Grindr का 70% कोड AI द्वारा बनाया गया है और यह पूरी व्यापार मॉडल को बदलता है

Grindr का 70% कोड AI द्वारा बनाया गया है और यह पूरी व्यापार मॉडल को बदलता है

Grindr ने हाल ही में एक संख्या साझा की है जो दुनिया की सभी सॉफ़्टवेयर कंपनियों की बोर्ड मीटिंग में होनी चाहिए: उनके कोड का 70% अब कृत्रिम बुद्धिमत्ता (AI) द्वारा उत्पन्न किया जा रहा है। यह कोई पायलट प्रयोग नहीं है बल्कि मानक संचालन है। कंपनी के उत्पाद निदेशक, एजे बैलेंस ने व्यवसाय अंदरूनी में एक साक्षात्कार में इसकी पुष्टि की, और CEO जॉर्ज एरिसन ने इसे एक अलग साक्षात्कार में पुष्ट करते हुए कहा कि यह प्रक्रिया संगठन को AI के मूलभूत मॉडल में "टेराफॉर्म" करने जैसा है।

इस मामले को दिलचस्प बनाने वाली बात यह नहीं है कि यह प्रतिशत कितना बड़ा है, बल्कि इसके पीछे के निर्णयों की संरचना है। ग्राइंडर, गूगल या माइक्रोसॉफ्ट नहीं है। यह 65 इंजीनियरों के एक समूह के साथ LGBTQ+ समुदाय के लिए एक डेटिंग ऐप चलाने वाली एक कंपनी है, जिसका व्यवसाय मॉडल मुख्यतः विज्ञापन पर निर्भर है, और जहां 90% से अधिक उपयोगकर्ता कुछ भी भुगतान नहीं करते। यह संदर्भ संख्या के अर्थ को पूरी तरह से बदल देता है।

आंतरिक डेटा क्या कहता है और क्या नहीं कहता

जनवरी 2026 में, ग्राइंडर की इंजीनियरिंग टीम ने अपने 65 इंजीनियरों में से 50 का एक सर्वेक्षण किया। परिणामों को नजरअंदाज करना कठिन है: 92% ने अपनी पूर्व गति के मुकाबले 1.5 गुना या उससे अधिक उत्पादकता में वृद्धि की रिपोर्ट दी। 58% कहते हैं कि वे पहले की तुलना में 2 से 3 गुना अधिक उत्पादन करते हैं। 94% अपने कार्य सत्रों में 1 से 5 AI एजेंटों का उपयोग करते हैं, और 64% अपने कार्य दिवस के अधिकांश समय में कम से कम एक एजेंट का उपयोग करते हैं।

उपकरणों का इनका पोर्टफोलियो व्यापक है: Claude Code, GitHub Copilot, Cursor, Codex, और Firebender इंजीनियरिंग के लिए; Midjourney, Sora, और ComfyUI डिज़ाइन के लिए। कंपनी ने किसी एक प्रदाता पर दांव नहीं लगाया, जिससे यह पता चलता है कि उन्होंने किसी एक प्लेटफार्म के प्रति बंधक न होने का निर्णय लिया है।

हालांकि, उसी सर्वेक्षण में वास्तविक झगड़ों का दस्तावेजीकरण किया गया है: 60% इंजीनियरों को एजेंटों के बीच संदर्भ बदलने में कठिनाई का सामना करना पड़ता है; 42% अधिक एजेंटों का उपयोग करना चाहते हैं लेकिन प्रबंधन में कौशल की कमी का दावा करते हैं; 28% हार्डवेयर सीमाओं का सामना करते हैं; और 20% मानव समीक्षा के बिना स्वचालित तैनाती पर भरोसा नहीं करते। ये एक चल रही संक्रमण की सामान्य तनाव हैं, न कि किसी गंभीर चेतावनी के संकेत, लेकिन यह दर्शाते हैं कि व्यापक अपनाने का अर्थ यह नहीं है कि यह सही है।

यहाँ वह बिंदु है जो अधिकांश विश्लेषणों में खो जाता है: 1.5x से 3x की उत्पादकता वृद्धि सभी व्यापार मॉडल में एक समान मूल्य नहीं रखती। यदि आपके पास एक मांग पाइपलाइन है जो तीन गुना अधिक उत्पाद को अवशोषित कर सकती है, तो वह गुणांक सीधे आय में बदल जाता है। यदि आपकी मुख्य सीमा विकास की गति नहीं है, बल्कि उन उपयोगकर्ताओं की मोनेटाइजेशन क्षमता है जो भुगतान नहीं करना चाहते, तो आप एक अलग गले के बॉटलनेक में क्षमता जमा कर रहे हैं।

आय मॉडल एक वास्तविक तनाव बिंदु के रूप में

ग्राइंडर एक पारंपरिक दोहरी मोटर संरचना के साथ काम करता है: एक विशाल मुफ्त उपयोगकर्ता आधार पर विज्ञापन, और उन श्रेणी में छोटी संख्या के लिए प्रीमियम सब्सक्रिप्शन जो भुगतान करने के लिए तैयार हैं। 2026 में इस मॉडल का मुद्दा नया नहीं है, लेकिन यह गंभीर हो गया है: उपयोगकर्ता अब विज्ञापन संघनन को कम सहन कर पा रहे हैं, और मोबाइल गेम के मुश्किल विज्ञापन फॉर्मेट ने पर्याप्त शिकायतें पैदा कीं, जिससे आंतरिक रिवर्सल हुए हैं।

इस पृष्ठभूमि में, ग्राइंडर Edge की परीक्षा कर रहा है, जो प्रीमियम सब्सक्रिप्शन का एक स्तर है जिसकी कीमतें 80 डॉलर प्रति सप्ताह या सार्वजनिक रूप से चर्चा किए गए कुछ स्कीमों में 350 डॉलर तक पहुंचती हैं। एजे बैलेंस ने खुद स्वीकार किया कि कीमत ने विशेष मीडिया में प्रतिक्रियाएँ उत्पन्न की हैं। लेकिन आंकड़ों के पीछे की तर्क सामयिक नहीं है: 90% से अधिक उपयोगकर्ताओं के मुफ्त स्तर पर होने के कारण, एकमात्र तरीका जिस से प्रति भुगतान करने वाले उपयोगकर्ता की औसत आय (ARPU) में सुधार किया जा सके वह है कि उस अल्पसंख्यक खंड के लिए भुगतान क्षमता को तेजी से बढ़ाना। यह मात्रा पर दांव नहीं है; यह अनुभव किए गए मूल्य की तीव्रता पर दांव है।

Edge में प्लेटफॉर्म के ऐतिहासिक डेटा पर निर्मित सुविधाएँ शामिल हैं। A-List उपयोगकर्ता के शीर्ष संपर्कों के साथ हुई बातचीत के AI-जनित सारांश प्रदान करता है, जिसमें साझा की गई जानकारी और तस्वीरें शामिल हैं। Discover प्रोफाइल की भौगोलिक सीमा को तोड़ता है। ये इंटरफेस में सुधार नहीं हैं; ये नए उत्पाद हैं जो केवल ग्राइंडर के पास हजारों इंटरैक्शन के वर्षों के संचय के कारण मौजूद हैं। एरिसन ने यह सही कहा: "AI सिद्धांत रूप से अच्छा है, लेकिन यदि आपके पास डेटा नहीं है, तो वह ज्यादा कुछ नहीं कर सकता"।

वही डेटा असली संपत्ति है। AI द्वारा बढ़ी हुई इंजीनियरिंग उत्पादकता उन डेटा पर तेजी से पुनरावृत्ति करने की अनुमति देती है। लेकिन Edge के स्थायी मॉडल के रूप में मान्यता इस पर निर्भर करती है कि क्या पर्याप्त का एक वर्ग यह समझता है कि वे 350 डॉलर में कुछ ऐसा खरीदते हैं जो वे कहीं और नहीं प्राप्त कर सकते। उस मान्यता अब हो रही है, अभी तक हल नहीं हुई है।

संगठनात्मक संरचना का चुपचाप पुनर्निर्धारण

इस मामले का एक पहलू जो उत्पादकता की सुर्खियों में नहीं आता: ग्राइंडर उस क्षमता के साथ क्या कर रहा है जिसे उसने मुक्त किया। अपने इंजीनियरिंग टीम को कम करने के बजाय, वह और अधिक इंजीनियरों, उत्पाद प्रबंधकों, और डिजाइनरों को शामिल कर रहा है, जिसमें एक नया डिज़ाइन निदेशक भी शामिल है। यह दांव स्पष्ट है: AI संगठन को निचोड़ता नहीं है, बल्कि यह पुनर्परिभाषित करता है कि वही संख्या की व्यक्तियों के साथ क्या किया जा सकता है या उससे अधिक।

यह एक पोर्टफोलियो का निर्णय है। AI के माध्यम से 70% कोड उत्पन्न करने वाली संचालन दक्षता तुरंत निश्चित लागत में कमी में परिवर्तित नहीं हो रही है। यह Edge की कार्यक्षेत्र क्षमताओं और उपयोगकर्ता के साथ कम घर्षण पैदा करने वाले विज्ञापनों के प्रयोग में फिर से निवेश की जा रही है — जैसे कि इनाम विज्ञापन जो उपयोगकर्ताओं को स्वेच्छा से एक विज्ञापन देखने के बदले प्रीमियम कार्यों तक पहुँचने की अनुमति देते हैं।

यह पुनर्विनियोग एक बाइमोडल पोर्टफोलियो के भीतर तार्किक है: वर्तमान इंजन (विज्ञापन + बुनियादी भौतिक) भविष्य के इंजन (उच्च मूल्य वाले डेटा पर सब्सक्रिप्शन + कम अस्वीकृति वाले विज्ञापन प्रारूप) के अन्वेषण के लिए वित्त पोषण करता है। जोखिम यह है कि Edge अभी भी स्केल में पर्याप्त सिद्ध नहीं हुआ है ताकि दूसरा इंजन बन सके, और जब तक ऐसा न हो, बढ़ती लागत संरचना उन आयों पर निर्भर करती है जो अभी तक ठोस नहीं हुई हैं।

ग्राइंडर जो कर रहा है वह आंतरिक दक्षता लाभ द्वारा वित्तपोषित व्यवसाय मॉडल का एक संक्रमण है। यदि Edge अपना मूल्य पर्याप्त उपयोगकर्ताओं के साथ मान्य करता है, तो समीकरण अधिक उत्पादक कंपनी, विज्ञापनों पर कम निर्भरता और एक सामग्री रूप से अधिक उच्च ARPU के साथ बंद हो जाता है। यदि Edge स्केल नहीं करता, तो प्राप्त की गई दक्षता ने एक अन्वेषण को वित्तपोषित किया होगा जिसने दूसरी आय के लिए पर्याप्त स्वरूप उत्पन्न नहीं किया।

AI की उत्पादकता दांव नहीं है, बल्कि इसे सक्षम करने वाला है

AI के माध्यम से 70% कोड एक संचालन में उपलब्धि है, जिसे कुछ सॉफ़्टवेयर कंपनियाँ ग्राइंडर की इंजीनियरिंग रिपोर्ट में दिखाई गई पारदर्शिता के साथ प्रलेखित कर सकती हैं। लेकिन उस उपलब्धि को केंद्रीय रणनीति के साथ भ्रमित करना एक गलत पढ़ाई है। उत्पादकता सक्षम करने वाला है; दांव यह है कि वर्षों से संचय किए गए डेटा एक ऐसी प्रतिस्पर्धात्मक बढ़त प्रस्तुत करते हैं जो प्रीमियम कीमतें उचित ठहराती हैं, जो डेटिंग ऐप्स के बाजार में शायद ही कभी ठहरी हैं।

जिस संगठनात्मक संरचना का ग्राइंडर निर्माण कर रहा है — एजेंटों द्वारा बढ़ाए गए इंजीनियरिंग टीम, जनरेटिव मॉडलों द्वारा बढ़ाया गया डिज़ाइन, एक उच्च मूल्य वाले सब्सक्रिप्शन स्तर का अन्वेषण — आंतरिक सहानुभूति है। अनसुलझी चर वह वाणिज्यिक मान्यता के सामने Edge की पुष्टि की गति है, जबकि मुफ्त विज्ञापन की आधार पर रोकने के लिए बढ़ती उपयोगकर्ता प्रतिरोध जारी है। वह तनाव, AI के अपनाने का नहीं, आने वाले त्रैमासिक में असली संकेतक है।