Snowflake के CEO: AI एजेंट कैसे बदल देंगे काम करने का तरीका (Hindi version)

0:00Hi, friends. I'm Nicolai Tangen, Norwegian Sovereign Wealth Funds, and I'm with you.

0:30और सिर्फ दो साल बाद वो Snowflake के CEO बन गए अब यहाँ NBIM में हम Snowflake के इंवेस्टर्स भी हैं और इसके प्रोडक्ट्स का बड़े पैमाने पर इस्तिमाल भी करते हैं इसके साथ ही Snowflake पर हमारा करीब दो पेटाबाइट्स डेटा है जो कि लगभग 20 लाख गिगाबाइटस डेटा के बराबर होता है और हम हर दिन डेटाबेस में लगभग 30 लाख क्वीरीज करते हैं तो आपका बहुत -बहुत स्वागत है श्रीधर थैंक्स निकोलाई, यहां आकर अच्छा लगा, मैं इसके लिए काफी एक्साइटेड हूँ सबसे पहले आप किसी ऐसे इंसान को स्नोफलेक के बारे में कैसे समझाएंगे, जिसने इसके बारे में नहीं सुना हो शॉर्ट में हाँ, तो हम एक data platform है, हम एक cloud computing platform की तरह हैं, AWS जैसा, लेकिन हमारा खास focus data पर है, हम आपको अलग -अलग systems से data लाने, उसका analysis करने, उससे insights निकालने, और फिर उन systems तक ले जाते हैं, जहां आप action लेते हैं, यानि हम एक analytic data platform है, आपके clients कौन हैं?

1:26तो देखा जाए तो Global 2000 की करीब आधी addressable companies यानि चाइना के बाहर की companies हमारे customers हैं इसमें financial services, healthcare, advertising और कई दूसरी industries में हमारे सैकडों customers हैं तो हम कह सकते हैं कि ये list काफी लंबी है और हम 25 से ज्यादा देशों में operate करते हैं जबकि हमारे customers इससे भी कहीं ज्यादा देशों में मौझूद हैं जब 2012 में company की शुरुआत हुई थी तब storage को compute से अलग करने की सोच काफी radical थी इसके बारे में हमें थोड़ा बताईए बिल्कुल इस बहुत important concept को समझने का सबसे आसान तरीका ये है कि आप सोचें कि हम दोनोंने हमेशा कम्प्यूटर्स कैसे खरीदे या इस्तिमाल किये हैं मैं लोगों से कहता हूँ कि पिछले 50 सालों से जब भी किसी कम्पनी को कम्प्यूटिंग की जरूरत होती थी तो हम एक बॉक्स खरीदते थे उस बॉक्स में storage, compute और memory की एक fix मात्रा होती थी, जो पहले से fix रहती थी.

2:25और आम तोर पर आपको उसी box के साथ करीब 5 साल तक काम चलाना पड़ता था. तो अगर बाद में आपको ज्यादा memory चाहिए होती, तो कुछ नहीं किया जा सकता था. बस इंतजार करो और अगर आपने जरूरत से ज्यादा compute या CPU पावर खरीद ली तब भी कुछ नहीं हो सकता था क्योंकि machine तो आप पहले ही खरीद चुके होते थे यही असल बात है वैसे आपका phone भी एक box ही है बस वो थोड़ा छोटा box है और एक box से दूसरे box में data ले जाना भी काफी मुश्किल होता था उसके लिए अलग से integration project करना पड़ता था तो यही पर Snowflake ने cloud computing का इस्तेमाल करके इस पूरी सोच को बदल दिया cloud को आप लगभग infinite storage और जबरदस्त compute power वाले systems की तरह समझ सकते हैं जिन्हें कई customers आपस में share कर सकते हैं, हमने compute और storage को एक दूसरे से अलग कर दिया.

3:08हमने कहा कि आपको जितनी चाहिए उतनी storage लें और जितनी compute power चाहिए उतनी ही लें. अगर आप कोई deep analytic job करना चाहते हैं, क्योंकि NBIM के भीतर के किसी व्यक्ति को investment के लिए ऐसा शानदार आईडिया आया जिसके लिए आपको historical information के हर हिस्से से गुजरना पड़ा, तो आप एक weekend में 1000 computer शुरू कर सकते हैं, analysis कर सकते हैं, उन्हें बंद कर सकते हैं, और फिर ये पता लगा सकते हैं कि इसे practice में कैसे apply किया जाए, यही स्नोफलेक के मॉडल का जादू है ज्यादातर सौफ़वेर कंपनीज पर सीट चारज करती है लेकिन आप उतना ही चारज करते हैं जितना लोग इस्तिमाल करते हैं यह तरीका बेहतर क्यों है?

3:40क्योंकि इससे pricing सीधे value creation के साथ aligned रहती है इसका एक फाइदा ये भी है कि हम demand का अंदाजा लगाने में काफी अच्छे हैं क्योंकि हमारे पास 13 ,000 से ज्यादा customers हैं इसलिए demand में आने वाले उतार चड़ाव को हम खुद संभाल लेते हैं और आपको एक ज्यादा stable और ज्यादा बेहतर model दे पाते हैं ये इसलिए फाइदे मंद है क्योंकि आपको पहले से ये commitment नहीं करनी पड़ती कि आप लगातार कितनी storage या कितने CPUs इस्तिमाल करने वाले हैं और इसका मतलब आप resources तभी spin up करते हैं जब उनकी जरूरत होती है ज्यादा तर analytic jobs में demand एक जैसी नहीं होती जैसा कि आप जानते हैं, transactional workloads में भी दिन और रात के बीच काफी बड़ा फर्क होता है रात में लोग उतने banking transactions नहीं करते इसलिए ऐसे कई patterns हैं जो पहले से अच्छी तरह समझे जाते हैं consumption model की वजह से हम आपको बेहद किफायती pricing दे पाते हैं क्योंकि इस पूरे load को हम बड़े पैमाने पर manage और amortize कर सकते हैं इससे हमारी company पूरी तरह value creation के साथ align रहती है आप पहले payment करते हैं, लेकिन हम revenue तभी recognize करते हैं, जब आप और आपकी team snowflake का इस्तिमाल करते हैं हम आगे इस पर बात करेंगे, AI की दुनिया में ये बहुत बड़ी बात है, क्योंकि आप use के हिसाब से pay करते हैं श्रीधर अब आप Anthropic जैसी कंपनीज को अपना competitor क्यों मानते हैं?

4:52क्योंकि वो software की दुनिया को पूरी तरह बदल रहे हैं देखिए मेरा मानना है कि software industry में बहुत गहराई से काम करने वाले हम में से कई लोगों के लिए अब ये बात बिल्कुल साफ हो चुकी है कि software की cost economics बहुत तेजी से बदल रही है और अगर मुझसे पूछें तो मैं इसे AI models की लागत जैसी नज़दी की या अस्थाई चिंताओं से अलग रख कर देखूंगा और हकीकत ये है कि पिछले 50 सालों से software बनाना काफी हद तक एक तरह की craftsmanship ही रहा है कुछ खास लोग बेहद मेहनत करके software बनाते हैं इसे बनाना भी मुश्किल होता है और अलग -अलग systems के साथ integrate करना भी सबसे बहतरीन programmers को आप concert pianist की तरह समझ सकते हैं ऐसे लोग बड़ी संख्या में अचानक तयार नहीं किये जा सकते आप 10 ,000 गंटे लगाते हैं और आपके दिमाग में वो खास हुनर होता है तब जाकर आप एक बहतरीन musician बनते हैं Software engineers के साथ भी अब तक कुछ ऐसा ही रहा है लेकिन software के मामले में ये models जिस चीज को represent करते हैं वो है software development का ऐसा industrialization जैसा हमने पहले कभी नहीं देखा और तो अगर देखा जाए तो यही वो सबसे बड़ी वज़य है कि मैं model companies और उनके बनाए जा रहे coding agents को अपना सबसे बड़ा competition मानता हूँ तो इन सब को देखते हुए ही हमने भी अपना coding agent बनाया है यह computing और पूरी information ecosystem का front door बनते जा रहे हैं इसकी शुरुवात software engineers से हो रही है, लेकिन इसका असर इससे कहीं आगे तक जाएगा.

6:12बिल्कुल. लेकिन Amazon और Microsoft जैसों का क्या, जिनके पास भी competing products है? हाँ, मतलब no offense. लेकिन जब बात pure data platforms की आती है, तो हम हमेशा top of the charts रहे हैं. और देखिए, जो companies इतने बड़े scale पर operate करती हैं, उन्हें कभी भी underestimate नहीं करना चाहिए, क्योंकि उनके पास मुश्किल से मुश्किल problems को solve करने के लिए बहुत कमाल के resources होते हैं. लेकिन मैं जहां तक देख पा रहा हूँ, मुझे लगता है कि ये coding agents पूरे software industry के लिए सबसे बड़ा threat है और ऐसे माहौल में snowflake के लिए एक ऐसा रास्ता ढूंडना, जहां वो न सिर्फ survive करे बलकि thrive भी करे, यही इस वक्त मेरा number one challenge है ओके, तो AI की बात को ही आगे बढ़ाते हुए हमें बताइए कि आप इस revolution से किन -किन तरीकों से फाइदा उठा रहे हैं ओके, तो बात ये है कि अगर मैं AI और Snowflake जैसी software company को एकदम simplified तरीके से देखूं तो basically हमारे core पे हम दो चीजें करते हैं हम एक बहतरीन software बनाकर उसे चलाते हैं, जो कि मेरी engineering team का काम है, और हम आप जैसे customers को हमारा software बेच कर उसे implement करने में मदद करते हैं.

7:18तो हमारी बहुत सारी energy इस बात पर focus रहती है, कि इसे fast कैसे बनाएं. Sales side पर हमारे sellers के पास अब ऐसे tools हैं, जो उन्हें information का instant access देते हैं उनके phone में एक sales agent मौझूद है हमारे solution engineers सिर्फ 30 मिनट में Nikolai के लिए एक customized demo तयार कर सकते हैं जिसमें ऐसा data होगा जो बिलकुल आपके bank के data जैसा लगेगा इन tools की मदद से customers के लिए बहतर results हासिल करने की उनकी काबिलियत वाकई शांदार हो गई है और software engineering की बात करें तो coding पूरी तरह बदल रही है मैं अभी -अभी एक meeting से आ रहा हूँ जहां हम इस बारे में बात कर रहे थे कि कैसे हमें और भी ज्यादा लोगों को spec-driven coding development में लाना चाहिए जिसमें आप जो बनाना यानी प्रड्यूस करना चाहते हैं, उसके लिए आप बस एक English Language Spec लिखते हैं, और फिर पूरा प्रॉसेस आप automate कर देते हैं, जैसे Code का पहला वर्जन लिखने, उसे टेस्ट करने, डिपलॉई करने और ऐसी ही बाकी की चीजें.

8:06इसलिए software engineering आज वैसी बिलकुल नहीं रही जैसी वो सिर्फ दो साल पहले हुआ करती थी हमारे सामने सबसे बड़ी चुनौती ये है कि हमारी टीम का हर engineer इस तरह काम करना सीखे और इन नई possibilities को पूरी तरह अपना कर उनका फायदा उठाए लेकिन हमारे पास ऐसे सूपरस्टार्स भी हैं जो एक एवरेज सॉफ्टवेर इंजिनिर की तुलना में 50 से 100 गुना ज्यादा प्रोडक्टिव हैं ओके, तो मेरा अगला सवाल ये हैं कि AI के आने के बाद बड़ी कंपनीज अपने data estates को किस तरह बदल रही हैं? दो चीजे हैं. सबसे पहले AI आपके data को कहीं ज्यादा accessible बना देता है. Snowflake Intelligence यही काम करता है. यह आपके data के लिए एक तरह का agentic interface है, जहां आप सीधे पूछ सकते हैं, मेरे सबसे बड़े investments कैसा perform कर रहे हैं?

8:44मुझे ये investment थोड़ा नीचे जाता हुआ दिख रहा है मुझे इसका breakdown बताओ क्या इसकी वज़े sector है या कोई और problem ऐसे तमाम सवाल जिनके जवाब के लिए पहले analysts की मदद लेनी पड़ती थी अब आपकी उंगलियों पर हैं और इसका सीधा मतलब ये भी है कि data के इस fast programmable access की वजह से आने वाले future में काम करने का पूरा तरीका भी बहुत ही dramatically बदल जाने वाला है दूसरा तरीका जिससे हमारे बहुत से customers को फाइदा हो रहा है वो चीजें हैं जैसे कि native coding agents ऐसा अक्सर नहीं होता कि मैं अपने customer के पास जाऊं और कहूं, मैं किसी ऐसी चीज को 10 गुना या 20 गुना तेज कर सकता हूं, जिसे आपको हर रोज करना पड़ता है। यही काम हम अपनी इंटर्नल टीम्स के साथ कर रहे हैं, और यही वैल्यू हम अपने कस्टमर्स तक भी पहुँचाते हैं। इसलिए किसी कमपनी के भीतर डेटा बनाने वाले हो या उसका इस्तेमाल करने वाले, दोनों को AI की वजह से जबरदस्त फायदे मिल रहे हैं.

9:35अब हमारे पास MCP नाम की एक चीज है, जो हमें आप लोगों से कनेक्ट करती है. क्या आप शॉर्ट में हमारी ओडियंस को बता सकते हैं कि MCP आखिर होता क्या है? हाँ, मोटे तोर पर इसे ऐसे समझ ये MCP का मतलब है Model Control Protocol ये बस एक तरीका है जिसकी मदद से कोई Language Model या Coding Agent किसी Data Source से बात कर सकता है और उससे जानकारी ले सकता है और हम चाहते हैं कि हमारे customers Snowflake Intelligence जैसे products इस्तिमाल करें, जो data को सीधे और आसानी से उपलब्ध कराते हैं. साथ ही हमारा focus interoperability पर भी है, यानि उन tools के साथ भी काम करना जो पहले से आपके पास हैं. इसलिए Snowflake में बनाया गया हर agent किसी भी external front end या interface से remotely access किया जा सकता है, जिसे आप इस्तिमाल करते हैं.

10:17यही MCP का काम है, यह एक interoperability layer है. यह agents आपके काम को कैसे बदलेंगे? ये एक बड़ा सवाल है और मुझे लगता है कि agents शब्द को भी अकसर लोग पूरी तरह सही तरीके से नहीं समझते agents को ऐसे समझना चाहिए कि ये एक model और कुछ code का mail होते हैं जिनके पास नीचे कई तरह के tools का access होता है और ये smartly जानते हैं कि किस tool को कब और कैसे इस्तिमाल करना है For example, अगर आप उससे कहें Write a little program for me तो उसे पता होता है कि file कैसे बनानी है उसमें code कैसे लिखना है और फिर उस code को चलाने के लिए किसी local tool या system को कैसे call करना है. लेकिन ये तब भी काम करता है जब आप पूछते हैं मेरा portfolio कैसा perform कर रहा है.

11:01Agent जानता है कि portfolio tool को कैसे call करना है, उस data का analysis कैसे करना है और फिर उसका नतीजा आपको कैसे बताना है. और इसलिए agents हर level पर काम को बदल रहे हैं. भले ही आप ज्यादातर coding agents जैसी चीजों के बारे में सुनते हैं लेकिन इसका general concept बहुत powerful है ये coding agents असल में एक तरह के abstraction agents हैं इसलिए जो व्यक्ति कभी code की एक भी line नहीं लिखना चाहता उसे भी इससे जबरदस्त फाइदा मिलने वाला है उसे अपने सभी documents का access मिलेगा Snowflake में मौझूद structured data तक access मिलेगा और वो इन सब का इस्तेमाल बेहद आसान तरीके से कर पाएगा For example, अगर मैं आपको Snowflake Intelligence दूँ जिसे आपके data का access हो, तो आप data से जुड़ा कोई भी सवाल पूछें agent उसके लिए एक plan बना सकता है और उसे execute करने में आपकी मदद कर सकता है इसी वज़ह से cloud co-work या snow work जैसी चीज़ों को लेकर इतनी excitement है क्योंकि ये लोगों के काम करने और काम के बारे में सोचने के तरीके को बदल रही है, सब कुछ programmable है और सब कुछ interconnected भी है अगर किसी analysis के आधार पर आपको email भेजनी हो तो copy paste करने की जरूरत नहीं है बस अपने agent से कहो ये email स्टीफन को भेज़ दो और email चली जाएगी बिल्कुल अब मैं आपको एक बात बताता हूँ हमने अपना डेटा साफ सुथरा करने में सालों खर्च किये हैं और सच कहूं तो ये कोई मज़ेदार काम नहीं था.

12:12डेटा अक्सर बिखरा हुआ होता है, डुप्लिकेट्स होते हैं, गैप्स होते हैं, और दशकों पुराने legacy systems किसी तरह आपस में जुड़े होते हैं ऐसे में AI के इस्तिमाल और आपके product को अपनाने के लिए ये कितनी बड़ी रुकावट बनता है पहले data से सही value निकालने में ये एक बहुत बड़ी रुकावट हुआ करती थी लेकिन मुझे लगता है कि ये problem हर दिन थोड़ी आसान होती जा रही है। यही तो data की problems पर coding agents को apply करने का असली जादू है। पहले अगर किसी complex data set में सिर्फ एक additional column जोड़ना होता था, तो उसके लिए data pipeline में बदलाव करना पड़ता था। और ये काम किसी programmer का आसानी से एक हफता ले सकता था, क्योंकि उसे हर छोटी बड़ी detail में जाकर मेहनत करनी पड़ती थी.

12:50अब हमारे पास skills जैसी चीजें हैं, जिन्हें आप English Language में लिखे गए programs की तरह समझ सकते हैं. ये पूरे प्रॉसेस को शुरू से लेकर अंत तक आटोमेट कर देती हैं कोई व्यक्ती बस काम शुरू कर सकता है और एक घंटे बाद वापस आकर देख सकता है कि सब कुछ पूरा हो गया है हम एजेंट डिवन माइग्रेशन्स जैसी चीजों पर काम कर रहे हैं ये एक ऐसी चीज है जहां आप legacy systems से data को snowflake पर कुछ ही दिनों या कुछ हफ्तों में migrate कर सकते हैं. पहले इसी काम में कई quarters ही नहीं, बलकि कई साल तक लग जाया करते थे. और कुल मिलाकर data modernization की पूरी जर्नी में AI बेहत शक्तिशाली साबित हो सकता है. यही वज़य है कि हम इस एरिया में बहुत बड़े लेवल पर इन्वेस्ट कर रहे हैं काश यह हमारे पास पांट साल पहले होता लेकिन ठीक है तो GDPR का क्या हाल है?

13:35क्या यह AI के इस्तेमाल को सीमित या धीमा कर रहा है? मेरा मतलब हमारे Personal Data Protection Laws को देखिए स्नोफलेक के फाइदों का एक बड़ा हिस्सा ये है कि हम बहतरीन गवर्नेंस फीचर्स आफर करते हैं कमपनियों के लिए ये पक्का करना कि नियमों का पालन हो रहा है एक एक्स्ट्रा बर्डन है देखिए मैं एक अमेरिकन हूँ और हर कोई GDPR को criticize करता है और इसके कुछ अंचाहे consequences भी हुए हैं लेकिन GDPR के कई पहलू ऐसे भी हैं जो वाकई अपने समय से काफी आगे की सोच को दिखाते थे GDPR यूरोप के लिए अच्छा है या बुरा? मुझे लगता है कि ये काफी मिला जुला है इसके कई अन्चाहे consequences सामने आये हैं, लेकिन इसने ये भी सिखाया है, कि regulations बहुत सोच समझ कर बनाये जाने चाहिए, और इसके हर पहलू पर लोगों को गहराई से सोचना चाहिए.

14:24इसके अन्चाहे negative consequences कौन से हैं? हाँ, मैं पहले आपको इसके positive points बताता हूँ. एक consumer के तोर पर आप किसी company से कह सकते हैं, आपके पास मेरे बारे में जो भी information है, उसे delete कर दो. ये GDPR के वज़े से हुआ है ये एक बहुत बड़ा positive point है इसने हर company को यहां तक कि मेरी Google Ads team को भी इस बात के लिए मजबूर किया कि हम हर उस चीज को track कर सकें जो हम Nikolai के बारे में जानते थे तो ये एक बहुत positive बात है दूसरी तरफ, prompts की वो दीवारें जो आपके सामने आ जाती हैं एक point पर आकर आप बस हार मान जाते हैं और yes पर click करते हैं मुझे लगता है कि ये एक अंचाहा consequence है मुझे लगता है कि इसने यूरोप की हर company के लिए business करना महंगा बना दिया है और आखिरकार इसका सबसे ज्यादा फाइदा बड़ी कंपनियों को मिला क्योंकि उनके पास नियमों का पालन करने, कंप्लाइंस बनाए रखने और उस पर पैसा खर्च करने के लिए इनफ रिसोर्स हैं.

15:07जबकि यूरोप में शुरू होने वाली हर नई कंपनी को शुरू से ही इन सभी नियमों का पालन करने के लिए काफी स्ट्रगल करना पड़ता है तो अन्चाहे कॉंसिक्वेंस से मेरा मतलब इसी तरह की चीजे हैं एक अलग सवाल क्या स्पेस में भी हमारे डेटा सेंटर्स होंगे? सच कहूं तो इस सवाल का जवाब देने के लिए मैं सही इंसान नहीं हूँ लेकिन मैथ के हिसाब से ये काफी मुश्किल लगता है तो तो क्वांटम कंप्यूटिंग स्नोफलेक के लिए क्या अनलॉक करेगा ये एक अच्छा सवाल है मुझे लगता है ऐसी बातें जैसे, सबसे पहले quantum computing भी बड़े AI models की तरह ही एक बहुत बड़ा security risk है और ये पक्का करना कि आपका data सुरक्षित रहे हमारे लिए एक high priority है ये optimization और search जैसी चीजों को देखने के बिलकुल नए और अलग तरीके सामने लाने का वादा करता है और हमें confidence है कि हम इन नई तकनीकों और तरीकों का अच्छी तरह से फाइदा उठा पाएंगे मुझे लगता है कि quantum computing की दुनिया में भी core infrastructure की एहमियत बनी रहेगी क्या हम आपके शुरुवाती दिनों के बारे में थोड़ा बात कर सकते हैं आप अभी भी काफी यंग हैं लेकिन जब आप और भी यंग थे तब गूगल छोड़ने के बाद आपने नीवा शुरू की थी उस असफलता से आपने क्या सीखा?

16:16हाँ, तो मेरा मतलब है, मेरे अंदर एक ऐसा हिस्सा है, जो उस दुनिया को लेकर बहुत आइडियलिस्टिक और बहुत रोमेंटिक है, जिसे मैं देखना चाहता हूँ मैं इसे एक पॉजिटिव चीज मानता हूँ और नीवा की शुरुवात इस सच्चे विश्वास के साथ हुई थी, कि एक बहतर सर्च इंजन बनाना न सिर्फ लोगों के लिए अच्छा होगा, बलकि एक शांदार बिजनेस भी साबित होगा. और जो मुश्किल सबक आप सीखते हैं, उनमें से एक ये है कि, खासकर consumer products तब तक अपनाई नहीं जाते जब तक वे मौजूदा options से कहीं ज्यादा बहतर experience न दें एक level पर मैं जानता था कि search बहतर हो सकता है लेकिन मेरे पास कोई concrete plan नहीं था कि search और information के बारे में मेरा नजरिया 10 गुना या 100 गुना बहतर कैसे हो सकता है आखिरकार उसी से ये फेल हुआ क्योंकि हमने एक search engine बनाया जो थोड़ा बहतर था और जिसकी privacy भी थोड़ी बहतर थी बेशक आप मुश्किल तरीके से सीखते हैं कि privacy भी exercise की तरह ही है जिसके बारे में हमें बातें करना तो पसंद है लेकिन असलियत में हम उसे प्रैक्टिस नहीं करते और पता हैं, वो मुश्किल सबक जरूर थे लेकिन हमारी टीम में कमाल के लोग थे हमने एक बहतरीन टेक्नॉलोजी बनाई और आखिरकार वो आगे चलकर स्नोफलेक में AI की बुनियाद बनी तो उस चीज से कुछ बहुत ही शानदार निकल कर आया हाँ, मुझे ये बात बहुत पसंद है कि US में इस तरह की चीज़ें एक सीखने का जरिया या लर्निंग एक्सपिरिंसे बनती हैं यूरोप में, उन्हें इस तरह से नहीं देखा जाता है ना तो बहुत बढ़िया, इसके बाद आप स्नोफलेक में गए, तो आपको CEO बनाया गया, शेर प्राइस को ये बात कुछ खास पसंद नहीं आई, आपने इसे कैसे मुझे स्नोफलेक के शुरुवाती दिनों के बारे में बताईए?

17:56हाँ, मेरा मानना है कि मैं स्नोफलेक का CEO एक ऐसे मुश्किल टाइम पर और एक बेहत क्रिटिकल सिचुएशन में बना जब कमपनी की ग्रोथ सच में धीमी पढ़ने लगी थी दरसल जिस दिन मैं CEO बना, उसी दिन हमने आने वाले साल के लिए अपना guidance market consensus से पूरे 5 percentage points कम रखा था यही चीज मार्केट में हुई भारी गिरावट की असली वजह थी बेशक इस बात से भी मदद नहीं मिलती कि एक ऐसा अंजान आदमी जिसने पहले कभी CEO का रोल नहीं निभाया था वो लेजेंडरी फ्रैंक स्लूट मैन की जगह ले रहा था मेरे हिसाब से ऐसे मुश्किल हालातों का सामना करना और उन से उभरना ही महानता की पहचान है

18:54लोग बहुत सी बातों पर चर्चा करते हैं, लेकिन आखिरकार अगर आप software business में हैं, तो सवाल यही होता है कि क्या आप ऐसे products बना रहे हो जिन्हें लोग सच मुझ पसंद करते हैं? और value create करने का यही एकलौता focus हमें आगे बढ़ाता रहा है. इसी सोच से हमने Cortex Code जैसे products बनाए हैं थोड़ा सा सर्च करने पर आपको खुद दिख जाएगा कि इस product को लेकर लोगों में कितनी excitement और कितना प्यार है हर software engineer का यही सपना होता है कि वो ऐसा product बनाए जिसे लोग पसंद करें और यही चीज company के लिए असली value बनाती है Software engineers में कौन सी चीज common है? मैं कहूंगा कि AI से पहले के time में Software engineering का मतलब था किसी समस्या को हल करने के लिए उचे स्तर पर सोचने की काबिलियत और साथ ही details पर लगभग passionate level तक ध्यान देकर उन्हें सही तरीके से apply करने की असली काबिलियत.

19:53आपको एक ही time पर दोनों करने के काबिल बनना होगा. ये एक ऐसी discipline है जो गलतियों को बिलकुल माफ नहीं करती. अगर आपने एक कॉमा भी छोड़ दिया, तो compiler ये नहीं कहेगा, कोई बात नहीं, मैं इसे जोड़ देता हूँ, वो सीधा error दिखाएगा और आपको खुद उसे ठीक करना पड़ेगा मुझे लगता है कि AI अब इस पूरी तस्वीर को काफी बदल रहा है मुझे लगता है कि modern AI-driven software engineer कहीं ज्यादा conceptual हो गया है अब वो खुद agents की पूरी team को manage कर रहा होता है वे इस बात को लेकर अपना judgment और समझ इस्तिमाल कर रहे होते हैं कि कौन सी problems हल करनी हैं और उन्हें हल करना company और बनाए जा रहे product के context में कितना सही और उपयोगी है ये वो लोग हैं जो नए -णए और बहतरीन टूल्स का इस्तिमाल करके प्रॉब्लम्स को हल करने के तरीके बहुत तेजी से सीख रहे हैं ये पूरा डिसिप्लिन हर दिन हर हफते बदल रहा है और मुझे लगता है कि एक साल बाद इसकी तस्वीर बिलकुल अलग होगी मैं आपको इसका एक खास एक्जामपल देता हूँ मेरा छोटा बेटा 24 साल का है उसने 3-4 साल पहले एक बहुत अच्छी युनिवर्सिटी से software engineering की पढ़ाई पूरी की थी उसे इस बात पर बहुत गर्व था कि वो एक systems programmer है जो बारीक तकनीकी details को बहुत अच्छी तरह समझता है तो 3, 4 या 5 millisecond latency वाले streaming systems design करना उसकी specialty थी और अब वो एक AI lab में काम करता है हाल ही में उसने मुझसे कहा डैड, स्कूल और उसके बाद मैंने जो कुछ भी सीखा था उसमें से कुछ भी मेरी मौजूदा जॉब में सक्सेस्फुल होने के लिए काम नहीं आ रहा मुझे लगभग सब कुछ नए सिरे से सीखना पड़ा है इससे आपको अंदाजा लग जाता है कि चीजें कितनी बदल रही है ये तो कमाल की बात है वैसे स्नोफलेक में आपके यहां weekly वो room जैसा कुछ होता है वो क्या है?

21:31हाँ, ये एक concept है जिसे हमने शुरुआत में ही apply किया था Snowflake में time के साथ काम काफी ज्यादा specialized हो गया था मेरा मतलब किसी product के बनने से लेकर और इस्तिमाल होने के बीच जो भी steps आते हैं पहुँचने में आपके जैसे customer तक उन में से हर एक अपने आप में एक अलग और बेहद specialized discipline बन चुका था यानि आपके पास software engineers होते हैं, product managers होते हैं, designers होते हैं, product marketing managers होते हैं, technical program managers होते हैं और ये पूरा stack लगातार बढ़ते ही जाता है ये सब तब तक ठीक चलता है जब आपके पास एक perfect product है और आपका target उसे हर scale पर optimize करके लोगों तक ये software पहुचाना है लेकिन ये तब काम नहीं आता जब चीजे तेजी से बदल रही हो और आपको कोई नया प्रोडक्ट बनाना हो ऐसे में आपको प्रोडक्ट बनाने वालों और उसे इस्तिमाल करने वालों के बीच एक टाइट फीडबैक लूप की जरूरत होती है हमें आपकी टीम से हर दिन, हर हफते लगातार बात करनी होती है हमें Slack channels पर मौझूद रहना पड़ता है क्योंकि हमें लगातार चीजों को समझना और सुलजाना होता है सच कहूं तो War Rooms का मकसद यही था उन्होंने किसी नए एरिया के लिए जिम्मेदार सभी लोगों को एक ही जगह पर ला दिया मैं खुद भी उनमें हिस्सा लेता था और हम डिसकस करते कि इस हफते हमने कितनी प्रॉग्रेस की ये कम्युनिकेशन को तेज बनाने का एक तरीका था जैसा कि आप जानते हैं, management में आप या तो horizontal तरीके से organize हो सकते हैं, या vertical तरीके से.

22:50दोनों के अपने फायदे और नुकसान होते हैं. दरअसल ये outcomes हासिल करने के लिए लोगों को एक तरह से virtual, लेकिन vertical तरीके से organize करने का example था. मैं आज भी ऐसे war rooms चलाता हूं. हमारे कई वह रूम्स में सोमवार को प्लानिंग होती है और AI की दुनिया में मैं शुकरवार तक रिजल्ट्स देखना चाहता हूँ यही वो तेज रफतार है जिस पर हम आज भी खुद को लगातार बदल और इवॉल्व कर रहे हैं आप खुद को एक email machine कहते हैं मैं जीने के लिए email प्रॉसेस करता हूँ और मैं भी लेकिन सच कहूं तो ये सब कुछ information के लिए ही है मैं management को भी कुछ इसी नजरिये से देखता हूँ मुझे मेहनत करना पसंद है मुझे details में जाना भी अच्छा लगता है और साथ ही बड़े principles को समझना और समझाना या teams को important फैसले लेने में मदद करना भी इसलिए मैं बहुत ज्यादा information consume करता हूँ ये सब कुछ context बनाने और अपनी intuition को मजबूत करने के लिए होता है जाकि आप साल में आने वाले उन एक, दो या तीन बड़े फैसलों को सही ढंग से ले सकें, जो आपकी कमपनी पर गहरा और लंबे समय तक असर डालने वाले होते हैं.

23:52इसलिए मैं CEO के रोल को ऐसे देखता हूँ कि उसे कमपनी में क्या चल रहा है, इसकी गहरी और अच्छी समझ होनी चाहिए और फिर उसी बेस पर सही नतीजों की दिशा में आगे बढ़ने में मदद करनी चाहिए वैसे मुझे नहीं लगता कि नए आइडियाज देना नए आइडियाज लाना या हर चीज का फैसला करना सिर्फ CEO की ही जिम्मेदारी है असल बात यह है कि आप ऐसा माहौल तयार करें जहां सबसे अच्छे आइडियास सामने आ सकें और आपका रोल एक फैसिलिटेटर का हो आप टीम का चेहरा होते हैं जब आप कहते हैं हाँ हमें इसी दिशा में आगे बढ़ना चाहिए हमें कॉर्टेक्स कोड जैसा कोडिंग एजेंट लॉंच करना चाहिए क्योंकि यही हमारे भविश्य को सुरक्षित करेगा आखिरकार ये सब अपनी टीम को सपोर्ट करने के बारे में है Corporate culture का सबसे important part क्या है?

24:59जो इनके खिलाफ जाता हो कंपनी के अंदर किसी भी व्यक्ति की ओर से चिलाना चिला कर बात करना या अपमान जनक बरताव करना मैं बिल्कुल बरदाश्ट नहीं करता ऐसा बरताव किसी के लिए भी acceptable नहीं है और मुझे लगता है कि इस तरह का culture set करना बेहत जरूरी है और इसके अलावा जिस बात पर मैं सबसे ज्यादा जोर देता हूँ वो है एक ऐसा open culture जहां चीजों को उनकी merit के आधार पर पर परखा जाए जहां लोगों को मुझे या किसी और को भी गलत ठहराने या कॉंट्रडिक्ट करने से पहले सोचना न पड़े जहां हम चीजों पर खुल कर डिबेट करते हैं जहां हम सब साथ आते हैं और जहां हम मिलकर बहुत ही तेजी से उन फैसलों तक पहुँचते हैं जो ये तैय करते हैं कि हमें कहां जाना है ताकि हम एक टीम के रूप में मिलकर उन्हें एक्जिक्यूट कर सकें। लेकिन वो ओपन और आनेस्ट कम्यूनिकेशन और टीमवर्क एक ऐसी चीज है जो मुझे लगता है कि बहुत ज्यादा क्रिटिकल है। बहुत सारे लोग और आप इसे पूरी दुनिया में हर जगे देखते हैं, जो कुछ वो देख रहे होते हैं, उसे साफ -साफ कहने से ड़ते हैं.

25:54वैसे आप तमिलनाडू में पले बड़े हैं. तो इसने आपको कैसे आकार दिया? मैं तमिलनाडू में पला बढ़ा हूँ मैं बेंगलूरू में भी था जो कि पास के ही एक राज्य में है जब तक कि मैं कॉलेज नहीं गया मैं एक लॉर मिडल क्लास इलाके में पला बढ़ा हूँ बचपन में ज्यादातर समय हमारे चार लोगों के परिवार के लिए सिर्फ एक living room और एक ही bedroom हुआ करता था लेकिन ये एक ऐसा परिवार था जो आगे बढ़ने के लिए education पर गहरा विश्वास रखता था और जिसमें हर चीज को लेकर एक intellectual curiosity थी मेरे पैरेंट्स में से कोई भी कॉलेज नहीं गया, उन्होंने सिर्फ हाइ स्कूल पूरा किया था, लेकिन उन्होंने हमेशा ही एजुकेशन पर बहुत जोर दिया, और ऐसा कुछ भी नहीं था, जो वो मेरे और मेरी बहन के लिए एक बहतर जिंदगी पाने और हमें एजुक बना सकती है। और ये ऐसी qualities हैं जिन्हें मैं आज भी अपने साथ रखता हूँ। और इसके साथ ही मैं आपको ये भी बताना चाहूंगा कि मेरे parents भी यूनो बेहत खुले विचारों वाले थे। मैं ऐसे college में गया जहां मेरे parents मुझे भेजना नहीं चाहते थे। उनके लिए अपने छोटे बेटे को 300 मील दूर भेजना आसान नहीं था और उन्हें इसे लेकर काफी हिच के चाहट थी लेकिन फिर भी उन्होंने मेरा साथ दिया चाहे वो उस college में जाने का फैसला हो या फिर जीवन साथी चुनने का उन्होंने हमेशा मुझे support किया मुझे लगता है कि इस तरह के खुलेपन का गुण भी बेहत महत्वपूर्ण है अगर मुझे इन सारी बातों को कुछ शब्दों में समेटना हो तो मैं कहूंगा कि ये शिक्षा के महत्व, कड़ी महनत के महत्व और बदलती दुनिया के साथ खुद को ढालने की काबिलियत के बारे में है ये सब ऐसी चीजें हैं जिनें मैं अपने दिल के बेहत करीब रखता हूं और ये वाकई वो qualities हैं जिनके बारे में मैं अपने बच्चों से बात करता हूँ.

27:46अगर आप आज कोई और डिग्री लेते तो वो कौन सी होती? आप किस बारे में क्यूरियस हो? तो जब मैं बड़ा हो रहा था, तब मुझे सेल बायोलोजी में बहुत दिल्चस्पी थी, और ये की human body कैसे काम करती है मुझे लगता है कि ये एक बेहद interesting subject है ये ऐसा topic है जो मुझे इसलिए आकरशित करता है क्योंकि ये एक तरफ बेहद complicated है और दूसरी तरफ इसकी गहराई भी असीमित है मुझे लगता है कि उस क्षेतर में पढ़ाई करना और उसे समझना मेरे लिए बहुत satisfying experience होगा आखिरी सवाल आज के युवाओं को आपकी क्या सला है? वही बातें जो मैंने कही और मैं इसमें एक बात और जोड़ना चाहूंगा और वो ये कि कड़ी मेहनत वाकई माइने रखती है जो भी आप करो उसमें अच्छा होना माइन रखता है अपनी सोच बदलने की काबिलियत रखना लगातार सीखते रहना और नई परिस्थितियों के अनुसार खुद को ढालना बेहत जरूरी है और तीसरी बात जो मैं कहूंगा वो है असफलता का सामना करने और उससे उबरने की काबिलियत बहुत बहुत इंपोर्टेंट है ये बहुत जरूरी है कि आप नई -नई चीजें आजमाएं लेकिन साथ ही ये भी स्विकार करना होगा कि उनमें से कई में आप फेल होंगे और इसमें कोई बुराई नहीं है आपकी पहचान किसी एक जीत या किसी एक फेलियर से तै नहीं होती आप उससे कहीं ज्यादा हैं चाहे आपने जो भी किया हो मुझे लगता है कि खुद के बारे में सही सोच रखना बहुत जरूरी है तो बस ये तीन बातें याद रखना कड़ी मेहनत, लचीलापन और द्रिधता सृरीधर बातचीत खत्म करने के लिए इससे बेटर जगह नहीं हो सकती अपना समय निकालने के लिए थैंक यू सो मच ऐसे ही शानदार काम करते रही है थैंक यू थैंक यू सो मच निकुलाई