18 دقیقه
هوش مصنوعی از یک رشته دانشگاهی محدود به نیروی تجاری فرار و گسترده‌ای تبدیل شده که بازارهای جهانی، صنایع و پویایی رقابتی را بازتعریف میکند. برای بنیان‌گذاران مرحله‌ای اولیه، اکنون این فناوری هم فرصت است و هم تهدیدی وجودی در حال ظهور. این تنش در مرکز پنل Going Global 5 با عنوان «استفاده از هوش مصنوعی یا نه: آیا استارتاپ شما بدون آن محکوم است؟» قرار داشت. این جلسه با مدیریت ران اشملزر، خبرنگار lâuمدت حوزه هوش مصنوعی در Forbes و میزبان پادکست AI Today برگزار شد و چهار فعال در بخش‌های مختلف اکوسیستم هوش مصنوعی را گرد هم آورد.
سخنرانان شامل مهدی شریف، هم‌بنیان‌گذار Humble AI در لندن و استاد مدعو هوش مصنوعی در دانشگاه ISM ویلنیوس؛ سیمونا واسیته-کوداکاوسکه، مدیرعامل و بنیان‌گذار Perfection42؛ روکاس ستانکِویچیوس، بنیان‌گذار AI Clicks؛ و اگیدیوس پیلیپاس، مدیر محصول و بازاریابی در Exacaster بودند. آنها به‌طور مشترک دیدگاه‌هایی درباره این که آیا رونق فعلی هوش مصنوعی نقطه عطف فناوری پایدار است یا حبابی گرم‌شده توسط هیجان و سرمایهگذاری سفته‌بازانه ارائه دادند.
اگرچه هر بنیان‌گذار استراتژی محصول و بخش مشتری متفاوتی داشت، نگرانی‌های مشترکی درباره سرعت بازار، فشار رقابتی و نیاز شرکت‌ها به سازگاری سریع‌تر از هر موج فناوری قبلی وجود داشت. در طول پنل آنها به چشم‌انداز سرمایهگذاری جهانی در هوش مصنوعی، چالش توسعه هوش مصنوعی مسئولانه، دشواری همگام ماندن با بازاری که هر چند هفته خودش را بازتعریف میکند و پیامدهای انسانی و اجتماعی اتوماسیون سریع پرداختند.
آنچه در ادامه می‌آید بازگویی تحلیلی، زمانی و دقیق گفتگو است که برای وضوح و عمق ساختاربندی شده است. این گزارش مفصل هدف دارد تصویری کامل از بینش‌های پنل برای بنیان‌گذاران استارتاپ، سرمایه‌گذاران و ناظران هوش مصنوعی ارائه دهد که می‌خواهند مسیر صنعت را بهتر درک کنند.
1. مقدمه: صنعتی که سریع‌تر از شرکت‌کنندگانش حرکت میکند
مجری، ران اشملزر، پنل را با شوخی‌ای ملایم درباره اولین بازدیدش از ویلنیوس و سنت لیتوانیایی سوپ صورتی آغاز کرد. اما معرفی او سریعا به چارچوبی جدی از چشم‌انداز جهانی هوش مصنوعی تغییر مسیر داد.
اشملزر از سال 2018 درباره هوش مصنوعی در Forbes می‌نویسد و این دوره را گذار از «داده‌کاوی و مهندسی یادگیری ماشین» به انفجار جریان اصلی مبتنی بر هوش مصنوعی مولد توصیف کرد. نقطه عطف شخصی او لحظه‌ای بود که مادرش در اواخر 2022 یک تعامل ChatGPT برایش فرستاد؛ این لحظه به‌عنوان نشانه‌ای دیده شد که هوش مصنوعی از حلقه‌های فنی تخصصی وارد جمعیت عمومی شده است.
سپس او یکی از مهم‌ترین نگرانی‌های کلان را که گفتگوهای سرمایه‌گذاران را شکل می‌دهد تشریح کرد: ترس از حباب سرمایهگذاری در هوش مصنوعی. او اشاره کرد که صعود عظیم NVIDIA اکنون چنان با بازارهای سهام جهانی در‌هم‌تنیده شده که یک فصل درآمدی ناامیدکننده میتواند شاخص‌های بزرگ را متزلزل کند. او به اظهارنظر مدیران BlackRock در واکنش به پیش‌بینی جنسن هوانگ مبنی بر اینکه هزینه زیرساخت جهانی هوش مصنوعی ممکن است در چند سال آینده به 3–4 تریلیون دلار برسد اشاره کرد. محاسبات، همان‌طور که تحلیل‌گر BlackRock بیان کرد، نگران‌کننده است: صنعتی که سالانه 100 میلیارد دلار درآمد تولید میکند، برای جبران چرخه سرمایهگذاری دوساله به 40 سال نیاز دارد.
اشملزر استدلال کرد که این وضعیت فضای فشار بالایی برای شرکت‌های بزرگ فناوری و استارتاپها ایجاد میکند. با چنین نیازهای سرمایهگذاری فوق‌العاده و افق درآمدی نامشخص، سوال پایداری سنگین بر صنعت سایه می‌اندازد.
این مقدمه پرسش اول جلسه را شکل داد:
هر یک از پنلیست‌ها چه می‌سازند و آیا آنها معتقدند اکنون در حالت حباب هوش مصنوعی قرار داریم؟
2. آنچه بنیان‌گذاران می‌سازند: چهار مسیر متفاوت در مرز هوش مصنوعی
2.1. مهدی شریف: دموکراتیزه کردن ابزارهای هوش مصنوعی برای نسل بعد
شریف کار خود را با توصیف ماموریت Humble AI آغاز کرد: توانمندسازی نسل بعدی سازندگان و آوردن شمولیت به اکوسیستم فناوری جهانی. به نظر او، بخش زیادی از قدرت و نفوذ هوش مصنوعی امروز در میان خوشه کوچکی از سازمان‌ها در سان‌فرانسیسکو متمرکز شده است. Humble AI تلاش دارد با فراهم آوردن ابزارهایی که به نوآوران متنوع اجازه می‌دهد بدون دانش فنی عمیق برنامه‌های معناداری بسازند، دسترسی را گسترش دهد.
در پاسخ به سوال درباره حباب بودن هوش مصنوعی، شریف دیدگاهی متعادل ارائه داد. او گفت برخی حوزه‌ها به شدت مبالغه‌آمیز شده‌اند، اما حوزه‌های دیگری اساساً کم‌ارزش‌گذاری شده‌اند. او تأکید کرد که فرصت‌ها در سراسر طیف وجود دارد؛ بنیان‌گذاران با چشم بینا باید بیاموزند کجا ارزش واقعی خلق میشود و کجا حدس و گمان غالب است.
2.2. سیمونا واسیته-کوداکاوسکه: تمرکز عمودی بر صنعت مبلمان
سیمونا ریشه‌های شرکتش را به زمانی قبل از ورود هوش مصنوعی مولد به جریان اصلی ردیابی کرد. Perfection42 با فناوری اولیه شبکه‌های مولد تخاصمی (GAN) آغاز شد و در دوران قبل از ChatGPT با مدل‌های بنیادین تکامل یافت. امروز این شرکت متمرکز بر ساخت یک پلتفرم عملیات تصویری ویژه صنعت مبلمان است.
اگرچه فناوری پایه آنها میتواند برای بخش‌های مختلف—مد، سخت‌افزار، لوازم‌التحریر—تصاویر تولید کند، تیم عمداً یک حوزه عمودی را انتخاب کرد تا تسلط یابد. او استدلال کرد که این تمرکز به شرکت اجازه داد حتی از رقبای خوب‌تأمین‌شده در فرانسه هم پیشی بگیرد، به‌ویژه هنگام تولید و پردازش هزاران تصویر در مقیاس صنعتی.
Perfection42 در حال حاضر بیش از 20 مشتری دارد و هدف‌گذاری کرده است در آینده نزدیک 600,000 تصویر برای بخش مبلمان تولید کند. برای آنها، تمرکز استراتژیک و درک عمیق از یک صنعت خاص از وسوسه ساخت ابزارهای کلی‌نگر مهم‌تر است.
2.3. روکاس ستانکِویچیوس: بهینه‌سازی برندها برای کشف مبتنی بر هوش مصنوعی
ستانکِویچیوس توضیح داد AI Clicks از سال‌ها کار او در کمک به شرکت‌ها برای وارد کردن هوش مصنوعی در جریان‌های کاری واقعی پدید آمد. این شرکت که ابتدا بر آموزش و مشاوره کاربردی متمرکز بود، اکنون ابزارهایی می‌سازد که به برندها کمک میکند حضور خود را در رابط‌های جستجوی مبتنی بر هوش مصنوعی مانند ChatGPT، Perplexity و سامانه‌های مشابه مدل‌های زبان بزرگ بهینه کنند.
او این تحول را تکامل طبیعی سئو دانست. به‌جای بهینه‌سازی برای پرس‌وجوهای گوگل، برندها اکنون باید اطمینان حاصل کنند که در پاسخ‌های محاوره‌ای تولیدشده توسط دستیارهای هوش مصنوعی ظاهر می‌شوند. پلتفرم او قصد دارد این نیاز در حال ظهور را برآورده کند.
در موضوع هیجان رسانه‌ای، ستانکِویچیوس استدلال کرد که هوش مصنوعی با چرخههای رونق و سقوط قبلی مانند بلاک‌چین متفاوت است. شرکت‌ها همین الآن هم می‌توانند ارزش عملی و قابل‌استفاده‌ای از هوش مصنوعی استخراج کنند بدون اینکه تا رسیدن به نقاط بلوغ دوردست منتظر بمانند. با این حال او اذعان کرد که سفته‌بازی و انتظارات غیرواقعی نیز وجود دارد.
2.4. اگیدیوس پیلیپاس: تقویت نیروی کار از طریق خودکارسازی با هوش مصنوعی
پیلیپاس موضوع را از زاویه‌ای متفاوت بررسی کرد. در Exacaster، ماموریت اصلی او طی شش ماه گذشته خودکارسازی نقشش به‌عنوان مدیر بازاریابی جهانی بوده است. او برآورد میکند که هم‌اکنون «95 درصد» نقشش خودکار شده است، با ابزارهای هوش مصنوعی که وظایف اصلی را که زمانی به‌صورت دستی انجام می‌دادند، انجام می‌دهند.
هدف بلندمدت Exacaster ایجاد لایه‌های تقویتی هوش مصنوعی برای هر عملکرد در سراسر شرکت 100 نفری‌شان است. برای پیلیپاس، رونق هوش مصنوعی شبیه به یک «بیگ بنگ» است که هم آشوب و هم فرصت را آزاد میکند. برای شرکت‌های بزرگ که تریلیون‌ها سرمایهگذاری می‌کنند، ریسک بالا است. اما برای شرکت‌های کوچک و چابک، دوره‌های اختلال پنجره‌های نادری برای سبقت گرفتن ایجاد میکند.
3. آیا ما در یک حباب هوش مصنوعی هستیم یا در یک بیگ بنگ؟
وقتی پنلیست‌ها معرفی خود را به پایان رساندند، اشملزر اذعان کرد که اصطلاح «بیگ بنگ» هم فرصت و هم خطر لحظه کنونی را در بر می‌گیرد. او چشم‌انداز امروز را با سال‌های ابتدایی اینترنت در دهه 1990 مقایسه کرد. سقوط دات‌کام بسیاری از شرکت‌ها را نابود کرد، اما بستر را برای ظهور گوگل، فیسبوک و اکوسیستم دیجیتال گسترده‌ای که پس از آن پدید آمد، فراهم کرد.
او اشاره کرد که نوآوری امروز با سرعتی بسیار بیشتر از توان پوشش رسانه‌ای رخ می‌دهد. با مدل‌های جدیدی مانند Gemini 3 و GPT-5.1 از OpenAI که ظرف ماه‌ها عرضه می‌شوند، چالش دیگر ساختن محصول جدید نیست، بلکه حفظ توجه مشتریان به‌اندازه‌ای است که آنها فرصت درک محصول را پیدا کنند.
این بحث به سوال عمده بعدی پیوند خورد:
بنیان‌گذاران چگونه برنامهریزی کنند وقتی زمین زیر پایشان هر چند هفته یک‌بار تغییر میکند؟
4. مسئله برنامهریزی: ساخت در بازاری که خود را بازتعریف میکند
اشملزر نقل‌قولی از رئیس رشد استارتاپ سریع‌الرویش Lovable را آورد که تناسب محصول-بازار را هدفی متحرک توصیف کرد که باید روزانه دوباره کشف شود. این شرکت دیگر بیش از شش ماه جلوتر برنامهریزی نمی‌کند.
او از پنلیست‌ها پرسید که چگونه در چنین محیط ناپایدار با تکرار، برنامهریزی و آمادگی مشتری برخورد می‌کنند.
4.1. مهدی شریف: عامل محدودکننده انسان است
شریف تأکید کرد که بزرگ‌ترین چالش نه شتاب فناوری بلکه اشباع و غافلگی انسانی است. تکثیر سریع ابزارهای هوش مصنوعی سر و صدا، عدم اطمینان و اضطراب را برای افراد و سازمان‌ها ایجاد میکند. او هشدار داد که اگر نوآوری از ظرفیت جمعیت برای سازگاری پیشی بگیرد، جامعه ممکن است ثبات خود را از دست بدهد.
به‌جای تمرکز صرف بر فناوری، شریف معتقد است شرکت‌ها باید ارتقای مهارتها، طراحی انسانمحور و دسترسی فراگیر را اولویت دهند. بدون امید و توانمندی، مردم ممکن است بی‌تفاوت شوند یا در برابر اتوماسیون واکنش منفی نشان دهند.
دیدگاه او بحث را بازتعریف کرد: برنامهریزی برای هوش مصنوعی باید با برنامهریزی برای انسان‌ها آغاز شود.
4.2. سیمونا واسیته-کوداکاوسکه: تمرکز بر عملکرد برتری می‌آورد
به نظر واسیته-کوداکاوسکه، راه عبور از تغییرات سریع بازار محدود کردن دامنه کاری است که می‌سازید. Perfection42 می‌توانست دنباله تعداد زیادی مورد استفاده برود، اما به‌جای آن یک حوزه با تقاضای صنعتی عمیق را انتخاب کرد. با حضور در آن عمودی—حضور در رویدادهای صنعتی، تشکیل همکاری‌ها، ساخت ابزارهای سفارشی—آنها خود را از آشوب روندهای کلی هوش مصنوعی محافظت کردند.
او استدلال کرد که اگر یک شرکت در یک حوزه خاص بهترین باشد، میتواند با پیش‌بینی‌پذیری بیشتری رشد کند نسبت به شرکت‌هایی که می‌خواهند به همه خدمات دهند.
4.3. روکاس ستانکِویچیوس: موارد استفاده عملی بیشترین اهمیت را دارند
ستانکِویچیوس تکرار کرد که شرکت‌ها باید از انتزاع پرهیز کنند. مؤثرترین راهحلهای هوش مصنوعی آن‌هایی هستند که مستقیماً به بهبود جریان‌های کاری عملی مرتبط‌اند. با کار نزدیک با مشتریان طی سه سال گذشته، او مشاهده کرده که سازمان‌ها ابزارهایی را ارزش می‌نهند که مشکلات واضح و فوری را حل می‌کنند، نه محصولاتی که به دنبال تیترهای خبری‌اند.
برای AI Clicks، این به معنای چرخش به‌سوی بهینه‌سازی جستجوی مبتنی بر هوش مصنوعی بود؛ حوزه‌ای که دو سال پیش وجود نداشت اما اکنون با رشد کاربران پرس‌وجوکننده از مدل‌های زبان بزرگ به جای گوگل به سرعت رونق می‌گیرد.
4.4. اگیدیوس پیلیپاس: اول خودکارسازی، بعد تعریف مجدد
پیلیپاس استراتژی‌ای رادیکال اما فزاینده را تشریح کرد: بازطراحی شرکت از درون. به‌جای واکنش به ناپایداری بازار بیرونی، Exacaster با خودکارسازی نقش‌های داخلی آغاز کرد. هنگامی که جریان‌های کاری اصلی با هوش مصنوعی تقویت شوند، شرکت به‌واسطه طراحی انعطاف‌پذیر شده و میتواند به تغییرات خارجی سریع‌تر واکنش نشان دهد.
او استدلال کرد که شرکت‌های کوچک نباید از سرعت تغییر بترسند. اختلال سریع فرصت‌ها را بازتوزیع میکند. برندگان، سازمان‌هایی خواهند بود که قابلیت‌های داخلی خود را هم‌اکنون آماده می‌کنند، پیش از آنکه ادغام گسترده رخ دهد.
5. پویایی‌های بازار: سروصدا، اشباع و جنگ برای جلب توجه
اشملزر به چشم‌انداز کلی بازگشت و نسبت سیگنال به نویز تقریباً ناممکن را که هم استارتاپها و هم مشتریان را تحت تاثیر قرار داده، برجسته کرد. هر روز اعلامیه‌های جدید هوش مصنوعی منتشر میشود. این شتاب بالا باعث میشود بنیان‌گذاران برای کسب دیده‌شدن یا خریداران برای درک اینکه کدام راه‌حل‌ها واقعاً اهمیت دارند، با مشکل مواجه شوند.
او وضعیت را با آغاز اینترنت مقایسه کرد. Netscape، Yahoo و AOL در دوران دات‌کام بازار را تسلط داشتند، اما هیچ‌یک به برنده بلندمدت صنعت تبدیل نشدند. در عوض، شرکت‌های پایدارتر بعد از سقوط ظهور کردند و از اکوسیستمی که باقی مانده بود استفاده بردند.
مفهوم روشن بود:
بنیان‌گذارانی که ثابت‌قدم، متمرکز و چابک باقی بمانند، ممکن است از انتظارات متورم امروزی فراتر روند.
6. عامل انسانی: اضطراب، فرصت و لایه روانشناختی پذیرش هوش مصنوعی
موضوع تکرارشونده‌ای که در چندین پاسخ بروز کرد این بود: مردم احساس سنگینی و غرق‌شدگی می‌کنند.
تأکید شریف بر تأثیر روانی هوش مصنوعی با مخاطبان هم‌صدا شد. او استدلال کرد که هر انقلاب فناوری پیامدهای احساسی دارد. وقتی جامعه احساس عقب‌ماندگی کند، مشروعیت نوآوری تضعیف میشود.
پیلیپاس به‌صورت غیرمستقیم این نکته را بازتاب داد. با خودکارسازی موقعیت خودش، او هم حتمی‌بودن تغییر و هم فرصت‌های پیش‌رو را نشان داد. با این وجود چنین تغییری باید به‌دقت درون سازمان‌ها منتقل شود تا از ترس و مقاومت جلوگیری شود.
این رشتۀ انسانمحور عمق بیشتری به بحث افزود که اغلب تحت سلطه چارچوب‌های فنی و اقتصادی است.
7. عمودی‌سازی، تخصصگرایی و پایان «استارتاپ‌های عمومی هوش مصنوعی»
یکی از قوی‌ترین بینش‌ها از بحث، که به‌ویژه در اظهارات واسیته-کوداکاوسکه بازتاب یافت، اهمیت رو به رشد تخصصگرایی عمودی بود. با ظهور هزاران استارتاپ هوش مصنوعی در سطح جهانی، راهحلهای عمومی از یکدیگر غیرقابل تمایز می‌شوند. سرمایه‌گذاران و مشتریان به‌طور فزاینده به دنبال ابزارهای متمرکز هستند که نیازهای حوزه‌ای خاص را حل کنند.
Perfection42 نمونه‌ای از این روند است. به‌جای ساخت یک سیستم تولید تصویر عمومی مانند Midjourney، شرکت برای جریان‌های کاری تولید خرده‌فروشان و تولیدکنندگان مبلمان بهینه‌سازی کرده است.
این به آنها اجازه داد تا بدون تکیه بر منابع مالی بیشتر، با درک بهتر از نیازهای یک صنعت مشخص، از رقبای بزرگ‌تر پیشی بگیرند.
منطق مشابهی برای AI Clicks که میدانی در حال ظهور به نام «سئو هوش مصنوعی» را هدف می‌گیرد و همچنین سیستم خودکارسازی داخلی شرکت Exacaster صادق است.
پنل پیشنهاد کرد که موج بعدی برندگان هوش مصنوعی احتمالاً تخصصی خواهند بود، نه عام.
8. برنامهریزی استراتژیک در دنیایی بدون پیش‌بینی بلندمدت
یکی از مباحث سنگین‌تر غیرممکن بودن برنامهریزی بلندمدت بود. اشملزر اشاره کرد که حتی سریع‌ترین استارتاپ‌های هوش مصنوعی نیز اکنون از برنامهریزی بیش از شش ماه خودداری می‌کنند زیرا بازار خیلی سریع خودش را بازتعریف میکند.
بنیان‌گذاران چگونه باید استراتژی بسازند در چنین محیطی؟
8.1. چرخههای برنامهریزی کوتاه
اتفاق نظر بر این بود که شرکت‌ها باید چرخههای برنامهریزی تکرارشونده، هفتگی یا ماهانه، به‌جای نقشه راه سالانه اتخاذ کنند.
8.2. همراستایی مداوم با مشتریان
خود مشتریان نیز غرق‌شده و اغلب مطمئن نیستند چگونه هوش مصنوعی را اتخاذ کنند. استارتاپها باید آنها را از طریق بهبودهای تدریجی هدایت کنند تا فروش چشم‌اندازهای بلندمدت.
8.3. ابتدا پذیرش هوش مصنوعی داخلی
ساخت تیم‌های داخلی تقویت‌شده با هوش مصنوعی به شرکت‌ها کمک میکند تا سازگار بمانند.
8.4. بازارهای متمرکز و باریک
تخصصگرایی، در معرض بودن به نوسانهای کلان را کاهش می‌دهد.
این استراتژی‌ها در مجموع نقشه راهی جدید برای بقا در هرج‌ومرج اولیه هوش مصنوعی ارائه می‌کنند.
9. پیامدهای گسترده‌تر: یک تغییر صنعتی جدید
تا بخش پایانی بحث، لحن گسترده‌تر شد تا به ماهیت تاریخی موج فعلی هوش مصنوعی اشاره کند. مقایسه‌هایی با انقلاب‌های فناوری قبلی—صنعتی‌سازی، برق‌رسانی، اینترنت—در سراسر پنل ضمنی بود.
سخنرانان به‌طور جمعی هوش مصنوعی را نه فقط به‌عنوان یک تغییر پلتفرمی دیگر، بلکه به‌عنوان بازتراز ساختاری نیروی کار، خلاقیت، بهره‌وری و مزیت رقابتی تصویر کردند.
توصیف پیلیپاس از «بیگ بنگ هوش مصنوعی» این احساس تحول_epochal را به‌خوبی منعکس می‌کرد. و یادآوری شریف از «لایه انسانی» بحث را در مسئولیت اجتماعی ریشه‌دار کرد.
10. نتیجه‌گیری: آیا استارتاپ شما بدون هوش مصنوعی محکوم است؟
پنل هرگز به‌طور صریح به این سوال پاسخ نداد، اما متن زیرین روشن بود.
یک استارتاپ صرفاً به این دلیل که از هوش مصنوعی استفاده میکند یا نمی‌کند محکوم نیست. در عوض، شکست ناشی از درک نادرست از چشم‌انداز است:
استفاده از هوش مصنوعی بدون استراتژی بی‌معنی است.
نادیده گرفتن کامل هوش مصنوعی نیز به همان اندازه پرریسک است.
برندگان کسانی خواهند بود که درک کنند:
• کجا هوش مصنوعی به‌طور واقعی ارزش ایجاد میکند
• چگونه آن را در جریان‌های کاری انسانمحور ادغام کنند
• چگونه در چرخههای کوتاه و تکرارشونده برنامهریزی کنند
• چگونه در صنایع مشخص تخصص پیدا کنند
• چگونه ابتدا داخل سازمان را خودکار کنند قبل از مقیاس‌گذاری بیرونی
• چگونه در میان تغییرات بازار آشفته انعطاف‌پذیر بمانند
در این محیط پیچیده، هوش مصنوعی تضمینی برای موفقیت نیست، اما فقدان سواد هوش مصنوعی به‌طور فزاینده‌ای تضمینی برای آسیب‌پذیری است.
پنل Going Global 5 یادآوری کرد که تحول جهانی هوش مصنوعی هنوز در مراحل ابتدایی است. چه این موج به حباب تبدیل شود و چه به یک بیگ بنگ، استارتاپ‌هایی که زنده می‌مانند کسانی خواهند بود که سرعت را با تمرکز، نوآوری را با مسئولیت و بلندپروازی را با واقع‌گرایی متعادل کنند.
منبع: smarti
نظرات
مرتضی
بعضی جاها خیلی غلو شده، تیترها رو شلوغ کرده؛ ولی اشاره به لایه انسانی شریف درست بود، باید حواس باشه
بیونیکس
تو تیم ما همین تغییرات رو دیدم، هر چند هفته یه ابزار جدید، آدم خسته میشه ولی فرصت هست، باید همپله شد
توربو
واقعاً میشه هر استارتاپی بدون هوش مصنوعی زنده بمونه؟ یا همه مجبور میشن asap؟ سوال بزرگیه...
رودکس
وای، همین الان حس کردم این موج مثل اینترنت ۹۰s شد؛ هم هیجان، هم ترس. اما یه نقطه ضعف: آدم‌ها کجا می‌مونن؟
ارسال نظر