Interkom pada Produk: Strategi produk di era AI

Saat startup baru yang berbasis AI dan raksasa industri menavigasi revolusi AI, lanskap produk sedang mengalami transformasi besar. Dapatkah dunia usaha memanfaatkan potensi kekuatan disruptif ini untuk mendorong inovasi dan berkembang di pasar yang kompetitif saat ini?

Dalam beberapa tahun terakhir, dan khususnya sejak peluncuran ChatGPT pada bulan November lalu, kita telah menyaksikan ledakan AI generatif yang telah melampaui batas kreativitas dan inovasi – dan juga mulai menjungkirbalikkan industri dengan cara yang hampir tidak pernah kita bayangkan. Mulai dari teks hingga audio dan gambar, kemampuan AI terbaru ini telah memicu generasi baru startup berbasis AI dengan alur kerja yang sepenuhnya didukung oleh AI, dan menginspirasi banyak perusahaan rintisan lainnya untuk mengembangkan atau mengadopsi fitur dan produk yang didukung AI.

Aplikasinya tidak terbatas – UX, UI, pembuatan konten, analisis data, layanan pelanggan, pencarian calon pelanggan, otomatisasi pemasaran, apa saja. Kini setelah gelombang pertama permasalahan telah mereda, inilah saat yang tepat untuk merenungkan apa arti perubahan ini bagi strategi produk dan pemimpin produk. Baik Anda seorang manajer produk, pakar domain dengan pengalaman puluhan tahun, atau pendiri startup baru, masa-masa ini tidak hanya membawa tantangan baru tetapi juga peluang yang mengubah permainan. Akankah AI membantu manusia meningkatkan produktivitas mereka dan berekspansi ke pasar baru, atau akankah AI membuat peran-peran tertentu menjadi ketinggalan jaman? Akankah startup yang dilengkapi dengan pendekatan AI yang inovatif berhasil mendobrak kategori-kategori yang sudah ada? Dan akankah petahana mampu mengikuti laju inovasi yang tiada henti?

Dalam episode Intercom on Product hari ini, saya duduk bersama Paul Adams, Chief Product Officer kami, untuk membicarakan strategi produk di era AI.

Berikut adalah beberapa poin penting:

• Untuk benar-benar mendisrupsi kategori dengan AI, startup harus mempertimbangkan apakah produk atau fitur mereka menawarkan sudut serangan unik yang tidak mudah ditiru oleh perusahaan lama.
• Meskipun AI dapat menyederhanakan tugas-tugas dalam kategori SaaS seperti penjualan dan layanan pelanggan, sehingga menawarkan keringanan dari pekerjaan yang berulang, dampaknya terhadap manajemen proyek lebih beragam.
• Seiring dengan kemajuan kemampuan AI, orang mungkin akan lebih nyaman mengandalkan AI untuk tugas-tugas yang tidak hanya melibatkan analisis tetapi juga penilaian – meskipun masih memerlukan pengawasan manusia.
• Saat mempertimbangkan kemampuan baru seperti AI, manajer produk harus fokus pada bagaimana mereka dapat memperluas basis pengguna, meningkatkan kemampuan pengguna, atau menghilangkan tugas sama sekali.
• Baik Anda adalah perusahaan rintisan atau perusahaan mapan, inilah saat yang tepat untuk memoles ide di balik Dilema Inovator .

Jika Anda menikmati diskusi kami, lihat episode podcast kami lainnya. Anda dapat mengikuti di Apple Podcasts, Spotify, YouTube atau mengambil RSS feed di pemutar pilihan Anda. Berikut ini adalah transkrip episode yang telah diedit dengan ringan.

Taruhan peternakan

Paul Adams: Hai semuanya, selamat datang di Interkom di Produk. Saya Paul Adams, dan bersama saya hari ini, seperti biasa, Des.

Des Traynor: Hai Paul. Apa kabarmu?

Paul: Baiklah, hari ini kita akan membahas tentang AI dan strategi produk. Kami akan membicarakan tentang apa artinya hal ini bagi orang-orang dengan berbagai posisi berbeda dalam hal ini. Kami merasa ini saat yang tepat untuk membicarakan hal ini karena gelombang debu pertama telah mereda. Kita telah melihat apa yang bisa dilakukan oleh perusahaan-perusahaan gelombang pertama ini, dan seperti halnya teknologi besar lainnya, pada awalnya masih belum jelas bagaimana semuanya akan berjalan dengan baik. Saat Anda melihat lanskap saat ini, kita melihat orang-orang yang mendukung semua hal, dan mereka seperti, “Bertaruhlah pada lahan pertanian; bertaruh pada perusahaan.” Dan kemudian ada orang-orang yang masih sedikit ragu: “Apakah ini benar-benar masalah besar? Apakah ini lebih merupakan Kool-Aid dari Silicon Valley?” Des, menurutmu kamu berada di bagian mana?

“Ketika Anda melihat beberapa kemampuannya, saya cukup yakin bahwa seluruh industri dan kategori perangkat lunak akan mengalami kemajuan”

Des: Saya pasti ikut. Taruhan pertanian, taruhan perusahaan, taruhan Kool-Aid, pergi ke tetangga Anda, dan taruhan peternakan mereka. Saya pikir ini sangat besar. Saya memahami penyebab skeptisisme karena tampaknya hal ini terjadi pada saat Silicon Valley dan investor sedang menunggu sesuatu yang baru untuk dibicarakan. Namun jika Anda memiliki pengalaman yang diberikan oleh AI saat ini, cukup jelas bahwa sesuatu yang besar sedang terjadi, dan kita masih dalam tahap embrio untuk melihatnya. Seperti yang Anda sebutkan, debunya sudah mengendap. Ini benar-benar gelombang debu pertama. Kami sekarang mulai melihat seluruh perusahaan mendapatkan seri A atau B karena menjadi perusahaan penerapan asli AI.

Saat saya membicarakan hal ini, yang saya maksud bukanlah OpenAI atau Anthropic yang menyediakan AI sebenarnya, namun orang-orang yang membangun seluruh produk alur kerja yang sepenuhnya didukung oleh AI. Misalnya, jika OpenAI dan Anthropic tidak ada, perusahaan ini juga tidak akan ada. Orang-orang sangat mengandalkannya sebagai platform. Jika Anda melihat beberapa kemampuannya, saya yakin bahwa seluruh industri dan kategori perangkat lunak akan mengalami kemajuan.

Paul: Terkadang, di bidang teknologi, kita berbicara tentang peristiwa kepunahan. Teknologi seluler muncul, dan perusahaan-perusahaan yang mengutamakan seluler membunuh perusahaan-perusahaan yang tidak mengutamakan seluler dan tidak dapat beradaptasi. Sebelumnya, hal yang sama terjadi pada perusahaan cloud-first. Apakah menurut Anda ini termasuk peristiwa kepunahan?

Des: Menurut saya di kantong tertentu pastinya. Dan di banyak wilayah lain, jika hal ini bukan merupakan peristiwa kepunahan, maka hal tersebut disebabkan oleh suatu dinamika baru. Di beberapa area ini, katakanlah, dengan server AI terbuka, kekuatan diakses melalui API, seperti, “Hei, rangkum kejadian 5.000 kata ini untuk saya,” kirimkan ke pihak ketiga, dan dapatkan kembali tanggapan. Hal ini tidak sama dengan membangun kembali seluruh perusahaan Anda agar menjadi berbasis iOS. Jadi, sebagai hasilnya, akan ada area perangkat lunak yang menurut saya petahana akan benar-benar memanfaatkannya dan mendapatkan banyak manfaat. Beberapa daerah akan mengalami peristiwa kepunahan, tapi ini tidak seperti asteroid, tidak akan memusnahkan seluruh industri. Saya pikir Anda akan melihat banyak perusahaan besar menjadi lebih besar.

“Jika kita kembali ke tanggal 29 November, ketika kami melihat ChatGPT 3.5, apa yang menjadi jelas, atau setidaknya hal pertama yang kami lihat adalah bahwa hal ini sangat, sangat bagus dalam hal percakapan”

Paulus: Ya. Hal ini jelas terjadi pada ponsel. Google dan Facebook akhirnya menemukan cara untuk melakukannya.

Des: Benar, benar. Mereka menemukan cara untuk melakukannya lebih cepat daripada yang bisa dilakukan siapa pun untuk menjadi hebat dalam, misalnya, penelusuran. Kita akan kembali ke ide rasio ini sebentar lagi, tapi mempelajari Objective-C dan menerapkan antarmuka yang didukung Objective-C atau iOS di ponsel ke mesin pencari yang sangat canggih – ternyata itu adalah bagian tersulit dari semuanya. itu adalah mesin pencari yang sangat kuat. Itu rasio berapa banyak pekerjaan baru yang harus kita lakukan vs. berapa banyak pekerjaan lama yang masih valid? Backend Google masih sangat valid, dan front end mungkin berubah, namun ternyata merayapi seluruh internet bukanlah sesuatu yang dapat dilakukan oleh dua rando dari YC dalam satu malam.

Paul: Mari kita bicara tentang kedua sisi itu. Ada fitur taruhan meja – fitur inti yang dibutuhkan produk dalam kategori tertentu. Lalu ada hal-hal baru yang dapat dilakukan dan teknologi baru yang memungkinkan hal tersebut. Mari kita mulai dengan hal-hal baru yang dapat dilakukan AI. Anda memiliki daftar lengkap hal-hal yang membuat Anda bullish.

Des: Itu benar. Jika kita kembali ke tanggal 29 November, ketika kita melihat ChatGPT 3.5, yang menjadi jelas, atau setidaknya hal pertama yang kita lihat adalah bahwa hal ini sangat, sangat bagus dalam hal percakapan. Ia sangat-sangat baik dalam memahami manusia dan sangat-sangat baik dalam membalas. Dibutuhkan dorongan dan instruksi dengan sangat baik, dan sangat baik dalam penyusunan teks dasar: perluas ini, rangkum itu, ulangi kalimat ini, perbaiki nada itu.

Ia juga sangat, sangat baik dalam melakukan deduksi atau inferensi. Anda dapat memberikan skenario yang rumit dan bertanya, misalnya, “Jika seseorang menderita penyakit jangka panjang di dalam gedung yang terbakar, manakah permasalahan yang lebih besar di sini?” Dan itu berhasil menjawab pertanyaan-pertanyaan itu. Bagi manusia, hal-hal ini terdengar sangat sederhana. Namun membuat mesin benar-benar memahaminya, membuat kesimpulan, dan menyarankan suatu tindakan cukup ampuh. Atau, “Mengingat keadaan proyek ini berdasarkan semua pembaruan yang Anda baca, menurut Anda masalah apa yang paling penting?” Dan itu benar-benar akan melakukan pekerjaan yang sangat baik dalam hal itu. Jadi gagasan penalaran deduktif atau induktif juga cukup kuat.

“Saya pikir orang-orang tidak menyadari betapa hal ini dapat mempengaruhi kehidupan normal Anda”

Dan kita hanya berbicara tentang domain teks. Kami melihat DALL-E dan DALL-E2 memiliki kemampuan untuk merender gambar dengan sepotong teks, dan hasilnya menjadi sangat bagus. Sekarang, hal-hal Midjourney terbaru sungguh menakjubkan.

Orang sering bertanya, mengapa hal itu bermanfaat? Ada banyak skenario di mana orang tidak kreatif, namun mereka tahu apa yang mereka inginkan. Jadi, saya ingin mengirim email ini, dan saya ingin email ini dikirim dalam font tipis tipis dengan latar belakang bertekstur gelap. Dan itu bisa memberi Anda 27 versi di layar. Tiba-tiba orang yang tidak bisa berkesenian bisa berkesenian, bukan?

Mampu menghasilkan citra tidak bisa diendus. Banyak dari hal-hal ini yang ditandai dengan kasus penggunaan yang lucu, “Tunjukkan kepada saya sebuah burger keju memakan sebuah planet,” dan hal itu berhasil dengan sangat baik. Tapi saya jamin, “Beri saya latar belakang header yang sangat bagus untuk situs web baru saya” akan menjadi fitur keren di Squarespace atau Wix atau semacamnya.

Kami punya suara. Hal ini telah terjadi. Ada kemampuan untuk mengurai suara – transkripsi audio real-time. Dan itu juga bisa menghasilkan suara. Itulah terobosan terbaru dalam AI. Jadi jika Anda melihat, katakanlah, Synthesia atau Play.ht, Anda bisa menganggapnya sebagai Mission: Impossible . Anda memberinya waktu 90 detik untuk berbicara, dan itu akan membuat Anda terkesan sekilas dalam satu kalimat. Beri waktu satu jam untuk Anda berbicara, dan ia akan mulai memahaminya. Anda pasti bisa lolos begitu saja.

“Anda tidak bisa memaksa saya untuk menjadi skeptis terhadap AI pada saat ini”

Dan kemudian menghasilkan video. Synthesia melakukan avatar video palsu di mana Anda dapat merekam diri Anda sendiri dan beberapa tingkah laku Anda, dan itu akan membuatnya tampak seperti Anda sedang berbicara. Namun kita akan mampu menghasilkan video penuh dengan cara yang sama seperti kita menghasilkan citra.

Ketika Anda memikirkan tentang semua kategori ini, saya pikir kesalahan yang saya buat pada awalnya, dan banyak orang lakukan pada awalnya, adalah berpikir, “Benar, itu kedengarannya sangat penting. Jika saya bekerja di Adobe, saya harus mengatasi semua ini.”

Saya pikir orang-orang tidak menyadari betapa hal ini dapat menyusup ke dalam kehidupan normal Anda. Teknologi suara ini benar-benar dapat menjadi sesuatu yang akan menggerakkan masa depan perpesanan atau masa depan interaksi produk, di mana Anda hanya berbicara dengan produk Anda saat Anda sedang mengemudi atau apa pun. Semua itu sekarang mungkin terjadi. Demikian pula, gambaran tersebut bukan sekadar “hot dog pemakan planet”. Itu benar-benar dapat mendesain seluruh latar belakang dan menguliti ulang produk yang saya gunakan agar terlihat lebih cantik.

Saya dapat melanjutkan dengan hal-hal keren lainnya yang sekarang mungkin dilakukan. Namun ketika saya melihat bobot kolektif dari semua potensi tersebut, dan memikirkan penerapannya pada domain perangkat lunak tertentu, pada kreativitas, pada UI, pada cara manusia berinteraksi dengan orang lain, pada pekerjaan apa yang dapat diotomatisasi, dan pada bagian mana dari potensi tersebut. pekerjaan bisa diotomatisasi, Anda tidak bisa menekan saya untuk menjadi skeptis terhadap AI pada saat ini. Itu tidak mungkin. Ini seperti mencoba melawan arus. Sangat jelas bagi saya bahwa transformasi besar-besaran akan terjadi, dan sebaiknya Anda berada di pihak yang benar.

Menghadapi raksasa

Paul: Maksudku, aku juga di sana. Dalam beberapa hal yang Anda katakan di sana, seperti pencitraan, misalnya, seluruh industri periklanan mungkin akan terbalik. Tentu saja jika Anda bekerja di agensi kreatif atau media. Saya tahu orang-orang yang bekerja di agensi kreatif sudah menggunakan AI untuk menghasilkan semua atau sebagian besar karyanya.

Mari kita bicara tentang sisi lainnya. Anda menyebutkan beberapa startup yang belum pernah saya dengar sebelumnya. Itu hanya ledakan. Saya rasa tidak ada orang yang mampu mengikuti semua hal baru yang dibangun berdasarkan teknologi generasi baru ini. Sementara itu, Anda memiliki perusahaan-perusahaan besar, dengan pendapatan ratusan juta dolar, yang telah membangun bisnis selama satu atau dua dekade. Pada masa-masa awal Interkom, kami agak naif. Kami datang seperti “startup panas yang mengambil alih petahana”, pola pikir tipe pembunuh raksasa.

Des: “Kami akan membunuh Salesforce.”

Paul: Ya, benar, pembunuh raksasa, bukan? Kemudian Anda menyadari, “Oh.” Di area seperti pelaporan dan sebagainya, Anda seperti, “Oh, ini adalah hal yang besar dan mendalam.”

Des: Ya. Orang-orang ini besar karena suatu alasan.

“Anda benar-benar harus mengatakan, 'Hei, saya pikir jika kawasan ini dibangun lagi hari ini, Anda akan melakukannya dengan cara yang berbeda'”

Paul: Diperlukan pengembangan produk selama bertahun-tahun hanya untuk mendapatkan taruhannya. Menurut Anda, bagaimana seharusnya perusahaan memikirkan hal ini?

Des: Saya pikir Anda bisa melihat ini dari kedua sisi. Katakanlah Anda adalah startup yang suka berkelahi, dan Anda sedang memilih musuh. Jika Anda berkata, “Ayo kita berangkat setelah Hari Kerja,” berapakah sudut serangan pada Hari Kerja yang diizinkan oleh AI? Nah, Anda lihat semua kemampuan yang kami miliki. Anda dapat mencoba dan menghasilkan tinjauan kinerja dan mencoba menguraikan hal-hal semacam itu.

Namun pada akhirnya, katakanlah Anda menemukan beberapa contoh di mana Anda dapat menambahkan sedikit keajaiban AI untuk menyederhanakan alur kerja yang ada. Saya rasa siapa pun yang pernah menggunakan Workday harus mengakui… Saya rasa tidak ada orang yang peduli dengan kompleksitas alur kerja di dalam perusahaan tersebut. Itu bukan ROI mereka. Itu bukan alasan orang membeli Workday.

Alasan orang membeli Workday, menurut saya, karena ini adalah ERP terbesar yang dapat Anda bayangkan. Mereka memiliki tim penjualan perusahaan yang besar. Mereka telah membangun merek besar, “Kami adalah bos terakhir dalam hal sistem HRIS”, dan itulah yang mereka pedulikan.

Paul: Dan kemampuan konfigurasi yang hampir tak terbatas.

Des: Ya. Pertanyaannya kemudian, jika Anda membangun kembali semua ini di era AI, apa yang akan berubah? Jika orang membeli konfigurasi yang ekstrim, tidak jelas bagi saya bahwa sudut serangannya ada. Saya pikir orang-orang membeli WYSIWYG yang dimuliakan ke dalam database di mana mereka dapat menghubungkan sesuatu dengan sesuatu melalui hubungan manajer dan berkata, “Sesuatu memiliki laporan; benda itu mempunyai alamat rumah; benda itu punya gaji.” Saya rasa hal tersebut tidak akan berubah secara besar-besaran dalam waktu dekat. Anda bisa mendapatkan Hari Kerja yang jauh lebih indah dengan dukungan AI. Saya hanya berpikir tidak akan ada orang yang peduli. Anda akan bertarung dengan startup seri A atau B lain yang mungkin lebih matang dari Anda.

“AI Anda mungkin luar biasa dalam mendeteksi penipuan, bahkan lebih baik daripada AI Stripe dalam mendeteksi penipuan, namun mungkin itu hanya 15% dari keseluruhan teka-teki”

Namun sebagai contoh yang lebih menarik, jika Anda dan saya berkata, “Hei, kami akan menghentikan Stripe, namun kami akan menggunakan AI.” Pekerjaan pertama, Anda mulai mengerjakan AI, saya akan tetap mengenakan setelan jas dan bertemu dengan tujuh bank serta Visa dan MasterCard untuk melihat apakah saya bisa mendapatkan izin untuk menagih kartu kredit. Itulah tugas sebenarnya. Lalu, bagaimana caranya membangun brand yang dipercaya masyarakat? Ya, AI Anda mungkin luar biasa dalam mendeteksi penipuan, bahkan lebih baik daripada AI Stripe dalam mendeteksi penipuan, dan AI Anda mungkin luar biasa dalam mendeteksi titik harga optimal yang tepat untuk perusahaan SaaS B2B. Tapi itu mungkin 15% dari teka-tekinya. 85% teka-teki lainnya adalah saat saya 10 tahun berada di belakang Stripe, yang mengejar bank.

Jika Anda seorang startup, Anda harus percaya pada hal-hal berikut. Pertama, jika Anda membangun seluruh kategori produk ini dari awal, dengan mempertimbangkan apa yang mungkin dilakukan dengan revolusi AI, apakah Anda akan melakukannya dengan cara yang jauh berbeda? Seberapa besar teknologi produk lama yang masih relevan di masa depan? Kalau jumlahnya sangat-sangat kecil, mungkin sistem loginnya dan sebagainya, ya, ada darah di dalam air. Pergi.

Namun, jika kita menggunakan, katakanlah, MailChimp, dan kita akan menggunakan AI untuk menulis email dan menata catatan, itu bagus. Kebanyakan orang menyukai MailChimp karena mereka memiliki tingkat keterkiriman yang sangat tinggi atau analitik buletin email dan manajemen daftar dan manajemen langganan, dan mereka memiliki deteksi spam dan sejenisnya. Anda harus membangun semua itu. Dan saat Anda membangun semua itu – katakanlah itu adalah pekerjaan selama 30 bulan – MailChimp mungkin akan memikirkan cara membangun fitur AI kecil Anda. Maka Anda memiliki apa yang mereka miliki, namun mereka masih memiliki merek yang jauh lebih matang dan terkenal. Satu-satunya pembeda besar yang Anda bawa ke pesta, kini mereka miliki. Hal ini terutama berlaku jika mesin inti diferensiasi sebenarnya berada di ujung lain dari panggilan API OpenAI. Karena di dunia itu, saya yakin mereka juga akan melakukan petunjuknya. Itulah sudut permulaannya. Anda benar-benar harus berkata, “Hei, menurut saya jika kawasan ini dibangun lagi hari ini, Anda akan melakukannya dengan cara yang berbeda secara mendasar.”

“Mungkin AI belajar, jadi untuk membenarkan nilainya, AI sesekali memberikan PDF kepada Anda untuk membuat Anda merasa seperti sedang melakukan pekerjaan Anda”

Saya akan memberi Anda sebuah contoh. Ada banyak produk yang Anda sambungkan ke semua platform periklanan Anda yang berbeda. Mereka menampung semua inventaris periklanan pusat Anda dan menjalankan analisis. Mereka akan memberi tahu Anda hal-hal seperti, “Hai, iklan kami yang paling efektif adalah yang berikut ini, dan kami akan menjalankan pengujian A/B antara iklan ini dan iklan tersebut.” Anda dapat masuk dan mengonfigurasi serta mengubah dan mengunggah ulang versi baru dan hal-hal semacam itu. Kemudian Anda dapat melihat bagan dan dasbor untuk menunjukkan kepada atasan Anda yang mengatakan, "Oke, saya melakukan pekerjaan dengan baik di sini." Saya pikir seluruh kategori produk akan dibuat dengan cara yang sangat berbeda saat ini. Idenya adalah meminta AI untuk membuat iklan, menjalankan iklan, mengukur LTV/CAC iklan, menyarankan semua pengujian A/B dan pengujian A/B yang berbeda, dan mengoptimalkan iklan per saluran per orang. Itu hanya akan menjalankan semua itu di latar belakang.

Ketika saya memikirkan produk seperti itu, saya bahkan tidak tahu apa antarmukanya. Ini bisa jadi salah satu skrip shell yang baru saja Anda jalankan dan tidak pernah benar-benar melihat apa yang terjadi di latar belakang. Anda hanya percaya pada tuan bahwa uang akan mulai masuk. Mungkin AI belajar, jadi untuk membenarkan nilainya, ia sesekali memberikan PDF kepada Anda untuk membuat Anda merasa seperti sedang melakukan pekerjaan Anda. pekerjaan. Namun dengan jenis kategori produk yang seperti “membuat, mengoptimalkan, mengeksplorasi, mengeksploitasi, mengulangi”, semua tugas tersebut dapat dilakukan secara individual.

Jika saat ini Anda duduk di salah satu perusahaan tersebut dan berkata, “Oh, sial, mungkin Des ada benarnya,” godaannya adalah untuk mengatakan, “Baiklah, mari kita lakukan salah satu saja.” Namun kenyataannya adalah masa depan akan menentukan semuanya, dan semuanya akan terjalin menjadi satu. Anda akan meyakinkan diri sendiri bahwa, “Hei, pastinya tidak ada yang akan mengotomatiskan semua ini.” Namun ketika Anda melihat betapa bagusnya alasan GPT-4, tidak jelas bagi saya mengapa manusia ingin masuk ke sini setiap hari dan melihat daftarnya lalu melihat nomor berkedip merah dan berkata, “Ayo matikan iklan itu , ” atau “Mari kita buat 10 versi yang berwarna hijau terang ini karena sepertinya sangat bagus.” Semua keputusan tersebut dapat dibuat oleh AI. Saya rasa ini adalah contoh peluang startup besar yang layak untuk dikejar.

Siap untuk transformasi

Paul: Ada beberapa pertanyaan bagus untuk sebuah startup, misalnya, untuk memahami dengan jelas bisnis sebenarnya yang ingin mereka serang dan apa yang menjadi perhatian dan nilai pelanggan. Apakah ini jenis hal front-end, yang lebih mudah untuk kita lihat, kenali, dan pikirkan? Atau sebenarnya, dalam kasus Workday, hal-hal backend? Atau, dalam kasus Stripe, peraturannya atau pengacaranya? Saya pikir itu adalah pertanyaan bagus yang telah Anda dan saya bicarakan dan sangat berguna bagi perusahaan besar untuk memikirkan apakah mereka memiliki peluang untuk diserang secara sah oleh sebuah startup atau tidak.

Namun sebelum itu, Anda telah menyinggung beberapa kategori berbeda, dan menurut saya ada beberapa kategori yang harus kita lalui karena hal-hal tersebut membuat saya yakin, dan saya yakin bagi orang lain juga, bagaimana segala sesuatunya bisa berubah. Misalnya Anda menyebutkan hal-hal multimedia seperti video dan suara dan lain sebagainya. Namun, dengan SaaS, ada banyak kategori – alat penjualan, alat manajemen proyek, pelaporan. Mari kita mulai dengan penjualan. Saat ini, banyak perusahaan mempekerjakan tenaga penjualan dan menghabiskan banyak uang untuk melatih mereka. Menurut Anda bagaimana hal itu akan berubah?

“Melihat daftarnya – AI dapat melakukannya. Pimpin yang mencetak daftar – AI dapat melakukannya. Mengirim email kepada orang-orang ini – AI dapat melakukannya. Menargetkan testimonial, kasus penggunaan, dan presentasi penjualan spesifik kepada orang di industri ini – AI dapat melakukannya”

Des: Setiap aspek, menurut saya, rentan terhadap perubahan signifikan. Pelatihan tenaga penjualan sekarang dapat berupa AI langsung dalam panggilan yang memberikan pembaruan waktu nyata tentang, “Hei, mereka bertanya tentang harga. Ini harganya,” dan, “Hei, mereka bertanya tentang ini. Berikut slidenya. Berikut video yang akan diputar. Inilah pelanggan untuk referensi. Berikut testimoninya.” Semua pelatihan Anda akan lebih bersifat in-ear dibandingkan, "Setelah panggilan telepon ini, Johnny, kami akan duduk dan berbicara dengan Anda tentang semua hal yang seharusnya Anda katakan." Saat ini, lebih banyak hal yang terjadi. Itu hanya pelatihan. Itu sebelum kami sampai ke meja Anda.

Salah satu peran penjualan adalah pencarian calon pelanggan. Ada daftarnya, kita akan memeriksa daftar ini, mencoba menemukan orang-orang yang kredibel, mencoba dan melakukan kontak dengan mereka – menelepon mereka, mengirim email kepada mereka, atau mungkin menargetkan iklan ke alamat email spesifik mereka, jadi mudah-mudahan, kita bisa ikuti mereka di internet. Saya belum mengatakan satu hal pun yang perlu dilakukan manusia. Lihat daftar ini – AI bisa melakukannya. Skor prospek pada daftar ini – AI dapat melakukannya, baik secara langsung atau dengan memasukkan API ke ZoomInfo dan mendapatkan kembali skor prospek. Kirimkan email kepada orang-orang ini – AI dapat melakukannya. Hubungi orang-orang ini – AI dapat melakukannya. Targetkan testimonial spesifik, kasus penggunaan, dan dek penjualan khusus untuk orang ini di industri ini – AI dapat melakukannya.

Itu salah satu contohnya. Ada perusahaan seperti Regie.ai dan Nooks yang melihat titik nilai spesifik nyata dalam alur kerja penjualan dan berkata, “Baiklah, buat garis batas untuk hal ini. Kami bisa melakukan semua itu.” Dan omong-omong, ini adalah berita bagus bagi tenaga penjualan. Banyak pekerjaan berat yang tidak terdiferensiasi akan dihilangkan, dan jalan setiap orang untuk menjadi apa yang mereka inginkan, yang, menurut saya, adalah pemimpin penjualan senior atau perwakilan penjualan senior yang menangani kesepakatan lebih tinggi dengan nilai lebih tinggi, hampir seperti kami telah mengambil banyak kursus pelatihan dan berkata, "Hei, ternyata tidak ada lagi yang perlu melakukan hal seperti itu lagi, jadi mari kita langsung masukkan Anda ke dalam mixer."

Paul: Ada dua kategori hal. Salah satunya adalah bagi sebagian orang, seperti penjualan – ini sama saja dengan pekerjaan menjual, namun AI akan membuat pekerjaan tersebut jauh lebih mudah.

Des: Dan lebih menyenangkan juga.

Paul: Dan pastinya lebih menyenangkan. Kategori lainnya adalah kemungkinan terjadinya perubahan pekerjaan. Manajemen proyek adalah kategori lain di mana pekerjaan masyarakat mungkin akan berubah karena AI.

Des: Menurutku begitu. Manajemen proyek cukup bernuansa. Saya pikir ini adalah area di mana Anda melihat banyak AI diterapkan, dan sebagian besarnya adalah apa yang saya sebut AI gaya bumbu. Ini seperti garam dan merica. Ini bukan hidangannya – ini hanya sedikit kotoran lucu di atasnya. Tapi saya khawatir dengan keseluruhan “tulis kalimat pertama dari pembaruan status dan tekan tab untuk memperluas,” yang seperti, “Saya pikir proyek ini berjalan sesuai rencana,” tab, “Tetapi risiko berikut tetap ada.” Saya lebih suka hal itu benar-benar keluar dari pikiran Anda daripada menyimpulkan GPT karena saya ingin Anda memikirkannya. Anda mencantumkan nama Anda di dalamnya sebenarnya memberi tahu saya bahwa Anda secara profesional berpikir saya akan membayar Anda untuk memahami hal-hal ini. Jadi saya sedikit khawatir bahwa terkadang Anda mungkin terlalu sering menggunakan area ini.

“Daripada login setiap hari, Anda hanya akan diberi tahu jika ada masalah: `Mengapa proyek ini terlambat?'”

Pikirkan tentang sesuatu seperti Asana atau Jira atau Basecamp, dan katakan, “Bagaimana AI dapat membantu?” Sekali lagi, pertanyaannya kembali pada, “Beri tahu saya apa yang terjadi dalam proyek ini.” Saya pikir AI bisa melakukan itu. Pada dasarnya Anda dapat meminta GPT-4 untuk mengatakan, “Baca semua topik terbaru, tambahkan ke pengetahuan terbaru Anda, dan lihat perbedaan semantik yang akan diperhatikan oleh seorang eksekutif terhadap status proyek ini dan apakah proyek tersebut masih berjalan, dan kirimkan itu padaku setiap hari sebagai pesan Slack.”

Dan sekali lagi, kami beralih dari UI menjadi sekedar dorongan versus tarikan. Daripada masuk setiap hari, Anda hanya akan diberi tahu jika ada yang tidak beres. “Temukan akar penyebab semua masalah ini. Mengapa proyek ini terlambat?” Mungkin hal-hal lain seperti, “Siapa yang paling berkontribusi pada proyek ini dalam hal pengambilan keputusan konkrit? Apa alasan terbesar proyek ini terlambat?” Ada banyak hal di sana yang benar-benar dapat berubah di mana menurut saya alur kerja saat ini untuk mencoba menyelesaikan masalah ini adalah jujur, dan Anda mungkin harus melakukan ini sesekali, untuk duduk dan membaca empat dokumen Google dan tiga postingan Basecamp atau apa pun untuk mencoba mencari tahu apa yang terjadi ketika Anda pergi.

“Secara pribadi, saya sedikit alergi terhadap 'tab untuk menyelesaikan paragraf besar dalam penulisan dan penilaian' karena saya lebih suka jika itu benar-benar berasal dari otak seseorang”

Paul: Itu bahkan tidak masalah bagiku. Kamu tahu? Banyak hal telah terjadi, keputusan telah dibuat, kami baik-baik saja dengan keputusan tersebut, dan konteksnya sebenarnya tidak diperlukan.

Des: Ya, ya, sepenuhnya. Namun terkadang Anda hampir hanya mencari-cari keputusan, bukan? Bayangkan sebuah dunia di mana Anda dapat masuk dan berkata, “Saya masuk ke Basecamp hari ini karena saya perlu berolahraga apakah kita berada di jalur yang tepat untuk tanggal 11 Agustus atau apa pun. Jelas, kami tidak berada di jalur yang tepat, mengingat ini sudah hampir tanggal 31. Mampu mencapai tingkat, "Inilah hal yang ingin saya ketahui dan kata-katanya tidak terlalu penting," bisa menjadi hal yang sangat ampuh. Saya belum melihat hal itu dilakukan dengan baik, namun saya menduga hal itu akan terjadi. Sifat alat PM akan berubah dari sudut pandang tersebut. Mengidentifikasi sumber konflik dan hal-hal seperti, “Hei, Paul sudah menyelesaikan tujuh hal ini, dan dia sebenarnya sudah dipesan untuk berada di sini,” juga bisa sangat berguna. Jadi menurut saya, secara umum, alat PM sudah matang untuk itu, tapi secara pribadi, saya sedikit alergi terhadap "tab untuk menyelesaikan paragraf besar penulisan dan penilaian" karena saya lebih suka jika itu benar-benar berasal dari otak seseorang, di setidaknya saat ini.

AI yang mengambil keputusan

Paul: Yang lainnya adalah alat pelaporan dan pelaporan. Misalnya, kami di Intercom telah menghabiskan sebagian besar dekade ini untuk membuat pelaporan mendalam – mengedit laporan, membuat laporan, segala macam hal umum dari sudut pandang kasar seperti membuat-

Des: Buat portofolio baru, perbarui, ubah filter, kategorikan-

Paul: Dan semakin banyak yang kami bangun dan semakin banyak riset yang kami lakukan dengan pelanggan, semakin banyak yang kami pelajari, dan masih banyak lagi yang perlu kami bangun.

Des: Ini adalah cerita yang tidak pernah berakhir.

Paul: Lebih banyak konfigurasi, lebih banyak penyesuaian, dan sebagainya. Namun sekarang, Anda menyadari bahwa AI mungkin bisa melakukan banyak hal tersebut, dan kita tidak perlu membuat semua hal tersebut atau menggunakannya jika sudah dibuat, dan kita berada pada posisi di mana kita masih membuat pelaporan. fitur-fiturnya, namun juga bertanya-tanya, “Haruskah kita juga menciptakan kebutuhan agar pelanggan kita tidak pernah menggunakannya?” Dan sebagai gantinya, sediakan semacam kolom tempat mereka mengetikkan pertanyaan, seperti, “Apakah LTV naik atau turun?” “Apakah volume dukungan pelanggan saya turun?” “Hari apa yang paling sibuk minggu ini?” Itu semua UI berbasis obrolan. AI jelas akan pandai dalam hal itu. Saya rasa teknologi ini akan melakukan hal-hal seperti mengungkap korelasi dalam data yang tidak akan pernah dilakukan manusia semata-mata karena ada begitu banyak data.

“Banyak orang hanya merasa nyaman dengan AI sebagai hewan peliharaan… Kita harus merasa lebih nyaman dengan AI sebagai teman”

Des: Dan itu jauh lebih kuat dari siapa pun.

Paulus: Ya, tepatnya. Dan itu bisa melakukan lebih banyak hal. Sebelumnya, saya telah mengatakan kepada Anda bahwa menurut saya peran manusia mungkin bukan pada menggali data dan analisis, melainkan pada penilaian. Biasanya melakukan analisis, menerapkan penilaian manusia, lalu mengambil keputusan. Dan menurut saya manusia akan menjauh dari bagian analisis. AI akan melakukan hal tersebut, dan mereka akan menerapkan pertimbangan untuk mengambil keputusan. Namun Anda mengatakan, dan saya setuju, bahwa AI juga akan mengambil keputusan. Bisakah Anda menjelaskannya sedikit?

Des: Ya, tentu saja. Saya salah paham, tapi ada seorang psikolog pendidikan bernama Benjamin Bloom yang mencoba menjelaskan bagaimana Anda mengenal suatu bidang, dan dia memiliki hal yang disebut " Taksonomi Tujuan Pendidikan Bloom ". Dan yang paling, sangat, sangat rendah adalah penarikan kembali. Jenis hal “dapatkah Anda mendaftar ke 26 kabupaten di Irlandia”. Tidak ada kedalamannya. Dan yang paling, sangat, sangat tinggi adalah sintesis, “Bisakah Anda membuat barang baru berdasarkan barang yang sudah ada?”

Jadi, itu berjalan seperti mengingat, mengenali, memahami, menganalisis, dan mensintesis. Saya melewatkan satu atau dua di sana, dan kami akan memasukkan diagram yang lebih baik di catatan acara. Saya pikir banyak orang hanya merasa nyaman dengan AI sebagai hewan peliharaan di rumah. Mereka menyukainya di kelas bawah. Itu keren sama seperti orang keren dengan koreksi kesalahan ketik. Namun kita harus merasa lebih nyaman dengan AI sebagai rekannya. Saya pikir AI akan dapat menerapkan penilaian karena meskipun Anda menggunakan bot kami sendiri, Fin, sebagian besar yang dilakukan Fin adalah “mengingat ini, jawab itu.”

“Tidak jelas bagi saya di mana kemampuan AI berhenti. Yang jelas adalah ada tingkat kenyamanan manusia dalam hal, 'Anda bisa berbuat sejauh itu, tapi saya harus menjadi orang yang memperbaikinya'”

Rewind.ai adalah pelanggan Fin. Saya adalah pengguna Putar Ulang. Ini adalah produk yang luar biasa. Rewind melakukan hal ini ketika ia ingin merekam setiap pertemuan, dan saya tidak ingin melakukan itu. Jadi, saya mencoba menonaktifkan pop-up ini dan mencari bantuan Rewind. Saya berkata, “Bagaimana cara menonaktifkan pop-up?” Dan Fin berkata, “Oh, begini cara melakukannya.” Dan itu menghubungkan sebuah artikel yang tidak pernah secara langsung mengatakan, “Untuk menonaktifkan pop-up ini, berikut cara melakukannya.” Artikel tersebut berisi kalimat seperti, “Jika Anda ingin mengaktifkan fitur ini, buka di sini untuk melakukannya.” Ngomong-ngomong, saat Anda melakukannya, itu tidak akan selalu aktif. Ini akan muncul setiap saat. Dan Fin menyimpulkan, setelah membaca artikel itu, bahwa jika itu masalahnya dan itu adalah preferensinya, maka itu pasti ada di layar ini. Dan itu pada dasarnya memberi saya jawaban yang sempurna. Dan ini saya gunakan bukan untuk mempromosikan Fin, melainkan hanya sebagai contoh deduksi atau penilaian dan saran saja. Cukup percaya diri untuk memberi tahu saya bahwa itulah jawabannya. Ini adalah contoh sederhana di mana tidak ada seorang pun di Rewind yang harus menuliskan jawaban itu. Fin berhasil menyelesaikannya.

Dalam hal pelaporan, bayangkan kita bertanya, “Tunjukkan kepada saya perwakilan CS mana yang mendapatkan skor tertinggi,” yang merupakan pertanyaan yang cukup sederhana. Kemudian Anda dapat mengatakan, “Tunjukkan kepada saya topik apa yang berkorelasi dengan skor tertinggi,” yang mungkin cukup sederhana, dan kemudian Anda dapat mengatakan, “Tunjukkan kepada saya perwakilan CS mana yang cenderung memiliki kinerja terendah pada topik mana,” dan mungkin itu bisa jadi where you have better training courses, and then you could say, “Prioritize that list and suggest the type of training they should do,” and, “Mail those people and tell them to go on that training.” All of that is judgment in a sense. It's not clear to me where the AI stops in its capability. What is clear is that there's a human comfort level in terms of, “You can go that far, but I need to be the person who fixes this.” Do you know the old Dilbert cartoon of the pointy-haired boss who likes to feel important, so he wants to be the person who presses the launch button? A lot of our first pass attempts at using AI will be like that. They'll be like, “Well, hang on a second. All that low-level shit can go away, but I still need to be here for the important stuff.”

“What you can imagine might happen is all the work up to the last step of the marathon might be done by AI, and then a human comes in and goes, 'Yep, click'”

There's some dark, futuristic cartoon where there are a load of humans on a factory floor, they're all there to do certain things, and there's a button on a switch they can click in case anything's ever gone wrong. And then, on the other side of the wall, those things aren't wired up to anything. It's just there to make the humans feel important. We give them a sense that they're part of this process as well. I think we're going to see that bar creep up and up and up, especially given that the reality is it tends to be pretty right, it tends to be quite accessible and probably works 365, 24/7. I think you're going to see what people define as judgment creep up and up and up.

The stuff where it gets more funky is AI is not perfect. Neither are humans, but AI is not perfect. And there are some decisions where you're like, “Right, let's not launch the email campaign without a human eyeballing it.” Totally valid. So, what you can imagine might happen is all the work up to the last step of the marathon might be done by AI, and then a human comes in and goes, “Yep, click.” Itu masuk akal. That's just logical.

Paul: We're talking about analysis to synthesis, and there's judgment and making decisions. And humans, for sure, will feel the need to control it and hit the red button. And so the decision-making of, “Do we or don't we hit the red button,” is left to us. How far away do you think we are from really great software tools that are excellent at judgment and pushing us to go, “Maybe they should make the decision.”

Des: Do you know the RBAC features we've built in Intercom, role-based access controls? I think it's going to be like that. I think we're going to be building preference dialogues into Intercom and other tools where it basically says you'll have a lot of settings that begin with, “Allow the AI to…” You could imagine allowing AI to reply or request CSAT scores, allowing AI to ping my own support team when CSAT scores are dropping… All the way up to slightly bigger things like allowing AI to post a job opening on Indeed.com because we're clearly understaffed. There's a spectrum. What are the things humans would do there, and what type of workflow, almost like an “if this, then that,” do you play out? That's basically how I think we're going to end up.

“When people tell me we're never going to do X with AI, I'm like, 'Mate, I've done this rodeo many times, and I'm telling you, you probably will'”

How long before we see this? I think there won't be some watershed moment where it's like, “It's here.” What might happen is we sit down next year, and the next conversation we have might be whether the AI should be sending suggested next steps. We're past discussing correlation. Kapal itu telah berlayar. I think this conversation would be the continuous incremental creep of what we believe to be possible and what we're comfortable with.

Paul: Yeah, that makes sense to me, too. History is the best predictor of the future in a lot of these cases. It's a similar pattern with things like the first iPhone, which was very, very basic, and then, with every release, it was slowly maturing-

Des: You're totally right. When I was a Web 2 consultant, our discussion at the time was like, “You'll never do X in the cloud.” “You'll never have a word processor in the cloud. You'll never have a video editing tool in the cloud.” And now you can play Counter-Strike in the cloud. Literally full-on, proper desktop gaming in the cloud, and it's all done through your browser. And similarly, “You'll never do X on a phone. Yeah, phone's good and all that, but you're not really going to…” Whatever the thing is, you've done it. Applying for a mortgage, buying a car. It turns out you do all of these things. So, when people tell me we're never going to do X with AI, I'm like, “Mate, I've done this rodeo many times, and I'm telling you, you probably will.”

Jobs don't change, technologies do

Paul: There are a couple of practical questions I know you've used a lot to talk to our team and our product org to get them to think about how quick this might happen to them and their industry. How can this AI technology be applied to create new features? How can they be applied to make existing features easier, better, and more powerful? Do you want to talk us through that?

Des: The core point I always come back to with all new capabilities, whether it's AI or chatbots or messaging is, what is a product? A product is usually a platform of features that let a user get a certain job or a certain set of jobs done. The questions you ask yourself as a product manager or product leader are, “Given the technologies available, what is the best way our users can get this done right?” It's the Jobs-to-be-Done idea, which is fixated on this: jobs don't change, technologies change. The solutions change, but the job is the same.

“Tools for narrow markets that require specialism become tools for general markets”

Generally, with these things, you're trying to make it so that more people can do the job. A great example of that is Equals, the spreadsheet company. Let's say I don't know Excel functions, but I do know what I want out of them. I want to see the average growth rate of this startup over the last six months if you exclude organic traffic. I don't know how to do that, but I can write it into a box, Equals will work out what I mean, and it'll write up the formula for me. I don't know if the formula is right, but it seems to be most of the time. Or if it's wrong, it's so egregiously wrong that it's not a problem because I can correct it. That's a great example where it's made it possible for more people to do the thing.

If your tool involves either arcane languages, complex query stuff, or creativity, as in, “I know I wanted to have a fancy black image, but I don't know how to design this. I'm not a designer,” or, “We want to let all of our English-speaking support staff be able to support all languages in Europe,” AI can probably help. Can AI increase the amount of people who can do the job? Usually, that has a massive impact on your market size. It means more people can use your tool. More people can use Equals than Excel.

Paul: Well, tools for narrow markets that require specialism become tools for general markets.

Des: Yeah, because you change one core thing – the amount of people who know what they want to do and the amount of people who can do it are now the same thing. Itu sangat besar. AI and all of this technology make it so that more people can use your product, ultimately. Chat UI is a huge part of that.

Another one is helping people increase the power of their work. The analogy here would be like a crane. If I jump into a crane, I am now much stronger than before. I can move stuff at a far greater rate. It's still me doing the work, but now I'm lifting heavier stuff than I was capable of. Similarly, if a human can summarize one conversation at a time, can AI summarize one million conversations at a time? You mentioned looking at correlation across all data sets, and a human can do that one by one. AI does not need to act one by one. By increasing the capability of the human, the scope of their impact is far greater.

“What are new things that people can do? What are the things that are the 10x of human capability? What are the things where you can remove entire chunks of work?”

Paul: The crane is a great example. You're saying one guy gets in the crane and lifts the volume of things 80 people would have had to do manually. What are the things that lots of people are required to do where AI could make it so that one person overseeing it can do it or it can do it by itself?

Des: Absolutely. For example, Fin Snippets in Intercom is when one person answers a question properly, Fin will say, “Hey, is that the right answer? Because if it is, I'll take it from here.” And that's one person effectively doing the work of all future people for the future. It is a type of crane.

And then, the third category you have to look out for is, nearly ironically, the one people tend to overlook. There are things we can get rid of entirely. It's not even a dude in the crane anymore – we've taken away the need for that in its entirety.

If you recall, say, the advertising example I talked about earlier, where Johnny logs in every day to look at all the various charts and tables, there's definitely an argument where you just don't need that done at all. You just assume, from this point onwards, in the same way you assume that electricity works in your building, you assume that the ads are optimized. Or if they're not optimized, they're getting optimized, and there's nothing you need to do about it.

So yeah, to zoom back:

• What are the new capabilities?
• What are new things that people can do?
• What are the things that are the 10x of human capability?
• What are the things where you can expand the addressable market?
• And then, lastly, what are the things where you can remove entire chunks of work?

That's generally how I think you should be thinking about this. This is why I'm not an AI skeptic. I see too many opportunities.

Even in a pretty prescribed domain like customer support, it's just so clear all of the ways in which we could use 10 times the amount of AI and ML people to go after all the many opportunities in the space. Every time I get pinged by, “We're doing AI for a customer support” type startup, I am quite frustrated, because I'm like, that's a brilliant idea. We either have or haven't thought of it, but there's so many brilliant ideas. That's just in one little domain.

Paul: Yeah. That's really good practical advice. We've talked a lot today about how startups should think about entering categories and how AI can disrupt that category or not. On the incumbent side, I worry more about those companies because I'm subject to this myself, at times, where I'm like, “Hang on a minute. We're domain experts. We've been here 10 years doing this. There's no possible way AI could ever know the things we know.”

“It's a good time to reread The Innovator's Dilemma and remind yourself of the true nature of disruption”

Des: Totally.

Paul: Right? Omong kosong. Of course it can, and it will. And the older you get, the stronger the feeling gets. Any last pressing advice for startups, incumbents, or even investors?

Des: It's a good time to reread The Innovator's Dilemma and remind yourself of the true nature of disruption. It has to be a new attack vector that the incumbent businesses can't easily take. And I think a lot of people are going to say that they're going to disrupt industries with AI. If you're ever tempted to say those words at all, do yourself a favor and read even one of the six-pager Harvard Business Review papers on it. Refresh on exactly what it means to be disruptive, whether it's low-end disruptive, the new use-case disruptive, or new market disruptive. Just make sure you know what you're saying.

I think a lot of businesses will build a really cool piece of product, but it'll ultimately end up being unpaid R&D for the much bigger company because they're going to look down and go, “That's clearly the right thing. We should do that.” And that will be it. You might have a cool new way of doing some specific task in accounting, surveys, time tracking, expense tracking, or whatever. You might have a cool little feature dripping in AI, and it might even be get Product Hunt feature of the day. You might have a sexy landing page. I might even tweet about it and say, “Check out this dope shit.” It could be stunning.

Pertanyaannya adalah, apakah sudut serangannya cukup untuk benar-benar mengganggu? Atau akankah seorang insinyur atau desainer utama duduk di Mega Big Corp dan berkata, “Kita mungkin harus menirunya”? Mungkin diperlukan waktu satu tahun, namun pada tahun tersebut, kecil kemungkinan Anda akan mampu membangun platform yang sepenuhnya matang. Itulah tantangannya, dan mungkin tidak apa-apa. Mungkin Anda baik-baik saja dengan berkata, “Hei, kami akan mengejar pasar kelas bawah. Kami sebenarnya tidak harus bersaing dengan Megacorp.” Tidak apa-apa, tapi pastikan Anda membuat semua keputusan itu bersama-sama dan jangan hanya berkata, “Kami akan menghentikan Salesforce karena kami memiliki algoritme penilaian prospek berbasis AI,” atau semacamnya. Salesforce akan mengerjakannya.

Paulus: Itu bagus. Mari kita tinggalkan saja untuk hari ini, dan sampai jumpa mungkin dalam 12 bulan sehingga kita dapat mengetahui apa yang akan terjadi selanjutnya.