Y Combinator - Rede von Andrew Ng: Wie kann man bei AI - Startups Fehler vermeiden? Vage Ideen = Geld verbrennen, konkrete Pläne = Geld drucken.

Am 11. Juli berichtete es, dass bei der Startup-Akademie-Veranstaltung, die vom Silicon Valley-Startup-Inkubator YC organisiert wurde, Andrew Ng seine neuesten Erkenntnisse teilt: Die Durchführungsschnelligkeit ist wichtiger denn je, wie der Agenten-Workflow die Entwicklungsgrenzen von Startups neu formt und warum konkrete Lösungen immer dann triumphieren, wenn es darum geht, Ideen in Produkte umzuwandeln, anstatt vage Konzepte.

Darüber hinaus diskutiert Andrew Ng auch den Aufstieg von AI-Programmierassistenten, die Entwicklung von Engpässen bei der Produktentwicklung und wie diese den technologischen Fortschritt vorantreiben. Gleichzeitig betont er, dass in dieser Zeit der beschleunigten Softwareentwicklung die menschliche Urteilsfähigkeit und Verantwortung immer noch die Kernfaktoren sind, die den Erfolg oder Misserfolg zukünftiger Startups bestimmen.

Im Folgenden die zentralen Punkte von Andrew Ngs Rede:

Obwohl die Branche hauptsächlich auf die untersten Technologien fokussiert ist, liegen die echten Geschäftsmöglichkeiten oft auf der Anwendungsseite. Nur wenn die Anwendungsseite profitabel ist, kann sie die Entwicklung von Modellen, Rechenleistung und Chips fördern. Gleichzeitig gibt es auf jeder Ebene Chancen.

Die zukunftsträchtigsten Geschäftsmöglichkeiten liegen darin, bestehende oder neu entworfene Arbeitsabläufe in Agenten-Architekturen umzuwandeln.

Der AI-Technologiestack bildet eine neue "Agenten-Orchestrierungsebene", die die untersten Modelle und die oberen Anwendungen verbindet und Entwicklern hilft, komplexe AI-Anwendungen effizienter zu erstellen.

Die Intuition von Fachleuten ist besser als die verzögerte Datenanalyse: Fachleute, die sich in einem bestimmten Bereich spezialisiert haben, treffen oft auf der Grundlage ihrer Intuition bessere Produktentscheidungen als Startups, die auf datengesteuerte, langsame Rückmeldungen angewiesen sind.

Die Schnelligkeit der Validierung ist Wettbewerbsvorteil: Das Erstellen eines groben Prototyps und die Validierung einer Idee sind der Schlüssel zum Erfolg eines Startups in der AI-Zeit, um eine vorzeitige Optimierung und eine Verschwendung von Ressourcen zu vermeiden.

AI macht technologische Entscheidungen flexibler: In der Vergangenheit war die Auswahl von Technologien wie ein Einbahnportal, aber heute sinkt die Rekonstruktionskosten, und viele Architekturentscheidungen sind nun reversibel. Schnelles Ausprobieren und flexible Anpassungen werden zur neuen Norm.

Der AI-Entwicklungsansatz wandelt sich in einen "Baukastenstil" um: Indem Unternehmer modulare Technologien wie Prompt-Engineering, RAG und Fine-Tuning beherrschen, können sie wie beim Bauen mit Lego schnell Anwendungs- Prototypen zusammenbauen und so einen exponentiell wachsenden Innovationsraum erschaffen.

Programmieren wird zur neuen Form der Ausdrucksfähigkeit: Selbst wenn AI Code schreiben kann, ist es dennoch wichtig, Programmieren zu verstehen. Es ist nicht nur eine technische Fähigkeit, sondern auch die Schlüsselkompetenz, um Anforderungen klar auszudrücken und die AI zu leiten, um Aufgaben zu erfüllen.

Die Gefahren von AI werden übertrieben: AI an sich ist neutral, und der Schlüssel liegt darin, wie die Menschen sie nutzen. Sicherheit sollte nicht vergöttert werden. Verantwortungsvolles Nutzen von AI ist der entscheidende Faktor, der ihre Vor- und Nachteile bestimmt.

Es gibt Irrtümer über AGI: Das Konzept von AGI wird stark überhyped. In absehbarer Zukunft wird es für AI noch schwierig sein, die einzigartigen Fähigkeiten der Menschen in vielen Bereichen wie Kreativität und Urteilsfähigkeit zu ersetzen.

Open Source ist die Schutzmauer für AI-Innovation: Offene Zusammenarbeit ist das Fundament für AI-Innovation. Es muss auf die monopolistischen Technologiepraktiken, die im Namen der "Sicherheit" auftreten, geachtet werden, und gemeinsam ein freies und offenes Innovationsökosystem aufrechterhalten werden.

Im Folgenden die Highlights von Andrew Ngs Rede und der anschließenden Fragen-Antwort-Session bei YC:

Heute möchte ich Ihnen meine Erfahrungen im Bereich Startup-Gründung teilen, die ich im AI Fund gesammelt habe. Der AI Fund ist ein Risikokapitalfonds, und unser Geschäftsmodell besteht darin, jeden Monat ein neues Startup zu gründen. Als Mitbegründer müssen wir nicht nur den Startupgründern helfen, Code zu schreiben, Kunden zu befragen und Funktionen zu entwerfen, sondern auch Preissysteme zu entwickeln. All dies hat uns reiche praktische Erfahrungen eingebracht.

1

Der wahre Hype in der AI-Geschäftswelt liegt auf der Anwendungsseite

Heutige Präsentation wird sich auf das Thema "Geschwindigkeit" konzentrieren, insbesondere im Kontext der ständigen Entwicklung von AI-Technologien und den daraus resultierenden neuen Chancen.

Als Startupgründer ist die Durchführungsschnelligkeit ein Schlüsselindikator für den Erfolg eines Startups. Ich schätze besonders jene Startupgründer, die schnell handeln, und die neue Generation von AI-Technologien steigert die Effizienz von Startups erheblich. Im Folgenden möchte ich einige bewährte Praktiken zur Verbesserung der Durchführungsschnelligkeit teilen, die Ihnen helfen können, Ihre Produkte häufiger zu iterieren und somit die Chancen für den Erfolg Ihres Startups zu erhöhen.

Vor der Diskussion über die Geschwindigkeit stellen viele Leute die Frage: "Wo liegen die aktuellen Geschäftsmöglichkeiten für Startups?" Für mich kann die Struktur des AI-Technologiestacks in mehrere Ebenen unterteilt werden: Die unterste Ebene sind die Halbleiterunternehmen, darüber befinden sich die Hyperscaler (Super-Cloud-Anbieter), und noch höher sind die AI-Basis-Modellunternehmen.

Obwohl die Medien und die Branche oft auf diese technischen Ebenen fokussieren, liegen aus geschäftlicher Perspektive die echten Chancen oft auf der Anwendungsseite. Denn nur wenn die Anwendungsseite genügend Einnahmen generiert, kann sie die Entwicklung der unteren Basis-Modelle, Cloud-Computing und Halbleitertechnologien unterstützen. Aber egal wie es ist, es gibt auf jeder technologischen Ebene verschiedene Geschäftsmöglichkeiten.

2

Die Verwendung von Agenten-Workflows kann den Erfolg oder Misserfolg eines Projekts bestimmen

Im vergangenen Jahr hat sich die AI-Technologie erheblich verändert, und der wichtigste Trend ist der Aufstieg von Agenten. Vor etwa anderthalb Jahren, als ich an verschiedenen Orten Vorträge hielt und versuchte, die Potenziale von Agenten zu vermitteln, hätte ich nicht gedacht, dass dieses Konzept im vergangenen Sommer von Marketeuren überhyped würde und seine Kernbedeutung verloren gehen würde.

Heute möchte ich Ihnen aus technischer Perspektive erklären, warum Agenten so aufregend und wichtig sind und wie sie Startupgründern eine Vielzahl von neuen Chancen bieten.

Derzeit interagieren die meisten Benutzer mit großen Sprachmodellen, indem sie direkt einen Prompt eingeben und das Ergebnis erhalten. Dies ist wie ein Mensch (oder eine AI), der/die einen Artikel auf einmal schreibt, ohne zurückzugehen und zu korrigieren. Tatsächlich ist der beste Schreibzustand des Menschen nicht linear, und auch die AI sollte nicht so sein.

Obwohl das aktuelle Nutzungsmuster von großen Sprachmodellen normalerweise linear ist, haben sie bereits erstaunliche Fähigkeiten gezeigt. Mit dem Agenten-Workflow können wir AI-Systeme dazu bringen, komplexere Schreibprozesse auszuführen, wie z.B. das Erstellen eines Gliederung, die Durchführung einer Netzwerkrecherche, das Abrufen von relevanten Webinhalten, das Verfassen eines ersten Entwurfs, die Selbstbewertung und die wiederholte Überarbeitung... Am Ende entsteht ein iterativer Arbeitsablauf. Obwohl dieser Ansatz möglicherweise langsamer ist als die lineare Ausgabe, kann er durch mehrmalige Überlegungen, Forschungen und Überarbeitungen ein Ergebnis von viel höherer Qualität erzielen.

In mehreren Projekten, an denen der AI Fund beteiligt war, ob es sich um die Generierung von Compliance-Dokumenten, medizinische Diagnosen oder die Verarbeitung von Rechtsdokumenten handelt, haben wir festgestellt, dass die Entscheidung, ob ein Agenten-Workflow verwendet wird oder nicht, oft den Erfolg oder Misserfolg eines Projekts bestimmt. Die zukunftsträchtigsten Geschäftsmöglichkeiten liegen darin, wie bestehende oder neu entworfene Arbeitsabläufe in Agenten-Architekturen umgewandelt werden können.

Darüber hinaus entsteht im AI-Technologiestack eine neue Ebene: Die Agenten-Orchestrierungsebene, die als Vermittler zwischen den unteren Modellen und den oberen Anwendungen fungiert und Entwicklern hilft, komplexere AI-Anwendungen effizienter zu erstellen.

Obwohl diese Orchestrierungsebene die Entwicklung von Anwendungen einfacher macht, bleibt mein Kernpunkt unverändert: In der gesamten Technologiestack ist die Anwendungsseite immer noch der wertvollste Teil und lohnt es sich, hier die meiste Energie zu investieren.

3

Fehlschläge bei AI-Startups vermeiden

Vage Ideen = Geld verbrennen, konkrete Lösungen = Geld drucken

Jetzt möchte ich einige praktische Erfahrungen teilen, die Startups helfen können, sich schnell zu entwickeln. Im AI Fund halten wir uns immer an ein Prinzip: Wir konzentrieren uns nur auf konkrete Produktideen. Hierbei bedeutet "konkret", dass Ingenieure auf der Grundlage einer klaren Anforderungsbeschreibung sofort mit der Entwicklung beginnen können.

Zum Beispiel ist die Idee "AI zur Optimierung von medizinischen Ressourcen nutzen" zu vage. Auf der Grundlage dieser Idee könnten Ingenieure völlig verschiedene Produkte entwickeln. Im Gegensatz dazu ist die Idee "Eine Software entwickeln, die es Patienten ermöglicht, sich online für ein MRT-Gerät zu reservieren" eine konkrete Produktidee, und Ingenieure können am selben Tag mit der Programmierung beginnen und die Entwicklung schnell vorantreiben.

Konkrete Ideen bringen enorme Vorteile, insbesondere im Startup-Umfeld. Obwohl Ideen wie "AI zur Verbesserung der E-Mail-Effizienz nutzen" sehr attraktiv klingen und leicht akzeptiert werden, können nur konkrete Lösungen schnell ihre Machbarkeit überprüfen.

Im Betrieb des AI Funds fordern wir immer, dass das Team konkrete Ideen vorlegt, hauptsächlich aus drei Gründen:

Erstens ermöglicht eine klare Richtung dem Team, die Entwicklung mit vollem Tempo voranzutreiben;

Zweitens kann unabhängig davon, ob das Ergebnis der Validierung erfolgreich oder nicht erfolgreich ist, schnell eine Entscheidung getroffen werden;

Drittens stammen gute konkrete Ideen normalerweise von Fachleuten, die sich lange Zeit mit einem bestimmten Problem beschäftigt haben und es tiefgehend verstehen.

Zum Beispiel habe ich vor dem Gründen der Online-Bildungsplattform Coursera mehrere Jahre lang mich auf das Feld der Online-Bildung konzentriert.

Ich habe ständig mit potenziellen Benutzern gesprochen und überlegt, wie man eine Bildungstechnologieplattform aufbauen kann, die wirklich Probleme löst. Nach langer Überlegung (wie Y Combinator sagt, "im Labyrinth der Ideen herumirren") habe ich festgestellt, dass Fachleute, die sich jahrelang in einem bestimmten Bereich spezialisiert haben, oft auf der Grundlage ihrer Intuition schnell hochwertige Entscheidungen treffen können.

Wenn Sie sich ausreichend mit einem Bereich beschäftigt haben und ausführlich mit Benutzern gesprochen haben und Sie plötzlich gefragt werden, "Sollte ich diese Funktion oder jene Funktion entwickeln?", ist Ihre intuitive Reaktion - also diese Momentanentscheidung - möglicherweise sehr genau. Aber für viele Startups ist die Erfassung von Daten ein relativ langsamer Prozess. Im Vergleich dazu kann die intuitive Urteilsfähigkeit von Fachleuten einem Unternehmen helfen, schnellere Entscheidungen zu treffen.

Eine weitere wichtige Beobachtung ist, dass erfolgreiche Startups sich jederzeit auf die Validierung einer klaren Hypothese konzentrieren. Schließlich haben Startups begrenzte Ressourcen und können nicht gleichzeitig in mehreren Richtungen experimentieren.

Deshalb sollten Startupgründer sich für eine Richtung entscheiden und sich voll und ganz darauf konzentrieren. Wenn die Daten zeigen, dass diese Richtung nicht machbar ist, sollten sie schnell zu einer anderen konkreten Lösung wechseln.

Es ist jedoch wichtig zu beachten: Wenn Sie bei jedem neuen Datenpunkt Ihre Richtung ändern, bedeutet dies möglicherweise, dass Sie das Feld noch nicht ausreichend verstehen. Und wenn Sie sich nach jedem Gespräch mit einem Kunden umentscheiden, bedeutet dies, dass Sie noch keine hochwertige konkrete Idee entwickelt haben. In diesem Fall sollten Sie einen Fachmann finden, der sich lange Zeit mit diesem Problem beschäftigt hat, um Ihnen die Richtung zu weisen.

Ich denke auch ständig darüber nach, wie man einen schnellen Feedback-Zyklus aufbauen kann, insbesondere wenn AI-Programmierassistenten weit verbreitet sind. Beim Entwickeln von Anwendungen besteht das größte Risiko normalerweise in der Akzeptanz auf dem Markt.

Viele Startups scheitern nicht, weil die technische Umsetzung schwierig ist, sondern weil die entwickelten Produkte keine Nachfrage auf dem Markt haben. Unser normaler Entwicklungsablauf ist: Ingenieure entwickeln ein Produkt → Benutzerfeedback sammeln → Produktmanager passen die Richtung an → Weiterentwicklung, und dieser Zyklus wird fortgesetzt, bis das Produkt auf dem Markt erfolgreich ist (Product-Market Fit).

Mit der Hilfe von AI-Programmierassistenten steigt jedoch die Entwicklungsgeschwindigkeit rapide und die Entwicklungskosten sinken drastisch. Diese Veränderung