Meta Platforms ਆਪਣੀਆਂ ਨਵੀਆਂ ਸਟੈਂਡਅਲੋਨ ਮੋਬਾਈਲ ਐਪਸ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਲਾਂਚ ਅਤੇ ਸਕੇਲ ਕਰਨ ਲਈ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਅਤੇ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲ (LLMs) ਦੀ ਵਰਤੋਂ ਕਰ ਰਿਹਾ ਹੈ। ਇਹ ਰਣਨੀਤੀ Threads ਦੀ ਸਫਲਤਾ 'ਤੇ ਆਧਾਰਿਤ ਹੈ, ਜਿਸ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ **500 ਮਿਲੀਅਨ** ਮਾਸਿਕ ਉਪਭੋਗਤਾਵਾਂ ਦਾ ਅੰਕੜਾ ਪਾਰ ਕੀਤਾ ਹੈ। ਨਿਵੇਸ਼ਕ ਨਿਗਰਾਨੀ ਕਰ ਰਹੇ ਹਨ ਕਿ AI-ਡ੍ਰਾਈਵਨ ਇਹਨਾਂ ਨਵੇਂ ਉਤਪਾਦਾਂ ਦੇ ਲਾਂਚ ਨਾਲ ਕੰਪਨੀ ਦੇ ਲੰਬੇ ਸਮੇਂ ਦੇ ਯੂਜ਼ਰ ਗ੍ਰੋਥ ਅਤੇ ਓਪਰੇਸ਼ਨਲ ਐਫੀਸ਼ੀਅਨਸੀ 'ਤੇ ਕੀ ਅਸਰ ਪਵੇਗਾ।
Meta Platforms ਨੇ ਆਪਣੀ ਪ੍ਰੋਡਕਟ ਡਿਵੈੱਲਪਮੈਂਟ ਰਣਨੀਤੀ ਵਿੱਚ ਵੱਡਾ ਬਦਲਾਅ ਕੀਤਾ ਹੈ, ਜਿਸ ਤਹਿਤ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਨੂੰ ਇੰਜੀਨੀਅਰਿੰਗ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਕੰਪਨੀ ਦੇ CEO ਮਾਰਕ ਜ਼ਕਰਬਰਗ ਨੇ ਦੂਜੀ ਤਿਮਾਹੀ ਦੀ ਕਮਾਈ ਦੇ ਸਬੰਧ ਵਿੱਚ ਦੱਸਿਆ ਕਿ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲ (LLMs) ਨਵੀਆਂ ਮੋਬਾਈਲ ਐਪਸ ਨੂੰ ਪਹਿਲਾਂ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਤੇਜ਼ੀ ਨਾਲ ਟੈਸਟ ਕਰਨ ਅਤੇ ਲਾਂਚ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਰਹੇ ਹਨ। ਇਸ ਦਾ ਮੁੱਖ ਉਦੇਸ਼ ਹੌਲੀ ਡਿਵੈੱਲਪਮੈਂਟ ਸਾਈਕਲ ਤੋਂ ਬਾਹਰ ਨਿਕਲ ਕੇ ਅਜਿਹੇ ਮਾਹੌਲ ਨੂੰ ਬਣਾਉਣਾ ਹੈ ਜਿੱਥੇ ਨਵੇਂ ਆਈਡੀਆਜ਼ ਨੂੰ ਜਲਦ ਬਣਾ ਕੇ, ਪਰਖ ਕੇ ਅਤੇ ਸਕੇਲ ਕੀਤਾ ਜਾ ਸਕੇ।
AI ਸਿਸਟਮਾਂ ਨਾਲ ਐਪਸ ਨੂੰ ਸਕੇਲ ਕਰਨਾ
Meta ਨੇ ਪਹਿਲਾਂ ਹੀ ਵੱਖ-ਵੱਖ ਸੈਗਮੈਂਟਸ, ਜਿਵੇਂ ਕਿ ਮਾਰਕੀਟਪਲੇਸ ਵੇਚਣ ਵਾਲੇ, ਫੇਸਬੁੱਕ ਗਰੁੱਪ ਦੇ ਉਪਭੋਗਤਾ ਅਤੇ ਫੋਟੋਗ੍ਰਾਫੀ ਦੇ ਸ਼ੌਕੀਨਾਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦੇ ਹੋਏ ਕਈ ਪ੍ਰਯੋਗਾਤਮਕ ਐਪਸ ਲਾਂਚ ਕੀਤੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ ਇਹ ਸ਼ੁਰੂਆਤੀ ਰਿਲੀਜ਼ ਟੈਸਟਿੰਗ ਲਈ ਹਨ, Meta AI-ਨੈਟਿਵ ਰਿਕਮੈਂਡੇਸ਼ਨ ਸਿਸਟਮ ਬਣਾ ਰਿਹਾ ਹੈ ਜੋ ਇਨ੍ਹਾਂ ਐਪਸ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਗਾਹਕਾਂ ਤੱਕ ਪਹੁੰਚਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਨਗੇ। AI ਦੀ ਵਰਤੋਂ ਨਾਲ ਕੰਟੈਂਟ ਨੂੰ ਸਮਝ ਕੇ ਅਤੇ ਜਾਣਕਾਰੀ ਦੀ ਰੈਂਕਿੰਗ ਨੂੰ ਬਿਹਤਰ ਬਣਾ ਕੇ, ਕੰਪਨੀ ਨਵੀਂ ਐਪ ਨੂੰ ਵੱਡੇ ਉਪਭੋਗਤਾ ਆਧਾਰ ਤੱਕ ਪਹੁੰਚਣ ਵਿੱਚ ਲੱਗਣ ਵਾਲੇ ਸਮੇਂ ਨੂੰ ਘਟਾਉਣ ਦਾ ਟੀਚਾ ਰੱਖ ਰਹੀ ਹੈ।
ਪਿਛਲੀਆਂ ਚੁਣੌਤੀਆਂ ਤੋਂ ਸਿੱਖਣਾ
Meta ਦਾ ਸਟੈਂਡਅਲੋਨ ਐਪਸ ਵੱਲ ਇਹ ਧਿਆਨ ਪਿਛਲੇ ਅਜਿਹੇ ਪ੍ਰਯੋਗਾਂ ਤੋਂ ਬਾਅਦ ਆਇਆ ਹੈ ਜੋ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਲੋਕਪ੍ਰਿਯਤਾ ਹਾਸਲ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹੇ ਸਨ। ਕ੍ਰਿਏਟਿਵ ਲੈਬਸ ਅਤੇ NPE ਟੀਮ ਵਰਗੀਆਂ ਪਹਿਲਕਦਮੀਆਂ ਨੇ ਪਹਿਲਾਂ Slingshot ਅਤੇ Paper ਵਰਗੀਆਂ ਕਈ ਸੋਸ਼ਲ ਐਪਸ ਲਾਂਚ ਕੀਤੀਆਂ ਸਨ, ਜੋ ਘੱਟ ਯੂਜ਼ਰ ਐਂਗੇਜਮੈਂਟ ਕਾਰਨ ਬੰਦ ਕਰ ਦਿੱਤੀਆਂ ਗਈਆਂ ਸਨ। ਹਾਲਾਂਕਿ, ਪ੍ਰਬੰਧਨ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਮੌਜੂਦਾ ਮਾਹੌਲ ਵੱਖਰਾ ਹੈ ਕਿਉਂਕਿ AI ਹੁਣ ਕੰਟੈਂਟ ਡਿਸਕਵਰੀ ਅਤੇ ਐਪ ਬਣਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਦੋਵਾਂ ਨੂੰ ਪਾਵਰ ਕਰ ਰਿਹਾ ਹੈ, ਜੋ ਪਿਛਲੀਆਂ ਕੋਸ਼ਿਸ਼ਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਮਜ਼ਬੂਤ ਨੀਂਹ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
Threads ਗ੍ਰੋਥ ਦਾ ਉਦਾਹਰਨ
Threads ਦਾ ਤੇਜ਼ੀ ਨਾਲ ਵਾਧਾ, ਜੋ 500 ਮਿਲੀਅਨ ਮਾਸਿਕ ਸਰਗਰਮ ਉਪਭੋਗਤਾਵਾਂ ਤੱਕ ਪਹੁੰਚ ਗਿਆ ਹੈ, ਇਸ ਰਣਨੀਤੀ ਲਈ ਇੱਕ ਪ੍ਰਾਇਮਰੀ ਮਾਡਲ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਐਪ ਦੀ ਸਫਲਤਾ Meta ਦੇ ਮੌਜੂਦਾ ਸੋਸ਼ਲ ਨੈਟਵਰਕ ਕੁਨੈਕਸ਼ਨਾਂ ਦਾ ਲਾਭ ਉਠਾ ਕੇ ਬਣਾਈ ਗਈ ਸੀ, ਜਦੋਂ ਕਿ ਨਵੇਂ ਕੰਟੈਂਟ ਨਾਲ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਐਂਗੇਜ ਰੱਖਣ ਲਈ AI-ਡ੍ਰਾਈਵਨ ਸਿਫਾਰਸ਼ਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ ਸੀ। CFO ਸੁਜ਼ਨ ਲੀ ਨੇ ਨੋਟ ਕੀਤਾ ਕਿ ਕੰਜ਼ਿਊਮਰ ਫੀਚਰਜ਼ ਤੋਂ ਪਰ੍ਹੇ, LLMs Meta ਦੀਆਂ ਅੰਦਰੂਨੀ ਇੰਜੀਨੀਅਰਿੰਗ ਟੀਮਾਂ ਨੂੰ ਬਿਹਤਰ ਟ੍ਰੇਨਿੰਗ ਡਾਟਾ ਤਿਆਰ ਕਰਨ ਅਤੇ ਕੰਟੈਂਟ ਦੀ ਗੁਣਵੱਤਾ ਦਾ ਵਧੇਰੇ ਕੁਸ਼ਲਤਾ ਨਾਲ ਮੁਲਾਂਕਣ ਕਰਨ ਵਿੱਚ ਸਰਗਰਮੀ ਨਾਲ ਮਦਦ ਕਰ ਰਹੇ ਹਨ। AI ਦੀ ਇਹ ਅੰਦਰੂਨੀ ਵਰਤੋਂ Meta ਦੇ ਸਾਰੇ ਪਲੇਟਫਾਰਮਾਂ ਦਾ ਸਮਰਥਨ ਕਰਨ ਵਾਲੇ ਮੁੱਖ ਵਪਾਰਕ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਹੈ।
ਜਿਵੇਂ-ਜਿਵੇਂ Meta ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇਨਫਰਾਸਟ੍ਰਕਚਰ 'ਤੇ ਆਪਣਾ ਪੂੰਜੀ ਖਰਚ ਵਧਾਉਂਦਾ ਜਾ ਰਿਹਾ ਹੈ, ਕੰਪਨੀ ਸਾਹਮਣੇ ਇਹ ਸਾਬਤ ਕਰਨ ਦੀ ਚੁਣੌਤੀ ਹੈ ਕਿ ਕੀ ਇਹ ਨਵੇਂ ਉਤਪਾਦ ਪ੍ਰਯੋਗ ਅਰਥਪੂਰਨ ਆਮਦਨ ਜਾਂ ਉਪਭੋਗਤਾ ਵਿਕਾਸ ਨੂੰ ਵਧਾ ਸਕਦੇ ਹਨ। ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਅਗਲੇ ਪੜਾਅ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਵਾਲੀ ਗੱਲ ਇਹ ਹੋਵੇਗੀ ਕਿ ਇਨ੍ਹਾਂ ਕੰਜ਼ਿਊਮਰ ਉਤਪਾਦਾਂ ਦੇ ਲਾਂਚ ਦੀ ਰਫਤਾਰ ਕੀ ਰਹੇਗੀ ਅਤੇ ਕੀ ਉਹ ਕੰਪਨੀ ਦੇ ਸਥਾਪਿਤ ਪਲੇਟਫਾਰਮਾਂ ਜਿਵੇਂ ਕਿ Instagram ਅਤੇ WhatsApp ਦੇ ਸਮਾਨ ਟਿਕਾਊ ਐਂਗੇਜਮੈਂਟ ਪੱਧਰ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਨ।