میں نے ایک بڑے مدمقابل کے ساتھ 20 افراد پر مشتمل AI کمپنی قائم کی۔ اپنی ٹیم کے سائز کو تین گنا کرنے کا طریقہ یہاں ہے:

آپ اپنے حریف کو جانتے ہیں جس کے پاس تین گنا عملہ اور تین گنا بجٹ ہے۔ جلد یا بدیر، یہ فرق آپ سے پوچھنے کا سبب بنے گا، "کیا مجھے اس طریقے سے کرایہ پر لینا چاہیے جس طرح وہ برقرار رکھنے کے لیے رکھتے ہیں؟”

زیادہ تر معاملات میں، نہیں۔

Y Combinator کے سی ای او گیری ٹین نے CNBC کو بتایا کہ کمپنیاں 10 سے کم لوگوں کی ٹیموں کے ساتھ $10 ملین تک کی آمدنی حاصل کر رہی ہیں۔ "آپ کو 50 یا 100 انجینئروں کی ٹیم کی ضرورت نہیں ہے،” انہوں نے کہا۔ بیس 44، آٹھ ملازمین کے ساتھ بوٹسٹریپ ایپ بلڈر، لانچ کے چھ ماہ بعد Wix کو 80 ملین ڈالر میں فروخت کیا گیا۔

چھوٹی ٹیمیں AI-پہلی پلے بکس کے ساتھ جیت سکتی ہیں۔

ایک 20 افراد کی AI کمپنی کے بانی کے طور پر جس میں بہت بڑے حریف ہیں، مجھے یقین ہے کہ AI چھوٹی ٹیموں کو ان کے وزن سے زیادہ پنچ کرنے میں مدد کر سکتا ہے۔ تاہم، اس کا مطلب خود ہی AI کا استعمال نہیں ہے۔

اس کے بجائے، بہترین AI مقامی پلے بکس میں AI کو ایسے طریقوں سے استعمال کرنا شامل ہے جو AI کی کارکردگی کے ڈیٹا کی توثیق کرتے ہیں، AI کو جوابدہ رکھتے ہیں، اور وقت گزارنے والے نئے جائزے کے کاموں میں انسانوں کو دفن نہیں کرتے ہیں۔

ذیل کی حکمت عملیوں میں بڑی ٹیم یا بڑے بجٹ کے بجائے نظم و ضبط کی ضرورت ہوتی ہے، اور آپ آج ہی شروع کر سکتے ہیں۔

AI کے ذریعہ رپورٹ کردہ کارکردگی کے ڈیٹا کی تصدیق

ہر AI ٹول بچائے گئے وقت اور پیدا ہونے والے نتائج کا ڈیش بورڈ فراہم کرتا ہے۔ اس نمبر کو نظر انداز کریں کیونکہ یہ حجم کی پیمائش کرتا ہے۔ بڑھتی ہوئی حجم لائن ترقی یا بڑھتی ہوئی مصروفیت کی نشاندہی کر سکتی ہے۔

کوڈ تجزیہ کرنے والی کمپنی GitClear نے کوڈ کی 211 ملین تبدیل شدہ لائنوں کو دیکھا اور پتہ چلا کہ کاپی پیسٹ شدہ کوڈ 2024 میں پہلی بار ریفیکٹرڈ کوڈ سے زیادہ ہو جائے گا، جو کہ AI کوڈنگ اسسٹنٹس کے ساتھ منتقلی کو باندھے گا۔ مزید لائنیں ڈیلیور کی گئیں، اور ان میں سے زیادہ لائنیں بے کار تھیں، جس کے لیے کسی کو ان کو برقرار رکھنے کی ضرورت تھی۔

ٹریک کرنا کہ آپ اپنے روڈ میپ کے اہداف کو کتنی جلدی حاصل کرتے ہیں AI کے اثرات کا اندازہ لگانے کا ایک بہتر طریقہ ہے۔ یہ تقریباً 170 دنوں تک آگے لایا گیا ہے، اپریل کے وسط میں ریلیز ہونے والی Q3 کے آخر میں مقرر کردہ خصوصیات کے ساتھ۔ اگلے تین روڈ میپ آئٹمز کے لیے منصوبہ بند اور حقیقی تاریخیں لکھیں اور ڈیش بورڈ کو نظر انداز کرتے رہیں۔

طویل فنکشنل دستاویزات کے بجائے پروٹو ٹائپ بنائیں

میرے تجربے میں، تیز ترین ایجنٹوں کے دور میں ٹیمیں دستاویزی بنانے اور فیصلے کرنے میں زیادہ وقت صرف کرتی ہیں۔

ہماری کمپنی نے طویل پروپوزل کی دستاویزات کو ختم کرنے کے لیے AI کا استعمال کیا۔ جب کسی کے پاس کوئی نیا آئیڈیا ہوتا ہے تو ہم فوری طور پر پروٹو ٹائپ بنانے کے لیے AI کا استعمال کرتے ہیں۔ ٹیم پھر اس کے ساتھ کھیلتی ہے اور ایک گھنٹے کے اندر فیصلہ کرتی ہے کہ جانا ہے یا نہیں۔ آپ یہ بھی کر سکتے ہیں۔

اس سے پہلے کہ آپ کا ایجنٹ کوئی کوڈ لکھے ایک صفحے کا معاہدہ لکھیں۔

ایک بار جب آپ کی خصوصیت منظور ہو جاتی ہے، تو آپ اپنے کوڈنگ ایجنٹ کو ایک صفحے پر مشتمل ایک مختصر دستاویز فراہم کرتے ہیں جو یہ بتاتا ہے کہ یہ خصوصیت کیا کرتی ہے، اس میں کون سا ڈیٹا شامل ہے، یہ کون سے انٹرفیس کو ظاہر کرتا ہے، اور یہ کیسے ناکام ہو سکتا ہے۔

مخصوص، اچھی طرح سے لکھے گئے معاہدے کوڈ کے معیار کو نمایاں طور پر بڑھاتے ہیں اور ترسیل کے وقت کو کم کرتے ہیں۔ ناقص تحریری یا لاپتہ معاہدے آپ کو سست کر دیتے ہیں۔ خراب کوڈ کو آڈٹ کرنے اور ٹھیک کرنے پر ایجنٹوں کی بچت سے زیادہ لاگت آتی ہے۔

10,000 سے زیادہ ڈویلپرز کے 2025 کے Faros AI کے مطالعے سے معلوم ہوا ہے کہ اعلیٰ AI اختیار کرنے والی ٹیموں نے 21% زیادہ کام مکمل کیا، کوڈ کے جائزے کے وقت میں 91% اضافہ ہوا، اور بگ کی شرح میں 9% اضافہ ہوا۔

مجھے اس کام کے لیے ایک صفحہ کا معاہدہ درکار ہے جو میرے ایجنٹ نے اس ہفتے بنایا ہے۔

خودکار گیٹس رکھیں اور ایجنٹ ابتدائی جائزے انجام دیں۔

2025 اسٹیک اوور فلو ڈویلپر سروے میں AI ٹولز کے بارے میں سب سے بڑی شکایت، جس کا حوالہ 66% ڈویلپرز نے دیا، وہ ایسے حل تھے جو "تقریباً درست تھے، لیکن کافی نہیں۔”

زیادہ تر ٹیمیں ہر قدم پر مزید انسانی جائزے شامل کرکے ان چھوٹی چھوٹی حلوں کا جواب دیتی ہیں۔ مجھے لگتا ہے کہ جبلت الٹا فائر کر سکتی ہے۔

متواتر، خودکار ٹیسٹنگ جو تعین کرنے والے دروازوں کی ایک سیریز سے بنی ہے، انسانوں کو جائزے کے پہلے دور سے آزاد کرتی ہے۔ اس کا مطلب یہ ہو سکتا ہے کہ ہر انضمام سے پہلے ایک کمپائلر، ٹائپ چیکر، لنٹر، اور مکمل ٹیسٹ سوٹ کی ضرورت ہو، اور ایجنٹ کو ہر تبدیلی پر مخالف کی طرح حملہ کرنے کی اجازت دیں۔

ہم یہ اپنی کمپنی میں کرتے ہیں اور اس کے نتیجے میں کلینر کوڈ ہوتا ہے۔ ہماری ڈیولپمنٹ ٹیم کوڈ کے ذریعے کنگھی کرنے کے بجائے ٹیسٹ ڈیزائن کرنے اور نتائج کی وضاحت کرنے میں زیادہ وقت صرف کرتی ہے۔ اگلے انضمام کے ساتھ شروع کرتے ہوئے، ہم ایک گیٹ کو ناقابل گفت و شنید بناتے ہیں۔

صارفین کے لیے کیا تبدیل ہوا ہے اس کی بنیاد پر کاموں کی درجہ بندی کریں۔

AI آؤٹ پٹ کو سستا بناتا ہے، اور سستی آؤٹ پٹ سکور بورڈ کو توڑ دیتی ہے۔ وعدے، ٹکٹ، ڈرافٹ اور ڈیک راتوں رات فلائی ہو جاتے ہیں اور گاہک کے لیے کچھ نہیں بدلتا۔

میں اسے آرام کا کاروبار کہتے ہیں۔ AI اس کو بڑھاتا ہے کیونکہ یہ نظر آتا ہے اور نتیجہ خیز محسوس ہوتا ہے، لیکن کوئی اہداف حاصل نہیں کرتا، اور تکرار تقریباً مفت ہے۔

ہر اس مقصد کے ساتھ ایک قابل تصدیق ٹیسٹ منسلک کریں جسے کوئی اجنبی چیک کر سکتا ہے۔ یہ قابل تصدیق ہے کہ ‘ادائیگی کی تبدیلی کی شرح 4% سے تجاوز کر گئی ہے اور اسے 30 دنوں تک برقرار رکھا گیا ہے۔’ کوئی بھی اسے تلاش کر سکتا ہے۔ ‘فنل میں بہتری’ مبہم اور ناقابل تصدیق ہیں۔

آرٹفیکٹ کی گنتی کے بجائے ان ٹیسٹوں کی بنیاد پر ہر پروجیکٹ کی درجہ بندی کرکے، آپ کی ٹیم تیزی سے جان سکتی ہے کہ ڈیلیوری صرف اس وقت اہمیت رکھتی ہے جب اس کا مقصد پر اثر پڑتا ہے۔

اپنے مشکل ترین فیصلوں کے لیے AI کا استعمال کریں۔

چھوٹی اور بڑی ٹیموں میں سب سے بڑا فرق یہ ہے کہ وہ کتنی جلدی اچھے فیصلے کر سکتی ہیں۔ بڑی ٹیموں کے پاس زیادہ ڈیٹا اور مہارت ہوتی ہے، اس لیے ان کے صحیح راستے کا انتخاب کرنے کا زیادہ امکان ہوتا ہے۔ چھوٹی ٹیمیں فیصلے کی حمایت کے لیے AI کا استعمال کر کے خلا کو ختم کر سکتی ہیں۔

غیر جانبدارانہ جوابات حاصل کرنے اور AI ہیرا پھیری کو پکڑنے کے لیے ایک سے زیادہ ماڈلز سے ایک جیسے سوالات پوچھیں۔ چونکہ ہر شخص کے پاس دنیا کا اپنا اپنا نقشہ ہوتا ہے، اس لیے جن مقامات پر وہ متفق ہوتے ہیں ان کا مطلب معاہدہ ہوتا ہے۔

پھر ایک ماڈل یا شکی ٹیم کے ممبر سے اس اتفاق رائے کو بدنام کریں۔ اتفاق رائے ہمیں بتاتا ہے کہ کیا مقبول ہے۔ تصدیق آپ کو بتاتی ہے کہ کیا سچ ہے۔

ہماری کمپنی میں، وہ سوالات جن پر ایک سینئر محقق نے ایک ہفتے کے دوران کام کیا تھا، اب وہ صبح واپس آتے ہیں۔ اپنی اگلی قسم کی شرط یا قیمت کا تعین کرنے والی کال اس میٹنگ سے پہلے چلائیں جو اس کا فیصلہ کرتی ہے۔ یہ کام کی ایک مکمل لائن ہے جسے ہم بنا رہے ہیں۔ یہ ان لوگوں کے لیے ایک فائدہ ہے جو صرف اس بات کی تصدیق کر سکتے ہیں کہ ماڈل کیا اندازہ لگاتا ہے، کیونکہ زیادہ خریدار اور AI معاونین پوچھتے ہیں کہ آیا وہ سفارشات پر بھروسہ کر سکتے ہیں۔

نظم و ضبط ایک کھائی ہے۔

ایک مدمقابل جس میں تین گنا زیادہ ملازمین ہوں گے وہ کوآرڈینیشن کی لاگت کا تقریباً نو گنا خرچ کرے گا۔ فریڈ بروکس نے نصف صدی قبل اس قانون کا نام دیا تھا۔ افسانوں میں انسان کا مہینہ. "لوگوں کو دیر سے سافٹ ویئر پروجیکٹ میں شامل کرنے سے پروجیکٹ سست ہوجاتا ہے۔”

ہر نیا ملازم موجودہ ہر فرد کے ساتھ تعاون کرتا ہے، لہذا کام کرنے والے تعلقات ملازمین کی تعداد سے زیادہ تیزی سے بڑھتے ہیں۔ 5 لوگوں کے پاس 10 ہیں۔ بیگ میں تقریباً 5000 ہیں۔

Shopify اس حساب سے اپنی خدمات حاصل کرتا ہے۔ CEO Tobi Lütke نے اپنی ٹیم کو بتایا کہ مزید عملہ شامل کرنے سے پہلے AI یہ کام کیوں نہیں کر سکتا۔

جو ٹیمیں ان چھ شفٹوں کے ارد گرد دوبارہ منظم ہوں گی وہ 10 سال تک جیت جائیں گی۔ انتظار کرنے والے اپنی ٹیم کے سائز کا ایک تہائی حصہ پکڑنے میں صرف کریں گے۔

آپ اپنے حریف کو جانتے ہیں جس کے پاس تین گنا عملہ اور تین گنا بجٹ ہے۔ جلد یا بدیر، یہ فرق آپ سے پوچھنے کا سبب بنے گا، "کیا مجھے اس طریقے سے کرایہ پر لینا چاہیے جس طرح وہ برقرار رکھنے کے لیے رکھتے ہیں؟”

زیادہ تر معاملات میں، نہیں۔

Y Combinator کے سی ای او گیری ٹین نے CNBC کو بتایا کہ کمپنیاں 10 سے کم لوگوں کی ٹیموں کے ساتھ $10 ملین تک کی آمدنی حاصل کر رہی ہیں۔ "آپ کو 50 یا 100 انجینئروں کی ٹیم کی ضرورت نہیں ہے،” انہوں نے کہا۔ بیس 44، آٹھ ملازمین کے ساتھ بوٹسٹریپ ایپ بلڈر، لانچ کے چھ ماہ بعد Wix کو 80 ملین ڈالر میں فروخت کیا گیا۔