Düşünce Liderleri

Tek Bozkurt Takımlar Tarafından İnşa Edilecek Bir Milyar Dolarlık Sonraki Başlangıçlar

mm
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
A person from behind in a blue suit works at a desk with two monitors in front of a city window. A portrait monitor on the left shows an

Özel bir CRM’i iki haftada inşa etmek makul bir zaman çizelgesi midir? Geleneksel mantık hayır der. Ancak ben bunun örneklerini sık sık görüyorum, çünkü dahili yazılımları inşa etmenin maliyeti düşerken, entegrasyon ve kurulum hala aynı değil.

Bunun yakın zamanda kendi çalışmamızdan bir örnek var. Teknik olmayan ortak kurucu Denis, yaklaşık iki hafta içinde bir dahili CRM inşa etti ve bunu bizim mühendisimiz ve ben destekledik. Sistem, bir yönetim paneli aracılığıyla gerçek bir veritabanına bağlandı, böylece ekip 1000’den fazla müşterinin sağlığını gerçek zamanlı olarak izleyebildi ve ayrıca ortak yönetimi, referans linkleri ve ödeme takibi ile birlikte çalıştı.

Bunu, her hızlı büyüyen ekibin karşılaştığı bir problemi çözmek için inşa etti. Hazır CRM’ler sizi başka birinin iş akışına çekiyor. İhtiyacınız olmayan özellikler öğrenmek için zaman harcarsınız, sınırlamalarla karşılaşırsınız ve sistemi gerçekten nasıl çalıştığınızı yansıtmak için araçları entegre etmek için daha fazla zaman harcarsınız. Altta yatan araçlar size daha hızlı inşa etmenize izin verdiğinde, inşa etmekle satın almak arasındaki eski ticaret değişir ve daha fazla ekip kendi işletme katmanını inşa etmeye başlar.

İrade ve Uygulama Arasındaki Döngüyü Kısaltmak

Piyasa genelinde, AI, bir fikir ve çalışır bir ilk sürüm arasındaki zamanı azaltıyor. Bu değişiklik, bir ajanı iyi tanımlanmış bir görevle donatip, seni geri döndüğünde seni inceleyebilecek, düzeltip birleştirebilecek bir senior mühendis için đủ kullanılabilir bir ilk sürüm alabiliyor olmandan kaynaklanıyor. SquareFi‘de, kodumuzun yaklaşık %95’inin AI yardımıyla üretildiğini tahmin ediyoruz ve core teknik grubumuz yaklaşık on kişiden dört kişiye düştü. Bu sadece bir maliyet kesme hilesi değil – bu, kaynakların yeniden düzenlenmesidir. Daha az insanla, daha fazla yüksek kaliteli kod teslim ediyoruz.

Bu, bizim için çeşitli departmanlar içinde faydalı oluyor. Tasarım ekipleri increasingly Figma eklentilerini kullanarak tasarımları HTML’ye dönüştürüyor, ardından AI araçlarını kullanarak ilk düzey test için küçük prototipler inşa ediyorlar. Şimdi, kapasite beklemeye gerek kalmadan fikirleri erken test ederek ilerleyebiliriz.

Ajanları, yavaş geri bildirimin dezavantajı yüksek olduğu yerlerde çalıştırıyoruz. Güvenlik ajanları sürekli olarak günlükleri ve güvenlik duvarı faaliyetlerini olağan dışı kalıplar için analiz ediyor ve her GitHub taahhüdünü producción’a birleştirmeden önce güncel tehdit manzarasına karşılaştırarak analiz eden bir ajan kullanıyoruz. İnsanlar, çok fazla ilgi gösterse bile, bu tür tekrarlı dikkati tutarlı bir şekilde göstermez.

Genel sonuç, eylemlerin daha az el değiştirme ve uzmanların müsait olmasına beklemekten kaynaklanan daha az gecikme ile ilerlemesidir.

Ne Yapacağını Bilmek, Nasıl Yapacağını Bilmekten Daha Önemli

Bir AI ajanından几乎 her şeyi inşa etmesini isteyebilirsiniz ve bunu bir kişinin aynı ilk sürümü üretmesi için gereken zaman ve maliyetin bir kısmında yapabilirsiniz. Çıkış kalitesi hala talebinizin kesinliği ve doğrulama gücünüzle ilişkili olacaktır.

Çok sayıda startup’ta, spécification kalitesi kısıtlamadır. AI destekli ekiplerdeki en değerli kişiler, genellikle domaine derinlemesine anlayan, sistemleri kesin bir şekilde tanımlayabilen ve sonuçları el savurma olmadan doğrulayabilen kişilerdir. Yeni iş etiketleri bu gerçekliği takip etmeye başladı, bunlar arasında spécification yazarları, domaine sahipleri ve AI orkestratörleri yer alıyor. Etiket, yeteneklerden daha az önemli.

Bu değişim, etkili olan kişilerin kim olduğunu da değiştiriyor. Proje hakkında hızlı bir şekilde anlayabilen ve basit bir şekilde tanımlayabilen güçlü yöneticiler, şimdi ajanlar aracılığıyla niyetlerini çoğaltabildikleri için, birçok mühendisten daha fazla çıktı üretebilirler.

Sık sık diğer kurucular tarafından bana, bu ne kadar ileri gidebileceği soruluyor. Evrensel bir cevap olduğunu düşünmüyorum, ancak felsefenin geleneksel fintech’e iyi uyduğunu düşünüyorum, çünkü bu, komplex ancak tanımlanabilir ve test edilebilir sistemlerin bir alanidir.

Evet, İnsanlar Hala İşlere Sahip Olacak

Burada okunmasını istediğim son şey, insan ırkını yok etmek isteyen kötü bir fintech kurucusu gibi görünmektir. Her akıllı organizasyon, insanların işleri yürüttüğünü bilir.

İnanıyorum ki, fintech, disiplin ve hesap verebilirlik gerektirir. AI kısmı, ilkini sağlar, insan kısmı ise ikincisini sağlar. Büyük finansal işlemler insan tarafından kontrol edilmeli. Ajanlar bir ödeme emrini hazırlayabilir, ancak bir insan tarafından imzalanmalıdır. Son compliance kararları da yasal sorumluluk taşır. Bir compliance görevlisi bir karşı tarafı onaylarsa, sorumluluk görevlisiyle, ajanla değil, sorumludur.

Thus, the question is not whether you can automate everything. The question is how you allocate human judgment to the highest risk moments, while using agents to remove the bulk work that slows experts down. Compliance preparation is a good candidate. Adverse media checks, counterparty analysis, and documentation assembly can be automated so a compliance officer receives a case that is mostly prepared and spends their time on the decision.

Bu kombinasyon verimlidir ve hesap verebilir.

AI-İlk Olmak Nasıl Yapılır

Çok sayıda ekip, AI-ilk olduklarını söylüyor ve bunu, aynı altyapının üzerine bir sohbet arayüzü olarak anlıyorlar. Ben, AI’yi daha çok dahili bir işletme modeli olarak ilgileniyorum.

Çalışmamızda, AI’yi ağır bir şekilde dahili olarak kullanıyoruz, ancak ürün düzeyinde AI şu anda destek ve muhasebe ajanları gibi belirli alanlarla sınırlıdır. Bu, daha çok ideolojik bir sınır değil, pratik bir sınırdır. Risk, finanstaki davranış farklıdır ve ürün otonomisi dikkatli kısıtlamalara ihtiyaç duyar.

Beğendiğim bir trend, geliştiriciye yönelik altyapının, ajan iş akışlarına bağlanmasını içerir. Örneğin, geliştiricilerin bizim API’mizle daha kolay entegre olabilmeleri ve bizi kendi ajanlarına bağlayabilmeleri için bir SquareFi MCP sunucusu çıkarmayı planlıyoruz. Bunun pratik kullanımı, finansınızı analiz edebilen, bir ödeme emrini hazırlayabilen ve sonra imzalamanızı isteyen bir finans ajanıdır.

Bu, neden önde gelen laboratuvarların, modellerin henüz yüksek riskli, geri dönülmez kararlar alabilmek için donatılmadığına dair kamuoyuna açık bir şekilde iddia ettiklerine dikkat ettiğim neden.

Bu, Şimdi İnşa Eden Kurucular İçin Ne Anlama Geliyor

Denis’in inşa ettiği CRM, bir dahili proje idi, ancak daha geniş bir gerçekliği temsil ediyordu: inşa etme maliyeti düşerken, koordinasyon hala zordu. İletişim, genellikle bir yumuşak beceri olarak muamele görse de, değeri artıyor ve teknik olarak yetkin kişiler, makinelerin işlerini daha hızlı ve daha ucuza yapabildiği bir ortamda hayatta kalmak istiyorsa, buna yatırım yapmaları gerekiyor.

Bu bağlamda, sessiz düşünme zamanını korumak önemli oluyor. Ajanlar Size daha hızlı çalıştırabiliyorsa, onlara yön verdiğinizde yavaşlamak daha değerli hale geliyor. Karmaşık bir mimariyi derinlemesine anlamak ve sonra bir ajana tarif etmek, kalitenin belirlendiği yer.

Eğer Tekrar Başlasam, Üç Disiplin Üzerinde Odaklanırdım.

  • İlk olarak, kendimi ve ekibimi daha iyi spécification yazmak için eğitecektim. Problemi çözebilen, başarıyı tanımlayabilen, başarısızlığı tanımlayabilen ve testleri tarif edebilen kişiler istiyorsunuz. Bu, operasyonel mükemmelliğin yeni standardı.
  • İkincisi, katı bir doğrulama kültürü oluştururdum. AI, hızlı bir şekilde teslim etmenizi sağlar, ancak aynı zamanda hızlı bir şekilde hatalar teslim etmenizi de sağlar. Avantajınız sadece hızdan değil, aynı zamanda yüksek standartlarla iyileşmekten gelir.
  • Üçüncüsü, insan yargısını kıt bir kaynak olarak tedavi eder ve korurdum. Yüksek riskli alanlarda, ekipler, hazırlama ve tekrarı ajanlara devrederek, karar verme yetkisini sorumlu insanlarla tutarak daha iyi performans gösterir.

Rekabet avantajı, test etme ve iyileştirme yönünde kayıyor, çünkü eğimi değişti. Küçük ekipler, daha önce çok daha büyük organizasyonların gerektirdiği şeyi now üretebiliyor, çünkü ajanlar iletişimi ve koordinasyonu çok daha sorunsuz hale getiriyor. Bu, yetenek ihtiyacını ortadan kaldırmıyor, ancak yetenek anlamına gelen şeyi yükseltiyor.

Anton Lobintsev, teknoloji endüstrisinde 20 yılı aşkın deneyime sahip bir girişimcidir ve altyapı, uyum ve ürün inovasyonu arasındaki kesişme noktalarında şirketler kurmuştur. SquareFi'nin kurucu ortaklarından ve Ürün Başkanı olarak, ürün geliştirme, yasal uyum ve stratejik ortaklıkları yönetmektedir.

Anton, 2003 yılında kurumsal sunucu satışları yoluyla BT endüstrisine girdi ve 2007 yılında IBM ve HP gibi küresel devlerle ortaklık kurmuş bir sistem entegrasyonu şirketi kurdu. Daha sonra yasal teknolojiye yöneldi ve entelektüel mülkiyet yönetimi ve dijital haklara odaklanan bir girişimin kurucu ortaklarından biri oldu ve burada CTO olarak görev yaptı.