शुरुआती गाइड

9 जून, 2026 को Anthropic ने Claude Fable 5 जारी किया — पहली बार आम उपयोगकर्ताओं और डेवलपर्स के इस्तेमाल लायक रूप में "Mythos" स्तर की क्षमता को सबके सामने लाते हुए, वही फ्रंटियर मॉडल जिसे लंबे समय से कंपनी के भीतर सबसे शक्तिशाली माना जाता रहा है। Anthropic इसे सामान्य रूप से उपलब्ध अपना सबसे शक्तिशाली मॉडल बताती है, टैगलाइन "लंबे समय तक चलने वाले, जटिल काम के लिए बना" के साथ। शुरुआती भी समझ सकें, इस तरह लिखी गई यह पड़ताल बताती है कि Fable 5 क्या है (Mythos-स्तर की क्षमता का एक सार्वजनिक, सुरक्षित रूप, जो किसी एक Q&A के बजाय मैराथन पूरा करने के लिए अनुकूलित; मॉडल ID claude-fable-5), यह अपने जुड़वां Mythos 5 से कैसे अलग है (अंदर से एक समान, सिर्फ सुरक्षा-कवच में फर्क; जनता Fable का इस्तेमाल करती है), बेंचमार्क (SWE-Bench Pro 80.3% बनाम Opus 4.8 69.2 और GPT-5.5 58.6, Hex लंबे विश्लेषण पर पहली बार 90%+, Cognition FrontierCode और Hebbia फाइनेंस में शीर्ष, बिना मदद के Pokémon खेलते हुए vision में नया SOTA), लंबी स्वायत्तता में इसकी असली ताकत (लाखों टोकन तक ध्यान, 12-घंटे की रन, Stripe द्वारा 50-मिलियन-लाइन Ruby माइग्रेशन एक ही दिन में बनाम हाथ से दो-से-ज़्यादा महीने, फाइल मेमोरी से एक गेम कार्य में Opus 4.8 से 3x ज़्यादा फायदा, GitHub की उच्च-स्वायत्तता long-horizon कोडिंग रिपोर्ट), कीमत और उपलब्धता ($10 इनपुट / $50 आउटपुट प्रति 1M टोकन, 1M संदर्भ और 128K आउटपुट, 9-22 जून तक हर प्लान में मुफ्त फिर क्रेडिट, API claude-fable-5 और GitHub Copilot), Opus 4.8 से सीधी तुलना (स्टैंडर्ड $5/$25 बनाम $10/$50, SWE-Bench Pro पर +11.1 अंक, वही 1M संदर्भ, Opus 4.8 Fast Mode $10/$50 पर; भारी काम Fable 5 को और रोज़मर्रा Opus 4.8 स्टैंडर्ड को बांटें), खास नया सुरक्षा डिज़ाइन (साइबर, जीव-रसायन और distillation क्लासिफायर जो सिर्फ खतरनाक होने पर Opus 4.8 पर लौटते हैं, 5% से कम सत्रों में सक्रिय इसलिए 95%+ पूरे प्रदर्शन पर चलते हैं, Mythos-स्तर ट्रैफिक की 30-दिन सहेज), AI के बहुत खतरनाक होने की चेतावनी के कुछ ही दिन बाद रिलीज़ का संदर्भ (एक तीसरा रास्ता जो सिर्फ खतरनाक क्षेत्र बंद करता है), और इसे कब इस्तेमाल करें। आंकड़े Anthropic की घोषणा और रिपोर्टों से उद्धृत हैं और बदल सकते हैं।

"AI आपकी नौकरी छीन लेगा" यह बात अब आम है, पर एक ज़्यादा रोज़मर्रा वाला बदलाव चुपचाप चल रहा है: एक ही कंपनी में, एक ही भूमिका में काम करने वाले सहकर्मियों के बीच नतीजों की खाई धीरे-धीरे चौड़ी हो रही है — क्योंकि लोग बँट रहे हैं उनमें जो AI को अच्छे से इस्तेमाल करते हैं और उनमें जो नहीं करते या नहीं कर पाते। यह लेख ताज़ा सर्वेक्षण आँकड़ों के साथ बताता है कि AI किस तरह क्षमता की खाई चौड़ी करता है, और यह कोई सीधी-सी "होशियार जीतते हैं" वाली कहानी नहीं है। यह दिखाता है कि फर्क पैदा करने वाला आधार कच्ची ताकत (ज्ञान, रफ्तार, अनुभव) से हटकर "AI को अच्छे से इस्तेमाल करना (AI साक्षरता)" की ओर खिसक रहा है; कि AI एक साथ दो विपरीत ताकतें लगाता है (काम के स्तर पर यह नए लोगों को ज़्यादा उठाता है और अनुभवी लोगों के साथ खाई घटाता है, जबकि पूरे दफ्तर में पहले से आगे लोग — ज़्यादा कमाने वाले, वरिष्ठ भूमिकाएँ — AI को जल्दी और गहराई से अपनाते हैं, खाई चौड़ी करते हैं); आँकड़ों में आज की हालत (एक सर्वेक्षण: 60%+ शीर्ष कमाने वाले रोज़ AI इस्तेमाल करते हैं बनाम 16% कम कमाने वाले, एक ही भूमिका में AI कौशल के लिए अनुमानित +56% वेतन प्रीमियम, और लगभग 39% महसूस करते हैं कि हद से ज़्यादा भरोसा उनकी क्षमता कमज़ोर करता है — सभी उद्धृत और सर्वेक्षण अनुसार भिन्न); खाई चौड़ी करने वाली चार ताकतें (टूल तक पहुँच, समय और प्रशिक्षण, प्रयोग की स्वायत्तता, सीखने की इच्छा — पहली तीन वरिष्ठ भूमिकाओं के पक्ष में, सिर्फ आखिरी आपके हाथ में); तीन प्रकार (आगे निकलता / जहाँ का तहाँ / पीछे छूटता, मुख्य बात बचे समय को निर्णय, योजना और लोगों में लगाना); "इस्तेमाल तो कर लेता है पर सोचता नहीं" बनने का जाल (AI को कच्चे मसौदे की तरह जाँचें, आँख मूँदकर न निगलें); पीछे न छूटने के तरीके (इसे छू लें, अपने काम पर आज़माएँ, जाँचने की आदत बनाएँ, बचे समय का निवेश करें, साझा करें, सीखते रहें); और संगठन का नज़रिया (थोड़ी कंपनियाँ ही ROI देखती हैं, पदों के बीच टकराव, ऐसी व्यवस्था बनाएँ जहाँ सब सीख सकें)। खाई कर्म के फर्क से खुलती है, प्रतिभा से नहीं — और यही उम्मीद भरा भी है, क्योंकि AI का इस्तेमाल सीखना कोई भी आज से शुरू कर सकता है।

बाहर निकलना मुश्किल है, लोगों से बात करना भारी है, आप अभी काम नहीं कर रहे — फिर भी, "घर से, किसी से मिले बिना, अपनी रफ़्तार से" को आमदनी में बदलने की संभावना AI के साथ सचमुच कहीं अधिक खुल गई है। यह दर्शक-विशिष्ट गाइड यथासंभव ईमानदारी और कोमलता से वह पहला कदम सामने रखती है जो एक hikikomori (समाज से कटकर घर में सिमट जाने वाला व्यक्ति) या NEET की स्थिति में रहने वाले इंसान के लिए, शून्य से, AI की मदद से घर से कमाने का रास्ता है। यह पहले ही वादा करती है कि "कोई भी आसानी से महीने के हज़ारों कमा सकता है" नहीं कहेगी (जो अकसर झूठ या बिक्री का चारा होता है) और असली कठिनाई, समय व सावधानियाँ खुलकर लिखती है। इसमें शामिल है कि AI × घर से काम क्यों सही बैठता है (बिना आमने-सामने मिले हो जाता है, शून्य से शुरू आसान, अपनी रफ़्तार से — AI साथी बनकर दीवार नीची करता है), तीन ईमानदार सच्चाइयाँ (आप तुरंत नहीं कमाएँगे और पहला लक्ष्य पहले कुछ डॉलर है; AI मेहनत का एम्प्लिफ़ायर है जादू नहीं, किसी भी चीज़ को शून्य से गुणा करने पर शून्य; होशियार नहीं, जो लगे रहते हैं उन्हें नतीजे मिलते हैं), बिना बात किए कमाने के तरीके (लेखन, ट्रांसक्रिप्शन/सबटाइटल, AI इमेज असेट, डेटा व्यवस्थित करना, अनुवाद जाँच, डिजिटल उत्पाद — पहले एक चुनें), आज का पहला कदम (किसी फ़्री AI को छुएँ, एक क्षेत्र चुनें, एक अभ्यास नमूना बनाएँ — कमाने से पहले बनाएँ), छोटी जीतें कैसे जोड़ें (पोर्टफ़ोलियो, एक कम-पैसे का काम, रेटिंग बनाएँ, दर/मात्रा बढ़ाएँ — रकम नहीं जीतें जुटाएँ, पहला काम सबसे क़ीमती), लगे रहना और मन की रक्षा (तुलना न करें, छोटा तोड़ें, आराम ठीक है, परफ़ेक्शनिज़्म छोड़ें, अकेले न ढोएँ — रोज़गार सहायता व परामर्श सेवाएँ), और धोखे/झूठे दावे, सब AI पर छोड़ने का जोखिम, व टैक्स/आश्रित स्थिति की सावधानियाँ (पहले-पैसे वाले ऑफ़र से बचें, वैध क्राउडसोर्सिंग मुफ़्त है, आधिकारिक जानकारी जाँचें)। यह "कोई भी, आसानी से" नहीं है, पर एक कदम जो आप उठा सकते हैं सचमुच मौजूद है — "मैं भी यह कर सकता हूँ" को एक-एक करके वापस पाएँ।

किसी AI एजेंट से बस इतना कहिए कि "इस ईमेल को पढ़कर जवाब दो" और यह खुद सोचता है, टूल्स इस्तेमाल करता है, और सचमुच काम करता है — पर ठीक इसलिए कि यह खुद कार्य करता है, एक तरह की घटना संभव हो जाती है जो चैट AI में कभी नहीं थी, और 2026 में वह खतरा सिद्धांत से वास्तविक नुकसान की ओर बढ़ने लगा। यह शुरुआती गाइड AI एजेंट सुरक्षा घटनाओं को तीन श्रेणियों में बांटती है: अनुमतियां, रिसाव, और गलत संचालन। इसमें शामिल है कि घटनाएं क्यों होती हैं (एजेंट सिर्फ जवाब नहीं देता, कार्य करता है — मुख्य शब्द; एक प्रतिभाशाली पर भोले नए कर्मचारी से तुलना), एजेंट चैट AI से ज्यादा जोखिम भरे क्यों हैं (टूल्स इस्तेमाल करना, स्वायत्त रूप से चलना, और बाहरी इनपुट पढ़ना का गुणन; OWASP ने 2026 में एजेंट-विशिष्ट जोखिम संकलित किए और "न्यूनतम स्वायत्तता" का समर्थन करता है), घटना 1 अनुमतियां (अत्यधिक स्वायत्तता — पढ़ना काफी होने पर भी भेजने/हटाने की अनुमति, एक मानव खाते की मजबूत अनुमतियां विरासत में लेना, बेकाबू होने पर नुकसान का फूलना, एक लागत-अनुकूलक एजेंट द्वारा बैकअप हटाने का रिपोर्ट किया मामला), घटना 2 रिसाव (अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन जो बाहरी सामग्री में आदेश बिछाता है — रिपोर्ट किए वास्तविक मामले: एक सार्वजनिक Reddit पोस्ट में अदृश्य टेक्स्ट से वन-टाइम पासवर्ड का रिसाव, एक सपोर्ट टिकट के छिपे आदेश से MCP के जरिए SQL डेटा निकालना, एक IDE एजेंट द्वारा सिर्फ दस्तावेज़ खोलने से गुप्त जानकारी चुराना), घटना 3 गलत संचालन (बिना दुर्भावना के भी विनाशकारी संचालन और गलतियों की श्रृंखला), 4-चरणीय हमला प्रवाह, बचाव के 5 बुनियादी सिद्धांत (न्यूनतम विशेषाधिकार, मानवीय स्वीकृति, सैंडबॉक्स, सीमाएं तय करना, बाहरी इनपुट पर अविश्वास), और एक शुरुआती चेकलिस्ट। मूलमंत्र: बहुत ज्यादा शक्ति न सौंपें, खतरनाक संचालन को एक इंसान से रुकवाएं, और बाहरी टेक्स्ट पर हद से ज्यादा भरोसा न करें।

कुछ टेक्स्ट लिखो और सेकंडों में आवाज़ के साथ एक वीडियो जन्म ले लेता है — जो कुछ समय पहले तक साइंस फिक्शन होता, वह 2026 में हकीकत बन गया, और हालात भयावह रफ्तार से बदल रहे हैं। OpenAI का Sora, जो चर्चा का केंद्र बना हुआ था, ने अप्रैल 2026 में अपने ऐप और वेब को बंद कर दिया (API सितंबर में बंद होगा); इसकी जगह Google Veo, Kling और Runway ने बढ़त ले ली। यह अद्यतन (जून 2026), टूल-निरपेक्ष गाइड बताती है कि AI वीडियो जनरेशन क्या है (शब्दों या एक इमेज से चलती-फिरती फुटेज बनाना, अब ऑडियो सिंक, 1080p–4K और इमेज-टू-वीडियो मानक), 2026 का परिदृश्य (Sora का बंद होना — कंप्यूट और लागत के दबाव तथा घटते उपयोगकर्ताओं की रिपोर्ट की गई पृष्ठभूमि — और मौजूदा अगुआ Google Veo 3.1, Kling 3.0 तथा Runway Gen-4.5, जहाँ प्रति-सेकंड मूल्य आम है), यह कैसे काम करता है (समय आयाम में विस्तारित डिफ्यूज़न मॉडल; टेक्स्ट-टू-वीडियो और इमेज-टू-वीडियो), साझा 5-चरण वर्कफ़्लो (टूल चुनो, प्रॉम्प्ट/इमेज, लंबाई/अनुपात/ऑडियो सेट करो, जनरेट करो और चुनो, एडिटिंग में जोड़ो), मुख्य वीडियो-प्रॉम्प्ट टिप्स (विषय + गति + कैमरा वर्क + स्टाइल + लंबाई + ऑडियो, जहाँ क्रियाएँ और कैमरा कुंजी हैं, एक कट एक क्रिया, इमेज-टू-वीडियो का उपयोग, संख्या में जनरेट), यह अभी क्या कर सकता है और क्या नहीं (एक ही बार में लंबे वीडियो और पूरी एकरूपता अब भी मुश्किल, और प्रति-सेकंड लागत बढ़ जाती है), और अधिकार, वॉटरमार्क तथा नैतिकता की बुनियादी बातें (SynthID और C2PA AI उद्गम को मानक और अमिट बनाते हैं, पूरी तरह AI आउटपुट कमज़ोर रूप से सुरक्षित है देश के अनुसार अंतर के साथ, वाणिज्यिक उपयोग शर्तों पर निर्भर है, और असली लोगों के डीपफेक मना हैं)। एक ही बार में लंबा वीडियो बनाने का लक्ष्य रखने के बजाय कट बनाओ और उन्हें एडिटिंग में जोड़ो। क्योंकि यह क्षेत्र तेज़ी से बदलता है, हमेशा नवीनतम की आधिकारिक रूप से पुष्टि करो।

"मुझे चित्र बनाना नहीं आता, इसलिए यह मेरे लिए नहीं है" — AI इमेज जनरेशन के बारे में यह धारणा उलटी है। बस शब्दों में निर्देश दीजिए, और कुछ ही सेकंड में प्रोफेशनल-स्तर के विज़ुअल। यह क्रॉस-टूल गाइड बताती है कि AI इमेज जनरेशन क्या है (शब्दों से शून्य से इमेज बनाना — चित्र बनाने का नहीं, बात पहुँचाने का हुनर; प्रॉम्प्ट इंजीनियरिंग का इमेज वाला रूप), यह कैसे काम करता है (डिफ्यूजन मॉडल आपके प्रॉम्प्ट को संकेत बनाकर यादृच्छिक नॉइज़ से तस्वीर तराशते हैं, हर बार शून्य से बनाते हैं इसलिए नतीजे थोड़े लड़खड़ाते हैं), साझा 4-चरण वर्कफ़्लो जो किसी भी टूल में काम करता है (टूल चुनें, प्रॉम्प्ट लिखें, बनाएँ और चुनें, निखारें और पूरा करें — इटरेशन आधार है), मूल 6-हिस्सों वाली इमेज-प्रॉम्प्ट बनावट (विषय, दृश्य/परिवेश, शैली, प्रकाश/रंग, कंपोज़िशन/दृष्टिकोण, टेक्निकल) साथ में नेगेटिव प्रॉम्प्ट और आस्पेक्ट रेशियो — हालाँकि GPT Image और Imagen सादे वाक्य पसंद करते हैं जबकि Stable Diffusion परिवार के टूल शब्द सूची और नेगेटिव पसंद करते हैं, महारत के 7 टिप्स (संख्या चलाएँ, थोड़ा-थोड़ा करके जोड़ें, रेफ़रेंस इमेज, इनपेंटिंग, सीड स्थिर रखें, अपस्केल, अच्छे प्रॉम्प्ट सहेजें), AI को किसमें दिक्कत होती है (हाथ, टेक्स्ट, एकरूपता, बारीक सटीकता) और उसके जुगाड़, तथा काम के लिए अधिकार, व्यावसायिक-उपयोग और नैतिकता की ज़रूरी बातें (U.S. Copyright Office और 2025 के Thaler फ़ैसले के अनुसार विशुद्ध AI आउटपुट कमज़ोर रूप से सुरक्षित है, देश-दर-देश अंतर के साथ; व्यावसायिक उपयोग हर टूल की शर्तों पर निर्भर; डीपफेक और बिना अनुमति शैली नकल वर्जित; DALL-E के C2PA मेटाडेटा जैसी प्रोवेनेंस फैल रही है)। कौन-सा टूल चुनें और टूल-विशिष्ट तरीके तुलना, Midjourney और Stable Diffusion लेखों से लिंक होते हैं। बनावट जानें, संख्या चलाएँ, शब्द थोड़ा-थोड़ा करके जोड़ें — कोई भी अपने इच्छित शॉट के करीब पहुँच सकता है।

आप उसी AI से वही चीज़ पूछते हैं, फिर भी एक व्यक्ति उसे बेकार कहता है जबकि दूसरा यह देखकर हैरान रहता है कि यह कितना सक्षम है — और इस अंतर की असली वजह अक्सर AI की ताकत नहीं बल्कि प्रॉम्प्ट कैसे लिखा गया है यह होती है। यह उसी कौशल, प्रॉम्प्ट इंजीनियरिंग, का व्यावहारिक संग्रह है, जिसे इस तरह व्यवस्थित किया गया है कि शुरुआती भी तुरंत इस्तेमाल कर सके। इसमें शामिल है कि प्रॉम्प्ट इंजीनियरिंग क्या है (AI को दिए निर्देश को डिज़ाइन और सुधारने का कौशल — कोड नहीं बल्कि कहने के तरीके की कला), वे तीन सिद्धांत जो नतीजे बदलते हैं (ठोस रहें, संदर्भ दें, आउटपुट तय करें, और "Y मत करो" के बजाय "X करो"), अच्छे प्रॉम्प्ट के मूल 6 हिस्से (भूमिका, संदर्भ, निर्देश, उदाहरण, फ़ॉर्मेट, बाधाएँ — वे तत्व जिन्हें COSTAR और RCOF जैसे प्रमुख फ़्रेमवर्क समान रूप से सूचीबद्ध करते हैं; हर बार सभी छह की ज़रूरत नहीं), 7 व्यावहारिक तकनीकें (भूमिका दें, नमूना/few-shot दिखाएँ, कदम-दर-कदम तर्क कराएँ, आउटपुट फ़ॉर्मेट तय करें, विभाजकों से संरचना बनाएँ, एक बार में बहुत ज़्यादा न माँगें, और iterate करें — सबसे मज़बूत iteration है), एक before/after उदाहरण, अगले स्तर की तकनीकें (chain of thought, self-consistency, prompt chaining, ReAct — हालाँकि o-सीरीज़ और Claude की extended thinking जैसे रीज़निंग मॉडल CoT आंतरिक रूप से करते हैं, इसलिए लक्ष्य बताना बेहतर काम करता है), 7 आम गलतियाँ, और मॉडल-विशिष्ट सुझाव तथा इनपुट सुरक्षा। ऐप-डेवलपमेंट प्रॉम्प्ट टिप्स और इनपुट सावधानियों के आंतरिक लिंक के साथ। अस्पष्ट को ठोस में, ठेलने को संवाद में बदलें — कोई भी आज से बेहतर हो सकता है।

जून 2025 में, OpenAI के Sam Altman ने अपने ब्लॉग पर लिखा, "हम इवेंट होराइज़न को पार कर चुके हैं; टेकऑफ शुरू हो चुका है" ("The Gentle Singularity")। फिर भी अन्य शोधकर्ता इस विचार को सिरे से ऐसी चीज़ बताकर खारिज कर देते हैं जो कभी नहीं आएगी। यह शुरुआती गाइड समझाती है कि सिंगुलैरिटी (तकनीकी विलक्षणता) "वह मोड़ का बिंदु है जिस पर AI मानव बुद्धि को पार कर जाता है और स्वयं को सुधारना शुरू कर देता है, जिससे प्रगति विस्फोटक रूप से तेज़ हो जाती है और उसका पूर्वानुमान या नियंत्रण नहीं किया जा सकता" (एक परिकल्पना, 2026 तक साकार नहीं)। इसमें इसका मूल — इंटेलिजेंस एक्सप्लोजन = पुनरावर्ती आत्म-सुधार, जहाँ बुद्धिमान AI और भी बुद्धिमान AI बनाता है और सुधारक मनुष्य से बदलकर AI हो जाता है; यह AGI और ASI से कैसे अलग है (AGI/ASI बुद्धि की "अवस्थाएँ" हैं, सिंगुलैरिटी अप्रत्याशित हो जाने की "घटना" है; AGI → आत्म-सुधार → ASI की ओर अचानक छलांग = सिंगुलैरिटी); शब्द का इतिहास (I. J. Good का 1965 का "इंटेलिजेंस एक्सप्लोजन" → 1993 में Vinge द्वारा नाम लोकप्रिय करना → Kurzweil द्वारा "2045" के साथ मुख्यधारा में लाना); भविष्यवाणियों का व्यापक बिखराव (Kurzweil 2045, Altman "पहले ही शुरू हो चुकी," Vinge, और Gary Marcus तथा दिवंगत Paul Allen के "complexity brake" जैसे संशयवादी); अचानक हार्ड टेकऑफ बनाम क्रमिक सॉफ्ट टेकऑफ; उम्मीदें (रोग और विज्ञान में सफलताएँ) और जोखिम (नियंत्रण का खोना, alignment problem); गहरा संशय (complexity brake, भौतिक सीमाएँ, बिल्कुल अलग चीज़); और "रोबोट राज करेंगे," "AGI आते ही तुरंत," और "2045 के लिए तय" जैसी आम गलतफहमियाँ शामिल हैं। न इससे अत्यधिक डरें और न ही बहुत अधिक सपने देखें — आज के AI का भरपूर उपयोग करें, साथ ही शांति से देखते रहें कि आगे क्या आ सकता है।

2023 में, ChatGPT से लिखे एक ब्रीफ में उद्धृत सभी केस AI मनगढ़ंत निकलने के बाद एक वकील पर दंड लगा — और उस घटना ने कानून व AI को लेकर दुनिया भर में सावधानी फैला दी। फिर भी कुछ ही वर्षों में अपनाना विस्फोटक रूप से बढ़ा, और कहा जाता है कि 90% से अधिक वकील रोज़मर्रा के काम में कोई न कोई AI इस्तेमाल करते हैं। #068 (व्यापार), #094 (मार्केटिंग) और #097 (कंसल्टिंग) के बाद हमारी उद्योग-अनुसार-AI-प्रभाव शृंखला की अगली कड़ी के रूप में, यह पेशों का सर्वेक्षण करता है। आंकड़ों में मौजूदा स्थिति (62% वकील साप्ताहिक 6–20% समय बचत बताते हैं; Harvey और Thomson Reuters के CoCounsel ने Q1 2026 में 1 करोड़+ कानूनी दस्तावेज़ प्रोसेस किए; कर/लेखा/ऑडिट फर्मों में जनरेटिव-AI इस्तेमाल 2024 के 8% से 2025 में 21% हुआ; एक Stanford अध्ययन लेखांकन जैसे क्षेत्रों में शुरुआती-करियर नौकरियां 2022 की तुलना में 13% नीचे, लेखाकार +5% और बहीखाताकार -5% दिखाता है), AI जो काम बदलता है पेशे के अनुसार (वकील = केस शोध, अनुबंध समीक्षा, दायित्व निष्कर्षण; लेखाकार = बहीखाता, वाउचिंग, सैंपलिंग, जोखिम पहचान; कर सलाहकार = डेटा प्रविष्टि, मसौदा रिटर्न, कानून खोज — AI शुरुआती काम करता है, इंसान अंतिम फैसला लेते हैं), हैलुसिनेशन का सबसे बड़ा जोखिम (न मौजूद केस/कानून गढ़ना — दंड और भरोसे की हानि; Harvey 99.7% सत्यापित-उद्धरण सटीकता का दावा करता है और बाकी को फ्लैग करता है, CoCounsel उद्धरणों को केस डेटाबेस पर आधारित करता है इसलिए केवल वास्तविक केस उद्धृत करता है), अपरिवर्तनीय असली मूल्य (अंतिम निर्णय, पेशेवर संदेह, नैतिकता, ग्रे कर फैसले, और — निर्णायक रूप से — हस्ताक्षर व कानूनी दायित्व जो AI को नहीं सौंपा जा सकता), जूनियर संकट (प्रशिक्षु नियमित काम का स्वचालन) और नई भूमिकाएं (AI अनुपालन अधिकारी, कर प्रॉम्प्ट इंजीनियर), और कार्यरत पेशेवरों, इच्छुकों व ग्राहकों के लिए भूमिका-अनुसार सलाह (उद्धरणों व आंकड़ों को प्राथमिक स्रोतों से सत्यापित करें; गोपनीयता संभालना पुष्टि करें)। विनियमन और दायित्व देश के अनुसार भिन्न; जापान में लेखा सॉफ्टवेयर में AI फीचर भी व्यापक हैं। AI जो सवाल रखता है: आप जो बेचते हैं वह काम है, या निर्णय और जिम्मेदारी?

"बिल्ड पूरा होने पर बता देना।" "अगर CI लाल हो जाए, तो ठीक कर देना।" "हर 5 मिनट पर डिप्लॉय पर नज़र रखना।" इन चिपके रहने वाले कामों को पूरी तरह AI को सौंपना — यही 2026 में Claude Code में जोड़ी गई /loop कमांड संभव बनाती है। यह शुरुआती गाइड बताती है कि /loop एक सेशन-स्कोप्ड शेड्यूलर है जो एक प्रॉम्प्ट या स्लैश कमांड को आपके तय किए (या AI के तय किए) अंतराल पर बार-बार चलाता है, फिर इसके इस्तेमाल के चार तरीके (① /loop 5m X = निश्चित cron अंतराल ② /loop X = सेल्फ-पेसिंग जहाँ AI अंतराल तय करता है ③ /loop 15m = बिल्ट-इन मेंटेनेंस प्रॉम्प्ट ④ /loop = ऑटो-मेंटेनेंस), अंतराल कैसे लिखें (संख्या + इकाई s/m/h/d, न्यूनतम 1 मिनट, "every 2 hours" जैसी प्राकृतिक भाषा, और आप स्लैश कमांड भी लूप कर सकते हैं: /loop 20m /review-pr 1234), सेल्फ-पेसिंग की ताकत (सक्रिय होने पर कम, शांत होने पर ज़्यादा इंतज़ार, 1 मिनट से 1 घंटे के बीच, और — सादे cron के उलट — काम पूरा मानते ही loop अपने-आप खत्म), व्यावहारिक रेसिपी (CI/डिप्लॉय देखना, PR की देखभाल, लंबे बिल्ड जाँचना, रिमाइंडर, ब्रांच ऑटो-मेंटेनेंस), इसे कैसे रोकें और सावधानियाँ (Esc से रोकें, सेशन-स्कोप्ड इसलिए नई बातचीत इसे साफ़ कर देती है, टर्मिनल बंद करने पर रुकता है, निश्चित अंतराल 7 दिन तक चलते हैं, प्रति सेशन अधिकतम 50 टास्क, टर्न के बीच jitter के साथ चलता है, स्थानीय टाइमज़ोन), तीन शेड्यूलिंग सुविधाओं में से कैसे चुनें (सेशन-भीतर निगरानी के लिए /loop, रेज़िडेंट लोकल काम के लिए Desktop scheduled tasks, बिना देखरेख क्लाउड ऑपरेशन के लिए Routines), और loop.md कस्टमाइज़ेशन साथ ही CLAUDE_CODE_DISABLE_CRON=1 से बंद करना — सब आधिकारिक डॉक्स (2026 तक) पर आधारित। /loop जो बदलती है वह है उस काम का समय-अक्ष जिसे आप AI को सौंप सकते हैं।

एक घंटे के वीडियो में हाथ से सबटाइटल लगाना पहले पूरा दिन खा जाता था — सुनो, रोको, टाइप करो, टाइमकोड मिलाओ। 2026 में यह नरक "वीडियो डालो और कुछ मिनट इंतज़ार करो" से पूरा हो जाता है। वीडियो और ऑडियो कंटेंट के सबटाइटल/ट्रांसक्रिप्शन पर केंद्रित (मीटिंग मिनट्स #086 में, इमेज OCR #091 में), यह गाइड बताती है कि AI कौन-से चार चरण ऑटोमेट करता है (ऑडियो निकालना → डायराइज़ेशन के साथ ट्रांसक्रिप्शन → SRT/VTT में टाइमकोडिंग → अनुवाद और स्टाइलिंग), सबटाइटल (SRT/VTT) और ट्रांसक्रिप्ट का फ़र्क और कब किसे चुनें, टूल तुलना (मुफ़्त-और-गोपनीय Whisper, सब-कुछ-एडिट Descript, उच्च-सटीकता-बहुभाषी Sonix और Happy Scribe, व्यक्ति-अनुकूल Notta, मोबाइल CapCut, सबसे आसान YouTube ऑटो-कैप्शन — कई अंदरूनी तौर पर Whisper-परिवार की रिकग्निशन इस्तेमाल करते हुए), सबसे दोहराने-योग्य 4-स्टेप वर्कफ़्लो (तैयार करें → ट्रांसक्राइब → प्रूफ़रीड → SRT/VTT एक्सपोर्ट/संलग्न), उपयोग के अनुसार सुझाव (YouTube, पॉडकास्ट, लेक्चर, इंटरव्यू, गोपनीय, बहुभाषी), सटीकता के 6 टिप्स जिनमें ऑडियो गुणवत्ता नतीजे का 80% है (गुणवत्ता, भाषा सेटिंग, संज्ञा-सूची, find-and-replace, डायराइज़ेशन, लाइन की लंबाई), राजमार्ग बहुभाषी वर्कफ़्लो (स्रोत भाषा परफ़ेक्ट करें → AI-अनुवाद → नेटिव समीक्षा), और नुकसान — सटीकता पर अति-भरोसा, शोर व तकनीकी शब्दों पर कमज़ोरी, कॉपीराइट, गोपनीय अपलोड, और टाइमकोड का खिसकना। साफ़ ऑडियो पर सटीकता 90–96% (प्रकाशित, स्थिति पर निर्भर) और मेहनत 80–90% घटती है। काम AI को; फ़िनिशिंग — संज्ञाएँ जाँचना और पूरा देखना — आपको।

जूनियर कंसल्टेंट्स की दीक्षा-परंपरा — डेक पर रात-रात भर जागना, अंतहीन मैनुअल रिसर्च — चटक रही है। McKinsey का "Lilli" 100,000+ दस्तावेज़ों को सेकंडों में स्कैन कर डेक का मसौदा बनाता है; BCG का "Deckster" स्लाइड पल भर में निखारता है; एक विश्लेषण के अनुसार किसी जूनियर एनालिस्ट के रिसर्च और स्लाइड काम का ~80% सेकंडों में बदला जा सकता है। #068 (ट्रेडिंग कंपनियां) और #094 (मार्केटिंग) के बाद हमारी उद्योग-वार AI-प्रभाव शृंखला की अगली कड़ी के रूप में, यह कंसल्टिंग का सर्वेक्षण करता है: आंकड़ों में मौजूदा हालात (Big Four और रणनीति फर्मों ने 2023 से AI में $10B+ झोंका, PwC ने तीन साल में $1B, BCG के 2025 के $14.4B राजस्व का ~25% = ~$3.6B AI से, 758 BCG कंसल्टेंट्स पर HBS अध्ययन में AI इस्तेमाल करने वालों ने 12.2% अधिक काम, 25.1% तेज़, 40%+ बेहतर गुणवत्ता), पांच क्षेत्र जिन्हें AI बदलता है (रिसर्च, डेक, विश्लेषण, मिनट्स, और नई AI-रणनीति सेवाएं — फिलहाल बड़ी फर्मों में शुद्ध रोज़गार-सृजक), पिरामिड मॉडल का ढहना (जूनियरों का नियमित काम, एक अनुमान के अनुसार ~80%, सेकंडों में स्वचालित; प्रशिक्षण-पाइपलाइन की चिंताओं के साथ लीन कुछ-लोग-प्लस-AI टीमों की ओर), प्राइसिंग में भूचाल (उत्पादकता विरोधाभास — जल्दी खत्म करने का मतलब घंटों की दर पर कम बिल — और 73% ग्राहक परिणाम-आधारित प्राइसिंग को तरजीह देते हुए परिणाम-आधारित व निश्चित-मूल्य की ओर धकेलते हैं), अपरिवर्तनीय असली मूल्य (सवाल को ढांचा देना, व्याख्या, निर्णय, भरोसा, क्रियान्वयन — सिस्टम को चलाने वाला कंसल्टेंट खुद सिस्टम से ज़्यादा मायने रखता है), टैंकर जैसे दिग्गज बनाम स्पीडबोट जैसी बुटीक का विभाजन (अनुमानों के अनुसार छोटी फर्मों की वृद्धि 50% तक), और इच्छुक लोगों, कार्यरत कंसल्टेंट्स तथा ग्राहक कंपनियों के लिए भूमिका-वार सलाह। AI जो सवाल रखता है: आपका मूल्य काम है, या निर्णय?