Jeg trenger hjelp til å finne gode ingeniører. Hvor finner man uoppdaget talent med stor takhøyde? Hackathons? Høyskoler? Mislykkede grunnleggere? Solo-utviklerbyråer? Tekniske påvirkere? Store henvisningsbonuser? Etterspørselen er langt større enn tilbudet på @tenex_labs, og jeg trenger 10 eksepsjonelle ingeniører i løpet av de neste månedene. Arketypen jeg leter etter er: - Erfaring med å jobbe med et mangfold av prosjekter og mer enn ett på en gang - AI-maksimalist: hvis svaret på hvordan du bruker AI er "Jeg bruker markør", er dette ikke det - Høy risikotoleranse: villig til å få mesteparten av din årlige comp i kontantoppside basert på produksjon - På kontoret: 5 dager/uke på vårt NYC-kontor Hvor gjemmer disse menneskene seg???

Hver virksomhet er enten begrenset av tilbud (ansatt) eller etterspørsel (kunde). Hvis du er etterspørselsbegrenset, skyver du en steinblokk opp en bakke. Dette er status quo for de fleste bedrifter. - Den beste kortsiktige løsningen for etterspørselsbegrensninger er sterkere markedsføring i nedre del av trakten. - Den beste langsiktige løsningen for etterspørselsbegrensninger er markedsføring i hele trakten, produktforbedringer eller enda bedre, markedsforbedringer. - Din #1 prioritet er å skifte fra etterspørsel til tilbudsbegrenset. Hvis du er begrenset med forsyninger, kjemper du som for å holde fast i steinblokken som faller nedover. Hver gründer drømmer om å være på dette stedet. - Det fine med å være tilbudsbegrenset er at ved å ha massevis av etterspørsel, vil talent naturlig tiltrekke seg deg. - Employer marketing og rekruttering blir en enda viktigere bevegelse enn salg og markedsføring. - Din #1 prioritet er å holde forsyningen begrenset så lenge som menneskelig mulig.

Jeg intervjuer @Altimor, administrerende direktør i @getlindy, i morgen om alt som har med AI-agenter å gjøre. Han skal vise hvordan han kan bygge noen av favorittagentene sine, inkludert: 1. Personlig organisering: møteopptak, daglig møteforberedelse, møteplanlegging, personlig crm-administrasjon 2. Krysspublisering av sosiale medier + overvåking 3. Rekruttering / masseoppsøkende virksomhet 4. Linkedin-oppsøkende virksomhet ved hjelp av datamaskinbruk Detaljer: 📍 Sted: Virtuelt 📅 Dato: 13. august 2025 (denne onsdagen) 🕕 Tid: 11:30 Stillehavstid Vi vil dedikere 10-15 minutter på slutten til spørsmål og svar, så hvis du har spørsmål, dump det her i chatten. Registrer deg for en plass nedenfor 👇

Tech Twitter er delt mellom uunnskyldende ateister og fullblåste bibeldunkere akkurat nå uten noe i mellom.

Denne AI-syklusen er både fantastisk og svært frustrerende til tider. Jeg spurte 250 gründere hva de synes er mest irriterende med dette øyeblikket innen AI. Her er hva de sa: 1. For mye støy – "Det er altfor mye der ute, vanskelig å evaluere kvalitet kontra søppel." 2. Overlovende – «Hypenivået gjør det vanskelig å forstå hva som faktisk er nyttig.» 3. Overbelastning – «Det er bare for mye som skjer; vanskelig å holde tritt, vanskelig å vite hva man skal satse på vs. vente til neste iterasjon." 4. AI for AI – "Vi trenger en AI som evaluerer andre AI-verktøy for problemet du prøver å løse og forteller deg den beste løsningen." 5. One-size-fits-all-tankegang – "Jeg hater diskusjonen om AI som bare én enkelt ting." 6. Selvpåført distraksjon – "Jeg har evnen til å gjøre MYE mer nå, men oppmerksomheten min er over alt." 7. Personvern- og sikkerhetsrisikoer – "Den nylige lekkasjen av API-nøkler og PR-data fra ChatGPT avslørte hvor skjørt økosystemet er." 8. AI-drevet svindel og svindel – «Økningen i AI-drevet svindel, etterligning og svindel ... kommer bare til å bli verre.» 9. Ignorere fundamentet – "Alle jager den neste skinnende tingen, men ingen fikser fundamentet." 10. Etikk vs. hastighet – «Store AI-laboratorier snakker etikk og sikkerhet, men kappes om å få ut nye modeller.» 11. AI-svimmelhet – "Innlegg om 'hele AI-markedsføringsteam' gir FOMO selv om de er vaporware." 12. Demo vs. virkelighetsgap – "Det er et stort gap mellom å lage en demo og integrere AI i en virksomhet." 13. Sølvkule-vrangforestilling – «Mange tror AI vil være sølvkulen, men strategien deres er bygget på et dårlig grunnlag.» 14. Rask endringshastighet – "Spennende, men føles som å drikke fra en brannslange og bygge på sand." 15. Verktøyoverveldelse – "Å holde tritt med det store antallet forskjellige verktøy og prøve dem alle." 16. Overfladiske apper – "De fleste AI-apper er nyheter, og løser sjelden kjerneproblemet." 17. Skjulte kostnader – "AI-agenter krever ofte så mange gjentatte samtaler at kostnadene overstiger menneskelig arbeidskraft." 18. Utdanningsforsinkelse – "Skolene tilpasser seg ikke for et ugjenkjennelig fremtidig arbeidsmarked." 19. Indeterministiske utganger – «LLM-er er uforutsigbare; Det er vanskelig å sende produksjonsklare systemer.» 20. Forsømmelse av latens – «Få modeller prioriterer lav latens; de fleste er ikke produksjonsklare.» 21. Tilskyndende læringskurve – «Å lære å snakke med LLM-er er vanskeligere enn jeg trodde – det er som å snakke med en tenåring noen ganger.» 22. Hype vs. virkelighetsgap – "Markedsføringen er år foran hva teknologien pålitelig kan levere." 23. Kontekstingeniørhodepine – "Kontekstteknikk er det viktigste, og samtidig, mest frustrerende aspektet ved å utvikle gode AI-produkter." 24. Kvalitetsproblemer på siste mil – «Koding av AI-er kan fungere som en senioringeniør, men 10–20 % av tiden går de av sporet – trygt.» 25. Overtro på feil svar – «Min senior AI-anmelder endret tilfeldig en fil for å legge til 'hvis falsk & ...' for å 'fikse' noe.» 26. Ufullstendige løsninger – «Det er som en praktikant: 80 % der, så fikser og optimaliserer du.» 27. Ytelsen synker med kompleksiteten – «Den faller fra hverandre etter hvert som prosjekter blir mer kompliserte med mindre de bygges modulært.» 28. Mangel på AI-talent på seniornivå – «Det er sjelden å finne noen som kombinerer visjonær strategi med dyp teknisk evne.» 29. Inkonsekvent kodepålitelighet – "Vi er langt fra AI som får juniorer til å kode som seniorer." 30. Verktøyfragmentering – "Vi må teipe for mange AI-verktøy for å få en pålitelig arbeidsflyt." 31. Rask foreldelse – «Så snart vi bestemmer oss for en AI-stabel, tvinger en ny modell frem en nytenkning.» 32. Dårlig domenespesifikk nøyaktighet – "Generelle modeller sliter med nisjekunnskap selv med mye kontekst." 33. Hallusinasjonsrisiko – "Du kan ikke stole fullt ut på resultater uten menneskelig gjennomgang, noe som dreper hastighetsgevinster." 34. Begrenset resonnementdybde – "Den sliter med flertrinns resonnement der hvert trinn bygger på det forrige." 35. Kontekstvindusgrenser – "Vi treffer tokengrenser og mister viktig kontekst midt i oppgaven." 36. Dyr eksperimentering – "Å teste nye modeller i stor skala blir raskt kostbart, spesielt når de fleste ikke slår til." 37. Integrasjonssmerter – "Å få AI-verktøy til å spille fint med våre eksisterende systemer er vanskeligere enn det burde være." 38. Inkonsekvent API-stabilitet – "Den ene dagen fungerer en API perfekt, den neste gir den tilfeldige feil." 39. Grunn personalisering – "AI tilpasser seg egenskaper på overflatenivå, men savner dypere atferdsmønstre." 40. Langsom bedriftsadopsjon – "Å overbevise større kunder om å stole på AI-drevne prosesser er fortsatt en oppoverbakke." 41. Overavhengighetsfristelse – "Det er lett for team å bli late og stole blindt på AI-utganger." 42. Usikkerhet om overholdelse – "Forskrifter er et bevegelig mål, noe som gjør langsiktig AI-planlegging vanskelig." * 43. For mye støy i markedet – «Hver dag er det et nytt verktøy som hevder å løse alt – de fleste er vaporware.» 44. Bratte læringskurver – «Verktøyene er kraftige, men ikke intuitive – onboarding-team er et slit.» 45. Ventetid i sanntidsbrukstilfeller – "Selv små forsinkelser dreper brukeropplevelsen for AI-drevne interaksjoner."

Det tok meg 31 år, men fikk endelig leve ut drømmen min om å være Rafiki.

Min co tenex[.]CO ble omtalt i et av de største ingeniørnyhetsbrevene i verden! Jeg har ikke sett forretningsvekst som dette i min karriere. Vi er raskt i ferd med å bli de første forretningsfolkene tenker på når de vil ha AI-teknikk og transformasjon.

En av de vanskeligste tingene for en gründer å gjøre er å finne ut hvordan flott ser ut utenfor deres ekspertisedomene. Gode råd om hvordan...

Hvis jeg skulle starte et nytt selskap i dag, ville min GTM ALLTID vært forankret i en redaksjonelt drevet, ICP-besatt innholdsbevegelse. Hvorfor? 1) Det er markedsføringskanalen som gir deg mest kontroll over bærekraftig, skalerbar distribusjon. 2) Det motvirker posisjoner til økende markedsføringskostnader, en overflod av AI-skråning og produktkommersialisering med programvarebarrierer som faller. 3) Det gir deg tilgang til hele trakten på en gang. Du kan både fokusere på de 95 % av potensielle kunder som ikke er klare til å kjøpe, samtidig som du pleier de 5 % som aktivt handler løsning. Det er nettopp derfor vi startet @storyarb – for å hjelpe til med å bane vei for fremtiden for b2b-markedsføring.

Steve Harvey gjør absolutt bank. De siste tre ukene har jeg sett Family Feud, mens jeg raper og beroliger vår nyfødte. Hver episode ser det ut til at programleder Steve Harvey lever drømmen. Dopdresser. Killer stache. Å fortelle vitser med deltakerne. Men i går kveld fikk jeg vite at han virkelig lever drømmen. Selv om tallene ikke er offentlig tilgjengelige, anslår estimater at kontrakten hans er 10-14 millioner dollar per sesong. Det er 100 000 dollar per episode. $1,666 per minutt (forutsatt 60 minutters opptak). $16 per ord som sies (forutsatt 6,000 ord). Vill.