پنج سال پیش، جان ساکودا، بنیانگذار Decibel Ventures، در پستی در X گفت که هرگز نباید قدرت گروههای کوچک را دست کم گرفت. او اضافه کرد که گروهی متشکل از پنج نفر با یک هدف مشترک میتوانند از ۵۰۰ نفر با اولویتهای متضاد بهتر عمل کنند.
او گفت: «تیمهای کوچک عموماً سریعتر حرکت میکنند و راحتتر در دنیای متغیر پویا حرکت میکنند.»
این بیانیه هرگز مرتبطتر از امروز، در سال ۲۰۲۵ نبوده است.
اخیراً AIM گزارش داد که چگونه پلتفرم کدنویسی مبتنی بر هوش مصنوعی Cursor، نه تنها از ۱۰۰ میلیون دلار درآمد سالانه مکرر (ARR) فراتر رفت، بلکه این موفقیت را در زمان رکورد با ۲۰ کارمند به دست آورد. مورد Cursor یک مورد جداگانه نیست، چندین استارتاپ دیگر از وجود در یک چشم انداز هوش مصنوعی بهره بردهاند.
سال گذشته، MidJourney، یک تولید کننده تصویر هوش مصنوعی، با تنها ۱۱ کارمند به درآمد ۲۰۰ میلیون دلاری ARR رسید. به طور مشابه، Bolt.new، یکی دیگر از پلتفرمهای کدنویسی هوش مصنوعی، با تنها ۲۰ کارمند، در کمی بیش از ۴ ماه از ۳۰ میلیون دلار ARR عبور کرده و ۳ میلیون کاربر ثبت کرده است.
Lovable، یکی از رقبای Cursor، با ۱۵ کارمند در تنها ۶۰ روز به درآمد ۱۰ میلیون دلاری ARR رسیده است. به طور مشابه، ElevenLabs، یک استارتاپ تبدیل متن به صدا مبتنی بر هوش مصنوعی، گزارش شده است که به ارقام ARR نزدیک به ۹۰ میلیون دلار با ۵۰ کارمند رسیده است.
چگونه به اینجا رسیدیم؟
ریسک بالا، پاداش بالا
در گفتگو با دن شیپر، یکی از بنیانگذاران Every، مایک مپلز، یکی از بنیانگذاران Floodgate Ventures، این موضوع را به تفاوت در پروفایلهای ریسک که استارتاپهای کوچک و شرکتهای بزرگ با آن فعالیت میکنند، نسبت داد.
او به عنوان مثال به این موضوع اشاره کرد که چگونه SpaceX ایلان ماسک میتواند چیزی را به فضا پرتاب کند و اگر منفجر شود، تیم میتواند به سرعت به ساخت یک نمونه بهتر بپردازد. مپلز گفت: «ناسا این کار را نخواهد کرد.» او افزود: «اگر ناسا موشکی را پرتاب کند، نمینشینند و بگویند 'آمد به آسانی، رفت به آسانی' منفجر شد.»
او سپس گفت که تفاوت در پروفایل ریسک مرتبط با ماسک و SpaceX، به عنوان مثال، میتواند سرعتی را که او میتواند با آن حرکت کند تغییر دهد. این وضعیت برای بسیاری از تیمهای کوچکی که محصولات هوش مصنوعی میسازند و ممکن است به نظر برسد با نامهای بزرگتر در رقابت رقابت میکنند، مشابه است.
مپلز گفت: «عدم نیاز به تحمل بار آنچه ممکن است اشتباه پیش برود، عامل بزرگی در تلاش برای انجام کارهایی است که میتوانند درست پیش بروند.»
شیپر و مپلز هر دو اشاره کردند که استارتاپها بر روی "جایگاهی که شرکتهای بزرگ وارد آن نمیشوند" و ایدههایی که خودشان نمیخواهند انجام دهند و نمیتوانند تصور کنند، تمرکز خواهند کرد و باید تمرکز کنند.
علاوه بر این، مپلز اشاره کرد که تخصص تخصصی در دامنه میتواند موقعیتهای قابل دفاعی ایجاد کند که شرکتهای بزرگ نمیتوانند به راحتی با پیشنهادات هوش مصنوعی عمومی خود رقابت کنند - به ویژه در زمینههای پیچیده و چند رشتهای.
نمایشنامه Lovable
به عنوان مثال Lovable را در نظر بگیرید. این استارتاپ تنها ۳۰ ماه پیش راه اندازی شده است و ۳۰۰۰۰۰ کاربر فعال ماهانه دارد که ۱۰٪ آنها کاربر پرداختی هستند.
در یک قسمت پادکست، آنتون اوسیکا، بنیانگذار و مدیرعامل Lovable، در مورد داستان پیدایش Lovable صحبت کرد که ممکن است بینشهایی در مورد چگونگی مقیاس سریع یک استارتاپ تیم کوچک داشته باشد.
این استارتاپ با انتشار یک ابزار منبع باز به نام GPT Engineer در GitHub شروع به کار کرد که به سرعت محبوبیت پیدا کرد و بیش از پنجاه هزار ستاره به دست آورد. این موفقیت اولیه به Lovable کمک کرد تا یک پایگاه کاربر اولیه بسازد که برای محصول آنها ارزش قائل بود، که در نهایت نقش مهمی در هدایت رشد شرکت داشت.
Lovable سپس تحت یک لیست انتظار راه اندازی شد تا بر اساس بازخورد کاربر تکرار شود. هنگامی که محصول "واقعاً خوب" شد، برای کاربران بیشتری راه اندازی شد. با توجه به اینکه Lovable یک سیستم هوش مصنوعی است که برای محصولات کد میسازد، تمایل دارد در این فرآیند گیر کند. اوسیکا گفت: «کاری که ما انجام دادیم این بود که به طور موشکافانه مکانهایی را که در آن گیر میکرد، شناسایی کردیم.»
این تیم مجبور بود "کل سیستم را به صورت کمی تنظیم کند و یک حلقه بازخورد سریع داشته باشد تا آن را در مناطقی که گیر میکرد، بهبود بخشد". فرآیندهایی از این قبیل برای ارسال محصولی که هم قابل استفاده و هم کاربردی باشد، بسیار مهم است.
اوسیکا موفقیت Lovable را عمدتاً به وجود مدلهای اساسی نسبت میدهد، که او میگوید شبیه به این است که چگونه کشف نفت باعث تولد بسیاری از محصولات و صنایع شد. او گفت که وظیفه Lovable این بود که "وسواس" داشته باشد تا مدل اساسی را به روش صحیح به کاربر ارائه دهد.
دوم، او همچنین بر ایده ساخت در ملاء عام تأکید کرد. او گفت که برای به دست آوردن بینش، آگاهی و بازخورد در مورد محصول، این شرکت به طور منظم در رسانههای اجتماعی در مورد همه چیزهایی که در دست ساخت است پست میگذارد.
اوسیکا به تیمی اعتبار میدهد که میتواند "واقعاً سریع" محصول را عرضه کند و سلیقه خوبی برای انتزاعات مناسب داشته باشد و همچنین وسواس برای بهتر و بهتر کردن محصول داشته باشد. او همچنین گفت که Lovable تلاش میکند تا افرادی را با "ابرقدرت مطلق" در برخی ابعاد استخدام کند تا مغز یک متخصص عمومی داشته باشد.
و به نظر نمیرسد داستان رشد متوقف شود. اوسیکا اخیراً فاش کرد که Lovable در یک هفته ۵۰٪ رشد کرده است و اکنون روزانه ۱۵۰۰ مشتری جدید اضافه میکند.
او گفت: «رشد دهان به دهان در حال افزایش است. من افراد زیادی داشتهام که به من گفتهاند که اخیراً Lovable را به چند نفر نشان دادهاند - این یک محرک نمایی است.»
استفاده از هوش مصنوعی به عنوان یک ضریب نیرو
جالب اینجاست که اوسیکا به اشتراک گذاشت که این استارتاپ نسخهای از Lovable را برای بهبود قابلیتهای خود راهاندازی کرده است. ساخت هوش مصنوعی با هوش مصنوعی یکی دیگر از عوامل مهم در موفقیت این استارتاپها بوده است.
او گفت: «همه همیشه از هوش مصنوعی در نوشتن کد استفاده میکنند» و افزود که این برای آزمایش عالی است.
اوسیکا همچنین گفت که تقریباً همه افراد در تیمش از Cursor برای نوشتن کد استفاده میکنند. چندین رهبر صنعت نیز به استفاده از هوش مصنوعی به عنوان یک ضریب نیرو برای رشد اعتقاد دارند.
مایکل میگنانو، شریک Lightspeed Ventures، نیز احساسات مشابهی را در پستی در X تکرار کرد. میگنانو گفت: «آنها [استارتاپهای تیم کوچک و پررشد] همه از بهترین ابزارهای هوش مصنوعی برای به دست آوردن اهرم در هر بخش از گردش کار خود استفاده میکنند.»
میگنانو افزود: «و آنها با هم در زندگی واقعی کار میکنند، بیشتر آنها مستقیماً در کنار یکدیگر مینشینند (برای آسانتر کردن ارتباط) در حالی که در برابر اهداف بسیار سختگیرانهای برای آنچه باید عرضه کنند و تا چه زمانی، اجرا میکنند. فقط ساخت بسیار سریع و هاردکور، تمام روز.»
این ممکن است فقط آغاز سفر باشد. تا زمانی که آزمایشگاههای مرزی در هر مورد استفاده ممکن تخصص نداشته باشند، همیشه جا برای استارتاپهای بیشتری از این دست وجود خواهد داشت.