Unicorn'a Giden Yol: Bir Sonraki Milyar Dolarlık Girişimler Küçük Ekipler Tarafından Kurulacak

Anlaşmaları, muhasebeyi, fon toplamayı, acenteleri ve ortak iş akışlarını tek bir arayüzde birleştiren özel bir CRM oluşturmak için iki hafta makul bir süre mi? Geleneksel mantık hayır diyor. Yine de bunun benzerlerinin gerçekleştiğini görmeye devam ediyorum, çünkü dahili yazılım geliştirmenin maliyeti düşerken entegrasyon ve kullanıma alma maliyetleri aynı oranda artmadı.

Kendi çalışmalarımızdan yakın tarihli bir örnek bunu göstermektedir. Teknik olmayan kurucu ortağımız Denis, mühendisimiz ve benim desteğimizle yaklaşık iki hafta içinde dahili bir CRM sistemi kurdu ve o daha üzerinde çalışırken sistemin bazı bölümleri üretimde çalışmaya başlamıştı bile. Sistem, ekibin 1000'den fazla müşterinin durumunu gerçek zamanlı olarak izleyebilmesi için bir yönetim paneli aracılığıyla gerçek bir veritabanına bağlanıyordu ve ayrıca yönlendirme bağlantıları ve ödeme takibi ile iş ortağı yönetimini de kapsıyordu.

Hızlı büyüyen her ekibin karşılaştığı bir sorunu çözmek için bunu geliştirdi. Hazır CRM'ler sizi başkasının iş akışına çekiyor. İhtiyacınız olmayan özellikleri öğrenmek için zaman harcıyorsunuz, sınırlamalarla karşılaşıyorsunuz ve sistemin işletmenizin gerçekte nasıl çalıştığını yansıtması için araçları entegre etmek için daha da fazla zaman harcıyorsunuz. Temel araçlar, sisteme entegre olmanızdan daha hızlı bir şekilde geliştirmenize olanak sağladığında, eski "yap-yap-satın al" ikilemi değişiyor ve daha fazla ekip kendi işletim katmanını oluşturmaya başlıyor.

Niyet ve uygulama arasındaki döngüyü kısaltmak

Piyasa genelinde yapay zeka, bir fikir ile çalışan ilk sürüm arasındaki süreyi kısaltıyor. Bu değişim, artık bir yapay zeka ajanına iyi tanımlanmış bir görev verip, kıdemli bir mühendisin inceleyip düzeltebileceği ve birleştirebileceği kadar kullanılabilir bir ilk taslak geri alabilmenizden kaynaklanıyor. SquareFiTahminlerimize göre kodumuzun yaklaşık yüzde 95'i yapay zeka yardımıyla üretiliyor ve çekirdek teknik ekibimiz yaklaşık on kişiden dört kişiye düştü. Bu, maliyetleri düşürmek için yapılan basit bir numara değil –her ne kadar büyük şirketler de maliyetleri düşürmeye çalışsa da– kaynakların yeniden düzenlenmesidir. Daha az insanla, 10 kat daha fazla yüksek kaliteli kod üretiyoruz.

Bu, çeşitli departmanlar içinde ve arasında bize faydalı oluyor. Tasarım ekipleri, tasarımları HTML'ye dönüştürmek için giderek daha fazla Figma eklentisi kullanıyor, ardından geliştirme sırasına girmeden önce ilk seviye testler için küçük prototipler oluşturmak üzere yapay zeka araçlarından yararlanıyor. Artık kapasite beklemeden fikirleri erken aşamada test ederek yineleme yapabiliyoruz.

Yavaş geri bildirimin dezavantajının yüksek olduğu durumlarda da ajanlar kullanıyoruz. Sürekli olarak logları ve güvenlik duvarı etkinliğini olağandışı kalıplar açısından analiz eden güvenlik ajanlarımız var ve üretim ortamına birleştirilmeden önce her GitHub commit'ini mevcut tehdit ortamıyla karşılaştıran bir ajan kullanıyoruz. İnsanlar, çok önem verseler bile, bu tür tekrarlayan titizliği nadiren sürekli olarak gösterirler.

Genel sonuç olarak, işlemler daha az el değiştirmeyle ve bir uzmanın müsait olmasını beklemekten kaynaklanan daha az gecikmeyle ilerler.

Ne yapılması gerektiğini bilmek, nasıl yapılacağını bilmekten daha önemlidir.

Bir yapay zekâ ajanından neredeyse her şeyi oluşturmasını isteyebilirsiniz ve bunu, aynı ilk taslağı üretmek için bir insanı eğitmenin gerektirdiği zaman ve maliyetin çok daha azıyla yapabilirsiniz. Çıktı kalitesi, isteğinizin hassasiyetine ve doğrulamanızın gücüne bağlıdır.

Günümüzde birçok girişimde, en büyük kısıtlama spesifikasyon kalitesidir. Yapay zekâ odaklı bir ekipteki en değerli kişiler genellikle alanı derinlemesine anlayan, sistemleri hassas bir şekilde tanımlayabilen ve sonuçları belirsiz ifadeler kullanmadan doğrulayabilen kişilerdir. Bu gerçeği yansıtan yeni iş tanımları ortaya çıkmaya başladı; bunlar arasında spesifikasyon yazarları, alan sahipleri ve yapay zekâ düzenleyicileri yer alıyor. Etiketin kendisinden ziyade yetenek daha önemlidir.

Bu değişim, kimin etkili olacağını da değiştiriyor. Bir projeyi hızlıca anlayabilen ve basitçe açıklayabilen güçlü yöneticiler, niyetleri aracılar aracılığıyla çoğaltılabildiği için artık birçok mühendisten daha fazla çıktı üretebiliyorlar.

Diğer girişimciler bana sık sık bunun ne kadar ileri gidebileceğini soruyor. Evrensel bir cevap olduğunu düşünmüyorum, ancak felsefenin geleneksel fintech'e iyi uyduğunu düşünüyorum çünkü bu alanda iş karmaşık olsa da sistemler tanımlanabilir ve test edilebilir.

Evet. İnsanlar hâlâ iş sahibi olacaklar.

Bunu okurken en son istediğim şey, insan ırkını yok etmek isteyen kötü niyetli bir fintech kurucusunun hikayesi olarak algılanmasıdır. Aklı başında her kuruluş, çarkların dönmesini sağlayanların insanlar olduğunu bilir.

Fintech'in disiplin ve hesap verebilirliği gerektirdiğine inanıyorum. Yapay zeka ilkini sağlarken, insan unsuru da ikincisini sağlıyor. Büyük finansal işlemler insan kontrolünde kalmalıdır. Temsilciler bir ödeme emri hazırlayabilir ve bunu bir insan imzalamalıdır. Nihai uyumluluk kararları da yasal sorumluluk taşır. Bir uyumluluk görevlisi karşı tarafı onaylarsa, sorumluluk görevliye aittir, dosyayı hazırlayan temsilciye değil.

Dolayısıyla soru, her şeyi otomatikleştirebilir miyiz değil. Soru, uzmanları yavaşlatan ağır işleri ortadan kaldırmak için aracıları kullanırken, insan yargısını en yüksek riskli anlara nasıl tahsis edeceğinizdir. Uyumluluk hazırlığı iyi bir adaydır. Olumsuz medya kontrolleri, karşı taraf analizi ve belge derlemesi otomatikleştirilebilir, böylece bir uyumluluk görevlisi büyük ölçüde hazırlanmış bir vakayı alır ve zamanını karar vermeye harcar.

Bu kombinasyon verimli ve hesap verebilir niteliktedir.

Yapay zekâ odaklı olmak nasıl mümkün?

Birçok ekip öncelikle yapay zekaya odaklandıklarını söylüyor ve bununla aynı altyapının üzerine kurulu bir sohbet arayüzünü kastediyorlar. Ben ise yapay zekayı dahili bir işletim modeli olarak çok daha fazla ilgi çekici buluyorum.

Çalışmalarımızda yapay zekayı yoğun olarak dahili olarak kullanıyoruz, ancak ürün düzeyindeki yapay zeka şu anda destek ve muhasebe ajanları gibi belirli alanlarla sınırlı. Bu, ideolojik olmaktan ziyade pratik bir sınırlama. Risk, finansta farklı davranır ve ürün özerkliği dikkatli kısıtlamalar gerektirir.

Büyümesini beklediğim bir trend, ajan iş akışlarına entegre olan geliştirici odaklı altyapıdır. Örneğin, geliştiricilerin API'mizle daha kolay entegre olabilmeleri ve bizi kendi ajanlarına bağlayabilmeleri için bir SquareFi MCP sunucusu yayınlamayı planlıyoruz. Bunun pratik kullanımı, finansal durumunuzu analiz edebilen, ödeme emri hazırlayabilen ve ardından sizden imzalamanızı isteyebilen bir finans ajanıdır.

Bu nedenle, önde gelen laboratuvarların modellerin henüz geri döndürülemez, yüksek riskli kararları otonom olarak verebilecek donanıma sahip olmadığını kamuoyuna açıklamalarına da dikkat ediyorum. Fintech, hataların zararsız olduğunu iddia edemez.

Bu durum, şu anda girişim kuran kurucular için ne anlama geliyor?

Denis'in geliştirdiği CRM, şirket içi bir projeydi ancak inşaat maliyetlerinin düşerken koordinasyonun hala zor olduğu daha büyük bir gerçeği temsil ediyordu. Genellikle yumuşak bir beceri olarak görülen iletişim, değer kazanıyor ve teknik becerilere sahip kişilerin, makinelerin işlerinin çoğunu daha hızlı ve çok daha ucuza yapabildiği bir ortamda başarılı olmak istiyorlarsa, bu alana yatırım yapmaları gerekecek.

Bu bağlamda, sakin düşünme için zaman ayırmak önem kazanır. Ajanlar ne kadar hızlı işlem yapabilirse, onlara yönlendirme vermeden önce yavaşlamak o kadar değerli hale gelir. Karmaşık bir mimariyi bir ajana anlatmadan önce derinlemesine anlamak, kalitenin belirlendiği noktadır.

Yeniden başlasaydım, üç alana odaklanırdım.

• Öncelikle, kendimi ve ekibimi daha iyi teknik şartnameler yazmak konusunda eğitirdim. Bir problemi parçalara ayırabilen, başarıyı tanımlayabilen, başarısızlığı tanımlayabilen ve testleri açıklayabilen insanlara ihtiyacınız var. Bu, operasyonel mükemmellik için yeni standarttır.
• İkinci olarak, sıkı bir doğrulama kültürü oluştururdum. Yapay zeka, hızlı ürün göndermeyi kolaylaştırırken, hataları da hızlı bir şekilde ortaya çıkarmayı kolaylaştırıyor. Avantajınız sadece hızdan değil, yüksek standartlarla sürekli gelişimden de kaynaklanıyor.
• Üçüncüsü, insan yargısını kıt bir kaynak olarak görüp korurdum. Yüksek riskli alanlarda, hazırlık ve tekrarlama işlerini temsilcilere devredip karar alma yetkisini sorumlu insanlara bırakarak ekipler daha iyi performans gösterir.

Rekabet avantajı, eğimin değişmesi nedeniyle test etme ve iyileştirme yönüne doğru kayıyor. Artık küçük ekipler, eskiden çok daha büyük organizasyonların gerektirdiği işleri üretebiliyor, çünkü aracılar iletişimi ve koordinasyonu çok daha sorunsuz hale getiriyor. Bu durum yetenek ihtiyacını ortadan kaldırmıyor, aksine yeteneğin ne anlama geldiğine dair çıtayı yükseltiyor.