« Il y a eu des tentatives de coup doux. Des lettres ont été envoyées au conseil d'administration. Les gens étaient vraiment mécontents. Mais de l'autre côté, les personnes restantes étaient les individus les plus incroyables, entreprenants, courageux, inspirants et heureux que l'on puisse imaginer. » Le PDG d'@Intercom sur ce qu'il a fallu pour réinitialiser leur culture d'une entreprise SaaS « en phase avancée » à une startup axée sur l'IA et en mouvement rapide.

C'est l'un des meilleurs rappels à la réalité que j'ai entendus.

Le PDG d'Intercom @eoghan : "Vous n'avez pas le choix. L'IA va vous perturber de manière agressive et violente. Si vous n'y êtes pas, vous allez être expulsé de tout cela. Mon meilleur conseil est que vous devez attirer les jeunes talents. L'IA est en quelque sorte un jeu de jeunes. Vous êtes en concurrence avec de jeunes entreprises qui, en partie, sont axées sur l'IA, dirigées par des jeunes dans la vingtaine, travaillant littéralement 12 heures par jour, littéralement 365 jours par an. Ces jeunes entreprises savent comment utiliser l'IA de manière que les entreprises plus anciennes ne savent pas. Les entreprises de notre génération, les gens dans la plupart des organisations, en particulier les organisations non techniques, n'utilisent aucune IA. Peut-être qu'elles commencent à utiliser ChatGPT pour rédiger une description de poste. Mais elles ne le font pas par défaut."

Le PDG d'Intercom @eoghan : "Vous n'avez pas le choix. L'IA va vous perturber de manière agressive et violente. Si vous n'y êtes pas, vous allez être expulsé de tout cela. Mon meilleur conseil est que vous devez attirer les jeunes talents. L'IA est en quelque sorte un jeu de jeunes. Vous êtes en concurrence avec de jeunes entreprises qui, en partie, sont axées sur l'IA, dirigées par des jeunes dans la vingtaine, travaillant littéralement 12 heures par jour, littéralement 365 jours par an. Ces jeunes entreprises savent comment utiliser l'IA de manière que les entreprises plus anciennes ne savent pas. Les entreprises de notre génération, les gens dans la plupart des organisations, en particulier les organisations non techniques, n'utilisent aucune IA. Peut-être qu'elles commencent à utiliser ChatGPT pour rédiger une description de poste. Mais elles ne le font pas par défaut."

Discussion amusante avec @lennysan ! Dans celle-ci, je partage l'histoire de la montée, de la chute et de la remontée d'Intercom. Et notre pivot tardif de l'ancienne génération de SaaS vers le leadership dans la catégorie des agents de service AI :)

.@Intercom était au bord de la mort—cinq trimestres consécutifs avec 0 $ de nouvel ARR net, approchant une croissance négative. Puis ils ont misé tout sur l'IA. 6 semaines après le lancement de GPT-3.5, ils ont expédié un prototype fonctionnel de @Fin_ai (l'agent IA d'Intercom). Fin est passé de 1M $ à 12M $ d'ARR en 12 mois. Maintenant à des chiffres à 8 chiffres et >300% de croissance, il est en bonne voie pour dépasser 100M $ d'ARR en moins de 3 trimestres, et va croître plus vite que toutes les entreprises de logiciels publiques d'ici la fin de l'année. Dans notre conversation franche, @eoghan partage la dure réalité de la transformation d'une entreprise SaaS en phase avancée et stagnante en une entreprise axée sur l'IA. Ce que vous apprendrez : 🔸 Pourquoi Eoghan pense que la plupart des entreprises en phase avancée ne survivront pas à la transition vers l'IA 🔸 La transformation en « mode fondateur » qui a nécessité de licencier 40% du personnel et a abouti à 98% de satisfaction des employés 🔸 Pourquoi avoir « rien à perdre » est l'avantage ultime dans la transformation IA 🔸 Comment ils se sont transformés d'une entreprise SaaS stagnante en une entreprise axée sur l'IA croissant à plus de 300% 🔸 Comment la tarification d'Intercom a évolué de « la plus détestée dans le SaaS » à un modèle pour chaque entreprise d'IA 🔸 Comment 12 ans de thérapie et une période de « mort de l'ego » ont façonné l'approche de leadership d'Eoghan Écoutez maintenant 👇 • YouTube : • Spotify : • Apple : Merci à nos merveilleux sponsors pour soutenir le podcast : 🏆 @greatquestionco — Permettre à chacun de mener de grandes recherches : 🏆 @WorkOS — Plateforme d'identité moderne pour le SaaS B2B, gratuite jusqu'à 1 million d'utilisateurs actifs mensuels : 🏆 @DeveloperXM — La plateforme d'intelligence des développeurs conçue par des chercheurs de premier plan :

ChatGPT : Le projet de hackathon le plus réussi de tous les temps

"Dans le développement logiciel traditionnel, vous planifiez la v1, v2, v3 du nouveau produit en fonction de la profondeur des fonctionnalités ou des besoins des utilisateurs. Avec les systèmes d'IA, le regard change. Chaque version est plutôt définie par le degré d'autonomie du système et le niveau de contrôle que vous êtes prêt à abandonner. Commencez par identifier un ensemble de fonctionnalités à contrôle élevé et à autonomie faible (version 1 dans l'image ci-dessous). Celles-ci doivent être petites, testables et faciles à observer. À partir de là, réfléchissez à la manière dont ces capacités peuvent évoluer au fil du temps en augmentant progressivement l'autonomie, une version à la fois. L'objectif est de décomposer un état final ambitieux en comportements précoces que vous pouvez évaluer, itérer et construire à partir de là. Par exemple, si votre objectif final est d'automatiser le support client dans votre entreprise, une manière à contrôle élevé de commencer serait de définir la v1 (version 1) comme simplement le routage des tickets vers le bon département, puis passer à la v2 où le système suggère des résolutions possibles, et enfin, dans la v3, permettre la résolution automatique avec un recours humain. Voici quelques autres exemples : Assistant marketing v1 : Rédiger un email, une annonce ou un texte pour les réseaux sociaux à partir de prompts v2 : Construire des campagnes multi-étapes et les exécuter v3 : Lancer, tester A/B et optimiser automatiquement les campagnes sur plusieurs canaux Assistant de codage v1 : Suggérer des complétions en ligne et des extraits de code standard v2 : Générer des blocs plus importants (comme des tests ou des refactorisations) pour révision humaine v3 : Appliquer des modifications ciblées et ouvrir des demandes de tirage (PR) de manière autonome Si vous avez suivi comment des outils comme GitHub Copilot ou Cursor ont évolué, c'est exactement le manuel qu'ils ont utilisé. La plupart des utilisateurs ne voient que la version actuelle, mais le système sous-jacent a gravi cette échelle progressivement. D'abord des complétions, puis des blocs, puis des PR, chaque étape étant gagnée grâce à l'utilisation, aux retours et à l'itération." Plus ici :

Quelle est la prochaine grande plateforme de distribution ? @bbalfour prédit que ce sera ChatGPT. Chaque nouveau canal de distribution suit le même cycle en quatre étapes : 1. Concurrence féroce (ChatGPT vs. Claude vs. Gemini) 2. Trouver le fossé (ChatGPT l'a trouvé : mémoire et contexte) 3. Ouvrir une plateforme pour accélérer le fossé 4. La fermer pour la monétisation. Brian pense que nous sommes à quelques mois de l'étape 3. En commençant par le mode Agent récemment lancé par ChatGPT, et probablement suivi de partenariats privilégiés, puis d'une ouverture de plateforme plus large. Ces rares réinitialisations de plateformes de distribution sont des moments où des fortunes se font. Les entreprises qui reconnaissent cela et en profitent perturberont les acteurs établis et prendront de l'avance. Plus ici :

Vous ne pouvez pas construire des produits d'IA comme d'autres produits. Les produits d'IA sont intrinsèquement non déterministes, et vous devez constamment négocier le compromis entre l'autonomie et le contrôle. Lorsque les équipes ne reconnaissent pas ces différences, leurs produits rencontrent des échecs inattendus, elles se retrouvent coincées à déboguer de grands systèmes compliqués qu'elles ne peuvent pas tracer, et la confiance des utilisateurs dans le produit s'érode silencieusement. Après avoir observé ce schéma se reproduire dans plus de 50 mises en œuvre d'IA dans des entreprises telles que @OpenAI, @Google, @Amazon et @Databricks, Aishwarya Naresh Reganti et Kiriti Badam ont développé une solution : le cadre de Calibration Continue/Développement Continu (CC/CD). Le nom fait référence à l'Intégration Continue/Déploiement Continu (CI/CD), mais, contrairement à son homologue, il est destiné à des systèmes où le comportement est non déterministe et où l'autonomie doit être acquise. Ce cadre vous montre comment : - Commencer avec des fonctionnalités à contrôle élevé et autonomie faible - Construire des systèmes d'évaluation qui fonctionnent réellement - Élargir les produits d'IA sans briser la confiance des utilisateurs Il est conçu pour reconnaître l'unicité des systèmes d'IA et vous aider à construire des produits d'IA plus intentionnels, stables et dignes de confiance. Ils le partagent publiquement pour la première fois :