La verità sull'essere AI-native. Te la spiego semplice.
Oggi tutti vanno in giro dicendo di essere "s di essere "AI-native", che nella maggior parte dei casi significa che qualcuno nel team ha una scheda di ChatGPT aperta e il responsabile marketing ha creato un GPT personalizzato chiamato "Brand Voice Assistant".
Carino.
Utile, persino.
Ma non AI-native.
Ecco la differenza che la gente continua a non capire. Un'azienda AI-native non è un'azienda che usa l'AI. È un'azienda che è stata ricostruita in modo che l'AI possa operare al suo interno. L'azienda è strutturata, documentata, autorizzata e strumentata in modo che gli agenti possano capirla. L'azienda si è resa leggibile alle macchine.
Sembra noioso, finché non realizzi che potrebbe essere il più grande vantaggio competitivo del prossimo decennio.
Perché la maggior parte delle aziende non è leggibile dalle macchine. La maggior parte delle aziende è a malapena leggibile dai propri dipendenti.
Il CRM dice una cosa. Il thread di Slack ne dice un'altra. La vera storia vera del cliente vive nella casella di posta di qualcuno. La logica dei prezzi è in un foglio di calcolo chiamato "Finale_v7_NUOVO". La politica di rimborso è in un documento Notion di cui nessuno si fida. Il processo di vendita è "parla con Sarah, lei sa come gestiamo l'enterprise". Il flusso di onboarding è cinque strumenti, tre persone, due passaggi di approvazione e un fondatore che viene ancora tirato in ballo per casi limite casuali perché nessuno ha mai trasformato il giudizio in un sistema.
Poi queste aziende chiedono: "Perché l'AI non può fare di più per noi?"
Perché l'AI non può funzionare a sensazioni.
Non può gestire un'azienda in cui la verità è sparsa tra persone, strumenti, abitudini, eccezioni e memoria istituzionale. Gli agenti hanno bisogno di contesto. Hanno bisogno di input puliti. Hanno bisogno di regole. Hanno bisogno di accesso. Hanno bisogno di confini. Hanno bisogno di sapere come si fa bene. Hanno bisogno di sapere quando agire e quando chiedere.
La maggior parte delle aziende ha passato vent'anni ad acquistare software, ma non ha passato vent'anni a progettare un sistema operativo. Hanno un mucchio di strumenti, non una macchina.
Ecco perché il numero di aziende veramente AI-native è probabilmente sorprendentemente basso. La mia stima è che ci siano forse 1.000 aziende sulla terra con un ARR superiore a 5 milioni che siano effettivamente AI-native nel vero senso della parola. Non "usiamo copiloti". Non "abbiamo automatizzato alcune email". Intendo aziende in cui i flussi di lavoro principali sono progettati per essere eseguiti da agenti e supervisionati da umani supervisionano.
Forse il numero è 500. Forse è 2.000. Il numero esatto importa meno della conclusione.
Quasi nessuno lo sta ancora facendo.
Nonostante tutto il rumore, nonostante tutti gli annunci di finanziamento, nonostante ogni homepage SaaS sia stata riscritta con la parola "agentico", il campo è praticamente vuoto.
La prima distinzione utile è questa: le aziende AI-assistite usano l'AI ai margini. Le aziende AI-native riprogettano il centro.
Un'azienda AI-assistita chiede: "Dove possiamo aggiungere l'AI per risparmiare tempo?"
Un'azienda AI-native chiede: "Come dovrebbe esistere questo flusso di lavoro se gli agenti fanno il primo 80%?"
Quella seconda domanda cambia tutto.
Prendi l'assistenza clienti. In un'azienda normale, arriva un ticket di supporto, un umano lo legge, cerca contesto, controlla l'account, ricorda le policy, scrive una risposta, forse chiede all'ingegneria, forse scala, forse si dimentica di etichettare correttamente il motivo. È un processo guidato da umani con software spruzzato intorno.
In un'azienda AI-native, il ticket entra in un sistema che un agente può capire. L'agente legge la storia del cliente, controlla i limiti del piano, rivede i ticket precedenti, consulta le policy, abbozza una risposta, raccomanda un'azione e o risolve il problema o lo invia a un umano con il motivo esatto per cui serve giudizio. L'umano non è il motore di ricerca, instradatore e copywriter. L'umano è il revisore dell'ambiguità.
Questa è un'azienda molto diversa.
Ora applica la stessa logica alle vendite. Il vecchio modo è un SDR cerca un potenziale cliente su Google, indovina la personalizzazione, scrive un'email mediocre, aggiorna Salesforce perché il manager lo scoccia, poi passa metà contesto a un AE. Il modo AI-native è un agente che monitora i segnali di acquisto, arricchisce gli account, mappa gli stakeholder, abbozza l'outreach, impara quali hook convertono, aggiorna il CRM automaticamente e dà al venditore umano una conversazione preparata invece di una pagina bianca.
Il legale è lo stesso. Il recruiting è lo stesso. La finanza è lo stesso. La gestione dei sinistri è lo stesso. La gestione degli account è lo stesso. La ricerca è lo stesso.
Il pattern si ripete ovunque: gli agenti fanno il lavoro strutturato, gli umani gestiscono gusto, fiducia, giudizio, relazioni ed eccezioni.
Non è un piccolo miglioramento della produttività. È un nuovo modello di gestione.
Negli ultimi cent'anni, il modo predefinito per scalare un'azienda era assumere più persone, creare dipartimenti, aggiungere manager, comprare software e inventare processi per coordinare il caos. Ogni nuovo strato risolveva un problema e ne creava tre. L'azienda diventava più grande, ma anche più lenta. Più riunioni. Più passaggi di consegne. Più "di chi è questo?" Più gravità interna.
Le aziende AI-native scaleranno diversamente.
Non sembreranno aziende tradizionali con un chatbot attaccato. Sembreranno piccoli team che operano grandi flotte di agenti specializzati. Un'azienda di 12 persone farà ciò che richiedeva 80 persone. Un'azienda di 40 persone competerà con un'azienda consolidata di 400. Il fatturato per dipendente diventerà uno dei segnali più chiari che un'azienda è effettivamente costruita per la nuova era.
Qui molti si mettono sulla difensiva. Sentono "gli agenti fanno il lavoro" e presumono che gli umani scompariranno.
Non è questo il punto.
Il modo migliore di vederlo è che le aziende moderne hanno sprecato l'intelligenza umana in compiti a forma di macchina. Usiamo umani per spostare informazioni tra strumenti. Usiamo umani per ricordare processi. Usiamo umani per cercare cartelle. Usiamo umani per riscrivere la stessa email. Usiamo umani per inseguire approvazioni. Usiamo umani per riassumere chiamate, compilare campi, copiare dati, classificare richieste e chiedere ad altri umani dove si trova qualcosa.
Molto lavoro non è veramente "lavoro". È attrito organizzativo travestito.
Le aziende AI-native eliminano tutto questo.
Preservano le parti umane che contano e automatizzano le parti che esistevano solo perché il software era troppo stupido per capire il contesto. Ciò significa che il ruolo umano diventa più sfruttato, non meno importante. Un grande operatore diventa il supervisore di dieci flussi di lavoro. Un grande venditore diventa il finalizzatore di conversazioni che gli agenti hanno aiutato creare. Un grande responsabile del supporto diventa il progettista della logica di escalation e della qualità dell'esperienza cliente. Un grande fondatore diventa l'architetto di come l'azienda pensa.
Quel punto sul fondatore è importante.
Il fondatore AI-native non sta solo costruendo un prodotto. Sta progettando un'azienda che può essere compresa dagli agenti.
Ciò significa che il fondatore deve rendere esplicito l'implicito. Qual è la nostra politica di rimborso? Quando la violiamo? Cosa rende un lead qualificato? Che tono usiamo con i clienti arrabbiati? Cosa non dovrebbe mai essere automatizzato? Quali azioni richiedono approvazione? Qual è una buona risposta? Qual è una risposta pericolosa? Quale fonte di dati è la fonte di verità? Cosa facciamo quando due sistemi non sono d'accordo? Come impara l'agente impara dalle correzioni?
Questo è il lavoro poco affascinante che separerà le vere aziende AI-native dal teatro di LinkedIn.
Tutti vogliono la magia. Nessuno vuole pulire la cucina.
Ma la cucina è l'azienda.
Le aziende che vinceranno faranno cose noiose e fondamentali con una serietà insolita. Puliranno i loro dati. Documenteranno i loro flussi di lavoro. Creeranno SOP leggibili dagli agenti. Costruiranno permessi e trail di audit. Struttureranno i record dei clienti in modo che il contesto non sia intrappolato nella memoria umana. Creeranno cicli di valutazione in modo che gli agenti migliorino nel tempo. Trasformeranno ogni decisione ripetuta in un sistema decisionale.
Poi, una volta che lo strato operativo è pulito, si muoveranno a una velocità assurda.
Ecco perché "AI-native" non è davvero un'etichetta tecnologica. È un'etichetta organizzativa.
Un'azienda può usare i migliori modelli del mondo ed essere comunque strutturalmente incapace di trarne vantaggio. Se l'agente deve indovinare dove vive la verità, se non può accedere ai sistemi giusti, se nessuno ha definito le regole decisionali, se ogni flusso di lavoro dipende da eccezioni sepolte nella testa di qualcuno, allora l'AI rimarrà un giocattolo. Abbozzerà cose. Riassumerà cose. Farà sentire le persone sentirsi più veloci. Ma non trasformerà l'azienda.
La trasformazione avviene quando gli agenti diventano parte del tessuto operativo.
Immagina un'azienda di servizi domestici veramente AI-native. Ogni richiesta in arrivo viene classificata automaticamente. Ogni preventivo viene generato da regole di prezzo strutturate. Ogni tecnico riceve un riepilogo del lavoro prima dell'arrivo. Ogni cliente riceve aggiornamenti proattivi. Ogni richiesta di recensione è personalizzata. Ogni appuntamento mancato crea un flusso di recupero automatico. Ogni pattern operativo alimenta il routing, i prezzi e il personale.
Ora immagina un'agenzia assicurativa. Gli agenti raccolgono documenti, pre-controllano le richieste, confrontano le polizze, segnalano dettagli mancanti, abbozzano spiegazioni per i clienti, preparano opzioni di rinnovo e monitorano gli account per eventuali cambiamenti. Gli umani costruiscono fiducia e gestiscono la complessità, ma il macchinario sottostante fa il lavoro intellettuale ripetitivo tutto il giorno.
Ora immagina un'azienda di recruiting. Gli agenti trovano candidati, arricchiscono i profili, li confrontano con i requisiti del ruolo, abbozzano l'outreach, riassumono i colloqui, verificano le referenze, aggiornano i pipeline e avvisano gli umani quando un candidato è eccezionale. Il recruiter smette di essere un addetto ai dati e diventa un finalizzatore di relazioni.
Queste non sono aziende di fantascienza. Sono aziende normali con le viscere ricostruite.
Ecco l'opportunità che la gente sottovaluta. Le aziende AI ovvie sono affollate. Copiloti orizzontali, strumenti di scrittura, bot per riunioni, assistenti di codice, generatori di immagini, wrapper per il supporto clienti. Buone aziende, ma ovvie. L'opportunità meno ovvia è prendere settori noiosi, redditizi e frammentati e ricostruire il modello operativo attorno agli agenti.
Agenzie AI-native. Brokeraggi AI-native. Servizi legali AI-native. Studi contabili AI-native. Compliance shop AI-native. Aziende di amministrazione sanitaria AI-native. Operazioni immobiliari AI-native. Servizi educativi AI-native. Coordinatori logistici AI-native. BPO AI-native che non sembrano BPO.
Il mondo è pieno di settori in cui i clienti pagano per i risultati, ma la struttura dei fornitori è composta principalmente da lavoro intellettuale ripetitivo. È esattamente lì che le aziende AI-native possono inserirsi.
Le migliori opportunità non sembreranno sempre aziende di software all'inizio. Alcune sembreranno aziende di servizi con margini di software nascosti all'interno. Questo confonderà investitori e concorrenti, il che è utile. Mentre tutti gli altri cercano il prossimo dashboard SaaS, i veri vincitori potrebbero costruire silenziosamente aziende di servizi AI-native che producono risultati migliori con un'intensità di lavoro drammaticamente inferiore.
È una cosa molto da Greg da dire, ma penso che la prossima ondata di aziende internet potrebbe assomigliare meno a "startup" e più a strane macchinette da soldi.
Piccoli team. Mercati di nicchia. Flussi di lavoro proprietari. Alta automazione. Alta fiducia. Dolore chiaro del cliente. Categoria noiosa. Margini bellissimi.
Non sexy dall'esterno.
Estremamente sexy nel conto in banca.
E poiché queste aziende sono costruite diversamente dal primo giorno, gli incumbent faranno fatica a copiarle. Un'azienda vecchia non può diventare AI-native annunciando un'iniziativa AI. È come cercare di trasformare una nave da crociera in un motoscafo comprando un nuovo volante.
La parte difficile non è l'accesso ai modelli. Ce l'hanno tutti.
La parte difficile è che gli incumbent sono pieni di debito di processo vecchio. I loro dati sono disordinati. Le loro politiche sono in conflitto. I loro team proteggono il loro territorio. I loro flussi di lavoro sono stati costruiti attorno al numero di dipendenti. Il loro stack software è cucito con nastro adesivo e rituali rituali di pianificazione trimestrale. Il loro sistema operativo assume che gli umani siano i processori predefiniti delle informazioni.
Una nuova azienda ha il vantaggio di non avere mobili da spostare.
Può iniziare pulita. Può costruire ogni processo con la domanda: "Un agente potrebbe fare il primo passaggio su questo?" Può documentare dal primo giorno. Può rendere ogni oggetto di dato utilizzabile. Può progettare punti di revisione umana prima che gli errori diventino disastri. Può costruire cicli di feedback prima che l'azienda si calcifichi.
Ecco perché l'idea delle "solo 1.000 aziende" è importante. Crea urgenza, ma crea anche permesso.
Il campo è vuoto perché la maggior parte delle persone confonde ancora l'adozione dell'AI con l'architettura dell'AI.
Pensano che il gioco sia l'ingegneria dei prompt. Non lo è.
Pensano che il gioco sia scegliere il modello giusto. Non lo è.
Pensano che il gioco sia aggiungere un chatbot al sito. Sicuramente non lo è.
Il gioco è riprogettare l'azienda in modo che l'intelligenza possa fluire attraverso di essa.
C'è un playbook pratico qui.
Primo.
Primo, scegli un flusso di lavoro di lavoro ristretto con ovvio valore economico. Non iniziare con "rendi l'azienda AI-native". È troppo astratto. Inizia con la risoluzione del supporto, il prospecting outbound, l'onboarding, la presa in carico dei sinistri, la revisione dei documenti, la gestione dei rinnovi o il reporting. Scegli un flusso di lavoro in cui il volume è alto, esistono regole e gli umani stanno attualmente facendo troppa coordinazione.
Secondo, mappa il flusso di lavoro come una macchina. Cosa lo innesca? Quali dati sono necessari? Quali decisioni avvengono? Quali decisioni sono reversibili? Quali richiedono approvazione? Come si presenta il successo? Dove avvengono gli errori? Cosa sa un umano che il sistema non sa?
Terzo, struttura la conoscenza. Se l'agente ha bisogno di una policy, scrivi la policy. Se ha bisogno di regole di prezzo, rendile esplicite. Se ha bisogno della storia del cliente, pulisci l'oggetto cliente. Se ha bisogno di esempi, crea esempi. Se ha bisogno di tono, definisci il tono. È qui che la maggior parte dei team si arrende, perché sembra documentazione. Non è documentazione. È infrastruttura.
Quarto, metti gli agenti nel flusso di lavoro con confini. Lascia che abbozzino, classifichino, raccomandino, arricchiscano, riassumano e preparino. Dai loro azioni solo dove il rischio è compreso. Richiedi approvazione dove il giudizio conta. Registra tutto. Rivedi gli output. Tieni traccia della qualità. Migliora il sistema.
Quinto, misura l'impatto aziendale. Non "ore risparmiate" in un falso foglio di calcolo. Misura il tempo di risoluzione, il tasso di conversione, il margine lordo, il fatturato per dipendente, il tasso di errore, la soddisfazione del cliente, la velocità di vendita, il tempo di onboarding, il tasso di rinnovo. Le aziende AI-native dovrebbero mostrarsi nei numeri.
Questa è la parte che mi interessa di più. Tra qualche anno, "AI-native" non sarà una sensazione. Sarà visibile nelle metriche.
Il fatturato per dipendente sarà diverso.
I margini lordi saranno diversi.
La velocità di esecuzione sarà diversa.
L'esperienza del cliente sarà diversa.
Le migliori aziende sembreranno stranamente reattive, come se l'intera azienda fosse sveglia. I clienti otterranno risposte più velocemente. I team di vendita seguiranno con tempistiche migliori. I problemi operativi emergeranno prima. I fondatori vedranno l'azienda più chiaramente. I manager passeranno meno tempo a chiedere aggiornamenti e più tempo a migliorare il sistema.
L'azienda avrà meno resistenza.
Questo è il vero vantaggio.
Non AI come trucco da festa. AI come metabolismo organizzativo.
Quindi sì, ci sono probabilmente solo circa 1.000 aziende veramente AI-native sulla terra che generano entrate significative oggi.
E questo dovrebbe farti venire voglia di costruirne una immediatamente.
Perché quando un mercato è rumoroso, la gente presume che sia maturo. Ma il rumore non è maturità. Il rumore di solito è ciò che accade poco prima che i veri costruttori capiscano cosa conta.
In questo momento, tutti fanno rumore sull'AI.
Molto poche aziende sono strutturalmente pronte per questo.
Questo è il divario.
Questa è l'opportunità.
Le prossime grandi aziende saranno quelle i cui dati, flussi di lavoro, politiche e team sono ricostruiti attorno agli agenti dall'interno verso l'esterno. Sembreranno più piccole di quanto dovrebbero. Si muoveranno più velocemente di quanto abbia senso. Avranno meno dipendenti che fanno lavoro più prezioso. Trasformeranno servizi disordinati in sistemi scalabili. Faranno sembrare gli incumbent come se stessero usando Windows 95 con una schermata di login più carina.
La maggior parte delle persone si chiede ancora: "Come uso l'AI al lavoro?"
La domanda migliore è: "Come costruisco un'azienda in cui l'AI può lavorare all'interno?"
Quella domanda è la porta.
E in questo momento, quasi nessuno l'ha attraversata.
Nonostante ciò che leggi, il campo è vuoto. Forse considera di condividere questo con un amico.
Faccio il tifo per te.
Nota: non ne parlo spesso perché siamo sommersi, ma la mia società LCA è di livello mondiale nell'aiutare le aziende aziende a diventare AI-native. Perché fanno un lavoro davvero buono. Lavoriamo con Fortune 500 e i tuoi marchi preferiti per costruire prodotti AI-native e organizzazioni AI-native.
Se la tua azienda vuole diventare AI-native, considera di contattarli qui.
E se cerchi idee per startup, considera di prendere alcune idee validate che puoi costruire con l'AI su Ideabrowser.com
