AI टोकन की खपत तेजी से बढ़ते देखने के आदी Founders और CEOs के लिए Y Combinator के Garry Tan का एक संदेश है: हां, AI agents पर भारी खर्च करना समझदारी हो सकता है—खासकर तब, जब ये लागत ऐसी क्षमताओं को हासिल करने में मदद करे, जिन्हें विकसित करने में अन्यथा वर्षों लग सकते हैं। इस सप्ताह a16z podcast पर बात करते हुए Tan ने startup leaders से “tokenmaxxing” अपनाने की अपील की। उनका तर्क है कि AI token usage में निवेश करके वे प्रतिस्पर्धा में आगे निकल सकते हैं।
## मितव्ययिता को छोड़ना: “Burn, Baby, Burn”
Tan ने बातचीत की शुरुआत leaders से यह कहते हुए की कि वे खुद को बड़ी मात्रा में tokens इस्तेमाल करने की अनुमति दें—भले ही इसका बिल काफी ज्यादा क्यों न हो। उन्होंने कहा, “Burn, baby, burn,” यानी AI agents में सैकड़ों हजार या यहां तक कि एक million tokens लोड करना। उनका तर्क क्या है? इतनी बड़ी consumption limits यह दिखाती हैं कि 2028 में AI की दुनिया कैसी हो सकती है—जिससे teams मौजूदा मानकों से कहीं अधिक शक्ति और scale का उपयोग कर सकें।
## लागत बनाम रिटर्न: टोकन की सच्चाई
उन्होंने खुले तौर पर स्वीकार किया कि agents को peak performance पर चलाना सस्ता नहीं है। Tan के अनुसार, agents को “full strength” पर चलाने में founders और CEOs को हर साल tens of thousands of dollars खर्च करने पड़ सकते हैं, जो संभावित रूप से $50,000 से $100,000 per year तक पहुंच सकता है। फिर भी, इस भारी कीमत के बावजूद, उनका मानना है कि यदि ये खर्च experimentation और innovation को आगे बढ़ाते हैं, तो वे उचित हैं।
### Workflows को Processes में बदलना
लागत और प्रभाव को साथ लाने के लिए Tan दो-चरणीय रणनीति अपनाने की सलाह देते हैं:
– पहले, बिना किसी सीमा के workflows को test करने के लिए AI agents deploy करें—उन्हें समस्याओं को हल करने के सबसे अच्छे तरीके खोजने के लिए पर्याप्त resources दें।
– फिर, जो काम करता है उसे दर्ज करें। हर सफल workflow—हर agent के steps—को repeatable instructions में document करें। उस documentation का इस्तेमाल automation बनाने और output बनाए रखते हुए भविष्य में token usage कम करने के लिए करें। 💼
Tan की सबसे उल्लेखनीय पंक्तियों में से एक है: “A markdown file is an employee.” उनका मतलब है कि एक साधारण document AI agents के लिए instructions को encode कर सकता है, ताकि वे पूरी तरह trained employee की तरह tasks को सटीकता और निरंतरता से पूरा कर सकें।
## विभाजन: Tokenmaxxing को विरोध का सामना
Tan के विचार Silicon Valley की कुछ आवाजों से बिल्कुल अलग हैं, जो चेतावनी देती हैं कि यदि token consumption productivity metric के बजाय status metric बन जाए, तो tokenmaxxing बेकार खर्च में बदल सकता है।
इसी चिंता के बाद, Uber के CTO, Praveen Neppalli Naga, ने हाल ही में जोर देकर कहा कि AI spending का विकास sheer volume के बजाय efficiency पर केंद्रित होगा। Cognition के CEO Scott Wu ने June में एक podcast में कहा कि बड़ी संख्या में tokens का इस्तेमाल हमेशा meaningful output के बराबर नहीं होता। उन्होंने चिंता जताई कि कुछ लोगों का मूल्यांकन इस आधार पर किया जाता है कि वे कितना खर्च करते हैं, न कि इस आधार पर कि वे क्या deliver करते हैं।
## Founders के लिए रणनीति: सोच-समझकर बड़े दांव
Tan founders और CEOs को substantial token use को लापरवाही नहीं, बल्कि deliberate investment के रूप में देखने की सलाह देते हैं। विचार यह है:
– अपने AI agents को सीमाओं से आगे बढ़ने के लिए प्रेरित करें
– ऐसे workflows पहचानें जो results deliver करते हों
– उन workflows को दोबारा इस्तेमाल के लिए templates, instructions या scripts में बदलें
लक्ष्य experimentation को सक्षम बनाना और साथ ही long-term costs को नियंत्रित करना है। हर high-token test भविष्य के लिए कुछ efficient बनाने का अवसर बन जाता है।
## यह अभी क्यों मायने रखता है
AI tokens खर्च करने को लेकर यह बहस ऐसे समय में हो रही है, जब AI agents tech stacks का increasingly central हिस्सा बनते जा रहे हैं—software build processes, research, natural language tasks और अन्य क्षेत्रों में। जैसे-जैसे capabilities बढ़ती हैं, established models और tools आम तौर पर अधिक tokens consume करते हैं; conservative रवैया अपनाने का मतलब peers से पीछे रह जाना हो सकता है।
AI development या startup strategy जैसे कुछ sectors में, high-capacity agents तक access होने का मतलब ऐसी edge-cutting features या products बनाना हो सकता है, जिन्हें competition से पहले launch किया जा सके। Tan का तर्क है कि इस तरह का first-mover advantage अभी खर्च करके और बाद में उसे refine करके बनाया जा सकता है।
## क्या आपको पूरी तरह आगे बढ़ना चाहिए?
हर company को हर चीज को tokenize करने की जरूरत नहीं है। यहां बताया गया है कि यह कब उचित है—और कब नहीं:
| जब यह उचित हो | जब यह जरूरत से ज्यादा हो सकता है |
|—|—|
| आप नए AI-driven products या services explore कर रहे हैं, जिन्हें experimentation की जरूरत है | आपके मौजूदा workflows stable हैं और आप cost optimization पर ध्यान दे रहे हैं |
| आपके पास upfront costs वहन करने और समझदारी से scale करने के लिए budget है | आप small team हैं, आपके resources सीमित हैं और margins tight हैं |
| आपका लक्ष्य ऐसी infrastructure या templates बनाना है, जो long-term efficiency प्रदान करें | AI usage सीमित है और business goals पर इसका प्रभाव marginal है |
Founders को केवल ambition के आधार पर नहीं, बल्कि business stage, priorities, cash runway और growth projections के अनुसार निर्णय लेना चाहिए।
## अंतिम शब्द
Garry Tan इस विचार के विपरीत एक मजबूत तर्क पेश करते हैं कि AI tokens के मामले में conservative रहना हमेशा समझदारी है। उनका तर्क है कि अभी बड़ा खर्च करने से breakthroughs, accelerated learning और competitive advantage हासिल हो सकता है। लेकिन यह blind spending नहीं है—यह disciplined experimentation, documentation और optimization है।
यदि आप founder या CEO हैं और यह सोच रहे हैं कि usage पर cap लगाई जाए या agents को खुलकर चलने दिया जाए, तो Tan की सलाह स्पष्ट है: tokens खर्च करें—लेकिन उस खर्च से आगे कुछ बनाएं। तेजी से सीखें, processes को automate करें और long-term value को upfront cost को उचित ठहराने दें।
This article is AI-generated content. Please verify the information independently before taking any action based on this article.
