Gründere spør oss ofte: hva skal egentlig til for å bygge et holdbart AI-selskap? I kunstig intelligens for bedrifter ser vi to modeller dukke opp igjen og igjen: Oljebrønner (registreringssystemer) og rørledninger (automatiseringslag). 1️⃣ Oljebrønner blir kilden til sannhet for data og tilhørende arbeidsflyter. Vi ser to inngangspunkter: Rip + Replace: Når eldre systemer er tynget av teknisk gjeld, er kjøpere motivert til å ta risikoen for å erstatte med nye AI-native systemer. @hxtweets @amrit_hx gjenoppbygde forsikringspriser og forsikringstegning fra inntak til innsending; Valon @wangandrewd kollapset 25+ boliglånssystemer til ett; @usevesta @michael_yu redesignet låneopprinnelse slik at oppgaver kan kjøres parallelt. Greenfield: Når det ikke finnes noe system, fanger startups kunder tidlig og vokser med dem. @Rillet_HQ startet som den første ERP-en for SMB-økonomiteam, og automatiserte manuelle arbeidsflyter, og har siden utvidet seg til å erstatte etablerte selskaper som NetSuite. Oljebrønner tar lengre tid å bore, men når de først er etablert, skaper de dype, holdbare vollgraver. Å eie postsystemet låser opp arbeidsflyter ingen andre kan bygge og bygger byttekostnader. 2️⃣ Pipelines (automatiserings-/orkestreringslag) -- Disse sitter på toppen av eksisterende systemer og automatiserer "limarbeidet" mennesker gjør mellom dem. Vi har sett to hovedmønstre: Fragmenterte systemer: Når mange forankrede systemer eksisterer side om side, forener pipeliner arbeidsflyter uten å kreve rip-and-replace. @furtheraicom gir agentiske arbeidsflyter for forsikring, og automatiserer tungvinte prosesser (innsendinger, tapskjøringer, samsvar) på tvers av flere systemer. Menneskelig mellomvare: Når mennesker er broen mellom systemer, digitaliserer rørledninger det arbeidet. @Concourse_ai bygger AI-agenter for økonomiteam, som kobles til flere økonomisystemer, slik at team kan spørre og analysere uten manuell innsats. @SolaAI_ lar kunder registrere en arbeidsflyt én gang og gjør den om til en live AI-agent for oppgaver som fakturaavstemming. Kundene trenger ikke å velge. Bedrifter vil ofte kjøpe begge deler: et nytt registreringssystem på ett område, lette automatiseringer på et annet. Men for gründere er strategiene forskjellige, men begge kan være massive. Det som betyr noe er ikke å prøve å gjøre begge deler samtidig, men å vite hvilket spill du spiller for å vinne. Nytt innlegg av meg & @joeschmidtiv 👇

Ja, det er meg på plakaten. Nei, det er ikke en faktisk film. Og ja, dette er absolutt et annet system for rekordpost. Men vi kommer stadig tilbake til dette temaet av en grunn. Når det gjelder bedrifts-AI, havner de fleste varige selskaper i en av to kategorier: oljebrønner (systemer for registrering) eller rørledninger (automatiserings-/orkestreringslag). Oljebrønner går dypt inn i en enkelt arbeidsflyt til de blir registreringssystemet. De tar lengre tid å etablere, men når du eier datamodellen og arbeidsflyten, låser du opp nye funksjoner og bygger strukturell forsvarlighet som forsterkes over tid. Rørledninger sitter på toppen av eksisterende systemer og automatiserer «limarbeidet» som mennesker for tiden gjør mellom dem. De blir raskt tatt i bruk, hver arbeidsflyt som legges til gjør plattformen mer klissete, men de eier ikke grunnsannheten. Begge strategiene kan bygge massive selskaper. Men de krever svært forskjellige valg i produktdesign, GTM-bevegelse og forsvarlighet. Den største feilen er ikke å velge det ene fremfor det andre, men å være uklar om hvilket spill du faktisk spiller. Hvis kritiske data er spredt over systemer eller fanget i manuelle prosesser, ser muligheten ut som en oljebrønn – et nytt registreringssystem. Hvis landskapet er fragmentert, fullt av etablerte aktører og avhengige av mennesker for å flytte arbeid mellom systemer, ser muligheten ut som en pipeline – et automatiseringslag på toppen. Selskapene som holder ut er de som leser markedet riktig og bygger alt rundt det.

«Jeg tror den riktige måten å tenke på stiftelseslaboratorier på er at de er som filmstudioer.» Hver modell er en blockbuster: stort budsjett, kort levetid, deretter oppfølgeren. Og franchisenavnet består. med @benscharfstein, Scale AI