"आप कौन-सा LLM इस्तेमाल करते हैं?" गलत सवाल क्यों है?

जब कोई बिज़नेस किसी AI टूल का मूल्यांकन करता है, तो बातचीत लगभग हमेशा मॉडल से शुरू होती है। "यह GPT है या Claude?" "कौन-सा वर्ज़न?" "नया मॉडल ज़्यादा स्मार्ट है, तो उत्पाद भी बेहतर होगा, है ना?" सवाल समझ में आता है — लेकिन यह लगभग उतना ही उपयोगी है जितना किसी कॉन्ट्रैक्टर को उसके लैपटॉप के ब्रांड से चुनना।

एक प्रयोग करते हैं। एक ही मॉडल लें — मान लीजिए Anthropic का फ्लैगशिप मॉडल — और उसे दो अलग-अलग उत्पादों के अंदर देखें। पहला है Cursor, एक कोडिंग एजेंट। Slack में उसे किसी टास्क के साथ मेंशन कीजिए — वह एक वर्चुअल मशीन शुरू करता है, आपकी रिपॉज़िटरी क्लोन करता है, कोड लिखता है, टेस्ट चलाता है और एक pull request सौंप देता है। एक शानदार इंजीनियर।

दूसरा है Claude Tag, उसी Slack में एक "हरफ़नमौला सहकर्मी"। वह चैनल की हिस्ट्री पढ़ता है, प्रोजेक्ट का संदर्भ याद रखता है, आपके दस्तावेज़ों और कैलेंडर से जुड़ता है। कोड भी लिख सकता है — लेकिन उतनी ही सहजता से किसी क्लाइंट की बातचीत का विश्लेषण करके सुझाएगा कि डिस्काउंट की तीसरी मांग का जवाब कैसे दिया जाए।

अंदर वही एक मॉडल। बाहर दो बिल्कुल अलग विशेषज्ञ। कोडिंग एजेंट से क्लाइंट कम्युनिकेशन की रणनीति पूछिए — वह कुछ न कुछ जवाब देगा, मॉडल आख़िर स्मार्ट है। लेकिन वह जवाब वैसा होगा जैसे प्लंबर से लिविंग रूम की सजावट पर राय लेना: आदमी काबिल है, बस दूसरे औज़ार लेकर, दूसरी भूमिका में आया है।

Harness वह व्यवस्था है जो भाषा मॉडल को किसी काम के लिए तैयार करती है: उसे निर्देश देती है, जानकारी उपलब्ध कराती है और ज़रूरी टूल इस्तेमाल करने देती है।

Harness बदल दीजिए — वही मॉडल दूसरा उत्पाद बन जाएगा। Harness कमज़ोर छोड़ दीजिए — मॉडल का अपग्रेड लगभग कुछ नहीं बदलेगा।

यह सब सिर्फ़ उन टूल्स पर लागू नहीं होता जो आप ख़रीदते हैं, बल्कि इस पर भी कि AI आपके बिज़नेस को कैसे देखता है। जब कोई संभावित ग्राहक ChatGPT, Claude या Perplexity से पूछता है "X के लिए कौन-सी सेवा चुनूँ", तो मॉडल याददाश्त से जवाब नहीं देता। वह अपने harness के अंदर काम करता है: search टूल पेज ढूँढता है, पार्सर टेक्स्ट निकालता है, और उसके बाद ही मॉडल जवाब तैयार करता है। हर क़दम पर आपकी वेबसाइट या तो फ़िल्टर पार करती है, या नहीं।

भारी क्लाइंट-साइड JavaScript पर बनी ख़ूबसूरत साइट पार्सर के लिए अदृश्य हो सकती है। साफ़ संरचना के बिना पेज — शीर्षक, तथ्य, ठोस जानकारी — पढ़ा तो जाएगा, पर कभी उद्धृत नहीं होगा: मॉडल के पास लेने को कुछ नहीं है। बाहरी स्रोतों पर ज़िक्र न होने का मतलब है कि search वाला क़दम आपको ढूँढ ही नहीं पाएगा।

यही GEO (Generative Engine Optimization) का विषय है: अनुकूलन ranking एल्गोरिद्म के लिए नहीं, बल्कि जनरेटिव सिस्टम्स के harness के लिए — यानी इस बात के लिए कि AI एजेंट आपकी सामग्री को कैसे खोजते, पढ़ते और आगे सुनाते हैं। क्लासिक SEO पूछता था: "टॉप-10 लिंक में कैसे आएँ?" GEO पूछता है: "ख़ुद जवाब के अंदर कैसे आएँ?"

अगर आप AI टूल चुन रहे हैं — मॉडल से आगे देखिए और जाँचिए कि harness आपके काम से कितना मेल खाता है। "साधारण" मॉडल वाला टूल, जिसके पास सही औज़ार और आपके डेटा तक पहुँच है, जेनेरिक चैट विंडो में बैठे फ्लैगशिप मॉडल को हरा देगा।

अगर आप कंपनी के भीतर AI प्रणाली बना रहे हैं, तो पहले तय करें कि एजेंट की भूमिका क्या होगी, उसे कौन-सी जानकारी मिलेगी, वह क्या कर सकेगा और उसकी सीमाएँ क्या होंगी। इससे उपयुक्त मॉडल चुनना आसान होगा; बाद में ज़रूरत के अनुसार मॉडल बदला भी जा सकेगा।

अगर आप चाहते हैं कि AI आपके व्यवसाय की सिफ़ारिश करे, तो वेबसाइट को उस जानकारी का हिस्सा समझें जिसका असिस्टेंट इस्तेमाल करेगा। पेज ऐसे हों कि उनसे सही संदर्भ और काम की जानकारी आसानी से मिल सके।