यह किताब जो Roles सिखाती है
Market titles को define कर पाने से तेज़ रफ़्तार से नए titles गढ़ रहा है। इनमें से ज़्यादातर titles अलग-अलग depth पर एक ही discipline हैं: वही discipline जो यह किताब सिखाती है। यहाँ वह map है, और ठीक-ठीक यह कि किताब आपको हर role की ओर कितनी दूर तक ले जाती है।
यहाँ हम नए agentic AI era के roles define करते हैं: वे jobs जो इसलिए मौजूद हैं क्योंकि कंपनियाँ अब AI Workers manufacture, run, और govern करती हैं। Entries इस हिसाब से sort की गई हैं कि असल में काम कैसे cluster होता है, और हर एक के साथ दिया verdict ईमानदार scope line है: किताब आपको इसकी ओर कितनी दूर ले जाती है, और कहाँ से certification tracks कमान संभालते हैं। Names से ज़्यादा verdicts matter करते हैं। जहाँ किताब रुकती है, वह साफ़ कह देती है।
किताब general agent इस्तेमाल के दोनों modes में train करती है। Mode 1 यानी अपना खुद का काम तेज़ी से करने के लिए general agent इस्तेमाल करना: ऐसी proficiency जो हर reader को चाहिए, कोई job title नहीं। Mode 2 यानी ऐसे AI Workers manufacture करना जो आपके लिए काम करें, और job titles यहीं रहते हैं। नीचे का map Mode 1 baseline से खुलता है, फिर Mode 2 roles की ओर मुड़ता है, जो लगभग पूरा map हैं।
Vocabulary (Digital FTE, SKILL.md, Agent Factory) में नए हैं? Thesis और Glossary से शुरुआत करें; यह page उन्हें मान कर चलता है।
पूरा map एक नज़र में: core pipeline, क्या उसे extend और support करता है, किताब कहाँ रुकती है, और इन सबके नीचे का baseline।
वह baseline जहाँ से हर कोई शुरू करता है
Mode 1 Practitioner: title नहीं, एक proficiency। Worker manufacture करने से पहले, आप अपना खुद का काम तेज़ी से करने के लिए general agent इस्तेमाल करते हैं: reason करना, लिखना, code करना, analyze करना, plan करना, एक outcome ship करना, और session close करना। यह Mode 1 है, और किताब इसे सबके लिए train करती है: engineers के लिए Claude Code या OpenCode के through, domain experts के लिए Claude Cowork या OpenWork के through, Seven Principles of General Agent Problem Solving के तहत। यह वह on-ramp है जिस पर हर reader नीचे दिए Mode 2 roles से पहले चलता है, और यह आपको नया job देने के बजाय आप जो job पहले से करते हैं उसमें sharper बनाता है। वह floor जिस पर हर कोई खड़ा होता है, कोई title नहीं जो आप hold करते हैं।
Generalist core
ये core roles एक single pipeline की तरह चलते हैं, intent से production तक: Outcome Architect (क्या) → Digital FTE Builder (build) → AI-Native Company Architect (system) → Cloud AI Engineer (run)। इसे अपनी ही कंपनी के अंदर चलाएँ, तो ये चार roles हैं; इसे किसी client की कंपनी के अंदर चलाएँ, end to end एक embedded, vendor-neutral engineer के द्वारा, तो यह Forward Deployed Engineer है। Map पर बाकी सब कुछ इसी line को support, extend, या bound करता है।
चार roles आपकी अपनी कंपनी के अंदर यह line चलाते हैं; एक embedded engineer वही line किसी client के अंदर चलाता है।
Outcome Architect: intent का owner, execution का नहीं। Agent era में काम तीन हिस्सों में बँटता है: intent, execution, verification। Worker execution का owner है; यह role intent का owner है। यह तय करता है कि किसी Worker को क्या achieve करना चाहिए, उसे pin down करने वाली spec author करता है, "correct" का मतलब set करता है, और priority तय करता है कि कौन से Workers बनें भी या नहीं: वह इंसान जो what और why का जवाब देता है, इससे पहले कि Builder how का जवाब दे। जहाँ Strategist track client-facing discovery और ROI का owner है, वहीं Outcome Architect internal Worker roadmap और उसके पीछे की specs का owner है। किताब इसे सीधे train करती है: spec-driven development अपने मूल में वही discipline है, यानी ऐसा intent लिखना जिसके लिए किसी Worker को जवाबदेह ठहराया जा सके। इसे train करती है: वह discipline जिस पर पूरा method टिका है।
Digital FTE Builder: unit product, end to end बना हुआ। Market इसे AI Engineer कहता है: किसी ऐसे व्यक्ति के लिए उसका catch-all जो AI components से applications बनाता है और AI coding agents drive करता है। इस किताब का नाम ज़्यादा sharp है, क्योंकि जो चीज़ आप बनाते हैं वह ज़्यादा sharp है: Digital FTE, वह unit जिससे पूरी कंपनी assemble होती है। यह किताब का primary graduate है। यह पूरी spine train करती है: spec-driven development, SKILL.md authoring, agent architecture, tool और MCP interfaces, evaluation, और human oversight, ship करने भर के deployment के साथ, और depth Cloud AI Engineer के लिए छोड़ते हुए। इसे train करती है, end to end।
AI-Native Company Architect: कंपनी design करता है, single Worker नहीं। पूरा enterprise: Two-Layer Model, management layer, workforce, उनके बीच events carry करने वाला nervous system, और वह system of record जिसके against यह सब चलता है। Agent Factory वह process है जिसे यह architect practice करता है; AI-Native Company वह product है जिसे वह ship करता है। किताब इसका canonical source है। Five-quarter Certified Agentic AI Architect program इसका credential है। पूरी तरह train की गई; Architect track से certified।
Cloud AI Engineer: वह जो AI Worker और AI-Native company को production में चलाता है। Digital FTE बनाना काम का एक आधा हिस्सा है; उसे reliably चलाना दूसरा, और वही पूरी AI-Native company को चलाने पर भी लागू होता है जिसका वह हिस्सा है। जहाँ AI-Native Company Architect enterprise design करता है, वहीं यह role उसे operate करता है: Workers, management layer, और nervous system को असली cloud infrastructure पर deploy और scale करते हुए, यानी ship करने के लिए Azure Container Apps, durable execution के लिए Inngest, और scale के लिए Dapr और Kubernetes। यहीं system prototype होना बंद करता है और ऐसी कंपनी बनता है जिस पर कोई organization भरोसा कर सके। इसे train करती है, end to end।
वे दो roles जो सिर्फ़ यह किताब सिखाती है
Subject Matter Expert as Skill Author: वह role जिसे market ने अभी नाम भी नहीं दिया। वह accountant, lawyer, या supply-chain expert जो अपना judgment SKILL.md में encode करता है और किसी Digital FTE का knowledge engine बन जाता है। ज़्यादातर market lists इस role को miss करती हैं क्योंकि वे अब भी AI work को सिर्फ़ engineering के रूप में देखती हैं। यह किताब domain judgment को ही ऐसी चीज़ मानती है जिसे author, test, और deploy किया जाए। यह उन दो roles में से एक है जिन्हें सिर्फ़ यह किताब train करती है। इसे पूरी तरह train करती है: judgment अंदर, working agent बाहर।
Forward Deployed Engineer (FDE): वह vendor-neutral version जो market को नहीं मिल पाता। Palantir ने FDE को pioneer किया; AI vendors अब इसे revive कर रहे हैं, engineers को client organizations के अंदर embed करके ताकि agentic workflows को client की reality के मुताबिक fit किया जा सके। वह technical आधा हिस्सा ही Agent Factory work है, और किताब इसे पूरी तरह train करती है। पेच vendor neutrality में है। जैसा Andrew Ng ने The Batch में बताया, clients को ऐसे FDEs ढूँढ़ने में दिक्कत होती है जो किसी एक vendor से बँधे न हों: यह role ही इसलिए मौजूद है कि एक vendor का product कंपनी में गहराई तक wire किया जाए। इससे बाद में switch करने की आज़ादी घटती है। यहाँ का method किसी vendor से बँधा नहीं है, इसलिए किताब वही FDE तैयार करती है जो market को बार-बार नहीं मिल पाता, उस optionality को intact रखते हुए। यह दूसरा role है जिसे सिर्फ़ यह किताब train करती है। Job का दूसरा आधा हिस्सा Certified Agentic AI Business Strategist track का है, core किताब का नहीं: client discovery, prioritization, ROI framing, और किसी अव्यावहारिक माँग पर push back करने की discipline। Technical core train करती है; consulting layer Strategist track में रहती है।
Supporting roles
Evals Engineer: verification specialist। यहाँ verification कोई afterthought नहीं है; यह survival standard है। Core curriculum, कोई add-on नहीं।
AI Governance Officer: वे rules author करता है जिनके तहत workforce चलता है। हर AI Worker किसी authority envelope के अंदर operate करता है: वह अकेले क्या तय कर सकता है, क्या escalate होना चाहिए, किसे वह कभी छू नहीं सकता। यह role उस envelope को institutional level पर लिखता है: risk tiers, escalation और approval policy, audit और liability rules, और उस हर चीज़ की mapping जिसके प्रति कंपनी को जवाबदेह होना है, जैसे bank में model risk और fair lending, और कहीं और data residency। AI-Native Company Architect वह mechanism बनाता है जो किसी envelope को enforce करता है; Governance Officer तय करता है कि उसमें क्या लिखा हो। Digital FTE Supervisor एक deployed Worker के लिए जवाबदेह होता है; Governance Officer वे rules set करता है जिनके अंदर हर Worker और हर supervisor काम करता है। किताब यह framework discipline सीधे train करती है; आपके industry के specific regulations वे inputs हैं जो आप लाते हैं। Governance framework train करती है; आपके jurisdiction के rules आपको supply करने हैं।
Digital FTE Supervisor: जवाबदेह इंसान, Worker दर Worker। वह इंसान जो किसी deployed AI worker की accountability का owner है: human-in-the-loop, reviewer, वह नाम जिस पर audit trail इशारा करता है। यह operator का काम है जिसे title बना दिया गया है: काम चलाना, worker बनाना नहीं। इसे train करती है।
जहाँ किताब जान-बूझकर रुकती है
LLMOps Engineer: model तक, model खुद नहीं। Production में agents चलाना Cloud AI Engineer का काम है, और किताब इसे train करती है। किताब fine-tuning भी hands-on train करती है, पर last resort के तौर पर, default के तौर पर नहीं। एक fine-tune आपके system को एक model snapshot से बाँध देता है और वही optionality खर्च कर देता है जिसे पूरा method protect करता है, इसलिए आप इसकी ओर तभी हाथ बढ़ाते हैं जब prompting, context, tools, और retrieval वाकई कम पड़ जाएँ। Hard stop model खुद बनाना है: किसी foundation model को scratch से pre-train करना scope से बाहर रहता है, क्योंकि वह capability commoditize हो रही है। Fine-tuning और model के आसपास के ops train करती है, foundation models बनाना नहीं।
Harness Engineer: वह runtime जो आप इस्तेमाल करते हैं, वह नहीं जो आप बनाते हैं। Harness वह agent runtime है: OpenAI Agents SDK, Claude के managed agents, और इन जैसे, जो agent loop चलाता है, state manage करता है, और tool calls execute करता है। किताब आपको इन्हें fluently इस्तेमाल करना और इनके across portable रहना train करती है, क्योंकि आपकी discipline इससे ज़्यादा देर तक टिकती है कि कौन सा runtime जीतता है। Runtime खुद बनाना यह job नहीं है। वह operator train करती है जो कोई भी runtime इस्तेमाल करता है, वह engineer नहीं जो एक बनाता है।
AI Data Engineer: agent-facing data layer। System-of-record का काम agent-facing data layer को छूता है: Postgres, pgvector, और MCP, वह spine जिससे agent पढ़ता है। Classic pipeline और warehouse engineering adjacent है, central नहीं। Agent-facing data layer train करती है, general data engineering नहीं।
Pattern ही असली संकेत है। Agent era काम को कई roles में फैला देता है, एक में नहीं: Workers बनाना, उन्हें run और govern करना, उन्हें judgment सिखाना। Map ही असली बात है: ढूँढ़िए कि आप पहले से कहाँ खड़े हैं, और किताब आपको वहाँ से कितनी दूर ले जाती है।