1968 में, एक महत्वपूर्ण अध्ययन ने कुछ ऐसा पाया जिसने सिलिकॉन वैली को दशकों तक आकार दिया: सबसे अच्छे सॉफ्टवेयर इंजीनियर अपने साथियों की तुलना में नाटकीय रूप से अधिक उत्पादक थे। तब से, हर टेक्नोलॉजी कंपनी उन दुर्लभ व्यक्तियों की तलाश में है जो असाधारण परिणाम दे सकें।
जनवरी में छुट्टियों से लौटते हुए, फ्रंटियर मॉडलों में प्रगति से AI-प्रभावित होकर, हमारी इंजीनियरिंग टीम ने git worktrees, Claude Code, और Codex के साथ समानांतर में एजेंट चलाना शुरू किया। कुछ कार्यों पर, वे 5 गुना अधिक काम कर रहे थे।
इसने एक बड़ा सवाल खड़ा किया: अगर एजेंट एक महीने में इंजीनियरों को इतना अधिक उत्पादक बना सकते हैं, तो Sierra में सभी को वहाँ तक पहुँचाने के लिए क्या करना होगा? हमने इसका पता लगाने के लिए छह लोगों की एक AI त्वरण टीम बनाई। यह ब्लॉग बताता है कि हमने क्या बनाया है और इस प्रक्रिया में हमने क्या सीखा।
1. एजेंट, एकल
हमने भूमिका-विशिष्ट एजेंटों के एक समूह के साथ शुरुआत की: एक सपोर्ट एजेंट (PINE), एक डेटा विश्लेषक (Pinewood), एक इंजीनियर (Pinecone), और एक सेल्स एजेंट (Reggie Jr)। प्रति भूमिका एक एजेंट सहज लग सकता है, लेकिन यह व्यवहार में विफल रहा।
सतही तौर पर, समस्या कर्मचारियों पर बोझ थी, जिन्हें याद रखना पड़ता था कि कौन सा एजेंट क्या करता है। पाइन-थीम वाले नामों के प्रति हमारे प्यार ने मदद नहीं की। लेकिन गहरा मुद्दा संरचनात्मक था — सबसे महत्वपूर्ण काम टीमों के भीतर नहीं, बल्कि उनके पार होता है।
मूल रूप से, कंपनियाँ किए जाने वाले कार्यों का एक संग्रह हैं। एक उत्पाद शिप करने पर विचार करें। इसमें तकनीकी टीमों के साथ-साथ सेल्स, मार्केटिंग, लीगल और ऑपरेशंस शामिल होते हैं। विभाग इसलिए मौजूद हैं क्योंकि एक टीम या व्यक्ति काम का हर हिस्सा नहीं कर सकता। AI इसे बदलता है, क्योंकि यह तेजी से एंड-टू-एंड काम पूरा कर सकता है।
इसलिए हमने इन सभी भूमिका-विशिष्ट एजेंटों को Pinecone में समाहित कर दिया: एक एकल एजेंट जिसके पास एक Slack हैंडल, एक URL, और प्रश्न से लेकर तैयार परिणाम तक एक अखंड थ्रेड है। Pinecone पता लगाता है कि किन सिस्टमों से डेटा लेना है और अनुरोध के साथ क्या करना है, ताकि कर्मचारियों को यह न करना पड़े। यह तकनीकी रूप से कठिन है, लेकिन AI का यही बिंदु है: तकनीक जटिलता को अवशोषित करती है, कर्मचारी को नहीं।
यह एक सबक है जो हम पहले ही अपने प्लेटफॉर्म से सीख चुके हैं। Sierra पर बने एजेंट फुल-सर्विस होते हैं: एक एजेंट प्रोडक्ट डिस्कवरी से लेकर अकाउंट सेट-अप, ट्रबलशूटिंग, बिलिंग और अधिक तक सब कुछ संभाल सकता है। पुराने IVR की तरह "सेल्स के लिए एक दबाएं, सपोर्ट के लिए दो दबाएं" नहीं।
सब कुछ एक एजेंट में समाहित करने से आप कंपनी में मूल्य के स्थान के बहुत करीब पहुँच जाते हैं — किए जाने वाले कार्य। हर सुधार पूरे व्यवसाय को लाभान्वित करता है, इसलिए हर कोई बेहतर और तेज हो जाता है।
2. सक्रिय, प्रतिक्रियाशील नहीं
अधिकांश काम एक बैठक में पूरा नहीं होता। यह दिनों, हफ्तों या महीनों में सामने आता है क्योंकि टीमें सीखती हैं, प्राथमिकताएँ बदलती हैं, और नई जानकारी सामने आती है। एक एजेंट जो संकेत मिलने पर प्रकट होता है और सत्र समाप्त होने पर गायब हो जाता है, केवल उतना ही उपयोगी होता है। Pinecone पूरी प्रक्रिया में बना रहता है — संदर्भ को आगे ले जाता है और थ्रेड को फिर से उठाता है, जब तक कि काम, न कि केवल व्यक्तिगत अनुरोध, पूरा न हो जाए।
निरंतरता Pinecone को सक्रिय भी बनाती है। पूछे जाने की प्रतीक्षा करने के बजाय, यह तब कार्य कर सकता है जब अगला कदम तैयार हो — एक आर्टिफैक्ट पर वेबहुक फायर होता है, Linear में एक कार्य आता है, एक समीक्षा आती है। यह संदर्भ एकत्र करता है और पहला प्रयास करता है, जब निर्णय की आवश्यकता होती है तो लोगों को शामिल करता है। मीटिंग से पहले तैयारी के नोट्स प्रतीक्षा कर रहे होते हैं। आपके स्कोर जोड़ने के लिए बैठने से पहले इंटरव्यू डीब्रीफ तैयार हो जाते हैं। समीक्षाएँ सारांश, प्रमुख जोखिम और सुझाई गई टिप्पणियों के साथ आती हैं। लक्ष्य अधिक सूचनाएँ नहीं है। यह अधूरा काम कम आना है।
हमने अभी तक इसे पूरी तरह से हासिल नहीं किया है — अधिकांश सत्र अभी भी मानव संकेत से शुरू होते हैं — लेकिन उस संबंध को उलटना, ताकि एजेंट जरूरत पड़ने पर मनुष्यों को संकेत दें, वहीं निरंतरता हमें ले जा रही है।
3. व्यावसायिक संदर्भ बाधा है, बुद्धिमत्ता नहीं
AI के साथ बाधा कच्ची बुद्धिमत्ता थी — क्या कोई मॉडल काफी स्मार्ट था। आज, फ्रंटियर मॉडल अधिकांश व्यावसायिक जरूरतों के लिए पर्याप्त सक्षम हैं। इसलिए बाधा संदर्भ पर चली गई है: आपकी कंपनी के लिए विशिष्ट क्या है, आपके वर्कफ़्लो, आपका इतिहास, वे निर्णय कॉल जो किसी प्रशिक्षण सेट में दिखाई नहीं देते।
जनवरी में, हमारी टीम के दो लोगों ने Claude Code और Opus 4.6 का उपयोग करके एक डेटा विश्लेषक एजेंट तैयार किया, जो Model Context Protocol (MCP) और कमांड-लाइन टूल्स के माध्यम से हमारे सिस्टम से जुड़ा था। बहुत अधिक अतिरिक्त मार्गदर्शन के बिना, यह मिनटों में Slack, GitHub, ClickHouse, Salesforce, और PagerDuty पर एक ग्राहक समस्या की जांच कर सकता था। वह काम जो कभी एक दोपहर लेता था, डिबगिंग और इंसीडेंट रिस्पॉन्स में पहला कदम बन गया।
यही पैटर्न डिबगिंग से कहीं आगे तक फैला हुआ है। पूर्ण संदर्भ वाला एक एजेंट ग्राहक बैठक तैयार कर सकता है, एक अकाउंट पर शोध कर सकता है, एक अनुबंध या RFP की समीक्षा कर सकता है, एक उत्पाद निर्णय का पता लगा सकता है, और बिखरे हुए काम को एक तैयार आर्टिफैक्ट में बदल सकता है। बेशक, एक एजेंट को उस सभी संदर्भ तक पहुँच देना एक नई समस्या पेश करता है। एक अप्रतिबंधित एजेंट एक बड़ा सुरक्षा और गोपनीयता जोखिम है। हमारा MCP Gateway इसे हल करता है: Pinecone प्रत्येक कर्मचारी की पहुँच को विरासत में लेता है, प्रत्येक टूल कॉल पर नीति लागू करता है, ग्राहक डेटा को अलग करता है, और एक ऑडिट ट्रेल छोड़ता है।
छवि विवरण पढ़ें
ALT
Sierra MCP Gateway एजेंटों को 37 सिस्टम से जोड़ता है
Pinecone Claude Code और Codex पर बनाया गया है। उनके लगातार सुधार एक अनुकूल हवा हैं, लेकिन कला की स्थिति लगातार बदलती रहती है — एक मॉडल योजना बनाने में सर्वश्रेष्ठ हो सकता है, दूसरा कोडिंग में, तीसरा गद्य में। मॉडलों के ऊपर की परत का मालिक होना हमें प्रत्येक कार्य को सही मॉडल पर रूट करने, डाउनटाइम के दौरान फेलओवर करने और लागत प्रबंधित करने की अनुमति देता है, जबकि किसी एक खिलाड़ी की दया पर निर्भर नहीं होना पड़ता। लेकिन टिकाऊ लाभ अंतर्निहित मॉडल का मालिक होना नहीं है। यह संदर्भ, वर्कफ़्लो और रूटिंग लेयर का मालिक होना है जो हर मॉडल को अधिक उपयोगी बनाता है।
हम Pinecone को सपने देखने देने का भी प्रयोग कर रहे हैं: प्रत्येक दिन के काम पर चिंतन करना और अपने स्वयं के कौशल में सुधार का प्रस्ताव देना। समय के साथ, यह एक एजेंट के बीच का अंतर है जो सिर्फ Sierra के लिए काम करता है और एक जो Sierra से सीखता है।
4. एजेंट UI है, रिकॉर्ड का सिस्टम बैकएंड
काम का हर टुकड़ा कुछ ठोस पैदा करता है, एक आर्टिफैक्ट। कोडिंग एजेंटों ने पहले अपना पाया: पुल रिक्वेस्ट। हर दूसरे विभाग का अपना समकक्ष होता है — एक ग्राहक कहानी, एक अनुबंध, एक RFP प्रश्नावली, एक पिच डेक, एक प्रदर्शन समीक्षा।
आर्टिफैक्ट इनपुट और आउटपुट दोनों हैं। वे एजेंटों को वह संदर्भ देते हैं जिसकी उन्हें काम करने के लिए आवश्यकता होती है — और वे वहीं हैं जहाँ तैयार काम संबंधित है। Pinecone से पिच डेक को कसने के लिए कहें, और डेक स्वयं अपडेट होकर वापस आता है, न कि एक चैट संदेश जो आपको बताता है कि क्या बदलना है।
हमने पाया है कि अपने रिकॉर्ड सिस्टम के साथ काम करना सबसे अच्छा है, उन्हें बदलना नहीं। GitHub PR रखता है, Salesforce अकाउंट रखता है, और Linear इश्यू रखता है — एजेंट उनके पार की परत है।
उन सिस्टमों को बदलने का मतलब दशकों के परिपक्व सॉफ्टवेयर को फिर से बनाना है। इससे भी बुरा, यह कंपनी को दो में विभाजित करता है — एजेंट के माध्यम से काम करने वाले लोग और मूल टूल में सीधे काम करने वाले लोग, प्रत्येक के पास सच्चाई का अपना संस्करण होता है। हमारा दांव यह है कि ये उत्पाद समय के साथ बैकएंड की तरह अधिक हो जाते हैं, एजेंट प्राथमिक इंटरफ़ेस के रूप में।
5. परिणाम, केवल गतिविधि नहीं
मार्च में Pinecone की पहली कमिट के बाद से, इसने 600+ लोगों के लिए 75,000 से अधिक सत्र चलाए हैं। आज, हमारे 70% PR इसके माध्यम से खोले जाते हैं, जबकि सैकड़ों ऑटोमेशन चुपचाप उस काम को संभालते हैं जिसे किसी ने स्पष्ट रूप से संकेत नहीं दिया।
इस तरह के आँकड़ों के साथ शुरुआत करना आकर्षक है, और शुरुआत में उन्हें ट्रैक करना सही बात है — वे सबूत हैं कि कुछ वास्तव में उपयोग किया जा रहा है, न कि रोडमैप स्लाइड पर धूल जमा कर रहा है। लेकिन चलाए गए सत्र और किए गए टूल कॉल गतिविधि हैं, परिणाम नहीं। एक टीम एक प्रभावशाली दिखने वाले एडॉप्शन चार्ट तक tokenmaxx कर सकती है, बिना डाउनस्ट्रीम में कुछ वास्तव में बेहतर हुए — गलतियों की समान संख्या, समान चक्र समय, बस उन्हें उत्पन्न करने में अधिक AI शामिल।
तो टोकन उपयोग शुरू करने के लिए एक अच्छी जगह है। टीमों को टूल का उपयोग करने की आदत बनानी होगी, इससे पहले कि आप माप सकें कि यह काम कर रहा है या नहीं। लेकिन यह वह जगह नहीं है जहाँ मूल्य है, और हम नहीं चाहते कि कहानी यहीं खत्म हो। जिस सवाल को हम बेहतर ढंग से पूछने की कोशिश कर रहे हैं, वह यह नहीं है कि एक एजेंट ने कितना किया — यह है कि इसके कारण वास्तव में क्या बदला: क्या कोई डील तेजी से बंद हुई, क्या किसी ग्राहक की समस्या पहले प्रयास में हल हो गई, क्या किसी को रात में देर तक समीक्षा खत्म करने के बजाय अपनी शाम वापस मिल गई।
हमारे पास अभी तक उसे मापने का कोई अच्छा तरीका नहीं है। सत्र और टूल कॉल गिनना आसान है। लेकिन वह अंतर — जो हम आज माप सकते हैं और जिसकी हम वास्तव में परवाह करते हैं, उसके बीच — अगली चीज़ है जिसकी ओर हम निर्माण कर रहे हैं।
उस 1968 के अध्ययन में सर्वश्रेष्ठ और बाकी के बीच 10 गुना का अंतर पाया गया — और पचास वर्षों तक, एकमात्र उत्तर उन दुर्लभ लोगों की तलाश करना था। अब एक बेहतर है: सभी को एक एजेंट दें ताकि उनके पास कुछ लोगों के लाभ हों। लक्ष्य केवल अधिक काम करना नहीं है। यह लोगों को उस काम के लिए अधिक समय देना है जो केवल लोग ही कर सकते हैं: निर्णय, स्वाद, रचनात्मकता और संबंध बनाना।
आगे क्या
हम अपने द्वारा बनाए गए सिस्टम पर गहराई से चर्चा करेंगे:
- Allen Chen पर Pinecone, इसके कई पुनरावृत्तियों, और इसके पीछे की तकनीकी वास्तुकला के बारे में
- Mihai Parparita पर MCP Gateway और सुरक्षित रूप से पूर्ण संदर्भ एकत्र करने के बारे में
- Rohith Ravi पर Agency, इसके नीचे का बुनियादी ढाँचा
