یک سال از آخرین جلسه «هر سوالی داری بپرس» من می‌گذرد. از آن زمان تاکنون اتفاقات زیادی در حوزه‌های هوش مصنوعی، بازارهای آنلاین، اقتصاد کلان و اکوسیستم گسترده‌تر فناوری افتاده است.

در اینجا سوالاتی که پوشش دادیم آمده است:

• ۴:۲۲ چرا هوش مصنوعی در حال حاضر اینقدر مورد ترس یا عدم علاقه گسترده قرار گرفته است؟
• ۸:۴۸ چرا هوش مصنوعی پیشرفت عظیمی را به ارمغان می‌آورد در حالی که سیاست و سیستم‌های عمومی عقب مانده‌اند؟
• ۱۳:۳۴ فرصت‌های واقعی در تجاری‌سازی هوش مصنوعی امروز چیست؟
• ۱۴:۱۰ آیا استارتاپ‌ها در دنیای مبتنی بر هوش مصنوعی همچنان به هم‌بنیان‌گذاران انسانی نیاز خواهند داشت؟
• ۱۷:۵۱ یک هم‌بنیان‌گذار فنی در عصر هوش مصنوعی چقدر اهمیت دارد؟
• ۲۰:۰۰ آیا با پیشرفت هوش مصنوعی، هوش (IQ) بی‌اهمیت خواهد شد؟
• ۲۰:۱۸ متخصصان جوان در دنیای مبتنی بر هوش مصنوعی باید روی چه مهارت‌هایی تمرکز کنند؟
• ۲۲:۴۸ آموزش در عصر هوش مصنوعی چگونه باید تکامل یابد (و چگونه باید به کودکان آموزش داد)؟
• ۲۶:۴۰ چه چیزی تصمیمات سرمایه‌گذاران را در مراحل اولیه یک استارتاپ هدایت می‌کند؟
• ۲۸:۲۳ بنیان‌گذاران پیش‌بذر چگونه می‌توانند سرمایه جذب کنند، به خصوص در خارج از ایالات متحده؟
• ۳۰:۱۱ شبکه‌های عصبی گرافی چگونه ممکن است بر بازارهای آنلاین تأثیر بگذارند؟
• ۳۱:۳۲ برای موفقیت در بازارهای آنلاین در مناطقی مانند آمریکای لاتین چه چیزی لازم است؟
• ۳۳:۱۰ چه چیزی در شرکت‌های هوش مصنوعی در مقابل رشد مبتنی بر تبلیغات، دفاع‌پذیری واقعی ایجاد می‌کند؟
• ۳۵:۳۸ آیا ما در حباب هوش مصنوعی هستیم – و این برای سرمایه‌گذاران چه معنایی دارد؟
• ۳۷:۳۰ مسیر تأمین مالی مناسب برای استارتاپ‌هایی که به سرمایه اولیه زیادی نیاز دارند چیست؟
• ۳۸:۵۴ سرمایه‌گذاران قبل از تأمین مالی یک استارتاپ در مراحل اولیه به چه مدرکی نیاز دارند؟
• ۳۹:۴۰ نظریه سرمایه‌گذاری شما در بازارهای آنلاین در عصر هوش مصنوعی چگونه تکامل یافته است؟
• ۴۲:۰۲ بنیان‌گذاران از کجا می‌توانند توسعه‌دهندگان پاره‌وقت قوی پیدا کنند؟
• ۴۳:۱۵ هوش عمومی مصنوعی (AGI) را چه چیزی تعریف می‌کند – و امروز چگونه باید به آن فکر کنیم؟
• ۴۵:۰۸ «گوه» اولیه در ساخت یک بازار آنلاین چقدر اهمیت دارد؟
• ۴۶:۲۹ چگونه ارزیابی می‌کنید که پذیرش هوش مصنوعی واقعاً ارزش ایجاد می‌کند؟
• ۴۸:۰۰ کدام ویژگی‌های بنیان‌گذار امروز بیشترین اهمیت را دارند؟
• ۴۹:۴۵ اگر امروز شروع می‌کردی، چه چیزی می‌ساختی و چرا؟
• ۵۲:۳۲ شما فراتر از هویت حرفه‌ای‌تان چه کسی هستید؟
• ۵۵:۱۱ آیا هنوز هم ناامنی‌هایی داری – و چگونه به آن‌ها فکر می‌کنی؟
• ۵۷:۱۰ اگر کارآفرین نبودی چه می‌کردی؟
• ۵۹:۴۵ چه سیگنال‌هایی نشان می‌دهند که یک بازار آنلاین به نقدینگی و تناسب محصول-بازار می‌رسد؟
• ۱:۰۱:۱۹ دفاع‌پذیری اصلی یک بازار آنلاین از روز اول چیست؟
• ۱:۰۲:۲۴ Quince چیست و چرا اینقدر موفق بوده است؟
• ۱:۰۴:۲۲ کدام صنایع «خسته‌کننده» شرکت‌های بزرگ بعدی را تولید خواهند کرد؟
• ۱:۰۶:۳۶ بزرگترین نقطه کور در میان سرمایه‌گذاران خطرپذیر امروز چیست؟
• ۱:۰۸:۱۵ کدام بخش‌های هوش مصنوعی در حال حاضر بیش از حد شلوغ هستند؟
• ۱:۰۹:۳۵ آیا بازارهای آنلاین می‌توانند در رویدادهای پیچیده و چند خدمتی زندگی موفق شوند؟
• ۱:۱۱:۴۱ انتظارات جذب سرمایه در عصر هوش مصنوعی چگونه تغییر کرده است؟
• ۱:۱۶:۰۷ آیا فارغ‌التحصیلان باید در سال ۲۰۲۶ به استارتاپ‌ها بپیوندند یا شرکت‌های بزرگ؟
• ۱:۱۶:۲۱ آیا عمومی‌گرا بودن هنوز یک مسیر شغلی قابل دوام است؟
• ۱:۱۸:۳۵ آیا سرمایه‌گذاران معرفی‌های گرم را ترجیح می‌دهند یا ارتباطات سرد؟
• ۱:۱۹:۵۵ آیا استارتاپ‌ها باید از خدمات به عنوان یک گوه قبل از تبدیل شدن به SaaS استفاده کنند؟
• ۱:۲۲:۰۲ کدام بازی‌ها یا ابزارها برای رشد و یادگیری کودکان بهترین هستند؟
• ۱:۲۴:۳۹ آیا هوش مصنوعی باعث از دست دادن گسترده مشاغل یا بیکاری خواهد شد؟
• ۱:۳۰:۵۷ آیا شرکت‌های با مقیاس سرمایه‌گذاری خطرپذیر را می‌توان امروز در آمریکای لاتین ساخت؟
• ۱:۳۲:۲۶ هوش مصنوعی چگونه باید در تصمیم‌گیری‌های عملیاتی استفاده شود؟
• ۱:۳۶:۰۰ چه چیزی بازارهای آنلاین بزرگ را از بازارهای خاص جدا می‌کند؟
• ۱:۳۷:۲۴ چه مقدار از تصمیم‌گیری باید به هوش مصنوعی واگذار شود در مقابل انسان‌ها؟
• ۱:۳۹:۱۰ در استارتاپ‌های B2C در مراحل اولیه، چه چیزی بیشترین اهمیت را دارد: کشش یا بینش؟

اگر ترجیح می دهید، می توانید قسمت را در پخش کننده پادکست جاسازی شده گوش دهید.

علاوه بر ویدیوی یوتیوب بالا و پخش کننده پادکست جاسازی شده، می توانید به پادکست در iTunes و Spotify نیز گوش دهید.

رونوشت

سلام به همه. امیدوارم هفته فوق العاده ای داشته باشید راستش، بیش از یک سال از آخرین جلسه «هر سوالی داری بپرس» ما می‌گذرد و اتفاقات زیادی در هوش مصنوعی، اقتصاد کلان و ژئوپلیتیک و غیره افتاده است. بنابراین فکر کردم زمان آن فرا رسیده است که به تمام سوالات شما و هر دور ممکن پاسخ دهم.

پس با این اوصاف، بدون هیچ مقدمه دیگری، بیایید شروع کنیم. به قسمت ۵۳ خوش آمدید. هر سوالی داری بپرس.

عالی. من سوالات زیادی را که شما از قبل ارسال کرده بودید دریافت کردم که تصمیم گرفتم یکی یکی به آنها بپردازم. البته، در طول برنامه هر سوالی داشتید، می‌توانید ارسال کنید.

اولین سوال اساسی که کسی از من پرسید این بود که چرا به نظر می‌رسد همه در حال حاضر از هوش مصنوعی متنفرند؟ یعنی چرا هوش مصنوعی اینقدر مورد تنفر است؟ و من مدت‌ها به این موضوع فکر کردم، و هر زمان که فناوری جدیدی ظاهر می‌شود، همیشه واکنش‌های منفی وجود دارد. بنابراین اجازه دهید مثال‌های واقعاً جالبی به شما بزنم. در گذشته، زمانی که نوشتن به نوعی اختراع شد،

سقراط شکایت می‌کرد که نوشتن مردم را تنبل می‌کند. آنها دیگر از حافظه خود استفاده نمی‌کنند و غیره. و اکنون نکته خنده‌دار و کنایه آمیز این است که تنها دلیلی که ما این را می‌دانیم این است که افلاطون در واقع سخنان سقراط را نوشت. و بنابراین اگر نوشتن برای حفظ دانش، و امکان ساختن بر دانش دیگران اختراع نشده بود، ما آن را نداشتیم.

دانش و تخصصی که امروز داریم. و این در طول تاریخ یک عادت بوده است. بنابراین وقتی ماشین چاپ اختراع شد، همین اتفاق افتاد، نگران بودند که به نوعی وقتی کتاب مقدس نوشته شود، ارتباط با کلیسا را از دست بدهید. وقتی روزنامه‌ها اختراع شدند، انتقاد اصلی این بود که، اوه خدای من، شما دیگر اخبار خود را از منبر دریافت نخواهید کرد، و این یک مشکل بزرگ خواهد بود.

و البته، هیچ یک از ما اخبار خود را از منبر دریافت نکرده‌ایم. اصلاً مشکلی نیست. وقتی دوچرخه اختراع شد، مردم می‌گفتند که این به بحران اخلاقی منجر خواهد شد زیرا زنان می‌توانند دوچرخه‌های خود را بردارند و روابط نامشروع داشته باشند به جای اینکه در یک مکان خاص گیر کنند.

و البته همه اینها مزخرف بود، درست است؟ واقعاً چیزی را تغییر نداد. فقط زندگی ما را بهتر کرد. و بنابراین این مفهوم بحران اخلاقی و فناوری همچنان ادامه داشت. مردم فکر می‌کردند تلویزیون این افراد زامبی را در مقابل تلویزیون ایجاد می‌کند که به هیچ وجه از مغز خود استفاده نمی‌کنند.

و همین امر در مورد اینترنت با ویکی‌پدیا نیز صادق است، اوه، یا دانش‌آموز قرار است یاد بگیرد، حفظ کند و غیره، در مقابل دسترسی به اطلاعات. و بنابراین در حال حاضر مردم همین نگرانی را در مورد هوش مصنوعی دارند. این همه مشاغل را از بین خواهد برد، که همیشه یک نگرانی برای مردم بوده است.

من به این موضوع در یک سوال دیگر خواهم پرداخت. شاید قیام کند و جای ما را بگیرد، همانطور که در تمام فیلم‌های علمی تخیلی و غیره. بنابراین، شماره یک، نگرانی عمومی در مورد فناوری‌های جدید که مردم با آنها راحت نیستند و تمام این سناریوهای واقعاً دیوانه‌کننده و ترسناک را مطرح می‌کنند. شماره دو، من می‌گویم هوش مصنوعی در لحظه‌ای از روح زمانه رسید که سرمایه‌گذاران خطرپذیر و بنیان‌گذاران فناوری دیگر مورد احترام نیستند و بیشتر مورد انتقاد و سرزنش قرار می‌گیرند و غیره.

پس مثل اواخر دهه ۲۰۰۰ یا اوایل دهه ۲۰۱۰ نیست. اما در حال حاضر احساس می‌کنند که به شخصیت‌های شرور تبدیل شده‌اند، درست است؟ مثل آخرین فیلم سوپرمن که یک میلیاردر فناوری شرور است. و روح زمانه فرهنگی دیگر طرفدار فناوری نیست. اگر چیزی باشد، ضد فناوری است. و البته، چیزهایی مانند رسانه‌های اجتماعی، هم جنبه‌های مثبت و هم منفی دارند.

و بله، می‌توان از آنها برای ترویج و تقویت دموکراسی استفاده کرد، اما همچنین می‌توانند به بحران سلامت روان در زنان جوان و غیره منجر شوند. بنابراین، از آنجا که جهان در لحظه‌ای که از فناوری می‌ترسد، دیدگاه مثبت یکسانی ندارد، می‌توانم درک کنم که چرا مردم ناراحت هستند. و در نهایت، همانطور که همیشه بوده است، تصور مشاغلی که به دلیل هوش مصنوعی از بین خواهند رفت، بسیار آسان است.

تصور مشاغلی که می‌توانند ایجاد شوند، همیشه بسیار دشوارتر است. و بنابراین مردم می‌توانند دنیایی را پیش‌بینی کنند که شاید مشاغلی که دارند دیگر مورد نیاز نباشند، و تغییرات اساسی رخ خواهد داد. مردم ریسک‌گریز هستند. آمیگدال ما دارای این واکنش ترس است، ما نسبت به ترس بیش از حد حساس هستیم زیرا ۱۰,۰۰۰ سال پیش، از دیدگاه تکاملی، اگر در ساوانا بودید و خش‌خش برگ‌ها وجود داشت، افرادی که واقعاً می‌ترسیدند و فکر می‌کردند ممکن است ببری باشد که آنها را بخورد، زنده ماندند.

و بنابراین افراد ریسک‌گریز کسانی هستند که زنده ماندند. به طور کلی، ما از تغییر می‌ترسیم. بنابراین من درک می‌کنم که چرا این ترس اساسی از هوش مصنوعی وجود دارد. این سوالی از تام بود.

سوال از امانوئل. سوال شماره دو. ما در این لحظه زندگی می‌کنیم که هوش مصنوعی و شاهد یک انقلاب بهره‌وری فوق‌العاده در علم با کشفیات جدید به دلیل هوش مصنوعی هستیم که اغلب بخش زیادی از تحقیقات یا یافتن اثبات‌های ریاضی را انجام می‌دهد. ما شاهد انفجاری در خلاقیت در استارتاپ‌ها به دلیل هوش مصنوعی هستیم که ساخت استارتاپ‌ها را آسان‌تر از همیشه کرده است. و ما آن را در امور مالی نیز می‌بینیم. و با این حال، وقتی به سیستم‌های سیاسی و فرآیندهای سیاسی خود نگاه می‌کنیم، همه چیز شکسته و کندتر از همیشه به نظر می‌رسد.

کیفیت افراد آنجا، اگر چیزی باشد، رو به کاهش است. چرا اینطور است؟ و، این احتمالاً یکی از بزرگترین پارادوکس‌های فلسفی قرن ۲۱ است که از یک سو با بهترین ابزارها، بهترین افراد در حال کار بر روی تغییر جهان به روش‌های اساسی هستند. و از سوی دیگر، شما سیستم‌های سیاسی دارید که قرار است برای منافع عمومی باشند.

به نظر نمی‌رسد کار خاصی انجام دهند. و راستش، دلایل اساسی متعددی برای این وجود دارد. بنابراین، اول از همه، بازارها در تخصیص و رسیدگی به خدمات عمومی چندان خوب نیستند. به همین دلیل بخش عمومی ایجاد شده است. مسئله این است که دلیل اینکه یکی بهتر از دیگری کار می‌کند، یا اینگونه است.

وقتی شما یک استارتاپ می‌سازید، مثلاً، یک شایسته‌سالاری است. و اگر کار خوبی انجام دهید، برای آن پاداش می‌گیرید. و اگر نه، پولتان تمام می‌شود و این یک بازخورد بسیار سریع است. خیلی سریع متوجه می‌شوید که کاری که انجام می‌دهید کار می‌کند یا نه و پاداش‌ها به برندگان تعلق می‌گیرد.

و هدف شما بسیار واضح است. تناسب محصول با بازار را پیدا کنید. یک مدل کسب و کار پایدار ایجاد کنید، کسب و کار خود را مقیاس‌پذیر کنید. و خیلی سریع، اگر همه چیز کار کند یا نه. و ایده‌های بازنده و افراد بازنده را حذف می‌کند.

فرآیندهای سیاسی بسیار متفاوت هستند. حلقه‌های بازخورد بسیار کند هستند. تشخیص اینکه آیا شما یک سیاست‌گذار خوب یا بد هستید، یا یک سیاستمدار خوب یا بد هستید، بسیار دشوار است. و بنابراین ۱۰ سال بعد، ممکن است هنوز پاسخ آن را ندانید. و از آنجا که سیستم‌ها به طور طراحی شده نسبتاً کند حرکت می‌کنند. گاهی اوقات دهه‌ها طول می‌کشد تا تصمیمات بد به نقطه‌ای برسند که منجر به نتایج بد شوند.

و چون بسیار کندتر است. و همچنین اهداف متفاوت هستند، درست است؟ مثلاً در اکوسیستم استارتاپ‌های خطرپذیر اینطور است که شما در استارتاپ سرمایه‌گذاری می‌کنید، کار می‌کند یا کار نمی‌کند. شما محصول را پیدا می‌کنید و مقیاس‌پذیر می‌کنید. و در دیگری، هدف اصلی شما انتخاب مجدد است. و چرخه‌های سیاسی خیلی کوتاه هستند.

واقعیت این است که اتفاقاتی که در جهان می‌افتد زمان می‌برد. مثلاً در ۵۰ سال گذشته، یک و نیم میلیارد نفر در چین و هند از فقر خارج شدند. اما این ۴۰ یا ۵۰ سال طول کشید. هیچ چیز در دو سال اتفاق نیفتاد. و در حال حاضر در ایالات متحده، شما هر دو سال یک بار کنگره را انتخاب می‌کنید.

شما هر چهار تا پنج سال یک بار رئیس جمهور یا نخست وزیر را در غرب انتخاب می‌کنید. و در این بازه‌های زمانی، اتفاقات بسیار کمی واقعاً می‌افتد. بنابراین تشخیص اینکه آیا کسی مؤثر است یا ناکارآمد، بسیار دشوار است. و در نتیجه، آن دنیا به شدت کند حرکت می‌کند و من انتظار دارم که همچنان بسیار کند حرکت کند.

و به هر حال، همانطور که به تأثیر هوش مصنوعی در جامعه فکر می‌کنم، گمان می‌کنم مانند اکثر این موارد، مردم تأثیر آن را در کوتاه‌مدت بیش از حد تخمین می‌زنند و تأثیر آن را در بلندمدت دست کم می‌گیرند. و دلیل اینکه آنها تأثیر آن را در کوتاه‌مدت بیش از حد تخمین می‌زنند این است که اگر شما در حال حاضر در حوزه فناوری هستید، می‌گویید: «این همه چیز را تغییر می‌دهد.»

همه مشاغل در این حوزه خوب هستند. جهان دو سال دیگر به طرز خنده‌داری متفاوت از امروز خواهد بود. اما دنیا اینگونه کار نمی‌کند، درست است؟ از نظر فرهنگی، ما کند حرکت می‌کنیم، از نظر سیاسی، ما کند حرکت می‌کنیم. و اگر به جایی که بیشتر تولید ناخالص داخلی امروز است فکر کنید، در خدمات عمومی است. در شرکت‌های بزرگ است و اینها به طرز فوق‌العاده‌ای کند حرکت می‌کنند، بله.

چه زمانی فکر می‌کنم که DMV از هوش مصنوعی برای سریع‌تر کردن فرآیند دریافت گواهینامه رانندگی استفاده خواهد کرد؟ فکر می‌کنم تا ابد طول خواهد کشید، درست است؟ بنابراین فکر می‌کنم ما شاهد بهره‌وری تولید ناخالص داخلی خواهیم بود که به طرز خنده‌داری توسط هوش مصنوعی تحت تأثیر قرار می‌گیرد. شما نیاز دارید که آن را در خدمات عمومی، که ۴۰ تا ۶۰ درصد تولید ناخالص داخلی در اکثر کشورهای غربی و در شرکت‌های بزرگ است، ببینید.

و اینها پذیرندگان بسیار کندی هستند. بنابراین مدتی طول خواهد کشید اما در نهایت جامعه را به روش‌هایی تغییر خواهد داد که امروز حتی نمی‌توانیم تصور کنیم.

بنابراین کاربر لینکدین، ما در حال توسعه اولین شبکه ملی‌سازی با عوامل هوش مصنوعی در آزمایشگاه‌های جاکوبین هستیم. بنابراین این پاییز در طول پایان‌نامه FJ Labs است. آیا نظری در مورد چشم‌انداز تجاری‌سازی هوش مصنوعی دارید؟

اطلاعات کافی برای پاسخ به سوال وجود ندارد. شاید، حدس می‌زنم پاسخ این باشد. فقط برای ما ارسال کنید تا بررسی کنیم و به شما اطلاع دهیم، اما بدیهی است که بله، تجاری‌سازی هوش مصنوعی به هر شکل و شمایلی منطقی است.

ما در حال توسعه هستیم، بنابراین الساندرو، یک پلتفرم تطبیق هم‌بنیان‌گذار، به نام Founder’s Junction که معتقد است با هوش مصنوعی بازار کار را تغییر می‌دهد و چشم‌انداز داخلی، داخلی‌ها همیشه به یک هم‌بنیان‌گذار انسانی نیاز خواهند داشت. سرمایه‌گذاران. آیا با این دیدگاه موافقید؟

اول از همه، یافتن هم‌بنیان‌گذار یک مسئله بزرگ است، درست است؟ یافتن هم‌بنیان‌گذار مناسب در ساخت یک شرکت بسیار مهم است. و بنابراین آیا فکر می‌کنم که با هوش مصنوعی، شما در موقعیتی خواهید بود که به مردم کمک کنید هم‌بنیان‌گذاران بهتری پیدا کنند؟ کاملا! درست است، مانند اینکه فرآیند بسیار واضحی وجود نداشته است. مردم دوستان خود را انتخاب می‌کنند، اما دوستان ممکن است مناسب‌ترین افراد برای مهارت‌هایی که نیاز دارند نباشند. مردم در شبکه‌های تصادفی جستجو می‌کنند. و بنابراین آیا فکر می‌کنم نیاز به یافتن هم‌بنیان‌گذار و پیدا کردن افرادی که با هم کار می‌کنند وجود دارد؟ هر چیزی که به دنبال آن هستید، به هر حال. یک مدیر عامل ممکن است به یک مدیر عملیاتی نیاز داشته باشد یا یک مدیر ارشد فناوری ممکن است به کسی نیاز داشته باشد که به او در تعریف مدل کسب و کار و جذب سرمایه کمک کند.

بنابراین، من قطعاً فکر می‌کنم که به آن نیاز است. حالا آیا فکر می‌کنم که اکثر مدیران در کوتاه‌مدت، چون انسان‌ها آنها را اداره می‌کنند. کاملا. فکر می‌کنم هم‌بنیان‌گذار شما یک انسان خواهد بود تا OpenClaw. کاملا! حالا، آیا فکر می‌کنم که شما از OpenClaw به عنوان دستیار فوق‌العاده هوشمند خود برای انجام تحقیقات و کمک استفاده خواهید کرد؟ کاملا!

شاید در کوتاه‌مدت OpenClaw نباشد. در کوتاه‌مدت، یک عامل از نوع Open Claude خواهد بود که توسط LLM‌های اصلی هوش مصنوعی مانند Claude یا OpenAI تعبیه شده یا ارائه می‌شود که یک معادل Open Claude را بدون هیچ یک از نگرانی‌ها و خطرات امنیتی که امروز می‌بینید، ارائه می‌دهد.

برای پاسخ به سوال شما، بله، من فکر می‌کنم بنیان‌گذاران همچنان نقش مهمی در ساخت شرکت‌ها ایفا خواهند کرد. اکثر بنیان‌گذاران، بنیان‌گذاران انسانی خواهند بود، حتی اگر از هوش مصنوعی استفاده کنید. و من فکر می‌کنم استفاده از هوش مصنوعی برای یافتن بنیان‌گذاران بهتر و بهبود فرآیند یافتن هم‌بنیان‌گذار بسیار منطقی است.

و به هر حال، من واقعاً یک فرآیند یافتن هم‌بنیان‌گذار را انجام می‌دهم، به این معنی که شما باید کاملاً پروژه‌هایی را با آنها انجام دهید، وظایف را تعریف کنید و ببینید آیا با هم خوب کار می‌کنیم یا نه. شما باید کاملاً با آنها وقت بگذرانید، با دوستانشان، با دوست‌دخترهایشان ملاقات کنید. باید به شام بروید. واقعاً مطمئن شوید که این کسی است که می‌توانید خودتان را برای مدت طولانی با او کار کنید.

خب، بریم سراغ بعدی. خب. سوالی که مربوط به بنیان‌گذاران بود و واقعاً جالب بود. اجازه بدید لیست سوالاتی که از قبل ارسال شده بود رو مرور کنم.

در عصر هوش مصنوعی، یک هم‌بنیان‌گذار فنی چقدر اهمیت دارد و آیا باید روی یافتن یک هم‌بنیان‌گذار فنی تمرکز کنیم یا کسی با تجربه عمودی مرتبط در صنعت؟ حالا پاسخ این سوال البته این است که بستگی دارد. همانطور که احتمالاً پاسخ اکثر سوالات همین است. اگر شما یک استارتاپ هوش مصنوعی با یک مدل LLM بنیادی می‌سازید، پس بله، قطعاً به یک مدیر ارشد فناوری نیاز دارید که کاملاً فوق‌العاده باشد.

اگر شرکتی می‌سازید که از هوش مصنوعی کاربردی استفاده می‌کند، پس احتمالاً ساخت آن به این سختی نیست، و منطقی‌تر است که کسی را پیدا کنید که مشروعیت داشته باشد و به شما در فروش به پیمانکاران عمومی و پیمانکاران فرعی کمک کند. پاسخ این است که بستگی دارد. اما اگر شما یک OpenAI یا یک مدل بنیادی هستید، قطعاً به استعدادهای فنی فوق‌العاده نیاز دارید.

اگر شرکت‌های هوش مصنوعی کاربردی می‌سازید، بله به استعدادهای خوب نیاز دارید، اما به نوعی مدیر ارشد فناوری کمتر از گذشته کلیدی است. در واقع، اگر به بازارهای آنلاینی که می‌سازیم و در آنها سرمایه‌گذاری می‌کنیم فکر کنم، مهمترین چیز برای ما اقتصاد واحد است، آیا می‌توانید آنها را کارآمد کنید؟ آیا تناسب محصول با بازار را پیدا می‌کنید؟

پس کانال جذب مشتری شما چیست؟ بنابراین، به نوعی، درک اینکه چگونه مقیاس جذب مشتری خود را افزایش می‌دهید، بسیار مهمتر است. و مطمئن شوید که اقتصاد واحد کار می‌کند تا اینکه فناوری را به دست آورید، زیرا فناوری بیشتر کالایی شده است. و کارهای بیشتری وجود دارد که می‌توانید امروز به راحتی با فناوری انجام دهید، منظورم با کدنویسی و کرسر یا Lovable اگر کار بسیار ساده‌ای انجام می‌دهید و غیره. اما به طور کلی، دسته‌هایی وجود دارند که بله، استعداد فنی شما بسیار مهم است.

خب، بریم سراغ دسته بعدی سوالات. ببینیم آیا چیزی هست. این سوالی از جولیا است. اخیراً با کسی که در OpenAI خیلی زود شروع به کار کرده بود، صحبت کردم که اساساً گفت او در حال حاضر سعی می‌کند یک استارتاپ جدید بسازد زیرا IQ در دو سال آینده بی‌اهمیت خواهد شد. این یک بیانیه تأمل‌برانگیز است. آیا فکر می‌کنید که عنصری از حقیقت در آن وجود دارد؟ و اگر این درست باشد، فکر می‌کنید مهمترین ویژگی‌ها، مهارت‌ها برای کارآفرینان و متخصصان جاه‌طلب برای تمرکز بر آنها چیست؟

جالب است. من می‌توانم در این مورد هر دو طرف را بگیرم. می‌توانم استدلال کنم که بهترین و باهوش‌ترین افراد از هوش مصنوعی بسیار مؤثرتر استفاده خواهند کرد، آنها حتی ارزشمندتر خواهند بود. بنابراین، توسعه‌دهنده ۱۰ برابری به توسعه‌دهنده ۱۰۰ برابری تبدیل خواهد شد، در این صورت هوش کالایی نمی‌شود و در واقع همچنان یک عامل کلیدی موفقیت است. اما می‌توانم این مورد را نیز مطرح کنم که چون اکنون هوش و شما ابزارهایی دارید که بسیار هوشمند هستند، می‌توانید یک توسعه‌دهنده متوسط یا یک فرد متوسط باشید و نتیجه بگیرید.

و این یا خروجی محصولاتی است که بسیار ارزشمند هستند. و به این ترتیب، هوش به سرعت پیشرفت می‌کند و کالایی می‌شود. گمان می‌کنم مورد اول برای من واقعی‌تر به نظر می‌رسد یا واقعی‌تر است، و برای من واقعی‌تر از مورد دوم به نظر می‌رسد. در حال حاضر من می‌بینم که بهترین کدنویسان بیش از هر زمان دیگری ارزش دارند.

بهترین کارمندان با استفاده از ابزارها به گونه‌ای که بسیار پربارتر باشند. حالا، آیا این در نقطه‌ای تغییر خواهد کرد؟ و هوش کالایی خواهد شد. شاید امروز برای من اینطور به نظر نمی‌رسد. با این حال، هوش متوسط به طور چشمگیری در حال افزایش است زیرا همه در حال بهبود بهره‌وری هستند. همه از این ابزارها به شدت مؤثر استفاده می‌کنند.

و بنابراین اگر امروز در دانشگاه بودم و می‌خواستم مطمئن شوم که برای نیروی کار آماده هستم، چه کار می‌کردم؟ با همه ابزارها بازی می‌کردم، مثلاً با Runway، با Sora، با Midjourney، با Claude، با Cursor، با Lovable بازی می‌کردم. OpenClaw خود را نصب می‌کردم.

بفهمید چه کاری می‌توانید انجام دهید تا سیستم‌های مقیاس‌پذیر و قابل تکرار ایجاد کنید. ببینید در چه چیزی خوب هستند. محدودیت‌ها را آزمایش کنید. و امروز چیزهای زیادی برای بازی کردن وجود دارد. بنابراین من اساساً تمام ماکارونی‌های دنیا را پرتاب می‌کردم، خلاقیت خود را دنبال می‌کردم و می‌فهمیدم که چه چیزی طنین‌انداز می‌شود و چه چیزی برای شما کار می‌کند.

بگذارید ببینم سوال بعدی که از قبل ارسال شده بود چیست. سوالی از لیزا. چه نوع مدرسه یا آموزشی را برای پسرت انتخاب کرده‌ای و چگونه به این تصمیم رسیدی؟ خب این جالب است زیرا من چند بار در این زمینه تغییر کرده‌ام و در واقع در طول سال‌ها در تفکرم تغییراتی داشته‌ام.

و اولین مدرسه‌ای که پسرم را به آن بردم، مدرسه‌ای در نیویورک به نام The Ecole بود و فلسفه آن مدرسه، یک مدرسه فرانسوی-آمریکایی است، شگفت‌انگیز است. و تفکر و نظریه این است که شما دقت سیستم فرانسوی را با سخنرانی عمومی و تیم‌سازی سیستم آمریکایی دارید.

و او دو سال آنجا بوده است. مرد. او آن را دوست دارد. اما وقتی در عصر هوش مصنوعی به آن فکر می‌کنم، آیا این روش صحیح آموزش به فرزندان ما است که شما یک معلم با کیفیت متغیر دارید که حقایق را به کودکان با کیفیت متغیر، معمولاً به پایین‌ترین سطح مشترک، می‌ریزد که هر روز برای سه تا چهار روز همان چیز را تکرار می‌کنید و آموزش می‌دهید.

این یک فرآیند بسیار کند است. و پاسخ برای من این است که به طور شهودی صحیح به نظر نمی‌رسد. اگر سقراط را از ۳۰۰ سال قبل از میلاد می‌آوردم و او را به دنیای امروز می‌آوردم، او دنیا را نمی‌شناخت. ما به فضا می‌رویم. ما این دستگاه‌های دیوانه‌کننده و جادویی را با مجموع دانش بشریت در جیب‌هایمان داریم.

ما در عرض چند ساعت از یک سر دنیا به سر دیگر پرواز می‌کنیم. و با این حال، روش آموزش به فرزندان ما در ۲۵۰۰ سال گذشته اساساً تغییر نکرده است. و بنابراین این ایده که باید از هوش مصنوعی برای آموزش کودک دقیقاً در سطح مناسب استفاده کنید، برای من بسیار منطقی است. بنابراین مدرسه‌ای وجود دارد که در ابتدا Alpha School نام داشت و در آن از ابزارهای هوش مصنوعی استفاده می‌کنند تا اساساً فرزند شما را به حداکثر پتانسیل خود برسانند.

بنابراین آنها متوجه شده‌اند که شما می‌خواهید به آنها آموزش دهید تا جایی که ۸۵٪ از پاسخ‌ها را به درستی دریافت کنند زیرا ۹۹٪ خیلی آسان است. اگر ۵۰٪ باشد، خیلی سخت است. و بنابراین در هر رشته‌ای می‌خواهید آنها را در حدود ۸۵٪ نگه دارید و می‌خواهید ببینید تا کجا می‌توانید آنها را پیش ببرید. و در دو ساعت برنامه درسی در روز، آنها اساساً می‌توانند برنامه درسی عادی را پوشش دهند، و سپس از بقیه وقت آزاد برای تکیه بر تمایلات طبیعی کودکان استفاده می‌کنند تا آنها را به هر کاری که برایشان مفید است، وادار کنند.

حالا پسرم چهار ساله است. و او سال‌ها از ریاضی جلوتر است، درست است؟ مثلاً برای سرگرمی، او ضرب و تقسیم انجام می‌دهد، جبر پایه را می‌فهمد، عاشق بازی با اعداد است و اعداد منفی و غیره را می‌فهمد. و در عین حال، او از نظر اجتماعی خیلی خوب نیست. و بنابراین مدرسه‌ای که برای او مناسب‌تر است، جایی که می‌توانند او را از نظر ریاضی و صراحتاً از نظر زبانی نیز به چالش بکشند، جایی که او بسیار پرحرف و فصیح است در حالی که به او در توسعه مهارت‌های اجتماعی‌اش که کمبود دارد کمک می‌کنند، به نظر من بسیار منطقی‌تر است.

بنابراین از پاییز آینده، پسرم را به مدرسه آلفا در نیویورک می‌برم که فکر می‌کنم امسال تأسیس شد. بنابراین در حال حاضر اولین کلاس آن است. یک مدرسه کوچک است. و این یک آزمایش خواهد بود. این یک آزمایش آلفا خواهد بود. و اگر من آن را دوست داشته باشم، اگر او آن را دوست داشته باشد، احتمالاً آمیلی را هم به آنجا خواهیم برد.

حالا، می‌دانید چه چیزی جالب است، یکی از اهداف آنها این است که بچه‌ها عاشق مدرسه باشند. و اکثر بچه‌ها عاشق مدرسه نیستند. خیلی آسان است، خیلی سخت است، جالب نیست و غیره. و من پسرم را، که کمی خجالتی است، به یک روز سایه بردم که او رفت تا مدرسه را ببیند و من نگران بودم زیرا او در محیط‌های جدید، افراد جدید خوب عمل نمی‌کند.

و بنابراین او را کمی ناامن و نامطمئن رها کردم. برگشتم تا او را ببینم و او گفت: «من عاشق این مدرسه هستم! می‌خواهم بمانم. چرا باید به مدرسه عادی برگردم؟» بنابراین من هیجان‌زده‌ام که ببینم چگونه پیش می‌رود.

سوال از لوئیس در پخش زنده. از تجربه شما در سرمایه‌گذاری در صدها بازار آنلاین در محیط اولیه امروز، چه چیزی در نهایت تصمیم سرمایه‌گذاران را هدایت می‌کند؟ قدرت ذاتی محصول و فرصت بازار، عواملی مانند کشش اولیه، روایت و غیره. معرفی‌های بیشتر به اکوسیستم. به عبارت دیگر، آیا معتقدید هنوز فضای واقعی برای سرمایه‌گذاران وجود دارد که بازارهای آنلاین استثنایی، ایده‌های بازار آنلاین را صرفاً بر اساس اصول اولیه آنها پوشش دهند و حمایت کنند؟

قبل از اینکه سیگنال توسط جمعیت تأیید شود، اگر شما از یک بنیان‌گذار در مراحل اولیه حمایت می‌کنید. سیگنال‌ها بسیار اولیه هستند، درست است؟ اغلب جمعیتی وجود ندارد. صندوق‌های بزرگ، Sequoiaهای جهان، آنقدر پول جمع‌آوری کرده‌اند که وقتی همه چیز اثبات شد و یک برنده نوظهور وجود دارد، چک‌های بزرگی می‌نویسند.

بنابراین قطعاً نقش برای سرمایه‌گذاران پیش‌بذر و سرمایه‌گذاران بذر وجود دارد که از بنیان‌گذاران و ایده‌های مناسب در مراحل اولیه حمایت کنند، در حالی که آنها در مراحل اولیه تناسب محصول با بازار هستند و کانال‌های توزیع و اقتصاد واحد و حفظ مشتری و گروه‌ها را قبل از اینکه جمعیت آن را تأیید کند، کشف می‌کنند.

جمعیت، به گمانم، ترکیبی از کاربران که کسب و کار را مقیاس‌پذیر می‌کنند و سرمایه‌گذاران خطرپذیر با نام‌های تجاری بزرگ است. این سرمایه‌گذاری جانبی است. بنابراین قطعاً، امروز هنوز نقش بزرگی برای ایفا وجود دارد زیرا بسیاری از مردم با توجه به سطح تحویل سرمایه، آنقدر زود سرمایه‌گذاری نمی‌کنند.

بنابراین امروز، اگر شما در سرمایه‌گذاری خطرپذیر هستید، احتمالاً باید در صندوق‌های بذر یا چند میلیارد دلاری باشید تا بتوانید در برندگان نوظهور سرمایه‌گذاری کنید.

سوال از آیدل. این یک نوع سوال کاملاً متفاوت است زیرا شما اساساً در بازارهای آنلاین سرمایه‌گذاری می‌کنید. آیا می‌توانید برای استارتاپ‌های پیش‌بذر غیرآمریکایی و بدون درآمد اولیه برای پروژه‌های تغییردهنده بازی مانند سیستم حفاظت از زلزله، سرنخ‌هایی برای سرمایه‌گذاران ارائه دهید؟

با فرض اینکه اینها کسب‌وکارهای قابل سرمایه‌گذاری خطرپذیر هستند، به این معنی که می‌توانند به صدها میلیون یا میلیاردها دلار درآمد برسند، زیرا ایده‌های زیادی وجود دارند که قابل سرمایه‌گذاری خطرپذیر نیستند.

و بنابراین بیایید فکر کنیم که چگونه اگر شما یک بنیان‌گذار پیش‌بذر باشید، سرمایه جذب می‌کنید. و پاسخ در واقع این است که تعداد بسیار کمی وجود دارد. در ابتدا تعداد زیادی سرمایه‌گذار خطرپذیر پیش‌بذر وجود ندارد. تعداد کمی هستند، و این روزها بیشتر روی هوش مصنوعی متمرکز هستند. بنابراین پیش‌بذر غیرآمریکایی، راستش، من احتمالاً با ضرب‌المثل قدیمی دوستان و خانواده احمق شروع می‌کنم.

خبر خوب دنیایی که امروز در آن زندگی می‌کنیم این است که ساخت استارتاپ‌ها و شروع مقیاس‌بندی آنها و شروع کسب درآمد ارزان‌تر از همیشه است. و بنابراین با چند صد هزار دلار سرمایه، که اکثر مردم باید راهی برای به دست آوردن آن پیدا کنند، درست است؟ مثلاً دوستان ما به مدارس عالی رفتند، شاید به عنوان پزشک، بانکدار، وکیل کار می‌کنند، درست است؟

اگر ۲۰ دوست دارید که هر کدام ۱۰ هزار دلار به شما بدهند، ۲۰۰ هزار دلار می‌شود، شما باید بتوانید خیلی پیش بروید. و بنابراین به این ترتیب می‌توانید به سطحی از کشش برسید که به شما امکان می‌دهد سپس برای یک کمک هزینه بذر مناسب برای چند میلیون دلار اقدام کنید. با توجه به اینکه تعداد زیادی بنیان‌گذار پیش‌بذر یا صندوق‌های پیش‌بذر وجود ندارد.

سوال از ماهش. شبکه‌های عصبی گرافی در کشف کاربردهای جدید، مسیرهای جدید، بیشتر و بیشتر مرتبط می‌شوند. آیا نظری در مورد ارتباط این موضوع در بازارهای آنلاین دارید؟

بنابراین، اول از همه، من در نهایت به بازارها اهمیت می‌دهم زیرا آنها جایی هستند که بیشترین چیز را می‌گیرند. آنها مقیاس‌پذیر هستند، از نظر سرمایه کارآمد هستند، اما من به بازارها وابسته نیستم، درست است؟ آنچه برای من مهمتر است این است که آیا می‌توانیم فناوری را به جهان بیاوریم تا همه چیز ارزان‌تر، بهتر و سریع‌تر شود؟

حالا آیا می‌توانم کاربردهایی برای شبکه‌های عصبی گرافی در بازارهای آنلاین تصور کنم؟ کاملا! بسیاری از بازارهای آنلاین بدون انسان کار نمی‌کنند زیرا تطبیق، عرضه و تقاضا شکسته و بسیار پیچیده است و متغیرهای زیادی وجود دارد که واضح نیستند. و بنابراین من کاملاً می‌توانم دنیایی را تصور کنم که در یک دسته خاص که شما تمام این ورودی‌ها، تمام این متغیرها، تمام اینها را دارید، داشتن یک عامل در وسط که تطبیق و معرفی و غیره را انجام می‌دهد، احتمالاً بسیار منطقی است. بنابراین می‌توانم تصور کنم که در این دسته مرتبط می‌شود. اما صرف نظر از این، فکر می‌کنم آنها به طور منطقی مرتبط هستند.

Nachogorriti در Twitch: سلام از بوئنوس آیرس، در حال پیگیری محتوای شما هستم، تازه قسمت ۵۲ را تماشا کردم. نکته‌ای که زایلو (Zillow) بیشتر از Airbnb و DoorDash در معرض خطر است به دلیل فرکانس پایین و لایه مدیریت پایین، را دوست دارم. درست است! ما در واقع با Remix و اکنون موتور جستجوی املاک بومی برای آمریکای لاتین، بر اساس همین نظریه کار می‌کنیم، هشت ماه، ۱۵۰ هزار بازدید ماهانه برای هشت ماه بسیار خوب برای مشاوران املاک و خط لوله B2B، فرصت آمریکای لاتین را چگونه می‌بینید؟ برای تسلط بر این دسته در اینجا چه چیزی لازم است؟

بنابراین در آمریکای لاتین MLS وجود ندارد و به نوعی می‌توانید موجودی خود را ایجاد کنید و ارزش را به طور منطقی در فضایی با رقابت کمتر ایجاد کنید. چند شرکت وجود داشته‌اند که در املاک و مستغلات در آمریکای لاتین بسیار خوب عمل کرده‌اند، جایی که من دوست دارم به VivaReal در برزیل فکر کنم.

آیا فکر می‌کنم یک گزینه بزرگ وجود دارد، نیاز به دنبال کردن بازار، نسل بعدی؟ اگر یک پورتال املاک و مستغلات با استفاده از هوش مصنوعی می‌خواهید، قطعاً. مطمئن نیستم که آیا آمریکای لاتین به طور کلی در مقابل یک کشور خاص است، درست است؟ معمولاً در این دسته‌ها، شما به نقدینگی، به تراکم، به لیست‌ها نیاز دارید.

این شاید. تا حدی که شما یک موتور جستجو هستید و منابعی برای لیست‌ها دارید، رفع آن در گذشته آسان‌تر است. باید دید، اما آیا فکر می‌کنم فرصت بزرگی در دنبال کردن املاک و مستغلات با ابزارهای نسل بعدی وجود دارد؟ بله، قطعاً!

باشه. ادامه سوالات. سوال دیگری از لیزا، یکی از واضح‌ترین نشانه‌ها که یک شرکت هوش مصنوعی دارای دفاع‌پذیری واقعی است تا سرعت موقت. این یک سوال جالب است. زیرا آنچه در حال حاضر در حباب فعلی هوش مصنوعی می‌بینیم، بسیاری از شرکت‌ها هستند که اساساً با همان محصول راه‌اندازی می‌شوند.

بنابراین شما یک تیم استنفورد و یک تیم MIT و یک تیم پرینستون و یک تیم هاروارد دارید، و همه آنها ۲۰، ۳۰، ۵۰، صد میلیون دلار جمع‌آوری کرده‌اند که نسخه‌های مختلفی از همان محصول را ارائه می‌دهند و اغلب به نظر نمی‌رسد که به طور خاص قابل دفاع باشد، درست است؟ یک هفته یکی جلوتر است، هفته دیگر یکی دیگر جلوتر است زیرا فشار زیادی برای برنده شدن وجود دارد، همه آنها محصولات خود را با حاشیه سود منفی ارائه می‌دهند. و شما می‌بینید که کسب‌وکارها به شدت مقیاس‌پذیر می‌شوند، ElevenLabs، یا Lovable یا Cursor. که به نوعی همه ما در سرمایه‌گذاری نکردن در آنها اشتباه کردیم، زیرا می‌گفتیم، دفاع‌پذیری چیست در حالی که آنها در حال مقیاس‌بندی بوده‌اند، مسئله این است که آنها مقیاس‌پذیر می‌شوند زیرا سرمایه زیادی وجود دارد که مایل به تأمین مالی رشد با حاشیه منفی است.

بنابراین باید دید که این چگونه پیش می‌رود. من نگرانم که بسیاری از اینها از بین بروند. و راستش، بسیاری از اینها ممکن است توسط Claude و ChatGPT تصاحب شوند. مطمئنم که آنها مستقیماً به دنبال Cursor و Lovable هستند. و با این حال، اینها در حال حاضر خوب عمل می‌کنند. بنابراین اینها کمتر قابل دفاع به نظر می‌رسند.

حالا، چیزهایی که برای پاسخ به سوال، قابل دفاع‌تر به نظر می‌رسند، اینها هستند: اگر به نوعی بر روی مجموعه‌داده‌های اختصاصی ساخته شده‌اید که هیچ کس دیگری به آنها دسترسی ندارد، اگر مشکلات عمودی خاصی را حل می‌کنید که هیچ کس دیگری به دنبال آنها نیست. و بنابراین در مقابل مدل‌های بنیادی، اینها به نوعی پرخطرتر به نظر می‌رسند.

گمان می‌کنم، در حال حاضر، ChatGPT سهم بازار ۸۶ درصدی دارد، اما این سهم در نوسان است. Gemini به دنبال آن است. Claude به دنبال آن است. هفته‌هایی وجود دارد که Claude یا Gemini بهتر هستند. سپس هفته‌هایی که ChatGPT بهتر است. این یک بازی پادشاهان است. من کمی شکاک هستم. در واقع، شخص دیگری از من سوالی پرسید.

بگذارید به سوالی که تاتیانا پرسید بپردازم. دور سرمایه‌گذاری بذر عظیم که تازه اعلام شد چیست؟ بنابراین شرکت La Koons، AMI، تازه یک میلیارد دلار در مرحله بذر با ارزش ۳.۰۵ میلیارد دلار جمع‌آوری کرده است. این در مورد آینده هوش مصنوعی چه معنایی دارد و سرمایه‌گذاران در این مرحله چگونه باید به ریسک فناوری در مقابل ریسک ارزش‌گذاری فکر کنند؟

و به وضوح، ما در حباب هوش مصنوعی هستیم. مردم مایل بودند سرمایه‌گذاری کنند زیرا جایزه برنده شدن بسیار بالا است. مردم مایل بودند اساساً پول بی‌نهایت را با هر قیمتی برای برنده شدن خرج کنند. اما آیا فکر می‌کنم این به سطوح مختلفی ختم می‌شود زیرا اکثر شرکت‌ها شکست خواهند خورد و بسیاری از سرمایه‌گذارانی که با قیمت‌های بسیار بالا سرمایه‌گذاری می‌کنند، بازگشت سرمایه خود را نخواهند دید. کاملا!

با این حال، در این مدت، این (حباب) قرار است پایه‌های ۲۵ سال فوق‌العاده بهبود بهره‌وری و رشد اقتصادی را که شاهد خواهیم بود، بنا نهد؛ همان‌طور که حباب راه‌آهن پایه‌های تمام خطوط ریلی در سراسر آمریکا را بنا نهاد که منجر به افزایش عظیم بهره‌وری در اقتصاد برای دهه‌های آینده شد.

همان‌طور که حباب اواخر دهه نود تمام زیرساخت‌های فیبر را بنا نهاد که به انقلاب اینترنت در سال‌های ۲۰۰۰ تا ۲۰۱۰ منجر شد – فقط مدتی طول کشید تا اتفاق بیفتد. بنابراین ما در حباب هوش مصنوعی هستیم. راستش را بخواهید، امیدوارم که به باد کردن ادامه دهد، چون حتی اگر ما منضبط بوده‌ایم، نگرانم که وقتی بترکد، شرکت‌هایی که در حال حاضر برای جذب سرمایه مشکل دارند چون هوش مصنوعی نیستند، حتی مشکل بیشتری برای جذب سرمایه خواهند داشت.

و رک و پوست‌کنده، در این مدت، با تمام این سرمایه‌ای که در تحقیق و توسعه صرف می‌شود، فکر کنید چقدر سرمایه به تحقیق و توسعه می‌رود، بخش زیادی از آن پول‌سوز است، اما برای جامعه عالی خواهد بود، حتی اگر بسیاری از این شرکت‌ها از بین بروند. پس ما در حباب هوش مصنوعی هستیم، اما اشکالی ندارد.

دوستان و خانواده، این مسیری نیست که بتوانم طی کنم و MVP را در مرحله‌ای که نیاز به سرمایه‌گذاری در سطح VC دارد، به دست آورم.

این شبیه یک سرمایه‌گذاری خطرپذیر نیست. پس انواع مختلفی از کسب‌وکارها در دنیا وجود دارد، درست است؟ آن‌هایی که برای شروع به ۱۰، ۲۰، ۳۰، ۵۰ میلیون نیاز دارند، رک و پوست‌کنده، به طور خاص قابل حمایت توسط VC نیستند. آن‌هایی که قابل حمایت توسط VC هستند، آن‌هایی هستند که با چند صد هزار دلار می‌توانی نمونه اولیه را بسازی و درآمد کسب کنی، و سپس دور پیش‌بذری یک میلیون دلاری خود را به دست می‌آوری و درآمد و اثبات بیشتری کسب می‌کنی، و سپس ۳ میلیون دلار به دست می‌آوری.

آن‌هایی که برای شروع به ۲۰، ۳۰، ۵۰ میلیون دلار نیاز دارند، یا به شرکت‌های بزرگ در آن دسته تعلق دارند یا به افرادی که قبلاً موفق شده‌اند و سرمایه اضافی دارند، اما برای بنیان‌گذاران عادی مناسب نیستند، زیرا مسیر VC این‌گونه کار نمی‌کند، یا مسیر VC این است که برای چند صد هزار دلار به دوستان و خانواده‌ات مراجعه کنی.

سپس دور پیش‌بذری یک میلیون دلاری، سپس دور بذری ۳ میلیون دلاری، سپس دور A هفت میلیون دلاری، سپس دور B پانزده میلیون دلاری یا ۱۵،۰۰۰،۰۲۵ میلیون دلاری. حالا در هوش مصنوعی، اعداد متفاوتی نسبت به این‌ها داری، اما این‌ها همچنان نوع اعدادی هستند که برای شرکت‌های غیر هوش مصنوعی می‌بینی. ببینیم چه سؤالات دیگری مطرح شد.

آلساندرو: ما در حال تکمیل MVP برای پلتفرم تطبیق هم‌بنیان‌گذاران خود هستیم که ۵۰۰ بنیان‌گذار در لیست انتظار دارد؟ من می‌دانم که شما در استارتاپ‌های اولیه سرمایه‌گذاری می‌کنید، آیا به اثبات درآمد نیاز دارید؟ اثبات درآمد ضروری نیست آلساندرو، اما قطعاً اثبات تناسب محصول با بازار، اینکه کار می‌کند، اینکه مردم آن را دوست دارند، اینکه حفظ مشتری وجود دارد و باید بدانی مدل کسب‌وکار تو چگونه خواهد بود.

باید بدانی چقدر از چه کسی دریافت خواهی کرد. حداقل اقتصاد واحد نظری چگونه می‌تواند باشد. نمی‌تواند فقط این باشد که ما راه‌اندازی می‌کنیم و بعداً به آن فکر خواهیم کرد. این روشی نیست که ما سرمایه‌گذاری می‌کنیم. افراد زیادی هستند که این کار را می‌کنند. فقط ما نیستیم. این رویکرد ما نیست.

بوریس: ابتکار عالی. کنجکاوم که آیا تز سرمایه‌گذاری شما در مورد بازارها از سال ۲۰۲۲ تغییر کرده است؟ آیا در سرمایه‌گذاری‌های پیش‌بذری یا بازاریابی ریسک‌گریزتر شده‌اید، یا بیشتر به سمت اعتبارسنجی فرصت‌های هوش مصنوعی در داخل متمایل شده‌اید.

خب بوریس، این قسمت ۵۲ بود. پادکست هفته گذشته من بود که در مورد سرمایه‌گذاری در بازارها در عصر هوش مصنوعی است. ما همچنان نسبت به بازارها بسیار خوش‌بین هستیم. و همه بازارها از هوش مصنوعی استفاده می‌کنند. آن‌ها از هوش مصنوعی برای ترجمه لیستینگ‌ها و ترجمه مکالمات خریداران و فروشندگان استفاده می‌کنند تا بتوانند جهانی باشند. بنابراین برای اولین بار استارتاپ‌های پان‌اروپایی را می‌بینید.

شما از هوش مصنوعی برای داشتن یک لیستینگ با یک کلیک استفاده می‌کنید که در آن یک عکس می‌گیرید و بوم، عنوان، توضیحات، قیمت، دسته، همه از قبل برای شما پر می‌شوند و بهره‌وری را بهبود می‌بخشند. شما از هوش مصنوعی برای تطبیق بهتر عرضه و تقاضا استفاده می‌کنید. بنابراین ما همچنان در بازارها سرمایه‌گذاری می‌کنیم. و همه آن‌ها به طور مؤثرتری از هوش مصنوعی استفاده می‌کنند. و ما بیشتر سرمایه‌گذاران بذری هستیم تا پیش‌بذری.

یعنی ما دوست داریم که چیزها فعال باشند و اقتصاد واحد داشته باشند. حالا دسته‌هایی که این روزها بیشتر B2B هستند و نه مصرف‌کننده، اما چیزهای جالبی در حال وقوع است. حتی در بخش مصرف‌کننده، ما یک شرکت تجارت زنده به نام Palmstreet داریم که یک بازار گیاهان کمیاب است. ما سرمایه‌گذار یک شرکت کامیون آتش‌نشانی یا شرکت موتور آتش‌نشانی هستیم، مانند ۳۰ KAOV به نام Garage.

بنابراین چیزهای جالب زیادی با لایه‌های خدمات اضافه شده در حال وقوع است. ما نان و کره هستیم زیرا نمی‌خواهم از رقابت در بازی پادشاهان با سرمایه بی‌نهایت و حاشیه سود ناخالص منفی در حباب هوش مصنوعی اجتناب کنم. بنابراین ما به طور غیرمستقیم در معرض آن هستیم زیرا، در حالی که الف. ما سرمایه‌گذاری‌های شگفت‌انگیزی در چیزهایی مانند Figure AI داریم که بسیار خوب عمل می‌کند، و ب. همه شرکت‌های ما از هوش مصنوعی استفاده می‌کنند.

اما آن‌ها کاربردهای عمودی هوش مصنوعی هستند در مقابل اینکه خودشان مدل‌های بنیادی هوش مصنوعی باشند. و من واقعاً فکر می‌کنم که امروز بسیاری از فرصت‌های جالب در آنجا نهفته است، از نظر اینکه با سرمایه بسیار کم می‌توانید کسب‌وکارهای بزرگ بسازید و به همان استخر کم‌عمق مهندسان هوش مصنوعی نیاز ندارید.

یونی: آیا نکاتی برای یافتن توسعه‌دهندگان فول‌استک پاره‌وقت قابل اعتماد (AWS + Angular) برای کمک به بهبود یک SaaS MVP موجود دارید؟

بستگی دارد چقدر خوب باشند. اما مکان‌های زیادی مانند Toptal وجود دارد که به شما امکان می‌دهد افراد شگفت‌انگیزی پیدا کنید، اوه نه، شما گفتید پاره‌وقت. من به Fiverr یا Upwork می‌رفتم. مشکل این است که باید انتخاب کنید. بنابراین یکی از راه‌هایی که من در Upwork یا Fiverr انتخاب می‌کردم، این است که یک مشخصات ایجاد می‌کنید. ۲۰، ۳۰ یا ۴۰ نفر درخواست می‌دهند. به بهترین پنج نفر نگاه می‌کنید. ۱۰٪ اول کار را به آن‌ها می‌دهید، پنج نفر از آن‌ها را استخدام می‌کنید، و سپس می‌بینید کدام یک بهترین عملکرد را دارد و دوست دارید با بهترین کار کنید. بنابراین برای ۱۰٪ اول، پنج برابر بیشتر پرداخت می‌کنید، و سپس کسی را که دوست دارید پیدا می‌کنید و بوم، همان است.

بنابراین به نوعی، حتی لزوماً نیازی به مصاحبه ندارید. می‌توانید فقط بر اساس کاری که انجام می‌دهند، اعتبار سنجی کنید. و این روشی است که من در طول سال‌ها افراد زیادی را در Fiverr و Upwork استخدام کرده‌ام. باشه. کاربر لینکدین: به نوعی، نامی نمایش داده نمی‌شود. مدت‌هاست ندیدمت. می‌خواهی از تلاش AGI ما حمایت مالی کنی؟ پیشرفت اخیر، برای یک دمو پرداخت می‌کنیم.

AGI دقیقاً چیست، درست است؟ هوش عمومی. در حال حاضر، GPT ما می‌تواند تست تورینگ را پشت سر بگذارد. پس آیا این AGI است، آیا AGI نیست؟ من گمان می‌کنم که نحوه تعریف ما از هوش تغییر خواهد کرد. از دیدگاه من، هوش مصنوعی در برخی قابلیت‌ها فوق‌بشری است، درست است؟

مانند حل مسائل ریاضی و غیره. و این فراتر از هوش انسانی است. به طور قابل توجهی بهتر، به طور قابل توجهی سریع‌تر، به طور قابل توجهی صبورتر است، به هر حال، ذهن انسان چگونه کار می‌کند، که با داده‌های محدود، ما مفاهیم را ایجاد می‌کنیم، که برعکس نحوه کار این LLMها است، که در آن داده‌های بی‌نهایت وجود دارد.

آنها الگوها را دریافت می‌کنند. شاید فقط عمیقاً متفاوت باشد، شاید فقط دو روش متفاوت برای ایجاد الگوها و فرآیندهای فکری باشد. بنابراین برای من کاملاً واضح نیست که ما تفکر انسانی را تکرار خواهیم کرد. فکر می‌کنم ما روش‌های عمیقاً متفاوتی برای تفکر هوش مصنوعی خواهیم داشت و این اشکالی ندارد.

و بنابراین بله، جالب خواهد بود. اما آیا گمان می‌کنم که هر تلاش AGI شما، بی‌نهایت پول هزینه خواهد داشت. بنابراین اگر از نظر سرمایه کارآمد باشد، خوشحال می‌شوم به آن نگاه کنم. اگر به صدها میلیون نیاز دارید. ما، متأسفانه ای کاش سرمایه بیشتری داشتم. ما آن افراد نیستیم.

جورج، از تجربه شما، استفاده از گوه اولیه مناسب هنگام ساخت یک بازار چقدر مهم است؟ چه چیزی یک گوه را به اندازه کافی قوی می‌کند تا به یک اکوسیستم بزرگ‌تر گسترش یابد؟ بنابراین وقتی یک بازار را راه‌اندازی می‌کنید، هیچ مانع ورودی ندارید. فقط برای روشن شدن، هر کسی در ابتدا می‌تواند همان چیز را بسازد. گوه شما اگر بخواهید، مانع شما، چیزی که شما را در طول زمان متمایز می‌کند، نقدینگی است، درست است؟

در این بازارها، هرچه خریداران بیشتر باشند، احتمالاً فروشندگان بیشتری نیز وجود دارند یا فروشندگان بیشتر، خریداران بیشتری را جذب می‌کنند. وقتی من به عنوان خریدار به آنجا می‌روم و هر چیزی را که به دنبالش هستم پیدا می‌کنم، و به عنوان فروشنده، و می‌تواند هر چیزی باشد، یک محصول یا خدمات، کسی هست که آنچه را که می‌فروشم بخرد، آن وقت است که گوه خود را دارید.

بنابراین زمان می‌برد تا ساخته شود. روز صفر، شما هیچ مانع ورودی ندارید، اما ظرف ۲، ۳، ۴ سال. مانع ورودی شما در واقع نقدینگی است که دارید. بنابراین، نقدینگی اولیه را بین خریداران و فروشندگان خود ایجاد کنید. و با به دست آوردن نقدینگی اولیه، این به مرور زمان با بزرگ‌تر شدن، مانع ورودی شما را ایجاد می‌کند. و این چیزها، همانطور که اشاره کردم، تمایل دارند که برنده باشند، یا بیشتر را به خود اختصاص دهند، زیرا هرچه خریداران بیشتر باشند، فروشندگان بیشتری را جذب می‌کنند یا فروشندگان بیشتر، خریداران بیشتری را جذب می‌کنند.

بیایید به سؤالات و سؤالات از پیش ارسال شده ادامه دهیم. هنگام ارزیابی اینکه آیا پذیرش هوش مصنوعی واقعاً برای بازارها است، چه معیارهایی بیشترین اهمیت را دارند؟ خب، بله، اینکه چسبنده است یا نه، ما به حفظ مشتری نگاه می‌کنیم. ما به حفظ مشتری نگاه می‌کنیم وقتی صحبت از موفقیت یک شرکت هوش مصنوعی باشد، درست است؟

بنابراین بسیاری از شرکت‌های هوش مصنوعی ریزش مشتری زیادی دارند. و این یکی از چیزهایی است که باعث نگرانی من می‌شود که آن‌ها خیلی چسبنده نیستند. شاید تناسب محصول با بازار را داشته باشند، اما قطعاً مانع ورودی ندارند. قبلاً از Runway برای ساخت ویدیو استفاده می‌کردم، و حالا از Sora استفاده می‌کنم.

پس من در ChatGPT هستم. قبلاً از Midjourney برای تقریباً تمام عکس‌ها و تصاویری که برای وبلاگم می‌ساختم استفاده می‌کردم، که خود جایگزین عکاسی استوک شده بود. و حالا بیشتر و بیشتر از ChatGPT استفاده می‌کنم. بنابراین من به گروه‌ها نگاه می‌کردم، به حفظ مشتری نگاه می‌کردم و نه فقط حفظ مشتری یک ماهه، بلکه حفظ مشتری شش ماهه، حفظ مشتری ۱۲ ماهه.

محصولات بهتر معمولاً شکل U دارند. شما از آن‌ها استفاده می‌کنید، شاید کمتر از آن‌ها استفاده کنید، اما در نقطه‌ای به آن‌ها باز می‌گردید. و گروه‌ها، منحنی‌های حفظ مشتری به شدت مهم هستند.

بوریس: Djini را بررسی کن. این یک بازار منابع انسانی اوکراینی است که بیشتر برای توسعه‌دهندگان نرم‌افزار شماست. بله. ایده خوبی است که آن را به افرادی که به دنبال توسعه‌دهندگان نرم‌افزار هستند، توصیه کنید.

باشه. سؤالات ادامه دارد. چه ویژگی بنیان‌گذاری را امروز بیشتر از یک دهه پیش ارزش قائل هستید؟ صادقانه بگویم، ویژگی‌هایی که من ارزش قائل هستم، خیلی تغییر نکرده‌اند. من افرادی را دوست دارم که بسیار فصیح و با بصیرت هستند و بنابراین می‌توانند تیم بهتری استخدام کنند، بهتر به VCها بفروشند، با مطبوعات صحبت کنند، معاملات بهتری به دست آورند و غیره، اما همچنین می‌دانند چگونه اجرا کنند، به جزئیات توجه دارند. آن‌ها بر اقتصاد واحد و غیره تمرکز می‌کنند.

حالا، تنها ویژگی‌ای که متأسفانه شرط موفقیت نیست، مهربان بودن است. شما با افراد بی‌ادب زیادی سر و کار دارید. و مشکل این است که چون برخی افراد مانند استیو جابز یا تراویس با بی‌ادب بودن کنار آمدند، این باعث تشویق یا اجازه دادن به افراد می‌شود که مهربان نباشند.

و، اما زندگی برای سر و کله زدن با افراد بی‌ادب خیلی کوتاه است. و من در موقعیتی هستم که نیازی به این کار ندارم، و بنابراین می‌خواهم با افراد مهربان کار کنم. حالا با این حال، بسیاری از بنیان‌گذاران مغرور هستند. کاملا. آیا این بد است؟ نه، برای ساخت یک استارتاپ به حدی از اعتماد به نفس توهم‌آمیز نیاز داری، درست است؟

مانند نرخ بقای پنج ساله یک استارتاپ حدود ۷٪ است. و بنابراین شما باید باور داشته باشید که این احتمالات برای شما صدق نمی‌کند. بنابراین غرور، خودشیفتگی را احتمالاً می‌توانم تحمل کنم. بی‌ادب بودن، قطعاً نه. اما آیا تغییر کرده است؟ نه واقعا. من قبلاً این سیستم اعتقادی را داشتم. باشه.

سؤال از جف. اگر در سال ۲۰۲۶ از پرینستون فارغ‌التحصیل می‌شدی و شاید تازه مک‌کینزی یا مشاوره را ترک می‌کردی، فکر می‌کنی الان چه چیزی می‌ساختی و چرا؟ خب، واضح است که من چیزی در هوش مصنوعی می‌ساختم. دنیا در این مسیر است و در حال تغییر است و الان جالب است، خب بستگی دارد.

بنابراین اگر ۲۳ ساله بودم، بستگی به مهارت‌ها داشت. می‌گویم چندین مسیر قابل قبول وجود دارد. می‌توانی به یک شرکت موفق بپیوندی و به آن بچسبی. برای OpenAI کار کنی، خیریه. می‌توانی یک هوش مصنوعی بسازی. حالا ساخت یک هوش مصنوعی، مسئله این است که هرچه بازی پادشاهان بزرگ‌تر باشد، مانند این است که آیا من صاحب ربات‌های انسان‌نما خواهم بود؟

و شما Figure و Optimus را دارید. آیا من صاحب LLM زیربنایی خواهم بود؟ بنابراین شما از قبل برندگان بزرگی در آنجا دارید. و سپس برخی از عمودی‌ها را دارید. گمان می‌کنم به سمت کاربرد هوش مصنوعی در دسته‌هایی می‌رفتم که بسیار قدیمی و خراب و منسوخ هستند، جایی که همه چیز با قلم و کاغذ و روابط انجام می‌شود، در دسته‌ای که برای من جالب است، زیرا واضح است که شما به عنوان یک بنیان‌گذار در خلاء کار نمی‌کنید. شما مجموعه‌ای از علایق خود را دارید، مجموعه‌ای از مهارت‌های خود را دارید، و بنابراین می‌خواهید مشکلی را حل کنید که به اندازه کافی بزرگ است، قابل کسب درآمد است، اما واقعاً به آن اهمیت می‌دهید. و هرچه پیشینه شما باشد، من روی آن تمرکز می‌کردم. و بنابراین شاید والدین شما از صنعت ساخت و ساز هستند، پس شاید بروید و آن را بهینه کنید.

شاید در صنعت غذا کار می‌کنی و مشکلات عمیق زیادی از نظر جابجایی کارکنان، تأمین مواد مختلف و غیره داری. بنابراین می‌توانم به کاربرد هوش مصنوعی برای خودکارسازی فرآیندها و افزایش کارایی در بسیاری از دسته‌هایی فکر کنم که قبلاً به آن‌ها پرداخته نشده است.

و احتمالاً الان در آن زمینه کار می‌کردم. حالا کدام یک به طور خاص؟ نمی‌دانم چون به آن فکر نکرده‌ام، زیرا بین صندوق‌هایم، Midas، بچه‌ها و غیره خیلی مشغول بوده‌ام. اما قطعاً یک آزمایش فکری جالب و چیزی که واقعاً تمایل دارم در آینده به آن زمان اختصاص دهم، از نظر فکر کردن به اینکه، خب، اگر امروز FJ Labs را انجام نمی‌دادم و Midas را نمی‌ساختم، چه چیزی باید می‌ساختم؟

و پاسخ واضح است که چیزی در هوش مصنوعی است، اما اینکه امروز برای من چیست، جالب است. من پاسخ آن را نمی‌دانم، اما قطعاً سؤالی است که ارزش پرسیدن دارد، و در هفته‌ها، ماه‌ها و سال آینده از خودم خواهم پرسید که چگونه می‌تواند باشد.

باشه. سؤال از مارگو. اگر هویت‌های برتر استارتاپ‌ها، سرمایه‌گذاری‌ها، عملکرد و شاید حتی موفقیت مالی را حذف کنیم. شما واقعاً چه کسی هستید؟ آیا این شخص کافی است؟

و جالب است. در آمریکا مردم اغلب خود را با شغلی که دارند تعریف می‌کنند. و البته، شغلی که دارند فقط درصد کوچکی از آنچه واقعاً هستند، است، درست است؟

مانند شخصیت، نیازها، خواسته‌ها، رویاها، آرزوهای شما. حالا من سعی می‌کنم همیشه خود واقعی و اصیل خود باشم. و بنابراین فکر می‌کنم این در نحوه صحبت کردنم منعکس می‌شود. اما شما همچنان از طریق وبلاگ من، از طریق پادکست، نسخه حرفه‌ای من را می‌بینید. و بنابراین برای پاسخ به سؤال این است که نگاه کنید.

ببینید، من فکر می‌کنم معنای زندگی این است که خودت باشی، خود واقعی و اصیلت، هرچه که باشد. و همه ما با تمایلات، خواسته‌ها، نیازها و غیره متفاوتی ساخته شده‌ایم. و صادقانه بگویم در این مرحله، در واقع من با بودن آنچه هستم کاملاً راضی هستم. پسندیدن. من همه چیزهایی را که دوست دارم، دوست دارم؛ از پدر بودن و والد بودن، از بازی با بچه‌ها، تا بازی با دوستانم، تا بازی‌های ویدیویی، تا خواندن کتاب، تا نوشتن وبلاگم، که این روزها بیشتر در مورد کسب‌وکار نیست، تا تعامل با دوستانم، تا در واقع بله، پدر خانواده بودن به معنای مثبت کلمه. تا، بله، تنیس بازی کردن، پدل بازی کردن و غیره. آره زندگی‌ای که دارم فوق‌العاده است. من واقعاً فکر می‌کنم بهترین زندگی‌ای را که تا به حال زیسته شده، زندگی می‌کنم. قطعاً بهترین زندگی‌ای که می‌توانم داشته باشم. و کاملاً راضی هستم. و بنابراین اگر به هر دلیلی نمی‌توانستم در دنیای امروز کار کنم، باز هم بسیار راضی و خوشحال بودم.

هویت بیرونی که توسط کار هدایت می‌شود خوب است، اما در واقع و من فکر می‌کنم منبعی از هدف است زیرا فکر می‌کنم حداقل یکی از اهداف من، کمک به مهار قدرت کاهنده فناوری برای حل مشکلات جهان، برای بهتر، ارزان‌تر، سریع‌تر کردن چیزها برای توده‌ها و تلاش برای رسیدگی به ترکیبی از نابرابری فرصت، تغییرات آب و هوایی، و بحران جهانی سلامت روان و جسم است.

اما حتی اگر این را هم نداشتم، منبع فوق‌العاده‌ای از هدف را از طریق بازی با فرزندانم، تربیت فرزندانم، بازی با دوستانم و غیره پیدا می‌کنم.

سؤال دیگری از مارگو، شما این تصور را می‌دهید که اعتماد به نفس بی‌نهایت دارید که فوق‌العاده منطقی و بسیار باوقار هستید. آیا هیچ ناامنی‌ای دارید؟

خب، در واقع با پاسخ به سؤال شروع می‌کنم. در گذشته، در دوران رشد، ناامنی‌های زیادی داشتم. چون در باهوش بودن و گرفتن نمرات خوب بسیار موفق بودم، خودم را با آن تعریف می‌کردم. اما از نظر اجتماعی بسیار ناامن بودم، درست است؟ مثلاً به دلیل جوان‌تر بودن از همسالانم، به دلیل اینکه هرگز دوست‌دختر یا دوستی نداشتم و غیره.

مثلاً، من اولین دوست‌دخترم را در ۲۷ سالگی داشتم. آیا نداشتن دوست‌دختر در ۲۶ سالگی یا هرگز نداشتن دوست‌دختر منبع ناامنی بود؟ پاسخ بله است، درست است؟ امروز با آنچه هستم بسیار راحت‌ترم و بنابراین ناامنی‌های خاصی ندارم، بنابراین می‌گویم، حدس می‌زنم پاسخ نه است، هیچ ترس واقعی‌ای ندارم.

اما آیا چیزهایی وجود دارد که واقعاً مرا آزار می‌دهند و در زندگی دوست ندارم؟ قطعاً. من از پیری متنفرم، مثلاً قبلاً در هر کاری که انجام می‌دادم جوان‌ترین بودم و حالا اغلب پیرترین هستم. آیا این را دوست دارم؟ قطعا نه. و بنابراین من خشمگینم، خشمگین از خاموشی نورها. و به همین دلیل است که من واقعاً سخت کار می‌کنم تا تناسب اندامم را حفظ کنم، تیزبین باشم و بله، انرژی جوانی‌ام را، امیدوارم برای همیشه، حفظ کنم.

اما قطعاً تا زمانی که ممکن است. مطمئن نیستم که این به خودی خود یک ناامنی باشد، اما قطعاً چیزی است که مرا آزار می‌دهد و من بسیار سخت تلاش می‌کنم تا با زمان مبارزه کنم، زیرا بله، کارهای زیادی برای انجام دادن وجود دارد و ما در دوران فوق‌العاده‌ای زندگی می‌کنیم و بسیار خوش‌شانسیم که در آن هستیم، که انرژی و سلامتی را برای زندگی کامل داشته باشیم.

همین مورد مثلاً می‌خواهم بتوانم به شکلی بسیار معنادار با فرزندانم بازی کنم. و آخرین سؤال برای مارگو. اگر نمی‌توانستی بنیان‌گذار و کارآفرین شوی، فکر می‌کنی چه شغلی را دوست داشتی امتحان کنی؟ این یکی سخت است چون من واقعاً از ساختارهای سنتی متنفرم، مانند شغل ۹ تا ۵، داشتن رئیس، من خودم را غیرقابل استخدام می‌دانم.

بنابراین اگر فناوری وجود نداشت، گمان می‌کنم همچنان کارآفرین می‌بودم، اگر ممکن بود در شکل دیگری از صنعت یا دسته. حالا، اگر خود کارآفرینی ممکن نباشد، خیلی سخت‌تر است زیرا آن وقت باید شغلی پیدا می‌کردم که بیشتر با طرز فکر من مطابقت داشته باشد و من کاملاً مطمئن نیستم که آن چه می‌تواند باشد.

آزمایش جالبی برای زندگی دیگری که امیدوارم هرگز مجبور به انجام آن نباشم، زیرا کاری را که انجام می‌دهم و انعطاف‌پذیری، آزادی و خلاقیت را دوست دارم. به نوعی کارآفرینی شکل بیان خلاقانه من است. چیزی را از صفر به یک رساندن و چیزی را از هیچ خلق کردن، و مطمئن نیستم چه چیز دیگری اینقدر رضایت‌بخش خواهد بود.

پس هیچ ایده‌ای ندارم. حدس می‌زنم این پاسخ صادقانه است. آیا می‌توانستم در سهام خصوصی یا مشاوره یا بانکداری باشم؟ کاملا. اما آیا آن را روز به روز، دقیقه به دقیقه دوست داشتم؟ و فکر می‌کنم پاسخ نه است. بنابراین چیزهای زیادی وجود دارد که می‌توانستم در آن‌ها بسیار خوب باشم. می‌توانستم یک استاد باشم. من یک استاد اقتصاد یا ریاضیات فوق‌العاده می‌بودم، اما باز هم، آیا آن را دوست داشتم؟

و تکرار سال‌ها مطالب درسی یکسان، نمی‌دانم. خیلی کند است، به اندازه کافی مقیاس‌پذیر نیست. فکر نمی‌کنم روحم را تغذیه کند. اما بله، در واقع استاد بودن احتمالاً گزینه نسبتاً خوبی است. اما مطمئن نیستم که به همان اندازه رضایت‌بخش باشد، اما مطمئناً آن را به همان اندازه رضایت‌بخش نمی‌دانستم. به نوعی من عطش استادی خود را با انجام این پادکست، با پاسخ دادن به سؤالات مخاطبان و کاربران، با فکر کردن به چیزهایی که می‌خواهم به اشتراک بگذارم، برطرف می‌کنم. به نوعی بازی با تک‌شاخ‌ها همیشه در مورد این بوده است که چه چیزهایی را آرزو می‌کردم در ۲۳ سالگی و به عنوان یک بنیان‌گذار تازه‌کار می‌دانستم که اکنون می‌دانم و می‌توانم با شما به اشتراک بگذارم.

و من فکر می‌کنم این جالب‌تر و مقیاس‌پذیرتر از داشتن کلاس‌ها خواهد بود. و من قبلاً در کلاس‌های مدرسه کسب‌وکار کلمبیا یا مرکز مدرسه کسب‌وکار و غیره تدریس می‌کردم. و بله، شما به افراد شگفت‌انگیزی آموزش می‌دهید، اما کلاس‌های کوچک هستند، خیلی مقیاس‌پذیر نیستند. و محتوا خیلی تغییر نمی‌کرد.

حالا هر چیزی که به ذهنم می‌رسد، مطلب را ایجاد می‌کنم، پوف، پادکست را می‌گذارم، و همین است و زمانی که ایده‌های مرتبط وجود دارد.

جورج: در بازارهای اولیه، واضح‌ترین نشانه‌ها که یک پلتفرم در حال اوج گرفتن است و مشکل حاد و مشخصی را حل می‌کند، به جای اینکه در نقدینگی پایین گیر کند، چیست؟

اگر نرخ فروش اقلام در سایت شما، اگر محصولات را می‌فروشید، حدود ۲۵٪ یا بیشتر باشد، شروع به داشتن نقدینگی می‌کنید. اگر یک بازار خدمات هستید و شروع به حساب کردن ۲۵٪ یا بیشتر از درآمدهای عرضه خود می‌کنید، شروع به داشتن نقدینگی می‌کنید. و راه اطمینان از رسیدن به آن این است که بیش از حد عرضه نکنید.

حدس می‌زنم بستگی به بازار دارد، اما بزرگترین اشتباهی که بنیان‌گذاران بازار می‌توانند مرتکب شوند، داشتن عرضه بیش از حد است. اگر عرضه بیش از حد داشته باشید، آن‌ها درگیر نخواهند شد، پاسخ نخواهند داد. خریداران با انتخاب‌های زیاد غرق خواهند شد. بسیار بهتر است که بهترین عرضه را برای هر دسته، کد پستی و غیره داشته باشید.

برای آن‌ها تقاضا پیدا کنید، نقدینگی برایشان فراهم کنید. سپس کمی بیشتر و کمی بیشتر مقیاس‌بندی کنید. در این اسلاید، فکر می‌کنم کمی بیشتر تقاضا و ادامه تطبیق است. نشانه‌ای که شما تناسب محصول با بازار را دارید، زمانی است که هزینه‌های جذب مشتری شما در حال کاهش است، و آن زمان است که کاربران شروع به بازگشت می‌کنند، دوستان خود را می‌آورند و اقتصاد واحد شما همچنان بهبود می‌یابد.

اما نشانه‌های اولیه نقدینگی معمولاً، بله، نرخ فروش ۲۵-۲۰٪ معمولاً نشانه خوبی است. این در یک بازار کالاهای دست دوم، حداقل شما نقدینگی دارید. خب، برگردیم به سؤالاتی که از قبل ارسال شده بودند.

لوئیس گونزالس: اگر امروز یک بازار جهانی را از صفر شروع می‌کردید، چه چیزی را به عنوان هسته اصلی دفاع‌پذیری خود از روز اول در اولویت قرار می‌دادید؟

نقدینگی، برند، جامعه، فناوری، به خصوص با دسترسی فزاینده هوش مصنوعی. من قبلاً به این پاسخ داده‌ام، اما اساساً روز صفر، شما هیچ خندق یا مانع ورودی ندارید. مانع ورودی شما به مرور زمان نقدینگی می‌شود. وقتی واقعاً شروع به جذب خریداران بیشتر می‌کنید، فروشندگان بیشتری را جذب می‌کنید، فروشندگان بیشتر، خریداران بیشتری را جذب می‌کنند.

پس روی اقتصاد واحد تمرکز کن. هر استراتژی مقیاس‌پذیر و تکرارپذیر تو برای مقیاس‌بندی عرضه و تقاضا، آن را ادامه بده. به تطبیق ادامه بده، به کسب نقدینگی ادامه بده. بنابراین نقدینگی در بازارها بر همه چیز غلبه می‌کند. و در واقع، تصور کن که به نوعی، عوامل بالادستی، مانند نمایندگان، کسانی باشند که از طرف کاربران معامله می‌کنند، آن‌ها در جایی که نقدینگی وجود دارد معامله خواهند کرد.

بنابراین دفاع‌پذیری نهایی شما در نقدینگی است. پس نقدینگی. نقدینگی. و زمانی که نقدینگی بیشتری وجود دارد.

می‌بینم که در Quince سرمایه‌گذاری کرده‌اید. می‌توانید بیشتر در مورد آن‌ها و جاه‌طلبی‌هایشان در آینده بگویید؟ خب Quince یکی از شرکت‌های بازگرداننده سرمایه برای FJ Labs است. آن‌ها فوق‌العاده خوب عمل می‌کنند.

آنها در بازار کالاهای لوکس مقرون‌به‌صرفه و برندهای مستقیم به مصرف‌کننده هستند. این بازار به دلیل مدل دارایی زنده آنهاست. بنیان‌گذار آن را فوق‌العاده می‌داند. ما از ابتدا در آنها سرمایه‌گذاری کرده‌ایم و حدس می‌زنم معرفی کوتاه آنها این است که کیفیت Macy’s، قیمت Costco و لجستیک Shein یا Temu را دارند.

و آنها به طور فوق‌العاده‌ای از ۱۰۰ میلیون به ۳۰۰ میلیون، یک میلیارد دلار فروش رشد کرده‌اند و فکر می‌کنم سال گذشته بیش از ۲ میلیارد دلار فروش داشته‌اند. هنوز هم به سرعت در حال رشد هستند و اخیراً با ارزش‌گذاری ۱۰ میلیارد دلاری از Iconic سرمایه جذب کرده‌اند. پس از آنجا به کجا می‌روند؟ اول از همه، بسیار نادر است که یک شرکت در این مقیاس، مانند یک میلیارد دلار درآمد در ۲۴ ماه، همچنان سال به سال صد درصد رشد کند.

این هرگز اتفاق نمی‌افتد. و آنها هنوز در ابتدای راه خود هستند وقتی به دسته‌هایی که در آن هستند، وقتی به مناطق جغرافیایی که در آن هستند فکر می‌کنید، آنها امسال کانادا را راه‌اندازی کردند. فکر می‌کنم شروع به راه‌اندازی در اروپا خواهند کرد. بنابراین آنها در ابتدای گسترش بین‌المللی هستند.

آنها در ابتدای گسترش دسته هستند. من می‌توانم دنیایی را پیش‌بینی کنم که در آن طی پنج تا ده سال به ده‌ها میلیارد دلار درآمد برسند. و این شرکتی است که می‌توانید به برنده شدن ادامه دهید. این شرکت از قبل در موقعیت غالب قرار دارد و می‌تواند به برنده شدن ادامه دهد. بنابراین امیدوارم که به برنده شدن، مقیاس‌بندی و عملکرد فوق‌العاده در آینده ادامه دهد.

Quince از قبل یک بازگرداننده سرمایه است و امیدوارم در آینده نیز به عنوان یک بازگرداننده سرمایه و یکی از بزرگترین برندگان FJ Labs باقی بماند.

گائل: امروز چه بازارهایی خسته‌کننده یا غیرجذاب به نظر می‌رسند، اما نسل بعدی شرکت‌های میلیارد دلاری را تولید خواهند کرد؟ خب، الان همه روی جنگ بزرگ و مدل‌های بنیادی تمرکز کرده‌اند، درست است؟

و بله، این فرصت چند تریلیون دلاری است و ChatGPT در مقابل Claude در مقابل Grok، هرچه که باشد. و تمام توجه، تمام پول به این سمت می‌رود، درست است؟ بنابراین وقتی نگاه کردیم و در پادکست قبلی من، ۷۵٪ از دلارهای سرمایه‌گذاری خطرپذیر به هوش مصنوعی رفت. و ۹۵٪ از شرکت‌های YC شرکت‌های نوع مدل بنیادی هوش مصنوعی بودند.

ما بر سر بازی پادشاهان می‌جنگیم. چیزی که در حال حاضر کاملاً غیرجذاب است، در واقع چیزهایی مانند بازارها هستند. ما شرکت‌های شگفت‌انگیزی در سبد سرمایه‌گذاری خود داریم که از ۱۰ میلیون دلار GMV در سال به ۳۰ تا صد یا هر چیز دیگری رشد می‌کنند. و چون مردم رشد صفر تا یک میلیارد یا میلیاردها را به سرعت در فضای هوش مصنوعی دیدند، دیگر از این‌ها هیجان‌زده نیستند.

حتی اگر این شرکت‌ها از نظر سرمایه کارآمد باشند، به سرمایه بسیار کمتری نیاز دارند. اقتصاد واحد شگفت‌انگیزی دارند. حاشیه سود ناخالص شگفت‌انگیزی دارند. و صنایع زیادی وجود دارد که می‌توانید از هوش مصنوعی برای کارآمدتر کردن آن‌ها استفاده کنید، از خدمات عمومی گرفته تا ساخت‌وساز، خرده‌فروشی و غیره.

جایی که فکر می‌کنم فرصت‌های عظیمی وجود دارد. دسته‌های زیادی وجود دارد که ترکیبی از داده‌های مبهم، تکه‌تکه یا نیاز به افراد زیاد برای واسطه‌گری، می‌توانید دنیایی را تصور کنید که در آن این عوامل می‌توانند اقتصاد را بهبود بخشند، دسته را بزرگ‌تر کنند و غیره.

بنابراین من می‌گویم صنایع قدیمی و خسته‌کننده که هنوز توسط فناوری دست‌نخورده باقی مانده‌اند، جایی که برای اولین بار می‌توانید از عوامل برای مقیاس‌بندی و جذاب‌تر و کارآمدتر کردن دسته استفاده کنید، که اساساً بی‌نهایت هستند، درست است؟ بیشتر اقتصاد هنوز توسط هوش مصنوعی دست‌نخورده باقی مانده است، فقط کاربران اولیه و فناوری‌دوستان.

این مورد است. بزرگترین نقطه کور که در حال حاضر در میان سرمایه‌گذاران خطرپذیر می‌بینید چیست؟ قطعاً همه در حال انباشت در هوش مصنوعی هستند، همیشه. ارزش‌گذاری مهم نیست، ساختار حاشیه سود ناخالص مهم نیست. ما باید وارد شویم، زیرا برد بزرگ خواهد بود و بسیار حبابی است.

احساس می‌کنم سال ۲۰۲۱ دوباره تکرار شده است. احساس می‌کنم املاک و مستغلات سال ۲۰۰۶ است که فقط بالا می‌رود و هرگز پایین نمی‌آید. احساس می‌کنم حباب فناوری ۹۸، ۹۹، ۲۰۰۰ است. در عین حال، کسی برنده خواهد شد و پاداش‌ها عظیم خواهد بود. اما آیا من الان با این ارزش‌گذاری‌های دیوانه‌وار در Anthropic و OpenAI وارد می‌شدم؟

حدس می‌زنم پاسخ نه است. آیا آن‌ها هنوز می‌توانند از جایی که هستند بسیار رشد کنند؟ و آیا این بزرگترین فرصت از همه است، احتمالاً. اما اگر زود وارد شدید، عالی است. اگر الان وارد شوید، احساس راحتی زیادی به من نمی‌دهد. و بنابراین من، بیشتر آنچه ما هستیم، مانند سرمایه‌گذاران هوش مصنوعی کاربردی خسته‌کننده‌تر که من استراتژی خود را اینگونه توصیف می‌کنم، راه هوشمندانه سرمایه‌گذاری در هوش مصنوعی است.

ما در شرکت‌هایی سرمایه‌گذاری می‌کنیم که از هوش مصنوعی به طور فوق‌العاده‌ای برای داشتن حاشیه سود بالاتر، هزینه‌های جذب مشتری کمتر، نرخ تبدیل بالاتر استفاده می‌کنند. برای من، این راه صحیح بازی کردن است. و بله، قطعاً کاری نیست که سایر VCها انجام می‌دهند.

بیایید به سؤالاتی که از طریق ایمیل ارسال شده بودند نگاه کنیم. در این میان، در حالی که هنوز می‌توانید سؤالات را اینجا ارسال کنید، بیایید اینجا را نگاه کنیم.

مورش: کدام دسته‌ها/زیردسته‌ها در فضای هوش مصنوعی پتانسیل دارند، کدام‌ها بر اساس ارائه‌ها و بحث‌هایی که با سایر سرمایه‌گذاران و VCهای فوق‌العاده باهوش دارید، بیش از حد شلوغ هستند؟ من احساس می‌کنم بازی مدل بنیادی فوق‌العاده شلوغ است، درست است؟

xAI و Mistral و همچنین در عمودی‌ها مانند Runway در مقابل Sora و Midjourney و غیره. بنابراین این بسیار شلوغ به نظر می‌رسد، چیزی که گمان می‌کنم یک برنده خواهد بود. بیشتر دسته را می‌گیرد، شاید دو تا باشد، شاید یک قطره B2B را ببرد و ChatGPT مصرف‌کننده را ببرد و Gemini سهم بازار خود را حفظ کند.

اما آیا من ۲۰ برنده در این فضا می‌بینم؟ نه، احساس می‌کنم جنگ موتورهای جستجو در دهه ۱۹۹۰ است، AltaVista در مقابل Lycos در مقابل Yahoo و غیره. و سپس ناگهان گوگل از راه می‌رسد. بنابراین من دیگر مدل‌های بنیادی را تأمین مالی نمی‌کردم. و همانطور که گفتم، روی کاربرد هوش مصنوعی در دسته‌هایی تمرکز می‌کردم که مردم در حال حاضر از آن استفاده نکرده‌اند، اما قطعاً جذب سرمایه در این دسته‌ها سخت‌تر است. و چون هوش مصنوعی خالص و اصلی تلقی نمی‌شود.

جورج: آیا بازارهایی را دیده‌اید که وقتی ارزش در یک تراکنش واحد نیست، بلکه در هماهنگی چندین سرویس حول یک رویداد بزرگ زندگی است، موفق شوند؟ آره. ما سرمایه‌گذار یک بازار در زمینه عروسی هستیم که عملکرد بسیار خوبی دارد. آنها سهم بازار عظیمی از عروسی‌ها در اروپا دارند.

البته نامش به زودی به یادم خواهد آمد. و البته، روش کسب درآمد آنها کمک به شما برای یافتن کترینگ، مکان، عکاس و فردی است که کیک را فراهم می‌کند و غیره. بنابراین آنها در حال هماهنگی چندین سرویس برای یک رویداد بزرگ زندگی هستند.

بنابراین عروسی قطعاً نمونه‌ای از آن است. آیا فکر می‌کنم می‌تواند در سایر رویدادهای بزرگ زندگی اتفاق بیفتد؟ شاید باید تعریف کنیم که آن رویدادهای زندگی چه هستند، درست است؟ مانند مرگ، واضح است که یک جاذبه بزرگ برای افرادی مانند نقد کردن املاک و فروش املاک و غیره است. و، مانند فارغ‌التحصیلی از کالج، خب، مسئله این است.

وقتی از دانشگاه فارغ‌التحصیل می‌شوی، شاید به ماشین نیاز داشته باشی، شاید به شغل نیاز داشته باشی، شاید به مسکن نیاز داشته باشی. اما همه این‌ها توسط سایت‌هایی که تمام وقت این کار را انجام می‌دهند، به خوبی انجام می‌شود. بنابراین آیا من یک سایت برای همه این چیزها ایجاد می‌کردم؟ خیلی مطمئن نیستم. در مقابل عمودی‌هایی که از قبل برای هر یک از این دسته‌ها بهترین هستند.

همینطور در مورد جابجایی شهرها. بنابراین تعدادی شرکت وجود دارند که به شما در جابجایی شهرها کمک می‌کنند و عملکردشان خوب است. هیچ‌کدام عالی نیستند. زیرا دوباره، اگر به شهر جدیدی نقل مکان کنم و نیاز به پیدا کردن آپارتمان داشته باشم، Zillow عالی است. نیازی نیست به سایتی مخصوص جابجایی بروم. بنابراین فکر می‌کنم عروسی، عروسی‌ها بسیار منطقی هستند، قطعاً منطقی خواهند بود. چه رویدادهای بزرگ زندگی دیگری ارزش فکر کردن دارند؟ خب، ادامه می‌دهیم به سؤالات پیشنهادی.

گادفری: سؤال شماره یک، ماتریس جذب سرمایه FJ Labs شما چگونه تغییر کرده است، به خصوص در ماه‌های اخیر با توجه به تأثیر سریع هوش مصنوعی بر بازار B2C و B2B، از نظر کشش، اندازه دور، ارزش‌گذاری؟

بنابراین آیا ارزش‌گذاری‌های ما به طور چشمگیری در میانگین و حتی در واقع میانه افزایش می‌یابد؟ آره. به دلیل هوش مصنوعی، دورهای بذری بزرگ‌تری را می‌بینید. ما اخیراً یک دور بذری یک میلیارد دلاری، یک میلیارد جذب سرمایه، ۳.۵ میلیارد پیش از ارزش‌گذاری را دیدیم. بنابراین واضح است که ارزش‌گذاری‌هایی که مردم به خصوص در هوش مصنوعی دستور می‌دهند، بسیار بالاتر است.

اما ما از آن هیاهوی هوش مصنوعی دوری می‌کنیم و بنابراین همچنان تمرکز می‌کنیم. مانند سال ۲۱ که همه می‌گفتند، اوه، ماتریس شما قدیمی است، دیگر منطقی نیست و غیره. و البته من درست می‌گفتم، با انتقام بازگشت، من درست می‌گفتم، به این معنی که با انتقام بازگشت. و اعداد بازنشانی شدند.

بنابراین اگر تمام شرکت‌های هیاهوی هوش مصنوعی را از معادله حذف کنید، ماتریس همچنان معتبر است، درست است؟ بنابراین ما همچنان می‌خواهیم شما در حدود ۵۰۰ هزار تا ۷۵۰ هزار دلار در ماه GMV با نرخ ۱۵٪ باشید وقتی دور سری A خود را جذب می‌کنید و ۱۰ میلیون با ارزش‌گذاری ۳۰ میلیون پیش از سرمایه یا ۷ میلیون با ارزش‌گذاری ۲۳ میلیون پیش از سرمایه یا چیزی شبیه به آن جذب می‌کنید. ما همچنان ۲.۵ تا ۵ میلیارد دلار در ماه GMV انتظار داریم.

این انتظار، به هر حال، نرخ ۱۵-۱۰٪ برای A2C و نرخ ۲، ۳، ۴٪ برای B2B است. ما GMV بسیار بالاتری را انتظار داریم وقتی دور سری B خود را با هر مبلغی، ۵۰ میلیون یا ۵۳ میلیون، جذب می‌کنید. بنابراین ماتریس هنوز صحیح است اما در هوش مصنوعی که مردم قیمت‌های دیوانه‌واری را در دورهای بذری، پیش‌بذری، A، B و غیره پرداخت می‌کنند، صدق نمی‌کند.

اما اگر در حال ساخت یک شرکت بودید، به شما توصیه می‌کنم به آن نزدیک بمانید زیرا اگر بیش از حد پول با قیمت بالا جذب کنید، شما را از بین خواهد برد. این یکی از بزرگترین دلایلی است که شرکت‌ها شکست می‌خورند. آن‌ها به ارزش‌گذاری‌ها رشد نمی‌کنند و در جذب دور بعدی شکست می‌خورند. اگر شما یک VC هستید، به شما توصیه می‌کنم به ماتریس نزدیک بمانید زیرا اگر بیش از حد پرداخت کنید، بازدهی بدی خواهید داشت، و کلاس دارایی VC از قبل عملکرد خوبی ندارد و بازدهی خوبی ندارد.

سوال دوم، از آنجایی که هوش مصنوعی ساخت نرم‌افزار را بسیار آسان‌تر می‌کند. سرمایه‌گذاران خطرپذیر اولیه چقدر برای هم‌بنیان‌گذار فنی ارزش قائلند؟ آه، بله، قبلاً به این پاسخ دادم. که همانطور که گفتم، پاسخ این است که بستگی دارد، و به دسته‌بندی‌ای که در آن هستی بستگی دارد. اگر به یک هم‌بنیان‌گذار فنی نیاز داری چون کاری که می‌کنی فوق‌العاده سخت است، پس باید یکی داشته باشی. اگر در حال ساخت یک OpenAI نسل بعدی و باز هستی، یک هم‌بنیان‌گذار فنی داشته باش.

باشه. رزا بلودا، اگر چیزی در زندگی‌ات کم داری، آن چیست؟ صادقانه بگویم، من واقعاً فکر می‌کنم بهترین زندگی‌ای را دارم که تا به حال تجربه شده است. فکر نمی‌کنم چیزی کم داشته باشم. زندگی‌ام سالم است، خانواده‌ام عالی هستند.

من خوب هستم، زندگی فوق‌العاده ممتاز است و من از زندگی‌ای که دارم پر از سپاسگزاری هستم. فکر نمی‌کنم چیزی کم داشته باشم. شاید نمی‌دانم چه چیزهایی را نمی‌دانم. و چیزهایی هست که کم دارم و حتی متوجه نیستم که کم دارم. اما بله.

سوال بعدی. آیا پالانتیر رقیبی دارد؟ یک پالانتیر فرانسوی به نام آرلکین AI وجود دارد. نه به آن شکل خنده‌داری که اکثر شرکت‌های فناوری هستند، اما یک مورد جالب‌تر به نام فاندامنتالز وجود دارد که، چون پالانتیر، سخت است بگوییم چقدر یک شرکت فناوری است در مقابل یک شرکت خدماتی، درست است؟ مثلاً پیاده‌سازی آن‌ها ۶ تا ۱۸ ماه طول می‌کشد.

بیشتر درآمدهای آن‌ها از خدمات پیاده‌سازی می‌آید تا هزینه‌های SaaS تکرارشونده. و فاندامنتالز، و شما آن را دارید، آن‌ها بدیهی است که از هوش مصنوعی استفاده می‌کنند، و ادغام را در دو تا سه روز انجام می‌دهند، و بیشتر درآمدها از طریق اشتراک است. بنابراین برای من، این جالب‌ترین رقیب پالانتیر است که در حال ظهور است.

آیا هنرمند مورد علاقه خاصی داری؟ منظورم یک نقاش است. نه واقعا. بیشتر نویسندگان. نقاشان. بله، نه، احتمالاً، فکر نمی‌کنم. ببین، آیا از هنر و آنچه هنرمندان سعی در انجامش دارند قدردانی می‌کنم؟ کاملا. اما مطمئن نیستم که پاسخی به آن سوال داشته باشم.

باشه. ادامه سوالات از پیش ارسال شده. من اخیراً از برنامه کارشناسی ارشد فارغ‌التحصیل شدم، ماتئو، و به استارتاپ‌های هوش مصنوعی علاقه‌مندم. اگر امروز در سال ۲۰۲۶ فارغ‌التحصیل می‌شدی و می‌خواستی کاری را شروع کنی، آیا کار خود را در یک شرکت بزرگ شروع می‌کردی یا یک استارتاپ اولیه؟ و برای کسی با یک پروفایل عمومی، آیا این هنوز یک مسیر قابل دوام است؟ و چه مهارت‌هایی را به طور کلی در زمینه فنی و غیرفنی اولویت‌بندی می‌کردی؟

بنابراین به طور کلی، فکر می‌کنم در استارتاپ‌ها سریع‌تر و بهتر یاد می‌گیری تا در شرکت‌های بزرگ. وقتی از دانشگاه فارغ‌التحصیل شدم، به مک‌کینزی رفتم. مثل مدرسه کسب‌وکار بود، با این تفاوت که به من پول می‌دادند، اما پیوستن به یک استارتاپ در مرحله اولیه یا سری A یا B، شاید مرحله B، اما نه خیلی بزرگ، به همان اندازه قابل دوام بود.

در غیر این صورت، نقشی بسیار محدود خواهی داشت و نمی‌توانی به اندازه کافی یاد بگیری. بنابراین، تو یک استارتاپ می‌خواهی که به اندازه کافی تناسب محصول با بازار و بودجه داشته باشد که به خوبی ادامه دهد، اما نه آنقدر تثبیت شده که نقش‌ها بسیار کلیشه‌ای باشند و بتوانی خودت را ثابت کنی و شور و اشتیاقت را دنبال کنی و تا جایی که می‌توانی یاد بگیری.

بنابراین، اگر از دانشگاه فارغ‌التحصیل می‌شدم، احتمالاً به یک استارتاپ اولیه در حوزه هوش مصنوعی، احتمالاً در منطقه خلیج، می‌پیوستم و همین الان به آنجا نقل مکان می‌کردم تا بفهمم بهترین مسیر چیست. در مقابل پیوستن به یک شرکت بزرگ. حالا، دوباره، OpenAI شاید الان خوب باشد اگر مهندس باشی. اما اگر یک فرد عمومی باشی، که احتمالاً مورد توست، شرکت‌های کوچک‌تر منطقی‌تر هستند.

و آیا فکر می‌کنم مسیری برای افراد عمومی وجود دارد؟ کاملا. فکر می‌کنم امروز به نوعی مسیر بیشتری برای افراد عمومی وجود دارد تا هر زمان دیگری، زیرا به عنوان یک فرد عمومی، می‌توانی واقعاً از ابزارهای هوش مصنوعی برای ارائه سریع فناوری استفاده کنی. می‌توانی یاد بگیری که کد را خیلی سریع درک کنی، درست است؟ مثلاً با Cursor، کارها برای تو به عنوان یک فرد عمومی که هوشمندانه از ابزارهای هوش مصنوعی استفاده می‌کند، بسیار آسان‌تر از همیشه است.

و اگر به نقش مدیرعامل و تیم بنیان‌گذار در آینده فکر کنی، مدیرعامل همان فرد عمومی است، پس قطعاً. عمومی بودن فوق‌العاده است. حالا، همانطور که قبلاً گفتم، من با همه ابزارها بازی می‌کردم. من یک OpenClaw ایجاد می‌کردم، با Claude بازی می‌کردم، با GPT بازی می‌کردم، با Cursor بازی می‌کردم.

با آن‌ها فوق‌العاده آشنا شو و ببین چقدر می‌توانی با آن‌ها کار کنی و تا کجا می‌توانی از پیشرفته‌ترین آن‌ها استفاده کنی. و از اینکه چقدر می‌توانی بهره‌وری خود را بهبود بخشی، چقدر چیز برای یادگیری وجود دارد، و چقدر کار برای انجام دادن هست، شوکه خواهی شد.

اجازه بدید ببینم. آلساندرو، به نظر می‌رسد سرمایه‌گذاران به دو دسته تقسیم می‌شوند. آن‌هایی که معرفی گرم را ترجیح می‌دهند و از تماس‌های سرد متنفرند، و آن‌هایی که به تماس‌های سرد باز هستند. تو در کدام دسته قرار می‌گیری؟ خب، اول از همه سرمایه‌گذاران معرفی گرم را ترجیح می‌دهند، درست است؟ اگر بنیان‌گذاری را می‌شناسم، یا یک سرمایه‌گذار خطرپذیر را می‌شناسم، یا هر کسی که می‌گوید، هی، باید با این بنیان‌گذار فوق‌العاده صحبت کنی.

بدیهی است که من آن را ترجیح می‌دهم. اما من به تماس‌های سرد باز هستم، زیرا همه به استنفورد و هاروارد و پرینستون نرفته‌اند و به شبکه‌های اجتماعی متصل نیستند که به آن‌ها اجازه دهد با بنیان‌گذاران و سرمایه‌گذاران خطرپذیر مرتبط ملاقات کنند. و بنابراین برخی از بهترین سرمایه‌گذاری‌های ما از تماس‌های سرد ورودی آمدند. آن‌ها در برزیل بودند، اما به جای اینکه در سائوپائولو یا ریو در برزیل باشند، در بلو هوریزونته بودند. با این حال، برخی از آستانه‌ها بالاتر است. فقط تعداد بیشتری وجود دارد. ما هفته‌ای ۲۰۰ تا ۳۰۰ تماس سرد ورودی دریافت می‌کنیم و درصدی که در آن سرمایه‌گذاری می‌کنیم بسیار کمتر است. بنابراین ما به تماس‌های سرد ورودی باز هستیم. اگر بتوانی یک معرفی گرم بگیری خیلی بهتر است، اما ما به آن باز هستیم.

اندرو مک‌کین. در سال‌هایی که از آخرین دیدارمان در نیویورک می‌گذرد، معیارهای انتخاب کسب‌وکار تو زندگی من را تغییر داده است. آه، خوشحالم که این را می‌شنوم. دوست دارم بازخورد تو را در مورد سوال بعدی اینجا، در مورد خدمات، دریافت کنم. آیا فکر می‌کنی در پیروی از مدل پالانتیر برای انجام خدمات سنگین در طول توسعه روابط مشتریان تثبیت شده برای ایجاد یک مزیت رقابتی پایدار، ارزش وجود دارد، در حالی که مجموعه محصولات تکامل می‌یابد و با استفاده از هوش مصنوعی برای ایجاد ARR واقعی، خودکارتر می‌شود. به عبارت دیگر، رویکرد اول خدمات، بیشتر یک استراتژی ورود به بازار است تا در مورد فراگیر شدن هوش مصنوعی.

پاسخ البته این است که بستگی دارد. بستگی به دسته، بستگی به پروفایل مشتری و بخش دارد. من رویکردهای غیرخدماتی را ترجیح می‌دهم زیرا اصلی‌ترین بازخوردی که از سرمایه‌گذاران خطرپذیر دریافت خواهی کرد این است که آیا شما یک شرکت خدماتی هستید؟ چقدر مقیاس‌پذیر است؟ در مقابل اینکه آیا شما یک شرکت فناوری واقعی هستید؟

به همین دلیل است که من فاندامنتالز را بیشتر از پالانتیر دوست دارم. واقعاً یک شرکت فناوری است. بنابراین تا آنجا که گفته شد، اگر به دولت‌ها می‌فروشی، اغلب باید یک خدمت را بفروشی. لایه خدمات، نصب، رابطه بسیار مهم است.

بنابراین فکر می‌کنم پاسخ این است که بستگی دارد. به طور کلی، ترجیح می‌دهم در شرکت‌های فناوری سرمایه‌گذاری کنم و افراد شرکت‌های فناوری بسازند تا شرکت‌های خدماتی. و این برخی از چالش‌ها و بازخوردهایی است که این شرکت‌ها در جمع‌آوری سرمایه با آن روبرو هستند، زیرا ارزش‌گذاری یک شرکت خدماتی به طور اساسی با ارزش‌گذاری یک شرکت فناوری متفاوت است.

اما اگر یک استراتژی ورود به بازار باشد، اگر مشتری را جذب کند و سپس به شما امکان دهد قراردادهای MRR یا ARR با ارزش بالا و حاشیه سود بالا را به دست آورید، پس مشکلی نیست. در نهایت، آنچه برای من مهم است این است که استراتژی ورود به بازار شما چیست؟ تناسب محصول با بازار شما چیست؟ اقتصاد واحد چگونه به نظر می‌رسد؟

هزینه جذب مشتری شما در مقابل حاشیه سود خالص هر مشتری چقدر است؟ و تا زمانی که این‌ها کار کنند، و اگر خدمات راه ورود باشد، مشکلی نیست، اما باید صریح باشد که این راه ورود است و نه هدف نهایی.

لیزا، سوال کمی متفاوت است، اما کنجکاوم، چه نوع آموزش مدرسه‌ای برای پسرت انتخاب کرده‌ای؟ نه، من قبلاً به آن سوال پاسخ دادم. وقتی در مورد مدرسه خانگی صحبت کردم.

سونیا، چه بازی‌های توسعه‌ای برای کودکان و رایانه شخصی یا نینتندو استفاده می‌کنی؟ خب، می‌دانی چه چیزی جالب است، ابزارهای آموزشی زیادی وجود دارد. اول از همه، پسر چهار ساله من، شیفته Numberblocks در یوتیوب است.

مثلاً او برای سرگرمی ضرب می‌کند. هشت ضربدر هشت می‌شود ۶۴، مثلاً ۲۷ ضربدر دو می‌شود ۵۴، ۲۸ ضربدر دو، ۵۶. او اعداد منفی را انجام می‌دهد. او جبر پایه را انجام می‌دهد، نه به این دلیل که من او را مجبور می‌کنم در چهار سالگی ریاضی یاد بگیرد، در حالی که انتظار می‌رود او تا ۲۵ بشمارد، بلکه به این دلیل است که علاقه او را جلب می‌کند.

و بنابراین او محتوای آموزشی مورد علاقه خود را در یوتیوب پیدا می‌کند، و من صبح که بیدار می‌شود و شب قبل از خواب به او آی‌پد می‌دهم. و او اساساً Numberblocks را دنبال می‌کند و ریاضی یاد می‌گیرد. در واقع، او آنقدر مشتاق است که از من خواسته به مدرسه ریاضی روسی در نیویورک برود، بنابراین من او را در مدرسه ریاضی روسی نیز ثبت نام کرده‌ام.

اما آیا بازی‌های جالبی وجود دارد که بتوانی با بچه‌هایت بازی کنی تا خلاقیت و یادگیری آن‌ها را پرورش دهی؟ کاملا. ما همین الان با هم در آی‌پد یک بازی به نام Lost in Play را بازی کردیم، که یک بازی ماجراجویی با پازل‌هایی است که در آن باید اساساً از تست‌های هوش یا معماهای فکری برای حل مشکلات استفاده کنی تا داستان پیش برود.

و تعداد زیادی از این‌ها وجود دارد، دوباره، این برای یک کودک چهار، پنج، شش ساله مناسب است. هر چه بزرگتر می‌شوی، دلیل اینکه من ساختن بر اساس Minecraft و Roblox را دوست دارم، الگوهای منطقی ساخت و ساز در آنجاست. و دوباره، به عنوان یک سازنده، نه به عنوان یک مصرف‌کننده، به نوعی به تو کدنویسی را آموزش می‌دهد.

بنابراین، این یک راه جالب از طریق سرگرمی برای آموزش کدنویسی به کودکان است. آیا موارد بیشتری وجود دارد؟ بله، دوباره، من سن بچه‌های تو را نمی‌دانم سونیا، اما چیزهایی مانند Lost in Play فوق‌العاده هستند. و مجموعه‌ای از کیت‌ها وجود دارد که می‌توانی سفارش دهی که STEM هستند، جایی که می‌توانی، بچه‌هایت می‌توانند ربات بسازند. چیزهای زیادی وجود دارد، اما من به علایق آن‌ها تکیه می‌کنم.

همانطور که گفتم، من به فافا نگفتم، خب، برو ریاضی یاد بگیر. او خودش تصمیم گرفت که آن را دوست دارد و یاد گرفت. این بخشی از دلیلی است که او برای رفتن به مدرسه هوش مصنوعی در سال آینده، که آلفا است، بسیار هیجان‌زده است.

سوال بعدی از تام. آیا نگران از دست دادن شغل‌ها به دلیل هوش مصنوعی هستی؟ خب این سوال همیشگی است. هوش مصنوعی همه شغل‌ها را تصاحب خواهد کرد. ۹۵٪ بیکاری خواهد بود. پایان دنیاست و غیره. و این ترسی است که جهانی است و صدها سال است که جهانی بوده است، درست است؟ لودیت‌ها در اوایل با دستگاه بافندگی الکترونیکی مخالف بودند، حتی با اینکه زندگی افرادی که بافندگی می‌کردند را به طور قابل توجهی بهتر کرد.

و این در طول تاریخ صادق بوده و مردم نگران از دست دادن همه شغل‌ها بوده‌اند. اما فرض کن تو را ۲۶ سال به عقب، به سال ۲۰۰۰ برگردانم و به تو بگویم، و ما الان در مارس ۲۰۰۰ هستیم، ببین، در سال ۲۰۲۶، من برگشته‌ام و چهار دسته شغلی برتر سال ۲۰۰۰ ناپدید شده‌اند. دیگر هیچ آژانس مسافرتی وجود ندارد، دیگر هیچ کارمند بانکی وجود ندارد.

یک تریلیون خرده‌فروشی محلی به دلیل تجارت آنلاین ناپدید شده است. تمام تولید خودرو خودکار شده است. و این‌ها چهار دسته شغلی برتر ما در حال حاضر هستند. لطفاً اکنون شرایط اقتصادی را در سال ۲۰۲۶ توصیف کن و مردم به تو می‌گفتند، اوه خدای من، بیکاری گسترده، رکود بزرگ و غیره.

و با این حال امروز ما بیکاری کمتر، اشتغال بالاتر، و دو برابر تولید ناخالص داخلی سرانه نسبت به آن زمان داریم، با وجود ناپدید شدن همه این دسته‌های شغلی. حالا البته من الان می‌شنوم، اما این بار فرق می‌کند. این سریع‌تر از همیشه اتفاق می‌افتد. هوش مصنوعی همه این شغل‌ها را جایگزین می‌کند، و بنابراین اول از همه، آنقدر سریع‌تر از همیشه اتفاق نمی‌افتد.

در سال‌های ۲۰۱۱، ۲۰۱۲، وقتی اولین خودروهای خودران به میدان آمدند، مردم می‌گفتند، اوه، دسته شغلی برتر در ایالات متحده با ۴.۶ میلیون شغل، راننده کامیون است. همه این شغل‌ها ناپدید خواهند شد. دیگر هیچ راننده کامیونی وجود نخواهد داشت. همه این افراد چه خواهند کرد؟ آن‌ها خودکار خواهند شد.

و ما الان، یعنی این مربوط به سال‌های ۲۰۱۱، ۲۰۱۲ است، دقیقاً ۱۵ سال پیش. ما الان ۱۵ سال بعد هستیم، حتی یک شغل راننده کامیون هنوز توسط یک کامیون خودران خودکار نشده است. و ما هنوز در ابتدای انقلاب هوش مصنوعی خودران هستیم. حالا، آیا من در ذهن خود داده‌ای دارم که در نقطه‌ای در آینده، ۱۰، ۲۰، ۳۰ سال، صد درصد وسایل نقلیه در جاده خودران خواهند بود؟

هیچ شکی نیست. قطعاً منطقی است. و همه آن‌ها برقی هم خواهند بود. اما زمان می‌برد. مثلاً اولین‌هایی که خودکار می‌شوند گران‌ترین‌ها هستند زیرا فناوری هزینه زیادی دارد. و از نظر فرهنگی زمان می‌برد. بسیاری از مردم، اولین باری که یک خودروی خودران سوار می‌شوند، از ترس به خود می‌لرزند که قرار است آن‌ها را بکشد، حتی با اینکه به ظاهر ایمن‌تر از خودروهای سنتی است.

بنابراین فرهنگ کندتر از فناوری حرکت می‌کند. فناوری بسیار سریع حرکت می‌کند، اما دولت‌ها زمان زیادی برای پذیرش هوش مصنوعی نیاز دارند. شرکت‌های بزرگ زمان زیادی برای پذیرش هوش مصنوعی نیاز دارند. این تغییرات بسیار کندتر از آنچه فکر می‌کنی اتفاق می‌افتند. بنابراین اولاً، آنقدر سریع که مردم فکر می‌کنند حرکت نمی‌کند. به خصوص افراد در فناوری، زیرا ما در خط مقدم فناوری هستیم. دوماً، مردم نمی‌فهمند که واقعاً چند شغل توسط هوش مصنوعی ایجاد یا از بین خواهد رفت، زیرا آن‌ها، وقتی کشش را در نظر می‌گیرند، نمی‌فهمند کشش تقاضا برای یک محصول یا خدمات کجاست.

بنابراین در حال حاضر، یکی از فرضیه‌های بزرگ مردم این است که، اوه. برنامه‌نویسان منسوخ خواهند شد. هوش مصنوعی خودش کدنویسی خواهد کرد. دیگر به برنامه‌نویسان نیازی نخواهد بود. این یک نتیجه ممکن است، اما به هیچ وجه تضمین شده نیست که محتمل‌ترین نتیجه باشد.

در دهه ۱۹۸۰، شغلی وجود داشت که افراد را «صفحه‌گسترده‌ساز» می‌نامیدند، و صفحه‌گسترده‌ها توسط انسان‌ها انجام می‌شدند. انسان‌های بسیار ماهر و با دستمزد بالا قبل از اینکه چیزی به نام Symphony، که اکنون فکر می‌کنم معادل اکسل باشد، به وجود آید، صفحه‌گسترده می‌ساختند. و اکسل منجر به نابودی تمام شغل‌های صفحه‌گسترده‌سازان شد. اما می‌دانی چه؟ میلیون‌ها و میلیون‌ها شغل تحلیلگر مالی را ایجاد کرد که اکنون ابزارهایی برای انجام مدل‌سازی مالی و تحلیل مالی داشتند.

و بنابراین چند هزار شغل ناپدید شد. میلیون‌ها شغل ایجاد شد. بنابراین وقتی صحبت از مهندسی نرم‌افزار می‌شود، مثلاً می‌توانی استدلال کنی که با کاهش بسیار زیاد هزینه توسعه نرم‌افزار، تقاضا برای آن به شدت افزایش می‌یابد. شرکت‌هایی که از نظر تاریخی توسعه‌دهنده نرم‌افزار استخدام نمی‌کردند، مانند کسب‌وکارهای کوچک و متوسط یا دولت‌ها یا شرکت‌های بزرگ در مقیاس وسیع، شروع به انجام این کار خواهند کرد.

و بنابراین من واقعاً می‌توانم استدلال کنم، تضمین نمی‌کنم که این اتفاق خواهد افتاد، که با ارزان‌تر شدن ساخت نرم‌افزار، تقاضا برای نرم‌افزار آنقدر افزایش خواهد یافت که در واقع اشتغال افزایش می‌یابد. و این شامل این واقعیت نمی‌شود که دسته‌های شغلی جدید زیادی ایجاد خواهند شد.

مثلاً در سال ۲۰۰۰ مردم نمی‌توانستند تصور کنند که نقش یک مدیر رسانه‌های اجتماعی یا یک گیمر/استریمر توییچ یا هر چیز دیگری چه خواهد بود. شغل‌های جدید زیادی در حال ساخت و ایجاد هستند که مردم به سختی می‌توانند تصور کنند. آیا نگران آخرالزمان شغلی هستم؟ خیر آیا شغل‌ها تغییر خواهند کرد؟ آره.

آیا بازندگانی خواهند بود و چه کسانی نیاز به بازآموزی و کمک برای سازگاری خواهند داشت زیرا برندگان و بازندگان با تکامل بازار کار اغلب متفاوت هستند. کاملا. اما آیا نگران نرخ بیکاری ۹۵٪ و رکود بزرگ هستم و اینکه همه ما بیکار می‌شویم و این یک شبه اتفاق می‌افتد، قطعاً نه.

این خلاف اقتصاد، خلاف هر چیزی که تا به حال اتفاق افتاده، خلاف فرهنگ و سرعتی است که مردم مایل به تنظیم و پذیرش فناوری هستند و اینرسی موجود در سیستم‌های سیاسی ما، سیستم‌های اقتصادی ما و غیره. نه، من فکر نمی‌کنم این بار متفاوت باشد، اما بله، فکر می‌کنم که طبق معمول، این فناوری بشریت را به طور عمیقی دگرگون خواهد کرد و نحوه زندگی ما را تغییر خواهد داد.

اگرچه زمان بسیار بیشتری طول خواهد کشید، این افراد فکر می‌کنند. باز هم تأثیر کوتاه‌مدت هوش مصنوعی و فناوری را بیش از حد تخمین می‌زنند و تأثیر بلندمدت را دست کم می‌گیرند.

خب، خورخه: ساخت زیرساخت هوش تصمیم‌گیری برای کریدور صنعتی T-MEC/USMCA. باشه. حدس می‌زنم منظور مکزیک، ایالات متحده و احتمالاً مکزیک است.

مدل B2B2B، با هدف کارگزاران گمرکی، مشاوران محیط زیست و شرکت‌های حسابداری، کانال‌های توزیع. آیا در آمریکای لاتین یا عمودی‌های صنعتی در بازاری که برای ساخت مقیاس سرمایه‌گذاری خطرپذیر بسیار پراکنده است، ارزش می‌بینی؟

یک قدم به عقب برمی‌گردم. آیا فکر می‌کنی می‌توانی کسب‌وکارهای مقیاس‌پذیر سرمایه‌گذاری خطرپذیر در آمریکای لاتین بسازی؟ کاملا. به نیوبانک در برزیل یا پلاتا، که یک بانک جدید است و ما سرمایه‌گذار در مکزیک هستیم، یا مرکادو لیبره و غیره فکر کن. بنابراین اول از همه، بازار آمریکای لاتین بزرگ، در حال رشد، و هر روز پیچیده‌تر می‌شود و شروع به داشتن سرمایه‌گذاران خطرپذیر خود کرده است، از کاسزک تا موناشیز و غیره.

پس کاملاً می‌شه در آمریکای لاتین استارتاپ‌های موفقِ مورد حمایت سرمایه‌گذاری خطرپذیر ساخت. حالا مشخصاً در حوزه‌ی شما. من به اندازه‌ی کافی درباره‌ی اندازه‌ی کل بازار قابل دسترس، اقتصاد واحد و غیره نمی‌دونم. اما تا جایی که داریم درباره‌ی بازاری مثلاً بالای ۱۰ میلیارد دلار حرف می‌زنیم که احتمالاً ساختار حاشیه سود کافی هم داره، فکر می‌کنم جوابش بله است. پس آره، در مجموع نگاه مثبتی دارم.

باشه. کاربر لینکدین، مطمئن نیستم چرا نام‌ها همیشه نمایش داده نمی‌شوند و گاهی اوقات نمایش داده می‌شوند. سلام، فابریس، نمی‌دانم مرا از قسمت‌های قبلی به یاد داری یا نه، من در هلند بازارگاه‌هایی را اداره می‌کردم. تو در چندین قسمت قبلی مشاوره دادی. بازارگاه را فروختم، از پول آن برای ساخت یک شرکت بیمه که به شدت در حال ادغام هوش مصنوعی است، استفاده کردم.

عالی! از هوش مصنوعی استفاده کن، آماده برای خدمات مشتری، کلاهبرداری، قیمت‌گذاری، پردازش ادعاها. اینجا مشاوره بازارگاه داری. بیش از حد خوش آمدی. و فکر می‌کنم کاری که می‌کنی از نظر استفاده از هوش مصنوعی برای بهبود در همه چیز، خدمات مشتری، کلاهبرداری، قیمت‌گذاری، پردازش ادعاها، بسیار منطقی است. ما سرمایه‌گذار در شرکتی در اروپا به نام ACE Waves هستیم.

Ace Waves یک شرکت خدمات مشتری برای بازارگاه‌ها است که در آن هوش مصنوعی بخش بزرگی از تیم خدمات مشتری تو را جایگزین می‌کند و به طور متوسط به تو امکان می‌دهد هزینه‌های خدمات مشتری خود را تا ۵۰٪ کاهش دهی در حالی که NPS خود را بهبود می‌بخشی، رضایت مشتری را افزایش می‌دهی و غیره. بنابراین قطعاً از هوش مصنوعی برای خدمات مشتری برای همه این موارد استفاده کن. و هر استارتاپی باید از ابزارها به کامل‌ترین حد ممکن استفاده کند.

جورجه: احتمالاً نامت را اشتباه تلفظ می‌کنم. ممنون که به سوال من پاسخ دادی. من در مورد پلتفرممان در Jacobian Labs که GNNها را به تجاری‌سازی می‌رساند، به تو ارائه دادم، مطمئن نیستم دقیقاً چیست، اما تو گفتی هوش مصنوعی‌ات رد کرد. آیا امکان دارد یک دک ارائه یا دمو را مستقیماً برای تو ارسال کنم؟ بله، یک InMail لینکدین با دک و غیره برای من بفرست. بنابراین در حال کار بر روی هوش مصنوعی من هستم، به هر حال، ارائه فابریس فقط سعی دارد به تو بازخورد بدهد و غیره. من سعی خواهم کرد آن را از نظر آنچه دوست دارد و دوست ندارد، دقیق‌تر کنم. چه چیزی باید متفاوت باشد تا ما بخواهیم سرمایه‌گذاری کنیم.

پس رد هوش مصنوعی را به عنوان پایان کار نگیر. و به هر حال، تیم همه ارائه‌ها را در Pitch Fabrice در هوش مصنوعی من در fabricegrinda.com بررسی می‌کند. من هنوز این کار را نکرده‌ام، اما در لیست کارهای باقی‌مانده از آخرین دسته Pitch Fabrice است. پس بله، برای من ایمیل بفرست، ما آن را بررسی خواهیم کرد.

اشاره کن که این مکالمه را از این قسمت برای مرجع ذکر کردی. و بله، ما نگاهی خواهیم انداخت. اکنون. آره نمی‌دانم چقدر کشش داری. ما معمولاً، یا پس از راه‌اندازی، پس از درآمد، پس از تناسب محصول با بازار، اما در مراحل اولیه. اما پس از همه این‌ها. بنابراین دقیقاً مطمئن نیستم در چه مرحله‌ای هستی، اما ما به آن نگاه خواهیم کرد.

بگذار ببینم آیا سوال دیگری در چند دقیقه اخیر آمده است یا نه. و اگر نه، اگر سوال نهایی نداری. این را به پایان می‌رسانیم. بگذار بررسی کنم. مردم سوالاتی را در واتساپ فرستاده‌اند.

باشه. فکر می‌کنم خوبیم. فکر می‌کنم همه سوالاتی که تا الان پرسیده شده‌اند را پوشش داده‌ایم. پس ممنون که همراه بودید. طبق معمول، من این، رونوشت و خلاصه این قسمت را سه‌شنبه آینده در وبلاگم منتشر خواهم کرد. و هنوز مطمئن نیستم قسمت بعدی چه خواهد بود و چه زمانی خواهد بود.

شاید سوالاتی که مردم قبلاً می‌پرسیدند. از نظر اینکه اگر امروز شرکت‌های هوش مصنوعی می‌ساختم، چه شرکت‌هایی باید می‌ساختم. اوه، در واقع چند سوال دیگر در حال ظاهر شدن هستند.

جورج، از تجربه تو، چه چیزی بازارگاه‌هایی را که به پلتفرم‌های واقعاً عظیم تبدیل می‌شوند از آن‌هایی که در یک جایگاه خاص یا کسب‌وکارهای خدماتی باقی می‌مانند، متمایز می‌کند؟

مسئله این است که در روزهای اولیه تشخیص آن سخت است. مثلاً اوبر در ابتدا یک سرویس خودروی لوکس بود، بنابراین بسیار سطح بالا بود. بسیار خاص به نظر می‌رسید. من می‌گفتم بنیان‌گذار دیگر Stumble Upon را انتخاب کرد به جای اوبر. او فکر می‌کرد اوبر کوچک‌تر است. و فقط زمانی که UberX به بازار آمد، بزرگ‌تر شد.

به Airbnb فکر کن. Airbnb در ابتدا تشک‌های بادی در اتاق نشیمن مردم بود، یک محصول بسیار خاص به نظر می‌رسید، و البته به یک دسته بسیار بزرگ‌تر تبدیل شد. بنابراین تناسب بازار را دنبال کن و ببین دسته چقدر بزرگ می‌شود.

و گاهی اوقات می‌توانی دسته‌های عظیمی ایجاد کنی. فقط اتفاق می‌افتد که مسکن یک دسته عظیم است. و کسب درآمد از مسکن کم‌کاربرد یک دسته عظیم است. بنابراین اگر اینطور ارائه می‌شد، از همان ابتدا واضح بود که بزرگ است. فقط در ابتدا اینطور ارائه نشد. پس چگونه می‌دانی چقدر بزرگ است؟

اغلب، حتی اگر چیزی کوچک به نظر برسد، می‌توانی در واقع به یک دسته مشترک بروی، عمودی‌های دیگر را اضافه کنی، دما را افزایش دهی، جایی که کمی است، اغلب آسمان حد و مرز است. این چیزها می‌توانند بسیار بزرگ‌تر از آنچه فکر می‌کنی باشند.

کاربر لینکدین در فاز فعلی هوش مصنوعی، تا چه حد اجازه می‌دهی تصمیم‌گیری توسط هوش مصنوعی انجام شود و سطح نظارت انسانی چقدر باشد؟

بستگی دارد چه کاری انجام می‌دهی، درست است؟ اگر (الف) از عقل سلیم استفاده کنی، وقتی از هوش مصنوعی می‌خواهم تحقیق کند، که من به طور منظم انجام می‌دهم، قطعاً نتایج را با منابع دیگر مقایسه می‌کنم. همچنین از هوش مصنوعی بخواه که متضاد را به تو بدهد. بنابراین اگر برای چیزی استدلال می‌کند، بگو اگر دیدگاه مخالف را استدلال می‌کردی، چه فکری می‌کردی؟

همچنین، ChatGPT یک چاپلوس بزرگ است. به طور دائمی به تو می‌گوید چقدر فوق‌العاده هستی. به صراحت بازخورد صادقانه، واقع‌بینانه و بدون محدودیت بخواه. در غیر این صورت، پاسخی گلگون و آلوده در مورد کاری که انجام می‌دهی دریافت خواهی کرد. اما از نظر تصمیمات اساسی انسانی، تصمیمات مهم اساسی، من در حال حاضر برای اکثر وظایف کاملاً نظارت انسانی خواهم داشت.

حالا آیا چیزهایی وجود دارد که بتوانند خودکار شوند، مانند خدمات مشتری برای، اوه، شماره پیگیری سفارش من چیست یا نرسیده یا هر چیز دیگری. بله، قطعاً، این را می‌توانی به هوش مصنوعی بسپاری، اما مانند چیزهای حیاتی، فعلاً از نظارت انسانی استفاده کن. توهمات، خطاها، سوگیری‌ها، اما جالب است. این‌ها سوگیری‌ها هستند زیرا می‌خواهد تو را راضی کند، و بنابراین جنبه منفی را نادیده می‌گیرد. به تو می‌گوید چقدر فوق‌العاده هستی و غیره. و بنابراین باید در مورد نوع سوالاتی که می‌پرسی و نحوه بررسی دقیق آن بسیار مراقب باشی. در واقع، از چندین LLM برای آزمایش مفاهیم و ایده‌ها استفاده کن تا مطمئن شوی که دیدگاه بهتری به دست می‌آوری.

سوالات سریع. ما در B2C هستیم و استارتاپ‌های بسیار اولیه را ارزیابی می‌کنیم. چه چیزی برای تو مهم‌تر است؟ کشش اولیه، بینش قوی و کوتاه در مورد یک مشکل بزرگ که شرکت‌های موجود نادیده گرفته‌اند. B2C سخت است زیرا موجودی داری، رقابت وجود دارد و غیره. بنابراین من به کشش اولیه و اقتصاد واحد اهمیت می‌دهم.

بنابراین برای من در واقع بیشتر از کشش اولیه، اقتصاد واحد است. اما بدیهی است که آیا باید مشکلی باشد که به اندازه کافی بزرگ باشد که ارزش دنبال کردن را داشته باشد؟ کاملا. اما مطمئناً، تو، مثلاً در B2C، چگونه آن را بازاریابی می‌کنی؟ و چگونه بازاریابی را مقیاس‌پذیر می‌کنی؟ مسئله این است که هزینه‌های جذب مشتری در حال افزایش است، و بنابراین اغلب سخت است که حاشیه سود را کارآمد کنی. بنابراین اطمینان از اینکه می‌توانی اقتصاد خود را کارآمد و مقیاس‌پذیر و تکرارپذیر کنی، احتمالاً مهم‌ترین چیز است.

نظارت بر هوش مصنوعی به طور مداوم می‌پرسد، اطلاعات را از تمام هوش مصنوعی‌های عملیاتی ما به من اطلاع بده. ما اجازه می‌دهیم تصمیم‌گیری‌های سبک انجام شود. بله، این منطقی است. و بیشتر از تأثیر سبک، نظارت انسانی.

آره این واقعاً راه صحیح استفاده از عامل‌ها و روشی است که من از عامل‌هایم استفاده می‌کنم. مثلاً اگر OpenClaw من برود و در لینکدین به دنبال LPs بالقوه برای صندوق‌ها بگردد و مثلاً چه کسی می‌تواند چک‌های ۲۵۰ هزار تا ۵۰۰ هزار دلاری را در مناطق مختلف بنویسد و فکر کند که چه زمانی می‌توانیم جلسه‌ای داشته باشیم.

بنابراین عالی. آیا اجازه می‌دهم OpenClaw پیش‌نویس ایمیل‌هایی را که می‌توانم ارسال کنم، تهیه کند؟ آره. آیا به طور خودکار اجازه می‌دهم ایمیل را بدون بررسی من ارسال کند؟ قطعا نه. و آیا شاید این کار را برای موارد کم‌اهمیت انجام دهد، اما آیا اجازه می‌دهم برای، نمی‌دانم، اگر به یک صندوق بازنشستگی صد میلیارد دلاری که می‌تواند یک چک ۲۰ میلیون دلاری برای صندوق بنویسد، ارائه می‌دهم؟

قطعا نه. آره. مشاوره، پیش‌نویس و غیره. و حتی در آن صورت، من نوشتن هوش مصنوعی را دوست ندارم. من نوشتن خودم را دوست دارم، بدیهی است که مغرض هستم. وقتی تابستان امسال پایان‌نامه بزرگ و عظیم خود را در مورد معنای زندگی نوشتم، که یک مقاله ۱۰ هزار کلمه‌ای در مورد دیدگاه من درباره معنای زندگی بود.

بعد از اینکه نوشتن آن را تمام کردم، آن را در هوش مصنوعی در ChatGPT آپلود کردم. گفتم، خب، به من بازخورد بده. و من اساساً، به جز اشتباهات واضح املایی، اشتباهات گرامری و غیره، که آن‌ها را با استفاده از هوش مصنوعی اصلاح کردم، تمام توصیه‌ها را نادیده گرفتم. می‌گفت، اوه عنوان تو خیلی کلی است. معنای زندگی. تو به یک چیز جذاب و اکشن نیاز داری.

این چیز خیلی طولانی است. باید آن را به ۲۷ قسمت تقسیم کنی. مثال‌های تو خیلی مبهم هستند. و من اساساً گفتم، می‌دانی چیست؟ من نوشتن خودم را دوست دارم. فکر می‌کنم روش نوشتن تو خیلی گل‌گلی و دست و پا گیر است و از خط تیره یا هر چیز دیگری متنفرم.

آره ممنون از راهنمایی، اما نه، ممنون. من خودم می‌نویسم. با این حال، من از هوش مصنوعی بازخورد می‌گیرم. مثلاً، بله، من ایده‌هایی برای نوشتن در مورد چیزها و غیره می‌پرسم. فقط دوست دارم خودم بنویسم. و به هر حال، اشتباهات و تکرارها را شناسایی کرد و غیره.

که منجر به بهبودهای اساسی شد. اما بله، فکر می‌کنم روشی که تو از هوش مصنوعی استفاده می‌کنی بسیار منطقی است، همچنین روشی است که من از هوش مصنوعی استفاده می‌کنم، اما ببین، من یک کاربر فوق‌العاده هوش مصنوعی هستم. مثلاً من به طور منظم با هوش مصنوعی در مورد همه چیز صحبت می‌کنم. همه چیز را آزمایش می‌کنم. همه چیز را از ویدیوها تا تصاویر، تا آزمایش مدل‌های کسب‌وکار، تا یافتن املاک و مستغلات ایجاد می‌کنم. هر چه بگویی، من از هوش مصنوعی برای آن استفاده می‌کنم. از آن استفاده کن. بهره‌وری تو را افزایش می‌دهد.

خب، فکر می‌کنم به پایان پخش زنده رسیدیم. از همه شما برای پیوستن سپاسگزارم. این تعاملی و سرگرم‌کننده بود. و شما را در قسمت بعدی می‌بینم، هر چه که قسمت بعدی باشد، و هر چه که موضوع باشد، در چند هفته، چند ماه، خواهیم دید.

هفته فوق‌العاده‌ای داشته باشی!