Framing errato: AI come tool di produttività.
Framing corretto: AI come sistema operativo.
In poche parole: se ogni processo, decisione e outcome è registrato all'interno di un closed loop, l'azienda diventa interrogabile dall'AI. La differenza non è quanta AI usi - è come viene architettata intorno ai flussi di lavoro. Il punto non è produttività, ma capability: cosa diventa possibile fare che prima non lo era.
Open loop vs closed loop
Open loop: prendi un input, produci un output, fine. Le informazioni sono frammentate, disperse in DM, email, standup. Nessuno ha il quadro completo.
Closed loop: ogni azione lascia una traccia strutturata, quella traccia alimenta un layer intelligente, il layer migliora i processi. Status, decisioni e outcome restano nel loop - non si perdono.
Come si costruisce un'azienda "queryable"
Perché questo funzioni, l'azienda deve essere leggibile dall'AI. In pratica:
- Registrare i meeting (AI note taker)
- Minimizzare DM ed email - tutto va in canali tracciabili
- Inserire agenti nei flussi di comunicazione
- Costruire dashboard custom per ogni funzione (revenue, eng, sales, hiring)
L'obiettivo è dare agli agenti lo stesso contesto che daresti a un nuovo collega. Se ce l'ha, può diventare propositivo - non solo eseguire, ma suggerire cosa fare e costruire next.
Come cambia il modo di costruire software
Chi decide cosa costruire scrive spec e test che definiscono il successo. L'AI scrive il codice e itera finché i test passano. Chi decide cosa costruire giudica l'output. Non è AI che sostituisce - è una divisione del lavoro completamente diversa.
Nota: due giorni fa Anthropic ha pubblicato "When AI builds itself" - vale la pena leggerlo. Sparisce la figura che scrive il codice e apre tre scenari futuri molto diversi tra loro.
La gerarchia tradizionale non ha più senso
Il middle management è sempre esistito per far circolare le informazioni verso l'alto e verso il basso. Se l'azienda è queryable, quel flusso non serve più. La velocità aziendale dipende da quanto veloce girano le informazioni - non da quante persone hai.
Jack Dorsey sta già ridisegnando i ruoli intorno a tre figure:
L'IC (individual contributor) - specialista profondo di un layer specifico. Costruisce e opera. Non aspetta istruzioni dall'alto perché il sistema gli fornisce il contesto di cui ha bisogno per decidere autonomamente.
Il DRI (directly responsible individual) - possiede un problema specifico, con autorità piena per tirare risorse da team diversi. Non è un ruolo permanente: si sposta dove serve.
Il player-coach - sostituisce il manager tradizionale. Continua a fare il lavoro vero (scrivere codice, buildare, progettare) e investe nella crescita delle persone intorno a sé. Non fa status meeting, non fa alignment - quello lo gestisce il sistema.
Nessun ruolo esiste solo per fare girare informazioni.
Burn tokens, not headcount
La metrica molto usata di recente per valutare una startup AI-native è il suo consumo di token come elemento di produttività. Tanti creano meme sui loro AI bills. Dunque il focus non è quante persone hai - è quanta AI stai davvero usando. "Tokenmaxxing" significa massimizzare l'utilizzo di AI invece di assumere: spendere in compute, non in headcount. OpenAI ha investito $2M in crediti API su tutte le startup YC che adottano questo approccio.
Il vantaggio più grande ce l'hanno le startup: nessun legacy system, nessuna struttura da smontare. Si può costruire così dal giorno 1.
Fonti:
YC Startup Library - The Playbook for Building an AI Native Company (Diana Hu)
Block - From Hierarchy to Intelligence
Anthropic Institute - Recursive Self-Improvement
