1.1 Dalle finestre di chat all'azione: perché dobbiamo riprogettare i prodotti AI
Oggi voglio condividere come vediamo la creazione di prodotti nell'era dell'AI.
La mia esperienza personale è piuttosto ricca. Sono il membro più anziano del nostro team di management; i miei altri soci sono nati nel 1992 e nel 1993, mentre io sono nato nel 1986 e il mese prossimo compirò 40 anni. Vedere una persona di quasi 40 anni in mezzo agli studenti potrebbe farvi pensare al classico uomo di mezza età.
Sono entrato in questo settore presto, iniziando a lavorare subito dopo la laurea triennale senza proseguire con gli studi magistrali.
Prima di unirmi al team, ho sempre voluto costruire un prodotto capace di funzionare ininterrottamente 24 ore su 24, 7 giorni su 7: qualcosa che non richieda un input umano costante, ma che possa ragionare e produrre output in modo continuo. All'epoca non avevo ancora chiaro quale sarebbe stata la forma specifica, ma desideravo davvero realizzarlo perché credevo che il limite massimo dell'intelligenza dei modelli avesse già superato quello umano. Avevamo bisogno di una forma di prodotto sensata per stimolare il modello in modo proattivo e automatico, lasciandolo generare output continuamente. Indipendentemente dallo scenario applicativo finale, credo che questa sia la forma definitiva che un prodotto AI dovrebbe avere. Molte di queste riflessioni nascevano dall'esplorazione degli attuali confini delle capacità dei modelli.
Questo è stato anche un motivo importante per cui ho deciso di unirmi al progetto. All'epoca Red mi ha contattato dicendo che voleva creare un browser AI, e d'istinto ho sentito che quella direzione era giusta.
In seguito, ho riassunto il problema centrale emerso dalle nostre ricerche in un unico punto: la forma stessa del prodotto Chatbot limita l'espressione delle capacità dei modelli AI.
Questo significa che hai costruito un prodotto, ma il limite massimo del suo valore è vincolato dagli utenti: gli utenti devono sapere come fare domande E devono essere disposti a farle per sbloccare il valore del prodotto. E se gli utenti non sanno come chiedere? Allora il valore del prodotto diventa minimo.
I browser sono uno scenario tipico: non devi inserire continuamente prompt; scrivere email, cercare informazioni, navigare tra le pagine web — questi comportamenti sono di per sé espressioni di intenti e possono diventare input per il modello, generando enormi necessità di ragionamento in background. Un altro motivo per cui io e il nostro Chief Scientist abbiamo deciso di unirci è che Red non è solo un product manager straordinario, ma comprende profondamente anche la gestione aziendale.
1.2 Fermare il browser AI: il tempo conta più dei costi irrecuperabili
A ottobre 2024, il nostro browser AI era praticamente pronto. I test interni rivelavano sempre una o due funzionalità particolarmente brillanti.
Ma quando lo consigliavamo a familiari e amici, emergevano problemi seri: tutti hanno troppa familiarità con i browser. La prima domanda che facevano durante le prove era spesso: "Dov'è finita quella funzione che usavo su Safari o Chrome?"
Questo è il problema più grande quando si innestano nuove esperienze su quelle vecchie: gli utenti faranno sempre riferimento alla loro vecchia esperienza come parametro di confronto. Ma non è lì che risiedono i tuoi punti di forza. Vuoi che si concentrino sulla parte AI, ma a tutti interessa soprattutto quanto sia ben fatta l'esperienza di navigazione di base.
Per un team startup, allineare le esperienze di base a quelle di giganti come Apple e Google su un prodotto con oltre 20 anni di standard consolidati è quasi impossibile. Forzare la mano significherebbe consumare troppe energie extra, facendoci trascurare lo sviluppo dell'AI. All'epoca pensavo che il prodotto avesse veri punti di forza e che gli utenti hardcore lo avrebbero adorato al lancio, potendo magari decollare dopo qualche iterazione. Ma Red era estremamente combattuto a settembre e ottobre. Da un lato, riteneva logicamente insensato appendere nuove esperienze a quelle vecchie; dall'altro, temeva che, una volta rilasciato, l'intero team potesse rimanerci incastrato per 3-6 mesi. I founder spesso esitano ad arrendersi; se la prima versione performa male, pensano "forse non è ancora abbastanza buona, iteriamo", sprecando così sei mesi.
A scuola potresti non cogliere il concetto di tempo, ma per le startup il denaro è in realtà la risorsa più facile da risolvere: finché la direzione è giusta, puoi sempre raccogliere fondi. La risorsa più preziosa e non sprecabile è il tempo. Perdere tempo non prosciuga solo le energie personali; cosa ancora più terrificante, ti fa perdere finestre di mercato e trend specifici di una determinata fase.
In quel periodo, a ottobre 2024, tutta la nostra azienda contava solo 30 persone. Con il supporto di ZhenFund, avevamo raccolto solo i round Angel e Pre-A, con poca liquidità a disposizione. Dopo aver investito 7 mesi in un nuovo progetto già rifinito e probabilmente in grado di stupire il mercato al lancio, Red ha infine deciso di cancellarlo. Guardando indietro, quella è stata una decisione cruciale, perché se non avessimo fermato il browser, non ci sarebbe mai stato Manus in seguito.
Quando abbiamo condiviso questa storia per la prima volta l'anno scorso, i critici dicevano che non dovremmo sminuire il filone dei browser AI dato che noi stessi non ne avevamo costruito uno. Ma oggi possiamo dire con sicurezza che il settore dei browser AI non ha effettivamente alcun prodotto di vero successo. Il motivo essenziale è: per creare nuove esperienze, è meglio crearne di completamente nuove invece di provare a fare "AI + Vecchia Esperienza".
1.3 Intravedere le opportunità dei General Agent negli strumenti di coding
Dopo aver fermato il browser a ottobre 2024, il team ha iniziato a pensare a quale dovesse essere il prodotto successivo. Il team di Pechino era molto piccolo allora, occupava solo un minuscolo ufficio in uno spazio di co-working con cinque persone in totale. Come CPO, mi occupavo del prodotto; il Chief Scientist gestiva i modelli; e c'era un collega sviluppatore full-stack di nome Abin. Sebbene i nostri ruoli fossero diversi, tutti e tre avevamo un background nella programmazione. Io ho iniziato a scrivere codice in terza elementare.
Il prodotto più fenomenale del 2024 è stato Cursor, esploso in popolarità a luglio. Lo usavamo quotidianamente, ma sviluppavamo sensazioni diverse durante l'utilizzo. Soprattutto come programmatore non professionista, ho iniziato a usare Cursor per molte altre cose: gestire rimborsi, convertire MP4 in MP3 per mia moglie, aiutarmi nella scrittura di romanzi, ecc.
In questo processo, abbiamo percepito sempre di più la potenza del modello Claude 3.5 Sonnet dietro Cursor. Specialmente dopo le versioni successive, sia Cursor che Windsurf hanno visto miglioramenti significativi nelle capacità. Molte startup nazionali e internazionali stavano imitando Cursor, portando a un'ondata di strumenti di coding, anche se non venivano ancora definiti propriamente "Coding Agent".
La vera opportunità che abbiamo intravisto era questa: Sonnet 3.5 v2 ha sbloccato molto più di una semplice capacità di programmazione: ha sbloccato capacità autonome di pianificazione e azione.
Le capacità autonome di pianificazione e azione si manifestano principalmente in due aspetti:
Primo, la Pianificazione a lungo termine (Long-horizon Planning).
Oggi potrebbe sembrare senso comune, ma non lo era alla fine del 2024. All'epoca, i modelli di OpenAI faticavano in questo, preferendo un dialogo turno per turno in stile ChatGPT, risolvendo i problemi direttamente in un'unica interazione. A partire da Claude 3.5 Sonnet e notevolmente potenziata nelle versioni successive, è emersa la capacità di eseguire una pianificazione delle attività a lungo termine: sa di non dover affrettarsi a completare tutto in un solo turno, ma chiama attivamente gli strumenti, fa domande agli utenti, raccoglie più informazioni ed esegue solo quando è sufficientemente sicuro.
Secondo, l'Uso degli Strumenti (Tool Use).
Cursor costruisce strumenti che permettono a più persone di diventare ingegneri. Ma il nostro giudizio era che il mondo non ha bisogno di più ingegneri, né gli ingegneri hanno bisogno di strumenti più sofisticati: ne hanno già abbastanza. Se qualcuno di voi programma regolarmente, credo che il vostro computer abbia molti strumenti installati, continuamente scambiati e valutati. È così che operano gli ingegneri.
Credevamo che, una volta sbloccata questa capacità, si sarebbero effettivamente sbloccate abilità generali per le persone comuni. Mentre tutto il mondo scommetteva sui Coding Agent, noi vedevamo l'opportunità di usare la programmazione come mezzo per risolvere scenari generali per gli utenti comuni, quindi la nostra prospettiva di ingresso era completamente diversa.
Quando abbiamo avviato il progetto a dicembre 2024, ero in realtà molto spaventato perché sentivo che sicuramente anche altri avevano visto questo futuro. Eravamo tesi, mobilitando tutte le risorse aziendali disponibili per sviluppare rapidamente, temendo che qualcun altro ci battesse sul tempo. Dopo due mesi di sviluppo, al momento del lancio il 5 marzo 2025, abbiamo scoperto che, secondo le nostre osservazioni, quasi solo noi stavamo lavorando in questa direzione; gli altri stavano ancora costruendo strumenti di coding.
Abbiamo individuato il punto di svolta alla fine del 2024, identificando acutamente le capacità di pianificazione a lungo termine e di uso degli strumenti al confine delle possibilità del modello. Dopo molteplici esplorazioni, abbiamo continuato a cercare la forma di prodotto giusta.
1.4 Puntare agli utenti non tecnici: rendere visibile l'intelligenza, costruire fiducia
Le prime versioni di Manus assomigliavano molto a Cursor, sembravano uno strumento di coding. Una volta, l'investitore di ZhenFund Yusen è venuto nel nostro ufficio per vedere il prototipo iniziale. Ha detto: "Questo layout a tre colonne non sembra troppo professionale? Risulta scoraggiante." Il nostro giudizio durante la pianificazione del prodotto era di rivolgerci a un pubblico non tecnico. Poiché puntavamo a persone non tecniche, dare una prima impressione troppo professionale era decisamente un problema. Così abbiamo cambiato l'interfaccia da tre a due colonne.
Durante questo processo, abbiamo introdotto molte innovazioni per il mercato target. Poiché gli Agent erano troppo nuovi, le persone comuni facevano fatica a credere che potessero davvero mantenere le promesse. In quei due mesi e mezzo di ricerca e sviluppo, tornavo a casa ogni giorno con la voce rauca.
Dopo aver fatto funzionare il primo prototipo il 5 gennaio 2025, ho pubblicato un post su Moments chiedendo ai miei amici: se aveste uno stagista con un'istruzione universitaria di primo livello, quali compiti gli assegnereste? Ho raccolto oltre 400 task da più di 100 amici, formando il primissimo dataset di valutazione di Manus.
Dal primo prototipo in poi, man mano che il framework di esecuzione dell'Agent (poi chiamato Harness) migliorava, quei task portavano sorprese quotidiane. Escludendo i 100+ task che richiedevano intelligenza incarnata (come comprare un tè al latte), i restanti 300+ task venivano completati in modi inimmaginabili. Non potevo fare a meno di urlare in ufficio ogni giorno, tornando a casa con la gola roca. Mia moglie mi chiedeva perché il lavoro mi sfinisse così tanto. Ma la sensazione di un'intelligenza che esplodeva attraverso lo schermo era irresistibile: sapevi che quello era il futuro.
Tuttavia, questo impatto era così intenso che, se avessimo semplicemente fornito i risultati agli utenti, avrebbero potuto pensare che fosse falso. Quindi abbiamo preso una decisione: la trasparenza stessa doveva diventare una caratteristica del prodotto.
Nella prima release di Manus, due design di prodotto critici sono diventati paradigmi progettuali per quasi tutti gli AI Agent:
Primo, la visualizzazione dell'esecuzione passo dopo passo. Permettere agli utenti di vedere come l'Agent porta avanti i task, chiama gli strumenti, visita le pagine web, prende appunti e scrive codice.
Secondo, il Session Replay. Quando si condividono le sessioni, gli altri possono rivedere l'intero processo di esecuzione.
Le prestazioni dell'intelligenza del prodotto potrebbero contare per l'80%, ma questi due design UI orientati alla crescita sono stati cruciali per l'esplosione iniziale. Molti all'inizio non credevano negli AI Agent, ma vedendo passo dopo passo come portava avanti i task, chiamava gli strumenti, visitava le pagine, scriveva appunti/codice, capivano che funzionava come un essere umano, costruendo così fiducia. Con il Session Replay, gli utenti non avevano bisogno di codici invito o pagamenti; bastava guardare le sessioni condivise per vivere quei momenti sorprendenti. Questi design derivavano dall'aver definito chiaramente i nostri utenti target come non tecnici: non potevamo dare per scontato un background tecnico, quindi dovevamo usare l'innovazione di prodotto per aiutarli a capire cosa stesse succedendo e costruire fiducia.
1.5 Il vero motivo dietro un singolo lancio: innovazione di prodotto ed espressione del founder
Riguardo al lancio di marzo, lo scorso novembre all'Università Tsinghua uno studente mi ha chiesto se molti pensassero che avessimo comprato un sacco di KOL e organizzato un evento di marketing a marzo.
Un amico che lavora nel marketing mi ha detto: "Anche con un budget di 20-30 milioni di RMB, se mi chiedessi di replicare il marketing di Manus, non riuscirei a ottenere questo effetto." I giovani spesso stigmatizzano il marketing, pensando che sia sbagliato. Se vuoi avviare un'impresa ma pensi che il marketing sia sbagliato, è una mentalità terribile. Saper raccontare una buona storia è esattamente un'abilità che manca ai founder cinesi, cosa che ho sperimentato profondamente in Silicon Valley negli ultimi due anni.
Le persone sottovalutano la difficoltà del marketing, presumendo che si tratti solo di buttare soldi. Se fosse così semplice, le startup non avrebbero mai alcuna possibilità, perché non puoi spendere più delle grandi aziende.
Dicevo che il lancio di marzo era costato 0 RMB, ma poi ho capito che non era rigoroso come affermazione:
Il 28 febbraio 2025, il sito web era pronto. Il CEO Red lo ha revisionato e ha detto: "Tao, questo sito non è un po' troppo scarno? Dovremmo aggiungere un video?" Mancavano solo pochi giorni al lancio del 5 marzo. Ho contattato due o tre case di produzione video a Pechino; tutte hanno detto che servivano almeno due settimane di preavviso.
Alla fine, ho girato il video io stesso usando una fotocamera Sony A7C II. Avendo obiettivi scadenti, ho preso in prestito un obiettivo 50mm f/1.2 GM da Yusen di ZhenFund. Ho montato per due notti. Quando ho provato a esportare su YouTube, ho scoperto che l'esportazione in 4K richiedeva un pagamento. Così ho speso circa 12-15$ per un abbonamento mensile a CapCut: gli unici soldi extra spesi per quel lancio, annullati subito dopo il rinnovo.
Dopo che il video è diventato virale, le persone presumevano che fossimo grandi esperti di marketing che avevano realizzato un video fantastico. Racconto ripetutamente questa storia per mettere in guardia i giovani imprenditori: se la lezione che trai da un prodotto fenomenale è "sono bravi nel marketing", hai imparato la lezione sbagliata. Le cose non sono mai così semplici.
Innanzitutto, Manus è apparso al momento giusto, utilizzando la forma di prodotto corretta per mostrare al mondo dove si trovassero i confini delle capacità dei modelli. Ora i framework si chiamano Harness; all'epoca, il termine non era diffuso. Credo che siamo stati tra i primi team a realizzare framework simili, spingendo i limiti dei modelli al massimo. Dopo il lancio, ho incontrato il team di Anthropic a San Francisco a marzo. Non credevano che usassimo solo i loro modelli, perché i loro test interni non corrispondevano alla nostra potenza. Ho detto che amavo sinceramente i loro modelli. Più tardi, Claude Code ha lasciato trapelare del codice, e abbiamo visto echi dei nostri primi design architetturali. Pertanto, credo che la base fondamentale del successo del lancio sia stata una significativa innovazione di prodotto.
Senza una buona innovazione di prodotto, affidarsi solo ai video significa mettere il carro davanti ai buoi. In seguito, mi sono sentito impotente vedendo innumerevoli startup adottare lo stesso stile: il founder seduto su un divano con delle piante sullo sfondo. Tutti si comportavano come studenti asiatici che copiano i modelli per gli esami senza sapere cos'altro fare. Questo fa ridere perché abbiamo scelto quell'angolazione puramente perché era l'unico punto con uno sfondo pulito nel nostro parco di co-working, abbastanza silenzioso per filmare. Se guardate attentamente, c'è un salto di frame perché il nostro Chief Scientist stava parlando mentre una donna delle pulizie passava lo straccio dietro di lui. Ciò che conta veramente non è mai il video in sé, ma il tuo prodotto. Eppure, guardando indietro, quel video è rimasto importante perché l'ho girato io e il nostro Chief Scientist lo ha presentato.
Dopo l'esplosione di Manus, molti team hanno affrontato le domande di capi/investitori: "Perché non riuscite a costruire Manus?" La scusa più sicura diventava spesso: "Noi siamo un solido team tecnico, a differenza di loro che sono bravi nel marketing." Suona concreto, incolpando il fallimento del "non essere bravi nel marketing".
Le persone ignorano l'essenza: io sono un product person; l'altro si occupa dei modelli come Chief Scientist. Nessuno di noi veniva dal marketing. Abbiamo semplicemente costruito un prodotto di cui eravamo orgogliosi e soddisfatti, e poi lo abbiamo espresso al mondo con le nostre parole.
Il marketing di una startup nelle fasi iniziali deve coinvolgere personalmente i founder. Esternalizzare alle agenzie o assumere "esperti di marketing" rischia gravi distorsioni delle informazioni. Solo i founder sanno davvero come raccontare la storia. Quindi, guardando indietro, il video contava non per il suo formato, ma perché lo abbiamo fatto noi stessi.
1.6 Progettare prodotti per le capacità dei modelli tra sei mesi
Per l'innovazione delle applicazioni AI, progettate prodotti per le capacità dei modelli previste tra sei mesi. Credo che il prossimo anno, il 2027, sarà il grande anno per le applicazioni AI.
Cosa significa "sei mesi prima"? Non aspettate di leggere un articolo questa mattina su un aggiornamento del modello che aggiunge capacità, per poi pensare di costruire app basate su di esso. A quel punto, potrebbe essere troppo tardi.
Nel nostro team, il Chief Scientist ha fornito contributi cruciali. Avendo ricercato il NLP per oltre un decennio, riusciva a percepire acutamente le direzioni evolutive dei laboratori di frontiera partendo dalle prestazioni attuali dei modelli e dalle informazioni pubbliche/non pubbliche. Ad esempio, abbiamo visto emergere capacità AGI (Intelligenza Artificiale Generale) da Claude 3.5 Sonnet, con un ulteriore salto nella V2. Abbiamo giudicato che stessero investendo pesantemente in questa direzione. Se avesse fatto un altro salto di livello in 3-4 mesi, il nostro prodotto non sarebbe diventato incredibilmente potente?
Così abbiamo deciso di iniziare immediatamente. In origine ci aspettavamo un salto dalla 3.5 alla 4.0, pianificando di lanciare con la 4.0, ma è uscita prima la 3.7. La notte del lancio della 3.7, ho pubblicato un post su Jike: "Notte di ricarica della fede." Perché? Quella notte, il nostro codice Harness non è cambiato di una sola riga; abbiamo semplicemente cambiato l'interfaccia del modello dalla 3.5 V2 alla 3.7. Sul nostro set di valutazione, le prestazioni sono schizzate alle stelle, risolvendo istantaneamente circa il 20-30% dei problemi precedentemente irrisolti. Sapevamo di aver scommesso correttamente.
Il nostro Chief Scientist ha sempre sottolineato: "Meno struttura, più intelligenza." Dopo il lancio, quando l'ho condiviso in Silicon Valley e in patria, molti lo hanno liquidato. La pratica comune allora prevedeva che gli esseri umani progettassero i flussi di lavoro, insegnando i passaggi all'AI: scrivendo regole obbligatorie o rami condizionali ovunque si verificassero errori. Ma il nostro primo framework di esecuzione dell'Agent non utilizzava flussi di lavoro fissi che dettavano ogni passaggio; al contrario, era il modello a decidere autonomamente le azioni successive.
Che si trattasse di fare ricerche, slide, siti web o analisi dei dati, era il modello a decidere i passaggi successivi, non processi rigidi che incatenavano tutto. I sistemi multi-agent andavano forte allora, ma noi abbiamo insistito sulle rotte a singolo agent.
Perché insistere su questo? Meno struttura preimpostata massimizza i benefici derivanti dall'aumento delle capacità dei modelli. Scrivere flussi di lavoro rigidi impedisce di godere dei dividendi degli aggiornamenti dei modelli. Prima della 3.7, non sapevamo se questo giudizio fosse corretto. Ma la notte del lancio, abbiamo avuto la conferma: senza cambiare i framework di esecuzione, il semplice miglioramento delle capacità del modello ha incrementato le prestazioni del prodotto. Questo significava non solo per quella volta, ma potenzialmente benefici continui dai futuri progressi dei modelli. Quindi, per gli imprenditori AI, è cruciale non rattoppare all'infinito le debolezze attuali dei modelli, poiché verranno eventualmente risolte. Chiedetevi invece: come saranno i modelli tra 6 mesi? E se così fosse, quale forma di prodotto adatta corrisponderà a quel modello futuro?
Iniziate ora. Tra 3 mesi, i prodotti potrebbero sembrare scadenti, ma mantenete una forte convinzione: è solo perché i modelli non si sono ancora messi al passo. Una volta che lo faranno, i vantaggi della forma del prodotto si manifesteranno immediatamente. Quando i modelli raggiungeranno davvero quello stadio, sarete gli unici posizionati lì, completamente preparati.
1.6.1 Un esempio lungimirante: esperienza generativa con latenza di un secondo
Potreste trovare tutto ciò astratto. Cosa si può fare concretamente? Oltre a ciò che abbiamo fatto noi, ci sono altre opportunità? Posso condividerne una (che non perseguirò personalmente):
Sto aspettando un momento: che i modelli di generazione video come Seedance riducano la latenza dall'inserimento del prompt all'output visivo a meno di un secondo. Credo che sarà un punto di svolta critico per questo ciclo di imprenditoria delle app AI. Perché, a mio avviso, un modello di generazione video con latenza di un secondo non è più solo uno strumento: è un sistema operativo di nuova generazione.
Quando arriverà questo futuro, come dovrebbe essere il software? Come dovrebbero interagire gli utenti con prodotti generativi a latenza di un secondo? Il mio giudizio è che questi cambiamenti avverranno entro sei mesi. Prepararsi attorno a questa direzione è una grande opportunità imprenditoriale. Questo è solo un esempio. Molti modelli progrediscono in vari campi. Come saranno tra 3 o 6 mesi? Come dovrebbero sfruttare queste capacità le persone comuni? Questa è l'opportunità centrale per l'imprenditoria delle app AI.
1.7 Abbassare le barriere di input, usare il pagamento per identificare il vero valore
Passiamo al secondo giudizio: perché non costruiamo Chatbot? Perché il loro tetto è facilmente limitato dai prompt degli utenti; solo gli utenti altamente competenti ne estraggono il pieno valore, rendendo i prodotti "schizzinosi". I futuri tentativi di nuovi prodotti mirano a minimizzare i costi di input per l'utente, permettendo agli utenti di percepire continuamente il valore dell'intelligenza del modello nella vita quotidiana.
Nell'era dell'AI, il valore di prodotto più importante è far percepire l'intelligenza agli utenti. Molti non lo capiscono, pensando che il valore risieda nell'essere gratuiti. Non si tratta mai di gratuità; i sussidi gratuiti sono la trappola più grande nell'era dell'AI.
Guardando all'imprenditoria delle app AI in Cina negli ultimi 2-3 anni, la trappola più grande è stata farsi fuorviare dalla precedente mentalità dei sussidi gratuiti dell'internet mobile, presumendo che questa generazione potesse fare lo stesso. Completamente sbagliato:
Primo, se le prestazioni dell'intelligenza sono abbastanza buone, le persone pagheranno. Ad esempio, alcuni utenti core della piattaforma spendono 4.000-5.000$ al mese. Cifre alte, ma la disponibilità indica che hanno trovato valore.
Secondo, i sussidi gratuiti intrappolano i team in feedback non validi. Certo, bisogna ascoltare i feedback, ma gli utenti gratuiti pretendono "voglio questo, voglio quello". Queste richieste non sono inutili, ma possono distrarre gli imprenditori. Guardare richieste irrilevanti, pensare a direzioni sbagliate significa essenzialmente sprecare tempo.
Terzo, attenersi a modelli a pagamento garantisce che il feedback provenga da utenti che hanno percepito il valore e hanno votato con i soldi/le azioni. Costruire attorno ai loro bisogni reali attira meglio altri utenti paganti.
Negli ultimi 2-3 anni, i tentativi nazionali di crescere tramite sussidi gratuiti iniziali (che si trattasse di Coding Agent o altro) sono per lo più falliti. Le persone incolpavano un branding debole, ma il motivo principale era l'essere passati al gratuito. Questo è particolarmente evidente nelle grandi aziende: risorse abbondanti permettono di spendere decine di milioni in sussidi il primo giorno, conducendo lungo un percorso distorto. Io non posso permettermi il gratuito. Se raggiungi 100k DAU nel primo mese, diventa il tuo KPI. Il mese successivo vorrai solo numeri più alti; nessuno osa passare alla monetizzazione. Ti porti dietro questo peso dei DAU gratuiti, compromettendo la percezione dei reali mercati degli utenti. Punto cruciale: far percepire agli utenti le vere prestazioni dell'intelligenza è la cosa più importante nella costruzione di prodotti nell'era dell'AI.
Non abbiamo lanciato funzionalità a pagamento inizialmente, iniziando a far pagare verso la fine di marzo 2025. Entro aprile, il primo mese, l'ARR ha superato i 40 milioni, avvicinandosi ai 50 milioni. Perché? Perché il prodotto offriva davvero un'intelligenza travolgente. Questa è la chiave.
1.8 Perché insistere sul general-purpose: mentalità dell'utente e bisogni long-tail
Il terzo giudizio è insistere sul general-purpose. Al lancio di Manus, abbiamo affermato di essere il primo AI Agent generalista al mondo. Perché enfatizzare il general-purpose?
All'inizio, abbiamo ascoltato molte opinioni degli investitori, come modificare l'UI, ma abbiamo rifiutato un suggerimento. Gli investitori chiedevano: "Cosa può fare esattamente questo prodotto? Ogni volta che lo apro mostra strani task long-tail." Mostravo i risultati delle valutazioni interne/esterne; loro dicevano: "Puoi nominare uno scenario pratico che dimostri valore?" Ammettevo di non poterlo fare.
Suggerivano di focalizzarci, ad esempio su un generatore di siti web o un generatore di slide. Era possibile, ma non lo abbiamo fatto.
Col senno di poi, potrebbe sembrare calcolato, ma in realtà all'epoca non ci pensavamo così tanto. Semplicemente, durante quei due mesi e mezzo di sviluppo di Manus, sono rimasto ripetutamente scioccato dall'intelligenza, estremamente entusiasta ogni giorno. Sapendo che era incredibile, eseguendo tutti i task long-tail come un essere umano, volevo condividere quella gioia/sorpresa con il mondo.
Era pura mentalità di prodotto, non una strategia generalista pre-pianificata. Ma guardando indietro, insistere sul general-purpose è stato un giudizio strategico critico nel percorso di Manus.
Motivo: la posizione mentale del brand è difficile da comprare con i soldi.
La tua posizione cognitiva nella mente degli utenti è difficile da cambiare anche con miliardi. Poiché siamo partiti come "General Agent", lanciare successivamente sviluppo di siti web, slide, comandi video è sembrato naturale. Gli utenti pensavano: "Manus fa tutto; questo è normale." Nel frattempo, i competitor verticali che si espandevano ai task generali confondevano gli utenti: "Non eri uno strumento per siti web? Perché ora fai analisi dei dati?" Non sottovalutate questo aspetto.
L'occupazione cognitiva di un prodotto nella mente degli utenti di solito avviene una volta nella vita. Cambiarla è immensamente difficile, potendo richiedere anni di importanti aggiustamenti strategici/di prodotto dopo essere sopravvissuti. Insistere sul general-purpose ci ha permesso di godere dei dividendi in ogni ondata AI, fino ad oggi.
Un altro punto importante: internamente, abbiamo una matrice: asse X = denaro pagato a noi; asse Y = soddisfazione dell'utente. Chi occupa l'angolo in alto a destra (pagamento più alto, soddisfazione più alta)?
Non programmatori. Ci rivolgiamo a utenti non tecnici; l'uso da parte dei developer esiste, ma è inferiore. I più soddisfatti sono i manager aziendali: CEO, piccoli capi, responsabili di reparto. Perché? I capi hanno il maggior numero di compiti eterogenei, oggi pensano a questo, domani a quello. Trovano Manus incredibilmente appagante. Prima di Manus, nessun tool AI risolveva tutto o discuteva di qualsiasi cosa per loro. Le precedenti AI verticali (ad esempio, i Marketing Agent) erano limitate; solo Manus faceva tutto. Così i gruppi di CEO lo usavano con entusiasmo, diventando utenti fedeli di fascia alta. Insistere sull'approccio generalista ci ha garantito clienti premium e ha costruito barriere di mindshare, permettendoci di sopravvivere a 1-2 anni di iterazioni tecnologiche senza essere eliminati.
Ovviamente, non tutti dovrebbero puntare al general-purpose. Noi abbiamo avuto successo perché all'epoca nessun altro lo faceva, conquistando per primi il mindshare. Provarci dopo è molto più difficile.
1.9 Progetta intorno alla vita dell'utente, non alle abitudini tecniche
La quarta valutazione riguarda la comprensione degli utenti.
Come accennato, fin dall'inizio abbiamo definito i nostri utenti come non tecnici. Volevamo dare a tutte le persone comuni la potenza esplosiva dei modelli, non solo ai programmatori.
Per questo abbiamo fatto un enorme lavoro di UX:
Primo, costruire fiducia attraverso processi di esecuzione trasparenti.
Secondo, esecuzione asincrona in cloud. I programmatori che usano Cursor cliccano sulle conferme dopo i comandi e lo trovano fantastico. Ma le persone normali non fissano il computer tutto il giorno; magari usano il telefono o fanno altro. Quindi abbiamo dotato ogni task di una sandbox cloud, eseguendo le attività nel cloud. Scenario tipico: tiri fuori il telefono, assegni il task, rimetti il telefono in tasca, non devi tenere lo schermo acceso, controlli i risultati quando ha finito.
Terzo, rendere il processo stesso condivisibile. Abbiamo progettato i Session Replay in chiave narrativa. All'inizio, molti non potevano usare il prodotto per via dei codici d'invito, ma ne capivano il valore tramite i replay.
1.9.1 Dietro i codici d'invito: vincoli di funding e capacità di inferenza
A proposito, perché all'inizio abbiamo usato così rigidamente i codici d'invito?
Motivi semplici. Come girare video sui divani: noi l'abbiamo fatto, gli altri hanno copiato; noi abbiamo usato i codici d'invito, gli altri hanno copiato. Ma conoscere le ragioni profonde rende ridicole le imitazioni.
I codici d'invito esistevano solo perché ci restavano circa 8-9 milioni di dollari. Avevamo appena chiuso un round, ma eravamo comunque un'azienda povera. Prima di Manus, molti VC locali non ci consideravano; rispetto ai competitor AI più appariscenti, avevamo poca cassa.
Anche con i codici d'invito, il burn rate giornaliero massimo ha toccato i 500 mila dollari. Se avessimo aperto a tutti, temevo che l'azienda potesse crollare entro una settimana dal lancio del 5 marzo. Senza le risorse delle big company, la risposta enorme e inaspettata al lancio ci ha costretto a controllare il ritmo tramite i codici d'invito, per poi lanciare funzionalità a pagamento. Durante il periodo gratuito, i codici gestivano i consumi.
Questo è un motivo; il secondo è sconosciuto fuori dal settore: oggi, comprare API/token da AWS/GCP di solito non è un problema, l'offerta è illimitata (soprattutto perché i prodotti non scalano così tanto). La nostra sfida? Manus era il primo Agent generalista al mondo rivolto ai consumatori. Prima, le piattaforme cloud servivano app Chatbot/companion. Nei primi test confrontando Manus (Agent) e Monica (Chatbot, prodotto di un nostro collega), il consumo di token per singolo DAU differiva di 200-1000 volte.
Quanto è grande questo numero? L'acquisto di throughput per le chiamate ai modelli dai cloud usa i TPM (Token Per Minuto). M = Milioni. In Asia-Pacifico, le grandi app chat/companion che richiedevano 10M-20M di TPM erano clienti di primissimo livello. Tre giorni dopo il lancio, aprendo completamente agli utenti con codice d'invito, la domanda ha raggiunto circa 800M di TPM.
Cosa significa? Chiamando un fornitore cloud (che non nomino), ho detto che ci servivano 500M di TPM. Abituati alle startup che esagerano per ottenere sconti, mi hanno chiesto: "È il volume previsto per il prossimo anno?".
Ho risposto no, mi servono 500M adesso.
Non potevano fornirli. Nessun vendor cloud aveva riserve di calcolo sufficienti; la capacità cresceva in modo incrementale, guardandosi l'un l'altro. All'inizio non potevamo permetterci di bruciare così tanto, e i servizi cloud non erano preparati all'esplosione degli AI Agent.
Fortunatamente, abbiamo ottenuto centinaia di milioni di TPM da una piattaforma cloud, sopravvivendo al primo mese. Dopodiché, abbiamo comunicato continuamente con i fornitori, dicendo loro che gli Agent sarebbero esplosi e spingendoli a preparare la capacità.
A maggio, quando i codici d'invito sono terminati, molte piattaforme offrivano 30-50M di TPM agli imprenditori grazie agli aumenti precedenti.
Quindi, quando l'ho raccontato a maggio/giugno, la gente non ci credeva, dandoci dei vanagloriosi: "Noi non abbiamo mai avuto questo problema; chiedere 10M funziona sempre".
Ho pensato: primo, due mesi fa forse non li avreste ottenuti; secondo, tra 10M e 1000M c'è una differenza di 100 volte. Le persone non si rendevano conto di quanti problemi nella supply chain avesse causato la domanda al lancio di Manus. Risorse cloud, infrastruttura, pagamenti: tutto richiedeva pionieri per essere risolto. I futuri imprenditori nel campo degli Agent potrebbero non affrontare esattamente gli stessi problemi.
1.10 Consigli per i giovani imprenditori
Infine, molti qui potrebbero diventare imprenditori AI-native. Ecco alcuni suggerimenti.
1.10.1 Pensa globale dal primo giorno, non solo all'Occidente
Primo, visione globale.
Cos'è la visione globale? Lo scorso giugno, VivaTech, il grande summit tech europeo, ci ha invitato. Eravamo felici di parlare al summit di un prodotto diventato un fenomeno globale. Tre giorni prima della partenza, gli organizzatori ci avevano promesso una sorpresa. Quella sera, Gmail ha ricevuto un'email da elysee.fr (il dominio del Palazzo Presidenziale francese): il Presidente Macron mi invitava a cena.
Prima reazione: truffa. Chiunque penserebbe a una truffa, giusto? Gli organizzatori hanno confermato che quella era la sorpresa. Dopo il summit, ho cenato con Macron all'Eliseo. Il recente post su Xiaohongshu in cui cavalcavo l'hype di Jensen Huang è nato proprio perché Macron era seduto alla mia destra e Huang di fronte. Huang ha tenuto un discorso brillante; l'ho registrato e pubblicato, diventando virale di recente.
Perché racconto questo? Il prodotto era stato lanciato da poco più di 3 mesi, eppure eravamo invitati a eventi di così alto profilo. Decine di tavoli pieni di founder e investitori europei. Le chiacchiere dopo cena hanno rivelato idee di startup fallate.
L'ecosistema startup europeo è molto indietro rispetto alla Cina, con una mentalità difensiva: "Costruire in Europa, per l'Europa". Molti sostenevano il rafforzamento dell'AI locale affinché aziende e governi europei usassero AI europea, temendo il dominio di USA e Cina.
Mi sentivo a disagio. I founder americani vicini a me concordavano che fosse incredibile. Il contesto formale impediva discorsi troppo diretti, ma dentro di me pensavo: se avessimo adottato l'approccio "Costruire in Cina, solo per la Cina", oggi non sarei seduto qui.
Crediamo che il valore più grande degli LLM includa l'abbattimento drastico delle barriere linguistiche. Tra noi tre leader, Red e io non avevamo alcuna esperienza di studio o vita all'estero prima della startup; Red non era mai stato negli Stati Uniti. Solo il Chief Scientist aveva vissuto brevemente all'estero da bambino. Proprio perché le barriere linguistiche sono crollate, abbiamo fatto marketing, assistenza e ragionato a livello globale, creando un prodotto del genere.
Eppure molti giovani founder europei cercavano di rinchiudersi in Europa. Approccio sbagliato. L'ho fatto notare durante gli scambi.
Oggi, incoraggio i giovani founder AI-native nostrani: pensate all'espansione globale e al servizio utenti internazionali dal primo giorno. Con le barriere linguistiche abbattute, andare all'estero non è assolutamente un problema. I nostri sistemi interni e il customer service sono multilingue proprio perché queste barriere non esistono più.
L'AI è un dono del cielo per gli imprenditori cinesi. Prima competere con l'export tecnologico americano era dura per via del dominio dell'inglese e degli svantaggi culturali. Ma nell'AI abbiamo una forte capacità di conquistare i mercati globali tramite innovazione di prodotto e dimensionale. Quindi la visione globale è fondamentale per fare impresa nell'AI.
Sottolineo: Globale ≠ solo Occidente. Il mondo è vasto; il Sud Globale offre opportunità. Il mercato con maggiori ricavi sono gli USA, ma la maggior parte degli utenti risiede in Brasile. Medio Oriente, Europa, Giappone/Corea, Sud-est asiatico, Africa: ovunque ci sono utenti.
Non dite mai "estero" quando vi globalizzate. Correggo internamente i membri del team vietando l'espressione "paesi stranieri" perché è vaga. "Straniero" implica un'opposizione binaria con "nazionale", semplificando eccessivamente una complessa distribuzione globale tra regioni, lingue e culture. Una vera visione globale che individua le opportunità regionali genera nuove intuizioni.
1.10.2 Usa i prodotti in prima persona, non sostituire il giudizio con narrazioni emotive
Secondo consiglio per chi fa prodotto: leggete meno self-media.
Precisazione: non ce l'ho con i creator di qualità. Ma chi costruisce prodotti leggendo solo articoli di self-media cade nel nichilismo: oggi "esplosione nucleare", domani "settore morto". Dal lancio di Manus, siamo stati dichiarati "disruptivi" o "inutilizzati" innumerevoli volte, eppure il business è cresciuto costantemente.
La maggior parte del self-media non ha esperienza nel settore; scrive per generare traffico. Assecondano le emozioni, stimolando la dopamina tramite felicità, rabbia o confusione, manipolandovi. Percepire lo sviluppo dell'AI in questo modo crea un distacco enorme dalla realtà.
Ad esempio, 2-3 mesi dopo il lancio, i TPM hanno raggiunto gli 800-900M. A livello globale, a parte Cursor/Windsurf ecc., poche startup bruciavano più token. Eppure molti self-media continuavano a insegnare "come costruire Agent".
Il linguaggio è potere e strumento. Le opinioni scritte sembrano tutte sullo stesso piano, ma le basi sono diverse. Alcuni non hanno contatti col mercato, né ricerche sugli utenti o validazioni online: le loro opinioni sono frutto di fantasia. Consumarle quotidianamente ti trascina emotivamente.
Il vero senso del prodotto sta nei dettagli. Quando senti "OpenAI ha rilasciato X, il settore è morto", provalo tu stesso: molti prodotti OpenAI fanno schifo. Su dieci lanci, uno ha successo grazie a forza lavoro, fondi e solidità di base; nove falliscono. Guardare il self-media che conclude "i big l'hanno fatto, il settore è chiuso" fa perdere opportunità. Tutto richiede di toccare, usare e praticare con mano.
Intervistare PM AI ultimamente è stato deprimente. Neolaureati che affermavano interesse per il ruolo di AI PM citavano un solo tool; chiedendo di mostrare le chat recenti, non avevano l'app sul telefono o avevano 2-3 task: chiaramente si erano preparati all'ultimo minuto per il colloquio.
L'AI sta trasformando i settori da 3-4 anni, eppure i candidati PM AI non la usano. Questo dimostra i difetti dello screening dei CV (ora richiediamo prove di utilizzo reale), ma alla base fa paura: le persone non capiscono che il prerequisito per lavorare nell'AI è usarla profondamente in prima persona. Solo l'esperienza diretta rivela i confini attuali dei modelli/prodotti e le nuove opportunità. Consumare contenuti già digeriti non trasmetterà mai la realtà.
Potete scrivere articoli o fare self-media influenzando gli altri (i membri del team lo fanno; io occasionalmente); ma non affidatevi mai solo al self-media per nutrirvi, altrimenti la vostra percezione del settore diventerà deformata e non rappresentativa della verità.
1.10.3 Scopri i problemi, abbraccia l'ignoto, correggi attraverso l'azione
Terzo consiglio, non solo per i PM AI, ma che do a chi aspira a diventare un PM eccellente da oltre un decennio:
I modelli e le tecnologie attuali abbondano; ciò che scarseggia non è la tecnologia o l'esecuzione, ma la scoperta dei problemi. La capacità di scoprire/definire problemi, descrivendo chiaramente gli stati risolti, è rara. Non si acquisisce semplicemente ascoltando i racconti delle startup. Essendo giovani o ancora all'università, la pressione è bassa: osservate la società, la vita, i compagni di corso, i colleghi stagisti, identificate i problemi reali in attesa di soluzione.
Come funziona questo meccanismo sociale? Dove l'AI può migliorare l'efficienza? Tutto nasce dall'osservazione della vita. Spero ci sia maggiore curiosità verso la vita stessa: la curiosità guida la comprensione e il perfezionamento. Ma oggi molti mancano di curiosità.
A quasi due anni dal lancio di Manus, i giovani imprenditori mi chiedono spesso "Come avete avuto successo?". Cercano risposte deterministiche, credendo che seguire dieci passi garantisca il successo. Non è mai vero. Fare impresa è altamente incerto. La maggior parte delle decisioni viene presa senza avere tutto chiaro, agendo comunque e adattandosi dinamicamente.
Questo distingue gli imprenditori dai VC. I VC conducono lunghe ricerche perché le loro decisioni sono pesanti e irreversibili; i soldi investiti restano investiti. Cercano un'alta precisione tramite studi preliminari, chiedendo informazioni su scenari finali e percorsi. Gli imprenditori non possono pensare così. Pre-definire tutto e i percorsi migliori significa che NON è il percorso migliore.
Gli imprenditori vivono dinamicamente sul campo di battaglia, osservando i cambiamenti quotidiani, comprendendo gli spostamenti del mondo, del mercato e della tecnologia, prendendo decisioni dinamiche ogni giorno. Gli imprenditori eccellenti operano così.
Negli ultimi 2-3 anni ho avuto una forte sensazione: sempre più giovani imprenditori hanno paura di abbracciare l'ignoto, pretendendo risposte definitive: Come si spara con questa pistola? Come gestire marketing, prodotto, tecnologia, globalizzazione? Bramano certezze. Quando non riesco a fornirle, sospettano che nasconda dei segreti; sentendo dire "non ci sono segreti, agisci prima", pensano che io non voglia condividerli.
Quindi, restate curiosi verso il mondo. L'ignoto è la cosa più bella. Le grandi opportunità si trovano nell'ignoto, non nelle certezze. Se ci fossero state certezze, avremmo costruito browser AI invece.
1.11 Conclusione: Facciamo crescere le mani alle menti
Infine, molti potrebbero non conoscere l'origine del nome Manus. Deriva dal motto del MIT Mens et Manus, latino per Mente e Mano. Perché questa scelta? Perché tutti i vendor di large model costruiscono Menti, ma a fine 2024, perché menti così potenti non riuscivano a esercitare un'enorme influenza? Perché avevano il cervello ma non le mani. Manus rappresenta le mani dei large model, permettendo ai pensieri del cervello di influenzare il mondo reale, risolvendo problemi concreti.
Questo si applica al tema di oggi: tutti i pensieri richiedono pratica. L'essenza dell'imprenditoria è la pratica, non semplici simulazioni su PPT nei concorsi o pitch deck appariscenti per raccogliere fondi.
Osare di praticare, affrontare la società reale, restare curiosi, risolvere i problemi irrisolti del mondo: questo è il vero spirito imprenditoriale, il dovere dei founder, non giocare a fare gli imprenditori. Grazie.





