تقریباً هر روز، گرانت لی، یک کارآفرین دره سیلیکون، از سرمایه‌گذارانی می‌شنود که سعی می‌کنند او را متقاعد کنند تا پول آنها را بگیرد. برخی حتی برای او و بنیانگذارانش سبدهای هدیه شخصی‌شده فرستاده‌اند.
آقای لی، 41 ساله، معمولاً از این موضوع خوشحال می‌شد. در گذشته، یک استارت‌آپ با رشد سریع مانند گاما، استارت‌آپ هوش مصنوعی که او در سال 2020 به تأسیس آن کمک کرد، دائماً به دنبال بودجه بیشتر بود.
اما مانند بسیاری از استارت‌آپ‌های جوان در سیلیکون ولی امروزی، گاما در حال پیگیری یک استراتژی متفاوت است. این شرکت از ابزارهای هوش مصنوعی برای افزایش بهره‌وری کارکنان خود در همه چیز از خدمات مشتری و بازاریابی گرفته تا کدنویسی و تحقیقات مشتری استفاده می‌کند.
آقای لی گفت، این بدان معناست که گاما، که نرم‌افزاری می‌سازد که به افراد امکان می‌دهد ارائه‌ها و وب‌سایت‌ها را ایجاد کنند، نیازی به پول نقد بیشتر ندارد. شرکت او تنها 28 نفر را استخدام کرده است تا دهه‌ها میلیون درآمد سالانه مکرر و نزدیک به 50 میلیون کاربر داشته باشد. گاما نیز سودآور است.
آقای لی گفت: اگر ما از نسل قبل بودیم، به راحتی 200 کارمند داشتیم. ما این شانس را پیدا می‌کنیم که در آن تجدید نظر کنیم، اساساً کتاب بازی را دوباره بنویسیم.
مدل قدیمی سیلیکون ولی حکم می‌کرد که استارت‌آپ‌ها باید مبلغ هنگفتی پول از سرمایه‌گذاران خطرپذیر جمع‌آوری کنند و آن را صرف استخدام ارتشی از کارمندان برای توسعه سریع کنند. سودها خیلی دیرتر به دست می‌آمدند. تا آن زمان، تعداد کارکنان و جمع‌آوری سرمایه نشان افتخار در بین بنیانگذاران بود، که از نظر فلسفی معتقد بودند بزرگتر بهتر است.
اما گاما در میان گروه رو به رشدی از استارت‌آپ‌ها قرار دارد که اکثر آنها روی محصولات هوش مصنوعی کار می‌کنند و همچنین از هوش مصنوعی برای به حداکثر رساندن کارایی استفاده می‌کنند. آنها بدون سرمایه‌گذاری یا کارمندانی که قبلاً به آن نیاز داشتند، پول در می‌آورند و به سرعت در حال رشد هستند. بزرگترین حق لاف زدن برای این استارت‌آپ‌ها کسب بیشترین درآمد با کمترین کارگر است.
داستان‌های موفقیت تیم کوچک اکنون به یک میم تبدیل شده است، به طوری که تکنسین‌ها با هیجان لیست‌هایی را به اشتراک می‌گذارند که نشان می‌دهد چگونه Anysphere، یک استارت‌آپ که نرم‌افزار کدنویسی Cursor را می‌سازد، در کمتر از دو سال با تنها 20 کارمند به 100 میلیون دلار درآمد سالانه مکرر رسید، و چگونه ElevenLabs، یک استارت‌آپ صدای هوش مصنوعی، همین کار را با حدود 50 کارگر انجام داد.
پتانسیل هوش مصنوعی برای اینکه به استارت‌آپ‌ها اجازه دهد با کمترین امکانات کارهای بیشتری انجام دهند، منجر به گمانه‌زنی‌های وحشیانه‌ای در مورد آینده شده است. سام آلتمن، مدیرعامل OpenAI، پیش‌بینی کرده است که ممکن است روزی یک شرکت یک نفره به ارزش 1 میلیارد دلار وجود داشته باشد. شرکت او، که در حال ساخت یک شکل پرهزینه از هوش مصنوعی به نام مدل بنیادی است، بیش از 4000 کارمند دارد و بیش از 20 میلیارد دلار بودجه جمع‌آوری کرده است. همچنین در حال مذاکره برای جمع‌آوری پول بیشتر است.
با ابزارهای هوش مصنوعی، برخی از استارت‌آپ‌ها اکنون اعلام می‌کنند که استخدام در یک اندازه معین را متوقف خواهند کرد. Runway Financial، یک شرکت نرم‌افزار مالی، گفته است که قصد دارد حداکثر 100 کارمند داشته باشد، زیرا هر یک از کارمندان آن کار 1.5 نفر را انجام می‌دهند. Agency، یک استارت‌آپ با استفاده از هوش مصنوعی برای خدمات مشتری، نیز قصد دارد بیش از 100 کارگر استخدام نکند.
الیاس تورس، بنیانگذار Agency، گفت: این در مورد حذف نقش‌هایی است که وقتی تیم‌های کوچکتری دارید ضروری نیستند.
ایده کارایی مبتنی بر هوش مصنوعی ماه گذشته توسط DeepSeek، استارت‌آپ هوش مصنوعی چینی که نشان داد می‌تواند ابزارهای هوش مصنوعی را با کسری کوچک از هزینه معمولی بسازد، تقویت شد. پیشرفت آن، که بر روی ابزارهای منبع باز ساخته شده است که به صورت رایگان آنلاین در دسترس هستند، باعث انفجار شرکت‌هایی شد که محصولات جدیدی را با استفاده از تکنیک‌های ارزان قیمت DeepSeek می‌سازند.
گوراو جاین، سرمایه‌گذار در شرکت سرمایه‌گذاری Afore Capital که از گاما حمایت کرده است، گفت: DeepSeek یک لحظه تعیین کننده بود. هزینه محاسبات بسیار، بسیار سریع کاهش خواهد یافت.
آقای جاین استارت‌آپ‌های جدید هوش مصنوعی را با موج شرکت‌هایی که در اواخر دهه 2000 پس از ارائه خدمات محاسبات ابری ارزان قیمت توسط آمازون به وجود آمدند، مقایسه کرد. این امر هزینه شروع یک شرکت را کاهش داد و منجر به هجوم استارت‌آپ‌های جدیدی شد که می‌توانستند ارزان‌تر ساخته شوند.
آقای جاین گفت، قبل از این رونق هوش مصنوعی، استارت‌آپ‌ها عموماً 1 میلیون دلار برای رسیدن به 1 میلیون دلار درآمد می‌سوزاندند. بر اساس تجزیه و تحلیلی که توسط Afore بر روی 200 استارت‌آپ انجام شده است، اکنون رسیدن به 1 میلیون دلار درآمد یک پنجم هزینه دارد و در نهایت می‌تواند به یک دهم کاهش یابد.
آقای جاین گفت: این بار ما در حال خودکارسازی انسان‌ها هستیم، نه فقط مراکز داده.
اما اگر استارت‌آپ‌ها بتوانند بدون صرف هزینه زیاد سودآور شوند، این می‌تواند برای سرمایه‌گذاران خطرپذیر که ده‌ها میلیارد دلار برای سرمایه‌گذاری در استارت‌آپ‌های هوش مصنوعی اختصاص می‌دهند، به یک مشکل تبدیل شود. طبق گفته PitchBook، که استارت‌آپ‌ها را ردیابی می‌کند، سال گذشته شرکت‌های هوش مصنوعی 97 میلیارد دلار بودجه جمع‌آوری کردند و 46 درصد از کل سرمایه‌گذاری خطرپذیر در ایالات متحده را تشکیل دادند.
ترنس روهان، سرمایه‌گذار در Otherwise Fund، که بر روی استارت‌آپ‌های بسیار جوان تمرکز دارد، گفت: سرمایه‌گذاری خطرپذیر تنها در صورتی کار می‌کند که پول را به دست برندگان برسانید. او افزود: اگر برنده آینده به پول بسیار کمتری نیاز داشته باشد زیرا افراد بسیار کمتری خواهد داشت، این چگونه V.C. را تغییر می‌دهد؟
در حال حاضر، سرمایه‌گذاران به مبارزه برای ورود به داغ‌ترین شرکت‌ها ادامه می‌دهند، که بسیاری از آنها نیازی به پول بیشتر ندارند. Scribe، یک استارت‌آپ بهره‌وری هوش مصنوعی، سال گذشته با علاقه بسیار بیشتری از سرمایه‌گذاران نسبت به 25 میلیون دلاری که می‌خواست جمع‌آوری کند، دست و پنجه نرم کرد.
جنیفر اسمیت، مدیرعامل Scribe، گفت: این مذاکره بر سر این بود که کمترین مقداری که می‌توانیم بپذیریم چقدر است. او گفت که سرمایه‌گذاران از اندازه کارکنان او - 100 نفر - در مقایسه با سه میلیون کاربر و رشد سریع آن شوکه شده‌اند.
برخی از سرمایه‌گذاران خوشبین هستند که کارایی مبتنی بر هوش مصنوعی کارآفرینان را برای ایجاد شرکت‌های بیشتر تحریک می‌کند و منجر به فرصت‌های بیشتری برای سرمایه‌گذاری می‌شود. آنها امیدوارند که هنگامی که استارت‌آپ‌ها به اندازه معینی رسیدند، شرکت‌ها مدل قدیمی تیم‌های بزرگ و پول بزرگ را اتخاذ کنند.
برخی از شرکت‌های جوان، از جمله Anysphere، همان شرکتی که پشت Cursor است، در حال حاضر این کار را انجام می‌دهند. به گفته اسکار شولز، رئیس این شرکت، Anysphere 175 میلیون دلار بودجه جمع‌آوری کرده است و قصد دارد کارمندان را اضافه کند و تحقیقات انجام دهد.
سایر بنیانگذاران خطرات کتاب بازی قدیمی استارت‌آپ را دیده‌اند، که شرکت‌ها را در یک تردمیل جمع‌آوری سرمایه نگه می‌داشت، جایی که استخدام افراد بیشتر هزینه‌های بیشتری را ایجاد می‌کرد که فراتر از حقوق آنها بود.
تیم‌های بزرگتر به مدیران، منابع انسانی قوی‌تر و پشتیبانی دفتر پشتی نیاز داشتند. سپس آن تیم‌ها به نرم‌افزار تخصصی، همراه با یک دفتر بزرگتر با تمام مزایا نیاز داشتند. و غیره، که منجر به این شد که استارت‌آپ‌ها پول نقد را سوزانده و بنیانگذاران را مجبور به جمع‌آوری مداوم پول بیشتر کنند. بسیاری از استارت‌آپ‌های رونق بودجه سال 2021 در نهایت کوچک شدند، تعطیل شدند یا برای فروش خود تلاش کردند.
سودآوری زودهنگام می‌تواند آن نتیجه را تغییر دهد. در گاما، کارمندان از حدود 10 ابزار هوش مصنوعی برای کمک به کارآمدتر شدن آنها استفاده می‌کنند، از جمله ابزار خدمات مشتری Intercom برای رسیدگی به مشکلات، ژنراتور تصویر Midjourney برای بازاریابی، ربات گفتگو Claude Anthropic برای تجزیه و تحلیل داده‌ها و NotebookLM گوگل برای تجزیه و تحلیل تحقیقات مشتری. مهندسان همچنین از Cursor Anysphere برای نوشتن کارآمدتر کد استفاده می‌کنند.
محصول گاما که بر روی ابزارهایی از OpenAI و دیگران ساخته شده است، به اندازه سایر محصولات هوش مصنوعی گران نیست. (نیویورک تایمز از OpenAI و شریک آن، مایکروسافت، به دلیل نقض حق چاپ محتوای خبری مرتبط با سیستم‌های هوش مصنوعی شکایت کرده است. این دو شرکت ادعاهای این شکایت را رد کرده‌اند.)
سایر استارت‌آپ‌های کارآمد در حال اتخاذ یک استراتژی مشابه هستند. Thoughtly، یک ارائه‌دهنده 10 نفره از عوامل تلفن هوش مصنوعی، به لطف استفاده از هوش مصنوعی، در 11 ماه سودآور شد، به گفته توری لئونارد، بنیانگذار آن.
پردازشگر پرداخت Stripe یک ابزار هوش مصنوعی ایجاد کرد که به آقای لئونارد کمک می‌کند فروش Thoughtly را تجزیه و تحلیل کند، کاری که او قبلاً یک تحلیلگر را برای انجام آن استخدام می‌کرد. او گفت، بدون آن و ابزارهای هوش مصنوعی از دیگران برای ساده‌سازی عملیات خود، Thoughtly به حداقل 25 نفر نیاز داشت و از سودآوری دور بود.
آقای لئونارد گفت، Thoughtly در نهایت پول بیشتری جمع‌آوری خواهد کرد، اما فقط زمانی که آماده باشد. او گفت، نگران تمام شدن پول نقد نبودن یک تسکین بزرگ است.
در گاما، آقای لی گفت که قصد دارد تقریباً نیروی کار را در سال جاری دو برابر کند و به 60 نفر برساند و برای طراحی، مهندسی و فروش استخدام کند. او قصد دارد نوع متفاوتی از کارگر را نسبت به قبل استخدام کند، به دنبال افراد عمومی است که طیف وسیعی از وظایف را انجام می‌دهند تا متخصصانی که فقط یک کار را انجام می‌دهند. او همچنین به جای مدیران، مربیان بازیکن می‌خواهد - افرادی که می‌توانند از کارمندان کم تجربه‌تر مربیگری کنند اما می‌توانند در کارهای روزمره نیز شرکت کنند.
آقای لی گفت که مدل کارآمد هوش مصنوعی زمانی را آزاد کرده است که در غیر این صورت صرف مدیریت افراد و استخدام می‌کرد. اکنون او بر صحبت با مشتریان و بهبود محصول تمرکز دارد. در سال 2022، او یک اتاق Slack برای بازخورد از کاربران برتر گاما ایجاد کرد، که اغلب از اینکه متوجه می‌شوند مدیرعامل به نظرات آنها پاسخ می‌دهد، شوکه می‌شوند.
آقای لی گفت: این در واقع رویای هر بنیانگذاری است.