AI visker ut selskapet ditt. Slik vinner du.

Kort fortalt

De fleste selskaper snakker om AI som et produktivitetsverktøy. YC-partner Diana Hu sier det er feil tilnærming. Selskapene som overlever det neste tiåret vil ikke bare bruke AI. De vil kjøre på det, slik programvare kjører på et operativsystem. Og startups som bygger slik fra dag én har et forsprang de etablerte aktørene ikke lett kan ta igjen.

AI som operativsystem

Skiftet Diana Hu beskriver handler ikke om å legge AI oppå eksisterende arbeidsflyter. Det handler om å gjøre AI til fundamentet alt annet kjører på.

"Det bør være operativsystemet selskapet ditt kjører på," sier hun. "Enhver arbeidsflyt, enhver beslutning og enhver prosess bør gå gjennom et intelligent lag som konstant lærer og forbedrer seg."

Dette skiftet har en konkret konsekvens: AI slutter å være et verktøy de ansatte bruker og blir infrastrukturen selskapet kjører gjennom. Det er et grunnleggende annerledes forhold til teknologien. Konsekvensen er at mange av programmene selskapet alltid har brukt, gradvis mister sin rolle.

Selskapet som lærer av seg selv

De fleste selskaper har historisk sett fungert som det systemingeniører kaller en åpen løkke (open loop): du tar en beslutning, gjennomfører den, og måler ikke systematisk hva som skjedde for å justere neste beslutning. Informasjon går tapt. Tilbakemeldinger er uformelle.

En lukket løkke (closed loop) er selvregulerende. Den overvåker sin egen output kontinuerlig og justerer prosessen for å nå målet bedre. Hun argumenterer for at enhver viktig prosess i selskapet bør kjøre som en lukket løkke drevet av AI, slik at systemet lærer av hva som faktisk skjedde, ikke bare hva noen rapporterte oppover.

Gjør alt i selskapet synlig for AI

For at lukkede løkker skal fungere, trenger AI-en i kjernen kontekst, samme kontekst du ville gitt en ny medarbeider for å hjelpe vedkommende raskt i gang. Hu kaller dette å "gjøre selskapet søkbart" (queryable): strukturere organisasjonen slik at AI kan lese og lære av alt som skjer i selskapet.

I praksis betyr det å ta opp møter med AI-notatverktøy, flytte beslutninger ut av direktemeldinger og inn i sporbare kanaler, bygge inn AI-agenter i kommunikasjonsverktøy og lage dashboards som samler inntekts-, salgs-, ingeniør- og driftsdata på ett sted. For den enkelte ansatte betyr det at i stedet for å åpne ti ulike programmer, snakker du med ett AI-grensesnitt som håndterer alt.

Det konkrete eksempelet hun gir: en ingeniøragent med tilgang til Linear-tickets, Slack-kanaler, kundetilbakemeldinger, GitHub og salgssamtaler kan analysere hva som faktisk ble levert i en sprint (en fast arbeidsperiode på typisk to uker) og hvor godt det møtte reelle kundebehov, og så foreslå neste sprintplan med langt større treffsikkerhet. Team som har gjort dette har halvert planleggingstiden og fått nesten 10 ganger mer gjort.

Programvarefabrikker og 1000x-ingeniøren

Neste steg er det Hu kaller programvarefabrikker (software factories). Konseptet henter fra testdrevet utvikling (TDD, en praksis der du skriver tester før du skriver kode): mennesker skriver en spesifikasjon og et sett tester som definerer suksess, deretter genererer AI-agenter implementasjonen og itererer til testene passerer. Mennesket definerer hva som skal bygges og bedømmer resultatet. Selve koden er agentens jobb.

Noen selskaper har allerede presset dette så langt at kodelagrene deres (repositories) ikke inneholder én eneste linje håndskrevet kode: bare spesifikasjoner og testoppsett.

Dette er mekanismen bak det tech-blogger Steve Yegge beskriver i essayet The Anthropic Hive Mind som 1000x-ingeniøren: én enkelt ingeniør omgitt av et system av agenter som gjør ingeniøren i stand til å bygge ting som tidligere krevde et helt team. "Æraen med 1000x eller til og med 10 000x-ingeniøren er her," sier Hu.

Når mellomledere forsvinner

Bygg et selskap på denne måten (AI-løkker overalt, et søkbart selskap, programvarefabrikker) og det klassiske ledelseshierarkiet slutter å gi mening.

Mellomledere eksisterte for å videresende informasjon opp og ned i organisasjonen. Den oppgaven er nå det intelligente lagets jobb. Hvert lag av menneskelig koordinering du kan fjerne er en direkte gevinst.

Jack Dorsey, medgründer av Twitter og leder av betalingsselskapet Block, har bygget selskapet rundt disse prinsippene og beskriver tre roller for de ansatte som blir igjen i et AI-native selskap:

1. IC (Individual Contributor, individuell bidragsyter): Bygger og drifter. Ikke bare ingeniører. Alle bygger: support, salg, drift. Alle møter opp med fungerende prototyper, ikke presentasjoner.
2. DRI (Directly Responsible Individual, direkte ansvarlig person): Eier ett konkret resultat. Én person, ett ansvar. Ingen gjemmer seg bak et team.
3. AI-founder-typen: Bygger fortsatt, coacher fortsatt. Er du gründer, er dette din rolle: vis teamet hva de nye mulighetene ser ut som, i stedet for å delegere AI-strategien videre.

Måltallet som betyr noe er ikke antall ansatte. Det er tokenforbruk: hvor mye AI-kapasitet selskapet kjører gjennom for å få ting gjort.

Startups har fordelen

Etablerte selskaper står overfor et smertefullt problem: de må rydde opp i år med standardprosedyrer og grunnleggende antagelser om hvordan programvare bygges, mens de holder et produkt i drift. Enhver endring risikerer å brekke noe som allerede fungerer.

Startups har ikke den begrensningen. Du kan designe systemer, arbeidsflyter og kultur rundt AI fra dag én. "Du kan operere tusen ganger raskere enn de etablerte aktørene," sier Hu.

Det er vinduet. Og det er åpent akkurat nå.

Ordliste

Kilder og ressurser