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!

طی چند هفته گذشته، روایتی رو به رشد شکل گرفته است که استدلال می‌کند هوش مصنوعی می‌تواند اقتصاد را بی‌ثبات کرده و مدل‌های کسب‌وکار کامل را مختل کند. هفته گذشته، من دیدگاه خود را منتشر کردم که هوش مصنوعی به احتمال زیاد یک انقلاب بهره‌وری خواهد بود تا یک فروپاشی اقتصادی.

اما این به طور خاص برای بازارهای آنلاین چه معنایی دارد؟

بسیاری از بنیان‌گذاران می‌پرسند:

• آیا مدل‌های زبان بزرگ (LLM) کشف را به دست خواهند گرفت؟
• آیا هوش مصنوعی نرخ کارمزد را کاهش می‌دهد؟
• آیا ترافیک از پلتفرم‌ها دور می‌شود؟
• بازارهای آنلاین در دنیای مبتنی بر هوش مصنوعی چقدر قابل دفاع هستند؟

در این قسمت، من به موارد زیر می‌پردازم:

• چرا بیشتر ترس‌ها در مورد حذف واسطه‌ها توسط هوش مصنوعی در بازارهای آنلاین اغراق‌آمیز است.
• کجا هوش مصنوعی حاشیه سود بازارهای آنلاین را تهدید می‌کند.
• مزایای ساختاری که بازارهای آنلاین حفظ می‌کنند.
• فرصت‌های فوری که هوش مصنوعی برای نقدینگی، تجارت فرامرزی و سودآوری ایجاد می‌کند.
• بنیان‌گذاران اکنون چه کاری باید انجام دهند.

اگر در حال ساخت، سرمایه‌گذاری یا اداره یک بازار آنلاین هستی، این قسمت برای توست!

برای مرجع شما، اسلایدهایی را که در طول اپیزود استفاده کردم، اضافه می کنم.

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 اساساً در چند هفته گذشته، هیاهو و نگرانی‌های زیادی وجود داشته که هوش مصنوعی قرار است دنیا را تسخیر کند. قرار است ۹۰٪ بیکاری، رکود بزرگ، هر چه که باشد، اتفاق بیفتد و من به شدت با این فرضیه و دیدگاه مخالفم.

به همین دلیل هفته گذشته وقت گذاشتم و یک پست وبلاگی در مورد تأثیر هوش مصنوعی و این واقعیت که احتمالاً بیشتر به یک انقلاب بهره‌وری منجر می‌شود تا فروپاشی، نوشتم. اکنون، سؤال جانبی که افراد در حوزه فناوری و بازارهای آنلاین می‌پرسند این است که تأثیر هوش مصنوعی بر بازارهای آنلاین چیست؟

و بنابراین آنچه من روی آن تمرکز کرده‌ام و دوباره به آن فکر کرده‌ام این است که، خب، در دنیایی که همه نگران و متمرکز بر مدل‌های زبان بزرگ (LLM) هستند و در واقع مردم نگرانند که این مدل‌ها بخش بالای قیف فروش را جایگزین کنند و غیره، تأثیر واقعی چیست؟ و من متوجه شده‌ام که فرضیه، دیدگاه من و همچنین آنچه هر روز در عمل می‌بینم، به شدت با بدترین سناریوهایی که مردم در ذهن دارند، متفاوت است.

و بنابراین می‌خواستم تأثیر هوش مصنوعی را در بازارهای آنلاین به اشتراک بگذارم. پس بدون هیچ مقدمه دیگری، شروع کنیم.

به قسمت ۵۲، بازارهای آنلاین و عصر هوش مصنوعی خوش آمدید.

پس اجازه بدهید با نمایش ارائه‌ام شروع کنم تا متوجه شوید چه خبر است؟ خب. بیایید با وضعیت بازار شروع کنیم. و واضح است که ما در میانه یک حباب هوش مصنوعی هستیم که همه چیز هوش مصنوعی، همیشه هوش مصنوعی بوده است. پس اگر یک قدم به عقب برگردی و به وضعیت بازار نگاه کنی، دلارهای سرمایه‌گذاری خطرپذیر در حال بهبود هستند.

و از پایین‌ترین سطح سال ۲۰۲۲ افزایش یافته‌اند. اما بیشتر در ایالات متحده و تقریباً تمام آن در هوش مصنوعی. پس می‌بینی، همه چیز در حال افزایش بوده است، مانند اندازه‌های راند، ارزش‌گذاری‌ها و غیره، اما با هدایت هوش مصنوعی. پس اگر به ۹ ماه اول سال گذشته نگاه کنی، ۷۵٪ از دلارهای سرمایه‌گذاری شده به استارتاپ‌های هوش مصنوعی اختصاص یافته است.

پس واقعاً دیوانه‌کننده بوده است. و در سطح جهانی، حدود ۵۰٪ از بودجه در هوش مصنوعی بوده و این افزایش عظیمی است. و اگر به YC نگاه کنی، فکر می‌کنم ۹۵٪ از استارتاپ‌های YC در سال گذشته شرکت‌های مرتبط با هوش مصنوعی بودند. حالا نکته جالب این است که بیشتر سرمایه به تعداد بسیار کمی از شرکت‌ها رفته است، مانند Anthropic و OpenAI، اما همچنین Cursor، Lovable و غیره.

پس مدل‌های بزرگ‌تر، بیش از نیمی از سرمایه به راندهای بالای ۵۰۰ میلیون دلار رفته است. پس همیشه همه چیز هوش مصنوعی بوده است و بزرگترین شرکت‌ها بیشترین ارزش یا بیشترین میزان بودجه را جذب کرده‌اند. واضح است که اخیراً یک راند بزرگ برای OpenAI وجود داشت. و یک راند برای Anthropic در حال انجام است.

پس همچنان بسیار متمرکز است. بله، بیشتر مدل‌های بنیادی.

حالا چیزهایی که از منظر روند می‌بینیم در مورد اینکه مردم در چه چیزی سرمایه‌گذاری می‌کنند، خارج از مدل‌های بنیادی، مانند Lovable و Cursive برای X. پس کدنویسی بصری در سطح عمودی یا کدنویسی تقریباً بدون کد برای سایت‌ها در سطح عمودی در حال ظهور است.

استفاده از هوش مصنوعی برای بهبود بهره‌وری صنایع موجود در حال بزرگ‌تر شدن است. پس تصور کن شرکت‌های هوش مصنوعی برای کمک به گردش کار در ساخت‌وساز که پیمانکاران عمومی و فرعی می‌توانند در یک صفحه باشند و دقیقاً ببینند چه کسی چه کاری انجام می‌دهد و تمام فرآیندهای کاری را ساده کنند.

عامل‌هایی که عامل‌های دیگر را مدیریت می‌کنند و سپس چیزهای عمومی در انطباق، اعتماد و غیره. و بزرگترین روند در چند هفته و ماه گذشته OpenClaw بوده است. OpenClaw، این عامل محلی منبع باز، می‌تواند روی یک کامپیوتر محلی باشد، می‌تواند روی یک سرور خصوصی مجازی باشد.

عاملی که اساساً به عنوان دستیار شخصی تو عمل می‌کند، فوق‌العاده تواناست و می‌تواند کارهای زیادی انجام دهد. هنوز راه‌اندازی آن نسبتاً دشوار است و به مقدار زیادی آموزش نیاز دارد. و همچنین نگرانی‌های امنیتی بسیار اساسی وجود دارد، اما بنیان‌گذار OpenClaw به تازگی توسط OpenAI استخدام شده است.

و من کاملاً مطمئنم که تمام مدل‌های بنیادی اصلی، معادل نوع OpenClaw را خواهند داشت، جایی که تو دستیار فوق‌العاده هوشمند معادل Jarvis خود را در هفته‌ها و ماه‌های آینده در اختیار خواهی داشت.

خروج‌ها در بازار در حال بهبود هستند و واضح است که ما انتظار M (ادغام و تملیک) و IPO (عرضه اولیه عمومی) بیشتری را داریم، به خصوص با احتمال ورود SpaceX، OpenAI و دیگران.

پس شرایط بازار در سرمایه‌گذاری‌های خطرپذیر و خروج‌ها به طور کلی در حال بهبود است، اما صادقانه بگویم فقط در یک زیربخش. که هوش مصنوعی است و این برای سایر شرکت‌ها، از جمله بازارهای آنلاین، چندان خوب نبوده است زیرا مردم می‌دیدند که شرکت‌های هوش مصنوعی در زمان رکورد از صفر به صد میلیون دلار درآمد و سپس به یک میلیارد دلار درآمد می‌رسند و استارتاپ‌های بازار آنلاین تو که از چند میلیون به ۱۰ میلیون و سپس به ۳۰ میلیون می‌رسند، دیگر چندان هیجان‌انگیز به نظر نمی‌رسند. و فراتر از آن، مردم به طرز خنده‌داری نگرانند که هوش مصنوعی بازار آنلاین را به طور اساسی مختل کند. بنابراین جمع‌آوری سرمایه در بازارهای آنلاین دشوار بوده است. به همان اندازه که ما مخالف جریان بوده‌ایم و بسیار گزینشی عمل کرده‌ایم، بنابراین در هوش مصنوعی کاربردی سرمایه‌گذاری کرده‌ایم و در مورد معنای آن برای ما صحبت خواهم کرد.

من در واقع می‌خواهم حباب هوش مصنوعی ادامه پیدا کند زیرا نگرانم که اگر فرو بپاشد، همه چیز از بین برود. و حتی شرکت‌هایی که منضبط مانده‌اند، شرکت‌هایی که اقتصاد واحد عالی دارند و به خوبی رشد می‌کنند و در حال حاضر برای جمع‌آوری سرمایه مشکل دارند، در آینده حتی سخت‌تر می‌توانند سرمایه جمع کنند.

پس گفتم IPOهای زیادی در راه هستند، بنابراین شرایط بازار نسبتاً مثبت به نظر می‌رسد. حالا، این یک حباب است. بسیار نامشخص و دشوار است که بگوییم حباب چه زمانی به پایان می‌رسد. و بنابراین خواهیم دید، امیدوارم سال‌های زیادی ادامه داشته باشد. فقط به این دلیل که پایه‌های یک انقلاب بهره‌وری را بنا می‌نهد که در آن می‌توانم تصور کنم که همه چیز ارزان‌تر، بهتر و سریع‌تر خواهد شد، همانطور که در دو قرن گذشته بوده است و به ما امکان می‌دهد کیفیت زندگی حتی بالاتری داشته باشیم، ساعات کاری کمتری در آینده داشته باشیم.

پس به همان شکلی که حباب اواخر دهه نود، پایه‌های انقلاب اینترنت را با فیبر و غیره بنا نهاد که منجر به انقلاب اینترنت در دهه ۲۰۰۰ شد. امیدوارم این یکی به اندازه کافی طول بکشد تا ما به دانش هوش مصنوعی، به نوعی یارانه‌ای، دسترسی داشته باشیم.

زیرا در حال حاضر، بیشتر این شرکت‌ها حاشیه سود ناخالص منفی دارند تا بتوانیم شرکت‌های شگفت‌انگیزی را در سطح آینده بسازیم.

بله، بازارهای ثانویه نیز شروع به رونق کرده‌اند، در واقع، این امر منجر به بسیاری از کسب‌وکارهای جالب شده است زیرا خروج‌های بسیار کمی خارج از هوش مصنوعی وجود داشته است.

یکی از روندهای جالب در تأمین مالی و سرمایه‌گذاری خطرپذیر این است که افرادی که می‌دانند در حال خرید سهام ثانویه در شرکت‌های مختلف هستند، به ویژه شرکت‌های برتر، مانند Sweets و Anthropic، اما یک طبقه دارایی کامل در حال ایجاد است که در آن LPها یا سرمایه‌گذاران پیشرو می‌گویند: «هی! ما LPهایی در این صندوق‌های سرمایه‌گذاری خطرپذیر داریم که ۱۰ سال، ۱۲ سال در آن بوده‌اند و هنوز خروج‌های زیادی نداشته‌اند. آنها نقدینگی می‌خواهند و بنابراین مایلند با تخفیف ۲۰، ۳۰، ۴۰ درصدی در NAV بفروشند.» و بنابراین بسیاری از سرمایه‌گذاران برای خرید سهام LPهای مرحله آخر در سرمایه‌گذاری خطرپذیر وارد نمی‌شدند، که در واقع یک طبقه دارایی جالب است زیرا من گمان می‌کنم که می‌توانی تخفیف بسیار خوبی بگیری.

و در عین حال، با توجه به باز شدن بازارهای MA و بازارهای IPO، نقدینگی در شرف وقوع است. پس یک طبقه دارایی جالب.

پس حالا بیایید در مورد تأثیر هوش مصنوعی در بازارهای آنلاین صحبت کنیم. اولین ترس بزرگی که مردم دارند این است که هوش مصنوعی بخش بالای قیف فروش را به دست خواهد گرفت.

همه به ChatGPT، یا Gemini یا Claude می‌روند و می‌گویند، من می‌خواهم این را بخرم، و معامله به طور کامل در آنجا انجام می‌شود. و تو دیگر از eBay، Amazon، DoorDash، Uber booking و غیره بازدید نخواهی کرد. و من گمان می‌کنم که این، اول از همه، اشتباه است. بخش بالای قیف فروش به مدل‌های زبان بزرگ (LLM) منتقل نخواهد شد.

و اجازه بده توضیح بدهم چرا، وقتی به رفتار واقعی کاربر فکر می‌کنی، مثلاً چرا مردم به این سایت‌های مختلف می‌روند و الگوی فکری آنها چیست؟ و بنابراین وقتی مردم به این بازارهای آنلاین می‌روند، معمولاً سه رویکرد برای چگونگی، زمان و چرایی رفتن آنها به آنجا وجود دارد.

پس اگر به سایتی مانند Vinted بروی، مردم نمی‌دانند چه چیزی می‌خواهند بخرند. بیشتر شبیه خرید به عنوان سرگرمی است. مثل این است که من در برادوی در سوهو قدم می‌زنم و وارد مغازه‌ها می‌شوم بدون اینکه واقعاً بدانم به دنبال چه چیزی هستم، و اگر چیزی به دلم نشست، آن را می‌خرم.

و بنابراین می‌بینی که تعامل در این سایت‌ها مانند ۲۰ صفحه در هر بازدید است. مردم هر بار که بازدید می‌کنند ۱۰، ۲۰ دقیقه، ۳۰ دقیقه در سایت می‌مانند و چندین بار در ماه می‌آیند. و از آنجا که مدل‌های زبان بزرگ (LLM) همه چیز در مورد کارایی و دادن یک چیز مورد نظر تو هستند. اینطور نیست. هیچ خطری برای مختل شدن این موضوع وجود ندارد.

مثلاً در هزار اولویت برتر OpenAI. این نیست که بیایید الگوی خرید فرد X را تحلیل کنیم و یک فید مرور از چیزهایی ایجاد کنیم که می‌تواند او را سرگرم کند تا فقط با نرخ خرید بسیار پایین به آنها نگاه کند. این حتی در تنظیمات در نظر گرفته نمی‌شود. سایت‌هایی مانند Vinted، من می‌بینم که هیچ خطری برای مختل شدن ندارند زیرا مردم برای کارایی آنجا نیستند.

آنها آنجا بودند تا مرور کنند و ببینند چه چیزی موجود است. پس تا زمانی که یک دنباله بسیار طولانی از اقلام مختلف داشته باشی که می‌توانی به آنها نگاه کنی و مردم آنها را جذاب می‌یابند، من نمی‌بینم که بخش بالای قیف فروش به هیچ وجه تغییر کند.

الگوی بزرگ دوم دیگر که مردم در بازار آنلاین خرید می‌کنند یا جستجو می‌کنند یا به دنبال معاملات می‌گردند، جستجو است.

پس اگر دقیقاً می‌دانی به دنبال چه چیزی هستی، بسیاری از مردم فقط به آمازون می‌روند و آنچه را که به دنبالش هستند تایپ می‌کنند و تایپ می‌کنند LG C3 65 EVO TV. پوف! یک نتیجه، آن را می‌خرند. و معمولاً حتی به موتورهای جستجو هم نمی‌روند، بلکه مستقیماً به آمازون یا eBay می‌روند.

حالا، حتی اگر از آنجا شروع نکردی و از یک LLM یا از گوگل شروع کردی، چون این بازارهای آنلاین سهم بازار بالایی دارند، نتایجی که به دست می‌آوردی در واقع هنوز از بازارهای آنلاین زیربنایی می‌آمدند. پس اگر امروز به گوگل بروی و نام یک محصول خاص را تایپ کنی، تقریباً تمام نتایج از eBay و Amazon می‌آیند زیرا

آنها در مجموع ۴۳٪ سهم بازار تجارت الکترونیک را دارند. و بنابراین حتی اگر به یک LLM می‌رفتی و می‌گفتی، من می‌خواهم LG C3 65 اینچ Evo نو یا دست دوم بخرم، بیشتر نتایج به احتمال زیاد از eBay و Amazon می‌آمدند. پس صرف نظر از این، شاید کمی از ارزش در بالا جذب شود، اما نباید تفاوتی با جذب ارزشی که گوگل دارد، داشته باشد.

وقتی مردم برند خود را می‌خریدند. و بنابراین چون در نهایت، OpenAI قرار نیست خدمات مشتری، انجام سفارش، حمل‌ونقل، پرداخت‌ها، بازگشت‌ها، تأمین مالی و غیره را انجام دهد. پس اول از همه، فکر نمی‌کنم بیشتر ترافیک، اگر دقیقاً می‌دانی به دنبال چه چیزی هستی، واقعاً هیچ دلیلی وجود ندارد که به یک LLM بروی. می‌توانی مستقیماً به آمازون، eBay یا یک سایت عمودی بروی و آنچه را که به دنبالش هستی تایپ کنی. پوف، آن را به دست آوری. به همین دلیل نیازی به گوگل هم نیست. با این حال، این نشان می‌دهد که LLMها به طور کلی، یا یک تهدید وجودی برای گوگل هستند زیرا به جای دریافت نتایج زیاد، یک نتیجه بهتر می‌دهند.

پس اگر من گوگل بودم، نگران بودم. به طرز خنده‌داری نگران تأثیر LLMها بودم، به همین دلیل است که آنها در Gemini سرمایه‌گذاری می‌کنند. اما اگر من eBay باشم، آنقدر نگران نخواهم بود زیرا در نهایت مشکلی که آنها سعی در حل آن دارند و ارزشی که به ارمغان می‌آورند، کاملاً متفاوت است.

حالا الگوی رفتار سوم کمی ریسک بیشتری دارد. پس الگوی رفتار بزرگ دیگری که برای جستجو داری، چیزی به نام خرید با ملاحظه است. تو به دنبال خرید چیزی هستی، اما دقیقاً مطمئن نیستی چه چیزی. بنابراین تعدادی سایت وجود داشته‌اند که مشاوران انسانی دارند، مثلاً برای سفر، چهار مورد وجود دارد، اگر می‌خواهی تجهیزات اسکی گران‌قیمت بخری، یک مورد انتخاب شده وجود دارد، اما گسترش یافته است.

یا و Stitch Fix را داری که یک مشاور مد داری که به تو می‌گوید چه می‌خواهی. اما فراتر از آن، می‌توانی تصور کنی که خریدهای با ملاحظه وجود دارد اگر می‌خواهی یک ماشین بخری، اگر می‌خواهی یک خانه بخری. و در آنجا می‌توانی استدلال کنی که LLMهایی که تو را خیلی خوب می‌شناسند، در واقع نقش بسیار عمیقی در مشاوره به تو در مورد بهترین محله برای زندگی، بهترین ماشین نسبت به نیازهای تو و غیره ایفا خواهند کرد.

حالا، این بخشی از دلیلی است که برخی از این سایت‌ها مانند Curated، فکر می‌کنم آنها را به قیمت ۳۰۰ میلیون دلار فروختند، اما ۲۰۰ میلیون دلار جمع‌آوری کرده بودند، بنابراین دارایی خیلی خوبی نبود. اما حتی در آن صورت، کاملاً تضمین شده نیست که به LLMها منتقل شود. می‌توانی استدلال کنی که پیاده‌سازی هوش مصنوعی که در سایت خود داری، مانند توصیه دستور پخت Instacart یا Rufus برای آمازون.

چون آنها در این دسته تخصصی هستند. و می‌توانی ببینی که موتور توصیه هوش مصنوعی توسط Zillow یا توسط Trulia و توسط Carvana در حال ساخت است. که ممکن است به همان خوبی، اگر نگوییم بهتر از آنهایی باشد که در LLM هستند. بنابراین ریسک اختلال در اینجا بسیار بیشتر است. اما باز هم، خریدهای با ملاحظه درصد کمی از الگوی کلی خرید مردم در بازارهای آنلاین را تشکیل می‌دهند.

نگرانی اول، آیا کل بخش بالای قیف فروش به LLMها منتقل می‌شود؟ فکر می‌کنم پاسخ منفی است. فکر می‌کنم شاید اگر کمی از آن به آنجا منتقل شود، اما حتی اگر این اتفاق بیفتد، فکر نمی‌کنم ارزش زیادی را جذب کند. اولاً، بله، فکر نمی‌کنم بخش بالای قیف فروش به LLMها منتقل شود.

ثانیاً، اگر به LLMها منتقل شود. پس بیایید بدترین سناریو را فرض کنیم. بازار آنلاین چقدر تحت تأثیر قرار می‌گیرد؟ در آنجا، فکر می‌کنم بسته به اینکه بازار آنلاین کیست و چه کاری انجام می‌دهد و چقدر ارزش واقعی و اساسی ارائه می‌دهد، تفاوت‌های ظریفی وجود دارد. پس اول از همه این است که بازار آنلاین چقدر کار انجام می‌دهد؟

اگر بازار آنلاین صرفاً یک خریدار و یک فروشنده را به هم وصل می‌کند، مانند Angie’s List یا Zillow یا Thumbtack. کار زیادی انجام نمی‌دهد. در واقع، تو، کاربر، باید کارهای زیادی انجام دهی زیرا در حال بررسی لیست‌ها هستی، موارد مناسب را انتخاب می‌کنی. یا اگر در حال قرار دادن یک پیشنهاد هستی، به Thumbtack می‌روی و از مردم می‌خواهی برای یک کار پیشنهاد دهند، سپس ۲۰ پیشنهاد داری. باید یکی را انتخاب کنی. تو کارهای زیادی انجام می‌دهی.

پس در این حالت، که سطح کار یا مدیریت انجام شده در بازار آنلاین پایین است. به نوعی ریسک اختلال بسیار بیشتر است. به همین دلیل کمیسیون‌های این بازارهای آنلاین به طور کلی کمی پایین‌تر است. اما اگر در حال انجام مدیریت موجودی، آخرین مایل، انتخاب و بسته‌بندی، تحویل آخرین مایل هستی.

تأمین مالی، پرداخت‌ها، بازگشت‌ها و غیره. ریسک اختلال بسیار، بسیار کمتر است. پس حتی اگر بخش بالای قیف فروش به آنجا منتقل شود، من شرکت‌هایی مانند DoorDash، Uber یا Amazon را در هیچ خطری نمی‌بینم با توجه به میزان کاری که انجام می‌دهند. پس میزان مدیریت انجام شده مهم است. و به هر حال، روند در بازارهای آنلاین در ۲۵ سال گذشته این بوده است که بازارهای آنلاین مدرن‌تر و جدیدتر کارهای بیشتری انجام می‌دهند. و در واقع، می‌توانی از هوش مصنوعی برای انجام کارهای بیشتر و انجام کارهایی که قبلاً ممکن نبود، استفاده کنی. پس هرچه بازار آنلاین مدیریت‌شده‌تر باشد، ریسک جذب ارزش توسط LLM بالای قیف فروش کمتر است، در صورتی که ترافیک به آنجا منتقل شود. و همانطور که گفتم، انتظار ندارم که بخش زیادی از آن به آنجا منتقل شود.

پس دومین مورد این است که از منظر عرضه چقدر کار انجام می‌دهی؟ حالا البته اگر Expedia هستی و در حال انجام سفر هستی و بیشتر خطوط هوایی، پنج خط هوایی هستند که بیشتر حجم را دارند و آنها قبلاً کمیسیون‌های بالایی به تو پرداخت نمی‌کنند، تکرار آن بسیار آسان است. پس می‌توانم ببینم که چگونه می‌توانی به ChatGPT بروی و بگویی، «هی، برای من یک پرواز از نیویورک به سالت لیک سیتی رزرو کن.»

و می‌تواند این کار را به طور کاملاً مؤثر انجام دهد زیرا فقط پنج خط هوایی وجود دارد که باید به آنها نگاه کند، به میزان کمتر، اما هنوز هم ممکن است. چیزی مانند booking.com برای هتل‌ها. هتل‌های دنباله بلند زیادی وجود دارد، که در واقع نقطه قوت booking بوده است. اما زنجیره‌های بزرگ که مردم به Hilton، Hyatt بسیار وفادار هستند، سهم بازار قابل توجهی دارند.

و در نتیجه، اگر در مکان‌هایی رزرو می‌کنی که امتیازات وفاداری داری، مانند Hyatt یا Hilton، آنها در واقع می‌توانند آن را به طور منطقی تکرار کنند. پس در واقع می‌توانی به LLM خود بروی و بگویی، هی، برای من یک پرواز به سالت لیک سیتی رزرو کن و سپس برای من در Hyatt در سالت لیک سیتی رزرو کن.

و می‌تواند این کار را به طور منطقی مؤثر انجام دهد، یا حداقل قادر خواهد بود این کار را به طور منطقی مؤثر انجام دهد، بنابراین احساس نمی‌شود، پس در آن صورت میزان عرضه آنقدر منحصر به فرد نیست. حالا، اگر یک مثال افراطی دیگر را در نظر بگیری، انتهای دیگر آن، مانند Airbnb یا DoorDash، که در آنجا وجود دارد.

هزاران، احتمالاً صدها هزار رستوران کوچک خانوادگی و لیست‌های شخصی افراد، که عرضه بسیار منحصر به فرد، بسیار پراکنده و بسیار دنباله بلند است. این کاری نیست که LLMها بخواهند به هیچ وجه انجام دهند. پس بسیار محافظت شده‌تر، همینطور برای آمازون.

آمازون در واقع یک بازار آنلاین است، به هر حال. بیشتر. هزاران و هزاران تأمین‌کننده در آمازون یا در Etsy وجود دارد. و در Uber در حال حاضر ادغام عرضه، رانندگان، تعداد قابل توجهی راننده وجود دارد. اما باز هم، در دنیای خودران، شاید این تغییر کند.

پس اگر به این فکر کنی که کجا محافظت می‌شوی، هرچه کار بیشتری انجام دهی. و هرچه عرضه فردی، منحصر به فرد، پراکنده و تکه‌تکه بیشتری داشته باشی، محافظت‌شده‌تر هستی. و به همین دلیل است که من اصلاً نگران DoorDashها و Airbnbها و غیره، یا آمازون‌های جهان نیستم، و بیشتر نگران Expediaها و TripAdvisorهای جهان هستم.

کمتر. نکته بعدی که باید به آن فکر کرد این است که چقدر کار نسبت به مصرف‌کننده انجام می‌دهی و اگر معامله یک بار مصرف باشد، مثلاً هر پنج سال یک بار ماشین می‌خری، هر هفت، هشت سال یک بار خانه می‌خری. پس داشتن یک خرید با ملاحظه و رفتن به LLMها، تعامل با آنها احتمالاً بسیار منطقی است.

اما تا آنجا که از چیزی مانند Uber هر روز استفاده می‌کنی، LLMها نمی‌خواهند با خدمات مشتری و این واقعیت که کاربر گوشی خود را در ماشین فراموش کرده یا در جای اشتباهی پیاده شده است، یا DoorDash، غذای اشتباهی تحویل داده شده است و مردم این چیزها را چندین بار در هفته و اغلب، و قطعاً چندین بار در ماه سفارش می‌دهند، سروکار داشته باشند.

و بنابراین هرچه بیشتر، هرچه ارزش پایین‌تر، میانگین ارزش سفارش پایین‌تر باشد، هرچه فرکانس بالاتر باشد. پس هرچه قیمت پایین‌تر و معامله بیشتر تصور شود، LLMها کمتر می‌خواهند با آن سروکار داشته باشند. و به همین دلیل است که، باز هم فکر می‌کنم Uber، DoorDash، Uber Eats، آمازون‌های جهان بسیار محافظت شده هستند.

زیرا هم فرکانس بالا و هم قیمت نسبتاً پایین دارند. در مقابل Zillow، مثلاً یا صادقانه بگویم حتی پرواز با هواپیما، که مردم، بیشتر مردم به طور منظم انجام نمی‌دهند. و اولین استدلال همانطور که گفتم این بود که فکر نمی‌کنم بخش بالای قیف فروش به LLMها منتقل شود، اما حتی اگر این اتفاق بیفتد، مجموعه‌ای از بازارهای آنلاین و شرکت‌ها وجود دارند که نسبتاً محافظت شده‌اند زیرا عرضه منحصر به فرد و پراکنده دارند. آنها کارهای زیادی انجام می‌دهند، بنابراین یک بازار آنلاین مدیریت‌شده‌تر هستند. آنها فرکانس بالا، میانگین ارزش سفارش پایین دارند، که انگیزه‌ای برای مردم ایجاد می‌کند که آن را انجام ندهند.

پس بیشتر این شرکت‌ها را در معرض خطر حذف واسطه‌ها یا نه حذف واسطه‌ها، بلکه فشرده‌سازی حاشیه سود نمی‌بینم. پس بازارهای آنلاین چه کاری باید انجام دهند؟ و این کاملاً متفاوت از تاکتیک‌هایی است که فکر می‌کنم باید از منظر تبلیغات پیاده‌سازی کنند، که به زودی به آن خواهم پرداخت، بیشتر این است که خب. پس اگر LLMها نمی‌توانند کارهایی مانند انتخاب و بسته‌بندی و آخرین مایل و جمع‌آوری عرضه بلندمدت، دنباله بلند و انجام تأمین مالی و تضمین‌های تأمین مالی و غیره را انجام دهند، پس این کارها را انجام بده. درست؟

مطمئن شو که عرضه تو منحصر به فرد و متفاوت و متمایز است، که صادقانه بگویم، به هر حال وقتی یک بازار آنلاین می‌سازی، می‌خواهی این کار را انجام دهی، درست است؟ مثلاً نمی‌خواهی عرضه متمرکز و غیرمتمایز داشته باشی. باید هوش مصنوعی خودت را بسازی. پس مثال Rufus برای آمازون را زدم. پس اگر من Carvana بودم، موتور توصیه هوش مصنوعی خودم را می‌ساختم.

و به هر حال، در بلندمدت، اگر از منظر UX UI فکر کنی، امروز یک کادر جستجو داری که مردم آنچه را که به دنبالش هستند تایپ می‌کنند، و یک کادر جستجوی جداگانه برای سؤالات طولانی که LLM هستند، مطمئن نیستم که این منطقی باشد. من احتمالاً یک کادر جستجو خواهم داشت. و اگر یک سؤال طولانی باشد، با پاسخ نوع هوش مصنوعی پاسخ می‌دهی.

و اگر یک سؤال کوتاه باشد مانند، LGC 5 65، C3 65 اینچ پوف، نتیجه جستجو را می‌دهی، واضح است که از نقاط قوت خودت استفاده می‌کنی، که معمولاً سهم بازار بالایی داری. و بنابراین فکر کن. من احتمالاً خودم را در LLMها فهرست می‌کنم تا ترافیک رایگان را به دست آورم و در مورد میزان ترافیک رایگان صحبت خواهم کرد، اما اجازه نمی‌دهم از تو برای داده‌های آموزشی استفاده کنند.

پس یک تفاوت ظریف وجود دارد. فهرست کن، اما برای داده‌های آموزشی استفاده نشو. تجربه مشتری را کنترل کن، که دو چیز است. الف، NPS (امتیاز خالص مروجان) بالا و شگفت‌انگیز داشته باش، اما ب. بیش از حد درآمدزایی نکن، قیمت‌ها را افزایش نده، درست است؟ در مورد میزان درآمدزایی خودت منصف باش. و، فکر کن که شاید هزینه‌های جذب مشتری افزایش یابد یا در واقع تغییر کند و از SEM، شاید SEO، به چیزهایی مانند LLMها منتقل شود.

پس کارهای زیادی می‌توانی برای محافظت از خودت انجام دهی. حالا بسیاری از افرادی که نگران هستند گفته‌اند، اوه، من خودم را در LLMها فهرست نمی‌کنم و eBay اخیراً تصمیم گرفت که خودش را در LLMها فهرست نکند در حالی که یک سایت طبقه‌بندی بزرگ در فرانسه است. پس طبقه‌بندی پیشرو در فرانسه برعکس عمل کرد و به طور کامل ادغام شد.

و استدلالی که من می‌کنم این است که باید خودت را فهرست کنی. این هیچ تفاوتی با فهرست کردن خودت در گوگل ندارد. اگر در واقع خودت را در گوگل فهرست می‌کنی، دلیلی وجود ندارد که خودت را در LLMها فهرست نکنی. حالا، اگر به من بگویی که ۹۹٪ سهم بازار در دسته‌بندی خودت را داری، تو بازیکن غالب هستی، و نمی‌خواهی مردم جستجوی خود را در هیچ جای دیگری غیر از سایت تو شروع کنند زیرا تو آن تجربه را کنترل می‌کنی.

البته، خودت را در گوگل یا LLMها فهرست نکن، اما در سطح جهانی. درصد استارتاپ‌هایی که اینقدر سهم بازار و کنترل دارند که بتوانند از فهرست نشدن و داشتن ترافیک رایگان از گوگل یا LLMها صرف نظر کنند، فکر می‌کنم بسیار پایین است. بنابراین برای ۹۹٪ بازارهای آنلاین موجود، توصیه این است که خودت را در LLMها فهرست کنی. به دنبال آن برو.

احتمالاً نیاز به اصلاح یا محافظت یا بازنگری دارد. پس بسیاری از مردم می‌گفتند، اوه، ترافیک جستجو در حال کاهش است. پس اول از همه، این درست نیست. اساساً ثابت است. پس ترافیک SEO که به دست می‌آوری ثابت است. و بنابراین به کار در SEO ادامه بده، آن را نادیده نگیر. اما LLMها را نادیده نگیر.

در حال حاضر، ترافیک از هوش مصنوعی حدود ۳۴٪ است، یعنی یک سوم اندازه. پس بسیار زیاد است و به سرعت در حال رشد است. پس اگر خودت را فهرست نکنی، تمام این ترافیک افزایشی را از سایت خودت دور نگه می‌داری. پس فکر می‌کنم eBay اشتباه کرد، به عبارت دیگر. و به هر حال، معمولاً، آیا خیلی بزرگتر است؟

بیشتر موبایل است. و خبر خوب یا نه، یا لزوماً خبر خوب برای آنها نیست. احتمالاً بیشتر شرکت‌های موجود خیلی سریع حرکت نمی‌کنند، خیلی باهوش نبوده‌اند. اما گوگل در واقع بسیار قوی بوده و متوجه شده است که جستجو، ببخشید. LLMها و هوش مصنوعی یک تهدید وجودی برای آنها هستند.

و بنابراین آنها در واقع شروع به گنجاندن قطعات و نمایش نتایج هوش مصنوعی در ابتدا کرده‌اند، و مایل بوده‌اند تعداد لینک‌های حمایت‌شده را کاهش دهند. بنابراین گوگل قطعاً در حال تکامل به سمت هوش مصنوعی اول است، بنابراین تو قطعاً، همانطور که گفتم، باید خودت را در آنجا فهرست کنی.

اما تا به امروز، با وجود تمام هیاهو در مورد اینکه، اوه، Claude بهتر است و غیره. موضوع Claude در واقع بیشتر یک بازی B2B است که به هر حال به طرز خنده‌داری مهم است تا یک بازی مصرف‌کننده در حال حاضر در سمت مصرف‌کننده. ChatGPT هنوز ۸۶٪ سهم بازار را دارد، پس بله، ۱۰۰٪ بود، اکنون ۸۶٪ است، و Gemini و Claude در حال کسب سهم هستند، اما از یک پایه نسبتاً پایین، من به سختی می‌توانم ببینم که این تغییر کند مگر اینکه اتفاق بسیار بدی در OpenAI بیفتد. بودجه‌شان تمام شود به هر دلیلی، که من نمی‌بینم اتفاق بیفتد. یا به نوعی یک انقلاب واقعی در یکی از LLMها رخ دهد، اما واقعاً نمی‌بینم که اتفاق بیفتد. و بخشی از دلیلی که من فکر می‌کنم سهم بازارها چسبنده هستند، به هر حال، این است که تا آنجا که ۱۰۰٪ مکالمات و تاریخچه خود را با یک LLM داری، آنها اطلاعات زیادی در مورد تو و اینکه چه کسی هستی، چه می‌خواهی، دارند. که تغییر به هر جای دیگری، حتی اگر مدل بهتر باشد، منجر به نتایج بدتری می‌شود. و بنابراین در این مرحله در مورد من، من تاریخچه زیادی با ChatGPT دارم.

برای من بسیار دشوار است که به جای دیگری بروم زیرا کیفیت پاسخ‌ها، ظرافت‌ها و غیره، کاملاً متفاوت است. با این حال، چیزهایی وجود دارد که برای کارهای مختلف استفاده می‌کنی، درست است؟ پس Claude در حال حاضر در کدنویسی بهتر است، بنابراین برای کدنویسی از ترکیبی از Claude یا Cursor استفاده می‌کنی. من در واقع تولید ویدیوی Sora با چهره تو در iOS از ChatGPT را دوست دارم.

پس برای ویدیو من در واقع از ChatGPT استفاده می‌کنم. و سپس البته برای تصاویر. جالب است، من قبلاً ۱۰۰٪ Midjourney بودم. و بیشتر و بیشتر از GPT علاوه بر Midjourney استفاده می‌کنم. پس خواهیم دید که چگونه پیش می‌رود. اما مانند ویدیو، و البته من یک فیلمبردار حرفه‌ای نیستم. قبلاً با Runway بازی می‌کردم و اکنون ۱۰۰٪ به Source تغییر کرده‌ام.

پس همچنین جالب است که این چیزها چگونه با گذشت زمان با تغییر قابلیت‌ها تکامل می‌یابند. اما از منظر پاسخ به سؤالات اصلی، تصور اینکه مردم به میزانی که از آن زیاد استفاده کرده‌اند، تغییر مکان دهند، دشوار است. حالا، با این حال. بیشتر مردم از آن زیاد استفاده نکرده‌اند. در پست من در هفته گذشته در مورد استفاده از هوش مصنوعی، ما هنوز در مراحل بسیار اولیه هستیم.

فکر می‌کنم ۸۰٪ جمعیت جهان به هیچ وجه از هوش مصنوعی استفاده نکرده‌اند. و بیشتر بقیه کاربران رایگان در یکی از LLMهای مختلف هستند، که خروجی استفاده با کیفیت نسبتاً پایین و غیره است. بنابراین سطح استفاده بسیار پایین‌تر از آن چیزی است که مردم فکر می‌کنند. نکته این است که ما در فناوری، یا افراد در امور مالی، کاربران اولیه و فوق‌العاده قدرتمند هستیم.

اما این درست نیست. پس مکس می‌گوید، هی، می‌توانی حافظه را نیز کاوش کنی و گزارش کامل داده‌ها را از OpenAI دریافت کنی، که می‌توانی. اما این نیاز به سطح خاصی از پیچیدگی فنی دارد که افراد عادی ندارند، درست است؟ مانند همینطور راه‌اندازی OpenClaw که باید بروی و در فایل اصلی آن تمام شخصیت‌ها و رویکردها و نحوه رفتار مورد نظر خودت را تعریف کنی و سپس به بک‌اند متصل شوی، باز هم.

اگر یک فرد عادی هستی، این اتفاق نمی‌افتد. هیچ فرد عادی نباید OpenClaw را راه‌اندازی کند. فکر می‌کنم اما خواهد آمد. و اگرچه گمان می‌کنم دوستان ما در OpenAI و دیگران ممکن است در آینده اجازه ندهند حافظه کامل را صادر کنی زیرا این قفل آنهاست. اما باید دید چگونه پیش می‌رود.

اگر این سطح از سهم بازار را حفظ کنند، فکر می‌کنم این کار را نخواهند کرد. اگر نه، احتمالاً انجام خواهند داد. سهم در حال بزرگ‌تر شدن است به نکته‌ای که قبلاً اشاره کردم. جستجو هنوز واقعاً کاهش نیافته است. ممکن است کاهش یابد اما بیشترین چیزی که دیده‌ام ۳٪ کاهش در برخی دسته‌های سایت‌ها بوده است.

پس به SEO ادامه بده. به SEM ادامه بده. و خودت را در LLMها فهرست کن. ای مکس. نگران نباش. متن کامل این مطلب هفته آینده در وبلاگ من منتشر خواهد شد، از جمله پاورپوینت، به هر حال، یا ارائه‌ای که در حال مرور آن هستم. و مرحله بعدی، البته، مهمترین چیز اگر تو یک بنیان‌گذار بازار آنلاین هستی، در واقع چیزی است که در ادامه می‌آید.

و آنچه در ادامه می‌آید این است که، خب. پس اگر نگران اختلال در بازارهای آنلاین توسط LLMها نیستی زیرا آنها بخش بالای قیف فروش را به دست نمی‌گیرند. و حتی اگر بخش بالای قیف فروش را به دست بگیرند. آنها ارزش زیادی را به دست نمی‌گیرند زیرا در نهایت عرضه منحصر به فردی داری. کارهای زیادی انجام می‌دهی که آنها مایل به انجام آن نیستند و غیره.

چه کارهای دیگری باید امروز انجام دهی که کسب‌وکار تو را کاملاً متحول کند؟ و بنابراین شش چیز به طرز خنده‌داری وجود دارد که فکر می‌کنم تو به عنوان یک بنیان‌گذار بازار آنلاین باید امروز انجام دهی که کسب‌وکار تو را به سمت بهتر شدن کاملاً متحول خواهد کرد.

پس یک مورد تجارت فرامرزی B است. دو مورد لیستینگ‌های ساده شده است. سه مورد کیفیت لیستینگ بهبود یافته است. چهار مورد فقط بهبود بهره‌وری، بهبود در شرکت تو و بهبود برنامه‌نویسی خدمات مشتری و غیره است. پنج، بهبود درآمدها و شش، شاید قابلیت ردیابی در سراسر اقتصاد چرخشی. پس اجازه بده توضیح دهم منظورم از هر شش مورد چیست. پس مورد اول، تجارت فرامرزی.

اگر در گذشته در اروپا بودی، مثلاً در روزهایی که من OLX را اداره می‌کردم، ما یک سایت لهستانی و یک سایت رومانیایی و یک سایت اوکراینی داشتیم. در واقع، این سایت‌ها هنوز هم بازیکنان پیشرو در کشورهای خود بودند. اما اروپا، اروپا نبود. اروپا ائتلافی از کشورهای مختلف بود و همه آنها مستقل بودند.

پس یک سایت فرانسوی و یک سایت آلمانی و یک سایت بریتانیایی داشتی. اما این روزها با هوش مصنوعی می‌توانی چند کار واقعاً جالب انجام دهی. می‌توانی لیستینگ‌ها را به طور خودکار ترجمه کنی به طوری که ممکن است در فرانسه باشی، در حالی که لیستینگ می‌تواند از لیتوانی یا لهستان یا رومانی باشد. و می‌توانی مکالمات بین کاربران را ترجمه کنی.

پس می‌توانی خریداران و فروشندگانی از کشورهای مختلف داشته باشی که به زبان مادری خود به صورت کاملاً یکپارچه صحبت می‌کنند. پس هوش مصنوعی برای اولین بار به تو اجازه می‌دهد، و باز هم این به این معنی است که حمل‌ونقل یکپارچه و پرداخت‌های یکپارچه داری. پس همه شرکت‌ها آن را ندارند اما شرکت‌هایی مانند Wallapop یا Vintage یا Ovoko در بازار قطعات خودرو دارند.

اگر به Vinted نگاه کنی، حدود ۱۰ میلیارد GMV (حجم ناخالص کالا) و فکر می‌کنم حدود یک میلیارد درآمد خالص دارد و به سرعت در حال رشد و بسیار سودآور است. نقطه قوت آنها استفاده از نقدینگی از کشوری است که در آن غالب هستند، مانند فرانسه، برای ورود به کشورهایی که در حال ورود به آنها هستند و داشتن عرضه و محصولات برای فروش از همان ابتدا.

حالا، این فقط به این دلیل کار می‌کند که، همانطور که گفتم، آنها پرداخت و حمل‌ونقل را به طور بسیار مؤثری ادغام کرده‌اند، اما حتی اگر آرزویش را هم نداشته باشی، کمک می‌کند. پس واضح است که Vinted آرزو دارد یک شرکت عظیم فرامرزی، چند دسته‌ای، ۵۰ میلیارد دلاری، شاید حتی ۱۰۰ میلیارد دلاری باشد.

اما حتی اگر تنها بازیکن غالب در کشور اصلی خودت باشی، مانند Wallapop در اسپانیا، پرتغال، یا Subito در ایتالیا. اما آنها عرضه‌ای از اسپانیا دارند که برای مردم آن کشورها منحصر به فرد و جالب است. بنابراین آنها در واقع در ایتالیا، در اسپانیا، در پرتغال، در فرانسه راه‌اندازی شدند. و این منبعی برای درآمدهای افزایشی و افزایشی است.

Ovoko نیز همین کار را در قطعات خودرو انجام داده است. بنابراین آنها در لهستان و لیتوانی منابع را تأمین می‌کنند و در فرانسه می‌فروشند، اما فرامرزی و حتی در B2B نیز اتفاق می‌افتد که سرمایه‌گذاران در شرکتی به نام CarOnSale، که یک بازار B2B بزرگ برای خودروهای دست دوم بین دلالان است و در حال حاضر ۳۰٪ از حجم آن فرامرزی است.

دومین روند بزرگ و کارهایی که مردم باید انجام بدن، ساده‌سازی لیست کردن (آگهی) هست، درسته؟ روش قدیمی لیست کردن در، مثلاً ای‌بی اینه که من ۲۰ تا عکس از گوشیم می‌گیرم. یه عنوان می‌نویسم، یه توضیح می‌نویسم. یه دسته‌بندی انتخاب می‌کنم، یه قیمت انتخاب می‌کنم. کار زیادیه و ممکنه واقعاً ندونی دقیقاً بهترین دسته‌بندی چیه.

ممکنه بهترین راه برای توصیف و فروش اون رو ندونی. ممکنه ندونی قیمت درست برای اون کالا چقدره، اما این روزها، مخصوصاً در بعضی حوزه‌ها، می‌تونی فقط یه عکس بگیری و بوم، به صورت خودکار آگهی برات ساخته می‌شه. چند مثال، سرمایه‌گذاران در شرکتی به نام ری‌بگ (Rebag) بودن و ری‌بگ یه بازارچه کیف‌های دستی لوکس دست‌دوم هست.

اون‌ها یه هوش مصنوعی به اسم کلیر (Clear) دارن. تو یه عکس می‌گیری و اون بهت مدل، قیمت و هرچیزی که می‌تونی به دست بیاری رو می‌گه. کال‌اکس (CollX) ابزاریه که همه کارت‌های معاملاتی تو رو اسکن می‌کنه، بهت می‌گه کدوم‌ها باارزش هستن و بهت اجازه می‌ده فوراً اون‌ها رو لیست کنی. یک ثانیه. «اما وینتد (Vinted) میاد آمریکا و از مردم می‌پرسه که آیا می‌خوان یه «فروشگاه بسته» باز کنن و بیشتر آمریکایی‌ها «چی؟» می‌گن. پس تفاوت‌های فرهنگی وجود داره. آیا به یک شرکت هلدینگ بومی نیاز نداری؟»

آره پس وینتد که میاد آمریکا، ممکنه کار کنه یا نکنه. تفاوت بین آمریکا و اروپا اینه: اول از همه، در اروپا می‌تونی از مثلاً فرانسه به هرجای دیگه، مثلاً لیتوانی، با دو یورو ارسال کنی. حمل و نقل یکپارچه اون‌ها در آمریکا هزینه‌های حمل و نقل واقعاً بالاست. میانگین مسافتی که یک کالا در ای‌بی ارسال می‌شه، فکر می‌کنم حدود ۲۰۰۰ مایل باشه، و میانگین هزینه حمل و نقل ۷ یا ۸ دلاره، در حالی که میانگین قیمت در وینتد حدود ۳۰، ۴۰ یورو هست، یعنی حدود ۳۰ تا ۵۰ دلار. پس هزینه حمل و نقل ۷ دلاری رو پشتیبانی نمی‌کنه.

و به همین دلیل و همچنین به خاطر تعرفه‌ها و هزینه‌های حمل و نقل از اروپا به آمریکا، نقدینگی‌ای که وینتد در اروپا داره، پس نمی‌تونی از لیست‌های فرانسوی برای راه‌اندازی در آمریکا استفاده کنی. ارسال خیلی گرونه، به علاوه ناراحتی‌ها و تعرفه‌ها و غیره وجود داره، بنابراین اون مزیت اصلی وجود نداره.

و بنابراین فکر می‌کنم اون‌ها دارن به این فکر می‌کنن که شاید ما مقاصد محلی داشته باشیم که بتونی کالا رو تحویل بگیری یا با هزینه کمتری نسبت به ارسال از طریق یو‌پی‌اس (UPS) یا فدکس (FedEx) تحویل بدی یا بگیری. پس اون‌ها دارن این مدل رو آزمایش می‌کنن. در همین حال، یک بازیگر هست که ای‌بی (eBay) تازه خریده.

اسم اون دپاپ (Depop) هست که فعلاً در آمریکا نسبتاً خوب یا خیلی خوب عمل می‌کنه. حالا باید ببینیم که آیا ای‌بی در آینده نگهبان خوبی برای دپاپ خواهد بود یا نه. من علیه وینتد شرط نمی‌بندم. چون اون‌ها لزوماً بار اول درست انجامش نمی‌دن. مثلاً چند بار اول یا پنج بار یا ۱۰ بار که به بریتانیا رفتن، شکست خوردن.

اما در نهایت راهش رو پیدا کردن و بازار رو تصاحب کردن و رقبای فعلی رو از بین بردن. و پول زیادی دارن. خیلی باهوش هستن، ارائه‌دهنده کم‌هزینه هستن. و توسط دست راست سابق من اداره می‌شه که فیکسر منه. و اون به من کمک کرد تا والاپاپ (Wallapop) رو هم بسازم و متحول کنم.

اسم اون توماس هست. اون فوق‌العاده‌ست. من، البته که ما جانبدار هستیم. الف) من توماس رو دوست دارم و ب) اون یکی از برندگان پورتفولیوی اف‌جی لبز (FJ Labs) هست، و فکر می‌کنم وینتد و بنابراین می‌تونه درصد عظیمی از پورتفولیو رو برگردونه. من خیلی خوش‌بینم. نمی‌دونم اون‌ها در آمریکا برنده می‌شن یا نه، اما من علیه‌شون شرط نمی‌بندم.

باشه. همونطور که گفتم، لیست‌های ساده‌شده. الان، مخصوصاً در حوزه‌های خاص، می‌تونی عکس بگیری و پووف. لیست رو به دست میاری، باید حتماً این کار رو انجام بدی چون در بازارگاه‌ها، ۹۹٪ بازدیدکنندگان خریدار هستن. فقط درصد کمی از اون‌ها فروشنده هستن، پس معمولاً تقریباً ۹۹ به ۱ هست.

و اگه فروش رو خیلی آسون‌تر کنی چون فقط یه عکسه، ناگهان می‌تونی درصد بازدیدکنندگانی که فروشنده هستن رو افزایش بدی. و بنابراین اگه واقعاً بتونی حجم عرضه رو افزایش بدی، این فوق‌العاده‌ست. وینتد چطور پول درمیاره؟ خب، وینتد اینطور پول درمیاره که رایگانه.

تو می‌تونی صد درصد رایگان در وینتد باشی، جایی که اون‌ها هیچ پولی درنمیارن. حالا مدل کسب و کار اون‌ها چندوجهی هست. تو، خریدار، داری. پس تفاوت اینه که بیشتر بازارگاه‌ها در گذشته گفتن، اوه، من ۱۵٪ کمیسیون، ۲۰٪ کمیسیون از فروشنده می‌گیرم. چیزی که اون‌ها فهمیدن اینه، مخصوصاً در اروپا که کشش عرضه وجود داره، پس اگه کمیسیون زیادی بگیری، حجم عرضه تو کاهش پیدا می‌کنه.

اون‌ها رایگان نبودن. ما هیچی از فروشنده نمی‌گیریم. در عوض، ما از افرادی که ارزش دریافت می‌کنن، درآمدزایی می‌کنیم. پس اگه تو خریدار هستی و می‌گی، اوه، من می‌خوام، من امانت می‌خوام چون مطمئن نیستم که بتونم اون رو برگردونم، و من می‌خوام، من نمی‌خوام، من می‌خوام که برام ارسال بشه و من می‌خوام پرداخت کنم و می‌خوام با کارت اعتباری پرداخت کنم به جای ملاقات در خیابان و پرداخت نقدی.

تو علاوه بر اون پرداخت خواهی کرد. و معمولاً اون‌ها ۵٪ به علاوه یک هزینه ثابت، به علاوه هزینه حمل و نقل رو شارژ می‌کنن. پس عملاً ۹٪ از خریدار می‌گیرن. و بیشتر خریداران در کشورهایی که اون‌ها نفوذ خوبی دارن، این کار رو انتخاب کردن. سپس علاوه بر اون، فروشندگان می‌تونن انتخاب کنن که قابل مشاهده باشن تا برای چند جایگاه اول پول پرداخت کنن، و بنابراین وقتی همه این‌ها رو با هم ترکیب می‌کنی، اون‌ها می‌تونن نرخ دریافت مؤثری حدود ۱۰٪ داشته باشن.

همونطور که گفتم، ۱۰ میلیارد GMV و میلیاردها درآمد خالص، و بله، بسیاری از مردم در وینتد می‌فروشن یا لیست می‌کنن چون ترجیح می‌دن اون رو دور نندازن و یه خونه عالی براش پیدا کنن. پس اون‌ها چیزها رو با ۳ دلار می‌فروشن، اما بیشتر مردم با ۳ دلار نمی‌فروشن. همونطور که گفتم، میانگین ارزش سفارش حدود ۴۰ هست.

و این هم منبع سرگرمیه و هم منبع درآمد و به مردم اجازه می‌ده تا با یک اساس نسبتاً مؤثر، هزینه رو به گردش دربیارن یا تغییر بدن. اما اون‌ها کم‌هزینه‌ترین زیرساخت رو ساختن، هم در بخش توسعه نرم‌افزار، هم در بخش مراقبت از مشتری، هم در بخش حمل و نقل و هم در بخش پرداخت، که به اون‌ها اجازه می‌ده حتی با میانگین ارزش سفارش پایین هم پول دربیارن.

خب، پس شماره دو، از هوش مصنوعی برای ساده‌سازی لیست‌ها استفاده کن. شماره سه، می‌تونی لیست خودت رو بهبود بدی. پس فقط این نیست که یه عکس بگیری و بعد لیست رو به دست بیاری، بلکه هوش مصنوعی واقعاً می‌تونه فکر کنه. باشه؟ این جواهراته. فقط یه عکس روی میز نمی‌گیری. اون تشخیص می‌ده که در کدوم سمت می‌فروشی و پس‌زمینه رو تغییر می‌ده.

پس گاهی اوقات فقط یه پس‌زمینه سفید ایجاد می‌کنه، اما گاهی اوقات اون رو در طبیعت یا در جایی دیگه قرار می‌ده تا نرخ تبدیل رو افزایش بده. و بنابراین شرکت‌هایی مثل فوتوروم (PhotoRoom) وجود دارن که هم این کار رو برات انجام می‌دن و هم می‌تونن به بازارگاه‌ها بفروشن تا کیفیت تصاویر رو برای بهبود نرخ تبدیل افزایش بدن.

باز هم، همه این چیزها کاملاً مثل کسب و کار تو هستن، مثل اینکه فقط رفتن به خارج از مرزها می‌تونه کسب و کار تو رو امروز ۳۰٪ افزایش بده. بهبود کیفیت لیست‌ها، ساده‌سازی لیست‌ها می‌تونه تعداد لیست‌هایی که امروز داری رو دو یا سه برابر کنه، درسته؟ پس این چیزی نیست که یک یا دو یا سه سال دیگه اتفاق بیفته.

این کاملاً به طرز خنده‌داری کسب و کار تو رو تغییر می‌ده و نرخ فروش، نرخ بازدید به خرید تو رو از ۲٪ یا ۳٪ به طرز عظیمی تغییر می‌ده. پس همه این چیزها اولویت اصلی هستن. اون‌ها، چیزی که بیشترین منطق رو داره، چیزی که باید انجام بشه. شماره چهار، حالا، همه این کار رو انجام می‌دن اما استفاده کلیدی از هوش مصنوعی برای بهبود مراقبت از مشتری.

و بنابراین می‌بینی که ما در یک شرکت سرمایه‌گذاری کردیم، در واقع اسلاید بعدی به نام ایس ویوز (Ace Waves) هست. اون‌ها سیرا (Sierra) برای بازارگاه‌ها هستن. اون‌ها در چندین بازارگاه ما ادغام شدن و هزینه‌های مراقبت از مشتری رو در شش ماه ۵۰، ۶۰٪ کاهش دادن. پس تو می‌تونی همزمان هزینه‌های مراقبت از مشتری خودت رو کاهش بدی و در عین حال NPS خودت رو بهبود بدی.

می‌دونی چی جالبه اینه که ما در واقع کاهش تقاضا برای برنامه‌نویسان رو نمی‌بینیم. ما در واقع فقط افزایش بهره‌وری برنامه‌نویسان رو می‌بینیم. پس برنامه‌نویسان موجود بیشتر کار می‌کنن چون از کرسر (Cursor) و گیت‌هاب کوپایلوت (GitHub Copilot) استفاده می‌کنن و بنابراین خیلی سریع‌تر از قبل کدنویسی می‌کنن.

پس بهره‌وری برنامه‌نویس خودت رو افزایش بده، هزینه‌های مراقبت از مشتری خودت رو کاهش بده، NPS خودت رو بهبود بده، از ابزارها برای بهبود بهره‌وری خودت استفاده کن. و باز هم، در سه مورد اولی که بحث کردیم، ما حجم، درآمد و غیره رو افزایش می‌دادیم. اینجا ما هزینه‌ها رو کاهش می‌دیم در حالی که NPS رو بهبود می‌دیم.

پنجمین مورد یک روند بزرگ دیگه در بازارگاه‌ها اینه که حالا علاوه بر هر کمیسیونی که ممکنه برای خرید و فروش بگیری، مردم دارن تبلیغات می‌فروشن.

و تبلیغات یک محصول با حاشیه سود ناخالص ۹۵٪ هست. پس اگه به اینستاکارت (Instacart) نگاه کنی، بزرگترین بخش درآمد در واقع از برندهایی هست که برای اینکه برندشون اول نمایش داده بشه، تبلیغات می‌خرن، و این در آمازون هم درسته، دیگه منبع اصلی درآمد نیست، اما یک منبع درآمد چند میلیارد دلاری هست که فروشندگان موجود در آمازون یا جایگاه‌های اسپانسری رو می‌خرن تا خریداران ابتدا کالاهای اون‌ها رو ببینن و اون‌ها مایل هستن که به ازای درصد مشخصی از GMV پرداخت کنن.

حالا اون‌ها، می‌تونه بر اساس CPM باشه. بر اساس CPC باشه، مهم نیست، اما مثل معادل GMV هست. پس در اینستاکارت، فکر می‌کنم حدود ۵٪ از GMV اون‌ها از تبلیغات میاد، اما این اکثریت قریب به اتفاق سود هست چون این محصول با حاشیه ۹۵٪ هست در مقابل.

اگه کمیسیون روی تراکنش‌ها می‌گیری، این یک محصول با حاشیه شاید ۵۰، ۶۰٪ هست چون هزینه‌های پردازش کارت اعتباری، برگشت کالا و غیره رو داری. پس ما سرمایه‌گذار در شرکتی به نام تاپسورت (Topsort) هستیم، و ما سرمایه‌گذار در همه شرکت‌هایی هستیم که اینجا برجسته می‌کنم. و تاپسورت اساساً تمام کارها رو انجام داده تا در واقع درآمد تو رو با فروش تبلیغات بهینه کنه و این در واقع پیچیده‌تر از کاریه که فکر می‌کنی، چون اگه بر اساس CPC می‌فروشی. چیزی که برای اون بهینه‌سازی می‌کنی نه CBC هست و نه نرخ کلیک. در واقع CBC ضربدر نرخ کلیک هست. و بنابراین باید بفهمی کدوم تبلیغات خوب کلیک می‌شن و به طور خودکار تبلیغات درست رو اول قرار بدی و تاپسورت در کمک به بازارگاه‌ها برای افزودن یک لایه درآمد تبلیغاتی به کسب و کارشون کار فوق‌العاده‌ای انجام می‌ده.

و به هر حال، آینده بازارگاه‌ها داشتن انواع بیشتری از جریان‌های درآمدی هست، از تأمین مالی گرفته تا کمیسیون، تا شاید هزینه‌های لیست کردن، تا تبلیغات و غیره تا نرخ دریافت مؤثر تو نه خیلی بالا، اما به اندازه کافی بالا و به اندازه کافی سودآور باشه که بتونی کسب و کار رو مقیاس‌بندی کنی.

و آخرین مورد، باز هم تضمین شده نیست، اما موارد استفاده جالبی وجود داره که می‌تونی در واقع یک کالا رو ردیابی کنی. پس وقتی اون رو می‌خری، مدرک مالکیت داری، و بعد می‌تونی با یک کلیک اون رو در یک بازارگاه دیگه بفروشی، مدرک مالکیت رو به شخص دیگری منتقل کنی.

و بنابراین ما داریم می‌بینیم که این شروع شده. این یعنی اون‌ها دارن در مورد اجباری کردن این در اروپا صحبت می‌کنن. اما ما داریم در موردش صحبت می‌کنیم، داریم می‌بینیم که این اتفاق می‌افته. شرکت‌های مختلفی مثل تینگز (Tings)، که فکر می‌کنم در کشورهای نوردیک هست. به طور منظم، که اقتصاد چرخشی رو ایمن‌تر، قابل اعتمادتر می‌کنه، چون حالا می‌دونی، اوه، این در واقع مالک این کالا هست. و بعد، و وقتی تو، بعد مالکیت رو به دست میاری و این بهت سطح خاصی از اعتماد رو می‌ده.

پس همه این‌ها رو گفتم که بگم، همونطور که گفتم، اگه امروز یه بنیانگذار بازارگاه بودم، به جای نگرانی، خودم رو در LLMها (مدل‌های زبانی بزرگ) ایندکس می‌کردم. من به تمرکز و ساخت عرضه متفاوت، افزودن خدمات ارزش افزوده، و انجام کارهایی که LLMها مایل به انجام اون‌ها نیستن، ادامه می‌دادم.

و بعد فوراً کارهایی مثل تجارت اصلی فرامرزی، لیست‌های ساده‌شده، و کیفیت لیستینگ رو انجام می‌دادم. مراقبت از مشتری رو بهینه می‌کردم، برنامه‌نویسی رو بهینه می‌کردم، جریان‌های درآمدی رو با تبلیغات اضافه می‌کردم و موتورهای توصیه داخلی می‌ساختم و مقدار مشخصی AEO رو الان به دست می‌آوردم.

AEO، فروشندگان زیادی هستن که به وضوح خوب نیستن. افرادی که من بیشتر دوست دارم برای گرافیتهدکوارتر (Graphite HQ) هستن، فکر می‌کنم اون‌ها دارن خودشون رو بازخوانی می‌کنن در حالی که ما صحبت می‌کنیم. و بنابراین تا جایی که به دنبال یک AEO خوب هستی، با گرافیتهدکوارتر صحبت کن و بله اون‌ها می‌تونن کمک کنن. اما صرف نظر از این، خودت رو ایندکس کن. اما اجازه نده LLMها از تو برای داده‌های آموزشی استفاده کنن.

این به پایان بازارگاه‌ها در عصر هوش مصنوعی می‌رسه. اما چیزی که می‌خوام در موردش صحبت کنم، که تا حدودی نامربوط هست، اینه که چه نوع چیزهایی رو در این دنیای دیوانه هوش مصنوعی سرمایه‌گذاری کردیم که هوش مصنوعی نیستن و بعضی‌ها بازارگاه نیستن که هنوز فکر می‌کنم واقعاً جالب هستن.

در حالی که تمام اکسیژن هوا توسط هوش مصنوعی گرفته شده. پس چند مثال جالب پالم‌استریت (Palmstreet). پالم‌استریت یک تجارت زنده، پخش زنده ویدئو هست که بیشتر برای فروش گیاهان کمیاب استفاده می‌شه، و اون‌ها خیلی سریع از صفر به بیش از ۱۰ میلیون در ماه رشد کردن. و یک منطق وجود داره.

پس تجارت زنده چیزیه که فقط برای مدت طولانی در چین کار می‌کرد، و مثل چیزهایی مثل تائوبائو (Taobao)، ۲۵٪ از تراکنش‌ها کنگره بود و مردم اون رو نادیده گرفتن یا رد کردن به عنوان، اوه، این یک رفتار منحصر به فرد چینیه. اما در واقع دسته‌بندی‌هایی وجود داره که منطقی هست، درسته؟ اگه یک گیاه کمیاب می‌فروشی، که ارزش سفارش بالایی داره، می‌تونی تصور کنی که شنیدن داستان اینکه از کجا میاد، چطور ازش مراقبت کنی و غیره، خیلی منطقی هست.

و اون‌ها به مخاطبانی از زنان ثروتمند و مرفه در دهه‌های ۲۰، ۳۰ و ۴۰ زندگی‌شون خدمات ارائه دادن که در واقع هر شش ماه مقدار قابل توجهی پول خرج می‌کنن. اون‌ها این فروشگاه‌های حرفه‌ای رو دارن که دو جریان در هفته انجام می‌دن، و هزاران و هزاران دلار در ماه می‌فروشن.

پس کسب و کار خیلی خوب پیش می‌ره، کاملاً زیر رادار، و خیلی خوب رشد می‌کنه. اما باز هم، از ۱۰ میلیون به ۱۰۰ میلیون به یک میلیارد رشد نمی‌کنه، مثل کرسر (Cursor)، لاوبل (Lovable) و غیره. اما این‌ها چیزهایی هستن که کم‌کم دارن راه‌های جالبی برای حمله به رقبای فعلی می‌سازن.

مثل اتسی (Etsy) با رویکردهای متفاوت. یک شرکت بزرگ دیگه یا یک شرکت جالب دیگه که ما سرمایه‌گذاری کردیم. پس ادامه پخش زنده، پلتفرم یا دسته‌بندی تجارت زنده، وات‌نات (Whatnot)، بازیگر غالب در اینجا هست. اون‌ها شماره یک، شرکت پخش زنده کالاهای کلکسیونی با میلیاردها GMV هستن.

و ما در تروفی (Troffee) سرمایه‌گذاری کردیم، که وات‌نات برای خاورمیانه هست. باز هم، روزهای اولیه هست، اما جالب.

و کانی، من کامنت تو رو دیدم. بذار برگردم تا مردم بتونن سوال رو ببینن. بله، وات‌نات لایو (Whatnot live) دقیقاً در این دسته‌بندی هست. فناتیکس (Fanatics) هم داره این دسته‌بندی رو راه‌اندازی می‌کنه، اون‌ها با فناتیکس لایو (Fanatics live) خریدن، خیلی کوچکتر.

اون‌ها یک شرکت رو خریدن تا این کار رو انجام بدن. پس وات‌نات قطعاً بازیگر غالب در این دسته‌بندی هست. حالا داریم می‌بینیم هم در حوزه‌های خاص و هم در مناطق جغرافیایی دیگه.

شرکت جالب بعدی. ما در این شرکت به نام گاراژ (Garage) سرمایه‌گذاری کردیم. پس گاراژ یک بازارگاه کامیون آتش‌نشانی و تجهیزات آتش‌نشانی هست.

و قبلاً اینطور بود که، در آمریکا، دپارتمان‌های آتش‌نشانی به صورت محلی تأمین مالی می‌شن و محله‌هایی داری که ثروتمند هستن و کمک‌های مالی زیادی دریافت می‌کنن و جدیدترین تجهیزات رو می‌خرن و بعد محله‌های نسبتاً فقیری داری که تجهیزات واقعاً بدی دارن. و بنابراین قبلاً اینطور بود که مردم فقط در جاهایی مثل فیس‌بوک مارکت‌پلیس (Facebook marketplace) می‌فروختن.

کامیون آتش‌نشانی و کامیون آتش‌نشانی به طور متوسط حدود ۳۰ هزار دلار قیمت دارن. و چیزی که این بنیانگذار شگفت‌انگیز فهمید اینه که خب. برای باز کردن بازارگاه، من در واقع باید تحویل بدم، باید پیدا کنم، حمل و نقل، تضمین تحویل و غیره رو ادغام کنم. پس اون‌ها کامیون‌های آتش‌نشانی رو روی یک کفی که البته یک کفی خاص هست، می‌ذارن و اون‌ها رو به خریداران تحویل می‌دن.

و بنابراین اون‌ها یک بازارگاه B2B برای کامیون‌های آتش‌نشانی با میانگین ارزش سفارش ۳۰ هزار دلار ایجاد کردن، و به طور متوسط، هر کامیون آتش‌نشانی تقریباً ۲۰۰۰ مایل ارسال می‌شه. و بنابراین با ادغام لایه خدمات تونستن بازارگاه رو باز کنن. چیزهای جالب دیگه پیکل (Pickle). پیکل یک بازارگاه اجاره و قرض دادن لباس‌های نسبتاً گران‌قیمت همتا به همتا هست.

و قبلاً رنت د ران‌وی (Rent the Runway) رو داشتی، اما رنت د ران‌وی موجودی خودش رو داره. و مردم این ایده رو بارها امتحان کردن و هرگز کار نکرد. و هرگز کار نکرد چون زیرساخت لجستیک تجارت معکوس وجود نداشت که به اندازه کافی ارزان و کم‌هزینه باشه، و مردم به همدیگه اعتماد نمی‌کردن.

اما به اندازه کافی تبادل رفتاری از نظر افرادی که مایل به رانندگی توسط افراد دیگه مثل اوبر (Uber) هستن یا به خانه‌های مردم مثل ایربی‌ان‌بی (Airbnb) می‌رن، که حالا زمانش فرا رسیده و لجستیک معکوس به اندازه کافی خوب کار می‌کنه که اون‌ها یک بازارگاه اجاره همتا به همتا ایجاد کردن که خیلی خوب کار می‌کنه، مخصوصاً در شهرهایی که می‌خواستی عالی به نظر برسی و غیره.

لس‌آنجلس، نیویورک، البته میامی یا جاهایی که پیکل خوب کار می‌کنه و خیلی سریع رشد می‌کنه.

کلاچ (Clutch) کاروانا (Carvana) برای کانادا هست. پس کاروانا جالبه چون اون‌ها از محبوبیت به، از صفر به قهرمان، دوباره به صفر، دوباره به قهرمان، دوباره به صفر رفتن، و حالا ارزشش حدود صد میلیارد هست.

ما هم در کاروانا کانادا سرمایه‌گذاری اولیه کردیم و هم بعداً سرمایه رو بازسازی کردیم، و اون‌ها دارن عالی عمل می‌کنن، مثل یک میلیارد دلار فروش. اون‌ها تازه یک دور سرمایه‌گذاری با ارزش‌گذاری بیش از یک میلیارد دلار رو به پایان رسوندن. و من بازار کانادا رو در واقع بیشتر از بازار آمریکا دوست دارم چون کارمکس (CarMax) وجود نداره. رقابتی وجود نداره.

پس اون‌ها کاروانا کانادا هستن با سهم بازار کمتر از ۱٪ و بدون کارمکس. و بنابراین فکر می‌کنم اون شرکت قطعاً عالی عمل خواهد کرد.

شرکت جالب بعدی منوال (Manual). منوال مثل هیمز (Hims) یا تو هست. ترکیبی از داروهای ریزش مو، TRT و اختلال نعوظ. اون‌ها در بریتانیا شروع کردن و در واقع بزرگترین بازار برزیل هست.

پس رو (Ro) یا هیمز (Hims) رو برای برزیل در بریتانیا در نظر بگیر. باز هم، بنیانگذاران شگفت‌انگیز هستن. اون‌ها دارن در دسته‌بندی‌های مختلف راه‌اندازی می‌کنن. اون‌ها در آینده با مهارکننده‌های GLP-1 مثل اوزمپیک (Ozempic) پیش خواهند رفت. شرکت شگفت‌انگیز. همچنین فوق‌العاده خوب عمل می‌کنه. پس همه این شرکت‌ها، به هیچ وجه هوش مصنوعی نیستن، مگر اینکه همه اون‌ها از هوش مصنوعی استفاده می‌کنن.

و این نکته‌ای بود که می‌خواستم بگم، از هوش مصنوعی برای کارآمدتر بودن، برای افزایش درآمد، برای رفتن به خارج از مرزها و غیره استفاده کن. منهای شرکتی که من به ساختش کمک کردم، ما دارایی‌های مالی رو توکنیزه می‌کنیم و بسیاری از اون‌ها دارایی‌های مالی آمریکا هستن. پس پس‌اندازهای نوع آمریکایی رو به بقیه دنیا می‌آریم، درسته؟

اگه در آرژانتین یا ونزوئلا یا آفریقا هستی، واقعاً به محصولات مالی آمریکا دسترسی نداری. نمی‌تونی یک حساب در چارلز شواب (Charles Schwab) باز کنی و اغلب ریسک‌های دلخواه، مصادره دارایی‌هات رو داری. تورم بالایی داری، و بنابراین ما فعلاً یک پایه دلار آمریکا، و در نهایت سایر ارزها، محصولات سرمایه‌گذاری رو بهت می‌دیم. پس ما محصولات سرمایه‌گذاری رو توکنیزه می‌کنیم تا بهت بازده و پس‌انداز در فرصت‌های سرمایه‌گذاری در سراسر جهان رو بدیم. مورد استفاده اصلی در حال حاضر در واقع بیشتر، نه کاملاً دیجن (Degen)، بلکه سرمایه‌گذاران پیچیده‌تر با ریسک کمتر که بازده نسبتاً بالا با ریسک پایین می‌خوان و می‌تونن اون رو تکرار کنن.

اما در بلندمدت ایده اینه که دسترسی به سرمایه‌گذاری‌ها و پس‌اندازها رو در سطح جهانی دموکراتیزه کنیم. شرکت جالب دیگه اینه که ما در بوم سوپرسونیک (Boom Supersonic) سرمایه‌گذاری کردیم. پس ما بوم رو در YC در روزهای اولیه دیده بودیم. و بعد دلایل زیادی وجود داشت که منطقی نبود، درسته؟ مثل اینکه به مجوز نیاز داشتی، اجازه نداشتی پرواز مافوق صوت بر فراز آمریکا داشته باشی، به قانون‌گذاری نیاز داشتی که تغییر کرد و غیره. پس ما چند سال پیش سرمایه‌گذاری کردیم، شاید زمانی که یک نقطه عطف وجود داشت و این یک نقطه عطف دوگانه بود. آمریکا داشت قانون رو تغییر می‌داد تا پرواز مافوق صوت بر فراز آمریکا رو مجاز کنه و در عین حال اون‌ها فهمیدن که می‌تونن از موتور خاص خودشون برای تأمین انرژی مراکز داده استفاده کنن و شروع به گرفتن قراردادهای بزرگ برای تأمین انرژی مراکز داده هوش مصنوعی کردن.

و بنابراین ما در آن زمان سرمایه‌گذاری کردیم، درست زمانی که کسب و کار در حال تغییر بود. بیس پاور (Base Power)، که به عنوان یک شرکت نوظهور برق با پشتیبان باتری خانگی عالی عمل می‌کرد، احتمالاً داغ‌ترین شرکت در حوزه انرژی. ما در یک نئوبانک (Neobank) در مکزیک سرمایه‌گذاری کردیم، که توسط بنیانگذاران سابق یک فین‌تک شگفت‌انگیز در روسیه اداره می‌شه، که البته روسیه رو ترک کردن تا این کار رو انجام بدن، و کاملاً عالی عمل می‌کنه.

و چیزی که در مورد این نوع شرکت‌ها جالبه اینه که اون‌ها در نهایت خیلی بزرگتر از چیزی می‌شن که می‌تونی تصور کنی. مثل اینکه اون‌ها در بسیاری از حوزه‌های مالی مختلف برنده می‌شن. پس به نیوبانک (Nubank) در برزیل یا رولوت (Revolut) در اروپا نگاه کن، و این‌ها شرکت‌های ۵۰ میلیارد دلاری و بیشتر هستن. و پلاتا (Plata) شانس انجام این کار رو برای مکزیک داره.

نومرای (Numerai)، که در واقع هوش مصنوعی هست، مثل یک صندوق پوشش ریسک که توسط توده‌ها ساخته شده، جایی که مردم مدل‌های مختلف خودشون رو آپلود می‌کنن و بعد به افرادی که مدل‌ها رو آپلود می‌کنن بر اساس بازده ایجاد شده پرداخت می‌کنن و اون هم خیلی خوب عمل می‌کنه. و ما در سوموس (Somos) هستیم، که یک ارائه‌دهنده فیبر زیرساخت سبک دارایی کم‌هزینه در کلمبیا هست.

در کلمبیا، اون‌ها در مدئین (Medellín) شروع کردن، در کشوری که بسیاری از چیزها خراب هستن و اون‌ها کمترین هزینه‌های نصب فیبر رو در جهان دارن، فوق‌العاده خوب عمل می‌کنن و مثل دیوانه‌ها رشد می‌کنن. پس من چیزهای فوق‌العاده سرگرم‌کننده زیادی رو می‌فروشم که در حال وقوع هستن، سرمایه‌گذار در پِر (Pair) هستیم، که اساساً به مردم کمک می‌کنه تا بفهمند با هوش مصنوعی در انواع مختلف شرکت‌ها چه کاری باید انجام بدن.

و بعد فلی‌کوئید (Fleequid)، که یک بازارگاه اتوبوس دست‌دوم B2B در اروپا هست. پس، چیزهای جالب زیادی خارج از دنیای مدل‌های بنیادی و LLMها در حال وقوع هستن و در واقع، همه این‌ها از هوش مصنوعی برای انجام بهتر و جالب‌تر کارها استفاده می‌کنن. این بهت هم حسی از کاری که بازارگاه‌ها در عصر هوش مصنوعی انجام می‌دن، و هم چیزهای جالبی که خارج از مدل‌های اصلی LLM، که همه در موردش صحبت می‌کنن، در حال وقوع هستن، می‌ده.

برای یک ثانیه اینجا مکث می‌کنم. ببینم کسی سوالی داره یا نه و اگه نه، این پخش رو به پایان می‌رسونم. پخش بعدی، که فکر می‌کنم هفته آینده انجام بدم، به هر حال، یک جلسه «هرچه می‌خواهی بپرس» خواهد بود. پس احتمالاً پنجشنبه آینده ظهر که در مورد هر چیزی که شما سوال دارین در مورد اتفاقات بزرگ دنیا صحبت خواهیم کرد.

پس با این، این پخش رو به پایان می‌رسونم. ممنون که این هفته به ما پیوستید، و هفته آینده می‌بینمتون.