Droga do Unicorn: Następne startupy o wartości miliarda dolarów będą budowane przez małe zespoły

Czy dwa tygodnie to rozsądny termin na zbudowanie niestandardowego CRM, które łączy transakcje, rachunkowość, pozyskiwanie funduszy, agentów i procesy partnerskie w jednym interfejsie? Konwencjonalna logika mówi nie. A jednak widzę wersje tego zjawiska, ponieważ koszt budowy oprogramowania wewnętrznego gwałtownie spadł, podczas gdy integracja i wdrożenie nie zmieniły się.

Niedawny przykład z naszej własnej pracy pokazuje to. Nasz nie-techniczny współzałożyciel Denis zbudował wewnętrzne CRM w ciągu około dwóch tygodni, z pomocą naszego inżyniera i mnie, a części z nich były już uruchomione w produkcji, zanim on jeszcze modyfikował je. System połączył się z rzeczywistą bazą danych za pośrednictwem panelu administracyjnego, aby zespół mógł monitorować stan 1000+ klientów w czasie rzeczywistym, a także objął zarządzanie partnerami z linkami referencyjnymi i śledzeniem wypłat.

Zbudował to, aby rozwiązać problem, z którym boryka się każdy szybko rozwijający się zespół. Gotowe CRM ciągną cię w kierunku czyjegoś workflow. Spędzasz czas na uczeniu się funkcji, których nie potrzebujesz, napotykasz ograniczenia i spędzasz jeszcze więcej czasu na integrowaniu narzędzi, aby system odzwierciedlał, jak twoja firma naprawdę działa. Kiedy podstawowe narzędzia pozwalają ci budować szybciej niż możesz wdrożyć, stare podejście buduj-vs-kup się zmienia, a więcej zespołów zaczyna budować swoją własną warstwę operacyjną.

Skracanie pętli między intencją a wykonaniem

Na całym rynku AI zmniejsza czas między pomysłem a działającą wersją. Zmiana ta nastąpiła, ponieważ możesz teraz przekazać agentowi dobrze opisane zadanie i otrzymać pierwszy szkic, który jest wystarczająco użyteczny, aby starszy inżynier mógł go przeglądnąć, poprawić i połączyć. W SquareFi szacujemy, że około 95 procent naszego kodu jest wytwarzane z pomocą AI, a nasza podstawowa grupa techniczna zmniejszyła się z około dziesięciu osób do czterech. To nie jest po prostu sztuczka, aby obniżyć koszty — chociaż jednorożce starają się pozostać szczupłymi — to przesunięcie zasobów. Z mniejszą liczbą ludzi wysyłamy 10-krotnie więcej wysokiej jakości kodu.

To jest dla nas przydatne wewnątrz i na kilka departamentów. Zespoły projektowe coraz częściej używają wtyczek Figma, aby przekonwertować projekty na HTML, a następnie używają narzędzi AI, aby zbudować małe prototypy do testowania na poziomie pierwszym przed tym, jak cokolwiek trafi do kolejki rozwojowej. Teraz możemy iterować, testując pomysły wcześnie, bez czekania na pojemność.

Również uruchamiamy agenci, gdzie minus wynikający z powolnej informacji zwrotnej jest wysoki. Mamy agenci, które ciągle analizują logi i aktywność firewalla w poszukiwaniu nietypowych wzorców, a my używamy agenta, który analizuje każde połączenie GitHuba przed połączeniem z produkcją, porównując je z bieżącym pejzażem zagrożeń. Ludzie rzadko robią tego rodzaju powtarzalną staranność w sposób ciągły, nawet gdy bardzo się starają.

Szerokie rezultaty są takie, że działania przechodzą przez mniej przekazywań i mniej opóźnień spowodowanych oczekiwaniem na dostępność specjalisty.

Wiedza o tym, co robić, jest ważniejsza niż wiedza o tym, jak to robić

Możesz poprosić agenta AI o zbudowanie prawie wszystkiego, a możesz to zrobić przy ułamku czasu i kosztów szkolenia osoby, aby wyprodukować ten sam pierwszy szkic. Jakość wyjściowa nadal zależy od precyzji twojego żądania i siły twojej weryfikacji.

W wielu startupach teraz jakość specyfikacji jest ograniczeniem. Najcenniejsze osoby w zespole napędzanym przez AI są często tymi, którzy głęboko rozumieją dziedzinę, mogą opisać systemy precyzyjnie i mogą zweryfikować wyniki bez machania ręką. Nowe etykiety pracy zaczynają się pojawiać w tej rzeczywistości, w tym autorzy specyfikacji, właściciele domen i orkiestratorzy AI. Etykieta ma mniejsze znaczenie niż zdolność.

To przesunięcie również zmienia, kto staje się skuteczny. Silni menedżerowie, którzy mogą szybko zrozumieć projekt i opisać go prosto, mogą teraz wyprodukować więcej wyjścia niż wielu inżynierów, ponieważ ich intencja może być pomnożona przez agenci.

Często pyta mnie innych założycieli, jak daleko to może się posunąć. Nie myślę, że jest uniwersalna odpowiedź, ale myślę, że filozofia mapuje się dobrze na tradycyjny fintech, ponieważ jest to obszar, w którym praca jest złożona, ale systemy są opisane i testowalne.

Tak, ludzie wciąż będą mieli pracę.

Ostatnią rzeczą, jaką chcę, aby to było czytane, jest zły fintech założyciel, który chce wygasnąć ludzkość. Każda rozsądna organizacja wie, że to ludzie utrzymują mechanizm w ruchu.

Wierzę, że fintech wymaga dyscypliny i odpowiedzialności. Część AI zapewnia pierwszą, podczas gdy ludzki aspekt zapewnia drugą. Duże transakcje finansowe powinny pozostać ludzkimi. Agenci mogą przygotować zamówienie płatnicze, a człowiek powinien je podpisać. Ostateczne decyzje dotyczące zgodności również ponoszą prawną odpowiedzialność. Jeśli oficer ds. zgodności zatwierdza kontrahenta, odpowiedzialność spoczywa na oficerze, a nie na agencie, który przygotował sprawę.

Więc pytanie nie brzmi, czy można zautomatyzować wszystko. Pytanie brzmi, jak przydzielić ludzką ocenę do momentów o wysokim ryzyku, podczas gdy agenci usuwają większość pracy, która spowalnia ekspertów. Przygotowanie zgodności jest dobrym kandydatem. Kontrole mediów niekorzystnych, analiza kontrahentów i składanie dokumentów mogą być zautomatyzowane, aby oficer ds. zgodności otrzymał sprawę, która jest w większości przygotowana i spędza swój czas na decyzji.

To połączenie jest wydajne i może być odpowiedzialne.

Jak być AI-pierwszym

Wiele zespołów mówi, że są AI-pierwsze, a przez to mają na myśli interfejs czatu na górze tej samej infrastruktury. Jestem o wiele bardziej zainteresowany AI jako wewnętrznym modelem operacyjnym.

W naszej pracy używamy AI intensywnie wewnętrznie, podczas gdy poziom produktu AI jest obecnie ograniczony do określonych obszarów, takich jak obsługa i agenci księgowości. To jest bardziej praktyczna granica niż ideologiczna. Zachowanie ryzyka zachowuje się inaczej w finansach, a autonomia produktu wymaga starannej kontroli.

Jednym z trendów, który spodziewam się, że będzie rósł, jest infrastruktura skierowana do deweloperów, która łączy się z przepływem pracy agenta. Na przykład planujemy wydać serwer SquareFi MCP, aby deweloperzy mogli łatwiej integrować się z naszym API i łączyć nas z własnymi agentami. Praktyczne zastosowanie to agent finansowy, który może analizować twoje finanse, przygotować zamówienie płatnicze, a następnie poprosić cię o podpis.

To jest również dlatego, że zwracam uwagę, gdy wiodące laboratoria publicznie argumentują, że modele nie są jeszcze wyposażone w podejmowanie nieodwracalnych decyzji o wysokim ryzyku w sposób autonomiczny. Fintech nie może udawać, że błędy są nieszkodliwe.

Co to oznacza dla założycieli budujących teraz

CRM, które zbudował Denis, było projektem wewnętrznym, ale reprezentowało większą rzeczywistość, w której budowanie staje się tanie, podczas gdy koordynacja jest nadal trudna. Komunikacja, często traktowana jako umiejętność miękką, zyskuje na wartości, a osoby z umiejętnościami technicznymi będą musiały zainwestować w nią, jeśli chcą prosperować w środowisku, w którym maszyny mogą wykonywać wiele ich pracy szybciej i taniej.

W tym kontekście staje się ważne, aby chronić czas na ciche myślenie. Im szybciej agenci mogą wykonywać, tym bardziej warto zwolnić przed podaniem im kierunku. Zrozumienie złożonej architektury głęboko przed opisaniem jej agentowi jest tam, gdzie decyduje się jakość.

Gdybyś zaczął wszystko od nowa, skupiłbym się na trzech dyscyplinach.

• Po pierwsze, szkoliłbym się i swój zespół, aby lepiej pisać specyfikacje. Chcesz ludzi, którzy mogą rozbić problem, zdefiniować sukces, zdefiniować porażkę i opisać testy. To jest nowy standard dla doskonałości operacyjnej.
• Po drugie, zbudowałbym surową kulturę weryfikacji. AI sprawia, że łatwo jest wysyłać szybko, i sprawia, że łatwo jest wysyłać błędy szybko. Twoja przewaga nie pochodzi tylko z prędkości, ale także z poprawy z wysokimi standardami.
• Po trzecie, traktowałbym ludzką ocenę jako rzadki zasób i chroniłbym ją. W dziedzinach o wysokim ryzyku zespoły działają lepiej, przekazując przygotowanie i powtarzalność agentom, podczas gdy zachowują decyzje z odpowiedzialnymi ludźmi.

Przewaga konkurencyjna przesuwa się w kierunku testowania i poprawy, ponieważ nachylenie się zmieniło. Małe zespoły mogą teraz produkować to, co wymagało wcześniej dużo większych organizacji, ponieważ agenci sprawiają, że komunikacja i koordynacja są znacznie gładziej. To nie usuwa potrzeby talentu, ale raczej podnosi poprzeczkę tego, co oznacza talent.