Wir haben alles mit KI automatisiert und unsere Mitarbeiterzahl verdreifacht

You prompt AI to do something, it blows your mind, you feel inadequate, you feel like,"Oh my god, this thing is going to take my job." Du gibst einer KI einen Prompt, sie bläst dir den Verstand weg, du fühlst dich unzulänglich, du denkst: "Oh Gott, dieses Ding wird mir meinen Job wegnehmen." And then it stops working and it looks back at you and says,"What should I do next?" Und dann hört sie auf zu funktionieren, schaut dich an und sagt: "Was soll ich als nächstes tun?" The further away an agent gets from a human, the less valuable it is. Je weiter sich ein Agent von einem Menschen entfernt, desto weniger wertvoll ist er. If you just ride the models, you're going to be fine. Wenn du einfach mit den Modellen mitgehst, wird alles gut. If you care about leading a really ambitious life, I truly think that this is going to make that more possible for more people. Wenn dir daran liegt, ein wirklich ambitioniertes Leben zu führen, glaube ich wirklich, dass das für mehr Menschen möglich wird. Every is the only subscription you need to stay at the edge of AI. Every ist das einzige Abo, das du brauchst, um an der Spitze der KI zu bleiben. If you care about being on top of the latest models and using latest tools, you have to subscribe to Every to separate out the signal from the noise. Wenn dir wichtig ist, mit den neuesten Modellen auf dem Laufenden zu bleiben und die neuesten Tools zu nutzen, musst du Every abonnieren, um Signal von Rauschen zu trennen. Go to every.to/subscribe today. Geh noch heute zu every.to/subscribe. So, we are here uh because we're going to flip the script a little bit. Wir sind hier, weil wir das Skript ein bisschen umdrehen. I am going to be interviewing Dan Sick. Ich werde Dan Sick interviewen. uh about the piece that he published yesterday, May 21st. ähm, über das Stück, das er gestern veröffentlicht hat, am 21. Mai. Uh and we're going to try to understand why he wrote it, what's underneath his reasoning for it. Und wir versuchen zu verstehen, warum er es geschrieben hat und was hinter seiner Argumentation steckt. There's going to be some conflict. Es wird ein paar Konflikte geben. I'm going to I'm going to fight with him on it. Ich werde ich werde mit ihm streiten. Let's fight. Lass uns streiten. and see, you know, bringing some of my opinions, which are more or less aligned, but uh trying to understand does this is this piece going to reflect the future in 10 years, in 5 years? und sehen, weißt du, ich bringe meine Meinungen ein, die mehr oder weniger übereinstimmen, aber versuche zu verstehen: Wird dieses Stück die Zukunft in 10 Jahren, in 5 Jahren widerspiegeln? And who are you again? Und wer bist du nochmal? Um I'm Brandon. Ähm, ich bin Brandon. I'm our COO. Ich bin unser COO. And that's it. Und das war's. So, the piece is called After Also, das Stück heißt "After And it it comes from this feeling that I have. Und es kommt aus diesem Gefühl, das ich habe. And there's a video about this, and there's there's a piece, but just for people who who have not seen either of those things. Und es gibt ein Video dazu, und es gibt ein Stück, aber nur für Leute, die weder das eine noch das andere gesehen haben. It comes from this feeling that I have that at Every, we are as AI native, as agent native, as it as you as it gets, you know, if you swing a stick around in our Slack, you're you're as likely to hit a human as you are an Es kommt aus diesem Gefühl, das ich habe, dass Every so KI-nativ und so agenten-nativ ist, wie es nur geht: Wenn du in unserem Slack einen Stock schwingst, triffst du genauso wahrscheinlich einen Menschen wie einen [snorts] [schnaubt] Everyone's using Claude Code and codex and all these tools to do their job every day. Alle nutzen Claude Code und Codex und all diese Tools täglich für ihre Arbeit. Um and yet it feels like there's more human work to do than ever. Und doch fühlt es sich an, als gäbe es mehr menschliche Arbeit denn je. And in fact like since the GPT-3 days like we've grown from four people to like 30 people and we're hiring more now. Und tatsächlich: Seit den GPT-3-Zeiten sind wir von vier auf etwa 30 Leute gewachsen und stellen jetzt noch mehr ein. And so it came from me looking at that and then looking at the environment and being like what's going on because the whole information environment if you look at Dario is out there saying like half of entry-level white-collar jobs may be wiped out. Und ich schaue mir das an, dann die Umgebung, und denke: Was ist da los? Denn das gesamte Informationsumfeld, wenn man sich Dario ansieht, der sagt, die Hälfte der Einstiegsjobs im Büro könnte wegfallen. Even even people like um like Ken Griffin from Citadel is like you can tell he just had this moment where someone showed him an AI doing like an advanced data or finance question and he was like holy [ __ ] like that's what I would pay PhDs to do for me and it just did it. Sogar Leute wie Ken Griffin von Citadel, du merkst, er hatte genau diesen Moment, als jemand ihm eine KI bei einer fortgeschrittenen Daten- oder Finanzfrage gezeigt hat, und er dachte: heilige [ __ ], das ist das, wofür ich PhDs bezahlen würde, und sie hat es einfach gemacht. And I feel like I'm watching a lot of people who maybe don't have a ton of experience with agents and don't have a ton of experience with the curve of improvement that we've been riding for the last like three three and a half years hit it for the first time and then come to all these conclusions about Und ich habe das Gefühl, dass ich viele Leute beobachte, die vielleicht nicht so viel Erfahrung mit Agents haben und nicht so viel Erfahrung mit der Verbesserungskurve, auf der wir die letzten drei, dreieinhalb Jahre geritten sind, die das zum ersten Mal treffen und dann zu all diesen Schlüssen kommen: oh my god like all work is going away we're not going to have jobs and I'm just like sitting here being like actually your intuitions when you first see a technology like this are usually very Oh Gott, die gesamte Arbeit verschwindet, wir werden keine Jobs mehr haben, und ich sitze einfach da und denke: Eure Intuitionen, wenn ihr eine solche Technologie zum ersten Mal seht, sind meistens sehr And we've seen a lot over and over again over the years that Und wir haben das über die Jahre immer wieder gesehen: Every is a very good bellwether for where things are going because it's a it's a group of early adopters we have people in doing all sorts of work internally at Every and if something works here it there's a good bet that it's going to spread to other other places other other businesses that are that are adjacent to ours. Every ist ein sehr guter Indikator dafür, wohin die Dinge sich entwickeln, weil es eine Gruppe von Early Adopters ist, wir haben Leute, die intern bei Every alle möglichen Arten von Arbeit machen, und wenn etwas hier funktioniert, gibt es gute Chancen, dass es sich auf andere Orte, andere Unternehmen ausbreitet, die uns ähnlich sind. And so when I look around at Every I I see so much automation and I also see way more human work. Wenn ich mich bei Every umschaue, sehe ich so viel Automatisierung, aber auch viel mehr menschliche Arbeit. So I was really um the the whole piece is saying here's the current state of work with agents. Also war ich wirklich, das ganze Stück sagt: Hier ist der aktuelle Stand der Arbeit mit Agents. And then pulling apart that paradox and sort of explaining why does why does more automation mean more work? Und dann dieses Paradox auseinandernehmen und irgendwie erklären: Warum bedeutet mehr Automatisierung mehr Arbeit? Yeah, when I read the piece it was there wasn't like an explicit call to action in it, but I sort of felt this call to action of like there is actually a massive amount of hope right now in a world that is filled with a lot of doomers. Als ich das Stück las, gab es keinen expliziten Handlungsaufruf, aber ich spürte diesen Aufruf: Es gibt tatsächlich gerade enorm viel Hoffnung in einer Welt, die voller Pessimisten ist. And um and this is why. Und ähm, und das ist der Grund. Um Ähm [snorts] [schnaubt] but I am going to come out of the gate and ask you a devil's advocate question. Aber ich werde gleich zu Beginn eine Advocatus-Diaboli-Frage stellen. Which is a couple hours before you publish this piece the CEO of ClickUp came out with this long tweet about why he fired 8,000 people and 3,000 people some Nämlich: Ein paar Stunden bevor du dieses Stück veröffentlicht hast, kam der CEO von ClickUp mit diesem langen Tweet darüber heraus, warum er 8.000 Leute und 3.000 Leute gefeuert hat, What? Was? I don't I don't think it was 8,000. Ich glaube nicht, dass es 8.000 waren. I was 20,000 people. Es waren 20.000 Leute. What I mean Was ich meine [laughter] [Lachen] I think it was like 3,000. Ich glaube, es waren so 3.000. an entire economy. eine ganze Volkswirtschaft. like 22% of of his workforce. so 22% seiner Belegschaft. I don't think it was in the thousands, but yes, it was it was a Ich glaube nicht, dass es in die Tausende ging, aber ja, es war es war eine it was a lot of his workforce. es war ein großer Teil seiner Belegschaft. Yeah. Ja. Yeah. Ja. So my question to you is um in a business like every we're growing super fast. Also meine Frage an dich ist: In einem Unternehmen wie Every, das gerade superschnell wächst. Um what you wrote makes a lot of sense to me. Was du geschrieben hast, ergibt für mich sehr viel Sinn. And what you wrote theoretically makes a ton of sense in that AI is not autonomous right now. Und was du theoretisch geschrieben hast, ergibt enorm viel Sinn, nämlich dass KI gerade nicht autonom ist. It has to be told what to do and then has to be checked. Sie muss angewiesen werden, was sie tun soll, und dann muss sie überprüft werden. We need to have that that sandwich that you described in in the piece. Wir brauchen dieses Sandwich, das du im Stück beschrieben hast. But in a business that is 8,000 people, 10,000 people that is mature and has built ways of managing like SOPs for managing their business does this manifesto and this thesis still hold true? Aber in einem Unternehmen mit 8.000, 10.000 Menschen, das reif ist und Wege entwickelt hat, wie SOPs zur Steuerung seines Geschäfts, gilt dieses Manifest und diese These noch? It's a Das ist eine It's a really good question. Das ist eine wirklich gute Frage. Um Ähm Are there a couple Gibt es ein paar There are a couple different questions here. Es gibt ein paar verschiedene Fragen hier. The first thing I want to do is like lay out the argument. Das Erste, was ich tun möchte, ist das Argument darlegen. Why does Why does automation make more work? Warum erzeugt Automatisierung mehr Arbeit? I'm sure many people listening to this also haven't read it. Viele der Zuhörer haben es bestimmt auch nicht gelesen. So take a second to explain that in detail. Nimm dir einen Moment, um das im Detail zu erklären. I will do that. Das werde ich tun. So basically, the idea is the way that AI works and the way it functions in the workplace is AI makes yesterday's expert competence cheap. Also, im Grunde ist die Idee: Die Art und Weise, wie KI funktioniert und wie sie am Arbeitsplatz wirkt, ist: KI macht die gestrige Experten-Kompetenz billig. And by that I mean AI is trained on all of our outputs, all of the code and the writing and the design and and decision-making and everything that's ever been written. Damit meine ich: KI ist mit all unseren Outputs trainiert, mit dem ganzen Code und dem Schreiben und Design und Entscheidungsfindung und allem, was je geschrieben wurde. And it makes that available to everyone for very cheap. Und das macht sie für alle sehr günstig verfügbar. So uh you can Also, ähm, du kannst So anyone now with a prompt can use yesterday's competence to solve a programming problem, build an app, or write a uh write a piece like I did, write a report, or uh or, you know, make a YouTube thumbnail. Also kann jetzt jeder mit einem Prompt die gestrige Kompetenz nutzen, um ein Programmierproblem zu lösen, eine App zu bauen, oder ein Stück zu schreiben wie ich es getan habe, einen Bericht zu schreiben, oder ein YouTube-Thumbnail zu machen. And the interesting thing is that when you do that when when expert competence is available for cheap, it gets really widely adopted. Und das Interessante daran ist: Wenn du das tust, wenn Expertenkompetenz günstig verfügbar ist, wird sie sehr weit verbreitet eingesetzt. So everyone starts to do it. Also fangen alle damit an. Everyone starts to like, you know, we see this internal Alle fangen an, weißt du, wir sehen das intern Everyone's making pull requests Alle machen Pull Requests [ __ ] [ __ ] this is crazy. das ist verrückt. Yeah. Ja. And and and like I'm making pull requests and ops people are making pull requests and you know, engineers are like writing essays and you know, there's all this line crossing basically for non-experts to do the thing that experts used to do. Und ich mache Pull Requests, und Ops-Leute machen Pull Requests, und Ingenieure schreiben Essays, und es gibt all dieses Überqueren von Grenzen, wo Nicht-Experten das tun, was früher Experten getan haben. And that feels very threatening to experts. Und das fühlt sich für Experten sehr bedrohlich an. They're like,"Well, what's my job going to be now?" Sie denken: "Was wird mein Job jetzt sein?" Mhm. Mhm. And [snorts] what's interesting about that is because these tools are trained on outputs, are trained on yesterday's data the stuff that they do is uh with with default prompt with is it uh the stuff that they do with a default prompt all looks kind of similar and is all kind of right for the current situation, but it's like not actually totally right. Und was daran interessant ist: Weil diese Tools mit Outputs trainiert sind, mit gestrigen Daten, sieht das, was sie mit einem Standard-Prompt produzieren, alles irgendwie ähnlich aus und ist alles irgendwie richtig für die aktuelle Situation, aber nicht wirklich ganz richtig. And so what happens is you sort of like flood the zone with tons of stuff that's like close, but not quite right. Und so überflutest du die Zone mit einer Menge Zeug, das nahe dran ist, aber nicht ganz passt. And then you need to basically like and and well Und dann musst du im Grunde, wie, und nun ja, There's a Da gibt es eine There's a lot of that at every too. Das gibt es bei Every auch viel. There's a lot of Da ist viel There's a lot of people doing what seems like great work and then you go under the hot under the hood and you're like, this isn't quite right. Es gibt viele Leute, die scheinbar großartige Arbeit leisten, und dann schaust du unter die Motorhaube und denkst: Das ist nicht ganz richtig. Maybe like the expert should do it. Vielleicht sollte doch ein Experte ran. Yeah. Ja. Yeah. Ja. Yeah. Ja. Exactly. Genau. Uh me for example. Ähm, ich zum Beispiel.