Ich habe gerade Joe Liemandt darüber auf Invest Like The Best sprechen hören. KI-native Unternehmen können vollständig die etablierten SORs ersetzen - das war historisch gesehen nie möglich. "KI-native Unternehmen werden mehr wert sein als je ein SaaS-Unternehmen."

Gründer fragen uns oft: Was braucht es wirklich, um ein langlebiges AI-Unternehmen aufzubauen? Im Bereich der Unternehmens-AI sehen wir immer wieder zwei Modelle auftauchen: Ölquellen (Systeme der Aufzeichnung) & Pipelines (Automatisierungsschichten). 1️⃣ Ölquellen werden zur Quelle der Wahrheit für Daten & zugehörige Arbeitsabläufe. Wir sehen zwei Einstiegspunkte: Rip + Replace: Wenn Altsysteme durch technische Schulden belastet sind, sind Käufer motiviert, das Risiko einzugehen, sie durch neue AI-native Systeme zu ersetzen. @hxtweets @amrit_hx haben die Preisgestaltung und Underwriting von Versicherungen von der Eingabe bis zur Einreichung neu aufgebaut; Valon @wangandrewd hat 25+ Hypothekenverwaltungsysteme in eines zusammengeführt; @usevesta @michael_yu haben die Kreditvergabe so umgestaltet, dass Aufgaben parallel ausgeführt werden können. Greenfield: Wenn kein System existiert, erfassen Startups frühzeitig Kunden und wachsen mit ihnen. @Rillet_HQ begann als das erste ERP für Finanzteams von KMUs, automatisierte manuelle Arbeitsabläufe und hat sich seitdem erweitert, um Platzhirschen wie NetSuite zu ersetzen. Ölquellen brauchen länger zum Bohren, aber einmal etabliert, schaffen sie tiefe, langlebige Gräben. Das Eigentum am System der Aufzeichnung schaltet Arbeitsabläufe frei, die sonst niemand aufbauen kann, und schafft Wechselkosten. 2️⃣ Pipelines (Automatisierungs-/Orchestrierungsschichten) -- Diese sitzen auf bestehenden Systemen und automatisieren die "Klebe-Arbeit", die Menschen zwischen ihnen leisten. Wir haben zwei Hauptmuster gesehen: Fragmentierte Systeme: Wenn viele fest etablierte Systeme koexistieren, vereinheitlichen Pipelines Arbeitsabläufe, ohne dass ein Rip-and-Replace erforderlich ist. @furtheraicom bietet agentische Arbeitsabläufe für Versicherungen und automatisiert mühsame Prozesse (Einreichungen, Verlustläufe, Compliance) über mehrere Systeme hinweg. Menschliche Middleware: Wenn Menschen die Brücke zwischen Systemen sind, digitalisieren Pipelines diese Arbeit. @Concourse_ai baut AI-Agenten für Finanzteams, die sich in mehrere Finanzsysteme integrieren, sodass Teams ohne manuellen Aufwand abfragen und analysieren können. @SolaAI_ ermöglicht es Kunden, einen Arbeitsablauf einmal aufzuzeichnen und ihn in einen aktiven AI-Agenten für Aufgaben wie die Rechnungsabstimmung umzuwandeln. Kunden müssen sich nicht entscheiden. Unternehmen kaufen oft beides: ein neues System der Aufzeichnung in einem Bereich, leichte Automatisierungen in einem anderen. Aber für Gründer sind die Strategien unterschiedlich, können aber beide massiv sein. Was zählt, ist nicht zu versuchen, beides gleichzeitig zu tun, sondern zu wissen, welches Spiel man spielt, um zu gewinnen. Neuer Beitrag von mir & @joeschmidtiv 👇

Ja, das bin ich auf dem Plakat. Nein, es ist kein tatsächlicher Film. Und ja, das ist absolut ein weiterer Beitrag zum Thema Systeme der Aufzeichnung. Aber wir kommen aus einem bestimmten Grund immer wieder auf dieses Thema zurück. Wenn es um Unternehmens-AI geht, landen die meisten beständigen Unternehmen in einer von zwei Kategorien: Ölfelder (Systeme der Aufzeichnung) oder Pipelines (Automatisierungs-/Orchestrierungsschichten). Ölfelder gehen tief in einen einzelnen Workflow, bis sie zum System der Aufzeichnung werden. Sie brauchen länger, um etabliert zu werden, aber sobald du das Datenmodell und den Workflow besitzt, schaltest du neue Fähigkeiten frei und baust strukturelle Verteidigungsmechanismen auf, die sich im Laufe der Zeit verstärken. Pipelines sitzen oben auf bestehenden Systemen und automatisieren die "Kleinarbeit", die Menschen derzeit zwischen ihnen leisten. Sie werden schnell angenommen, jeder hinzugefügte Workflow macht die Plattform klebriger, aber sie besitzen nicht die wahre Wahrheit. Beide Strategien können massive Unternehmen aufbauen. Aber sie erfordern sehr unterschiedliche Entscheidungen im Produktdesign, in der Markteinführungsstrategie und in der Verteidigungsfähigkeit. Der größte Fehler ist nicht, das eine über das andere zu wählen, sondern unklar darüber zu sein, welches Spiel du tatsächlich spielst. Wenn kritische Daten über Systeme verstreut oder in manuellen Prozessen gefangen sind, sieht die Gelegenheit wie ein Ölfeld aus – ein neues System der Aufzeichnung. Wenn die Landschaft fragmentiert ist, voller etablierter Akteure und auf Menschen angewiesen ist, um die Arbeit zwischen den Systemen zu bewegen, sieht die Gelegenheit wie eine Pipeline aus – eine Automatisierungsschicht oben drauf. Die Unternehmen, die bestehen bleiben, sind die, die ihren Markt richtig lesen und alles darum herum aufbauen.