Cesta k jednorožci: Příští start-upy v hodnotě miliard dolarů budou stavět malé týmy

Je dva týdny rozumným časovým rámcem pro stavbu vlastního CRM, které kombinuje obchody, účetnictví, fundraising, agenty a partnerství v jednom rozhraní? Konvenční logika říká ne. Přesto stále vidím verze toho, co se děje, protože náklady na stavbu interního softwaru prudce klesly, zatímco integrace a implementace zůstaly stejné.

Poslední příklad z naší vlastní práce to demonstruje. Naše netechnický spoluzakladatel Denis postavil interní CRM za zhruba dva týdny, s orchestrací naší podpory a mé, a některé části z toho již běžely v produkci, zatímco on stále pracoval na něm. Systém se připojil k reálné databázi prostřednictvím administrační panely, takže tým mohl sledovat zdraví 1000+ klientů v reálném čase, a také zahrnoval partnerství s referenčními odkazy a sledováním plateb.

Postavil to, aby vyřešil problém, se kterým se setkávají všechny rychle rostoucí týmy. Hotové CRM vás vtahují do cizího pracovního postupu. Trávíte čas učením funkcí, které nepotřebujete, narazíte na omezení a trávíte ještě více času integrací nástrojů, aby systém odrážel, jak vaše podnikání skutečně funguje. Když základní nástroje umožňují stavět rychleji, než můžete implementovat, staré rozhodování o stavbě versus koupi se mění, a více týmů začíná stavět svou vlastní provozní vrstvu.

Zkrácení smyčky mezi záměrem a provedením

Na trhu snižuje AI čas mezi nápadem a funkční první verzí. Tato změna nastala, protože nyní můžete agentovi předat dobře popsaný úkol a získat zpět první návrh, který je dostatečně použitelný pro seniorního inženýra, aby ho mohl přezkoumat, opravit a sloučit. V SquareFi odhadujeme, že asi 95 procent našeho kódu je produkováno s pomocí AI, a naše jádrové technické skupiny se zmenšilo z přibližně deseti lidí na čtyři. To není jen trik na snížení nákladů – i když jednorožci se snaží zůstat štíhlí – ale skutečná realokace zdrojů. S méně lidmi dodáváme 10x více kvalitního kódu.

To je pro nás užitečné uvnitř a napříč několika odděleními. Designérské týmy stále více využívají Figma pluginy pro převod designů na HTML, a poté používají AI nástroje pro stavbu malých prototypů pro první úroveň testování, než cokoliv dosáhne vývojové fronty. Nyní můžeme iterovat testováním nápadů brzy, aniž bychom museli čekat na kapacitu.

Taky běžíme agenty, kde je dolní strana pomalé zpětné vazby vysoká. Máme bezpečnostní agenty, kteří neustále analyzují protokoly a firewall aktivitu pro neobvyklé vzorce, a používáme agenta, který analyzuje každý GitHub commit předtím, než se sloučí do produkce, a porovnává ho s aktuálním hrozbou. Lidé zřídka dělají takovou opakovanou důkladnost konzistentně, i když se o to hodně zajímají.

Široký výsledek je, že akce procházejí méně předávkami a méně zpožděními způsobeným čekáním na specialista, aby se stal dostupným.

Více vědět, co dělat, než vědět, jak to udělat

Můžete požádat AI agenta, aby postavil téměř cokoliv, a můžete to udělat za zlomek času a nákladů na výcvik člověka, aby produkoval stejnou první verzi. Kvalita výstupu stále sleduje přesnost vaší žádosti a sílu vaší validace.

V mnoha startupech nyní je kvalita specifikací omezujícím faktorem. Nejcennější lidé v AI-poháněném týmu jsou často ti, kteří hluboce rozumí doméně, mohou popsat systémy přesně, a mohou ověřit výsledky bez mávnutí rukou. Nová označení pracovních míst začala následovat tuto realitu, včetně specifikátorů, vlastníků domény a AI orchestrátorů. Označení je méně důležité než schopnost.

Tato změna také mění, kdo se stává efektivní. Silní manažeři, kteří mohou pochopit projekt rychle a popsat ho jednoduše, mohou nyní produkovat více výstupu než mnozí inženýři, protože jejich záměr může být násoben prostřednictvím agentů.

Často se mě ptají jiní zakladatelé, jak daleko to může jít. Nemyslím si, že existuje univerzální odpověď, ale myslím si, že filozofie se hodí dobře do tradičního fintech, protože je to oblast, kde je práce komplexní, ale systémy jsou popisitelné a testovatelné.

Ano, lidé budou mít stále práci.

Poslední věc, kterou chci, aby to bylo čteno jako, je zlý fintech zakladatel, který chce zničit lidskou rasu. Každá rozumná organizace ví, že to jsou lidé, kteří udržují kola v chodu.

Věřím, že fintech vyžaduje kázeň a odpovědnost. AI část zajišťuje první, zatímco lidská část zajišťuje druhou. Velké finanční transakce by měly zůstat lidsky řízené. Agenty mohou připravit platební příkaz a člověk by měl jej podepsat. Konečné rozhodnutí o dodržování předpisů také nesou právní odpovědnost. Pokud důvěrník schválí protistranu, odpovědnost spočívá u důvěrníka, ne u agenta, který připravil případ.

Takže otázka není, zda můžete automatizovat všechno. Otázka je, jak alokovat lidské úsudky do nejvyšších rizikových okamžiků, zatímco používáte agenty k odstranění většiny práce, která zpomaluje odborníky. Příprava na dodržování předpisů je dobrým kandidátem. Kontrola nepříznivých médií, analýza protistrany a sestavení dokumentace lze automatizovat, aby důvěrník obdržel případ, který je většinou připraven, a strávil čas na rozhodnutí.

Tato kombinace je efektivní a může být považována za odpovědnou.

Jak být AI-first

Mnoho týmů říká, že jsou AI-first, a tím myslí, že mají chatovací rozhraní na stejné infrastruktuře. Já jsem mnohem více intéressován o AI jako o interním operačním modelu.

V naší práci používáme AI silně uvnitř, zatímco produktová úroveň AI je目前 omezena na konkrétní oblasti, jako je podpora a účetní agenti. To je více praktická hranice než ideologická. Riziko se chová jinak ve financích, a produktová autonomie potřebuje pečlivé omezení.

Jedním trendem, který očekávám, je developer-facing infrastruktura, která se připojuje do agentů. Například plánujeme vydat SquareFi MCP server, aby vývojáři mohli snadněji integrovat s naším API a připojovat se k našim vlastním agentům. Praktické použití je finance agent, který může analyzovat vaše finance, připravit platební příkaz a poté požádat vás o podpis.

To je také důvod, proč se zajímám, když vedoucí laboratoře veřejně argumentují, že modely nejsou dosud vybaveny k tomu, aby dělaly nezpochybnitelná rozhodnutí autonomně. Fintech nemůže předstírat, že chyby jsou bezúčelné.

Co to znamená pro zakladatele, kteří staví nyní

CRM, které Denis postavil, byl interní projekt, ale reprezentoval větší realitu, kde stavba se stává levnější, zatímco koordinace je stále tvrdá. Komunikace, často považovaná za měkkou dovednost, roste v hodnotě, a technicky zdatní lidé budou muset investovat do ní, pokud chtějí prosperovat v prostředí, kde stroje mohou dělat většinu jejich práce rychleji a mnohem levněji.

V tomto kontextu se stává důležité chránit čas pro tichou reflexi. Čím rychleji agenty mohou vykonávat, tím cennější se stává zpomalit předtím, než jim dáte směr. Porozumění komplexní architektuře hluboce předtím, než ji popíšete agentovi, je tam, kde se rozhoduje kvalita.

Pokud bych začal znovu, zaměřil bych se na tři disciplíny.

• První, naučil bych se a můj tým, aby psali lepší specifikace. Chcete lidi, kteří mohou rozložit problém, definovat úspěch, definovat selhání a popsat testy. To je nový standard pro provozní excelenci.
• Druhý, postavil bych striktní kulturu validace. AI dělá to snadné dodávat rychle, a také dělá to snadné dodávat chyby rychle. Vaše výhoda nepřichází pouze ze rychlosti, ale také z zlepšováním s vysokými standardy.
• Třetí, zacházel bych s lidským úsudkem jako se vzácným zdrojem a chránil bych ho. V high-risk doménách týmy fungují lépe, když předají přípravu a opakování agentům, zatímco uchovávají rozhodování s odpovědnými lidmi.

Konkurenční výhoda se přesouvá směrem k testování a zlepšování, protože sklon se změnil. Malé týmy mohou nyní produkovat to, co dříve vyžadovalo mnohem větší organizace, protože agenty dělají komunikaci a koordinaci mnohem hladší. To neodebírá potřebu talentu, ale spíše zvyšuje laťku toho, co talent znamená.