Hindi magpapalaya ng teknolohiya ang AI, ito ay nagbibigay ng kapakinabangan sa tamang mga tao

May-akda: Naman Bhansali

DeepOcean TechFlow

DeepChao Overview: Sa simula ng pagpapalaganap ng bagong teknolohiya, mayroon palang ilusyon ng “pantay-pantay na teknolohiya”: kapag naging madali na ang pagkuha ng larawan, paggawa ng musika, o pagbuo ng software, ba talaga nawawala ang kompetitibong advantado? Kasama ang kanyang sariling karanasan mula sa isang maliit na bayan sa India patungo sa MIT, at ang kanyang pagpapalaganap sa AI-driven payroll sector, ang tagapagtatag ng Warp, si Naman Bhansali, ay ipinakita nang malalim ang isang kontraintuitibong katotohanan: mas mababa ang barrier ng teknolohiya (Floor), mas mataas ang ceiling ng industriya.

Sa panahon kung saan ang execution ay naging murang kahit na maaaring “vibecoded” ng AI, naniniwala ang may-akda na ang tunay na moog ay hindi na lamang ang pagpapamahagi ng traffic, kundi ang mahirap ipakopyang “taste,” ang malalim na pag-unawa sa mga pundasyonal na lohika ng mga kumplikadong sistema, at ang pagtitiyaga na magpapatuloy sa复利 sa loob ng sampung taon. Ang artikulong ito ay hindi lamang isang malinaw na pag-iisip tungkol sa AI entrepreneurship, kundi isang makapangyarihang pagpapatotoo sa batas ng power law na “pambansang teknolohiya ay nagdudulot ng aristokratikong resulta.”

Ang buong teksto ay:

Kapag bawat teknolohiya ay bumaba sa hadlang sa pagpasok, parehong paghuhula ang laging sumusunod: dahil ngayon ay kayang gawin ng lahat, wala nang may pakinabang. Ang mga cell phone na nakakapic ay ginawa ng lahat na mga photographer; ang Spotify ay ginawa ng lahat na mga musikero; at ang AI ay ginawa ng lahat na mga software developer.

Palagi nang tama ang ganitong paghuhula sa kalahati: ang floor ay talagang umakyat. Mas maraming tao ang sumali sa paggawa, mas maraming tao ang naglalabas ng produkto, at mas maraming tao ang sumali sa kompetisyon. Ngunit palaging iniisip ng ganitong paghuhula ang ceiling. Mas mabilis ang pagtaas ng ceiling. At ang pagkakaiba sa pagitan ng floor at ceiling—o sa pagitan ng median at pinakamataas na antas—ay hindi nalalapit, kundi lumalawak.

Ito ang katangian ng batas ng kapangyarihan (Power laws): Hindi ito nag-aalala sa iyong intensyon. Ang teknolohiya ng pantay-pantay ay laging nagbibigay ng mga resultang aristokratiko. Palagi ito.

Hindi rin makakalabas ang AI, kahit na mas extremo ang pagkilos nito.

Noong ipinakilala ng Spotify, ginawa nito ang isang totoo nang radikal na bagay: itinuro nito ang mga musikero sa buong mundo sa isang distribusyon na kanal na dating nakalimita lamang sa mga record label, marketing budget, at napakagandang talaan. Ang resulta ay ang paglago ng industriya ng musika—milyon-milyon na bagong artista at diliyaryo ng mga bagong kanta ang lumabas. Ang bottom line ay talagang tumaas gaya ng ipinangako.

Ngunit ang nangyari ay: ang top 1% na mga artista ay ngayon ay kumukuha ng mas malaking bahagdan ng plays kaysa sa panahon ng CD. Hindi ito bumaba, kundi tumataas. Mas maraming musika, mas maraming kompetisyon, at mas maraming paraan upang makahanap ng mataas na kalidad na nilalaman ay nagdulot ng pagkakalap ng mga tagapakinig—na hindi na nakakabatay sa lokasyon o espasyo sa shelf—sa mga pinakamahusay na gawa. Hindi nagbigay ng pagkakaisa sa musika ang Spotify; ito ay nagpalalim lamang sa paligsahan.

Kaparehong kuwento ang nangyayari sa mga larangan ng pagsusulat, pagkuha ng larawan, at software. Ang internet ay nagpalawak ng pinakamaraming manunulat sa kasaysayan, ngunit naglikha rin ng isang mas krimenal na ekonomiya ng atensyon. Mas maraming mga kalahati, mas mataas na antas ng panganib sa tuktok, parehong pangunahing anyo: ang kaunting bilang lang ang nakakakuha ng karamihan sa halaga.

Napakalaking pagkabigla namin dahil kumikilos tayo sa isang linyar na paraan ng pag-iisip—inaasahan namin na ang pagtaas ng produktibidad ay magkakaroon ng pantay-pantay na distribusyon tulad ng pagbuhos ng tubig sa isang patag na container. Ngunit hindi ganito ang paggana ng karamihan sa mga kumplikadong sistema; hindi ito kailanman ganoon. Ang power law distribution ay hindi isang kakaibang ugali ng merkado o isang pagkabigo ng teknolohiya; ito ay ang default setting ng kalikasan. Hindi ito nilikha ng teknolohiya; ang teknolohiya ay nagpapakita lamang nito.

Isipin ang Batas ni Kleiber. Sa lahat ng mga organismo sa Earth—mula sa mga bakterya hanggang sa mga blue whale, na sumasaklaw sa 27 hanay ng sukat ng timbang—ang metabolic rate ay proporsyonal sa 0.75 na puwersa ng timbang. Ang metabolismo ng mga whale ay hindi proporsyonal sa kanilang sukat. Ang ugnayang ito ay isang power law, at ito ay nananatili sa napakataas na antas ng pagkakatumpak sa halos lahat ng anyo ng buhay. Wala man lang nagdisenyo ng ganitong distribusyon; ito ay simpleng anyo na ipinapakita ng enerhiya kapag sinusunod nito ang kanyang sariling lohika sa loob ng isang kompleks na sistema.

Ang pamilihan ay isang kompleks na sistema, at ang atensyon ay isang yaman. Kapag nawala ang friction—kapag hindi na nagiging buffer ang heograpiya, espasyo sa shelf, at gastos sa distribusyon—ang pamilihan ay magkakaroon ng naturally na anyo. Ang anyong ito ay hindi ang bell curve ng normal distribution, kundi ang power law. Ang kuwento ng pagkakapantay-pantay ay nagkakasabay sa resulta ng aristokrasya, at dito nakatago ang dahilan kung bakit bawat bagong teknolohiya ay nagpapakita ng pagkabigla sa atin. Nakikita natin ang paa ng paa na tumataas, at inaasumang ang bubong ay tumataas din sa parehong bilis. Ngunit hindi ito totoo; ang bubong ay nagpapabilis na umalis.

Ang pagpapabilis ng AI sa prosesong ito ay mas mabilis at mas malakas kaysa sa anumang teknolohiya na dating naranasan. Ang base ay tumataas sa real-time—kayang mag-post ng produkto, magdisenyo ng interface, at sumulat ng code sa production environment ang sinuman. Ngunit tumataas din ang ceiling, at mas mabilis. Ang tanong na dapat itanong: Ano nga ba ang nagdedesisyon kung saan mo matatapos?

Noong 1981, pinigilan ni Steve Jobs na maging maganda ang mga circuit board sa loob ng unang Macintosh. Hindi ang panlabas, kundi ang loob—ang bahaging hindi makikita ng customer. Iniisip ng kanyang mga inhinyero na siya ay bulag. Pero hindi siya bulag. Naiintindihan niya ang isang bagay na madalas na itinuturing na perfeksyonismo, ngunit mas malapit sa isang pagpapatotoo: ang paraan kung paano mo ginagawa ang anumang bagay, ay ang paraan kung paano mo ginagawa ang lahat ng bagay. Ang isang tao na makakagawa ng magandang mga nakatago na bahagi, ay hindi nagpapakita ng kalidad—kundi hindi niya kayang tanggapin ang paglalabas ng anumang produktong di-mahusay.

Mahalaga ito, dahil mahirap makabuo ng tiwala, ngunit madaling magsimula ng pagkakataong magmukhang may tiwala sa maikling panahon. Patuloy nating ginagawa ang mga heuristika upang malaman kung sino ang totoong kahusayan at sino ang nagpapakita lang ng kahusayan. Ang mga kwalipikasyon (Credentials) ay nakakatulong ngunit maaaring maipagpalit; ang pinagmulan (Pedigree) ay nakakatulong ngunit maaaring makuha sa pamamagitan ng pagmamana. Ang totoong mahirap ipagpalit ay ang estetika (Taste)—ang matatag, nakikita, at matinding pagsunod sa isang pamantayan na walang humihingi. Hindi kailangan ni Jobs na gawing maganda ang mga circuit board. Ginawa niya ito, at ang paggawa nito ay nagpapakita na kung ano ang gagawin niya sa mga bagay na hindi mo makikita.

Sa karamihan ng nakaraang dekada, ang signal na ito ay nakatago sa ilang paraan. Sa pinakamataas na yugto ng SaaS (tungkol sa 2012 hanggang 2022), ang execution ay naging ganito nang standardisado na ang distribution ay naging totoong nakakakita. Kung makakakuha ka ng mga customer nang epektibo at bumuo ng isang sales machine upang makamit ang “Rule of 40”—ang produkto mismo ay halos hindi mahalaga. Basta sapat ang iyong go-to-market strategy, maaari mong manalo gamit ang isang karaniwang produkto. Ang signal ng estetika ay nalulubog sa ingay ng mga growth metrics.

Ang AI ay nagbago nang lubos sa rasyo ng signal sa ingay. Kapag maaaring mag-generate ng isang functional na produkto, magandang interface, at isang gumagana na codebase sa isang hapon ng sinoman, ang “kung gaano kagamit” ay hindi na isang factor ng pagkakaiba. Ang tanong ay naging: Talagang mahusay ba ito? Alam ba ng tao ang pagkakaiba sa pagitan ng “mabuti” at “insanely great”? Kung walang nagpapilit, sapat ba ang kanilang pag-aalala upang mapalapit ang huling pagkakaiba?

Lalo na para sa mga software na kritikal sa negosyo—mga sistema na nagpaproseso ng payroll, compliance, at employee data. Hindi ito mga produkto na maaari mong subukan nang walang takot at itigil sa susunod na quarter. Ang mga gastos sa pagbabago ay totoo, ang mga posibleng pagkabigo ay seriyoso, at ang mga taong nagde-deploy ng sistema ay responsable sa mga epekto nito. Ibig sabihin nito, bago mag-sign, sila ay gagawin ang lahat ng mga pagsusuri sa pagkakatiwala. Ang isang magandang produkto ay isa sa pinakamalakas na signal na maaari mong ibigay. Ito ay nagsasabi: ang mga gumawa nito ay may malalim na pagmamalasakit. Sila ay nag-aalala sa mga bagay na makikita mo, kaya malamang sila ay nag-aalala rin sa mga bagay na hindi mo makikita.

Sa isang mundo kung saan ang pagpapatupad ay mura, ang estetika ay ang proof of work.

Patuloy na tama ang lohikang ito, ngunit sa nakaraang sampung taon, ang kalagayan ng merkado ay ginawa itong halos hindi makikita. Noong isang panahon, ang pinakamahalagang kasanayan sa industriya ng software ay kahit na hindi nauugnay sa software mismo.

Sa pagitan ng 2012 at 2022, ang pangunahing arkitektura ng SaaS ay naging matatag. Ang cloud infrastructure ay mura at standardisado, at ang mga tool para sa pagbuo ay naging matatag. Ang pagbuo ng isang functional na produkto ay mahirap, ngunit isang “naresolbeng hirap”—maaari mong lutasin ito sa pamamagitan ng paghingi ng mga empleyado, pagsumbong sa mga itinakdang modelo, at pagkakaroon ng sapat na mga yaman upang makamit ang minimum na pamantayan. Ang tunay na kakulangan, na nagpapakita ng pagkakaiba sa pagitan ng tagumpay at karaniwan, ay ang kakayahang mag-distribute. Maaari mo ba akusahan ang mga customer nang epektibo? Maaari mo ba itayo ang mga paulit-ulit na pagbebenta? Sapat ka bang nakakaunawa sa unit economics upang magdagdag ng pagsisikap sa tamang panahon para sa paglago?

Ang mga founder na umunlad sa ganitong kapaligiran ay karamihan mula sa sales, consulting, o financial industry. Alam nila nang husto ang mga indikador na tila galing sa ibang mundo sa loob ng sampung taon na ang nakalipas: Net Dollar Retention (NDR), Average Contract Value (ACV), Magic Number, at ang 40 Rule. Naninirahan sila sa spreadsheets at sales pipeline reviews, at sa kontekstong iyon, tama sila. Ang peak ng SaaS ay nagdulot ng peak SaaS founders. Ito ay isang rasyonal na evolusyonaryong pagpapasya.

Ngunit nararamdaman kong nakakapagod.

Lumalaki ako sa isang maliit na bayan sa isang estado sa India na may populasyon na 250 milyon. Taun-taon, mayroon lang halos tatlong mag-aaral sa buong India na nakakapasok sa Massachusetts Institute of Technology (MIT). Walang pagbabago, lahat sila ay galing sa mga mahal na preparatory school sa Delhi, Mumbai, o Bangalore—mga institusyon na itinatayo espesyal para sa layuning ito. Ako ang unang tao sa kasaysayan ng aking estado na nakapasok sa MIT. Hindi ko ito sinasabi upang magpakita ng pagkamakasarili, kundi dahil ito ay isang mikro na bersyon ng argumento ng artikulong ito: kapag ang mga hadlang sa pagpasok ay limitado, ang pinagmulan (Pedigree) ang nagpapahula sa resulta; kapag ang mga hadlang sa pagpasok ay bukas, ang mga deep people ay laging nananalo. Sa isang silid na puno ng mga may pinagmulan, ako ay isang taya na nananalo sa pamamagitan ng depth. Ito ang tanging paraan ng pagtaya na alam kong gawin.

Nag-aral ako ng pisika, matematika, at computer science, at sa mga larangan na ito, ang pinakamalalim na pag-unawa ay hindi nagmula sa pag-optimize ng proseso, kundi sa pagkakita ng katotohanan na hindi napapansin ng iba. Ang aking thesis sa master's ay tungkol sa straggler mitigation sa distributed machine learning training: kung paano mo i-optimize ang pagkakaroon ng mga nagkakasalang bahagi habang nagpapatakbo ka sa malaking iskala, nang hindi nasasira ang kabuuang integridad.

Kapag ako ay nasa mga dalawampung taon ko at tumingin sa mundo ng pagpapatakbo, nakita ko ang isang larawan kung saan ang lahat ng mga malalim na pag-unawa ay tila walang kinalaman. Ang premium sa merkado ay ibinigay sa “go-to-market,” hindi sa produkto mismo. Ang pagbuo ng mga teknikal na nakakakilala ay tila nagsisilbing kawawa—ito ay itinuturing na pagkakaabala sa “totoong laro” (kung saan ang pagkuha ng mga customer, pagpapanatili, at bilis ng pagbebenta).

Saklaw ng huling bahagi ng 2022, nagbago ang kalagayan.

Ang ipinakikita ng ChatGPT—sa isang paraan na mas intuitibo at mas nakakatindig kaysa sa mga pananaliksik na papeles na nagtrabaho nang maraming taon—ay ang kurba ay nagsisimulang umikot. Isang bagong S-curve ay nagsimula na. Ang mga pagbabagong peryodiko (phase transitions) ay hindi nagbibigay ng kapakanan sa mga pinakamahusay na nag-adjust sa nakaraang yugto, kundi sa mga nakakakita ng walang hanggang posibilidad ng bagong yugto bago pa man makita ng iba ang presyo.

Kaya ko sinira ang aking trabaho at itinatag ang Warp.

Sobrang espesipiko ang taya. May higit sa 800 na ahensya ng buwis sa Estados Unidos—pambansa, estado, at lokal—bawat isa ay may sariling mga kakailanganin sa pagpapahayag, mga takdang panahon, at lohika sa pagtutugma. Wala dito na API o programadong access. Sa loob ng maraming dekada, ang bawat provider ng payroll ay nagtratrabaho sa parehong paraan: pagpaparami ng tao. Mga libo-libong eksperto sa pagtutugma ay naglalakbay nang manual sa mga sistema na hindi inihanda para sa pag-skalahan. Ang mga tradisyonal na malalaking kompanya—ADP, Paylocity, Paychex—ay nagtatayo ng buong negosyo batay sa kaguluang ito; hindi nila ito isinasagawa kundi inaabsorb sa bilang ng empleyado at isinasagawa ang gastos sa mga kliyente.

Noong 2022, nakikita ko pa ang mga AI agent bilang mahina. Ngunit nakikita ko rin ang kurba ng pag-unlad. Ang isang taong malalim na nakikisalamuha sa malawakang distributed system at nasa malapit na pagmamasid sa pag-unlad ng mga model, maaaring maglagay ng tumpak na taya: ang teknolohiyang mahina noon, sa loob ng ilang taon ay magiging napakalakas. Kaya tayo'y tumaya: nagbuo ng isang AI-native platform mula sa unang prinsipyo, at nagsimula sa pinakamahirap na workflow sa kategoryang ito—ang workflow na dahil sa mga limitasyon sa arkitektura, hindi mai-automate ng mga tradisyonal na malalaking kumpanya.

Ngayon, ang pananampalatayang ito ay nagiging katotohanan. Ngunit mas malawak na, ito ay tungkol sa pagkilala sa pattern. Ang mga teknikal na tagapagsimula sa panahon ng AI ay hindi lamang may kalakasan sa inhinyeriya, kundi pati na rin sa pagkakaroon ng pag-unawa. Nakikita nila ang iba’t ibang punto ng pagsisimula at nagtatalaga ng iba’t ibang pananampalataya. Nakakatingin sila sa isang sistema na itinuturing na “permanently complex” ng lahat at tanong: Ano ang kailangan para sa totoong automation? At ang susi ay, sila ang mismo ang nagbuo ng sagot.

Ang tagapag-ugali sa panahon ng SaaS ay isang rasyonal na optimizer sa ilalim ng mga limitasyon. Ngunit ang AI ay tinatanggal ang mga limitasyong ito at ipinapasa ang mga bagong limitasyon. Sa bagong kapaligiran, ang kakulangan ay hindi na ang pagpapalaganap, kundi ang kakayahan na maunawaan ang mga posibilidad—at ang estetika at paniniwala upang itayo ito sa tamang antas. Ngunit mayroon pa isang ikatlong variable na nagpapasiya sa lahat, at dito ay nagkakaroon ng malaking pagkakamali ang karamihan sa mga tagapagtatag sa panahon ng AI.

Kasalukuyang popular sa mundo ng startup ang isang meme: Mayroon kang dalawang taon upang makalaya sa permanenteng ilalim. Mabilis na itayo, mabilis na kumita, o umalis o mawala.

Naiintindihan ko kung saan nagmumula ang ganitong pananaw. Ang bilis ng pag-unlad ng AI ay nagdudulot ng isang uri ng krisis sa pagkakaroon, at ang tagal ng panahon upang makahuli sa alon ay tila sobrang maliit. Ang mga kabataan na nakikita ang mga kuwento ng pagiging sikat sa isang gabi sa Twitter ay natural na naniniwala na ang kalikasan ng laro ay ang bilis—ang mga mananalo ay ang mga naglalakad nang pinakamabilis sa pinakamabilis na panahon.

Tama ito sa isang ganap na maling dimensyon.

Ang bilis ng pagpapatupad ay talagang mahalaga. Naniniwala ako nang malalim sa ganito—kaya nga ito’y nakasulat sa pangalan ng aking kumpanya (Warp). Ngunit ang bilis ng pagpapatupad ay hindi katumbas ng maliit na pananaw. Ang mga tagapagtatag na makakabuo ng pinakamahalagang kumpanya sa panahon ng AI ay hindi ang mga taong tumatakbo ng dalawang taon at pagkatapos ay magsasagawa ng exit. Kundi ang mga taong tumatakbo ng sampung taon at nagikot sa kompound interest.

Ang pagkakamali ng short-term thinking ay: ang pinakamahalagang bagay sa software—ang pribadong data, ang malalim na ugnayan sa customer, ang totoong switching cost, at ang ekspertisya sa regulatory level—ay nangangailangan ng ilang taon para makalikha, at kahit gaano pa kalaki ang kapital o AI capability na dala ng mga kalaban, hindi ito maaaring madaliin o kopyahin. Habang inaangkop ng Warp ang payroll para sa mga kumpanyang nasa iba’t ibang estado, kami ay nagkukumpuni ng compliance data na sumasaklaw sa libu-libong jurisdiction. Bawat tax notice na nalutas, bawat boundary case na naproseso, at bawat state registration na natapos, ay nagtuturo sa isang sistema na naging mas mahirap kopyahin habang dumadaloy ang oras. Ito ay hindi isang feature point; ito ay isang moat, at umiiral ito dahil kami ay nagsikap nang may mataas na kalidad nang sapat na matagal upang makalikha ng density ng kalidad.

Ang ganitong compound interest ay hindi nakikita sa unang taon. Sa ikalawang taon, ito ay malabo lang. Sa ikalimang taon, ito ang buong laro.

Ang dating CEO ng Snowflake, si Frank Slootman, ay itinatag at sinakop ang mas maraming software company kaysa sa sinuman sa kasalukuyan, at kanyang pinaglalagyan nang maikli: kailangan mong maging komportable sa “kawalan ng komportable.” Hindi ito para sa sprints, kundi bilang isang permanenteng kalagayan. Ang “fog of war” sa mga unang yugto ng startup—ang pakiramdam na nawawala ang direksyon, ang hindi kompletong impormasyon, at ang pangangailangan na gumawa ng desisyon sa pagkilos—ay hindi magtatapos sa loob ng dalawang taon. Ito ay nagbabago lamang, at ang mga bagong hindi tiyak na kalagayan ang magpapalit sa dating. Ang mga tagapagtatag na nakakatagal ay hindi sila na nakahanap ng tiyakan, kundi sila na natutunan kung paano mabilis na lumipad sa loob ng fog.

Ang pagbuo ng isang kumpanya ay napakadakilang kawalan ng pag-asa, at ang kawalan ng pag-asa na ito ay mahirap ipaliwanag sa mga hindi nagawa ito. Naninirahan ka sa patuloy na maliit na takot, na minsan ay pinagpapalalim ng mas malalaking takot. Ginagawa mo ang libu-libong desisyon nang walang sapat na impormasyon, at alam mong ang isang serye ng maling desisyon ay maaaring magdulot ng wakas. Ang mga “tagumpay sa isang gabi” na nakikita mo sa Twitter ay hindi lamang mga outlier sa power law distribution, kundi mga extremo sa loob ng outliers. Ang pag-optimize ng iyong estratehiya batay sa mga kaso na ito ay parang pagsasanay para sa marathon sa pamamagitan ng pagsusuri sa mga oras ng mga tao na nagkamali ng daan at nagsakay nang walang layunin para makapagtapos ng 5 km.

Kaya bakit gawin ito? Hindi dahil komportable, hindi dahil malaki ang posibilidad ng tagumpay. Kundi dahil para sa ilan, hindi ito maramdaman bilang tunay na buhay kung hindi ito gawin. Dahil ang tanging bagay na mas masama kaysa takot sa “pagbuo ng isang bagay mula sa wala” ay ang tahimik na pagkabagabag na dulot ng “hindi pagsubok”.

At—kung tama ang iyong hula, kung nakita mo ang katotohanan na hindi pa binigyan ng presyo ng iba, kung isinagawa mo ito sa isang sapat na mahabang panahon gamit ang iyong estetika at paniniwala—ang resulta ay hindi lamang pang-pananalapi. Binuo mo ang isang tunay na nagbabago sa paraan ng paggawa ng mga tao. Ipinagkakaloob mo ang isang produkto na minamahal ng mga tao. Pinagtatrabaho at pinagtagumpayan mo ang mga tao na nagpapakita ng kanilang pinakamahusay sa iyong sariling binuo na negosyo.

Ito ay isang proyektong sampung taon. Hindi makakapagbago ang AI sa katotohanang ito, at hindi ito nagbago kailanman.

Ang pagbabago na dulot ng AI ay ang ceiling na maaaring maabot ng mga founder na handang tumagal hanggang sa huli para makita ang resulta.

Kung gayon, sa kabilang dulo ng lahat ng ito, paano ba magiging anyo ng software?

Ang mga tagapagpaniwala ay nagsasabi na ang AI ay naglikha ng kayamanan—higit pang mga produkto, higit pang mga tagabuo, higit pang halaga na ipinapamahagi sa mas maraming tao. Tama sila. Ang mga pesimista naman ay nagsasabi na ang AI ay nagpabagsak sa mga palisada ng software—ang anumang bagay ay maaaring kopyahin sa isang hapon, at ang depensiba ay namatay. Tama rin sila sa bahagi. Ngunit ang parehong grupo ay nakatingin sa ilalim (The floor), at walang tumitingin sa itaas (The ceiling).

Magsisilbi ang libu-libong point solutions sa hinaharap—maliit, functional, at AI-generated na mga kasangkapan na sapat upang lutasin ang mga partikular at maliit na problema. Marami sa kanila ay hindi binuo ng mga kumpanya, kundi ng mga indibidwal o internal na team upang lutasin ang kanilang sariling mga problema. Para sa ilang kategorya ng software na may mababang hadlang at madaling palitan, ang merkado ay magiging totoong demokratiko. Ang bar ay mataas, ang kompetisyon ay napakalakas, at ang kita ay napakapalapad.

Ngunit iba ang sitwasyon para sa mga software na kritikal sa negosyo—mga sistema na nagpapatakbo ng paggalaw ng pera, pagtutugma sa batas, datos ng mga empleyado, at mga panganib sa batas. Ito ay mga proseso na may napakababang pagkakamali. Kapag may sirang sistema sa pagbabayad ng sahod, hindi makakatanggap ng pera ang mga empleyado; kapag may mali sa pagpapasa ng buwis, darating ang IRS; kapag may pagkakawala sa pagbabayad ng benepisyo sa panahon ng open enrollment, tatanggalin ang proteksyon mula sa totoong tao. Ang mga taong pumipili ng software ay dapat magdala ng responsibilidad sa mga epekto. Ang pagkakaroon ng responsibilidad na ito ay hindi maaaring ibigay sa isang AI na pinagsama-sama lamang sa pamamagitan ng “vibecoding” sa hapon.

Para sa mga workflow na ito, magpapatuloy ang mga negosyo sa pagtitiwala sa kanilang mga supplier. Sa mga supplier na ito, ang dinamikang “winner-takes-all” ay magiging mas extremo kaysa sa mga nakaraang henerasyon ng software. Ito ay hindi lamang dahil mas malakas ang network effects (kahit totoo ito), kundi dahil ang isang AI-native platform na nagpapatakbo sa malaking iskala at nakalikom ng pribadong data mula sa milyon-milyon na transaksyon at libu-libong compliance edge cases ay may kompound advantage na nagpapahirap sa mga susunod na pagsisikap na makahabol nang “ground-up.” Ang moog ay hindi na isang set ng mga tampok, kundi ang kalidad na nakalikom sa pamamagitan ng matagalang pagpapanatili ng mataas na pamantayan sa isang larangan na parusa ang mga pagkakamali.

Ito ay nangangahulugan na ang integrasyon ng software market ay magiging mas malalim kaysa sa panahon ng SaaS. Inaasahan kong sa loob ng sampung taon, sa larangan ng HR at payroll, hindi magkakaroon ng 20 na kumpanya na bawat isa ay may maliit na bahagi ng market. Inaasahan kong dalawa o tatlong platform ang magtatampok ng karamihan sa halaga, habang ang mahabang lista ng mga solusyon na nakatuon sa isang bagay ay magkakaroon ng kaunting bahagi. Magkakaroon ng parehong modelo sa bawat kategorya ng software kung saan ang kompleksidad sa pagtutugma, pagkolekta ng data, at gastos sa pagbabago ay magkakasama.

Ang mga kumpanya na nasa itaas ng mga distribusyong ito ay mukhang sobrang magkakatulad: itinatag ng mga teknikal na propesyonal na may tunay na pag-unawa sa produkto; binuo sa AI-native architecture mula sa unang araw; at nagtatrabaho sa mga merkado kung saan ang mga kasalukuyang malalaking kumpanya ay hindi makakagawa ng struktural na tugon kung hindi nila sisirain ang kanilang umiiral na negosyo. Naglagay sila ng isang natatanging pananaw sa simula—nakita nila ang isang katotohanan na hindi pa binibigyan ng presyo ng AI—at pinanatili nila ito nang sapat na mahaba hanggang sa maging malinaw ang compound effect.

Lumalabas ako sa abstraktong paglalarawan sa mga founder na ito. Ngunit malinaw kong alam kong sino siya, dahil ako ay nagtatrabaho upang maging siya.

Itinatag ko ang Warp noong 2022 dahil naniniwala ako na ang buong stack ng pagpapatakbo ng mga empleyado—bayad ng sahod, pagkakasunod sa buwis, benepisyo, pagpapakilala, pamamahala ng kagamitan, at mga proseso ng HR—ay nabatay sa kamay na paggawa at lumang istruktura, at maaaring palitan nang buo ng AI. Hindi pagpapabuti, kundi palitan. Ang mga matandang malalaking kompanya ay nagtatayo ng mga negosyong may halagang bilyon dolyar sa pamamagitan ng pag-absorb ng kumplikasyon sa bilang ng mga empleyado; samantalang tayo ay magtatayo ng aming negosyo sa pamamagitan ng pag-alis ng kumplikasyon mula sa pinagmulan.

Tinunay ng tatlong taon ang pagsisikap na ito. Mula noong paglunsad, kami ay nakapag-proseso ng higit sa $500 milyon sa mga transaksyon, at kami ay nasa mabilis na paglago at nagbibigay serbisyo sa mga kumpanya na nagbuo ng pinakamahalagang teknolohiya sa mundo. Bawat buwan, ang aming nakalap na data sa pagkakasunod, mga naproprosesong edge cases, at mga binuo na integrasyon ay ginagawang mas mahirap kopyahin ang platform at mas may halaga para sa mga kliyente. Ang malaking kalakalan ay nasa maagap pa lamang na yugto, ngunit ito ay nagsisimula nang magkaroon ng sukat at patuloy na tumatagal.

Sinasabi ko sa iyo ang mga ito hindi dahil ang tagumpay ni Warp ay nasusukat na—sa isang mundo ng power law, wala nang nasa takda—kundi dahil sa lohika na humantong sa amin dito, ang lohika na inilarawan ko sa buong artikulo: makita ang katotohanan. Lumalim nang higit pa kaysa sinuman. Itatag ang isang mataas na pamantayan na hindi nangangailangan ng panlabas na presyon. Magpatuloy nang sapat na haba upang makita kung tama ka.

Ang mga kompanyang makabuluhan sa panahon ng AI ay itatayo ng mga tao na naiintindihan ang sumusunod: ang pagkakaroon ng access ay hindi kailanman isang limitadong yaman, ang pag-unawa (Insight) ang talagang mahalaga; ang pagpapatupad ay hindi kailanman isang pagsisilbing kaligtasan, ang pagiging may antas (Taste) ang talagang mahalaga; ang bilis ay hindi kailanman isang kahusayan, ang depth ang talagang mahalaga.

Ang power law ay hindi nag-aalala sa iyong intensyon. Pero ito ay nagbibigay-pugay sa tamang intensyon.