Jalan Menuju Unicorn: Startups Berikutnya yang Bernilai Miliaran Dolar Akan Dibangun oleh Tim Kecil

Apakah dua minggu merupakan timeline yang masuk akal untuk membangun CRM kustom yang menggabungkan penawaran, akuntansi, penggalangan dana, agen, dan alur kerja mitra dalam satu antarmuka? Logika konvensional mengatakan tidak. Namun saya terus melihat versi ini terjadi, karena biaya membangun perangkat lunak internal telah menurun drastis, sedangkan integrasi dan onboarding belum.

Contoh terbaru dari pekerjaan kami menunjukkan hal ini. Co-founder non-teknis kami, Denis, membangun CRM internal dalam waktu sekitar dua minggu, dengan dukungan orkestrasi dari insinyur dan saya, dan beberapa bagian sudah berjalan di produksi saat dia masih mengutak-atiknya. Sistem ini terhubung ke database nyata melalui panel admin sehingga tim dapat memantau kesehatan 1000+ klien secara real-time, dan juga menangani manajemen mitra dengan tautan referral dan pelacakan pembayaran.

Dia membangunnya untuk menyelesaikan masalah yang dihadapi setiap tim yang tumbuh cepat. CRM siap pakai menarik Anda ke dalam alur kerja orang lain. Anda menghabiskan waktu untuk mempelajari fitur yang tidak Anda butuhkan, Anda menghadapi keterbatasan, dan Anda menghabiskan waktu lebih lama lagi untuk mengintegrasikan alat sehingga sistem mencerminkan bagaimana bisnis Anda benar-benar bekerja. Ketika alat dasar memungkinkan Anda membangun lebih cepat daripada Anda dapat mengonfigurasi, pertukaran antara membangun dan membeli berubah, dan lebih banyak tim mulai membangun lapisan operasional mereka sendiri.

Mengurangi Waktu Antara Niat dan Eksekusi

Di seluruh pasar, AI mengurangi waktu antara ide dan versi kerja pertama. Perubahan ini terjadi karena Anda sekarang dapat memberikan tugas yang terstruktur dengan baik kepada agen dan mendapatkan draf pertama yang cukup dapat digunakan sehingga insinyur senior dapat meninjau, memperbaiki, dan menggabungkannya. Di SquareFi, kami memperkirakan bahwa sekitar 95 persen kode kami dihasilkan dengan bantuan AI, dan kelompok teknis inti kami berkurang dari sekitar sepuluh orang menjadi empat. Ini bukan hanya gimmick untuk menghemat biaya — meskipun unicorn berusaha untuk tetap ramping — ini adalah realokasi sumber daya. Dengan lebih sedikit manusia, kami mengirim 10x lebih banyak kode berkualitas tinggi.

Ini berguna bagi kami dalam dan di seluruh beberapa departemen. Tim desain semakin banyak menggunakan plugin Figma untuk mengonversi desain menjadi HTML, lalu menggunakan alat AI untuk membangun prototipe kecil untuk pengujian tingkat pertama sebelum apa pun mencapai antrian pengembangan. Sekarang kami dapat mengulangi dengan menguji ide awal tanpa menunggu kapasitas.

Kami juga menjalankan agen di mana kerugian dari umpan balik yang lambat sangat tinggi. Kami memiliki agen keamanan yang terus menganalisis log dan aktivitas firewall untuk pola yang tidak biasa, dan kami menggunakan agen yang menganalisis setiap komit GitHub sebelum menggabungkannya ke produksi sambil membandingkannya dengan lanskap ancaman saat ini. Manusia jarang melakukan jenis ketekunan berulang seperti itu secara konsisten, bahkan ketika mereka sangat peduli.

Hasil luasnya adalah bahwa tindakan melewati lebih sedikit penerusan dan lebih sedikit keterlambatan yang disebabkan oleh menunggu spesialis untuk tersedia.

Mengetahui Apa yang Harus Dilakukan Lebih Penting daripada Mengetahui Bagaimana Melakukannya

Anda dapat meminta agen AI untuk membangun hampir semua hal, dan Anda dapat melakukannya dengan sebagian kecil dari waktu dan biaya pelatihan seseorang untuk menghasilkan draf pertama yang sama. Kualitas output masih mengikuti presisi permintaan Anda dan kekuatan validasi Anda.

Di banyak startup sekarang, kualitas spesifikasi adalah kendala. Orang-orang paling berharga dalam tim yang didorong AI sering kali adalah mereka yang memahami domain dengan baik, dapat menjelaskan sistem dengan tepat, dan dapat memvalidasi hasil tanpa menggelengkan tangan. Label pekerjaan baru telah mulai mengikuti kenyataan itu, termasuk penulis spesifikasi, pemilik domain, dan pengatur AI. Label itu kurang penting daripada kemampuan.

Perubahan ini juga mengubah siapa yang menjadi efektif. Manajer yang kuat yang dapat memahami proyek dengan cepat dan menjelaskannya dengan sederhana sekarang dapat menghasilkan lebih banyak output daripada banyak insinyur, karena niat mereka dapat dikalikan melalui agen.

Saya sering ditanya oleh pendiri lain seberapa jauh ini dapat dilakukan. Saya tidak berpikir ada jawaban universal, tetapi saya pikir filosofi ini cocok dengan fintech tradisional karena ini adalah area di mana pekerjaan kompleks tetapi sistemnya dapat dijelaskan dan diuji.

Ya. Manusia Masih Akan Memiliki Pekerjaan.

Hal terakhir yang saya ingin ini dibaca sebagai pendiri fintech jahat yang ingin memusnahkan ras manusia. Setiap organisasi yang sehat tahu bahwa itu adalah orang-orang yang menjaga roda berputar.

Saya percaya bahwa fintech membutuhkan disiplin dan akuntabilitas. Bagian AI memastikan yang pertama, sedangkan aspek manusia memastikan yang terakhir. Transaksi keuangan besar harus tetap dikendalikan oleh manusia. Agen dapat menyiapkan perintah pembayaran dan manusia harus menandatanganinya. Keputusan kompatibilitas akhir juga membawa tanggung jawab hukum. Jika petugas kompatibilitas menyetujui pihak lawan, akuntabilitasnya ada pada petugas, bukan agen yang menyiapkan kasusnya.

Jadi pertanyaannya bukanlah apakah Anda dapat mengotomatisasi semuanya. Pertanyaannya adalah bagaimana Anda mengalokasikan penilaian manusia ke momen risiko tertinggi, sambil menggunakan agen untuk menghilangkan pekerjaan bulk yang memperlambat ahli. Persiapan kompatibilitas adalah kandidat yang baik. Pemeriksaan media yang merugikan, analisis pihak lawan, dan perakitan dokumen dapat diotomatisasi sehingga petugas kompatibilitas menerima kasus yang sebagian besar sudah disiapkan dan menghabiskan waktunya untuk keputusan.

Kombinasi ini efisien dan dapat dipertanggungjawabkan.

Bagaimana Cara Menjadi AI-First

Banyak tim mengatakan mereka adalah AI-first, dan dengan itu mereka maksudkan antarmuka obrolan di atas infrastruktur yang sama. Saya lebih tertarik dengan AI sebagai model operasional internal.

Di pekerjaan kami, kami menggunakan AI secara internal, sedangkan AI tingkat produk saat ini terbatas pada area tertentu seperti agen dukungan dan akuntansi. Ini lebih merupakan batasan praktis daripada ideologis. Risiko berperilaku berbeda dalam keuangan, dan otonomi produk membutuhkan konstrain yang hati-hati.

Satu tren yang saya harapkan tumbuh adalah infrastruktur yang menghadap pengembang yang terhubung ke alur kerja agen. Misalnya, kami berencana untuk merilis server SquareFi MCP sehingga pengembang dapat mengintegrasikan dengan API kami lebih mudah dan menghubungkannya ke agen mereka sendiri. Penggunaan praktisnya adalah agen keuangan yang dapat menganalisis keuangan Anda, menyiapkan perintah pembayaran, dan kemudian meminta Anda untuk menandatanganinya.

Ini juga mengapa saya memperhatikan ketika laboratorium utama secara terbuka berpendapat bahwa model belum dilengkapi untuk membuat keputusan otonom yang tidak dapat diubah dengan taruhan tinggi. Fintech tidak bisa berpura-pura bahwa kesalahan tidak berbahaya.

Apa yang Ini Berarti untuk Pendiri yang Membangun Sekarang

CRM yang dibangun Denis adalah proyek internal, tetapi itu mewakili kenyataan yang lebih besar di mana membangun menjadi lebih murah, sedangkan koordinasi masih sulit. Komunikasi, sering dianggap sebagai keterampilan lunak, meningkat nilainya, dan orang-orang yang terampil secara teknis akan perlu berinvestasi di dalamnya jika mereka ingin tumbuh dalam lingkungan di mana mesin dapat melakukan banyak pekerjaan mereka lebih cepat dan lebih murah.

Dalam konteks ini, menjadi penting untuk melindungi waktu untuk berpikir tenang. Semakin cepat agen dapat mengeksekusi, semakin berharga untuk melambatkan sebelum Anda memberi mereka arahan. Memahami arsitektur kompleks dengan baik sebelum Anda menjelaskannya kepada agen adalah tempat di mana kualitas diputuskan.

Jika Saya Memulai Lagi, Saya Akan Fokus pada Tiga Disiplin.

• Pertama, saya akan melatih diri saya dan tim saya untuk menulis spesifikasi yang lebih baik. Anda ingin orang-orang yang dapat memecahkan masalah, mendefinisikan keberhasilan, mendefinisikan kegagalan, dan menjelaskan tes. Ini adalah standar baru untuk keunggulan operasional.
• Kedua, saya akan membangun budaya validasi yang ketat. AI membuatnya mudah untuk mengirim dengan cepat, dan juga membuatnya mudah untuk mengirim kesalahan dengan cepat. Keunggulan Anda tidak hanya datang dari kecepatan tetapi juga dengan memperbaiki dengan standar tinggi.
• Ketiga, saya akan mengobati penilaian manusia sebagai sumber daya yang langka dan melindunginya. Di domain risiko tinggi, tim berkinerja lebih baik dengan menyerahkan persiapan dan pengulangan kepada agen sambil menjaga pengambilan keputusan dengan ahli yang bertanggung jawab.

Keunggulan kompetitif beralih ke pengujian dan perbaikan, karena kemiringannya telah berubah. Tim kecil sekarang dapat menghasilkan apa yang sebelumnya memerlukan organisasi yang jauh lebih besar, karena agen membuat komunikasi dan koordinasi jauh lebih lancar. Ini tidak menghilangkan kebutuhan akan bakat, tetapi malah meningkatkan standar apa yang dimaksud dengan bakat.