La Route de l’Unicorne : Les Prochaines Startups à Un Milliard de Dollars Seront Construites par des Équipes Minuscules

Est-ce qu’une période de deux semaines est un délai raisonnable pour construire un CRM personnalisé qui combine les affaires, la comptabilité, le financement, les agents et les flux de travail des partenaires dans une seule interface ? La logique conventionnelle dit non. Pourtant, je vois constamment des versions de cela se produire, car le coût de construction de logiciels internes a plongé tandis que l’intégration et la mise en œuvre n’ont pas suivi.

Un exemple récent de notre propre travail démontre cela. Notre co-fondateur non technique, Denis, a construit un CRM interne en environ deux semaines, avec le soutien d’orchestration de notre ingénieur et moi, et certaines parties étaient déjà en production tandis qu’il était encore en train de les modifier. Le système était connecté à une base de données réelle via un panneau d’administration afin que l’équipe puisse surveiller la santé de plus de 1 000 clients en temps réel, et il couvrait également la gestion des partenaires avec des liens de référence et un suivi des paiements.

Il l’a construit pour résoudre un problème que chaque équipe à croissance rapide rencontre. Les CRM standards vous entraînent dans le flux de travail de quelqu’un d’autre. Vous passez du temps à apprendre des fonctionnalités dont vous n’avez pas besoin, vous rencontrez des limitations et vous passez encore plus de temps à intégrer des outils afin que le système reflète la façon dont votre entreprise fonctionne réellement. Lorsque les outils sous-jacents vous permettent de construire plus rapidement que vous ne pouvez mettre en œuvre, le vieux compromis entre construire et acheter change, et plus d’équipes commencent à construire leur propre couche opérationnelle.

La Réduction de la Boucle entre l’Intention et l’Exécution

Sur le marché, l’IA réduit le temps entre une idée et une première version fonctionnelle. Ce changement est survenu parce que vous pouvez maintenant donner à un agent une tâche bien décrite et obtenir un premier jet utilisable enough pour qu’un ingénieur senior le révise, le corrige et le fusionne. Chez SquareFi, nous estimons qu’environ 95 pour cent de notre code est produit avec l’aide de l’IA, et notre groupe technique principal est passé d’environ dix personnes à quatre. Ce n’est pas simplement un gimmick pour réduire les coûts — bien que les licornes essaient de rester minces — c’est une réaffectation des ressources. Avec moins d’humains, nous livrons 10 fois plus de code de haute qualité.

Ceci est utile pour nous à l’intérieur et entre plusieurs départements. Les équipes de conception utilisent de plus en plus des plugins Figma pour convertir les conceptions en HTML, puis utilisent des outils d’IA pour construire de petites maquettes pour les tests de premier niveau avant que quoi que ce soit n’atteigne la file d’attente de développement. Maintenant, nous pouvons itérer en testant des idées tôt sans attendre la capacité.

Nous exécutons également des agents où le désavantage d’une rétroaction lente est élevé. Nous avons des agents de sécurité qui analysent en continu les journaux et l’activité du pare-feu pour des modèles inhabituels, et nous utilisons un agent qui analyse chaque engagement GitHub avant de le fusionner en production tout en le comparant au paysage des menaces actuel. Les humains font rarement ce type de diligence répétitive de manière cohérente, même lorsqu’ils s’en soucient beaucoup.

Le résultat général est que les actions passent par moins de transmissions et moins de retards causés par l’attente d’un spécialiste pour devenir disponible.

Savoir Ce Que l’on Fait est Plus Important que Savoir Comment le Faire

Vous pouvez demander à un agent d’IA de construire presque n’importe quoi, et vous pouvez le faire à une fraction du temps et du coût de la formation d’une personne pour produire le même premier jet. La qualité de la sortie suit toujours la précision de votre demande et la force de votre validation.

Dans de nombreuses startups maintenant, la qualité de la spécification est la contrainte. Les personnes les plus précieuses dans une équipe pilotée par l’IA sont souvent celles qui comprennent profondément le domaine, peuvent décrire des systèmes avec précision et peuvent valider les résultats sans vague généralisation. De nouveaux libellés d’emploi ont commencé à suivre cette réalité, notamment les rédacteurs de spécifications, les propriétaires de domaine et les orchestrateurs d’IA. Le libellé est moins important que la capacité.

Ce changement modifie également qui devient efficace. Les gestionnaires solides qui peuvent comprendre rapidement un projet et le décrire simplement peuvent maintenant produire plus de sortie que de nombreux ingénieurs, car leur intention peut être multipliée par des agents.

On me demande souvent par d’autres fondateurs jusqu’où cela peut aller. Je ne pense pas qu’il y ait une réponse universelle, mais je pense que la philosophie correspond bien à la fintech traditionnelle, car c’est un domaine où le travail est complexe mais les systèmes sont définissables et testables.

Oui. Les Humains Auront Toujours des Emplois.

La dernière chose que je veux que cela soit lu comme un fondateur de fintech malveillant qui veut éteindre la race humaine. Toute organisation saine sait que ce sont les personnes qui font tourner les roues.

Je crois que la fintech nécessite de la discipline et de la responsabilité. La partie IA garantit la première tandis que l’aspect humain garantit la seconde. Les grandes transactions financières devraient rester gérées par les humains. Les agents peuvent préparer un ordre de paiement et un humain devrait le signer. Les décisions de conformité finale comportent également une responsabilité juridique. Si un agent de conformité approuve un contrepartie, la responsabilité repose sur l’agent, et non sur l’agent qui a préparé l’affaire.

La question n’est donc pas de savoir si l’on peut automatiser tout. La question est de savoir comment allouer le jugement humain aux moments de risque élevé, tout en utilisant des agents pour supprimer le travail en vrac qui ralentit les experts. La préparation de la conformité est un bon candidat. Les vérifications des médias adverses, l’analyse des contreparties et l’assemblage de la documentation peuvent être automatisés afin qu’un agent de conformité reçoive un dossier qui est principalement préparé et passe son temps sur la décision.

Cette combinaison est efficace et peut être tenue responsable.

Comment Être AI-First

Beaucoup d’équipes disent qu’elles sont AI-first, et par là, elles veulent dire une interface de chat au-dessus de la même infrastructure. Je m’intéresse beaucoup plus à l’IA en tant que modèle opérationnel interne.

Dans notre travail, nous utilisons l’IA de manière intensive à l’interne, tandis que l’IA au niveau du produit est actuellement limitée à des domaines spécifiques tels que le support et les agents de comptabilité. Ceci est plus une limite pratique qu’idéologique. Le risque se comporte différemment dans la finance, et l’autonomie du produit nécessite des contraintes soigneuses.

Une tendance que j’attends de voir grandir est l’infrastructure orientée développeur qui se branche sur les flux de travail des agents. Par exemple, nous allons publier un serveur SquareFi MCP afin que les développeurs puissent s’intégrer plus facilement à notre API et nous connecter à leurs propres agents. L’utilisation pratique de ceci est un agent financier qui peut analyser vos finances, préparer un ordre de paiement, puis vous demander de le signer.

C’est aussi pourquoi je prête attention lorsque les principaux laboratoires affirment publiquement que les modèles ne sont pas encore équipés pour prendre des décisions autonomes à haut risque de manière irréversible. La fintech n’a pas le droit de prétendre que les erreurs sont inoffensives.

Ce Que Cela Signifie pour les Fondateurs qui Construisent Maintenant

Le CRM que Denis a construit était un projet interne, mais il représentait une réalité plus large où la construction est de moins en moins chère tandis que la coordination est toujours difficile. La communication, souvent traitée comme une compétence douce, gagne en valeur, et les personnes ayant des compétences techniques devront investir en elle si elles veulent prospérer dans un environnement où les machines peuvent faire beaucoup de leur travail plus rapidement et moins cher.

Dans ce contexte, il devient important de protéger le temps pour la réflexion calme. Plus les agents peuvent exécuter rapidement, plus il est précieux de ralentir avant de leur donner des instructions. Comprendre profondément une architecture complexe avant de la décrire à un agent est là où la qualité est décidée.

Si Je Débutais à Nouveau, Je Me Concentrerais sur Trois Disciplines.

• Tout d’abord, je formerais moi-même et mon équipe à rédiger de meilleures spécifications. Vous voulez des personnes qui peuvent décomposer un problème, définir le succès, définir l’échec et décrire des tests. Ceci est la nouvelle norme pour l’excellence opérationnelle.
• Ensuite, je construirais une culture de validation stricte. L’IA rend facile de livrer rapidement, et elle rend également facile de livrer des erreurs rapidement. Votre avantage ne vient pas seulement de la vitesse, mais également de l’amélioration avec des normes élevées.
• Enfin, je traiterais le jugement humain comme une ressource rare et le protégerais. Dans les domaines à risque élevé, les équipes performantes mieux en confiant la préparation et la répétition aux agents tout en gardant la prise de décision avec des humains responsables.

L’avantage concurrentiel se déplace vers les tests et l’amélioration, car la pente a changé. Les petites équipes peuvent maintenant produire ce qui nécessitait auparavant des organisations beaucoup plus grandes, car les agents rendent la communication et la coordination beaucoup plus fluides. Cela n’élimine pas le besoin de talent, mais plutôt élève la barre de ce que signifie le talent.