वो काम है जिसके लिए मैं PhDs को पैसे देता और इसने बस कर दिया।
And I feel like I'm watching a lot of people who maybe don't have a ton of experience with agents and don't have a ton of experience with the curve of improvement that we've been riding for the last like three three and a half years hit it for the first time and then come to all these conclusions about
और मुझे लगता है जैसे मैं बहुत से ऐसे लोगों को देख रहा हूँ जिनके पास शायद agents के साथ ज़्यादा अनुभव नहीं है और उस improvement की curve के साथ ज़्यादा अनुभव नहीं है जिस पर हम पिछले तीन साढ़े तीन साल से चल रहे हैं, वो पहली बार इसे experience कर रहे हैं और फिर इन सब निष्कर्षों पर पहुँच रहे हैं।
oh my god like all work is going away we're not going to have jobs and I'm just like sitting here being like actually your intuitions when you first see a technology like this are usually very
हे भगवान जैसे सारा काम खत्म हो जाएगा हमारे पास नौकरियाँ नहीं रहेंगी और मैं बस यहाँ बैठकर सोच रहा हूँ कि दरअसल जब आप पहली बार इस तरह की technology देखते हैं तो आपके intuitions आमतौर पर बहुत होते हैं
And we've seen a lot over and over again over the years that
और हमने सालों में बार-बार यह देखा है कि
Every is a very good bellwether for where things are going because it's a it's a group of early adopters we have people in doing all sorts of work internally at Every and if something works here it there's a good bet that it's going to spread to other other places other other businesses that are that are adjacent to ours.
Every उन जगहों के लिए एक बहुत अच्छा bellwether है जहाँ चीज़ें जा रही हैं क्योंकि यह early adopters का समूह है, हमारे पास Every में अंदर से सभी तरह का काम करने वाले लोग हैं और अगर कुछ यहाँ काम करता है तो एक अच्छी संभावना है कि यह दूसरी जगहों, दूसरे businesses में भी फैलेगा जो हमारे साथ जुड़े हुए हैं।
And so when I look around at Every I I see so much automation and I also see way more human work.
और जब मैं Every में चारों ओर देखता हूँ तो मुझे बहुत automation दिखती है और साथ ही कहीं ज़्यादा इंसानी काम भी।
So I was really um the the whole piece is saying here's the current state of work with agents.
तो मैं वाकई उम पूरा piece यह कह रहा था कि agents के साथ काम की मौजूदा स्थिति क्या है।
And then pulling apart that paradox and sort of explaining why does why does more automation mean more work?
और फिर उस paradox को अलग करते हुए और समझाते हुए कि आखिर क्यों ज़्यादा automation का मतलब ज़्यादा काम है।
Yeah, when I read the piece it was there wasn't like an explicit call to action in it, but I sort of felt this call to action of like there is actually a massive amount of hope right now in a world that is filled with a lot of doomers.
हाँ, जब मैंने piece पढ़ी तो इसमें कोई explicit call to action नहीं था, लेकिन मुझे एक तरह का call to action महसूस हुआ कि दुनिया में जो बहुत सारे doomers भर गए हैं, उस दुनिया में अभी actually बहुत बड़ी उम्मीद है।
And um and this is why.
और उम और यही कारण है।
Um
उम
[snorts]
[snorts]
but I am going to come out of the gate and ask you a devil's advocate question.
लेकिन मैं शुरू से ही आपसे एक devil's advocate सवाल पूछने वाला हूँ।
Which is a couple hours before you publish this piece the CEO of ClickUp came out with this long tweet about why he fired 8,000 people and 3,000 people some
यह है कि आपके इस piece को publish करने से कुछ घंटे पहले ClickUp के CEO ने एक लंबा tweet निकाला कि उन्होंने 8,000 लोगों को क्यों fire किया और 3,000 लोगों को कुछ
What?
क्या?
I don't I don't think it was 8,000.
मुझे नहीं लगता यह 8,000 था।
I was 20,000 people.
मैं था 20,000 लोग।
What I mean
मेरा मतलब
[laughter]
[laughter]
I think it was like 3,000.
मुझे लगता है यह शायद 3,000 जैसा था।
an entire economy.
एक पूरी अर्थव्यवस्था।
like 22% of of his workforce.
जैसे उनकी workforce का 22%।
I don't think it was in the thousands, but yes, it was it was a
मुझे नहीं लगता यह हजारों में था, लेकिन हाँ, यह था
it was a lot of his workforce.
यह उनकी workforce का बड़ा हिस्सा था।
Yeah.
हाँ।
Yeah.
हाँ।
So my question to you is um in a business like every we're growing super fast.
तो आपसे मेरा सवाल है उम कि Every जैसे एक business में हम super fast grow कर रहे हैं।
Um what you wrote makes a lot of sense to me.
उम आपने जो लिखा वो मुझे बहुत sense देता है।
And what you wrote theoretically makes a ton of sense in that AI is not autonomous right now.
और आपने जो theoretically लिखा वो बहुत sense देता है कि AI अभी autonomous नहीं है।
It has to be told what to do and then has to be checked.
इसे बताना पड़ता है क्या करना है और फिर इसे check करना पड़ता है।
We need to have that that sandwich that you described in in the piece.
हमें वो sandwich रखनी होगी जिसका आपने piece में वर्णन किया।
But in a business that is 8,000 people, 10,000 people that is mature and has built ways of managing like SOPs for managing their business does this manifesto and this thesis still hold true?
लेकिन एक ऐसे business में जो 8,000 लोगों, 10,000 लोगों का है जो mature है और जिसने अपने business को manage करने के तरीके बना लिए हैं जैसे SOPs क्या यह manifesto और यह thesis अब भी सच है?
It's a
यह है
It's a really good question.
यह वाकई एक बहुत अच्छा सवाल है।
Um
उम
Are there a couple
क्या यहाँ कुछ
There are a couple different questions here.
यहाँ कुछ अलग-अलग सवाल हैं।
The first thing I want to do is like lay out the argument.
पहली चीज़ जो मैं करना चाहता हूँ वो है argument को सामने रखना।
Why does Why does automation make more work?
automation ज़्यादा काम क्यों बनाती है?
I'm sure many people listening to this also haven't read it.
मुझे यकीन है कि इसे सुन रहे बहुत से लोगों ने भी इसे नहीं पढ़ा।
So take a second to explain that in detail.
तो एक पल लेकर इसे detail में explain करें।
I will do that.
मैं करूँगा।
So basically, the idea is the way that AI works and the way it functions in the workplace is AI makes yesterday's expert competence cheap.
तो basically, idea यह है कि AI काम किस तरह करता है और workplace में यह कैसे function करता है, AI कल की expert competence को सस्ता बनाता है।
And by that I mean AI is trained on all of our outputs, all of the code and the writing and the design and and decision-making and everything that's ever been written.
और इससे मेरा मतलब है AI हमारे सभी outputs पर, सभी code और writing और design और decision-making और हर वो चीज़ जो कभी लिखी गई है, trained है।
And it makes that available to everyone for very cheap.
और यह उसे सबके लिए बहुत सस्ते में available कराता है।
So uh you can
तो उह आप कर सकते हैं
So anyone now with a prompt can use yesterday's competence to solve a programming problem, build an app, or write a uh write a piece like I did, write a report, or uh or, you know, make a YouTube thumbnail.
तो अब एक prompt के साथ कोई भी कल की competence का इस्तेमाल करके programming problem solve कर सकता है, app बना सकता है, या उह एक piece लिख सकता है जैसा मैंने किया, report लिख सकता है, या उह या जानते हो, YouTube thumbnail बना सकता है।
And the interesting thing is that when you do that when when expert competence is available for cheap, it gets really widely adopted.
और interesting बात यह है कि जब आप ऐसा करते हैं जब expert competence सस्ते में available हो जाती है, तो यह बहुत widely adopt हो जाती है।
So everyone starts to do it.
तो सब लोग इसे करने लगते हैं।
Everyone starts to like, you know, we see this internal
सब लोग जैसे, जानते हो, हम यह internally देखते हैं
Everyone's making pull requests
सब pull requests बना रहे हैं
[ __ ]
[ __ ]
this is crazy.
यह तो पागलपन है।
Yeah.
हाँ।
And and and like I'm making pull requests and ops people are making pull requests and you know, engineers are like writing essays and you know, there's all this line crossing basically for non-experts to do the thing that experts used to do.
और और जैसे मैं pull requests बना रहा हूँ और ops के लोग pull requests बना रहे हैं और जानते हो, engineers essays लिख रहे हैं और जानते हो, basically non-experts के लिए वो काम करने की यह सारी line crossing है जो experts किया करते थे।
And that feels very threatening to experts.
और यह experts के लिए बहुत threatening लगता है।
They're like,"Well, what's my job going to be now?"
वो सोचते हैं, "ठीक है, अब मेरा काम क्या होगा?"
Mhm.
हम्म।
And [snorts] what's interesting about that is because these tools are trained on outputs, are trained on yesterday's data the stuff that they do is uh with with default prompt with is it uh the stuff that they do with a default prompt all looks kind of similar and is all kind of right for the current situation, but it's like not actually totally right.
और [snorts] इसमें जो interesting बात है वो यह है कि क्योंकि ये tools outputs पर trained हैं, कल के data पर trained हैं जो चीज़ें वो करते हैं वो उह default prompt के साथ सब कुछ कुछ-कुछ एक जैसा दिखता है और सब मौजूदा स्थिति के लिए कुछ-कुछ सही है, लेकिन जैसे वास्तव में पूरी तरह सही नहीं।
And so what happens is you sort of like flood the zone with tons of stuff that's like close, but not quite right.
और तो जो होता है वो यह है कि आप ऐसी बहुत सारी चीज़ें zone में flood कर देते हैं जो close हैं लेकिन बिल्कुल सही नहीं।
And then you need to basically like and and well
और फिर आपको basically जैसे और और ठीक है
There's a
वहाँ है
There's a lot of that at every too.
Every में भी इसका बहुत कुछ है।
There's a lot of
बहुत सारे हैं
There's a lot of people doing what seems like great work and then you go under the hot under the hood and you're like, this isn't quite right.
बहुत सारे लोग हैं जो बड़ा अच्छा काम करते दिखते हैं और फिर आप hood के नीचे जाते हैं और आप कहते हैं, यह बिल्कुल सही नहीं है।
Maybe like the expert should do it.
शायद expert को यह करना चाहिए।
Yeah.
हाँ।
Yeah.
हाँ।
Yeah.
हाँ।
Exactly.
बिल्कुल।
Uh me for example.
उह मुझे उदाहरण के लिए।