En av de eldste forretningsmodellene: Konstruer inngjerdet hage. Ta betalt for inngang. I kunnskapsøkonomien er det som er innenfor veggene = data. Tenk Bloomberg, Lexis-Nexis, Thomson-Reuters, etc. Til og med ting som FlightAware for ADS-B-data. PitchBook for skjema D osv. Dette er en enda bedre modell i AI-æraen. Finn data. Bygg inngjerdet hage rundt den. Nå i stedet for bare å ta betalt for tilgang til hagen, ta betalt for "produksjonen" av det mennesket som betaler den abonnementsavgiften skulle skape. Hvis du er en gründer: finn en obskur datakilde, digitaliser / normaliser / perfeksjoner den, og pakk den inn med en LLM.

Jeg har tenkt på dette en stund. Måten jeg har krystallisert det på er at vi nå kan bygge engangsprogramvare. Da programvare var dyrt og vanskelig å bygge, laget vi det stort sett for seriøse ting og forventet at det skulle vare (som lønnssystemer, skatteverktøy, ERP-programvare og forbrukernettverk). Hver kodelinje måtte rettferdiggjøre seg selv. Men ikke all programvare trenger å være permanent eller praktisk lenger. Folk lager stadig små, personlige apper og verktøy som bare gir mening for deg eller kanskje et par venner. Du kan bygge noe du aldri ville ha rettferdiggjort før fordi økonomien ikke fungerte. Men nå gjør de det. Jeg bygde et mattespill for å hjelpe barna mine med å få skjermtid. Jeg spunnet opp Catsagram - en mini Instagram for barna mine for å legge ut bilder av katten vår (dette er ekte, og du kan registrere deg). Dette er ikke produkter eller startups. De er ikke laget for å skalere eller tjene penger. De er bare små apper som er skreddersydd for et bestemt publikum, nyttige i en smal kontekst og morsomme å bygge. Til Justines poeng var dette egentlig ikke mulig før. Du ville ikke skrevet tusen linjer med kode bare for å dele bilder med tre personer. Det ville ikke ha vært økonomisk fornuftig. Men det har endret seg. Med LLM-er og AI-baserte kjøretider er det nå enkelt å spinne opp tilpasset programvare nesten uten anstrengelse. Det som pleide å ta uker, kan nå ta en time eller mindre. I mange tilfeller trenger du knapt å skrive noen kode i det hele tatt. Å bygge små engangsapper begynner å føles som å tegne i en notatbok, og det skiftet endrer hvorfor vi bygger programvare i utgangspunktet. Programvareoppretting pleide å være begrenset av avkastning. Nå er det bare begrenset av fantasi, og det er en mye mer interessant grense.

lfg

GPT-5 førsteinntrykk: - AI-kode / appgenerering definerer konkurranselandskapet for modeller - Fokus på FE-nettestetikk gir hint om hva slags apper folk flest bygger - De fleste forbrukere vil se en enorm forbedring (siden de fleste aldri har byttet standardmodell)

GPT-5 er her og er min nye favoritt AI-ingeniør. Jeg fikk tidlig tilgang og testet denne nye modellen på @chatprd sammen med noen av mine favorittarbeidsflyter for koding, forretninger og personlige arbeidsflyter. Her er et spesielt dypdykk i hvordan jeg AI på denne nye modellen, og hva jeg elsker (og ikke gjør) med den 👇

Tilgang til data med tillatelse ser ut til å være under beleiring. Hvis datatilgang blir et lukket sløyfesystem, hva går i stykker – og hva går tapt? Jeg har møtt hundrevis av B2B AI-startups. Her er hvordan jeg tror dette omformer landskapet og hvordan gründere kan reagere 👇

Den @elevenlabsio musikkmodellen er superimponerende (eller jeg hadde ekstraordinær flaks i mine første generasjoner): Den er i stand til å generere obskure stiler som de andre modellene overfiter, det vil si at "1990-tallets deep house" ellers har en tendens til å bli overfit som "EDM", som høres ut som søppel. Dette er *flott* - sjekk ut mitt genererte spor nedenfor:

Appgenerering er et av de raskest voksende AI-områdene. Cos skalerer til $100M+ ARR i rekordfart, tilsynelatende i et kappløp om å dominere markedet. Men vi tror det ikke vil være «vinneren tar alt». Markedet vil segmentere, med forskjellige vinnere på ulike områder. Vår oppgave 👇

a16z Speedrun kommer til Israel! Arranger noen arrangementer nedenfor 👇🏼