سلام. چند هفته‌ای هست که میخوام مقالات منتشر شده در کانال رو با یه دسته‌بندی نسبتا منظمی ارائه کنم که اگر کسی خواست بتونه راحتتر بهشون دسترسی داشته باشه. ولی تا حالا فرصت نکردم کاملش کنم. اگر کسی ایده‌ای برای انجام این کار داره بهم بگه.

آنچه از کاربران آموخته‌ام: درس‌هایی از پاول گراهام

پل گراهام، هم‌بنیان‌گذار Y Combinator، سال‌هاست که با صدها استارتاپ کار کرده و از نزدیک مسیر رشد، اشتباهات و موفقیت‌های آن‌ها را دیده است. در مقاله‌ی «آنچه از کاربران آموخته‌ام»، او به مجموعه‌ای از درس‌های کلیدی اشاره می‌کند که هر بنیان‌گذار باید بداند. در این نوشتار سعی کردم نکات مهم این مقاله رو به صورت خلاصه آماده کنم.

1. بیشتر استارتاپ‌ها مشکلات مشابهی دارند: با اینکه استارتاپ‌ها موضوع کارشان با هم فرق می‌کند، اما ریشه‌ی مسائلشان یکی است. راز کارایی YC در همین موضوع نهفته است که مشاوران YC پس از مدتی به ندرت با مساله جدیدی مواجه می‌شوند.

2. فرایند مشاوره قابل‌ خودکارسازی نیست: دانستن همه‌ی مشکلات به معنای خودکارسازی فرایند مشاوره نیست چرا که هر استارتاپ شرایط خاص خود را دارد و باید با مشاورانی کار کند که او را خوب می‌شناسند. وقتی تعداد استارتاپ‌های YC زیاد شد و همه‌ی مشاوران باید همه را می‌شناختند، سیستم از هم پاشید.

3. بنیان‌گذاران مشکل واقعی‌شان را نمی‌شناسند: شگفت‌انگیز است که بسیاری از بنیان‌گذاران مشکلات واقعی خودشان را نمی‌شناسند. برای مثال، از دشواری جذب سرمایه شکایت می‌کنند، اما مشکل اصلی عملکرد ضعیف شرکت است؛ یا از جذب کاربر نگران‌اند، در حالی که محصولشان به‌اندازه‌ی کافی خوب نیست.

4. بنیان‌گذاران در تشخیص اهمیت مشکلاتشان ضعف دارند: بنیانگذاران حتی وقتی مشکل را می‌شناسند، در تشخیص اهمیتش اشتباه می‌کنند. ممکن است روی مسائل بی‌اهمیت تمرکز کنند و از مسئله‌ای که شرکت را نابود می‌کند غافل شوند. وظیفه‌ی ما این است که اولویت‌ها را روشن کنیم و مسیر درست را نشان دهیم.

5. بسیاری از بنیان‌گذاران به توصیه‌ها گوش نمی‌دهند: بنیانگذاران از سر لجاجت با توصیه‌ها مخالفت نمی‌کنند، بلکه دلیل اصلی این است که دنیای استارتاپ پر از نکات خلافِ شهود یا خلاف عقل رایج است؛ وقتی چیزی برخلاف انتظارشان می‌شنوند، آن را «غلط» تلقی می‌کنند، تا وقتی تجربه خلافش را ثابت کند. به همین دلیل هم منتورهای YC معمولاً خودشان قبلاً بنیان‌گذار بوده‌اند.

6. کار منتور کمک به تمرکز استارتاپ‌ها بر مسائل مهم است: کار شتابدهنده و منتورها کمک به استارتاپ برای تمرکز بر مسائل مهم و یافتن راه‌حل‌هایی سریع و قابل‌سنجش است. اگر اصلاح مسیر سریع انجام شود، می‌توان در جزئیات قاطع و در کلیات محتاط بود. همین اندک افزایش در تمرکز و جهت‌یابی باعث می‌شود استارتاپ‌ها سریع‌تر و کاراتر شوند.

7 . ماموریت منتور بازآموزی بنیانگذاران برای ماموریت جدید است: بسیاری از بنیان‌گذاران در تصمیم‌گیری مرددند، چون کاری نو انجام می‌دهند و آموزش سنتی‌شان آن‌ها را برای قبولی در آزمون تربیت کرده است، نه برای ساختن یه چیز واقعی.

8. ترکیب منتورینگ و تخصص زمینه‌ای مهم است: در شتابدهنده فقط انتقال ساده‌ی تجربه اتفاق نمی‌افتد، بلکه نوعی تخصص‌گرایی مکمل داریم. منتورها دانش جامعی از مشکلات استارتاپ‌ها دارند و بنیان‌گذاران دانش عمیق از حوزه‌ی خود. این یعنی حتی یک بنیان‌گذار باتجربه هم می‌تواند از شتابدهنده و بازخورد منتقدانه آن بهره ببرد.

9. شتابدهنده باید تبدیل به خوشه نوآوری شود: بزرگ‌ترین دارایی شتابدهنده فقط مشاوره‌ی منتورها نیست. بلکه همکاران و شبکه‌ی بنیان‌گذاران آن بسیار کلیدی است. تاریخ نشان داده کارهای بزرگ در خوشه‌هایی از افراد بااستعداد رخ می‌دهد. YC نیز عمداً چنین خوشه‌ای ساخته است: بزرگ‌ترین تجمع بنیان‌گذاران استارتاپی در جهان، جایی که انرژی، الهام و سخاوت فکری جریان دارد.

🆔@Tavaroghstd

5 اشتباه مهلک در فرایند جذب سرمایه

دیروز یه استارتاپی اومد پیشم برای بررسی قرارداد جذب سرمایه ای که با صدران بسته بودند. بعد از دیدن قرارداد و صحبت با بنیان‌گذاران استارتاپ، احساس کردم دوستان صدرانی درک خوبی از وضعیت استارتاپ‌های خودشان دارند و مدل قرارداد متناسب با وضعیت اونها طراحی شده. برای همین هم مفید دیدم یک مطلب هم برای تیم‌هایی که میخوان سرمایه جذب کنند بنویسم:

1. با سرمایه‌گذار بازی نکنید: فرایند جذب سرمایه خیلی پیچیده نیست. شما کسب و کارتون رو به چند سرمایه‌گذار معرفی می‌کنید، در مورد اینکه چطور این استارتاپ در آینده موفق خواهد شد باهاشون صحبت می‌کنید و از بین چندین نفر که ابراز علاقه کردند یکی رو انتخاب می‌کنید(میشه بین سرمایه‌گذاران مختلف رقابت کمی هم ایجاد کرد). ولی برخی از استارتاپ‌ها سعی در بازی دادن سرمایه‌گذاران با سناریوهای مختلف دارند که معمولا منجر به از دست دادن سرمایه‌گذاران عالی می‌شود. سعی کنید با سرمایه‌گذاران صادق باشید و باهاشون شفاف صحبت کنید. شما و سرمایه‌گذارتون در نهایت در یک کشتی هستید.

2. دنبال بالاترین ارزش‌گذاری ممکن نباشید: استارتاپ‌ها باید دنبال یک سرمایه‌گذار معقول، قرارداد شفاف و فرایند سریع برای جذب سرمایه باشند. مشکل از جایی شروع می‌شود که استارتاپ‌ها دنبال بالاترین ارزش‌گذاری ممکن می‌روند. ارزش‌گذاری خیلی بالا هم فرایند جذب سرمایه را پیچیده می‌کند تا جایی که برخی استارتاپ‌ها کار اصلی خودششون رو فراموش می‌کنند و تمام وقت مشغول مذاکره می‌شوند. همچنین ارزش‌گذاری بالا استارتاپ را در راندهای بعدی با چالش مواجه می‌کند. وقتی در یک راند بیش از حد ارزش‌گذاری شوید در راندهای آینده ممکن است مجبور به کاهش ارزش‌گذاری شوید که اتفاق بدتری هست.

3. بهینه‌سازی بیش از حد فرایند مشکل‌ساز است: بعضی افراد به دنبال ایجاد دقت حداکثری در بندهای قرارداد هستند. بندهایی که همه حالات ممکن را پوشش دهد و هیچ مویی لای درز آن نرود که تجربه ما نشان داده این حالت نشدنی است. این تفاوت نگاه باعث می‌شود قرارداد صدران در حدود 4 صفحه باشه در حالی که قرارداد اول جذب سرمایه استارتاپ ما حدود 35 صفحه بود!. این مدل پیچیده نه تنها مشکلی از طرفین حل نمیکنه که باعث پیچیده فزاینده در فرایندهای آتی حقوقی استارتاپ‌ها هم می‌شود. همچنین این نگاه نیازمند صرف زمان بسیار زیاد برای نهایی کردن قرارداد است که بعضا منجر به از دست رفتن انگیزه طرفین و حتی شکست مذاکرات هم می‌شود.

4. انتخاب سرمایه‌گذار اصلی را فراموش نکنید: اگر مدل هم-سرمایه‌گذاری دارید(بیش از یک نفر قرار است سرمایه‌گذاری کند).. حتما یکی را به عنوان سرمایه‌گذار اصلی و به صورت تام الاختیار تعیین کنید. خیلی اوقات تعیین نکردن سرمایه‌گذار اصلی باعث طولانی شدن امور شرکتی شما در آینده خواهد شد. خرید، فروش، انحلال و افزایش سرمایه از جمله موضوعاتی است که حتما برایتان دشواری درست می‌کند.

5. برخورد متکبرانه باعث موفقیت شما نمی‌شود: برخی استارتاپ‌ها باور غلطی دارند که باید متکبر باشند یا از موضع بالا با سرمایه‌گذاران صحبت کنند. این کار را نکنید. مثلا تاکید بر تعیین تکلیف سریع در جلسه اول مذاکره یا ارائه لیست بلندی از خواسته‌ها در جلسه نخست از جمله اشتباهات رایج است. سرمایه‌گذاران هم مثل بنیانگذاران انسان‌های محترمی هستند و باید به خواسته‌ها و علائقشون احترام بگذارید.

🆔@Tavaroghstd

وقتی وجدان با وظیفه در تعارض است.

خیلی اوقات پیش اومده که در جلساتی که با رگولاتور داشتیم، طرف مقابل میگه:
«من شما را درک می‌کنم، حق با شماست، اما وظیفه دارم از شما شکایت کنم.» یا «کار شما ارزشمند هست و نیاز به آن هم داریم ولی چون قانونی برایش نداریم باید تعطیلش کنید» و ....

این جمله به نظرم نشان دهنده یک تناقض رفتاری هست. عملا یعنی ما می‌فهمیم که تصمیمی ناعادلانه و نادرست است، ولی باز آن را اجرا می‌کنیم، چون «وظیفه» داریم یا داریم حقوق میگیریم براش!

اگر کسی واقعاً باور دارد کاری که انجام می‌دهد اشتباه است، یا باید از آن روند دفاع نکند، یا از نقشش کنار برود. وگرنه خودش تبدیل می‌شود به ابزاری برای تداوم همان اشتباه.

شاید استعفا همیشه راه‌حل نباشد ولی باید این تضاد را جدی بگیریم. وقتی آدمهای درستکار و خوش فکر به بهانه وظیفه در برابر ناکارآمدی سکوت می‌کنند و تقویتش میکنن، ما دیگه چه نیازی به افراد فاسد داریم؟

🆔@Tavaroghstd

محدودیت دانایی متمرکز و خرد پراکنده بازار

در تقابل میان بازار آزاد و اداره متمرکز، همواره بحث‌های فراوانی وجود داشته است. وعده‌ی مدیریت متمرکز اغواکننده است و از نظر اخلاقی نیز به روح انسانی نزدیک‌تر به‌نظر می‌رسد. در چنین نظامی، هر کس به اندازه نیاز خود از منابع بهره‌مند می‌شود، بی‌عدالتی از میان می‌رود و همه به تناسب ظرفیت‌شان رشد می‌کنند.

اما پرسش اینجاست: چرا این مدل، در عمل، هیچ‌گاه به‌درستی کار نکرده است؟

شکست نظام‌های متمرکز از آن‌جا آغاز می‌شود که می‌کوشند همه‌چیز را از بالا پیش‌بینی و کنترل کنند. مسئله‌ی اصلی نظام‌های متمرکز نه در نیت خیرشان، بلکه در بسیج دانش بومی است. هیچ برنامه‌ریز مرکزی نمی‌تواند بداند مردم دقیقاً چه می‌خواهند، چه نیازهایی دارند یا چگونه می‌خواهند زندگی خود را بهبود دهند. دانشی که برای تصمیم‌گیری‌های بهینه لازم است، در ذهن میلیون‌ها انسان پراکنده است؛ دانشی که در تجربه‌های محلی، ترجیحات فردی و شرایط متغیر زندگی نهفته است.

فرض کنید نهادی متمرکز مأمور شود «آینده‌ی مردم» را طراحی کند؛ تصمیم بگیرد چه شغل‌هایی باید گسترش یابد، چه مهارت‌هایی آموزش داده شود یا همه از چه سبک زندگی‌ای پیروی کنند. حتی با نیت خیر، چنین نهادی در برابر انبوهی از داده‌های ناقص و متغیر انسان‌ها ناتوان خواهد بود. ظرفیت فیزیکی، ذهنی و آموزشی هر شهروند متفاوت است؛ علایق، ریسک‌پذیری و سطح دانش‌پذیری افراد نیز مدام تغییر می‌کند. مردم هر روز مسیرهای تازه‌ای می‌سازند، ایده‌های نو می‌آفرینند و در واکنش به فرصت‌ها یا شکست‌ها مسیر خود را تغییر می‌دهند. هیچ ذهن واحدی، هرقدر هم توانمند، نمی‌تواند این پویایی زنده را در قالب یک برنامه جامع پیش‌بینی کند. از همه مهم‌تر، اگر برنامه‌ریزان دچار خطا شوند که احتمال آن زیاد است. پیامد آن به‌سرعت قابل اصلاح نیست و ممکن است یک نسل یا حتی چند نسل تاوان آن را بپردازند.

اقتصاد بازار به دلیل اینکه پیش‌بینی‌ها معمولا درست از آب در می‌آیند خوب کار نمی‌کند. بلکه عملکرد خوب بازار به این دلیل است که پیامدهای پیش‌بینی‌های نادرست کنترل می‌شوند. در اقتصاد بازار، مردم می‌توانند انتخاب‌های صحیح خود را افزایش دهند. در بازار، خطا بخشی از فرایند یادگیری است. هر فرد یا بنگاه در معرض نتایج تصمیم‌های خود قرار می‌گیرد و همین سازوکار پاداش و تنبیه موجب می‌شود تصمیم‌گیرندگان به مرور یاد بگیرند و انتخاب‌های دقیق‌تری انجام دهند.

در نهایت، آزادی انتخاب افراد همان چیزی است که به اقتصاد بازار پویایی و انعطاف می‌دهد. در واقع کلیت مردم عادی در مورد اینکه چگونه میتوان سیستم را بهبود بخشید بهترین نظرها را ارائه میدهند. هرکس می‌تواند آینده خود را بیازماید، خطا کند، یاد بگیرد و دوباره انتخاب کند و حاصل این میلیون‌ها تجربه، دانشی است که هیچ مرکز فرمانی نمی‌تواند جایگزین آن شود.

منبع: بازآفرینی بازار، جان مک میلان

🆔 @Tavaroghstd

برای دنیای هوش مصنوعی چه سلاحی لازم داریم؟

چند روز پیش یکی از دوستان از من مشورت خواست که آیا برای فرزند 8 ساله خودش معلم برنامه‌نویسی بگیرد، اصلا نیاز هست فرزندش برنامه‌نویسی یاد بگیرد یا نه؟
اینها سؤالاتی هست که این روزها خیلی‌ها می‌پرسند:
«چی یاد بگیریم که ده سال بعد هنوز شغل داشته باشیم؟»
«چه شغل‌هایی را هوش مصنوعی از بین می‌برد؟»
و در واقع، همه‌ی این پرسش‌ها به یک دغدغه‌ی مشترک برمی‌گردد:
چطور در برابر موج بزرگ هوش مصنوعی، مزیت رقابتی خودمان را حفظ کنیم؟

برای پاسخ دادن، چند نکته را باید در نظر گرفت:

۱. آینده با امروز فرق دارد

ما داریم در مورد آینده صحبت می‌کنیم، پس اگر چیزی امروز خیلی مهم است، الزاماً در آینده هم مهم نمی‌ماند. مثلاً امروز همه دنبال یادگیری زبان انگلیسی، برنامه‌نویسی یا قبولی در پزشکی‌اند؛ اما این‌ها لزوماً روند غالب ۱۰ تا ۲۰ سال آینده نخواهند بود.
دنیا سریع‌تر از همیشه در حال تغییر است، و ارزش مهارت‌ها هم مدام جابه‌جا می‌شود.

۲. بعضی شغل‌ها واقعاً از بین می‌روند

اینکه بگوییم «هوش مصنوعی فقط کمک می‌کند، و شغل‌ها را از بین نمی‌برد» واقعیت ندارد. هر فناوری بزرگی در تاریخ، بخشی از مشاغل را حذف کرده است. از چاپ گرفته تا اینترنت. فقط کافی است نگاهی به تاریخ بندازید تا مشاغل سنتی که امروز نیستند را پیدا کنید.
بنابراین بهتر است بدانید کجا ایستاده‌اید و اگر شغلتان در معرض خطر است، از حالا برایش برنامه‌ریزی کنید.

۳. هوش مصنوعی رفتنی نیست

خیال نکنید دولت‌ها یا مردم می‌توانند جلوی رشد هوش مصنوعی را بگیرند. محدود شدن هوش مصنوعی فقط در صورتی ممکن است که تمام کشورها، شرکت‌ها و مردم جهان با هم توافق کنند آن را متوقف کنند و همین جمله نشان می‌دهد که چقدر بعید است!
پس به‌جای مقاومت، باید سلاح مناسب برای زندگی در این دنیا را پیدا کنیم.

خب حالا چه مهارت‌هایی برای آینده لازم داریم؟
۱. مهارت‌های فکری و شناختی: احتمالاً در آینده دانستن Syntax یا زبان برنامه‌نویسی به‌مراتب کمتر از مهارت‌های انسانی اهمیت دارد. مهارت‌های زیر احتمالا در آینده به شما کمک کند:

1️⃣تفکر انتقادی و تحلیلی: یعنی یاد بگیریم سؤال بپرسیم، استدلال کنیم و اطلاعات را بدون تعصب بررسی کنیم.

2️⃣ حل مسئله‌ی خلاقانه: آینده پر از مسائلی است که جواب آماده ندارند؛ باید برای ناشناخته‌ها آماده باشیم.

3️⃣ یادگیری مستقل: به‌جای تمرکز روی یاد گرفتن یک مهارت خاص، یاد بگیریم چطور یاد بگیریم و چطور چیزهای قدیمی را کنار بگذاریم (Unlearn).

۲. مهارت‌های انسانی و اجتماعی: این مهارت‌ها همان چیزهایی هستند که ماشین‌ها به‌سختی تقلید می‌کنند:

1️⃣ همدلی و کار تیمی: درک دیگران و همکاری مؤثر در تیم‌های چندفرهنگی، مهارتی حیاتی برای دنیای جهانی آینده است.

2️⃣تفکر طراحی و خلاقیت هنری: وقتی بیشتر محتواها ماشینی می‌شوند، خلاقیت انسانی ارزشمندتر از همیشه خواهد بود.

3️⃣ رهبری و مدیریت شخصی: با رشد کسب‌وکارهای کوچک و فردی، هرکسی باید بتواند خودش را مدیریت کند و برای خودش کار کند.

۳. مهارت‌های فناورانه: حتی اگر برنامه‌نویسی به شکل امروز از بین برود، «فهم دیجیتال» بخشی از سواد آینده خواهد بود:

1️⃣آشنایی با منطق هوش مصنوعی: لازم نیست متخصص یادگیری ماشین باشید، کافی است بفهمید ماشین‌ها چطور تصمیم می‌گیرند.

2️⃣کار با ابزارهای هوش مصنوعی: از ChatGPT تا ابزارهای طراحی دیجیتال و اتوماسیون؛ با این ابزارها بازی کنید، تجربه کنید، و ازشان نترسید.

3️⃣ درک روندها و مدل‌های جدید: مثلاً مفهوم Agentic AI یا سیستم‌های خودکار تصمیم‌گیر، چیزهایی‌اند که آینده‌ی کار را شکل می‌دهند.

🆔@Tavaroghstd

این پاورپوینت رو هم دکتر لشکربلوکی به نام کتاب کوچک سایز دهان هوش مصنوعی زحمت کشیدند و تدوین کردند و امروز در کانال خلاصه مطالعات نوآوری بازنشر شده است.

این فایل هم کاملا مرتبط با متن منتشر شده در کانال است که توصیه میکنم حتما مطالعه کنید.

🆔@Tavaroghstd

با هوش مصنوعی جوانه‌ها را نسوزانیم: هشدار برایان چسکی

برایان چسکی مدیرعامل ایربی‌ان‌بی نسبت به کاهش فرصت‌های شغلی سطح مبتدی هشدار داد و به تحلیل Revelio Labs اشاره کرد که کاهش ۳۵ درصدی آگهی‌های شغلی از ژانویه ۲۰۲۳ تا ژوئن ۲۰۲۵ را نشان می‌دهد. او گفت: «اگر هیچ جوان تازه‌کاری نتواند شغل پیدا کند، در آینده هیچ‌کس را نخواهید داشت که موقعیت‌های استراتژیک و رهبری را برعهده بگیرد.» و افزود: «بنابراین ما باید برای افرادی که در ابتدای مسیر شغلی خود هستند، فضا ایجاد کنیم، حتی اگر هوش مصنوعی بتواند کار کارآموزان را انجام دهد.»

به نظرم بر خلاف بسیاری از فعالان هوش مصنوعی در ایران و حتی در سیلیکون ولی که از رشد هوش مصنوعی هیجان زده هستند و دنبال استفاده از فرصت بهینه سازی و اتوماسیون ایجاد شده به واسطه تکنولوژی ایجاد شده هستند، ایشون دغدغه رشد پایدار سازمانی رو داره. دو تا نکته مهمی که از این متن به ذهنم رسید:

1️⃣ سازمانهایی که الان دارن افراد مبتدی رو حذف میکنن و کارشون رو به هوش میسپرن ممکنه در بلند مدت با کمبود کارکنان میان رده مواجه بشن! یعنی ممکنه در هوش مصنوعی در کوتاه مدت سازمان رو بهره‌ورتر کنه ولی باید برای بلند مدت سازمان هم فکر کرد که سازمان دچار فرسایش نشه.

2️⃣ ورود جوانها به شرکتها مثل جوانه زدن درخت هست و ایده، فکر و پیوند با نسلهای بعدی رو با خودش به سازمان تزریق میکنه. منظور اینه که نقش نیروهای جوان رو در حد انجام ‌دهنده کارهای ساده تقلیل ندید. اینها افرادی هستند که قراره شما رو به نسل جدید نیروی کار، فرهنگ سازمانی جدید و فهم تغییرات دنیا مرتبط کنند و حذفشون ممکنه منجر به حذف شرکت از دنیای رقابت هم بشه!

منبع: مصاحبه کامل رو سایت دیجیاتو منتشر کرده که بخش اولش مرتبط با آینده نیروی کار در عصر هوش مصنوعی هست و به دلیل شباهت مطالب بیان شده در دو پست قبلی از این پست حذف شده است.


🆔@Tavaroghstd

آینده اقتصاد دیجیتال در ایران در هاله ای از ابهام؟

چند روز پیش یکی از دوستان عزیزم جمله‌ای گفت که به نظرم خیلی قابل تأمل بود. ایشون معتقد بود:

«حاکمیت به این نتیجه رسیده که اصل ۴۴ اشتباه بوده است.»

این جمله می‌تواند نشانه‌ای از یک تغییر پارادایم فکری باشد. اگر این نگاه درست باشد، یعنی سیاست‌هایی مثل خصوصی‌سازی، کاهش یارانه‌ها، کوچک‌سازی دولت، حذف انحصار و جهانی‌سازی تجارت که از منظر حکمرانان ریشه در تفکر نئولیبرال داشتند حالا زیر سؤال رفته‌اند.

طبیعتاً اگر این روند ادامه پیدا کند، شاید در مرحله بعد پدیده‌هایی مثل اقتصاد دیجیتال، استارتاپ‌ها، سرمایه‌گذاری خطرپذیر و اقتصاد پلتفرمی هم تحت تأثیر همین بازنگری قرار بگیرند.

چون آن‌ها هم در نهایت می‌توانند ذیل همان منطق نئولیبرال، یعنی بازار آزاد و رقابت خصوصی تعریف شوند.

به نظر شما هم چنین چرخشی در نگاه سیاست‌گذاران در حال رخ دادن است؟ و اگر بله، آینده اقتصاد دیجیتال ایران در این شرایط چه مسیری را طی خواهد کرد؟

🆔@Tavaroghstd

نسل Z؛ نسلِ تولید ثروت دیجیتال

امروز با یکی از دوستان عزیز در گروه کارآمد جلسه داشتم. بخشی از گفت‌وگو‌ی ما درباره‌ی این بود که چرا تمرکز روی نسل Z این‌قدر مهم هست و به نظرم بد نیست چکیده‌ی اون بحث رو اینجا هم بنویسم.

اول از همه، نسل Z یعنی چی؟
نسل Z به متولدین حدود سال‌های ۱۹۹۷ تا ۲۰۱۲ گفته میشه. به عبارتی کسانی که الان به‌طور میانگین حدود ۲۰ تا ۲۲ ساله هستن افراد نسل Z به حساب میان.

چرا نسل Z در فین‌تک‌ها مهمه؟
هر جامعه‌ای یه نمودار تولید ثروت داره که نشون میده یک فرد در طول عمر مثلا ۸۰ ساله خودش چطور خلق ثروت می‌کنه. مطابق نمودار تولید ثروت:
ـ افراد عموما از بدو تولد تا حدود ۲۰ سالگی مصرف‌کننده‌ هستن. یعنی هزینه‌ زندگی‌شون رو خانواده یا نهادهای حمایتی می‌دن.

- از حدود بیست سالگی به بعد، مرحله‌ی تولید ثروت شروع میشه و در این مسیر بیشترین بازده تولید (بهره‌وری واقعی) بین ۳۰ تا ۴۰ سالگی اتفاق می‌افته.

- اوج درآمد مالی معمولاً بین ۴۵ تا ۵۵ سالگی است؛ چون اثر سابقه، سرمایه‌گذاری و پاداش‌های تأخیری اون‌جا دیده میشه.

- بعد از پنجاه سالگی، منحنی تولید به‌تدریج پایین میاد و در نهایت با بازنشستگی، دوباره تبدیل به مصرف‌کننده می‌شیم و صندوق‌های بازنشستگی باید هزینه‌هامون رو پوشش بدن.

اگر این الگو رو در نظر بگیریم، نسل Z تازه در آستانه‌ی ورود به مرحله‌ی تولید ثروت قرار داره. این یعنی هر کسب‌وکاری که می‌خواد آینده‌ی خودش رو جدی بگیره، باید از الان این نسل رو بشناسه و براش طراحی کنه.

آیا نسل Z با بقیه فرق دارن؟

قطعا؛ نسل Z اولین نسلی محسوب میشه که با کامپیوتر، اینترنت و شبکه‌های اجتماعی به دنیا اومده و رشد کرده. به طور خلاصه:

۱. برای این نسل، فناوری فقط ابزار نیست بلکه بخشی از هویت و زیست روزمره‌شونه.
۲. این نسل قدرت رو نه در ساختار سازمانی، بلکه در شبکه‌ها می‌بینن.
۳. با کامپیوتر فکر می‌کنن، نه اینکه فقط ازش استفاده کنن.
۴. «زیست دیجیتال» براشون طبیعیه، مثل نفس کشیدن.

آیا رفتار مالی نسل Z هم متفاوت هست؟

در حوزه مالی و سرمایه‌گذاری هم این نسل رفتار متفاوتی دارن که گزارشات مختلفی از نزدیک و دیلویت و ... اون رو تایید می‌کنه.

۱. خرید دارایی دیجیتال برای اعضای این نسل عادی‌تره؛
۲. ترجیح می‌دن خودشون تصمیم مالی بگیرن و مستقیم سرمایه‌گذاری کنن؛
۳. شبکه‌های اجتماعی رو منبع داده و تحلیل مورد اعتمادی می‌دونن؛
۴. به شدت به دنبال تجربه‌ی کاربری ساده، شفاف و بدون اصطلاحات پیچیده مالی هستن
۵. دنبال ابزارهای مالی پیچیده و مدلهای سرمایه گذاری نو هستن

کسب و کارها باید چه کار کنند؟

اگر یه کسب‌وکار دنبال رشد پایدار در آینده‌ست، باید از امروز محصولات مالی و تجربه‌های دیجیتالی متناسب با نسل Z  رو در اولویت بذاره و برای این نسل طراحی کنه. چرا که آینده‌ی اقتصاد، در ۲۰ سال آینده، به‌تدریج از نسل‌های قدیمی‌تر به این نسل منتقل میشه  و این نسل هر سال درصد بزرگترین از اقتصاد رو تحت کنترل خودش در میاره.

توجه کنید که کسب‌وکارهایی که زبان این نسل رو بلد نیستن، به مرور از دایره‌ی توجه و حتی از حافظه‌ی جمعی بازار حذف می‌شن. نسلی که نه‌تنها در شبکه‌ها زندگی می‌کنه، بلکه از درون هم دیجیتاله.

🆔@Tavaroghstd

استیو جابز:
مرگ بهترین ابداع زندگی بشر است. مرگ سفیر تغییر و تحول است. کهنگی را از میان می‌برد و تازگی را جایگزین می‌کند.

منبع: هر دو در نهایت می میرند
🆔@Tavaroghstd

هفتاد‌خان استارتاپ بازی

استارتاپ‌ها در ایران هر روز باید از ‌خان تازه‌ای عبور کنند. گاهی واقعاً به ذهنم می‌رسد که شاید ما انتظار اشتباهی از اکوسیستم داریم. جایی که نوآوری باید بجنگد تا زنده بماند، نه رشد کند. در این نوشتار چند تا از تجربیات کوچک و بزرگ این سال‌ها رو مینویسم که شاید تلنگری برای دوستان تنظیم‌گر باشه.

خان اول: بیمه و نیروهای دورکار
هر چند ماه یک‌بار بازرس بیمه برای چک نیروها به شرکت ما میاد. همیشه تقریبا بحث‌ همان موضوع قبلی هست: «لطفاً برای نیروهای دورکار غیبت رد نکنید.» بازرس می‌گوید می‌فهمد که این نیروها از راه دور کار می‌کنند، اما سیستمش اجازه ثبت کار غیرحضوری را نمی‌دهد. بعد هم هشدار می‌دهد اگر کارمند بعداً خواست از بیمه استفاده کند، چون همیشه غایب ثبت شده، ممکن است بیمه بیکاری، درمان یا .... رو رد کنند. تقریبا دورکاری مفهوم نداره، چون در آیین‌نامه بیمه تعریف نشده است.

خان دوم: مجوزی که وجود ندارد
رگولاتور محترم می‌فرماید: «شما باید از ما مجوز بگیرید.» می‌پرسیم: «کدام مجوز؟» می‌گوید: «هنوز در حال تدوینش هستیم!» بعد هم تهدید می‌کند: «فعلا، سایت‌تان را ببندید وگرنه شکایت می‌کنیم» نتیجه؟ چندین ماه مذاکره، چندین جلسه و شکایت و در نهایت تعلیق فعالیت یک تیم که فقط می‌خواست نوآور باشد.

خان سوم: محصول کاملا ممنوع
در جلسه با رگولاتور، کار ما را شبیه «لیست‌کردن چند هزار فروشنده مواد مخدر» توصیف کرد و گفت این کار اساساً قانونی نیست. پرسیدیم: «پس راهکار شما برای مواجهه با این فعالیت‌ها چیست؟» پاسخ داد: «چندین هزار نفری که میگی باید حذف شوند و فقط چند نهاد مجوز دار ما کار کنند.» هرچه مثال از تجربه جهانی زدیم، گفت: «شاید در دنیا باشد، اما در کشور ما ممنوع است.» نتیجه؟ به‌جای تنظیم‌گری برای شفافیت، صورت‌مسئله را پاک می‌کنیم.

خان چهارم: سرباز دانش‌بنیان از راه دور؟ هرگز!
ما طبق آیین نامه سرباز نخبه در تیم داریم. بازرس ستاد کل برای بررسی وضعیت سرباز ما می‌آید. چون نیرویمان آن روز در محوطه دانشگاه بود، برایش «غیبت» می‌زند. بعد هم می‌گوید: «کار از راه دور برای سرباز مجاز نیست.» ما مجبور شدیم نیروی‌مان را از مازندران به تهران بیاوریم تا در هر بازدید حضوری در دفتر بنشیند تا هیچ کس با مشکل مواجه نشود.  تیجه؟ هزینه اجاره، رفت‌وآمد و سختی جان فرسا برای سرباز نخبه بینوا!

خان پنجم: جایزه‌ای که فقط روی بنر وجود داشت
  در یک جشنواره استارتاپی (کسب و کارهای نوپا) شرکت کردیم و برنده شدیم. جایزه اعلام‌شده وام ۴ درصدی تا سقف ۴۰ میلیارد تومان بود. بعد از کلی تبلیغ و تشویق، وقتی مراجعه کردیم گفتند: «صورت‌های مالی‌تان به این وام نمی‌خورد.» پرسیدم: «صورت مالی کدام استارتاپ نوپا به این جایزه میخورده است؟» پاسخ: «هلدینگ فلان!»
  آخر سر با هزار مکاتبه، پا درمیانی و رفت‌وآمد، به ما وامی حدود یک میلیارد تومان با سود نزدیک ۲۰ درصد دادند.

ریشه ماجرا کجاست؟

یکی از چالش‌های بنیادی تحول دیجیتال در ایران همین‌جاست که تنظیم‌گری را به نهادی می‌سپاریم که خودش موضوع تحول است. نهادی که باید دگرگون شود، خودش قانون‌گذار و ناظر بر دگرگونی است. نتیجه هم از قبل معلوم است. همیشه مسائل امنیتی و حقوقی فراوانی وجود دارد که رگولاتور می‌داند و ما هم نمیدانیم و به واسطه آن باید نوآوری به تعویق بیوفتد.

تا زمانی که رگولاتور محترمی که موضوع تحول است به جای شریک تحول، قاضی باشد و نهادهای تسهیل‌گر هم استارتاپ‌ را بازی و غیر مولد بداند، استارتاپها باید هر روز از خان جدیدی بگذرند.
شاید هم تا هفتادخان.

پینوشت: مهندس غلامی در کانالشون قبلا به مشکلات رگولاتور در حوزه املاک اشاره داشتند که توصیه می‌کنم بخوانید.

🆔@Tavaroghstd

داستان‌های علمی با وقایع علمی چقدر فاصله دارند؟

امروز داشتم مقاله اصلی دانینگ–کروگر که در سال ۱۹۹۹ چاپ شده را می‌خواندم و یک نکته جالب توجهم را به خودش جلب کرد.

این مقاله در اصل بررسی می‌کند که چرا افراد با مهارت پایین در یک حوزه، عموماً عملکرد خود را بیش از حد برآورد می‌کنند و مهم‌تر اینکه چرا حتی متوجه نمی‌شوند عملکردشان ضعیف است.

بنابراین، نکته‌ محوری مقاله این است که افراد کم‌مهارت، به دلیل نداشتن مهارت‌های لازم برای ارزیابی کیفیت عملکرد خود، توانایی تشخیص ضعف خود را نیز ندارند.

این یعنی ضعف مهارت و ضعف خودارزیابی با هم اتفاق می‌افتند.

محققان چهار آزمایش انجام دادند و نتایج هر چهار مطالعه این الگو را تأیید کرد. نقطه عطف مقاله، آزمایش چهارم بود: جایی که نشان داد وقتی به شرکت‌کنندگان ضعیف آموزش مناسب داده شد، آن‌ها توانستند سطح واقعی عملکرد خود را بسیار بهتر تشخیص دهند.

به عبارت ساده:

خودآگاهی بدون مهارت شکل نمی‌گیرد و آموزش، ادراک فرد از توانایی‌های خودش را دقیق‌تر می‌کند.

سوءبرداشت رایج درباره مقاله دانینگ کروگر

۱. در مقاله هیچ نمودار U شکلی وجود ندارد.
این نمودار بعدها در اینترنت ساخته شد و ارتباط مستقیم با داده‌های مقاله ۱۹۹۹ ندارد.

۲. پژوهش نشان می‌دهد افراد بسیار ماهر معمولاً کمی توانایی خود را دست‌کم می‌گیرند؛ نه از سر تواضع، بلکه چون تصور می‌کنند دیگران نیز همان سطح مهارت را دارند.

۳. مقاله دانینگ–کروگر یک «منحنی نهایی» ندارد.
مقاله هیچ شکل ثابت «دره و قله احمق‌ها» ارائه نکرده است؛ یافته‌ها صرفاً تفاوت میان عملکرد واقعی و خودارزیابی را نشان می‌دهند.

پیشنهادات پایانی

۱. میان روایت ژورنالیستی و یافته علمی همیشه فاصله است.
دقت کنید که رسانه‌ها برای جذاب‌تر کردن مفاهیم علمی معمولاً داستان‌سازی، ساده‌سازی افراطی یا حتی تحریف انجام می‌دهند که ممکن است خروجی با نظر نویسنده کاملا متفاوت باشد.

۲. تا حد امکان به منبع اصلی رجوع کنید، حتی اگر سخت و زمان‌بر باشد.
متن‌های دست اول ممکن است فنی‌تر و کم‌هیجان‌تر باشند، اما تنها جایی هستند که ایده‌های واقعی نویسنده را بدون تحریف منتقل می‌کنند.

۳. مقایسه اصل مقاله با روایت‌های ثانویه مفید است.
این کار به شما یک «حس تشخیص» نسبت به تفاوت علم و روایت می‌دهد. مهارتی که در دنیای پر از محتوای سطحی امروز حیاتی است.

در نهایت: متن علمی ممکن است بی‌هیجان‌تر از روایت‌های ژورنالیستی باشه اما احتمالا دقیق‌تر، قابل‌اعتمادتر و به‌مراتب ارزشمندتر است.

🆔@Tavaroghstd

یک نمودار مقاله معروف دانینگ کروگر به نام:
Unskilled and Unaware of It: How Difficulties in Recognizing One's Own Incompetence Lead to Inflated Self-Assessments

پی‌نوشت: مطلبی با نام داستانهای علمی با وقایع علمی چقدر فاصله دارند در کانال تورق منتشر شده است که میتوانید از طریق لینک مطالعه کنید.

🆔@Tavaroghstd

بنیانگذار ویکی پدیا با به سوال ساده در مورد فاندر یا کوفاندر بودنش، تو ۴۸ ثانیه کل مصاحبه رو به هم ریخت و رفت!

خیلی اتفاق عجیبی بود. با مصاحبه حال نکرد و رفت. واقعا رفت😂🤯

داشتم فکر میکردم احتمالا از چنین آدمی ویکی پدیا متولد میشه. یعنی هیچ کلیشه و ایده ای که باهاش موافق نباشه رو تحمل نمیکنه و براش هم مهم نیست بقیه چی فکر میکنن

نظر شما در مورد این اتفاق چیه؟

منبع: لینکداین آرش حسینی

🆔@Tavaroghstd

سالروز شهادت حضرت صدیقه طاهره رو خدمت همه دوستان تسلیت میگم.

امروز سالگرد فوت مادر بنده هم هست. ممنون میشم اگر مرحمت بفرمایید و براشون فاتحه ای بخوانید.

خدا اموات همه عزیزان رو غرق در رحمت و مغفرت کند.

On Sacrifice and Pain

جنسن هوانگ، موسس و مدیرعامل شرکت Nvidia از سال ۱۹۹۳، پس از ۳۱ سال مدیریت و هدایت این شرکت به جایگاه پرارزش‌ترین شرکت دنیا، در مصاحبه‌ای می‌گوید:

«از بین تمام چیزهایی که در مورد توانایی‌هایم بیشترین ارزش را برای آن قائلم، هوش در صدر این فهرست قرار ندارد. توانایی من در تحمل درد و رنج، توانایی کار کردن روی یک چیز برای دوره‌ای بسیار بسیار طولانی، و توانایی مقابله با شکست‌ها و دیدن فرصتی که درست سراغم می‌آید، به نظر من ابرقدرت‌های من هستند.»

وقتی شما تصمیم می‌گیرید شرکت‌تان را Scale و بزرگ‌تر کنید، نیازمند از دست دادن یک سری از افرادتان (که تا پیش از این به شما در رسیدن به این مرحله کمک کرده‌اند)، روندها و تغییر سبک کاری‌تان هستید.

به همان صورت، وقتی شما تصمیم می‌گیرید در زندگی شخصی‌تان لول آپ کنید، با هر پله‌ای که بالا می‌روید، دست‌کم یک چیز را از دست خواهید داد: ممکن است یک عادت همیشگی، یک دوستی صمیمی، یک رابطه عمیق عاطفی، یک تفریح دوست‌داشتنی و در نهایت، یک نسخه از خودتان که تاکنون می‌شناختید را از دست بدهید.

در هر پله از بالا رفتن در زندگی و کار، شما قطعاً یک سری چیزها را از دست خواهید داد و اینجاست که فداکاری و Sacrifice، معنا پیدا می‌کند. این فداکاری‌ها برای هر فردی پر از درد خواهد بود و عیار صحبت‌های جنسن هوانگ درباره «توانایی تحمل درد» در اینجا مشخص می‌شود.

طبیعت، بی‌رحمانه و کاملاً واقع‌بینانه از شما می‌خواهد که هزینه‌های لازم برای یک پله بالاتر رفتن را نقداً، پیش‌پرداخت کنید! این پیش پرداخت، کلید دستیابی به فرصت های جدید، دستاورد ها و ارزش های جدیدی است که تا پیش از این، دور از دسترس به نظر می رسیدند.

در نهایت باید از خود پرسید: آیا مایلم هزینه‌های لازم برای لول آپ را از پیش، نقداً پرداخت کنم؟

سلام به همه

بعد از یک وقفه قصد دارم دوره سوم همخوانی رو برگزار کنم. با مشورت دوستان قرار شد این دور رو به بررسی 5 مقاله برای آشنایی با ابعاد مختلف هوش مصنوعی و توسعه کسب و کارهای هوشمند برگزار کنیم. مثل دوره‌های قبل سعی داریم مقالاتی رو از کارافرینان، سرمایه‌گذاران یا تئوری پردازان برجسته بخونیم تا با نگاه این افراد به هوش مصنوعی آشنا بشیم.


چی میخونیم؟

۱. جلسه‌ی اول: مقاله‌ Three Observations از سم آلتمن

2. جلسه دوم: مقاله AI Eats the World بن ایوانز

3.جلسه سوم: مقاله Be a platform از ریدهافمن و توبی لوتکه

4. جلسه چهارم:  مقاله Philosophy eats AI از میکائیل شارژ

5. جلسه پنجم: مقاله Bitter lesson از ریک سوتون

6. اختتامیه: حضوری با دعوت از مهمان


هر جلسه حدود ۱.۵ ساعت طول میکشه. اول مقاله رو میخونیم، بعد نظراتمون رو به اشتراک میذاریم. این جلسه محیطی برا گپ زدن دوستانه است. مثل همیشه اگر پیشنهادی دارین، حتما بهم پیام بدین.
 
📍 زمان و نحوه برگزاری: متعاقبا اعلام خواهد شد.
📍 تعداد نفرات حضوری: حداکثر 20 نفر

دوستانی که علاقه مند به حضور در این دوره از جلسات هستند لطفا فرم زیر رو پر کنند.
https://survey.porsline.ir/s/kHOFyGO

🆔@Tavaroghstd