Tie yksisarvisyritykseksi: seuraavat miljardin dollarin arvoiset startupit rakennetaan pienillä tiimeillä

Onko kaksi viikkoa kohtuullinen aikataulu räätälöidyn CRM-järjestelmän rakentamiseen, joka yhdistää kaupat, kirjanpidon, varainhankinnan, agentit ja kumppanien työnkulut yhdessä käyttöliittymässä? Perinteinen logiikka sanoo ei. Silti näen jatkuvasti versioita tästä, koska sisäisen ohjelmistokehityksen kustannukset ovat romahtaneet, kun taas integrointi ja käyttöönotto eivät ole.

Viimeaikainen esimerkki omasta työstämme osoittaa tämän. Ei-tekniikan alan perustajamme Denis rakensi sisäisen CRM-järjestelmän noin kahdessa viikossa, insinöörimme ja minun antamalla orkestrointituella, ja osa siitä oli jo tuotannossa, kun hän vielä sääteli sitä. Järjestelmä yhdisti oikeaan tietokantaan hallintapaneelin kautta, jotta tiimi voisi seurata 1000+ asiakkaan terveyttä reaaliajassa, ja se kattoi myös kumppanien hallinnan suosittelulinkeillä ja maksujen seuraamisella.

Hän rakensi sen ratkaisemaan ongelman, johon nopeasti kasvavat tiimit joutuvat. Valmiit CRM-järjestelmät vetävät sinut jonkun toisen työnkulkuun. Sinä vietät aikaa opiskellessasi ominaisuuksia, joita et tarvitse, ja törmät rajoituksiin, ja vietät vielä enemmän aikaa integroidessasi työkaluja, jotta järjestelmä heijastaa, miten liiketoimintasi tosiasiallisesti toimii. Kun taustalla olevat työkalut antavat sinun rakentaa nopeammin kuin voit ottaa käyttöön, vanha rakenna-ostomuoto muuttuu, ja enemmän tiimejä alkaa rakentaa omaa toimintakerrostaan.

Aikomuksen ja toteutuksen välisen syklin lyhentäminen

Markkinoilla yleisesti ottaen tekoäly vähentää aikaa idean ja toimivan ensimmäisen version välillä. Tämä muutos johtui siitä, että voit nyt antaa agentille hyvin kuvatun tehtävän ja saada takaisin ensimmäisen version, joka on tarpeeksi hyvä seniori-insinöörin tarkastettavaksi, korjattavaksi ja yhdistettäväksi. SquareFissä arviomme, että noin 95 prosenttia koodistamme tuotetaan tekoälyn avulla, ja meidän ydininsinööritiimimme on supistunut noin kymmenestä neljään. Tämä ei ole pelkästään kustannusten leikkaamiseen liittyvä temppu – vaikka yksisarvisyritykset pyrkivät säilyttämään kevyen organisaation – vaan resurssien uudelleenjärjestely. Pienemmällä henkilöstöllä tuotamme kymmenen kertaa enemmän laadukasta koodia.

Tämä on meille hyödyllistä sekä sisäisesti että useissa osastoissa. Suunnittelutiimit käyttävät yhä enemmän Figma-liitännäisiä muuttaakseen suunnitelmat HTML:ksi, ja käyttävät tekoälytyökaluja rakentaakseen pieniä prototyyppejä ensimmäisen tason testaamiseen ennen kuin mitään pääsee kehitysjonoon. Nyt voimme iteroida testaamalla ideoita ilman odottamista kapasiteetista.

Käytämme myös agenteja, joissa hitaan palautevirran haitta on suuri. Meillä on turvallisuusagenteja, jotka jatkuvasti analysoivat lokit ja palomuuritoimintaa epätavallisista kuvioista, ja käytämme agenttia, joka analysoi jokaisen GitHub- commitin ennen kuin se yhdistetään tuotantoon ja vertaa sitä nykyiseen uhkakuvioon. Ihmiset harvoin tekevät sellaista toistuvaa tarkkuutta johdonmukaisesti, vaikka he välittävät paljon.

Laaja tulos on, että toimet siirtyvät vähemmän käsiin ja vähemmän viivästyksiä, jotka johtuvat siitä, että odotetaan erikoisalan asiantuntijan saatavuutta.

Tieto siitä, mitä tehdä, on tärkeämpää kuin tieto siitä, miten se tehdään

Voit pyytää tekoälyagenttia rakentamaan melkein mitä tahansa, ja voit tehdä sen murto-osalla aikaa ja kustannuksia verrattuna siihen, mitä se maksaisi kouluttaa henkilö tuottamaan sama ensimmäinen versio. Tuloksen laatu seuraa edelleen pyynnön tarkkuutta ja tuloksen vahvistamisen voimakkuutta.

Monissa startupissa nyt määrityksen laatu on rajoitus. Arvokkaimmat ihmiset tekoälyohjatussa tiimissä ovat usein niitä, jotka ymmärtävät syvällisesti alaa, voivat kuvata järjestelmiä tarkasti ja voivat vahvistaa tuloksia ilman epämääräisiä väitteitä tai perusteettomia oletuksia. Uudet työnimikkeet ovat alkaneet seurata tätä todellisuutta, mukaan lukien määritysten kirjoittajat, alueen omistajat ja tekoälyn orkestroijat. Nimikkeen merkitys on vähäisempi kuin kyky.

Tämä muutos muuttaa myös sitä, kuka tulee tehokkaaksi. Vahvat johtajat, jotka voivat ymmärtää projektin nopeasti ja kuvata sen yksinkertaisesti, voivat nyt tuottaa enemmän tulosta kuin monet insinöörit, koska heidän aikomuksensa voidaan moninkertaistaa agenteilla.

Usein minulle kysytään muiden perustajien taholta, kuinka pitkälle tämä voi mennä. En usko, että on yleispätevää vastausta, mutta uskon, että filosofia sopii hyvin perinteiseen fintechiin, koska se on ala, jossa työ on monimutkaista, mutta järjestelmät ovat kuvaamiskelpoisia ja testattavissa.

Kyllä, ihmisillä on edelleen työt

Viimeinen asia, jonka haluan, on että tämä teksti tulkitaan ihmiskunnan tuhoamista haluavan pahan fintech-perustajan puheeksi. Jokainen järkevä organisaatio tietää, että se ovat ihmiset, jotka pitävät koneet pyörivinä.

Uskon, että fintech edellyttää kuria ja vastuuta. Tekoälyosa varmistaa ensimmäisen, kun taas inhimillinen osa varmistaa jälkimmäisen. Suurten rahansiirtojen tulisi edelleen edellyttää ihmisen hyväksyntää. Agentit voivat valmistella maksumääräyksen, ja ihmisen tulisi allekirjoittaa se. Myös lopullisiin sääntöjenmukaisuutta koskeviin päätöksiin liittyy oikeudellinen vastuu. Jos sääntöjen noudattamisesta vastaava asiantuntija hyväksyy vastapuolen, vastuu on tällä asiantuntijalla, ei agentilla, joka valmisti tapauksen.

Joten kysymys ei ole siinä, voitko automatisoida kaiken. Kysymys on, miten kohdistat ihmisen harkintakyvyn suurimman riskin tilanteisiin, kun taas agenteja käytetään poistamaan suurimman osan rutiinityöstä, joka hidastaa asiantuntijoita. Sääntöjenmukaisuusarvioinnin valmistelu on hyvä ehdokas. Kielteisen mediajulkisuuden tarkistukset, vastapuolen analyysi ja asiakirjojen kokoaminen voidaan automatisoida, jotta sääntöjen noudattamisesta vastaava asiantuntija saa tapauksen, joka on pääosin valmis, ja viettää aikaa päätöksenteossa.

Tämä yhdistelmä on tehokas ja voidaan pitää vastuussa.

Miten olla tekoälyensimmäinen

Monet tiimit sanovat olevansa tekoälyensimmäisiä, ja tarkoittavat tällä chat-käyttöliittymää saman infrastruktuurin päällä. Olen paljon kiinnostuneempi tekoälystä sisäisenä toimintamallina.

Työssämme käytämme tekoälyä voimakkaasti sisäisesti, kun taas tuotteen tasolla tekoäly on tällä hetkellä rajoitettu tiettyihin alueisiin, kuten tuki- ja laskentagentteihin. Tämä on enemmän käytännön raja kuin ideologinen. Riskin käyttäytyminen eroaa rahoituksessa, ja tuotteen autonomia tarvitsee huolellisia rajoituksia.

Yksi odotettavissa oleva suuntaus on kehittäjien käyttöön tarkoitettu infrastruktuuri, joka liittyy agenttityönkulkuun. Esimerkiksi aikomme julkaista SquareFi MCP-palvelin, jotta kehittäjät voivat integroida meidän API: mme helpommin ja liittää meidät heidän omiin agenteihinsa. Käytännön käyttö on rahoitusagentti, joka voi analysoida rahoitustasi, valmistella maksumääräyksen ja sitten pyytää sinua allekirjoittamaan sen.

Tämä on myös syystä, miksi kiinnitän huomiota, kun johtavat laboratoriot julkisesti väittävät, että mallit eivät ole vielä varustettu tekemään peruuttamattomia korkean riskin päätöksiä autonomisesti. Fintech ei voi esittää, että virheet ovat vaarattomia.

Mitä tämä tarkoittaa perustajille, jotka rakentavat nyt

CRM, jonka Denis rakensi, oli sisäinen projekti, mutta se edusti laajempaa todellisuutta, jossa rakentaminen on halvempaa, kun taas koordinointi on edelleen vaikeaa. Viestintä, usein kohdeltu pehmeänä taitona, nousee arvoonsa, ja teknisesti taitavien ihmisten on syytä investoida siihen, jos he haluavat menestyä ympäristössä, jossa koneet voivat tehdä paljon heidän työtään nopeammin ja halvemmalla.

Tässä kontekstissa on tärkeää suojella aikaa hiljaiselle ajattelulle. Mitä nopeammin agentit voivat suorittaa, sitä arvokkaampaa se tulee hidastaa ennen kuin annat heille ohjeita. Monimutkaisen arkkitehtuurin ymmärtäminen syvästi ennen kuin kuvaat sen agentille, on se, missä laatu päätetään.

Jos aloittaisin uudelleen, keskittyisin kolmeen toimintatapaan.

• Ensinnäkin, kouluttaisin itseni ja tiimini kirjoittamaan parempia määrityksiä. Haluat ihmiset, jotka voivat jakaa ongelman, määritellä onnistumisen, määritellä epäonnistumisen ja kuvata testejä. Tämä on uusi standardi operatiiviselle erinomaisuudelle.
• Toiseksi, rakentaisin tiukkaa vahvistamiskulttuuria. Tekoäly tekee siitä helppoa toimittaa nopeasti, ja se tekee myös siitä helppoa toimittaa virheitä nopeasti. Etuasi ei tule ainoastaan nopeudesta, vaan myös parantamisesta korkeilla standardeilla.
• Kolmanneksi, kohtelisin ihmisen harkintakykyä niukkana resurssina ja suojelisin sitä. Korkean riskin aloissa tiimit suorittavat paremmin antamalla valmistelun ja toistuvan työn agenteille, kun taas päätöksenteko säilyy vastuullisilla ihmisillä.

Kilpailuetu siirtyy kohti testaamista ja parantamista, koska sen kulmakerroin on muuttunut. Pienet tiimit voivat nyt tuottaa mitä aiemmin vaati paljon suurempia organisaatioita, koska agentit tekevät viestinnästä ja koordinoinnista paljon sulavampaa. Tämä ei poista tarvetta lahjakkaisiin ihmisiin, vaan nostaa sen, mitä tarkoitetaan lahjakkaisuudella.