لماذا تتقلص الجولة الأولية التي تقل عن 5 ملايين دولار؟ قبل عقد من الزمان ، شكلت هذه الجولات الأصغر العمود الفقري لتمويل الشركات الناشئة ، حيث شكلت أكثر من 70٪ من جميع الصفقات الأولية. اليوم ، تكشف بيانات PitchBook أن هذا الرقم قد انخفض إلى أقل من النصف. الأرقام تحكي قصة صارخة. انخفضت الصفقات التي تقل عن 5 ملايين دولار من 62.5٪ في عام 2015 إلى 37.5٪ في عام 2024. أعاد هذا الانخفاض البالغ 29.5 نقطة مئوية تشكيل كيفية قيام الشركات الناشئة بجمع أول رأس مال مؤسسي لها. قادت ثلاث قوى هذا التحول. يمكننا تحليل التراجع لفهم ما الذي قلل من جولة البذور الصغيرة ولماذا يهم المؤسسين اليوم.

كان هذا ممتعا جدا يا ماريو. شكرا لاستضافتي في العرض للحديث عن كل ما يحدث في السوق!

يتلقى OpenAI في المتوسط استعلاما واحدا لكل أمريكي في اليوم. تتلقى Google حوالي 4 استفسارات لكل أمريكي يوميا. منذ ذلك الحين ، تحتوي 50٪ من استعلامات بحث Google على نظرة عامة على الذكاء الاصطناعي ، وهذا يعني أن 60٪ على الأقل من عمليات البحث في الولايات المتحدة أصبحت الآن الذكاء الاصطناعي. لقد استغرق الأمر وقتا أطول قليلا مما كنت أتوقع حتى يحدث هذا. في عام 2024 ، توقعت أن 50٪ من بحث المستهلك سيكون ممكنا الذكاء الاصطناعي. ( لكن الذكاء الاصطناعي وصل في البحث. إذا كانت أنماط بحث Google تشير إلى أي مؤشر ، فهناك قانون قوة في سلوك البحث. يظهر تحليل SparkToro لسلوك بحث Google أن الثلث العلوي من الأمريكيين الذين يبحثون ينفذون ما يزيد عن 80٪ من جميع عمليات البحث - مما يعني أنه من غير المحتمل أن يتم توزيع استخدام الذكاء الاصطناعي بالتساوي - مثل المستقبل. بدأت مواقع الويب والشركات تشعر بآثار ذلك. مقال الإيكونوميست "الذكاء الاصطناعي يقتل الويب. هل يمكن لأي شيء أن ينقذها؟" يلتقط روح العصر في العنوان. ( تبحث الغالبية العظمى من الأمريكيين الآن باستخدام الذكاء الاصطناعي. ستأتي تأثيرات الدرجة الثانية من أنماط البحث المتغيرة في النصف الثاني من هذا العام وسيسأل المزيد ، "ماذا حدث لحركة المرور الخاصة بي؟" ( الذكاء الاصطناعي هو قناة توزيع جديدة وأولئك الذين يستولون عليها سيحصلون على حصة في السوق. - رأى ويليام جيبسون أبعد من ذلك بكثير في المستقبل! - يعتمد هذا على تحليل نقطة المنتصف لمخطط SparkToro ، وهو تحليل بسيط للغاية ، وله بعض الأخطاء نتيجة لذلك.

في العمل مع الذكاء الاصطناعي ، أتوقف قبل كتابة أي شيء في المربع لأسأل سؤالا: ماذا أتوقع من الذكاء الاصطناعي؟ 2 × 2 للإنقاذ! في أي صندوق أنا؟ على محور واحد ، مقدار السياق الذي أقدمه: ليس كثيرا إلى حد كبير. من ناحية أخرى ، ما إذا كان يجب أن أشاهد الذكاء الاصطناعي أو أتركه يعمل. إذا قدمت القليل جدا من المعلومات وتركت النظام يعمل: "البحث عن اتجاهات المهندس المنشور إلى الأمام" ، فسأحصل على نتائج مهملة: لمحات عامة واسعة بدون تفاصيل ذات صلة. يؤدي تشغيل نفس المشروع بسلسلة من الأسئلة القصيرة إلى إنتاج محادثة تكرارية تنجح - استكشاف. "ما هي الشركات التي نفذت المهندسين المنتشرين إلى الأمام (FDEs)؟ ما هي الخلفيات النموذجية ل FDEs؟ ما هي أنواع هياكل العقود والشركات التي تصلح لهذا العمل؟ عندما يكون لدي تسامح منخفض جدا مع الأخطاء ، أقدم سياقا شاملا وأعمل بشكل متكرر مع الذكاء الاصطناعي. بالنسبة لمنشورات المدونة أو التحليل المالي ، أشارك كل شيء (المسودات الحالية ، والكتابات السابقة ، والمتطلبات التفصيلية) ثم المضي قدما جملة بجملة. يتطلب السماح للوكيل بالعمل بحرية تحديد كل شيء مقدما. نادرا ما أنجح هنا لأن العمل المسبق يتطلب وضوحا هائلا - أهدافا دقيقة ومعلومات شاملة وقوائم مهام مفصلة مع معايير التحقق - مخطط تفصيلي. ينتهي الأمر بهذه المطالبات إلى أن تبدو مثل مستندات متطلبات المنتج التي كتبتها كمدير منتج. ستصبح الإجابة على "ماذا أتوقع؟" أسهل حيث تصل أنظمة الذكاء الاصطناعي إلى المزيد من معلوماتي وتتحسن في اختيار البيانات ذات الصلة. كلما تحسنت في التعبير عما أريده بالفعل ، يتحسن التعاون. أهدف إلى نقل العديد من أسئلتي من الدلو العلوي الأيسر - كيف تم تدريبي على بحث Google - إلى الأرباع الثلاثة الأخرى. أتوقع أيضا أن تساعدني هذه العادة في العمل مع الناس بشكل أفضل.

هذا الصندوق الأسود الصغير في المنتصف هو رمز التعلم الآلي. أتذكر أنني قرأت ديون تقنية مخفية من Google لعام 2015 في ورقة ML وفكرت في مدى ضآلة تطبيق التعلم الآلي الفعلي. كانت الغالبية العظمى من البنية التحتية وإدارة البيانات والتعقيد التشغيلي. مع فجر الذكاء الاصطناعي ، بدا أن نماذج اللغة الكبيرة ستستوعب هذه الصناديق. كان الوعد هو البساطة: إسقاط LLM ومشاهدته يتعامل مع كل شيء من خدمة العملاء إلى إنشاء التعليمات البرمجية. لا مزيد من المسارات المعقدة أو عمليات التكامل الهشة. ولكن في بناء التطبيقات الداخلية ، لاحظنا ديناميكية مماثلة مع الذكاء الاصطناعي. يحتاج الوكلاء إلى الكثير من السياق ، مثل الإنسان: كيف يتم تنظيم CRM ، وماذا ندخل في كل مجال - لكن المدخلات باهظة الثمن نموذج الذكاء الاصطناعي الجائع والجائع. يعني تقليل التكلفة كتابة برامج حتمية لتحل محل منطق الذكاء الاصطناعي. على سبيل المثال ، تعني أتمتة إدارة البريد الإلكتروني كتابة أدوات لإنشاء مهام Asana وتحديث CRM. مع زيادة عدد الأدوات إلى ما بعد عشر أو خمسة عشر أداة ، لم يعد استدعاء الأداة يعمل. حان الوقت لتدوير نموذج التعلم الآلي الكلاسيكي لتحديد الأدوات. ثم هناك مراقبة النظام مع إمكانية الملاحظة ، وتقييم ما إذا كان يعمل ، والتوجيه إلى النموذج الصحيح. بالإضافة إلى ذلك ، هناك فئة كاملة من البرامج حول التأكد من أن الذكاء الاصطناعي يفعل ما يفترض أن يفعله. حواجز الحماية تمنع الاستجابات غير المناسبة. يمنع تحديد السعر التكاليف من الخروج عن نطاق السيطرة عندما يتعطل النظام. يعد استرجاع المعلومات (RAG - التوليد المعزز للاسترجاع) أمرا ضروريا لأي نظام إنتاج. في تطبيق البريد الإلكتروني الخاص بي ، أستخدم قاعدة بيانات متجهة LanceDB للعثور على جميع رسائل البريد الإلكتروني من مرسل معين ومطابقة لهجتها. هناك تقنيات أخرى لإدارة المعرفة حول الرسم البياني RAG وقواعد بيانات المتجهات المتخصصة. في الآونة الأخيرة ، أصبحت الذاكرة أكثر أهمية. تحفظ واجهات سطر الأوامر لأدوات الذكاء الاصطناعي محفوظات المحادثات كملفات تخفيض السعر. عندما أنشر الرسوم البيانية ، أريد تسمية Theory Ventures في أسفل اليمين ، وخط وألوان وأنماط معينة. يتم الآن حفظ جميع هذه الملفات داخل ملفات .gemini أو .claude في سلسلة من الدلائل المتتالية. تم تضمين البساطة الأصلية لنماذج اللغات الكبيرة من خلال تعقيد الإنتاج على مستوى المؤسسة. هذا ليس مطابقا للجيل السابق من أنظمة التعلم الآلي ، لكنه يتبع تشابها واضحا. ما بدا أنه "صندوق سحري الذكاء الاصطناعي" بسيط تبين أنه جبل جليدي ، مع إخفاء معظم الأعمال الهندسية تحت السطح.

إذا كان عام 2025 هو عام الوكلاء ، فمن المؤكد أن عام 2026 سيكون ملكا لمديري الوكلاء. مديرو الوكلاء هم أشخاص يمكنهم إدارة فرق وكلاء الذكاء الاصطناعي. كم عدد الأشخاص الذين يمكن لشخص واحد إدارته بنجاح؟ بالكاد أستطيع إدارة 4 وكلاء الذكاء الاصطناعي في وقت واحد. يطلبون التوضيح ، ويطلبون الإذن ، ويصدرون عمليات بحث على الويب - كل ذلك يتطلب انتباهي. في بعض الأحيان تستغرق المهمة 30 ثانية. أوقات أخرى ، 30 دقيقة. أفقد تتبع الوكيل الذي يفعل ما يتم التخلص منه ونصف العمل لأنهم يسيئون تفسير التعليمات. هذه ليست مشكلة مهارة. إنها مشكلة في الأدوات. تقدم الروبوتات المادية أدلة حول إنتاجية مدير الروبوتات. نشر معهد ماساتشوستس للتكنولوجيا تحليلا في عام 2020 يشير إلى أن الروبوت العادي حل محل 3.3 وظيفة بشرية. في عام 2024 ، أفادت أمازون أن روبوتات الحزم والسفن حلت محل 24 عاملا. ولكن هناك فرق جوهري: الذكاء الاصطناعي غير حتمي. يفسر وكلاء الذكاء الاصطناعي التعليمات. إنهم يرتجلون. يتجاهلون أحيانا الاتجاهات تماما. لا يمكن ل Roomba إلا أن يحلم بالحرية الإبداعية لتجاهل غرفة المعيشة الخاصة بك وتحديد أن المرآب يحتاج إلى الاهتمام بدلا من ذلك. غالبا ما توجه نظرية الإدارة الفرق إلى فترة تحكم من 7 أشخاص. عند التحدث مع بعض مديري الوكلاء الأفضل ، علمت أنهم يستخدمون صندوق وارد للوكيل ، وهو أداة لإدارة المشاريع لطلب عمل الذكاء الاصطناعي وتقييمه. في هندسة البرمجيات ، تخدم طلبات سحب Github أو التذاكر الخطية هذا الغرض. يدير مهندسو برمجيات الذكاء الاصطناعي الإنتاجية للغاية 10-15 وكيلا عن طريق تحديد 10-15 مهمة بالتفصيل ، وإرسالها إلى الذكاء الاصطناعي ، والانتظار حتى الانتهاء ثم مراجعة العمل. يتم التخلص من نصف العمل ، وإعادة تشغيله بمطالبة محسنة. صندوق الوارد للوكيل ليس شائعا - حتى الآن. إنه غير متاح على نطاق واسع. لكنني أظن أنه سيصبح جزءا أساسيا من مجموعة الإنتاجية لمديري الوكلاء في المستقبل لأنها الطريقة الوحيدة لتتبع العمل الذي يمكن أن يأتي في أي وقت. إذا كان ARR لكل موظف هو مقياس الغرور الجديد للشركات الناشئة ، فقد يصبح الوكلاء المدارة لكل شخص مقياس إنتاجية الغرور للعامل. في غضون 12 شهرا ، كم عدد الوكلاء الذين تعتقد أنه يمكنك إدارتهم؟ 10? 50? 100? هل يمكنك إدارة وكيل يدير وكلاء آخرين؟

"أوه ، مكتبك في مبنى فيري ، هذا مدهش للغاية ، كيف يشبه" "الاحتمالات بدون توقف. الاجتماعات التي قاطعها مزمار القربة في الخارج. مقاعد الصف الأمامي إلى سانتانا التالية في الشوارع ".

على مدى العقد الماضي ، كان البند الأكبر في ميزانية البحث والتطوير لأي شركة ناشئة هو المواهب التي يمكن التنبؤ بها. لكن الذكاء الاصطناعي يشق طريقه إلى الأرباح والخسائر. ما المبلغ الذي يجب أن تنفقه الشركة الناشئة على الذكاء الاصطناعي كنسبة مئوية من إنفاقها على البحث والتطوير؟ 10%? 30%? 60? هناك ثلاثة عوامل يجب مراعاتها. أولا ، متوسط الراتب لمهندس برمجيات في وادي السيليكون. والثاني هو التكلفة الإجمالية لجهاز الذكاء الاصطناعي الذي يستخدمه هذا المهندس. المؤشر الآن بسعر 200 دولار شهريا لخطة Ultra الخاصة بهم ومراجعات Devin تقترح 500 دولار شهريا. ثالثا ، عدد الوكلاء الذين يمكن للمهندس إدارتهم. التمريرة الأولى : (الصورة الأولى) لكن تكاليف الاشتراك ربما تكون منخفضة. خلال الأيام القليلة الماضية ، كنت ألعب على نطاق واسع مع وكلاء ترميز الذكاء الاصطناعي وجمعت فاتورة قدرها 1,000 دولار في غضون خمسة أيام! 😳😅 لذلك دعونا نقوم بتحديث الجدول ونفترض 1000 دولار أخرى شهريا لكل مهندس. لذلك بالنسبة لبدء التشغيل النموذجي ، يمكن استخدام تقدير 10 إلى 15٪ من إجمالي نفقات البحث والتطوير اليوم لاستخدام الذكاء الاصطناعي. ستكون المتغيرات أوسع بكثير من الناحية العملية حيث نتعلم جميعا استخدام الذكاء الاصطناعي بشكل أفضل ويخترق المزيد من المنظمة. من المرجح أن يكون لدى الشركات الأصغر التي هي أصلية الذكاء الاصطناعي منذ البداية نسب أعلى بكثير. إذا كنت مهتما بالمشاركة في استطلاع مجهول ، فسأقوم بنشر النتائج إذا كان حجم العينة كبيرا بما يكفي للحصول على نتيجة ذات دلالة إحصائية. الاستطلاع هنا: هذا نموذج مبسط للغاية حيث نقوم فقط بمراجعة الرواتب ، ولا تشمل المزايا والأجهزة والبنية التحتية للتطوير والاختبار وما إلى ذلك. هذا تقدير يعتمد على ترميز أجواء التجربة الشخصية المخفضة.

على مدى العقد الماضي ، كان البند الأكبر في ميزانية البحث والتطوير لأي شركة ناشئة هو المواهب التي يمكن التنبؤ بها. لكن الذكاء الاصطناعي يشق طريقه إلى الأرباح والخسائر. ما المبلغ الذي يجب أن تنفقه الشركة الناشئة على الذكاء الاصطناعي كنسبة مئوية من إنفاقها على البحث والتطوير؟ 10%? 30%? 60? هناك ثلاثة عوامل يجب مراعاتها. أولا ، متوسط الراتب لمهندس برمجيات في وادي السيليكون. والثاني هو التكلفة الإجمالية لجهاز الذكاء الاصطناعي الذي يستخدمه هذا المهندس. المؤشر الآن بسعر 200 دولار شهريا لخطة Ultra الخاصة بهم ومراجعات Devin تقترح 500 دولار شهريا. ثالثا ، عدد الوكلاء الذين يمكن للمهندس إدارتهم. التمريرة الأولى : (الصورة الأولى) لكن تكاليف الاشتراك ربما تكون منخفضة. خلال الأيام القليلة الماضية ، كنت ألعب على نطاق واسع مع وكلاء ترميز الذكاء الاصطناعي وجمعت فاتورة قدرها 1,000 دولار في غضون خمسة أيام! 😳😅 لذلك دعونا نقوم بتحديث الجدول ونفترض 1000 دولار أخرى شهريا لكل مهندس. لذلك بالنسبة لبدء التشغيل النموذجي ، يمكن استخدام تقدير 10 إلى 15٪ من إجمالي نفقات البحث والتطوير اليوم لاستخدام الذكاء الاصطناعي. ستكون المتغيرات أوسع بكثير من الناحية العملية حيث نتعلم جميعا استخدام الذكاء الاصطناعي بشكل أفضل ويخترق المزيد من المنظمة. من المرجح أن يكون لدى الشركات الأصغر التي هي أصلية الذكاء الاصطناعي منذ البداية نسب أعلى بكثير. إذا كنت مهتما بالمشاركة في استطلاع مجهول ، فسأقوم بنشر النتائج إذا كان حجم العينة كبيرا بما يكفي للحصول على نتيجة ذات دلالة إحصائية. الاستطلاع هنا: هذا نموذج مبسط للغاية حيث نقوم فقط بمراجعة الرواتب ، ولا تشمل المزايا والأجهزة والبنية التحتية للتطوير والاختبار وما إلى ذلك. هذا تقدير يعتمد على ترميز أجواء التجربة الشخصية المخفضة.

عندما تستعلم عن الذكاء الاصطناعي ، فإنه يجمع المعلومات ذات الصلة للإجابة عليك. ولكن ، ما مقدار المعلومات التي يحتاجها النموذج؟ كشفت المحادثات مع الممارسين عن حدسهم: كان المدخلات ~ 20 مرة أكبر من المخرجات. لكن تجاربي مع واجهة سطر أوامر أداة Gemini ، والتي تنتج إحصائيات مفصلة للرمز المميز ، كشفت عن أنها أعلى من ذلك بكثير. 300 ضعف في المتوسط وما يصل إلى 4000 ضعف. إليك سبب أهمية نسبة الإدخال إلى المخرجات العالية هذه لأي شخص يبني باستخدام الذكاء الاصطناعي: إدارة التكلفة هي كل شيء عن المدخلات. مع استدعاءات واجهة برمجة التطبيقات التي يتم تسعيرها لكل رمز مميز ، تعني نسبة 300: 1 أن التكاليف تمليها السياق وليس الإجابة. تنطبق ديناميكية التسعير هذه على جميع الموديلات الرئيسية. في صفحة تسعير OpenAI ، تكون رموز الإخراج المميزة ل GPT-4.1 باهظة 4 أضعاف تكلفة رموز الإدخال. ولكن عندما تكون المدخلات أكبر بمقدار 300 مرة ، تظل تكاليف المدخلات 98٪ من إجمالي الفاتورة. زمن الوصول هو دالة لحجم السياق. أحد العوامل المهمة التي تحدد المدة التي ينتظرها المستخدم للحصول على إجابة هو الوقت الذي يستغرقه النموذج لمعالجة الإدخال. يعيد تعريف التحدي الهندسي. تثبت هذه الملاحظة أن التحدي الأساسي المتمثل في البناء باستخدام LLMs ليس مجرد تحفيز. إنها هندسة السياق. تتمثل المهمة الحاسمة في بناء استرجاع البيانات والسياق الفعال - صياغة خطوط الأنابيب التي يمكنها العثور على أفضل المعلومات وتقطيرها في أصغر بصمة رمزية ممكنة. يصبح التخزين المؤقت أمرا بالغ الأهمية. إذا كانت 99٪ من الرموز المميزة في المدخلات ، فإن بناء طبقة تخزين مؤقت قوية للمستندات التي يتم استردادها بشكل متكرر أو سياقات الاستعلام الشائعة ينتقل من "لطيف" إلى متطلبات معمارية أساسية لبناء منتج فعال من حيث التكلفة وقابل للتطوير. بالنسبة للمطورين ، هذا يعني أن التركيز على تحسين المدخلات هو رافعة مهمة للتحكم في التكاليف ، وتقليل زمن الوصول ، وفي النهاية ، بناء منتج ناجح يعمل بالطاقة الذكاء الاصطناعي.