5 Tópicos de Terça #36

🥢 1. Casos de Startup - Livro dos recordes

Growth Hacking é um termo novo, mas a prática é antiga.

Em 1954, o dono da cervejaria Guinness está num bar com os amigos e o assunto vira "Qual é a ave de caça mais rápida da Europa?"

Hoje em dia, quando surge uma discussão dessas, alguém pega o celular, traz a resposta e mata a resenha.

Naquela época não.

Aquela discussão se tornou interminável, com pessoas apostando que era uma ou outra.

Eis que ele tem uma visão:
"E se eu fizer um livro com as resposta pra todas essas discussões de bar?"

Ele batizou o livro com o nome de sua cerveja: Guinness.

No começo, ele era dado como brinde em pubs. Fomentava a galera a ficar mais e acabar bebendo mais.

Mas com o sucesso instantâneo, virou um produto por si so e passou a ser vendido.

Hoje, o livro dos recordes gera uma receita de 100 milhões de dólares por ano. Nada mal.

🥢 2. AI horseless carriage

Sempre que uma nova tecnologia surge, as primeiras ferramentas criadas com ela inevitavelmente dão errado porque imitam o jeito antigo de fazer as coisas.

Experimentando produtos de AI, várias vezes tenho a sensação de que alguns deles são menos produtivos ou piores do que o jeito antigo de fazer uma tarefa.

Um dos textos mais interessantes que li falando sobre isso foi do Pete Koomen, partner da YC, comparando esse tipo de solução as "Horseless Carrieges".

Horseless Carriege se refere ao design dos primeiros automóveis, que basicamente pegaram carruagens de cavalos e acoplaram um motor a vapor a elas.

Se você vivesse em 1803, provavelmente preferiria uma carruagem tradicional com cavalos ao invés desse design sem suspensão, com banco de madeira e um motor quente embaixo de você. Isso se seu carro não desmontasse no caminho.

Estamos em um momento parecido com AI. Muita gente ainda prefere o jeito antigo - como um cavalo ou fazer as coisas manualmente - ao invés do novo - um motor ou LLM - pelo simples fato das soluções serem mal projetadas.

Quer um exemplo? A feature do Gemini no Gmail.

Escrever um e-mail com ela é tão ruim e requer tantas iterações para soar natural que na maioria das vezes é mais fácil só escrever a resposta direto.

Por isso, antes de construir, sempre penso sobre quais são problemas que valem a pena serem resolvidos com AI.

Principalmente quais problemas não eram possíveis de ser resolvidos antes e agora são possíveis graças aos avanços dos LLMs.