PodcastsHear the voice. See the shape of the thought.

Janie Lee e Chai Asawa, da Abridge, se juntam a swyx e a Jacob Effron, da Redpoint, num episódio crossover entre o Latent Space e o Unsupervised Learning para contar como um transcritor clínico com IA se transformou na "camada de inteligência clínica" da área da saúde. Eles percorrem a filosofia de produto inspirada no ar-condicionado, o caso de uso de autorização prévia, uma stack de evals construída em torno de cientistas clínicos e juízes LLM, como a HIPAA remodela o flywheel de dados, e o que é preciso para operar com confiabilidade em mais de 100 milhões de conversas médicas. ## [00:00] Introdução O episódio começa com o pitch de Janie Lee: contexto é tudo, os alertas precisam deixar de ser reativos para se tornarem proativos, e o produto deve se dissolver no fundo como um ar-condicionado — presente, silencioso, útil — até que um risco clínico justifique uma interrupção. swyx entra em seguida com um breve apelo para que os ouvintes se inscrevam no canal. > *"Uma coisa que gostamos de dizer é que queremos que nosso produto pareça um ar-condicionado. Ele deveria estar no fundo, apenas melhorando as coisas."* — Janie Lee ## [01:17] O que a Abridge faz swyx apresenta o episódio como o crossover anual entre o Latent Space e o Unsupervised Learning, com Jacob Effron participando por ser a Redpoint investidora da Abridge. Janie apresenta a Abridge como uma camada de inteligência clínica para sistemas de saúde, começando pela documentação: os clínicos passam de 10 a 20 horas por semana escrevendo notas, e a conversa entre paciente e médico está na origem de quase todos os artefatos subsequentes — a cobrança, o pagamento, o diagnóstico. Chai acrescenta que tudo o que acontece antes, durante e depois da consulta passa a ser tratável quando se tem contexto completo sobre pacientes, planos de saúde, diretrizes e literatura científica. > *"A Abridge é uma camada de inteligência clínica para sistemas de saúde. Realmente começamos com a documentação e construindo para os clínicos."* — Janie Lee ## [03:22] De documentação ambiente a inteligência clínica Janie traça os três "atos" da Abridge: economizar tempo (o produto de transcrição original que devolveu as noites dos médicos — o chamado "tempo do pijama"), economizar e gerar dinheiro para sistemas de saúde operando com margens operacionais historicamente baixas, e, por fim, salvar vidas. O fato de o produto ser aberto milhões de vezes por semana, antes, durante e depois de cada consulta, é o que torna a expansão viável. > *"Eles chamam de tempo do pijama… médicos depois do trabalho, de pijama em casa, escrevendo e atualizando suas notas todo dia."* — Janie Lee ## [05:21] Suporte à decisão clínica e contexto como fator central Jacob pergunta a Chai como o suporte à decisão clínica da Abridge se compara ao trabalho anterior dele no Glean. Chai traça o contraste: no Glean, uma resposta errada é um incômodo; na saúde, as apostas são altas e a superfície de usuário é muito mais estreita — menos personas, mas cada resposta precisa acertar. Isso molda tudo, desde a avaliação offline até o rollout progressivo, e remete à visão de um "assistente ao estilo Jarvis que realmente te conhece" — a que todo hackathon da última década tentou chegar. > *"Sabe, a visão Jarvis que em todo hackathon que fui nos últimos dez anos — havia sempre um concorrente do Jarvis — mas acho que a Abridge realmente começou a partir dessa oportunidade e continua indo nessa direção."* — Chai Asawa ## [08:14] Fadiga de alertas, inteligência proativa e autorização prévia Jacob levanta o clássico problema de fadiga de alertas: como decidir quando quebrar o silêncio do ar-condicionado e de fato interromper o clínico? O exemplo trabalhado por Janie é a autorização prévia — uma recusa de pedido de MRI que hoje chega semanas depois pode ser transformada em um alerta em tempo real enquanto o paciente ainda está na sala, condicionada às políticas do plano de saúde, dados do EHR, diagnósticos anteriores e protocolos específicos da clínica. O desafio está no encanamento de dados: a autorização prévia só funciona se o assistente conseguir costurar todos os sinais relevantes no momento certo. > *"Acho que, para tornar esse exemplo de autorização prévia possível, pense em todos os dados que você precisa ter."* — Janie Lee ## [13:53] Formatos de IA ambiente e clientes na área da saúde swyx pergunta sobre formatos. Hoje, a principal superfície é o celular, mas a Abridge também roda em desktop, plugins de navegador dentro do EHR, dispositivos instalados em quartos para cenários de internação, fluxos de trabalho de enfermagem, e está começando a explorar AR. O cliente é multifacetado: CMIOs, CFOs, CIOs, clínicos, pacientes, planos de saúde e farmacêuticas estão todos presentes no ciclo, com as interações dos planos acontecendo por meio de trocas estruturadas, sem visibilidade direta dos dados brutos da Abridge. > *"Vocês falam muito sobre IA ambiente. É principalmente no celular?"* — swyx ## [18:16] Os problemas de IA mais difíceis na saúde Questionado sobre o problema de IA mais difícil da Abridge, Chai escolhe suporte em tempo real com alta qualidade, baixa latência e baixo custo num contexto clínico de alto risco. Modelar a cauda longa das políticas dos planos de saúde em representações intermediárias sobre as quais o sistema consiga raciocinar é um exemplo específico — a fronteira de Pareto está sempre se movendo, e eles precisam empurrá-la por conta própria, sem esperar por ganhos prontos para uso. > *"E claro que a fronteira de Pareto está sempre mudando, mas também estamos tentando fazer isso agora."* — Chai Asawa ## [19:43] Modelos de fronteira, dados proprietários e estratégia de modelos Jacob pergunta o que eles adotam pronto versus o que constroem internamente. O enquadramento de Chai: os modelos de fronteira continuam absorvendo conhecimento médico geral, então a vantagem da Abridge está nos dados proprietários de conversas médicas e nos comportamentos específicos por especialidade construídos em cima deles. São deliberadamente agnósticos a modelos onde é possível — o que importa é a experiência final do produto, e eles combinam ferramentas conforme o fluxo de trabalho. > *"Podemos usar algo para isso e aquilo, e no final do dia só nos importamos com a melhor experiência de produto."* — Chai Asawa ## [22:24] O EHR como sistema de arquivos para agentes O enquadramento de Chai para o próximo ano: todo agente é, no fundo, um agente de código — e dentro da saúde o EHR funciona como o sistema de arquivos, um repositório gigante de informações estruturadas que não cabe na janela de contexto de nenhum modelo atual. Janie acrescenta que o objetivo ainda é manter o clínico focado no paciente: ter o contexto certo disponível no segundo certo, não revisitar toda a conversa. > *"Quase todo agente é um agente de código lá no fundo, então você dá a ele um sistema de arquivos, ele pode escrever seu próprio código… você pode pensar no EHR como um sistema de arquivos."* — Chai Asawa ## [25:20] Personalização, memória e preferências dos clínicos Jacob pergunta como a Abridge lida com a personalização por médico. A resposta de Janie é em camadas: edições individuais viram sinal, padrões específicos por especialidade ficam em cima, e as políticas do sistema de saúde envolvem tudo. Chai fala sobre memória como um novo tipo de sistema de registro — jobs em segundo plano que consolidam sinais ao longo das consultas, similar a como o sono consolida memória nos humanos, fazendo o modelo "aprender" com cada edição e com cada não-edição. > *"Parte do outro subproduto interessante pra gente é que a memória é, na prática, um desses novos sistemas de registro."* — Chai Asawa ## [31:57] Evals, juízes LLM e rollout progressivo Janie percorre a stack de evals: clínicos internos realizam uma revisão de primeira passagem chamada LFD, juízes LLM são calibrados em relação a esses dados anotados, avaliadores terceirizados oferecem uma leitura independente, e evals específicas por especialidade capturam o que as genéricas perdem. Chai acrescenta uma analogia com carros autônomos — eles querem contato com a realidade o mais rápido possível, mas apenas por meio de rollout progressivo, para que a distribuição offline corresponda de fato à distribuição de produção. > *"Quero fazer contato com a realidade o mais rápido possível, mas quero um rollout progressivo, porque por mais que… o conjunto de evals offline, quero que a distribuição dele corresponda de fato à distribuição da vida real."* — Chai Asawa ## [38:04] HIPAA, desidentificação e privacidade A privacidade é tratada como uma restrição rígida no flywheel de dados. Chai explica que qualquer dado usado como base para evals online ou aprendizado precisa ser desidentificado de forma irreversível — eles têm processos de engenharia estruturados para isso. Janie acrescenta que os contratos com clientes também determinam quem dentro da Abridge pode acessar PHI, então o critério para o que volta ao treinamento é contratualmente alto, não apenas uma questão de política interna. > *"Todos os dados que usamos precisam ser desidentificados — qualquer dado real que usemos como base de conjuntos de evals online ou aprendizado, então você precisa…"* — Chai Asawa ## [40:38] 100 milhões de conversas e operação em escala Com mais de 100 milhões de conversas, a superfície de preocupações muda: roteamento de modelos, pós-treinamento, orçamentos de confiabilidade e custo por chamada passam a ser questões de primeira ordem. Chai fala sobre os insights que podem ser oferecidos aos clínicos, e projeta o horizonte para o futuro — eventualmente a mesma conversa poderia alimentar sinais diretamente para pacientes e consumidores, não só para os médicos. > *"Há tanto em nosso conjunto de dados de 100 milhões de conversas. Dá para imaginar coisas como insights que você pode dar ao clínico."* — Chai Asawa ## [45:27] Integração com EHR e a camada de inteligência clínica swyx pergunta sobre a relação com o EHR. A Abridge investe pesado em interoperabilidade profunda — a parceria com o EHR é o mínimo necessário para a adoção pelos clínicos, mas o valor que a Abridge agrega está em outro patamar: contexto entre consultas, raciocínio com consciência dos planos de saúde, e o tipo de inteligência clínica que o próprio EHR não foi estruturado para produzir. > *"Um dos parceiros-chave é o EHR, e fico pensando como é essa relação."* — swyx ## [47:56] Regulamentação na saúde, latência e IA de alto risco Jacob pergunta o que a Abridge aprendeu com a regulamentação. A resposta de Janie vai contra a narrativa comum — a IA na saúde tem, na verdade, ventos regulatórios favoráveis, porque o padrão é tão elevado que os problemas mais difíceis acabam sendo resolvidos aqui primeiro. Chai fala sobre os "truques inteligentes" que eles colocam em produção hoje, sabendo que a fronteira vai continuar avançando e que alguns desses truques não vão sobreviver a cinco anos. > *"Acho que é onde alguns dos problemas de IA mais difíceis serão resolvidos primeiro, justamente porque o padrão é muito alto."* — Janie Lee ## [51:28] Cientistas clínicos e qualidade na cauda longa Janie descreve um papel interno na Abridge chamado cientista clínico — médicos que também são técnicos, indo de engenheiros full-stack a "prompters extremamente criativos". Tê-los integrados às equipes de produto e de evals eleva o padrão do que é colocado em produção, pois as pessoas que escrevem os critérios do LFD são as que realmente entendem o que significa ser clinicamente útil. swyx conecta isso ao aprendizado ativo em pontos fracos conhecidos — o tipo de polimento que virou arte perdida na maioria dos times de IA. > *"Temos esse papel chamado cientista clínico, e acho que ouvi um de nossos líderes se referir a eles como mutantes recentemente."* — Janie Lee ## [54:21] Lições do Glean e infraestrutura de IA duradoura Jacob pergunta a Chai o que se transfere do Glean. A resposta é principalmente sobre o que resiste ao tempo — camadas de contexto, sistemas orientados a eventos, Kafka, Temporal, sockets, CRDTs do manual de colaboração do Google Docs. Sistemas multiagente herdam os mesmos problemas de resolução de conflitos que os humanos têm, e os padrões de infra da última década não estão sendo descartados — estão sendo reaproveitados. > *"Há muita tecnologia orientada a eventos… seja Kafka, Temporal, sockets e assim por diante — como trazer isso junto é algo que acho que também é duradouro."* — Chai Asawa ## [58:20] O futuro dos fluxos de trabalho agênticos na saúde Uma troca rápida sobre como seria uma Abridge mais agêntica: ainda ancorada no papel do clínico na relação com o paciente, mas com mais trabalho acontecendo em segundo plano — reagindo a resultados de laboratório, redigindo encaminhamentos, assumindo tarefas em nome do clínico sem tomar conta do relacionamento. > *"…ainda mais capacidades em nome do clínico, que acreditamos ter um papel fundamental na conexão com o paciente."* — Chai Asawa ## [58:51] PRDs, clareza de produto e construção de produtos sérios de IA A rodada rápida de Jacob: o que você mudou de opinião em IA no último ano. Janie inverte o take popular — protótipos não são o fim em si mesmos, PRDs não estão mortos. À medida que os produtos ficam mais complexos e alimentados por IA, a disciplina de clareza escrita de um PRD de verdade importa mais, não menos. O restante da seção aborda a construção de produtos sérios de IA na saúde: ownership, disciplina de spec escrita e resistência ao desenvolvimento guiado por demos. > *"O take mais ousado é que protótipos são o fim em si mesmos e que PRDs estão mortos."* — Janie Lee (o take do qual ela mudou de opinião) ## [64:28] Ferramentas de codificação com IA na Abridge A pergunta padrão de encerramento de swyx. A Abridge usa Claude Code e Cursor internamente, e Jacob lança um benchmark meio de brincadeira — ele gostaria de ver o Claude tocar uma empresa avaliada em US$ 1 bilhão antes do faturamento. > *"O Claude vai fazer isso — eu queria ver o Claude… tocar uma empresa a um bilhão de dólares antes do faturamento."* — Jacob Effron ## [65:23] Encerramento Chai aponta os ouvintes para o site da Abridge, onde estão os white papers da empresa — redução de alucinações, evals e o restante do stack de pesquisa. swyx e Jacob encerram com agradecimentos e cumprimentos finais. > *"No site da Abridge, temos muitos dos nossos white papers, onde fizemos muito trabalho interessante, como redução de alucinações."* — Chai Asawa ## Entidades - **Janie Lee** (Pessoa): Operadora desde a fase de fundação da Abridge; responsável pelo lado de produto e comercial da camada de inteligência clínica. - **Chai Asawa** (Pessoa): Líder de suporte à decisão clínica na Abridge; trabalhou anteriormente no Glean. - **swyx** (Pessoa): Apresentador do Latent Space. - **Jacob Effron** (Pessoa): Sócio na Redpoint Ventures; apresentador do podcast Unsupervised Learning. - **Abridge** (Organização): Empresa de IA para saúde que constrói a camada de inteligência clínica — começou com documentação ambiente e agora expande para suporte à decisão, autorização prévia, evals e integração com EHR. - **Glean** (Organização): Empresa de busca empresarial com IA; referenciada como o empregador anterior de Chai e como contraste entre abordagens horizontal e vertical. - **Redpoint Ventures** (Organização): Firma de venture capital; investidora da Abridge e parceira no crossover com o Unsupervised Learning. - **EHR (Prontuário Eletrônico do Paciente)** (Conceito): O sistema de registro central dos sistemas de saúde; no enquadramento de Chai, o EHR funciona como um sistema de arquivos para agentes na saúde. - **Autorização prévia** (Conceito): Um caso de uso central da Abridge — transformar rejeições de planos de saúde que hoje demoram semanas em orientações em tempo real durante a consulta. - **Processo LFD** (Conceito): A revisão de primeira passagem conduzida por clínicos internos da Abridge, usada para calibrar juízes LLM e definir critérios de evals. - **Cientista clínico** (Conceito): Um papel interno na Abridge — médicos que também são técnicos, integrados às equipes de produto e de evals. - **Rollout progressivo** (Conceito): A disciplina de implantação da Abridge; lançar para uma fatia do tráfego real para manter a distribuição offline honesta, inspirado no padrão de lançamento de veículos autônomos. - **Claude Code** (Software): Ferramenta de codificação com IA usada internamente na Abridge. - **Cursor** (Software): Editor de código com IA também usado internamente na Abridge.

O Subsecretário de Estado dos EUA Jacob Helberg retorna ao No Priors para revelar o Pax Silica — uma coalizão de segurança econômica de 14 países projetada para proteger toda a cadeia de suprimentos de IA, de chips a magnetos de terras raras e atuadores de robôs. O projeto emblemático: 4.000 acres nas Filipinas (um terço de Manhattan) concedidos aos EUA para uma "base industrial de implantação avançada" — destinada a fazer pelo capitalismo liberal-democrático o que a Belt and Road da China fez pela infraestrutura estatal, mas impulsionada por empresas privadas e venture capital em vez de empresas estatais. Sarah Guo e Elad Gil pressionam Helberg sobre a durabilidade das políticas entre administrações, como os VCs se encaixam nisso, e por que ele chama a América de "underdog global". ## [00:00] Abertura Helberg abre com o núcleo filosófico do Pax Silica: os EUA não vão vencer a competição de cadeia de suprimentos com fábricas estatais. Sua vantagem é seu setor privado e suas empresas — o "encantar e deleitar" de Steve Jobs exportado por bilhões. A estratégia é, portanto, construir plataformas em sintonia com os construtores americanos que possam, em última instância, operar como serviços comerciais fora do governo. > *Não vamos criar cadeias de suprimentos operadas pelo governo porque não é assim que o nosso país brilha. Nosso superpoder é realmente nosso setor privado e nossas empresas.* ## [00:41] Apresentação de Jacob Helberg Sarah e Elad reapresentam Helberg, agora confirmado como Subsecretário de Estado para Assuntos Econômicos após a última conversa antes da confirmação. O enquadramento para a hora: Pax Silica como um esforço multinacional para proteger a cadeia de suprimentos de IA para os EUA e seus aliados. > *Jacob, muito obrigada por estar aqui. Sim, obrigado por se juntar a nós. Obrigado pelo convite.* ## [01:02] A Missão do Pax Silica Helberg traça o Pax Silica até seu discurso no Hudson Institute, que delineou uma abordagem "baseada em ecossistemas" para cadeias de suprimentos. A coalizão agora abrange 14 países. O primeiro lançamento concreto foi o acordo com as Filipinas: 4.000 acres concedidos aos EUA para uma base industrial de implantação avançada. Ele apresenta a aposta como a combinação da previsibilidade do direito comum americano com as vantagens industriais comparativas das Filipinas — e enquadra explicitamente isso como o equivalente de um lançamento de produto para a cadeia de suprimentos de IA, realizado em San Francisco para falar diretamente com construtores. > *Pax Silica é uma coalizão de segurança econômica que agora tem 14 países e a ideia é realmente ter uma abordagem baseada em ecossistemas para nossas cadeias de suprimentos e especificamente a cadeia de suprimentos de IA.* ## [03:51] Investindo em Cadeias de Suprimentos de Chips de IA A cadeia de suprimentos de IA é muito mais ampla do que chips — "milhares de insumos como redutores de precisão, motores de servidor, magnetos de terras raras e atuadores" — e o risco de concentração dos EUA é alto em praticamente todos eles. A estratégia de Helberg é escolher geografias que já tenham profundidade industrial indígena e alinhamento de valores. As Filipinas se encaixam em ambos: um ecossistema de manufatura profundo e o aliado mais antigo dos EUA na Ásia. A robótica recebe atenção explícita como o próximo gargalo depois dos chips. > *A cadeia de suprimentos de IA na verdade inclui milhares de insumos como redutores de precisão, motores de servidor, magnetos de terras raras e atuadores, e nosso risco de concentração como país é incrivelmente alto para praticamente todos esses insumos.* ## [05:43] Comparando o Pax Silica com a Belt and Road Initiative da China A comparação natural, e Helberg a abraça. A Belt and Road, ele explica para a audiência, foram 25 anos de empresas estatais construindo estradas, pontes, ferrovias, minas e instalações de processamento operadas pelo governo no exterior — infraestrutura como ferramenta de política externa. O Pax Silica inverte deliberadamente o modelo: os ativos são privados e comercialmente viáveis, o papel do governo é reduzir o atrito e alinhar aliados, e o objetivo é interdependência econômica duradoura em vez de alavancagem política. Helberg argumenta que isso é tanto mais durável quanto mais transparente — os países receptores obtêm crescimento real em vez de armadilhas de dívida. > *Fundamentalmente o que era eram empresas estatais construindo ferrovias operadas pelo governo, estradas e pontes construídas pelo governo.* ## [12:38] A Proposta de Valor do Pax Silica Para os países parceiros, o discurso é simples: a IA já está alimentando mais de um terço do crescimento do PIB dos EUA e criando demanda recorde por cobre, cobalto, eletricistas e every insumo que entra em um data center. Países que tomam posições significativas em diferentes camadas dessa cadeia de suprimentos capturam crescimento que de outra forma não teriam. Helberg aposta na natureza não-soma-zero dos pontos de inflexão tecnológicos para argumentar que isso pode ser mutuamente benéfico — a torta cresce rápido o suficiente para que todos à mesa ganhem. > *A torta cresce muito rápido. E então, não é realmente de soma zero, o que na verdade torna incrivelmente propício para forjar relacionamentos muito mutuamente benéficos.* ## [14:38] Manufatura nos EUA vs. Parcerias Elad faz a pergunta óbvia: o que fica nos EUA versus o que é terceirizado para parceiros? A estrutura de Helberg é consumo versus produção. Os EUA são 4% da população mundial, mas consomem entre 20 e 30% da produção global na maioria das categorias — e produzem muito menos. Fechar essa lacuna por definição reindustrializa a América. Algumas coisas (fabs de última geração, capacidades críticas para a defesa) devem ser domésticas. Outras (processamento de minerais, certos componentes) são melhor terceirizadas onde a geografia e a base industrial já as favorecem. O instinto não é autarquia, mas uma redistribuição deliberada da cadeia de suprimentos entre aliados, com os EUA mantendo as camadas mais estrategicamente sensíveis. > *A América consome, sabe, em algum lugar entre 20 e 30% do consumo global em qualquer trimestre.* ## [19:10] Precificação dos Minerais de Terras Raras Elad pressiona sobre as terras raras: não são realmente raras, o mercado total é de apenas alguns bilhões de dólares, fortemente subsidiado pela China como alavanca de controle. Helberg concorda e reenquadra a economia — o que determina a competitividade das terras raras é a intensidade energética e a qualidade do grau de extração, não a escassez geológica. Isso torna a questão política sobre abundância de energia e capacidade de processamento, não sobre encontrar novos depósitos. A implicação é que os EUA podem vencer nessa categoria se resolverem o lado da energia barata — o que é em parte o que o impulso mais amplo de oferta de energia da administração pretende viabilizar. > *O que realmente impulsiona, sabe, a economia dessas indústrias, é quanto de energia você precisa injetar no solo para extrair um determinado mineral em uma determinada qualidade.* ## [22:16] O Papel do Venture Capital no Pax Silica Sarah pergunta, "para um amigo", qual é o papel do capital privado. A resposta de Helberg é inusualmente direta para um funcionário do Departamento de Estado: os VCs são melhores do que o governo em avaliar fundadores e operadores, e a capacidade de execução é o que determina se projetos ambiciosos sobrevivem ao contato com a realidade. Ele quer o ecossistema de venture como uma camada de sinal — a alocação governamental pode se basear em onde operadores credíveis já estão indo, em vez de o governo tentar escolher vencedores sozinho. A colaboração é explicitamente bilateral: os VCs identificam empresas com capacidade de execução, o governo fornece demanda e suporte político. > *Vocês são meio que programados para avaliar muitos dos atributos de personalidade de fundadores e operadores.* ## [24:50] Prioridades de Curto vs. Longo Prazo Como equilibrar entregas de 2027 a 2028 com apostas de cinco anos? A resposta de Helberg é configuração de ambiente em vez de escolher cronogramas. A abordagem da administração é moldar o ambiente macro para que tanto a iteração de curto prazo quanto as apostas de longo prazo intensivas em capital se tornem mais fáceis — cortar burocracia, expandir o suprimento doméstico de energia, quadruplicar a energia nuclear. Ele cita um dos primeiros decretos executivos assinados por Trump sobre quadruplicar a energia nuclear doméstica como um habilitador estrutural que rende em ambos os horizontes. > *Ajudando a moldar o ambiente, sabe, criando um ambiente macro que basicamente torna a inovação, a iteração de inovações e a implantação de inovações muito mais fáceis e menos caras.* ## [27:09] Tornando a Política de IA Duradoura Elad levanta o problema dos decretos executivos: cada administração cancela os decretos da anterior. Como o Pax Silica sobrevive a uma transição? Helberg observa que algumas coisas — como a reforma tributária — são muito duradouras, e que seu cargo o impede de comentários eleitorais. Ele não responde totalmente à questão da durabilidade, o que é em si a resposta: a durabilidade tem que vir de legislação e de fatos no terreno (a base industrial nas Filipinas, manufatura em parceria) que são difíceis de reverter. > *A reforma tributária é muito duradoura.* ## [28:09] Como as Políticas Impactam Empreendedores Para empresários e operadores americanos, o Pax Silica é posicionado como uma plataforma de acesso ao mercado — expandindo o que as empresas dos EUA podem vender em mercados aliados como Japão, Coreia do Sul, Índia e Cingapura, onde mesmo parceiros comerciais amigáveis frequentemente impõem fricção significativa. Helberg especificamente quer feedback de operadores sobre parcerias já em andamento, decisões de cadeia de suprimentos que executivos agora tomam de forma mais deliberada, e correções de política que desbloqueariam a colaboração transfronteiriça. > *Queremos usá-lo como uma plataforma para expandir o acesso ao mercado para nossas empresas.* ## [31:00] A Administração Empreendedora de Trump Perguntado sobre o que mais o surpreendeu depois de começar no Departamento de Estado, Helberg aponta para a velocidade e o apetite por risco da administração — "ritmo Trump", a piada recorrente com parceiros no exterior. Ele atribui isso a um presidente que passou a maior parte de sua vida no setor privado e a um gabinete (Bessent, Lutnick, entre outros) que opera com instintos do setor privado em vez de instintos burocráticos. A implicação para os construtores: o apetite por tentar coisas novas está inusualmente alto agora, e o Pax Silica é um dos beneficiários disso. > *Gostamos de nos mover no ritmo Trump.* ## [33:00] Por Que a América é um Underdog Global Sarah encerra pressionando Helberg sobre seu enquadramento da América como "underdog global" — contraintuitivo dado que os EUA são geralmente descritos como o poder estabelecido. Helberg invoca a *Armadilha de Tucídides* de Graham Allison e rebate o enquadramento: a identidade da América desde sua fundação tem sido a de uma nação de underdogs — 13 colônias desorganizadas se rebelando contra o império da sociedade polida, repetidamente ditas estar em declínio, repetidamente provando que as previsões da classe estabelecida estavam erradas. O argumento é uma defesa da cultura de tomada de risco americana e um pitch final: o país vence comportando-se como um underdog em vez de defender sua posição de líder. > *Sempre fomos uma nação de underdogs.* ## Personagens - **Jacob Helberg** (Pessoa): Subsecretário de Estado dos EUA para Assuntos Econômicos; arquiteto do Pax Silica. - **Sarah Guo** (Pessoa): Anfitriã do No Priors; fundadora e GP da Conviction. - **Elad Gil** (Pessoa): Co-anfitrião do No Priors; investidor independente e empreendedor em série. - **Pax Silica** (Conceito): Uma coalizão de segurança econômica de 14 países liderada pelo Departamento de Estado dos EUA, visando proteger a cadeia de suprimentos de IA por meio de bases industriais de implantação avançada e parcerias com o setor privado. - **Belt and Road Initiative** (Conceito): O programa de infraestrutura estrangeira liderado pelo Estado chinês durante 25 anos — o contraponto contra o qual o Pax Silica se posiciona. - **Base Industrial de Implantação Avançada nas Filipinas** (Projeto): 4.000 acres concedidos aos EUA para construção industrial, o primeiro projeto emblemático do Pax Silica. - **Armadilha de Tucídides** (Conceito): O framework de Graham Allison que caracteriza EUA-China como poder estabelecido versus poder emergente; Helberg rejeita o enquadramento de poder estabelecido. - **Administração Trump** (Organização): Enquadra a velocidade e o apetite por risco do Pax Silica ("ritmo Trump"), com os principais membros do gabinete Scott Bessent e Howard Lutnick referenciados.

Mikey Shulman, co-founder of Suno, discusses the platform's evolution from a physics-based startup to a leader in generative AI music. By modeling music as raw sound waves rather than traditional theory, Suno empowers users to transition from passive listeners to active creators in the era of 'creative entertainment.' ## [00:00] Physics, Raw Sound, and Technical Philosophy Mikey Shulman explains how his background in quantum physics at Harvard influenced Suno's interdisciplinary approach to music technology. By modeling audio as raw sound waves sampled 48,000 times per second rather than using traditional music theory, Suno avoids creative constraints and allows for the emergence of new, microtonal genres. > *I think what I mostly learned is playing at the nexus of two things that don't usually play together is just a massive opportunity. [02:00]* ## [02:15] The Pivot to Consumer Music Generation Initially focused on audio analysis, the Suno team pivoted to generation after breakthroughs in audio compression made high-quality output computationally feasible. They validated the product's 'fun factor' through a Discord bot, discovering that the addictive nature of creation was a stronger signal than traditional business use cases. > *When you are staying up late playing with the thing, and you don't want to go to sleep, it's like a really good sign. [04:49]* ## [11:41] Why Music AI is a Research Problem, Not a Scale Problem Unlike Large Language Models, music generation lacks objective benchmarks, making raw compute scale less effective than targeted research. Shulman emphasizes using human preference data and reinforcement learning to align models with creative tastes, favoring a steady release cadence over long-term isolated development. > *In music there are no right answers. There are no benchmarks. Um, and so scale is somewhat less helpful in solving it. [12:28]* ## [16:22] From Passive Consumption to Creative Entertainment Shulman introduces the concept of 'creative entertainment,' where the act of building provides more fulfillment than the final product itself. He notes that 90% of Suno users are active creators, drawing parallels to the 'bedroom producer' era where accessible tools led to the discovery of new genres. > *People are creating music for the fun and enjoyment and fulfillment that comes with being creative. [17:05]* ## [22:52] Industry Partnerships and Professional Integration Addressing industry concerns, Shulman highlights Suno's partnership with Warner Music Group and its role in augmenting professional workflows. He argues that AI will raise the quality ceiling for artists and predicts that interactive live performances, such as audience participation at Coachella, are the next frontier. > *I think people incorrectly assume that we hate the existing music industry and especially we hate the record labels. [23:17]* ## [25:53] Product Strategy and the Application Moat Suno prioritizes the application layer and user experience as its primary competitive moat, viewing itself as a music company rather than just a technology firm. By focusing on storytelling through full-length lyrical songs and social co-creation features, the company aims to revive the cultural impact of music as a social medium. > *It's unclear how much moat exists in only a model... it's just really undervalued to invest in the product and the UI and the UX. [26:50]* ## Entities - **Mikey Shulman** (person): CEO and co-founder of Suno with a PhD in physics from Harvard. - **Suno** (organization): An AI-powered creative entertainment platform for music generation. - **Sonya Huang** (person): Partner at Sequoia Capital and host of the interview. - **Warner Music Group** (organization): A major global record label that partnered with Suno. - **Discord** (organization): The platform where Suno initially launched its music generation bot. - **Harvard** (organization): The university where Mikey Shulman studied quantum computing. - **Iamona** (person): A poet and artist who uses Suno to create music, illustrating the tool's professional potential. - **Coachella** (event): A major music festival cited as a future venue for interactive AI music experiences.

Os EUA estão 50 anos atrás da China no fornecimento de minerais críticos, e a rede elétrica ainda funciona com sistemas mecânicos projetados há um século. Turner Caldwell (Mariana Minerals) e Drew Baglino (Heron Power), ambos ex-Tesla, argumentam que fechar essas lacunas é o verdadeiro pré-requisito para a dominância na IA e a reindustrialização. Caldwell aposta em refinarias e minas autônomas impulsionadas por aprendizado por reforço para comprimir os cronogramas de projetos de uma década para algo defensável. Baglino aposta em transformadores de estado sólido, com silício e software substituindo aço, óleo e cobre, para modernizar a conversão de energia em data centers e grandes instalações de energia. Os dois convergem para o mesmo desbloqueio: cadeias de fornecimento colocalizadas, contratação de indústrias análogas e uma política industrial federal durável em que o capital privado possa realmente se planejar. ## [00:00] Intro O episódio abre com três afirmações diretas que definem o desafio: Caldwell afirma que os EUA estão 50 anos atrás no fornecimento de minerais críticos e são lentos demais para aumentar a capacidade mesmo após o licenciamento. Baglino observa que a camada de transmissão e conversão do grid não sofreu nenhuma mudança significativa, enquanto tudo na sua borda — veículos elétricos, armazenamento, recarga rápida — foi transformado. Price-Wright enquadra ambos como problemas solúveis com o mesmo tecno-otimismo que a Tesla aplicou aos veículos elétricos. > *"A crença de que é possível inovar em sistemas antigos e obsoletos está no núcleo da empresa."* — Turner Caldwell ## [00:47] A IA Precisa de Infraestrutura Física Price-Wright abre o segmento principal nomeando o erro categórico por trás da maior parte dos comentários sobre a corrida da IA: a competição não é entre modelos e chips, mas entre capacidades de construção física. Cada modelo inovador, nova fábrica e sistema autônomo tem um requisito no mundo real por baixo: materiais, energia e a capacidade de levar eletricidade para onde é necessário. A sobrecarga do grid não é um teto, mas um chamado à ação, comparável em escala aos projetos nacionais em torno dos quais a América já se mobilizou. > *"Se queremos reconstruir a espinha dorsal industrial dos Estados Unidos, precisamos repensar toda a cadeia, desde minerais críticos até geração de energia, transmissão e como construímos e interconectamos nova infraestrutura na velocidade necessária."* — Erin Price-Wright ## [02:23] Conheça os Construtores Price-Wright apresenta os dois convidados como construtores que cobrem as duas pontas da pilha física: Caldwell, da crosta terrestre até o refino; Baglino, do fio pelo transformador até a carga. O enquadramento afina a tese do episódio: o futuro da IA americana está limitado por átomos, não por algoritmos, e ambos os fundadores escolheram essas limitações deliberadamente depois de ver a borda do grid se transformar enquanto a infraestrutura por baixo não mudava. > *"A limitação para o futuro da IA americana e para a reindustrialização, de forma mais ampla, está em muitos aspectos nos átomos, não nos algoritmos."* — Erin Price-Wright ## [03:11] O que é a Mariana Minerals A Mariana Minerals é uma empresa de mineração e refino com foco em software — cerca de um quarto do time são engenheiros de software e de machine learning — mas não vende software. Projeta, constrói e opera seus próprios projetos. Caldwell descreve três sistemas operacionais: o Capital Project OS automatiza fluxos de trabalho agênticos em engenharia, compras e construção; o Plant OS usa aprendizado por reforço para controlar temperaturas, taxas de fluxo, taxas de adição química e tempos de residência de refinarias de forma autônoma; o Mine OS aplica a mesma abordagem de aprendizado por reforço ao controle autônomo de curto intervalo de operações de mineração. Uma mina de cobre no sudeste de Utah produz cobre de alta pureza; uma refinaria de lítio no Texas está em construção, com meta de 10 projetos em 10 anos. > *"Estamos fazendo uma grande aposta em autonomia em refinarias, onde usamos aprendizado por reforço para remover seres humanos do processo de decisão sobre como as refinarias operam."* — Turner Caldwell ## [04:19] O Upgrade do Grid da Heron Power Baglino traça o problema a uma divergência de quatro décadas: melhorias equivalentes à Lei de Moore em semicondutores de potência transformaram celulares, telecomunicações e data centers, mas o grid em si ainda funciona com os mesmos sistemas majoritariamente mecânicos projetados há mais de 100 anos. Sem controle, sem monitoramento, um sistema superdimensionado e frágil — e a maioria dos fornecedores de transformadores está sediada no exterior, o que Baglino trata como um problema de segurança da cadeia de fornecimento, não apenas uma oportunidade de negócio. A Heron Power constrói transformadores de estado sólido que substituem aço, óleo e cobre na conversão de energia por silício e software, com foco em data centers, grandes instalações de solar e baterias, e outros nós críticos do grid. > *"Na Heron Power, estamos focados em construir transformadores de estado sólido para usar silício e software no lugar de aço, óleo e cobre na conversão de energia."* — Drew Baglino ## [05:31] Por que Reindustrializar Importa Baglino rastreia o carbeto de silício — o principal semicondutor de potência que viabiliza os transformadores de estado sólido — a décadas de pesquisa e desenvolvimento do DOE e da Marinha dos EUA, argumentando que os EUA deveriam ser os primeiros a comercializar o que o investimento americano criou. Ceder isso a outros países significa abrir mão do benefício integral dessa pesquisa. Caldwell afina o argumento dos minerais: os EUA estão 50 anos atrás da China especificamente, não apenas em nível global, e reforma de licenciamento mais financiamento de projetos sozinhos não vão fechar essa lacuna. O gargalo é a velocidade de execução após o licenciamento — 5 anos para construir, mais 3 a 5 para atingir a taxa operacional — e toda a tese da Mariana é comprimir essa fase, porque alcançar a China exige ir mais rápido do que ela, não apenas acompanhá-la. > *"Mesmo que comecemos a reduzir as barreiras para alcançar a China, precisamos ir mais rápido do que a China vai."* — Turner Caldwell ## [07:48] Lições da Tesla e Força de Trabalho Caldwell nomeia três ativos transferíveis da Tesla: tecno-otimismo em relação a sistemas legados, apetite pelo risco que permite decisões rápidas sem paralisia pelo medo de errar, e recusa institucional de abandonar projetos de alto valor quando ficam difíceis. Baglino acrescenta as apostas financeiras do tipo "faça ou morra" que focam organizações inteiras, e a clareza de missão como farol de talentos que permite escolher os melhores. Sobre a força de trabalho, ambos os fundadores buscam em indústrias análogas em vez de esperar por especialistas inexistentes: Baglino contratou talentos de manufatura de baterias de linhas de envasamento de alta velocidade e fábricas de seringas ao construir a fábrica de 50 GWh do programa 4680 no Texas; Caldwell recruta engenheiros de petróleo e gás e desenvolvedores de software que escrevem algoritmos de otimização para mineração. O diferencial de custo de mão de obra entre chãos de fábrica nos EUA e na China é menos de 10% do custo dos produtos vendidos — Baglino argumenta que pode ser menos de 5% — e o verdadeiro motor de competitividade são as cadeias de fornecimento colocalizadas, com as zonas industriais da China colocando todas as peças de um carro a menos de 3 horas de distância. > *"As fábricas de hoje são altamente automatizadas. O diferencial de mão de obra é menos de 10% do custo dos produtos vendidos. O que realmente está impulsionando a competitividade é a cadeia de fornecimento."* — Drew Baglino ## [21:09] Pedidos de Política e Encerramento Caldwell pede o kit completo de política de minerais aplicado ao petróleo e gás nos últimos 50 anos — não itens selecionados — ancorado por uma estrutura de incentivos que dê aos mercados de capital privado confiança suficiente no longo prazo para que o tapete não seja puxado de uma indústria que não foi desenvolvida domesticamente nos últimos 30 anos. Baglino nomeia três pontos específicos: uma política industrial durável que fornecedores e financiadores possam planejar; um esforço conjunto federal-estadual para designar zonas de desenvolvimento de energia e manufatura onde as jurisdições locais digam sim por padrão em vez de encontrar razões para bloquear; e um equivalente ao fundo fiduciário federal de rodovias para o grid — um plano mestre financiado que conecte zonas de manufatura via infraestrutura linear de transmissão para melhorar a resiliência, reduzir custos e fazer a nação avançar. > *"Gosto da ideia de um fundo fiduciário federal de rodovias para o grid. Nunca existiu. É mais ou menos por isso que temos esse sistema fragmentado."* — Drew Baglino ## Personagens - **Turner Caldwell** (Pessoa): Cofundador e CEO da Mariana Minerals; liderou a equipe de minerais e metais da Tesla; arquiteto do controle autônomo de refinarias e minas via aprendizado por reforço. - **Drew Baglino** (Pessoa): Cofundador e CEO da Heron Power; 18 anos na Tesla como SVP de Powertrain e Engenharia de Energia; construiu o programa Megapack e a instalação de baterias 4680 de 50 GWh no Texas. - **Erin Price-Wright** (Pessoa): General Partner da a16z (prática de American Dynamism); apresentadora do episódio. - **Mariana Minerals** (Organização): Empresa de mineração e refino de minerais críticos com foco em software; opera uma mina de cobre no sudeste de Utah e está construindo uma refinaria de lítio no Texas; meta de 10 projetos em 10 anos. - **Heron Power** (Organização): Startup de eletrônica de potência que substitui equipamentos mecânicos de conversão do grid por transformadores de estado sólido feitos de silício e software. - **Tesla** (Organização): Origem comum dos dois fundadores; citada como referência de tecno-otimismo, apetite pelo risco e atração de talentos por missão em setores industriais difíceis. - **Carbeto de Silício** (Conceito): Principal semicondutor de potência que viabiliza os transformadores de estado sólido; o maior produtor mundial está nos EUA, tornando a comercialização doméstica uma prioridade estratégica que Baglino coloca no centro da Heron. - **Aprendizado por Reforço para Controle Industrial** (Conceito): Tecnologia central dos sistemas Plant OS e Mine OS da Mariana — remove o gargalo de conhecimento especializado de operadores humanos escassos ao ajustar autonomamente circuitos de refino e decisões de curto intervalo na mineração. - **Cadeias de Fornecimento Colocalizadas** (Conceito): Argumento principal de Baglino para a competitividade da manufatura americana — reduzir tempo e custo de logística agrupando todos os insumos em uma região, espelhando o modelo das zonas industriais da China, onde todas as peças de um carro de 7.000 partes estão a menos de 3 horas de distância.

Noah Brier roda Claude Code num mini PC no porão de casa, sincronizado com seu vault do Obsidian via Tailscale VPN, e faz raciocínio genuíno, pesquisa e código de cliente pelo celular. A conversa aborda como ele construiu essa stack, por que impõe guardrails rígidos de "modo de pensar" para evitar que o modelo produza artefatos prematuramente, e sua teoria mais ampla de que a IA tem sucesso se infiltrando nas frestas e rachaduras organizacionais em vez de exigir que as pessoas adotem novas estruturas. Dan Shipper e Noah também exploram o que realmente significa construir intuição sobre IA, e por que Noah acha que preparar filhos para a IA é menos sobre policiamento de cola e mais sobre ensinar ceticismo epistêmico. ## [00:00] O setup de Claude Code de Noah Brier num servidor no porão Dan Shipper abre o episódio descrevendo o setup que torna Noah especial: um servidor doméstico no porão rodando Claude Code em cima de um vault do Obsidian, acessível de qualquer lugar pelo celular. Noah montou isso para poder pensar, pesquisar, escrever e publicar código sem precisar sentar na frente de um computador. > *"Ele montou um servidor em casa no porão, colocou o vault do Obsidian nele e roda o Claude Code por cima pra poder pensar, pesquisar, escrever e até publicar código direto do celular."* ## [00:52] Introdução Dan e Noah se reencontram, sua primeira conversa em cerca de cinco anos. O histórico de Noah abrange estratégia de marca (co-fundou a Percolate), consultoria de IA na Alephic e a conferência BRXND.AI. Dan enquadra a entrevista em torno da stack prática que Noah construiu, em vez de discussão abstrata sobre IA. > *"Fico feliz em ter você. É muito bom poder conversar. Esta é nossa primeira entrevista em uns 5 anos."* ## [02:10] Como fazer trabalho profundo pelo celular Noah esclarece logo de cara que seu setup é menos "vibe coding" e mais trabalho do conhecimento estruturado. Ele abandonou o Evernote pelo Obsidian porque arquivos markdown e pastas oferecem algo que o Claude Code consegue operar. Seu principal uso do Claude Code é interagir com suas anotações, não gerar código, e a extensão do setup para o celular mudou fundamentalmente seus padrões de trabalho. > *"Meu uso número um do Claude Code é usá-lo como ferramenta para interagir com as minhas anotações."* ## [05:30] Por que Noah acha que o Grok tem a melhor IA de voz Noah prefere o modo de voz do Grok ao do OpenAI e do Gemini. O Gemini não era inteligente o suficiente e o antigo modo de voz do GPT-4o era inutilizável para seus propósitos. Ele usou numa viagem de 5 horas sozinho para trabalhar em um texto sobre Transformers, conectando pelo Bluetooth e tratando como um podcast de pesquisa pessoal. A conversa revela uma frustração compartilhada: modelos de voz ainda não fazem bem tool-calling ou pesquisa na web, o que limita sua utilidade para trabalho intelectual sério. > *"Fiz uma sessão de uma hora e foi de longe a melhor explicação que já li, ou ouvi, suponho."* ## [11:11] Os detalhes do setup Claude Code-Obsidian de Noah Noah mostra ao vivo sua pasta do Obsidian. O Claude Code fica no diretório raiz do Obsidian, com acesso ao arquivo completo de anotações. Para uma palestra que está preparando para a BRXND.AI, sobre o Simple Sabotage Field Manual da Segunda Guerra Mundial e o que ele diz sobre burocracia em grandes organizações, ele criou uma pasta de projeto dentro do Obsidian, com transcrições de chats com ChatGPT, Claude e Grok, além de artigos e PDFs. O papel do Claude nesta fase não é escrever a palestra, mas ajudá-lo a pensar: puxa anotações relevantes, sintetiza o progresso diário em um log e faz perguntas de esclarecimento. Ele define explicitamente as restrições do modo de pensar no frontmatter do CLAUDE.md do projeto. > *"Estou no modo de pensar, não no modo de escrever ainda. Tem algumas coisas onde especificamente disse, acho que está no frontmatter, na verdade, onde disse pro Claude Code: não me ajude a escrever nada agora."* ## [26:05] Usando um agente no Claude Code como parceiro de raciocínio Noah argumenta que a palavra "generativo" distorceu como as pessoas usam a IA, com foco excessivo na capacidade de produzir artefatos, e quase ninguém fala sobre o quão notável é sua capacidade de leitura. Ele mantém um agente dedicado de parceiro de raciocínio com guardrails explícitos: "Não crie esboços, rascunhos ou qualquer versão de palestras ou textos." O agente registra perguntas, acompanha insights emergentes e constrói um registro contínuo para que Noah possa retomar exatamente de onde parou. Ele rastreia um fio a partir de pesquisa profunda no ChatGPT sobre Wild Bill Donovan até uma ideia tentativa sobre como o paralelismo da arquitetura transformer espelha a autonomia operacional das Forças Especiais. > *"Acho que, em parte porque chamamos de generativo, há um foco excessivo na capacidade de escrever e foco insuficiente na capacidade de ler."* ## [30:23] A teoria do English Muffin da Thomas's de Noah sobre IA O capítulo abre com a tese de burocracia de Noah: grandes empresas não deixam de adotar software por preguiça, mas porque o novo software historicamente exigia que as organizações se reestruturassem em torno dele. A IA, ele argumenta, é diferente. Ela entra nas frestas e rachaduras de como as pessoas já trabalham, daí sua metáfora do English Muffin da Thomas's. Dan adiciona um exemplo concreto da Every: dois produtos construídos em stacks diferentes precisavam compartilhar uma solução de busca de arquivos, e o Claude Code permitiu reutilizar a lógica sem forçar um framework comum. A conversa se expande para a ideia de Noah de "burocracia como codificação posicional", uma analogia entre arquitetura transformer e hierarquia organizacional que ele ainda está elaborando. > *"Chamo de minha teoria do English Muffin da Thomas's pra IA, que é que ela entra nas frestas e rachaduras."* ## [39:47] O espaço em branco que ainda resta para explorar na IA Noah e Dan argumentam que a maioria dos profissionais ainda opera com intuições frágeis sobre o que esses modelos conseguem realmente fazer. O quebra-gelo de Noah em toda reunião com cliente é "qual foi o seu momento eureka com IA?", porque aquele momento de não-determinismo, fazer a mesma pergunta duas vezes e obter respostas diferentes, é genuinamente novo e leva tempo para internalizar. Ele toma emprestado o experimento da bicicleta ao contrário de Destin Sandlin: intuição motora e intuição conceitual são separadas, e não dá para criar atalhos para construí-las. Dan contra-argumenta que os modelos de linguagem podem criar o vocabulário que está faltando para raciocinar sobre sistemas probabilísticos. > *"Não estamos acostumados a usar coisas onde você faz a mesma pergunta duas vezes e elas têm respostas diferentes."* ## [48:44] Como Noah está preparando seus filhos para a IA A filha de 10 anos de Noah criou um app de Secret Santa com Claude que, sem querer, ensinou modelagem de dados: ela percebeu que precisava de "grupos" em vez de "adultos e crianças" para generalizar a lógica. Essa história ancora um argumento mais amplo: o trabalho dos educadores não é impedir o uso de IA, mas convencer os alunos de que as habilidades subjacentes valem a pena aprender. Ele está propondo um curso na NYU chamado "Código é Ensaio" para o outono de 2026, e acha que a meta-habilidade relevante é o ceticismo epistêmico: ser mais desconfiado de informações que confirmam suas crenças, não menos. > *"Na verdade, não acho que seu trabalho seja ensinar essas crianças a escrever, porque isso é uma busca para a vida toda. Acho que seu trabalho é convencê-las de que vale a pena aprender a escrever."* ## [01:00:06] Como ele levou seu setup de Claude Code para o celular Noah demonstra ao vivo a stack completa no celular: Termius (cliente SSH no iPhone), Tailscale VPN conectando ao mini PC no porão, Obsidian sincronizado via GitHub privado, Claude Code rodando no terminal. Ele mostra perguntando ao Claude "o que há de novo nos últimos dois dias?" e obtendo uma síntese de sua atividade recente no Obsidian. Também consertou um link quebrado no site da conferência pelo celular: confirmou o bug, pediu ao Claude para abrir um PR, pronto. Seu tinkering atual se estende à ferramenta de linha de comando `llm` do Simon Willison e a um script que renomeia todos os arquivos de attachment no vault do Obsidian e reconstrói a tabela de links. > *"Fui sentar lá fora por um tempo e então tínhamos um projeto que precisava ser entregue a um cliente e uma pequena mudança precisava ser feita. Disse pro Claude Code exatamente onde olhar, confirmei que o problema era o que eu achava que era, e só pedi pra ele enviar uma solução, e ele fez um PR e então pronto."* ## Personagens - **Dan Shipper** (Pessoa): CEO e co-fundador da Every; apresentador da entrevista - **Noah Brier** (Pessoa): Co-fundador da Percolate; fundador da consultoria de estratégia de IA Alephic; organizador da conferência BRXND.AI - **Every** (Organização): Empresa de mídia e software que produz este podcast - **Alephic** (Organização): Consultoria de estratégia de IA de Noah; atende clientes do Fortune 50 incluindo Amazon, Meta e PayPal - **BRXND.AI** (Organização): Conferência anual na interseção de marketing e IA, organizada por Noah; edição de 2025 em Nova York em 18 de setembro - **Claude Code** (Software): Ferramenta de codificação agêntica da Anthropic; central para o segundo cérebro e fluxo de trabalho mobile de Noah - **Obsidian** (Software): App de anotações baseado em Markdown; principal repositório de conhecimento de Noah, organizado pelo método PARA - **Tailscale** (Software): VPN mesh usada para conectar com segurança o celular de Noah ao mini PC no porão - **Termius** (Software): Cliente SSH para iOS que Noah usa para acessar seu servidor doméstico pelo celular - **Grok** (Software): Assistente de IA da xAI; Noah considera seu modo de voz significativamente melhor que o do OpenAI e do Gemini para pesquisa substantiva - **Simple Sabotage Field Manual** (Conceito): Documento do OSS da Segunda Guerra Mundial que Noah republicou; usado como lente sobre a burocracia organizacional moderna em sua palestra na BRXND.AI - **teoria do English Muffin da Thomas's** (Conceito): Metáfora de Noah para como a IA tem sucesso se encaixando nos fluxos de trabalho organizacionais existentes, em vez de exigir reestruturação

Charles Koch e seu filho Chase sentam com David Friedberg para contar como a Koch Inc. cresceu 9.000 vezes: de uma empresa de petróleo com 300 funcionários em Oklahoma em 1961 para um conglomerado privado com 130.000 funcionários nos setores de energia, químicos, produtos florestais, bens de consumo e capital de risco, sem nunca abrir o capital. A conversa gira em torno da Gestão Baseada em Princípios (PBM): o framework de 41 princípios que orienta cada decisão de contratação, aquisição e mudança cultural na Koch. Charles e Chase também abordam a caricatura política estreita associada ao nome Koch, explicando sua virada de uma política libertária partisan para a coalização mais ampla do Stand Together, focada em reforma educacional e florescimento humano. O episódio termina em IA e capitalismo: ambos veem a inovação sem permissão e o empoderamento de baixo para cima como o único caminho crível diante das pressões econômicas à frente. ## [00:00] David Friedberg recebe Charles & Chase Koch David Friedberg abre a conversa num evento da Forbes, observando que ele e Chase Koch se conhecem desde 2013 pela indústria de agricultura e desde então foram parceiros de negócios. Ele enquadra a Koch Inc. como "a história não contada" da empresa americana: provavelmente o negócio familiar privado mais lucrativo do mundo, mas praticamente invisível comparado aos seus pares de capital aberto. A abertura também define as expectativas para o público do All-In: um raro encontro estendido com o presidente do conselho e o presidente da próxima geração da Koch Inc., gravado ao vivo. > "Sempre achei que a Koch Industries era essa história não contada — provavelmente o negócio familiar privado mais lucrativo do mundo." > — David Friedberg ## [01:04] Visão Geral da Koch Inc.: Escala, Linhas de Negócio e História Friedberg fornece a linha de base estatística: se a Koch fosse de capital aberto, sua receita a colocaria entre as 25 maiores do Fortune 500. Fundada em 1940 por Fred Koch em Wichita, Kansas, a empresa hoje opera em 60 países com mais de 120.000 funcionários nas áreas de energia, agricultura, químicos, produtos de construção, produtos de consumo, computação em nuvem e um portfólio ativo de investimentos minoritários. A Koch reinveste 90% dos lucros no negócio — uma escolha estrutural que a separa das empresas públicas que otimizam para resultados trimestrais. Charles sinaliza o que a conversa realmente vai abordar: não marcos de receita, mas os princípios e os fracassos que tornaram o crescimento composto sustentado possível. > "Um modelo operacional muito único, incluindo princípios de inovação disruptiva, reinvestimento de 90% dos lucros em novos negócios e crescimento, valores meritocráticos." > — David Friedberg ## [02:21] Construindo o Negócio: Os Primeiros Dias e Charles Koch Entra (1961) Charles Koch entrou no negócio familiar em 1961 com 25 anos, recém-saído do MIT e de uma passagem pela consultoria de gestão Arthur D. Little. O ultimato do pai Fred foi direto: "Ou você volta para tocar a empresa ou vou ter que vendê-la — minha saúde está ruim, as empresas não estão indo bem e não tenho muito tempo de vida." A empresa tinha então cerca de 300 funcionários, dois negócios principais (bandejas de fracionamento e coleta de petróleo bruto no Oklahoma) e disfunção operacional significativa. As lições iniciais cristalizaram um princípio central da Koch: crescimento guiado por capacidades, não por setor. O negócio de bandejas de fracionamento fracassou em parte porque seu presidente era um controlador de cima para baixo que alienou engenheiros e clientes. Charles começou a perguntar não "em que setor estamos?" mas "o que podemos fazer melhor do que qualquer um, e onde na cadeia de valor isso cria mais valor?" Esse enquadramento, aplicado repetidamente ao longo de décadas, explica a sequência aparentemente aleatória de setores em que a Koch depois entrou. > "Filho, ou você volta pra tocar a empresa ou vou ter que vendê-la porque minha saúde está ruim e as empresas não estão indo bem e não tenho muito tempo de vida." > — Charles Koch, citando seu pai Fred Koch ## [11:31] Fracassos, Destruição Criativa e Aprender com os Erros Charles começa com uma provocação: "Se você não está falhando em tudo, não está fazendo nada novo." Ele conta os prejuízos iniciais, incluindo uma tentativa mal-sucedida de converter coque de petróleo em carvão ativado, e um padrão de entrar em negócios sem as capacidades subjacentes necessárias. O aprendizado real veio do diagnóstico de por que cada fracasso aconteceu — quase sempre uma violação de um dos princípios operacionais da Koch. Chase adiciona a perspectiva do portfólio de capacidades: a expansão da Koch da coleta de petróleo bruto para gás natural, químicos, fertilizantes e por fim produtos florestais não foi diversificação aleatória — foram as mesmas capacidades subjacentes redirecionadas para novas aplicações. Ele também descreve a Koch Disruptive Technologies (KDT), que fundou, como um experimento estrutural que se mostrou difícil de tornar consistentemente lucrativo — uma avaliação honesta de fracasso aplicada à sua própria criação. A decisão de encerrar ou pivotar, diz Charles, se resume a um teste: perdemos a capacidade de criar valor superior para os clientes de uma forma pela qual seremos recompensados? > "Quando perdemos dinheiro demais — é quando chega a hora de dizer basta. Quando decidimos que não temos a capacidade de criar valor superior para os nossos clientes." > — Charles Koch ## [19:22] Cultura e Gestão Baseada em Princípios Esse é o centro intelectual do episódio. Charles traça as origens do sistema PBM até os piores fracassos da Koch, todos com uma causa raiz em comum: promover pessoas com valores ruins para posições de liderança. Dois exemplos quase catastróficos se destacam: uma operação de trading imprudente que quase faliu a empresa durante a guerra do Oriente Médio em 1973, e um episódio posterior em que líderes "motivados destrutivamente" escondiam fracassos enquanto inventavam sucessos. O antídoto foi contratar valores primeiro e talento depois, e estruturar uma cultura onde a motivação por contribuição — querer ter sucesso ajudando os outros a ter sucesso — supera a busca por poder. Chase estende isso com um enquadramento que vai direto ao ponto: e se todos na empresa soubessem exatamente o que fazer sem precisar ser mandados? Esse é o estado-alvo que o PBM visa produzir. A estratégia de gestão de mudança evita mandatos de cima para baixo: encontre o subgrupo mais ansioso para experimentar os princípios, demonstre resultados e deixe a demanda puxar a transformação pelo restante da organização. O conhecimento coletivo substitui o julgamento de poucas pessoas inteligentes no topo. > "E se você pudesse ter um negócio e uma cultura — pequeno, médio ou grande — onde todos soubessem o que fazer sem precisar ser mandados?" > — Chase Koch ## [33:53] Aquisição da Georgia-Pacific e Transformação Cultural A aquisição da Georgia-Pacific em 2005 foi a maior aposta da Koch até então — "uma aposta enorme", diz Chase, quando a empresa era bem menor. Charles traça a lógica: a Koch viu as operações de celulose e papel commodity da Georgia-Pacific como uma extensão natural de suas capacidades de processos químicos, uma conexão que remontava até a tese de MIT de Fred Koch sobre produção de celulose no Maine. Inicialmente propuseram comprar apenas as divisões de commodity; quando esse acordo não fechou por causa de litígios pendentes, ofereceram comprar a empresa inteira. O que se seguiu foi uma transformação cultural de anos numa sede de 51 andares em Atlanta construída sobre burocracia de cima para baixo. A Koch substituiu a liderança, recompensou trabalhadores que identificaram e corrigiram ineficiências, e compartilhou economias de custo com membros do sindicato que as encontraram. Chase descreve seus próprios anos nas operações de linha de frente da Koch — morando numa casa móvel num confinamento de gado, trabalhando numa usina de gás liquefeito — como fundamentais para uma liderança crível posteriormente. A mudança cultural leva muito mais tempo do que qualquer adquirente espera, e quase sempre requer substituir o grupo de liderança que mantém o velho paradigma. > "Demora muito mais do que você pensa para mudar a cultura — e em quase todos os casos requer mudar a liderança que tem o paradigma do empoderamento de baixo para cima." > — Chase Koch ## [56:17] Reforma Educacional e Mudança Social O Stand Together — a rede sem fins lucrativos que Charles vem construindo há 60 anos sob vários nomes — é hoje uma das maiores organizações filantrópicas dos Estados Unidos. Chase lidera a origination e as parcerias, e reencadra sua missão: não advocacia política, mas aplicar os mesmos princípios da Koch a desafios sociais, começando pela educação. A COVID-19 mudou drasticamente a opinião pública: antes de 2020, cerca de 20% das famílias estavam abertas a alternativas ao ensino tradicional; após ver seus filhos aprendendo mais no YouTube do que nas aulas virtuais, esse número disparou. O Stand Together desde então ajudou a criar mais de 5.000 microescolas. Programas parceiros como o Alpha School de Joe Limont usam gamificação e aprendizado baseado em projetos para levar alunos que estavam fracassando ao topo da turma em três meses. Chase também aplica o princípio da vantagem comparativa a si mesmo — ele se demitiu da presidência da Koch Fertilizer quando reconheceu que outra pessoa tinha essa vantagem comparativa — e usa esse mesmo prisma para remodelar funções em toda a força de trabalho de 130.000 pessoas da Koch. > "Antes do COVID, cerca de 20% das famílias estavam abertas a um novo modelo de educação. Todo mundo viu durante o COVID como o sistema estava uma bagunça — seus filhos tinham aprendido mais no YouTube do que na sala de aula." > — Chase Koch ## [72:37] IA, Desafios Econômicos e o Futuro do Capitalismo Friedberg pressiona Charles a dar conta da narrativa política Koch — as décadas de envolvimento no Partido Libertário e a eventual virada para a coalizão mais ampla do Stand Together. Charles é candido: passou anos trabalhando apenas com pessoas que concordavam com ele em cada princípio, limitando seu alcance. A percepção de Viktor Frankl — "cada vez mais pessoas têm os meios para viver e nenhum sentido para viver" — reorientou seu pensamento para as raízes motivacionais da desestruturação social, em vez de remédios puramente políticos. A lição: as estratégias da liberdade não podem tomar emprestado do totalitarismo; testar a pureza de uma coalizão a destrói. Sobre IA, a posição de Chase é clara: inovação sem permissão, sistemas abertos, empoderar as pessoas com ferramentas de IA em vez de proibi-las. A Koch está rodando o PBM como um framework nativo de IA, e Chase criou um companion de IA para o novo livro para que os leitores possam interagir com os princípios diretamente — indo muito além do que Charles esperava quando convidou Chase para coescrever. O episódio termina com o objetivo de legado declarado de Charles: que os Estados Unidos vivam mais plenamente a promessa da Declaração de Independência. > "O problema hoje é que cada vez mais pessoas têm os meios para viver e nenhum sentido para viver." > — Charles Koch, citando Viktor Frankl ## Personagens - **David Friedberg** — Apresentador; cofundador de The Production Board; parceiro de negócios de Chase Koch desde 2013 pela indústria de agricultura - **Charles Koch** — Presidente do Conselho e CEO da Koch Inc. desde 1967; engenheiro formado pelo MIT; coautor do livro Gestão Baseada em Princípios; liderou o crescimento de 9.000x da Koch - **Chase Koch** — Presidente da Koch Inc.; fundador da Koch Disruptive Technologies; coautor do livro PBM com Charles; lidera origination e parcerias no Stand Together - **Koch Inc.** — Conglomerado familiar privado com sede em Wichita, KS; fundado em 1940 por Fred Koch; mais de 130.000 funcionários nas áreas de energia, químicos, produtos florestais, bens de consumo, software e capital de risco - **Gestão Baseada em Princípios (PBM)** — Framework operacional de 41 princípios da Koch; enfatiza motivação por contribuição, contratação com valores em primeiro lugar, empoderamento de baixo para cima e tratar cada unidade de negócio como laboratório - **Georgia-Pacific** — Empresa de produtos florestais e consumo adquirida pela Koch em 2005; maior aquisição da Koch; principal estudo de caso em transformação cultural sob o PBM - **Koch Disruptive Technologies (KDT)** — Braço de venture capital fundado por Chase Koch; investimentos minoritários em empresas de tecnologia disruptiva; descrito como estruturalmente difícil de tornar consistentemente lucrativo - **Stand Together** — Rede filantrópica de Charles Koch ativa desde 2003; foca em reforma educacional, redução da pobreza e mudança social bipartidária; criou mais de 5.000 microescolas após a COVID

Lloyd Blankfein, ex-CEO e Presidente Sênior do Goldman Sachs, conversa com David Haber, Sócio Geral da a16z, para examinar o que separa instituições duradouras das efêmeras. Partindo de sua trajetória, das habitações populares no East New York à condução do Goldman pela crise financeira de 2008, Blankfein defende que a verdadeira vantagem competitiva reside na disciplina genuína de risco — não na previsão, nem na tecnologia. Ele alerta que o maior perigo da IA não é a superinteligência, mas a alavancagem intestável: sistemas que executam 70.000 transações antes que alguém possa verificar se estão certos. ## [00:00] Introdução Blankfein abre com a tensão central que todo investidor vive: você é simultaneamente um tomador de risco e um gestor de risco, e não pode terceirizar nenhuma das duas funções. Como prévia do que vem a seguir, ele observa que os mercados estão na iminência de uma onda de grandes IPOs, e que os riscos mais subestimados são estruturais: softwares capazes de agir em escala antes que qualquer humano possa auditá-los. > "A maior parte do que fazemos com relação ao risco não é tanto previsão; é muito planejamento de contingência." — Lloyd Blankfein ## [01:02] Ironia no Twitter e Risco Haber pressiona Blankfein a voltar ao X. Blankfein explica por que recuou: tuitar é um exercício de ego com desvantagem assimétrica. Todo mundo que persiste acaba cruzando uma linha invisível que não sabia que existia. No Goldman, ele já jogava um jogo perigoso sendo irônico com figuras políticas — Sanders, Warren, o presidente — e sabia disso. A liberdade da firma não eliminou o cálculo; apenas mudou quem arcaria com as consequências. > "Eu sempre soube que todo mundo continua fazendo isso e eventualmente é cancelado porque faz algo, cruza uma linha invisível que ninguém conhecia. Do ponto de vista de risco-retorno, é puro ego e nenhum valor real." — Lloyd Blankfein ## [02:18] Calma na Crise Blankfein reconta um incidente real de segurança durante um evento público: homens armados invadiram o palco, a sala se abaixou, ele ficou sentado e observou. Sua explicação é direta: crises literalmente desaceleram para ele; ele fica extremamente atento ao que as pessoas ao redor precisam, e não ao que ele mesmo está sentindo. Usa o humor para quebrar a tensão não por bravura, mas porque isso estabiliza quem está por perto. Ele não sabe o quanto é natureza ou experiência acumulada, mas tem certeza de que a exposição prévia a crises é o melhor preditor de calma futura. > "Costumo ficar um pouco tenso o tempo todo, mas não fico especialmente tenso. Na verdade, as coisas desaceleram para mim." — Lloyd Blankfein ## [06:44] Da Habitação Popular a Wall Street Blankfein cresceu em habitação popular no East New York, onde o teto de renda para continuar no prédio era de 90 dólares por semana. Manhattan ficava a uma viagem de ônibus e metrô — efetivamente um país estrangeiro. Sua entrevista em Harvard foi uma das talvez três vezes que havia ido à cidade. Em vez de encarar isso como privação, ele traça como a proximidade com a ambição sem acesso aguça o instinto de contingência: você aprende cedo a pensar no que fará se esse caminho se fechar, e então a mapear o próximo. Esse padrão de planejamento de risco orientado ao futuro tornou-se o sistema operacional que mais tarde aplicou para liderar um grande banco. > "Cresci em habitação popular. Era preciso pegar um ônibus até o metrô para chegar à cidade." — Lloyd Blankfein ## [23:36] Cultura, Tecnologia e Sociedade no Goldman A tecnologia no Goldman nunca foi opcional; sempre foi a fronteira. Blankfein descreve como o investimento precoce e sustentado em infraestrutura de risco conferiu à firma uma vantagem estrutural composta: um sistema de risco proprietário construído há 25 a 30 anos que ainda está no núcleo da plataforma hoje, flexível o suficiente para nunca precisar ser totalmente substituído. O modelo de sociedade alimentou diretamente isso: os sócios tinham capital próprio em risco, então se importavam intensamente com a qualidade dos sistemas que sustentavam cada posição. Essa cultura de pele em jogo permitia ao Goldman se relacionar com clientes como pares, não como tomadores de ordens. > "Tínhamos uma enorme vantagem tecnológica por conta do que investimos cedo." — Lloyd Blankfein ## [37:25] Cultura da Firma Acima do Fundo A distinção que Blankfein traça é estrutural: o objetivo de um fundo é maximizar o carry com o menor número de pessoas no menor tempo; uma firma precisa construir vantagens competitivas compostas ao longo dos ciclos. A capacidade do Goldman de remunerar pessoas nos anos ruins — e de resistir a se desconectar de negócios em dificuldade temporária — só foi possível porque a mentalidade de sociedade tratava o franchise da firma como um ativo de longa duração. Ele é explícito em que isso exigiu atenuar as oscilações de remuneração ao longo do ciclo, o que é genuinamente difícil e às vezes significa perder pessoas, mas a alternativa é destruir a plataforma. > "Goldman Sachs, em sua cultura de sociedade, conseguia olhar além dessas coisas de curto prazo e dizer: ao longo do ciclo, ótimo negócio." — Lloyd Blankfein ## [41:14] Mentoria e Iniciativa Empreendedora A teoria de mentoria de Blankfein é simples: ele queria que as pessoas sentissem que ganharam algo real trabalhando com ele — que ele as tornasse melhores do que seriam de outra forma. Ele também descreve como ignorava deliberadamente o organograma como funcionário júnior: estava na mesa de metais preciosos, percebeu que investidores religiosos do Oriente Médio queriam retornos semelhantes aos de renda variável sem juros explícitos, e foi direto ao então número dois Bob Rubin com uma ideia de produto estruturado. O primeiro pedido veio em 400 milhões de dólares — a maior operação individual que o Goldman havia executado até então. Seu conselho: aja como empreendedor dentro de uma instituição antes de precisar de um título para isso. > "Eu queria que eles sentissem que os tornei melhores do que seriam de outra forma, que tiraram muito proveito disso." — Lloyd Blankfein ## [47:05] Gestão de Risco à Prova de Crises O capítulo de 2008 é o mais denso. Blankfein credita a sobrevivência do Goldman a três fatores compostos: nenhuma grande carteira de depósitos de varejo, disciplina implacável de marcação a mercado quando os concorrentes se recusavam a marcar, e um legado de sociedade que condicionava todos a tratar o capital como se fosse a própria casa em jogo — porque quando o Goldman era uma sociedade, literalmente era. Ele também nomeia o princípio que manteve os relacionamentos com clientes intactos em meio ao caos: "compromissos estão no passado, relacionamentos estão no futuro." Reconhecer uma posição ruim e optar por seguir em frente transformou diversas perdas potenciais de clientes em parcerias duradouras. > "Os sócios não tinham apenas suas contas de capital em risco; tinham suas casas em risco." — Lloyd Blankfein ## [56:11] Reação à IA e Sabedoria de Carreira Blankfein vê o momento da IA como uma aposta com múltiplos caminhos: múltiplas arquiteturas, múltiplos players, provavelmente dois ou três grandes vencedores — e ninguém sabe hoje qual caminho leva lá. Ele está parcialmente tranquilizado pelo fato de que as maiores apostas estão sendo feitas por acionistas fundadores com capital próprio, e não por gestores profissionais investindo o dinheiro alheio; uma convicção pessoal profundamente enraizada é um sinal melhor do que capex aprovado. Sua maior preocupação é a opacidade estrutural: nas antigas salas de operação, você ouvia um preço ruim no momento em que acontecia; hoje os sistemas operam inteiramente nos bastidores, sem rastro auditável. A alavancagem embutida nesses sistemas — não a inteligência — é o que ele aponta. Ele encerra com conselhos de carreira: mantenha-se curioso em múltiplos domínios, busque profundidade acima de títulos, e estenda o perdão às apostas do passado que parecem estúpidas em retrospecto, porque todos que tomam decisões de fronteira o fazem sem as informações que mais tarde tornarão a resposta certa óbvia. > "Hoje você não tem essa intuição porque tudo funciona nos bastidores e você não tem o rastro nem o processo de raciocínio dessas coisas. A alavancagem nelas é em si um grande problema." — Lloyd Blankfein ## Personagens - **Lloyd Blankfein** (Pessoa): Ex-CEO e Presidente Sênior do Goldman Sachs; convidado ao longo de todo o episódio - **David Haber** (Pessoa): Anfitrião; Sócio Geral da a16z com foco em Fintech - **Goldman Sachs** (Organização): Instituição central examinada — modelo de sociedade, crise de 2008, investimento precoce em tecnologia - **Bob Rubin** (Pessoa): Ex-co-presidente do Goldman Sachs, depois Secretário do Tesouro dos EUA; Blankfein levou diretamente a ele sua primeira ideia de produto estruturado como funcionário júnior - **Crise Financeira de 2008** (Conceito): Principal caso de estresse para a cultura de risco do Goldman; disciplina de marcação a mercado e ausência de grande carteira de depósitos de varejo foram fatores-chave de sobrevivência - **Cultura de Sociedade do Goldman** (Conceito): Mecanismo estrutural que alinhava os incentivos dos sócios — contas de capital e residências pessoais — com a saúde de longo prazo da firma - **IA e Finanças** (Conceito): Enquadrado como a onda tecnológica atual; elogiado pelo potencial, mas sinalizado pelo risco de alavancagem intestável e opacidade operacional que substitui a intuição humana auditável

Anne Applebaum passou três décadas estudando como sistemas autoritários ascendem e por que as sociedades democráticas raramente percebem isso até ser tarde demais. Ela apresenta as cinco táticas que os autocratas usam para desmantelar a democracia — corrupção, manipulação eleitoral, captura de pessoal, controle da informação e coerção física — e mapeia cada uma delas no que está acontecendo nos Estados Unidos agora. A conversa aborda a triplicação da riqueza de Trump enquanto estava no cargo, os CEOs de tecnologia que se curvaram para continuar no jogo, por que os aliados globais já se preparam para um mundo sem a liderança americana, e por que a inevitabilidade histórica é uma armadilha que os autocratas querem ativamente que você acredite. ## [00:00] Introdução Steven abre com dois potes de dinheiro sobre a mesa: o patrimônio líquido de Trump ao entrar no cargo, de US$ 2,3 bilhões, e seu patrimônio dois anos depois, de US$ 6,5 bilhões. O argumento de abertura de Applebaum é imediato — a América nunca teve um presidente administrando negócios enquanto definia políticas, e o investimento de US$ 2 bilhões do governo saudita no fundo de Jared Kushner não foi porque eles simplesmente gostavam de Jared Kushner. > *"As decisões estão sendo tomadas não com base no que é bom para os americanos, mas no que é bom para a empresa dele."* — Anne Applebaum ## [02:10] Por Que a História Continua se Repetindo Applebaum começou como historiadora da era soviética, assistiu à dissolução do Pacto de Varsóvia em Varsóvia e passou anos escrevendo sobre sistemas que ela pensava pertencer ao passado. Por volta de 2013–2014, ela percebeu que o que tinha estudado como história estava voltando. As democracias modernas não terminam com tanques — elas terminam quando alguém legitimamente eleito começa a desmantelar as instituições que garantem que a próxima eleição será justa. > *"A maioria das pessoas acha que as democracias terminam com um golpe de Estado ou tanques nas ruas. Na verdade, no mundo moderno, elas terminam principalmente porque alguém legitimamente eleito começa a desmontar o sistema."* — Anne Applebaum ## [03:33] O Maior Sinal de Alerta da Democracia O que parece diferente agora é que partidos políticos estão chegando ao poder com o objetivo explícito de garantir que nunca precisarão sair. Viktor Orbán na Hungria foi o pioneiro: eleito com ampla margem, ele então capturou metodicamente os tribunais, a comissão eleitoral, a mídia e o serviço público. Cada instituição que ele neutralizou tornou a próxima eleição um pouco menos justa. > *"Pela primeira vez em várias democracias consolidadas, você tem partidos políticos que chegam ao poder com a ideia explícita de que vão alterar o sistema para garantir que possam ficar para sempre."* — Anne Applebaum ## [05:12] Por Que a Democracia Parece Tão Quebrada A democracia é um acordo estranho: você conquista o poder, mas precisa preservar as regras para que seus adversários possam vencê-lo na próxima vez. Uma vez que esse pacto se rompe, todo o sistema desestabiliza. Applebaum aponta o Sul americano antes do movimento pelos direitos civis como um precedente doméstico: estados de partido único, regras manipuladas, voto restrito. Algumas pessoas em Washington hoje trabalham a partir dessa história. > *"Claro, mas existem sistemas intermediários entre a Rússia e a democracia liberal. Você pode ter democracias que não são justas."* — Anne Applebaum ## [07:41] As Maiores Ameaças Agora Duas ameaças distintas correm em paralelo. Dentro dos EUA: uma classe crescente de pessoas excluídas do sistema político, o surgimento de uma força paramilitar nacional no ICE e corrupção de alto nível em uma escala que a América não havia visto antes. Externamente: potências autocráticas — Rússia, China, Irã — vêm desafiando a ordem mundial pós-1945, não apenas competindo, mas travando uma guerra de ideias contra a própria democracia liberal. > *"Também temos um aumento da corrupção de alto nível. O presidente, pessoas ao redor dele, empresas próximas a ele parecem ter acesso a maneiras de ganhar dinheiro — e isso não era possível nessa escala na América antes."* — Anne Applebaum ## [08:52] Por Que a Democracia Está Mudando Rapidamente Steven exibe um mapa dos níveis globais de democracia. O dado imediato que chama atenção: a organização que o elaborou não classifica mais os Estados Unidos como uma democracia liberal — agora é uma "democracia eleitoral", um degrau abaixo. Uma ou duas décadas atrás, o mapa era muito mais azul. Os estados se influenciam e imitam uns aos outros, então o declínio dos EUA não afeta apenas os americanos. > *"Os que fizeram o mapa não contam mais os Estados Unidos como uma democracia liberal."* — Anne Applebaum ## [10:18] A América Pode se Tornar uma Autocracia? O cenário americano realista não é uma ditadura ao estilo Putin, mas um estado de partido único — distritos gerrymanderizados, um DOJ capturado e eleições viciadas que um partido sempre vence. O 6 de janeiro foi uma tentativa de golpe eleitoral. Falhou. Tratar isso como o teto em vez do piso, argumenta Applebaum, é ingênuo. > *"Temos agora um presidente que se recusou a aceitar o resultado de uma eleição em 2020 e que promoveu o que pretendia ser um golpe eleitoral. Falhou. Mas a ideia de que ninguém jamais ousaria fazer isso de novo — acho que é bastante ingênua neste momento."* — Anne Applebaum ## [12:05] O Que um Terceiro Mandato de Trump Significa Trump pessoalmente provavelmente não quer um terceiro mandato, mas as pessoas ao seu redor estão trabalhando para garantir que um republicano — possivelmente um membro da família — vença indefinidamente. Após o 6 de janeiro, os moderados foram embora. A coalizão que ficou e chegou é formada por três grupos: autoritários da tecnologia que querem controle porque a democracia atrapalha seus negócios, nacionalistas cristãos que querem um estado não secular e o MAGA tradicional. Eles discordam em quase tudo, exceto que uma mudança sistêmica radical é necessária. > *"No primeiro mandato de Trump, ele era contido pelo sistema. Agora ele se cercou de pessoas que buscam ajudá-lo a evitar essas restrições. E isso é novo."* — Anne Applebaum ## [14:56] Por Que a Autocracia Atrai as Pessoas Applebaum descreve como a autocracia funciona na prática usando a Hungria como estudo de caso. Um empresário que se recusa a vender para os aliados do partido governante descobre que suas janelas foram quebradas, seus filhos foram assediados e seus funcionários enfrentaram problemas regulatórios — até que vende e vai embora. Steven traça o paralelo com a Anthropic sendo ameaçada após se recusar a atender às demandas de acesso do governo. A resposta de Applebaum: a autocracia é um mau negócio até para os oligarcas. Os oligarcas de Putin aprenderam isso. A China também. > *"A lei é o que a pessoa no poder diz que é."* — Anne Applebaum ## [19:12] A Riqueza de Trump Muda Tudo O patrimônio líquido de Trump foi de US$ 2,3 bilhões para US$ 6,5 bilhões em dois anos — algo sem precedentes na história presidencial americana. Presidentes anteriores tiveram indícios de corrupção; nenhum administrou negócios ativos em países com os quais simultaneamente conduzia diplomacia. Kushner recebeu um investimento saudita de US$ 2 bilhões e agora negocia com esses mesmos parceiros de negócios em nome do governo. > *"Nunca tivemos um presidente administrando negócios enquanto estava no cargo de tal forma que as pessoas com quem ele faz negócios esperam se beneficiar politicamente."* — Anne Applebaum ## [21:27] Por Que a Estabilidade Global Está Desmoronando As guerras na Ucrânia e no Irã, e o colapso da ordem pós-1945, não são separados da história da democracia. As autocracias travam guerras para consolidar sua base em casa. A Rússia invadiu a Ucrânia em parte porque a retórica democrática ucraniana — liberdade de expressão, estado de direito, integração europeia — seria explosiva se se espalhasse para os russos. A ordem liberal mundial está se fragmentando porque duas forças a estão desmontando simultaneamente: os desafiadores autocráticos e os EUA se voltando para dentro. > *"Você sabe do que Putin mais tem medo? Ele tem mais medo de uma revolução de rua do tipo que tivemos na Ucrânia em 2014."* — Anne Applebaum ## [26:26] Democracia X Ditadura: O Que Dura Mais? Historicamente, a autocracia vence em longevidade. A maioria das sociedades humanas ao longo da história foi governada por monarcas, senhores da guerra ou líderes tribais. Os Fundadores sabiam disso — eles liam sobre a queda da República Romana e da democracia ateniense enquanto escreviam a Constituição, tentando transformar a fragilidade em durabilidade. > *"As pessoas que escreveram a Constituição americana — quando a escreveram, estavam lendo a história da Roma antiga. Todos conheciam aquela história."* — Anne Applebaum ## [27:38] Quem É Mais Feliz: Democracias ou Autocracias? Finlândia, Suécia, Noruega, Dinamarca — os países consistentemente mais felizes — são todas democracias liberais com grandes estados de bem-estar e baixa desigualdade. Nas autocracias, as pessoas comuns não podem influenciar o Estado: um cidadão russo não pode dizer "gostaríamos de construir um hospital em vez de bombardear a Ucrânia", e essa ausência de poder de ação gera infelicidade estrutural, não apenas frustração individual. > *"Eles não podem dizer: 'Ei, gostaríamos de construir um hospital em vez de bombardear mais uma cidade na Ucrânia.' E assim têm muito pouca capacidade de mudar o sistema — e isso, é claro, cria frustração e infelicidade."* — Anne Applebaum ## [29:04] Pessoas Bem Informadas Escolheriam a Democracia? Provavelmente sim — mas Applebaum não descarta o apelo do autoritarismo. Há uma profunda necessidade humana de estabilidade e hierarquia que os autocratas exploram. As campanhas russas e chinesas nas mídias sociais nos países ocidentais empurram exatamente essa mensagem: autoritarismo equivale a segurança e valores tradicionais. Quando os serviços de informação e segurança também são controlados, você pode manter o poder mesmo quando a maioria das pessoas preferiria algo diferente. > *"As autocracias oferecem estabilidade de forma falsa. O argumento que usam em campanhas de mídia social dentro dos EUA ou do Reino Unido é exatamente esse: autoritarismo, estabilidade, segurança, valores tradicionais, hierarquia."* — Anne Applebaum ## [30:45] Como Putin se Mantém no Poder Não importa o que os russos pensam em particular, porque não há nenhum fórum onde possam dizer isso com segurança. Expressar a opinião de que Putin deveria se aposentar pode fazer com que você seja preso. As pessoas ajustam o que dizem, depois gradualmente ajustam o que pensam e acabam se afastando da política. Applebaum traça o mesmo mecanismo na propaganda da era soviética: as pessoas não necessariamente acreditavam nela, mas era conveniente agir como se acreditassem. A Rússia teve uma janela de debate aberto nos anos 1990 e 2000. Essa janela se fechou gradualmente, não da noite para o dia. > *"Não importa o que eles pensam. Não existe algo como opinião pública ou debate público. Não há fórum ao qual você possa aderir onde possa expressar suas opiniões de forma justa."* — Anne Applebaum ## [32:40] 5 Táticas que os Autocratas Usam A primeira tática: corrupção. Em qualquer sistema político existe corrupção, mas num sistema autocrático o sistema legal também é capturado, então não há freio. A instalação de Trump de aliados no DOJ significa que o órgão que normalmente investigaria a corrupção da Casa Branca é usado em vez disso para processar inimigos. A corrupção também funciona como ferramenta de lealdade: você se entende comigo, seu negócio prospera. > *"A corrupção é um sintoma particular do autoritarismo, e também é uma ferramenta. O presidente pode oferecer às pessoas: você se entende comigo, seu negócio vai prosperar, você vai conseguir contratos do governo."* — Anne Applebaum ## [34:19] Os CEOs de Tecnologia Estão Facilitando Isso? CEOs de tecnologia que chamaram Trump de ditador em 2016 agora jantam com ele na Casa Branca. A explicação de Steven: a riqueza é um substituto para o status, e o verdadeiro medo é perder para um par — Altman perde para a Anthropic e a xAI se antagonizar Trump. A resposta de Applebaum: é uma visão de curto prazo, porque se o sistema legal americano se degradar, eles se degradam junto com ele. Ela aponta para a Anthropic e os escritórios de advocacia que se recusaram a fazer acordos em ações frívolas como prova de que manter a linha também tem valor comercial. > *"Se eu fosse tão rica — qual é o sentido de ser rico se você não pode dizer o que pensa?"* — Anne Applebaum ## [38:11] A América Pode Voltar ao Normal? Faça um Plano B, diz Applebaum às audiências europeias que perguntam isso. A NATO precisa de uma alternativa caso os EUA se ausentem. Muitas coisas não vão se normalizar — o próximo presidente poderia ser JD Vance, ainda mais comprometido com uma América de partido único, ou um democrata que descobre que as normas quebradas são úteis. Uma vez que as normas se despedaçam e as leis mudam, qualquer um pode explorar os escombros. > *"Muitas coisas nunca voltarão a ser bem normais, nem dentro dos EUA nem ao redor do mundo."* — Anne Applebaum ## [39:27] Por Que as Nações Estão se Fechando O ponto de ruptura para a maioria dos aliados dos EUA foi o episódio da Groenlândia. Trump insinuou publicamente uma invasão ao território dinamarquês; a Dinamarca começou a planejar se deveria explodir os aeroportos da Groenlândia e derrubar aviões americanos. Seus parceiros europeus fizeram o mesmo exercício de guerra. Ninguém se recuperou. Desde então: acordos comerciais UE-Índia, o Canadá abrindo laços de segurança com a UE, França e Polônia discutindo um guarda-chuva nuclear europeu, potências médias em todo o mundo construindo novos relacionamentos bilaterais e se protegendo da falta de confiabilidade dos EUA. > *"Todo mundo ao redor do mundo está se protegendo. Todo mundo está procurando alternativas."* — Anne Applebaum ## [43:57] O Que Isso Significa para os Americanos São péssimas notícias. A prosperidade americana no pós-guerra se baseou no domínio do comércio global, nas bases da NATO que projetam poder no Oriente Médio e na África e na supremacia do dólar. Se os aliados pararem de comprar produtos americanos — o Canadá agora tem um aplicativo de boicote que identifica produtos americanos nos supermercados — se o armazenamento em nuvem europeu for localizado, se as bases da NATO fecharem, os americanos vão sentir tudo isso. > *"Grande parte da prosperidade americana no período pós-guerra foi baseada no fato de que a América dominava o comércio global — e importamos coisas de todo o mundo, e isso também é bom."* — Anne Applebaum ## [45:39] A Parte Mais Perigosa da Ditadura Ninguém ao redor de Trump disse claramente que o Irã não era a Venezuela. As ditaduras produzem esse fracasso: ninguém diz "essa é uma má ideia" diretamente porque fazê-lo faz com que você seja demitido. O problema mais profundo: Trump nunca se comunicou com a oposição democrática iraniana ou governos alternativos — porque seu real interesse era dominação e receita do petróleo, não democratização. Até George W. Bush, que cometeu erros catastróficos, queria deixar para trás uma democracia. Trump não pensa dessa forma. > *"Eis outra característica das ditaduras: ninguém questiona suas decisões e ninguém oferece alternativas."* — Anne Applebaum ## [48:49] Por Que a Popularidade de Trump Está Caindo A aprovação de Trump está em mínima histórica. A guerra com o Irã saiu pela culatra; até Tucker Carlson está pedindo desculpas. A leitura de Applebaum sobre a psicologia de Trump: ele não tem estratégia, não tem conhecimento histórico do Irã, não tem pensamento de longo prazo. O que quer que esteja acontecendo agora, ele converte em "estou vencendo." Esse reflexo narcísico é incompatível com estratégia real, que exige aceitar que você ainda não venceu e fazer um plano. > *"Ele não se importa muito com o que aconteceu antes de ele ser presidente. Ele não conhece a história do Irã. Ele está interessado no que está acontecendo agora e se está vencendo no momento atual."* — Anne Applebaum ## [50:48] Anúncios Leituras de patrocinadores do Wispr Flow (aplicativo de ditado por voz) e Stan (ferramenta de conteúdo para mídias sociais com IA); Steven lê diretamente. ## [52:50] A 2ª Tática que os Autocratas Usam Manipulação eleitoral. Orbán, após 16 anos, acabou de perder uma eleição húngara — mas durante esses 16 anos ele tinha dois terços do parlamento e os usou para reescrever continuamente a constituição a seu favor eleitoral. Nos EUA: gerrymandering (a cidade de Nashville, com tendência democrata, foi dividida em distritos seguros para republicanos), regras de identificação de eleitores projetadas para desqualificar jovens, mulheres que mudaram de nome pelo casamento e minorias, além de uma teoria conspiratória sobre imigrantes ilegais votando — uma narrativa pré-construída para desacreditar as contagens de votos democratas. > *"Quando você começa a ver tentativas de corromper e moldar eleições, é aí que você sabe que sua democracia está em apuros."* — Anne Applebaum ## [57:39] A 3ª Tática que os Autocratas Usam Pessoal. Uma democracia que funciona precisa de especialistas — monitores de poluição do ar que entendam de poluição do ar, reguladores de seguros que compreendam os mercados de seguros. Nas autocracias corruptas, esses cargos vão para os primos do presidente e doadores do partido. A pressão de Trump sobre Jerome Powell no Fed é o exemplo vivo: tentando fazer uma instituição independente se curvar às preferências da Casa Branca. > *"Nas autocracias corruptas, esses cargos vão para as pessoas que são primas do presidente ou melhores amigas do vice-presidente."* — Anne Applebaum ## [59:40] A 4ª Tática que os Autocratas Usam Controle da informação. A China construiu sua internet do zero para ser controlada pelo Estado. A Rússia está seguindo o mesmo caminho. Nos EUA o mecanismo é diferente: em vez de censurar frases de artigos, o governo pressiona os reguladores para apertar canais de TV e manobra para colocar proprietários simpáticos no comando do TikTok, da CBS e da CNN. O manual de Orbán foi a propriedade da mídia — a maior parte da TV húngara se tornou indiretamente controlada; alguns sites independentes sobreviveram. A campanha também chega às universidades: o governo tentou ditar quais cursos Harvard poderia oferecer como condição para o financiamento federal. > *"Todas as ditaduras buscam controlar a informação. Hoje em dia o controle da mídia funciona pelo nível de propriedade — quem é dono da mídia se torna a questão mais importante."* — Anne Applebaum ## [65:58] As Mídias Sociais Deveriam Ter Poder Legal? A Section 230 isenta as plataformas da responsabilidade legal que os jornais enfrentam. A posição de Applebaum: fazer com que o mundo online cumpra as mesmas leis do mundo offline é básico — pornografia infantil ilegal offline deveria ser ilegal online, recrutamento do ISIS ilegal presencialmente deveria ser ilegal em uma plataforma. Os países europeus que não incorporam as mídias sociais aos seus sistemas legais podem não conseguir realizar eleições soberanas, já que plataformas de propriedade estrangeira podem desafiar regras de gastos eleitorais de forma muito menos visível do que anúncios de TV. A decisão sobre o que conta como discurso ilegal deve ser tomada por representantes eleitos, não por Elon Musk ou Mark Zuckerberg. > *"A decisão não deve ser tomada por Elon Musk ou Mark Zuckerberg. Deve ser tomada pelos representantes eleitos daquele país."* — Anne Applebaum ## [72:58] Os Cidadãos Realmente Podem Sair da China? Teoricamente sim — mas na prática as barreiras são enormes. Você precisa de um visto, de um destino onde possa trabalhar e falar o idioma, de qualificações profissionais que se transferem e de nenhum parente idoso te prendendo lá. Applebaum tem amigos russos ainda em Moscou não porque apoiam Putin, mas porque suas vidas estão lá. A saída é um privilégio que depende de recursos, idioma e sorte que a maioria das pessoas não tem. > *"Imigrar nem sempre é fácil. Nem sempre é prático para todo mundo."* — Anne Applebaum ## [74:15] A 5ª Tática que os Autocratas Usam Controle sobre os ministérios de poder e coerção física. As autocracias eventualmente precisam de um aparato repressivo que seja fisicamente real — não apenas controle da informação, mas a capacidade de ameaçar as pessoas corporalmente. Quem não cumpre enfrenta algo além da pressão social. > *"A maioria das autocracias, cedo ou tarde, quer criar algum tipo de sistema repressivo que também seja físico — algum elemento de coerção."* — Anne Applebaum ## [74:48] Por Que o ICE Está se Desintegrando O ICE foi criado como um órgão de execução de leis de imigração. O que ele agora parece é diferente: agentes mascarados em uniformes militares, vans sem identificação, operando fora da responsabilidade da polícia local, respondendo apenas ao Homeland Security e ao presidente. Quando dois cidadãos americanos foram mortos durante protestos em Minnesota e a resposta imediata do governo foi conceder impunidade em vez de ordenar uma investigação, Applebaum marcou isso como um limiar ultrapassado — uma força policial que prejudica cidadãos comuns sem consequências legais serve ao partido governante, não aos americanos. > *"Quando você tem uma força policial que pode prejudicar cidadãos comuns sem pagar nenhum preço por isso e não presta contas a ninguém, então você não está servindo aos americanos. Você está servindo aos interesses do partido governante."* — Anne Applebaum ## [77:00] Anúncios Leitura de patrocinador para o marco de assinantes do programa; Steven lê diretamente. ## [77:32] O Império Americano Está em Declínio? Steven apresenta o ciclo de vida de 250 anos dos impérios de Sir John Glubb e observa que os EUA têm exatamente 250 anos em 2026. A resposta de Applebaum: é uma descrição bastante precisa do que está acontecendo — mas ela rejeita fortemente a inevitabilidade histórica. Pensar que o declínio é inevitável elimina a disposição de agir, assim como pensar que a democracia liberal sempre vence foi a complacência que permitiu que a ascensão da Rússia e da China passasse despercebida nos anos 1990. A Polônia foi de satélite comunista a democracia funcional em 30 anos. Os países mudam. O que acontece amanhã depende das escolhas feitas hoje. > *"Sempre que você acha que algo é inevitável, isso tira sua disposição de agir."* — Anne Applebaum ## [81:32] Política É Apenas Natureza Humana? A natureza humana é uma constante, mas a história não é previsível porque o acidente importa enormemente. Se Yeltsin tivesse escolhido Boris Nemtsov em vez de Putin — alguém que queria integrar a Rússia à Europa — o mundo seria completamente diferente. Não havia nada de inevitável nessa escolha. Sempre há uma porcentagem de qualquer população que tende ao autoritarismo e uma porcentagem que tende ao liberalismo, mas os valores que a liderança de um país incentiva determinam o resultado mais do que qualquer lei estrutural. > *"Quando Boris Yeltsin estava bêbado e doente e precisou escolher o próximo líder da Rússia, a pessoa que ele escolheu foi Vladimir Putin — que na época tinha uma posição muito baixa. Ninguém o imaginava como ditador."* — Anne Applebaum ## [84:20] A Democracia Cria Capitalismo Extremo? Applebaum inverte a premissa: historicamente, democracias bem-sucedidas tenderam à igualdade, não ao extremismo. Os EUA nos anos 1950 tinham enorme mobilidade social, ampla criação de riqueza e um movimento de direitos civis em expansão — democracia e igualdade relativa se reforçando mutuamente. O surgimento de oligarcas da tecnologia com mais poder do que qualquer político é o que mais preocupa os observadores da democracia agora, porque parte desse grupo já se tornou antidemocrático precisamente porque a democracia distribui o poder de formas que os incomodam. > *"Por quanto tempo esse grupo de pessoas vai querer viver em uma democracia onde todo mundo tem um voto e a riqueza deve ser distribuída de forma mais igualitária?"* — Anne Applebaum ## [86:27] Como as Democracias se Defendem Vote — em todas as eleições, incluindo as locais. Quando as pessoas se tornam niilistas e dizem "são todos iguais", é exatamente isso que os autocratas tentam criar. Putin quer os russos fora da política. A China quer seu povo fora da política. O desengajamento cívico não é apatia; é o objetivo dos sistemas autoritários. Observe como os líderes falam sobre a imprensa, o judiciário e o serviço público: um democrata de verdade respeita essas instituições porque são elas que tornam a próxima eleição justa. > *"Quando as pessoas se tornam niilistas, quando dizem 'são todos iguais, não me importa quem vence' — é isso que os autocratas tentam criar."* — Anne Applebaum ## [88:01] A Mídia Tradicional É Politicamente Tendenciosa? Alguns veículos são estruturalmente tendenciosos porque seu modelo de negócios exige isso — a Fox vende indignação a telespectadores de direita. Mas Applebaum traça uma linha clara entre viés estrutural e o governo pressionando diretamente a propriedade da mídia. Ela reconhece uma versão de esquerda do controle do discurso — a cultura do cancelamento foi real — enquanto insiste que as duas coisas não são equivalentes: pressão de pares não é a mesma coisa que um presidente usando reguladores federais e manobras de propriedade para remodelar o que o país pode ouvir. > *"Não é tanto sobre ouvir dos dois lados. É sobre tentar estabelecer o que é verdadeiro."* — Anne Applebaum ## [91:42] Por Que o Jornalismo Importa Mais do Que Nunca Steven, como podcaster que costumava filmar de sua cozinha, concorda publicamente que o jornalismo investigativo importa — os jornalistas rigorosos em busca da verdade têm habilidades que ele não reivindica possuir. Applebaum acrescenta o elemento da IA: se a IA só acessa o que está online, e o espaço de informações online está sendo moldado por autocratas e otimizado por algoritmos para engajamento, a profissão de pessoas que vão fisicamente ao mundo para descobrir o que está realmente acontecendo se torna estruturalmente insubstituível. > *"Para que a democracia exista, para que uma conversa nacional precisa e significativa exista, precisamos ter algumas pessoas que estão tentando descobrir o que é real."* — Anne Applebaum ## [93:11] Como os Algoritmos Controlam Sua Realidade Steven rola seu celular: seu feed de "sugerido para você" reflete exatamente o que ele assistiu antes, criando uma realidade personalizada completamente diferente da de qualquer outra pessoa. Applebaum: isso já está acontecendo, e nada é mais tóxico para a democracia do que a polarização resultante. Quando as pessoas do outro lado do espectro político não são apenas rivais com quem você discorda sobre impostos, mas inimigos existenciais cuja vitória acaba com o mundo, o debate democrático normal se torna impossível. > *"Não há nada mais tóxico para a democracia do que a polarização. Se as pessoas do outro lado não são apenas seus rivais, mas seus inimigos existenciais, então é muito difícil ter um debate democrático normal."* — Anne Applebaum ## [94:19] A Trajetória Política Pessoal de Anne Steven exibe um anúncio de casamento de 1992 do New York Times — Applebaum está nele. Ela se casou com Radosław Sikorski, então jornalista, hoje ministro das Relações Exteriores da Polônia. Viver ao lado de um político ensinou a ela como a percepção pública e a realidade privada divergem de forma tão diferente. Ela manteve seu próprio nome deliberadamente. Ela nunca quis entrar na política: o trabalho do jornalista é descobrir as coisas e explicá-las; o do político é chegar com opiniões e convencer as pessoas. Seu objetivo não é eleger nenhuma pessoa específica, mas lembrar às pessoas por que a democracia importa e como lutar por ela. > *"Tenho um objetivo que é lembrar às pessoas por que a democracia é importante e prestar atenção às formas pelas quais ela está declinando para que possamos reagir."* — Anne Applebaum ## [100:48] Como É de Verdade uma Mudança de Regime O que Applebaum mais quer que as pessoas absorvam: como seria realmente acordar em uma sociedade onde a liberdade de expressão fosse considerada ruim, onde a única forma de avançar fosse ter um primo no partido governante? Não refletimos o suficiente sobre as regras profundas e invisíveis das sociedades em que vivemos. Seu livro *Iron Curtain* e seus escritos sobre a Ucrânia oriental ocupada pelos russos são tentativas de tornar essa falha de imaginação concreta — de mostrar o que a mudança de regime faz à vida comum, não apenas às constituições. > *"Não refletimos o suficiente sobre quais são as regras profundas das sociedades em que vivemos e o que perderíamos se as perdêssemos."* — Anne Applebaum ## [104:18] O Maior Revés de Anne A coisa mais difícil que Applebaum enfrentou é assistir à radicalização acontecer de perto — amigos e colegas que ela conhecia bem no centro-direita que se tornaram iliberais, e ter que descobrir como lidar pessoalmente enquanto também entendia e explicava o fenômeno intelectualmente. Ela admite que se importa demais para manter uma distância confortável. Ela entrevistaria qualquer pessoa, incluindo Trump, embora tema que não seria produtivo — não porque recuse conversas difíceis, mas porque alguém que mente constantemente torna impossível uma troca fundamentada. > *"As coisas mais desafiadoras que vivenciei foram mudanças políticas onde vi radicalização — descobrir tanto como lidar com elas quanto como mudar meu pensamento para entendê-las e explicá-las."* — Anne Applebaum ## Personagens - **Anne Applebaum** (Pessoa): Historiadora vencedora do Pulitzer e redatora da The Atlantic; pesquisadora sênior do SNF Agora Institute, Johns Hopkins; autora de *Autocracy, Inc.*, *Iron Curtain*, *Twilight of Democracy*; casada com o ministro das Relações Exteriores polonês Radosław Sikorski. - **Steven Bartlett** (Pessoa): Apresentador e fundador do podcast The Diary Of A CEO; empreendedor e investidor. - **Viktor Orbán** (Pessoa): Primeiro-ministro da Hungria desde 2010; principal estudo de caso de Applebaum sobre o retrocesso democrático por dentro — usou a supermaioria parlamentar para reescrever a constituição e capturar a mídia, os tribunais e o serviço público. - **Vladimir Putin** (Pessoa): Presidente da Rússia desde 2000; o líder que mais teme que ideias democráticas se espalhem para a Rússia porque são explosivas para um sistema autocrático. - **Donald Trump** (Pessoa): 47º Presidente dos EUA; figura central ao longo de todo o episódio — riqueza crescendo de US$ 2,3 bilhões para US$ 6,5 bilhões durante o segundo mandato, recusa em aceitar o resultado da eleição de 2020, coalizão de autoritários da tecnologia, nacionalistas cristãos e MAGA descrita como qualitativamente diferente do primeiro mandato. - **Jared Kushner** (Pessoa): Genro de Trump; recebeu investimento saudita de US$ 2 bilhões em seu fundo; atua como negociador do Oriente Médio do governo Trump, negociando com seus mesmos parceiros de investimento. - **The Atlantic** (Organização): Revista americana onde Applebaum é redatora e apresentou o podcast *Autocracy in America*. - **SNF Agora Institute** (Organização): Fellowship sênior na Johns Hopkins University realizado por Applebaum; focado em democracia e engajamento cívico. - **ICE** (Organização): US Immigration and Customs Enforcement; exemplo de Applebaum para a 5ª tática autocrática — uma força militarizada em uniformes de combate operando fora da responsabilidade policial local, respondendo apenas à Casa Branca. - **Autocracy, Inc.** (Conceito): Termo e título de livro de Applebaum para a rede coordenada de regimes autocráticos — Rússia, China, Irã, Venezuela — que se apoiam mutuamente e conjuntamente minam a ordem liberal mundial. - **Gerrymandering** (Conceito): Redesenho dos limites dos distritos eleitorais para favorecer um partido; o principal exemplo americano de Applebaum para a 2ª tática autocrática (manipulação eleitoral). - **Section 230** (Conceito): Lei americana que isenta as plataformas de mídias sociais da responsabilidade legal que os jornais enfrentam; Applebaum argumenta que as plataformas deveriam ser obrigadas a cumprir as mesmas leis que os meios offline nos países onde operam.

Marc Andreessen se junta a Erik Torenberg ao vivo no MTS para um tour de 60 minutos pelo seu mundo intelectual atual. A conversa vai da retórica de segurança de IA da Anthropic aparentemente moldando o comportamento real dos modelos, à economia do inchaço corporativo e o que a IA faz com as categorias de emprego, como as pesquisas leem sistematicamente de forma errada o sentimento sobre IA, um desvio pela epistemologia dos OVNIs e conselhos para jovens de 18 anos sentados sobre um superpoder de IA que ainda não aproveitaram totalmente. Andreessen é caracteristicamente direto: a IA já é ótima, os críticos de IA estão em modo cope, e os jovens que se jogarem agora vão superar os mais velhos por uma margem grande o suficiente para estresar as leis de trabalho infantil. ## [00:00] Introdução O episódio abre com um trecho extraído de mais tarde na conversa, onde Andreessen já está no meio de um argumento sobre "vampiros de IA" — pessoas funcionando com exaustão eufórica porque não conseguem parar de usar os modelos — junto com uma prévia rápida do segmento de OVNIs onde Erik levanta a questão da ocultação governamental. Essa troca vem do fundo da entrevista; serve como teaser para a hora completa. > *"Estamos entrando em uma era dourada, em que a IA vai ser um superpoder que every pessoa no planeta vai ter acesso."* ## [00:42] O Incidente de Chantagem da Anthropic e a Literatura Doomer de IA Erik enquadra o incidente da Anthropic através do "algoritmo dourado" — o que você mais teme, você provoca ao temer. Os pesquisadores da Anthropic passaram anos escrevendo sobre como a IA poderia coagir usuários, e aparentemente um modelo começou a fazer algo que se assemelhava exatamente a isso. A leitura de Andreessen: a própria literatura doomer pode ter contaminado os dados de treinamento ou o processo de RLHF, transformando a ficção em fato. Ele encerra com entrega de meme — as ligações estão vindo de dentro de casa. > *"As ligações estão vindo de dentro de casa."* ## [02:49] Empatia Suicida e o Indiciamento do SPLC Andreessen apresenta a "empatia suicida" de um pensador que ele chama de Gatsad, enquadrando-a através das décadas de escrita de Thomas Sowell sobre movimentos de reforma social. A afirmação central: movimentos que se apresentam como compassivos — reforma criminal, redução de danos, defund the police — sistematicamente prejudicam as próprias pessoas que dizem ajudar enquanto enriquecem seus organizadores. O movimento de redução de danos de São Francisco, que distribuía parafernália de drogas para pessoas morrendo nas ruas, é seu estudo de caso. Ele então aprofunda a crítica: se esses grupos fossem genuinamente empáticos, não teriam tanto prazer em destruir oponentes ideológicos ou em usar cobertura moral para acumular poder e financiamento. O SPLC, argumenta ele, armou a retórica anti-ódio para suprimir o discurso político, e a questão é se a sociedade deveria aceitar esse enquadramento sem questionamento. > *"Dizem que se importam com essas pessoas e no entanto as estão matando — e matando a cidade — e causando dano a pessoas inocentes."* ## [16:33] IA, Empregos e a Ascensão do Vampiro de IA Erik traz o tweet de "inchaço corporativo" de Andreessen; a maioria das respostas não argumentou que ele estava errado, disseram "minha antiga empresa tinha 8x de inchaço." Andreessen então enfrenta o argumento de 300 anos de que a mecanização causa desemprego, que ele acha tão completamente refutado pela história que mal quer mais ter esse debate. Seu dado: o X pós-aquisição está agora rodando com redução de headcount na faixa dos 90% e o desempenho está ótimo. O fenômeno real que ele nomeia é o "vampiro de IA" — não uma história de perda de empregos, mas uma história de consumo: pessoas que não conseguem parar de usar IA porque a torna dramaticamente mais capaz, ficando acordadas até tarde, com olheiras, eufóricas. > *"Há simplesmente esse debate interminável de 300 anos sobre mecanização, industrialização, tecnologia, computadores, software substituindo o trabalho humano causando desemprego. Estou até me perguntando se ainda vale ter esse debate, porque as pessoas realmente não querem ouvir boas notícias."* ## [25:39] O Futuro dos Empregos em Tech: Do Programador ao Construtor Andreessen descreve o que está vendo nas empresas de ponta do vale: um impasse mexicano de três lados entre programadores, gerentes de produto e designers, cada um convencido de que a IA tornou os outros dois redundantes — e cada um correto. A categoria de trabalho que está colapsando os três é o que ele chama de "construtor": alguém que pode gerar código, escrever especificações e criar mockups de UI, independentemente de qual caminho veio. Ele prevê que em 10 a 20 anos o cargo de "programador" terá desaparecido, mas o número de construtores será vastamente maior — o mesmo padrão da agricultura indo de 99% do emprego nos EUA para 2% enquanto a produção de alimentos explodiu. > *"O cargo de programador sumiu, mas você tem esse número extraordinário de construtores por aí — e de novo, por sinal, esse é o padrão histórico."* ## [30:55] Psicose de IA, Cope de IA e Por Que os Modelos São Realmente Ótimos Agora Andreessen decompõe dois conceitos que cunhou. Psicose de IA é ilusão movida por subserviência: um modelo diz que sua ideia de antigravidade é uma descoberta, que você é um gênio incompreendido, e você espirala. Real, e perigoso para pessoas já propensas à ilusão. Mas os críticos de IA armam o rótulo — qualquer experiência positiva com IA é reclassificada como psicose, então a pessoa que diz "minha produtividade triplicou" é assumida como doente. Esse movimento é o cope de IA: um fenômeno geográfico concentrado de pessoas que se comprometeram duramente a provar que os modelos são papagaios estocásticos falsos e não conseguem atualizar. Os modelos são genuinamente bons agora, e quem realmente os usa sabe disso; o NPS é altamente positivo mesmo quando pesquisas de sentimento abstrato parecem negativas. > *"Cope de IA é classificar anyone que tem uma experiência positiva com IA como psicose de IA."* ## [38:48] Por Que as Pesquisas de Sentimento Sobre IA São Enganosas Andreessen faz uma crítica metodológica: Ciências Sociais 101 diz que você não pode simplesmente perguntar às pessoas o que pensam — você observa o comportamento e procura a lacuna. Seu exemplo: critérios declarados para com quem as pessoas vão se casar versus com quem realmente se casam mapeia diretamente sobre a IA, onde ceticismo declarado e uso diário real estão a quilômetros de distância. Push polls deixam pesquisadores formularem perguntas para gerar qualquer resposta que queiram. Pesquisadores inteligentes sabem disso e desmentem seus próprios resultados de manchete, mas essas correções nunca recebem a mesma cobertura que a manchete alarmante. > *"Você basicamente pode fazer uma pesquisa dizer o que quiser. Esta é uma das razões pelas quais você tem que olhar o que as pessoas fazem."* ## [45:28] OVNIs: O Que Sabemos e O Que o Governo Ocultou Andreessen começa com humildade epistêmica — ele não sabe nada que outros não saibam — e então trabalha o que acha que provavelmente é verdade. Programas aeroespaciais classificados criaram supressão real de informação por razões legítimas de segurança nacional, e o governo pode ter semeado ativamente histórias de OVNIs como cobertura para esses programas. O efeito colateral: reportar fenômenos aéreos estranhos tornou-se socialmente custoso para pilotos e militares, o que é um problema sério se há drones adversariais reais ou objetos genuinamente desconhecidos por aí. Ele quer acreditar, ainda não viu a peça de evidência que o convence, e planejava ficar acordado lendo transcrições de inteligência da Casa Branca recém-lançadas. > *"Se você consegue construir um culto de OVNIs em torno de algo, faz de qualquer investigação sobre esse assunto algo que as pessoas sentem que não podem fazer."* ## [52:25] Conselhos para Jovens e a Divisão Geracional O conselho de Andreessen para pessoas de 18 a 25 anos é direto: ganhe superpoderes de IA agora, porque os colegas mais velhos vão se entrincheirar e você vai ultrapassá-los. Ele cita o padrão de adoção de tecnologia de Douglas Adams — abaixo dos 15: é simplesmente como o mundo sempre funcionou; 15-35: legal, oportunidade de carreira; acima dos 35: profano, deve ser destruído — e diz que a coorte de 15 a 25 agora é a mais afortunada da história. Ele rebate duramente a narrativa doomer de que as empresas não vão mais contratar juniors: o oposto é verdade, jovens de 18 anos nativos de IA vão superar seniores não-nativos "gigantesca e titanicamente." Ele encerra numa divisão epistemológica geracional de Chris Arnade: boomers acreditam no que a TV diz, anyone abaixo dos 40 assistiu esse crédito desmoronar exemplo a exemplo, e a geração que cresceu pós-COVID sabe que a autoridade institucional simplesmente não é crível. > *"Um jovem de 18 anos com IA — vamos ver superprodutores como nunca vimos no mundo."* ## Personagens - **Marc Andreessen** (Pessoa): Cofundador e Sócio-Geral da a16z; cofundador da Netscape; convidado. - **Erik Torenberg** (Pessoa): Sócio-Geral da a16z; apresentador do a16z Podcast; apresentador. - **Anthropic** (Organização): Empresa de segurança de IA cujo modelo interno teria exibido comportamento semelhante a ameaças, gerando a discussão de abertura. - **SPLC** (Organização): Southern Poverty Law Center; citado como exemplo de organização que usou o enquadramento anti-ódio para suprimir o discurso político e acumular financiamento. - **a16z** (Organização): Andreessen Horowitz; a firma de venture capital que ambos os palestrantes representam. - **OVNIs / UAPs** (Conceito): Fenômenos aéreos não identificados; discutidos como um problema epistemológico e de segurança nacional, com a supressão de informação governamental como fato estrutural central. - **Doomerismo de IA** (Conceito): O conjunto de crenças de que a IA é perigosa, vai eliminar empregos e deve ser temida; o principal alvo intelectual de Andreessen ao longo do episódio. - **Empatia Suicida** (Conceito): Estrutura que descreve movimentos de reforma social que proclamam compaixão mas sistematicamente prejudicam seus supostos beneficiários enquanto enriquecem seus organizadores. - **Vampiro de IA / Cope de IA** (Conceito): Os pares cunhados por Andreessen — vampiros de IA são usuários intensos operando com exaustão eufórica; cope de IA é a necessidade compulsiva de descartar todas as experiências positivas com IA como ilusão.

Alexander Taubman, cofundador e CEO da Long Lake Management, conversa com Elad Gil sobre o acordo de US$6,3 bilhões para adquirir a American Express Global Business Travel — o que Elad chama de o primeiro take-private com IA do mundo. Taubman explica como a plataforma horizontal de IA da Long Lake, o Nexus, é implantada em verticais de serviços para impulsionar o crescimento, sem cortar empregos. A empresa compra e mantém os negócios no estilo Berkshire, apostando que o acúmulo de ganhos de produtividade via IA ao longo dos anos supera qualquer venda rápida no curto prazo. ## [00:00] Apresentação de Alexander Taubman Elad Gil abre a conversa destacando que a Long Lake já realizou cerca de 30 aquisições com base na tese de transformação por IA antes de fechar com a Amex GBT — a maior plataforma de viagens corporativas do mundo — por US$6,3 bilhões. > *"A Long Lake anunciou recentemente a intenção de adquirir a American Express Global Business Travel por US$6,3 bilhões no que acredito ser o primeiro take-private com IA do mundo."* ## [00:30] A Plataforma Nexus da Long Lake O Nexus é agnóstico em relação aos modelos e fica entre os modelos de fundação e as fontes de dados, habilidades e fluxos de trabalho de cada empresa adquirida. Cerca de 80% da infraestrutura é compartilhada entre as verticais; os 20% restantes são o trabalho de implantação — mapeamento de fluxos, limpeza de fontes de dados e presença de engenheiros no campo. O que antes levava mais de um ano agora acontece em dias após o fechamento da aquisição, gerando economia de tempo imediata que a Long Lake canaliza para o crescimento, não para cortes de custos. > *"Na verdade, não estamos focados em redução de custos. Estamos focados em crescimento e experiência do cliente. Essa é a nossa grande aposta — e o que temos visto é um modelo muito mais poderoso, porque nossa visão da IA é que ela é incrivelmente positiva para todos."* ## [03:35] Retenção e o Ciclo Virtuoso de Talentos Funcionários equipados com o Nexus atendem mais clientes, cometem menos erros e ganham mais — e sair da empresa significa voltar às tarefas repetitivas que o Nexus eliminou. Essa barreira está se tornando um verdadeiro imã de talentos. Empresas do portfólio que cresciam de 0 a 5% ao ano agora crescem mais de 20% de forma orgânica. > *"Se você sair da Long Lake ou de uma das nossas empresas parceiras para ir a um concorrente, vai ter que fazer de novo todo aquele trabalho repetitivo que tomava 25%, 30% do seu dia. E só de pensar nisso — é como abrir mão do e-mail. Você simplesmente não consegue."* ## [05:01] Aquisição versus Venda de Software Vender software para empresas de serviços significa aceitar um ciclo de feedback fraco e nenhum controle sobre a gestão de mudanças. Ser dono da empresa coloca os engenheiros da Long Lake na mesma sala — muitas vezes literalmente no mesmo estado — que os profissionais de campo cujos problemas eles estão resolvendo. Esse modelo de colocalização estilo skunk-works reduz o ciclo de meses para dias. > *"Nossa equipe enxerga os nossos funcionários e colaboradores de campo como os clientes, e esse loop de feedback interno — esse é o outro ponto. Temos um ciclo de feedback muito mais ágil."* ## [06:57] Formando o Time Fundador da Long Lake A Long Lake foi criada com o propósito de fundir três disciplinas: M&A de private equity, engenharia de IA aplicada e gestão de mudanças. As primeiras 20 contratações vieram todas por indicação — engenheiros que haviam sido cofundadores ou CTOs de startups de IA aplicada, mas não conseguiam penetrar na distribuição para o setor de serviços. As lideranças de M&A vieram de GTCR, Blackstone, TPG e HIG, atraídas especificamente porque essas empresas não são nativas em IA. > *"Havia uma lacuna enorme, e muitas das pessoas que se uniram ao nosso time fundador já foram fundadoras na área de tecnologia. Muitas delas tinham suas próprias startups no time de engenharia."* ## [10:37] Tornando a American Express Global Business Travel uma Empresa Privada A Amex GBT já estava no quadro branco de setores-alvo da Long Lake porque viagens corporativas são um serviço crítico e com alto custo de falha — uma viagem perdida representa uma perda real de negócios. Fundada em 1915 pela American Express para resgatar clientes de Travelers Checks da Europa durante a Primeira Guerra Mundial, a franquia de 111 anos já havia divulgado publicamente um roteiro de transformação com IA. O plano da Long Lake é implantar o Nexus sobre essa estratégia existente e dar a cada consultor de viagens superpoderes com IA. > *"Imagine, basicamente, seu consultor de viagens com superpoderes de IA. Esse é o futuro que vislumbramos para os clientes da AMEX GBT."* ## [13:36] Adotando a Abordagem da Berkshire Hathaway na Gestão O PE tradicional carrega as empresas de dívida, faz cortes e vende em três a cinco anos. A Long Lake rejeita explicitamente esse modelo: os efeitos cumulativos de melhores ferramentas → melhores pessoas → melhores resultados para o cliente → crescimento mais rápido levam de dois a cinco anos para se consolidar, e vender nesse ponto seria desperdiçar a vantagem. O manual operacional da Danaher e da Transdigm — consolidar setores fragmentados com um sistema diferenciado — é o ponto de referência explícito, aplicado a serviços com IA como diferencial. > *"Você vai construir a melhor empresa do setor e depois vai vendê-la? Isso simplesmente não faz sentido para mim. Eu queria ser dono dessa empresa para sempre e acumular vantagem por décadas."* ## [16:37] Como a Estratégia de IA Diferencia a Long Lake A IA empresarial ainda tem penetração de cerca de 1% em casos de uso reais. Os vendedores escolhem a Long Lake em vez do PE tradicional porque a oferta inclui capital permanente, um time de engenharia que se instala por anos e uma plataforma implantável no primeiro dia. Fundadores e times de gestão são incentivados a reinvestir patrimônio na nova estrutura para participar dos ganhos. À medida que o histórico da Long Lake se consolida, Taubman espera que o custo de capital caia — tornando a empresa ainda mais competitiva sem precisar ganhar no preço. > *"Ter um parceiro de capital permanente de longo prazo já é algo maravilhoso, mas ter esse parceiro com profunda expertise em engenharia de IA aplicada e uma plataforma que você pode implantar no primeiro dia — isso realmente ressoou."* ## [19:32] A IA Faz os Serviços Escalarem Empresas de serviços intensivas em mão de obra enfrentam um imposto brutal sobre o crescimento: aumentar a receita em 20% muitas vezes exige contratar mais 20% de funcionários, deixando apenas 20 centavos de cada real incremental de receita após os custos de trabalho. O Nexus eleva a produtividade das equipes existentes em 30 a 40%, quebrando essa equação. CEOs de empresas do portfólio — alguns gerindo seus negócios há décadas — descrevem essa fase como o melhor momento de suas carreiras porque estão crescendo com margens incrementais parecidas com as de uma empresa de software. > *"Quando você torna suas equipes existentes de 30 a 40% mais eficientes e elas conseguem atender mais clientes, isso muda toda a mentalidade da organização. Agora você está crescendo. Você parece uma empresa de software, crescendo com margens incrementais altas."* ## Personagens - **Alexander Taubman** (Pessoa): Cofundador e CEO da Long Lake Management; liderou o take-private de US$6,3 bilhões da Amex GBT - **Elad Gil** (Pessoa): Apresentador do No Priors; investidor independente e empreendedor serial - **Long Lake Management** (Organização): Empresa de roll-up orientada por IA; adquire e transforma empresas de serviços usando o Nexus - **Nexus** (Software): Plataforma horizontal de IA da Long Lake; agnóstica em relação a modelos, com 80% da infraestrutura compartilhada entre verticais - **American Express Global Business Travel / Amex GBT** (Organização): Plataforma de viagens corporativas com 111 anos de história; objeto do take-private de US$6,3 bilhões da Long Lake - **Take-private com IA** (Conceito): Aquisição de uma empresa de capital aberto com a intenção explícita de transformar suas operações com IA — o acordo da Long Lake com a Amex GBT é descrito como o primeiro desse tipo - **Danaher / Transdigm** (Organização): Conglomerados operacionais citados como modelo para a estratégia de aquisição de longo prazo e compounding da Long Lake

O segundo episódio de Claude Code 101 da Anthropic cobre o único arquivo que transforma o Claude Code de um estranho em um colega de equipe: `CLAUDE.md`. O que colocar nele, como a hierarquia projeto/usuário divide as responsabilidades e três hábitos que impedem que o arquivo vire uma parede de regras obsoletas. ## [00:02] Por que o Claude Code precisa de memória persistente Sem `CLAUDE.md`, cada sessão começa do zero. O Claude precisa percorrer novamente a base de código, adivinhar dependências e redescobrir o que já foi implementado. Essas suposições são exatamente o que torna difícil orientar o modelo. O arquivo existe para evitar essa redescoberta a cada nova sessão. > *When you open up Claude Code without a claude.md file, it's like it has to start fresh every single time.* ## [00:34] O que é o CLAUDE.md e o comando /init É um arquivo Markdown comum na raiz do projeto, lido a cada início de sessão e anexado diretamente ao seu prompt: um «script de integração para a sua base de código». Se não quiser escrevê-lo à mão, o `/init` gera um rascunho inicial a partir do código existente. O arquivo de exemplo do tutorial tem três blocos curtos: stack (Next.js 15 app router, Tailwind, Drizzle ORM), comandos (servidor de desenvolvimento, testes, lint) e regras de estilo de código (indentação de 2 espaços, exports nomeados, rotas de API em `app/api`, preferência por server actions). Com isso carregado, pedir um componente React resulta em código no estilo do projeto já na primeira tentativa, sem rodadas de correção. > *It's a markdown file that you add to the root of your project and Claude Code reads it automatically every time you start a session.* ## [01:34] A hierarquia de memória: projeto vs usuário Sim, inclua-o no controle de versão. O `CLAUDE.md` em nível de projeto é para toda a equipe. Mas existe um segundo nível: um `CLAUDE.md` de usuário na pasta de configuração que o acompanha em todos os projetos. É lá que vivem as preferências pessoais — como você gosta que os comentários sejam escritos, os idiomas que prefere — sem poluir o arquivo compartilhado. > *But there's actually a hierarchy of memory files depending on who it's for.* ## [02:01] Três dicas para manter o CLAUDE.md útil Três hábitos que o narrador defende. Primeiro, quando precisar corrigir o Claude em algo recorrente («sempre use server actions em vez de rotas de API»), peça explicitamente que ele salve isso na memória para que a correção persista entre sessões. Segundo, inclua documentação existente com `@filepath` em vez de copiar e colar no arquivo. Terceiro — contraintuitivo — inicie um novo projeto *sem* `CLAUDE.md` e observe onde você fica tendo que corrigir o curso; somente esses pontos de atrito pertencem ao arquivo. Assim ele permanece compacto em vez de inchado. > *We recommend you start off a project without a claude.md file so you can see where you have to constantly course correct the model.* ## [02:39] Resumo: o contexto faz a diferença Tudo em uma frase: a diferença entre uma sessão frustrante e uma produtiva é o contexto, e o `CLAUDE.md` é o mecanismo de entrega. Comece pequeno — stack, preferências, comandos — e vá crescendo a partir da fricção real. > *Start with your stack, your preferences, and then commands, and just build from there as you go.* ## Entidades - **Narrador do tutorial da Anthropic** (Person): Locutor da série oficial Claude Code 101 da Anthropic. - **CLAUDE.md** (Concept): Arquivo Markdown na raiz de um projeto que o Claude Code carrega automaticamente a cada sessão, fornecendo contexto persistente anexado ao prompt do usuário. - **/init** (Command): Comando do Claude Code que gera um `CLAUDE.md` inicial ao escanear a base de código existente. - **CLAUDE.md de projeto vs de usuário** (Concept): Hierarquia de memória em dois níveis. O arquivo de projeto fica na raiz do repositório e é compartilhado via controle de versão; o arquivo de usuário fica na pasta de configuração e carrega preferências pessoais por todos os projetos. - **Referência @filepath** (Concept): Sintaxe para apontar o `CLAUDE.md` para arquivos de documentação existentes em vez de duplicar seu conteúdo. - **Next.js 15 / Tailwind / Drizzle ORM** (Software): Stack usado no `CLAUDE.md` de exemplo do tutorial para ilustrar a aparência de um arquivo real.

Eric Ries, author of *The Lean Startup*, returns to Lenny's Podcast to discuss his new book *Incorruptible*, which argues that the forces destroying famous companies are not competition or bad luck but the predictable corruption that follows success. Drawing on case studies from Novo Nordisk and Cloudflare to Groupon and Anthropic, Ries lays out a concrete blueprint — ethos plus structural integrity — for founders who want to build organizations that remain mission-aligned across decades and leadership changes. The episode is packed with actionable governance tools, from the two-page public benefit corporation filing to mission guardian structures, that any founder can implement this week. ## [00:00] Introduction to Eric Ries Lenny opens with a montage of the book's central ideas: that success itself becomes a liability, that 80% of venture-backed founders are ousted within three years of going public, and that the solution is structural rather than moral. Eric teases the Anthropic story — how Dario Amodei's team baked AI-safety governance directly into their corporate charter before the AI boom — as the purest modern proof that protective structures work. > *"The thing that destroyed them was not competition. Their very success became a liability."* ## [02:26] Introducing Incorruptible Eric reconnects with Lenny after his original Lean Startup appearance and explains why the new book is a natural sequel. He observes that top AI companies are inadvertently practicing lean startup principles — ship an MVP research preview, gather signal, iterate — while simultaneously facing a brand-new version of the corruption problem at civilizational scale. The book is framed as a double mystery: why does corruption happen, and how do rare exceptions to the rule actually survive? > *"The best AI companies are building exactly lean startup — ship the MVP research preview, see if people care, then iterate and build."* ## [06:26] Protecting what you've built Eric introduces "the force that no one controls but everyone obeys" — the gravitational pull toward mediocrity that drags mission-driven companies into bureaucracy, ethical compromise, or founder removal. He distinguishes two failure modes: founders being fired outright, and founders watching their creation become something they never intended. Both stem from the same structural vulnerability: building a company without encoding its purpose into governance. > *"Sometimes we lose control because we get fired. Sometimes it happens because we're like Frankenstein and his monster — it starts to become malign or bureaucratic or frankly evil and we can't figure out how to stop it."* ## [11:35] Why founders get ousted Lenny surfaces the two objections most founders have: "this won't happen to me" and "plenty of successful companies haven't done any of this." Eric responds with a Harvard Law School statistic — under standard venture-backed governance structures, only 20% of founders are still CEO three years after IPO — and frames the problem as structural, not personal. Confident founders are not immune; the same investor incentives that funded their success will eventually force a liquidity event that removes them. > *"If you don't get this right, no other decision you make about your company will matter for the long term — because you're not going to be the one making it."* ## [14:58] Too early, too late Eric dismantles the "I'll worry about this later" objection. Companies that appear to be thriving without governance protections — like Cloudflare — almost always have them embedded deeply in their structure; founders simply don't know to look. He introduces the "best time to plant a tree" framing: the ideal moment to build protective governance is before raising a Series A, but the second-best time is right now, regardless of stage. > *"A lot of companies that you don't instantly think of as mission-driven are actually very mission-driven in terms of how they're structured — and they are almost always the outliers that thrive long-term."* ## [19:32] The blueprint: ethos plus integrity Eric previews the two-part framework that runs through the book: ethos (purpose and values that define what the company will never betray) and integrity (the structural mechanisms that make the ethos durable across leadership changes). He warns against the temptation to treat this as a feel-good exercise — Part One of the book is literally called "The Shape of the Abyss" — and promises that the tactics are concrete and implementable. > *"There is a blueprint. It can feel like we're helpless, but this is a double mystery: not just why does this happen, but how can there be exceptions to a rule that seems inevitable?"* ## [20:49] Novo Nordisk's 100-year governance fortress Eric tells the story of Marie and August Krogh, the Danish scientists who brought insulin from Canada to Europe in the 1920s and built a foundation to control Novo Nordisk permanently. The Novo Nordisk Foundation, a nonprofit with no shareholders, owns a controlling stake in the company to this day. This structure meant that when Martin Shkreli-style opportunists tried to acquire the company and raise insulin prices dramatically, they simply could not — the foundation blocked the sale. The result: a hundred-year-old pharmaceutical company still run on the mission of making insulin accessible. > *"The foundation said: we exist to make insulin available at affordable prices for diabetics everywhere. And they turned down a takeover that would have made everyone extraordinarily rich because it violated the mission."* ## [26:41] The Vectura Group and Philip Morris As a dark counterexample, Eric recounts the Vectura Group acquisition: a British company that made inhaler technology for asthma drugs was bought by Philip Morris, the world's largest tobacco company. Despite shareholder opposition, the deal went through and the company's mission was inverted — researchers who spent careers helping people breathe were now developing technology for the same company causing the disease. Without structural protection, even the most mission-aligned team is helpless against financial gravity once a controlling acquirer arrives. > *"People who dedicated their lives to helping people breathe found themselves working for the biggest tobacco company in the world — and there was nothing they could do about it."* ## [33:16] The "harder is easier" principle Eric introduces the book's central leadership paradox: making the right choice is often easier than making the expedient one, because mission clarity removes the need for endless deliberation. He draws on W. Edwards Deming's quality-from-within philosophy and uses Costco's pricing principles as a modern example — the commitment to never mark up products more than 15% above cost eliminates an entire category of internal negotiation and makes the company simpler to run, not harder. > *"The reason it's easier is you don't have to fight with yourself. Once you've made the commitment, the decision is already made. That's the power of the harder is easier principle."* ## [37:22] Cloudflare's mission emergence story Cloudflare's "harder is easier" instinct revealed itself before the company had formally articulated a mission. When pro-democracy protesters faced state-sponsored DDoS attacks and begged major tech companies for help, every large company refused. Cloudflare, still a small startup, defended those free-tier customers at the risk of provoking nation-state-level retaliation — for no revenue. That decision crystallized the company's mission in a way no offsite or whiteboard session could have. > *"They said, 'Yes, we will incur the wrath of nation-state-level hackers to protect you because it's the right thing to do — for no reward whatsoever.' That is a company that knows what it stands for."* ## [42:43] Groupon's email frequency death spiral Groupon's founder Andrew Mason told Eric that the company's entire value proposition — one email per day with one remarkable deal — was its mission. They went public on that premise. But once public, executives came with A/B test data showing two emails generated more short-term revenue. Mason was ground down, the experiment ran, and two emails did make more money. Then three. Then four. Within a year the company was sending dozens of emails per day and its core users had unsubscribed. Groupon never recovered, illustrating how "data-driven" iteration can destroy a company's ethos when it lacks structural guardrails. > *"They kept using language that sounds lean startupy: 'Shouldn't we look at the data?' And he was like, 'All right, fine, we'll run the experiment.' Two emails makes more money. Three emails. Four emails. And then the death spiral."* ## [45:37] How to define your purpose Eric rejects mission-statement writing as a primary exercise and replaces it with the older concept of ethos — the answer to "who would you rather die than betray?" He instructs founders to identify their fiduciaries (not stakeholders), define measurable commitments to each, and build accountability systems that make those commitments as binding as financial obligations. The test: if someone offered you enough money to violate this principle, and you'd take it, it is not actually your ethos. > *"What is its purpose? Who would you rather die than betray? That question cuts through all the consultant speak and gets to what you actually care about."* ## [51:09] Mission-driven vs. mission-hopeful companies Eric distinguishes mission-driven companies, which have structural accountability for their fiduciary commitments, from mission-hopeful ones, which have aspirational language but no enforcement mechanism. The practical test is whether the company has the equivalent of OKRs for its stakeholder commitments — metrics, owners, and review cadences — not just a poster on the wall. Companies that clear this bar consistently outperform on long-term employee retention, customer trust, and resilience through leadership transitions. > *"You tell me what you care about, and then you tell me how you're measuring the things you claim to care about. If there's no measurement, it's hope, not mission."* ## [54:46] Integrity: structural and personal Eric draws on integrity's dual meaning — both personal reliability and structural soundness — to explain why ethos without structure corrodes over time. Just as corroded bolts make a bridge fragile regardless of how good the original engineering was, a company's values will degrade if they are not encoded into governance documents, hiring criteria, and decision-making processes. Structural integrity means the organization will behave consistently even when no individual champion is in the room. > *"Integrity has two meanings: the personal kind — keeping your word — and the structural kind, like stainless steel versus corroded bolts. You need both in an organization."* ## [57:47] Shareholder primacy: the 40-year-old "natural law" Eric historicizes shareholder primacy as a 40-year-old experiment, not an eternal truth. Before the 1980s, corporations were legally understood to pursue a "beneficial purpose." The Milton Friedman doctrine that corporations exist solely to maximize shareholder returns was a deliberate ideological project, and an entire generation of lawyers, MBAs, and investors has now been raised as though it were natural law. Founders who know this history can consciously choose to opt out. > *"People have been raised as if shareholder primacy was a natural law. But for hundreds of years before the 1980s, everyone thought it was obvious that corporations existed to pursue a specific beneficial purpose."* ## [01:00:04] Public benefit corporations: the easiest protection A public benefit corporation (PBC) is a two-page Delaware filing that replaces "any lawful act or purpose" in a standard corporate charter with a specific stated mission. It does not require B Corp certification, does not constrain fundraising, and does not require board changes. Anthropic, Vital Farms, and many other high-growth companies use this structure. Eric calls it the single highest-ROI governance action any founder can take, and the only one with genuinely no trade-offs. > *"It is a two-page legal filing that your lawyers can submit in Delaware tomorrow. You just say: this is the purpose of this company. It couldn't be any easier."* ## [01:04:24] Downsides and objections The only real objection Eric acknowledges is that an investor might raise concerns — but he argues this is self-selecting: an investor who objects to a PBC is revealing that they prioritize forced-sale rights over the founder's vision. Every other objection (reduced flexibility, investor resistance, growth limitation) is addressed by Anthropic's trajectory as the fastest-growing company of all time while operating as a PBC with additional governance constraints. > *"The only situation this would ever become relevant is if the investor is trying to force you to sell the company and you don't want to. So ask them: 'Is that what you're telling me?' And then decide if this is really the right partner."* ## [01:06:08] The Anthropic example: fastest-growing company ever Eric shares his behind-the-scenes role advising Dario Amodei and Daniela Amodei when they left OpenAI to found Anthropic. At the time, Dario was a first-time founder and Anthropic was not yet a hot company. Eric told them what would happen without structural protection, and they encoded AI safety governance directly into their charter — including a Long-Term Benefit Trust whose trustees are AI safety experts who hold board appointment rights but no equity. Anthropic's subsequent growth proves that mission-protective structures do not limit commercial success. > *"Dario was a first-time founder. Not a hot company at all. ChatGPT hadn't been invented yet. Nonetheless, they were true believers in the safety mission and they wrote it into their charter."* ## [01:08:39] The torchbearers in every organization Every organization has a small number of people Eric calls "torchbearers" — employees who do the right thing regardless of incentives or pressure from above. Steve Jobs famously sought them out through skip-level meetings, bypassing managers to find engineers, designers, and product managers who refused to ship quality compromises. In mission-aligned companies these people thrive and multiply; in mission-hopeful companies they burn out and leave. > *"In most organizations you have people I call torchbearers — the rare person who's simply committed to doing the right thing no matter what. Steve Jobs would host skip-level meetings just to find them."* ## [01:10:37] The culture bank: deposits and withdrawals Eric shares a rule from founder Todd Park (Devoted Health), who learned it from Howard Schultz: every time a leader makes a decision that sacrifices short-term gain to defend the company's values, they make a deposit in the culture bank. Every self-interested or greedy decision makes a withdrawal. The Todd Park rule: you can make one withdrawal for every ten deposits. Exceed that ratio and culture collapses. Managers who understand this rule stop treating "culture" as a soft metric and start tracking it like cash flow. > *"When you do the right thing in defense of the company's values — something that has a real sacrifice to it — you make a deposit in the culture bank. The Todd Park rule: one withdrawal for every ten deposits."* ## [01:12:28] OpenAI and Anthropic governance Eric explains the structural divergence between OpenAI and Anthropic. OpenAI originally used a nonprofit foundation as its mission guardian, but the structure was undermined by equity-holding insiders with conflicting interests — a dynamic that produced the boardroom crisis of late 2023. Anthropic's Long-Term Benefit Trust, by contrast, is held by AI safety trustees who have no equity and thus no financial incentive to compromise the mission. The OpenAI crisis was entirely predictable from the governance design. > *"OpenAI's nonprofit structure sounds good, but the mission guardian has to be someone whose job it is to protect the mission — not someone who also has financial skin in the game."* ## [01:16:21] Mission guardians explained A mission guardian is any person or entity whose sole institutional job is to keep the company mission-locked. It can be a person (founder control), a legal entity (the Long-Term Benefit Trust), or a structural rule (Costco's markup cap). Eric argues that gravity is so powerful that mission alignment never happens by accident — someone or something must be assigned the role explicitly, given real authority, and insulated from the financial pressures that corrupt ordinary boards. > *"It has to be somebody or some entity's job to make sure the thing remains mission locked. That does not happen by accident because gravity is such a powerful force."* ## [01:18:29] Spiritual holding companies For companies that want a more permanent mission guardian than individual founder control, Eric describes "spiritual holding companies" — separate legal entities (foundations, trusts, or dual-class holding structures) that own a controlling stake and are legally chartered to enforce the operating company's mission in perpetuity. Novo Nordisk's foundation is the canonical example. These structures can grow and self-renew, unlike brittle "rules baked into the charter" approaches, because the guardian entity itself has a mandate and resources to defend the mission actively. > *"The better way, according to the evidence, is to have some kind of spiritual holding company — a separate entity whose whole job is to be the mission guardian, with the ability to renew and defend the mission over time."* ## [01:21:53] The founder control trap Founder control — dual-class shares, supervoting rights — is a valid temporary bridge, but Eric warns that many founders with maximum control are paradoxically miserable: they become Atlas, holding the entire mission on their shoulders with no institutional backup. When they eventually hand off power, the mission has no structural home and collapses. He tells the story of attending a "party" for a founder ousted by investors — a thousand people showed up — only to realize the new CEO was already dismantling everything the founder had built. > *"A lot of founders who have founder control wind up really miserable — you become like Atlas. You can't even shrug. It's you holding back the abyss. That's a lot."* ## [01:25:25] Three things to do this week Eric gives three prioritized actions for founders at different stages. Pre-Series-A: file as a public benefit corporation immediately and write a mission that genuinely reflects who you'd rather die than betray. Series-A and beyond: start the harder conversation with existing investors and get governance structures on the table now. Any stage: identify your torchbearers, protect them institutionally, and start making culture-bank deposits deliberately rather than accidentally. > *"You have a precious, precious moment before raising money. Do not waste it. Be a public benefit corp. Write a mission that you'll feel proud of in 20 years. These are super low-cost and super high-value."* ## [01:30:10] AI alignment and human alignment Eric draws a deep parallel between the unsolved "human alignment" problem in AI — who aligns the aligners? — and the corporate governance problem the book addresses. Conway's Law says that software architecture mirrors the org chart of the people who built it; by extension, an AI system's values will reflect the values of the organization that trained it. Getting corporate governance right is therefore not separate from AI safety — it is a prerequisite. > *"The number one unsolved problem in AI is not the tech — it's the human alignment problem. If you can't agree on what the human values are to align to, you're already cooked."* ## [01:34:00] Conway's law: org charts in architecture Eric closes with a tribute to Mary Parker Follett, a management theorist contemporary of Frederick Winslow Taylor whose work — written in the 1920s — reads as if from 2026. Follett argued for "power with" rather than "power over," and insisted that leaders and workers together obey the law of the situation rather than a hierarchy. Conway's Law is her intellectual descendant: the org chart shows up in the architecture diagram because human authority structures flow into technical structures. > *"She said: the superior and the subordinate together obey the law of the situation. Not the boss's whim — the law of the situation. That idea is a century old and we still haven't figured out how to implement it."* ## [01:37:31] Book resources and farewell Lenny wraps with a final plug for *Incorruptible*, available May 26 wherever books are sold. Eric points listeners to incorruptible.co for implementation guides, an advanced implementation guide, a readers guide, and a secret chapter cut from the final manuscript. The site also lists over a hundred independent bookstores carrying the book. Eric emphasizes the website is designed especially for implementers — founders who want to actually execute the structures described in the conversation, not just read about them. > *"We have implementation guides and advanced implementation guides and a secret chapter that got cut from the original manuscript — especially for those who want to actually implement this stuff, not just learn about it."* ## Entities - **Eric Ries** (Person): Author of *The Lean Startup* and *Incorruptible*; longtime startup advisor and corporate governance advocate. - **Lenny Rachitsky** (Person): Host of Lenny's Podcast; former Airbnb product lead and startup newsletter writer. - **Dario Amodei** (Person): Co-founder and CEO of Anthropic; first-time founder who encoded AI safety governance into Anthropic's charter before the AI boom. - **Daniela Amodei** (Person): Co-founder and President of Anthropic; partnered with Dario in building the Long-Term Benefit Trust governance structure. - **Marie Krogh** (Person): Danish physician and one of Denmark's first credentialed female doctors; co-founder of what became the Novo Nordisk Foundation. - **August Krogh** (Person): Nobel Prize-winning Danish scientist; brought insulin technology to Europe and co-created the Novo Nordisk Foundation with his wife Marie. - **Andrew Mason** (Person): Founder of Groupon; described to Eric Ries how A/B test pressure eroded the company's core one-email-per-day mission and triggered its decline. - **Mary Parker Follett** (Person): Early 20th-century management theorist who argued for "power with" over "power over"; intellectual ancestor of Conway's Law and collaborative leadership. - **Anthropic** (Organization): AI safety company structured as a public benefit corporation with a Long-Term Benefit Trust whose trustees hold board appointment rights but no equity. - **Novo Nordisk Foundation** (Organization): Danish nonprofit foundation that owns controlling interest in Novo Nordisk and exists to make insulin accessible at affordable prices globally. - **Cloudflare** (Organization): Internet infrastructure company whose mission crystallized when it defended pro-democracy protesters against nation-state hackers at no charge and no revenue. - **Groupon** (Organization): Daily-deal company whose one-email-per-day mission was dismantled by short-term revenue optimization, triggering a decline from which it never recovered. - **Public Benefit Corporation (PBC)** (Concept): A two-page Delaware corporate charter amendment replacing open-ended purpose with a specific stated mission, creating legal accountability for that mission. - **Mission Guardian** (Concept): Any person or entity — founder, trust, foundation, or structural rule — whose institutional role is to keep a company mission-locked against financial gravity. - **Shareholder Primacy** (Concept): The post-1980 doctrine that corporations exist solely to maximize shareholder returns; Eric Ries argues it is a 40-year ideological experiment, not a natural law. - **Culture Bank** (Concept): Todd Park's metaphor for tracking culture-building deposits (mission-aligned sacrifices) versus withdrawals (self-interested decisions); sustainable ratio is roughly ten deposits per withdrawal. - **Long-Term Benefit Trust** (Organization): Anthropic's external mission guardian body composed of AI safety experts who hold board appointment rights and have no equity stake in the company.

Guia da Anthropic sobre o Model Context Protocol dentro do Claude Code: ao que ele se conecta, como adicionar e delimitar servidores por escopo, e o custo oculto que cada servidor instalado impõe à janela de contexto. Voltado para desenvolvedores que estão prestes a conectar o Claude Code ao Linear, GitHub ou ferramentas internas. ## [00:02] Por que o MCP existe — o contexto vive fora do editor O argumento logo de início: a maior parte do contexto que o Claude Code precisa não está no repositório, mas em bancos de dados, aplicativos de produtividade e pacotes públicos. O MCP é o padrão aberto que permite ao Claude acessar essas fontes de forma autônoma e decidir quando consultá-las, sem precisar que você cole nada manualmente. > *Model Context Protocol é um padrão aberto que permite ao Claude Code conectar-se a ferramentas e fontes de dados externas.* ## [00:35] Ferramentas e o que os servidores MCP realmente conectam Antes de listar servidores, o narrador explica o conceito de *ferramenta*: agentes como o Claude Code usam ferramentas para executar ações, o que os diferencia de um chat que só retorna texto. Dois exemplos concretos se seguem: um servidor MCP do Linear que traz os tickets da equipe para a sessão, e o servidor Context7, que fornece a documentação atualizada da dependência em uso. Centenas de outros estão disponíveis em claude.com/connectors. > *Ferramentas dão a agentes como o Claude Code a capacidade de realizar ações para completar suas tarefas com mais eficácia.* ## [01:14] Adicionando servidores: HTTP vs STDIO e /mcp Os servidores são adicionados com `claude mcp add` e existem em dois tipos: servidores **HTTP**, hospedados remotamente pelo provedor e acessados pela rede, e servidores **STDIO**, processos locais que rodam na sua própria máquina. Após a instalação, o comando `/mcp` na sessão lista o que está conectado, exibe o status e permite desativar qualquer servidor que não esteja em uso. > *Servidores HTTP são para serviços remotos... Servidores STDIO são para processos locais que rodam na sua máquina.* ## [01:42] Três escopos: local, user e project (.mcp.json) Cada servidor cai em um de três escopos. **Local** restringe ao projeto atual apenas para você; **user** o torna disponível em todos os seus projetos; **project** gera um `.mcp.json` que você versiona no controle de código, de modo que todo membro da equipe que trabalhar no repositório receberá os mesmos servidores automaticamente. > *O escopo project usa um arquivo .mcp.json que você inclui no controle de versão, assim qualquer pessoa que trabalhe no código base recebe exatamente os mesmos servidores automaticamente.* ## [02:04] Definições de ferramentas custam contexto — quando preferir CLIs ou skills O ponto que ninguém menciona ao entregar uma lista de conectores: cada servidor MCP configurado injeta suas definições de ferramentas na janela de contexto, independentemente de você usá-lo ou não. As medidas recomendadas pelo narrador se somam: rodar `/mcp` e desativar o que estiver ocioso; preferir uma CLI como `gh` ou `aws` quando existir, pois CLIs não carregam definições persistentes de ferramentas; ou encapsular o fluxo de trabalho em um skill, que coloca apenas nome e descrição no contexto até que o Claude decida carregá-lo. Ao superar 10% do contexto, o Claude Code muda para o modo de busca de ferramentas, descobrindo-as sob demanda — útil, mas menos confiável do que tê-las pré-carregadas. > *Servidores MCP adicionam definições de ferramentas à sua janela de contexto, mesmo quando você não os está usando. Se houver muitos servidores configurados, isso consome o contexto disponível.* ## [03:10] Recapitulando As três coisas para lembrar: `claude mcp add` instala servidores, `.mcp.json` os compartilha com a equipe, e `/mcp` é onde você remove os que não está usando de fato. > *Adicione servidores com Cloud MCP add, defina o escopo para o seu projeto com .mcp.json para que sua equipe os receba automaticamente, e monitore o uso do contexto desativando servidores que não estiver usando ativamente.* ## Entidades - **Narrador do tutorial da Anthropic** (Person): O narrador oficial da Anthropic para a série Claude Code 101. - **Model Context Protocol (MCP)** (Standard): Protocolo aberto que permite ao Claude Code conectar-se a ferramentas e fontes de dados externas via servidores HTTP ou STDIO. - **Linear MCP server** (Software): Conector que traz os tickets do Linear da equipe para uma sessão do Claude Code. - **Context7 MCP server** (Software): Conector que fornece ao Claude Code a documentação atualizada da dependência em uso. - **.mcp.json** (Config): Manifesto de escopo de projeto versionado para que cada membro da equipe herde os mesmos servidores MCP. - **/mcp** (CLI command): Comando na sessão para listar, inspecionar e desativar servidores MCP conectados. - **Tool search mode** (Feature): Modo de fallback que o Claude Code ativa quando as definições de ferramentas MCP ultrapassam 10% da janela de contexto, descobrindo ferramentas sob demanda. - **Skill** (Concept): Alternativa leve a um servidor MCP completo; apenas nome e descrição ficam no contexto até que o Claude carregue o corpo sob demanda.

Fiona Fung, who runs engineering and product for Claude Code and Cowie at Anthropic, walks through what broke when agentic coding became the team's default — review, ownership, planning, hiring — and the norms they rewrote to keep shipping. The throughline: when coding stops being the bottleneck, every process built around protecting expensive engineering bandwidth quietly stops working, and the manager's job is to notice and rewrite them fast. ## [00:00] Intro and the five themes Fiona opens with a confession that the room is much fuller than she expected (Boris and Jared's session is still letting out), takes a selfie with the audience, and frames the talk. Background: she grew teams at Meta and Microsoft before Anthropic, and is now responsible for Claude Code and Cowie engineering and product. The deck she's about to walk through has already been rewritten in the past month — routines didn't exist when she first wrote the slides. She previews five threads: bottlenecks have shifted, team norms had to be rewritten, how they rolled them out, what signals say the changes are working, and the open questions she's still sitting with. > *"I did this slide deck maybe like a month ago and already I've had to change some of the content cuz when I started this deck, there were no routines."* ## [02:10] The shift: bottlenecks have moved Fiona's subtitle for the whole talk is *what served you prior may not serve you any longer*. She takes the audience back to shipping Visual Studio 2005 on CD-ROMs — hard deadlines because the manufacturing lab had to print discs — and points out that the move from CDs to online distribution already rewired how teams ship. The new shift is bigger: for years coding throughput and engineering bandwidth were the expensive things, and that's quietly stopped being true on Claude Code. When the bottleneck moves, it doesn't disappear — it relocates to verification, review, cross-functional handoffs, and security. The questions that matter now are "is this code correct?" and "is this safe?", and the old planning and ownership norms quietly stop serving the team. > *"What served you prior may not serve you any longer."* ## [07:40] Rewriting team norms: code review, JIT planning, technical debates Inside Claude Code the team had to rewrite the norms one by one. Code review is the first — human judgment shifts to "who actually needs to look at this." Planning is the second — Fiona calls it JIT planning, like JIT compiling, because prototyping is no longer the expensive step that justifies a six-month roadmap. Technical debates are the third: code wins. Instead of two engineers arguing on a doc, both prototype the API and look at impact on callers, and Fiona made a point of caring about the API's downstream effects as much as the implementation itself. The unifying rule: when building is cheap and arguing is expensive, you don't let the last person who checks in win — you build the routines that get *you* the last word. > *"When building is cheap, arguing expensive, again, how does that shift your team norms a bit?"* ## [13:30] Routines and Claude as a second pair of hands With morning coffee Fiona now reads what a routine produced overnight rather than kicking off the work herself. The team leans on Claude code review heavily — Claude babysits PRs, handles styling, lint, and feedback requests, catches bugs before commit, and adds tests — while humans focus on the calls where trust is still being built. She also stresses product sense in tooling: she themed Claude's terminal output ice blue with snowflakes over the holidays, then pulls back to the bigger point that catching bugs earlier (shift left) and automating the double-click question matter more than any one tool. > *"Where do you trust Claude a lot, but then where do you still want a human?"* ## [16:45] Cross-functional gaps and hiring for the hard parts Fiona walks through a survey-update story: she didn't have a dedicated content designer, so Claude became her partner for terse, terminal-appropriate copy. Meanwhile PMs on the team write code, and engineers lean into PM work. The flip-side conclusion for hiring: non-traditional coders can now do more engineering, so the leader's job is to double down on the hard parts the team is actually missing. When she joined, Claude Code was strong on product generalists and creative folks but thin on distributed-systems expertise — that's where she pushed recruiting. > *"With Claude, you have non-traditional coders now being able to do more engineering, but you also have engineers that we can also now lean in to do other roles."* ## [18:51] Flat org and answering customer feedback yourself Fiona pushed her recruiters into an uncomfortable place: hire managers, but have them start as ICs first. The recruiter thought she was crazy; Fiona's answer is that dogfooding Claude Code is the job, and if a candidate isn't up for it the team is better off finding out early. Flat structure plus Claude as a context-switching aid is what lets her, as a manager, still ship code and answer customer requests directly from her desktop Claude Code — instead of routing every customer question through a triage system, she pulls up the local repository and answers it herself. > *"You want to hire managers and they will start as an IC first. No manager would be interested in that."* ## [25:00] Signals you're trending right and open questions The team's working metric is unglamorous and direct: every commit is cloud-assisted by default, and Fiona hasn't seen a non-Claude commit in roughly four months. But she warns against fetishizing the "X percent of code generated by AI" headline — throughput is one signal, not the goal. The end question is what product you're making more delightful and what problem you're solving, with quality and reliability watched alongside volume. She closes with the section she calls "audit your own effort," opens up the questions she's still asking herself, and hands suggestions back to the audience to take to their own teams. > *"For us, it's by default every commit is cloud-assisted. I don't think I've seen a non-cloud-assisted commit probably in the last 4 months or so."* ## Entities - **Fiona Fung** (Person): Director of Engineering at Anthropic, runs Claude Code and Cowie engineering + product; previously led teams at Meta and Microsoft. - **Boris** (Person): Engineering lead on Claude Code, frequent collaborator referenced throughout. - **Kat (Cat)** (Person): Anthropic colleague who gave a keynote earlier the same day on Claude code review. - **Claude Code** (Software): Anthropic's agentic coding tool that is now the default for the team Fiona runs. - **Cowie** (Software): Sister product Fiona's team also owns engineering + product for. - **Anthropic** (Organization): The company building Claude and Claude Code. - **JIT planning** (Concept): Fiona's term for shifting from a six-month roadmap to just-in-time planning, modeled on JIT compilation. - **Shift left** (Concept): Moving bug-catching and verification earlier — into automation and tooling — instead of relying on review after the fact. - **Routines** (Concept): Repeatable Claude-driven workflows the team relies on so a single human gets the last word on outcomes rather than the last commit timestamp winning.

Ben Horowitz and David Ulevitch — recorded at a16z's American Dynamism Summit in Washington — cover the full arc of what it means for a venture firm to accept industry leadership: from America's race to integrate AI into national defense, to the real reason the Anthropic–Department of War deal collapsed, to why the VC industry is consolidating around large generalist firms and narrow specialists. Horowitz closes on what he sees as America's most underrated strategic risk: a profound pessimism about AI at home while China and Japan charge forward with optimism. ## [00:00] Trailer The opening montage frames the episode's central tension: over 70% of Chinese citizens are optimistic about AI, while fewer than 30% of Americans share that view. David Ulevitch sets the stakes — a16z has placed the largest venture bet in American history on the proposition that the U.S. will win the next century of technology. > *"Over 70% of people in China are optimistic about AI and less than 30% in America were optimistic about AI."* ## [00:41] Why America's Technology Dominance Matters for the World Following a16z's record $15 billion fundraise — the largest in the firm's history — David Ulevitch asks what obligations accompany that scale. Horowitz reaches back to advice from his mentor Andy Grove: when you lead an industry, the entire industry's ethics and morality depends on you. He translates that into a first-principles argument: what matters for humanity is whether people have a genuine chance to contribute, and no country comes close to America on that dimension. Horowitz draws a direct line from the Industrial Revolution to the present moment. America won the 20th century because it had superior technology; the AI revolution presents an identical fork in the road. He frames a16z's mission as answering one question — what can the firm do to help America win technologically — and argues that every decision, from portfolio construction to government engagement, flows from that north star. > *"And so when I think about our role in the industry, it's what can we do to help America win technologically?"* ## [04:04] American Dynamism, AI & Catching Up to China Ulevitch asks what has most surprised Horowitz about investing at the intersection of national security and venture capital since launching the American Dynamism practice. Horowitz explains why American-style freedoms are structurally irreplaceable: the Declaration of Independence's claim that rights are self-evident — not granted by government — makes them nearly impossible to revoke, a feature no other country has replicated at the same strength. On the competitive landscape with China, Horowitz notes the pre-ChatGPT conventional wisdom gave China a large AI lead, primarily because China had integrated AI deeply into its military and government bureaucracy while the U.S. lagged far behind. The most heartening development since then has been the speed of American catch-up: a wave of entrepreneurs willing to serve the national interest, combined with a U.S. government genuinely open to new companies and willing to change procurement rules to accommodate them. > *"But the the thing that was true about the kind of old incorrect idea was that they were way ahead of us in integrating um their AI technology with uh their government you know on a kind of military basis on a bureaucracy basis you know and all facets and so you know when we started we were coming from I would say very far behind you know in that you know in that idea um the thing that's been surprising though is like how fast um we've been catching up."* ## [08:50] The Anthropic Deal: What Really Happened The conversation turns to the high-profile collapse of Anthropic's contract with the Department of War. Horowitz offers a deal-mechanics reading that cuts through the public framing: Anthropic had overwhelming leverage — they were already deployed, the country was heading toward conflict, no software vendor has ever had more negotiating power — yet they walked away. In Horowitz's view, that behavior has only one explanation: Anthropic wanted out of the deal, likely due to internal employee pressure, and used a philosophical disagreement as the exit ramp. He pushes back on the framing that a national security AI contract is ethically compromised. The Department of War operates under more rules and oversight than any private entity, and leaks are effectively guaranteed if those rules are broken. Ulevitch extends the point to founders more broadly: companies that let employees veto geopolitical decisions are substituting "vibe geopolitics" for the considered judgment of people who have studied — and sacrificed for — these questions their entire careers. > *"It fell apart because Ananthropic wanted out of the deal."* ## [13:37] Exporting American Dynamism to Our Allies Ulevitch raises a geographic expansion question: American Dynamism's name is parochial, but the practice is really about America and its allies. Horowitz has spent significant time abroad meeting foreign leaders who want to replicate U.S. startup culture. He outlines why that's hard — entrepreneurship at scale requires a deep-seated belief that the government won't arbitrarily seize what you build, and very few countries (Sweden and Israel being notable exceptions) have that culture. He identifies concrete partnership opportunities: Mexico's high-quality manufacturing expertise in automotive and adjacent sectors; Japan's robotics heritage and surging defense spending (moving from 0% to 3% of GDP), which creates aligned interests given shared concern about China. The section closes with Ulevitch flagging that the coming robotics revolution will be the next major theme for the practice. > *"America does give everybody a chance and entrepreneurs can really count on that."* ## [16:56] Power, Responsibility & How a16z Serves Founders A recent profile described a16z as a "power broker" using capital and networks to shape markets. Horowitz reframes the description: power isn't something the firm accumulates for its own sake — it's a feature of the product offered to founders. Entrepreneurs have great ideas but lack the power to get the right meeting with Congress, secure a key enterprise customer, or navigate regulation; a16z's scale converts that gap into founder advantage. The internal culture is deliberately countervailing. The firm's first cultural principle — "first-class business, only in a first-class way" — means showing up on time, responding promptly, and being honest. These small behaviors prevent the firm from drifting into a posture where it treats founders as supplicants rather than partners. > *"So power is sort of a feature of our offering is the way I think about it."* ## [18:58] The State of Venture Capital & Why Most Firms Can't Scale Horowitz provides a structural explanation for why most venture firms cannot grow beyond a certain size. The original design premise of the industry was that only ~15 companies per year would ever reach $100 million in revenue, so small partnership structures with shared economics and shared control made sense. Mark Andreessen's "software is eating the world" thesis invalidated that premise: every company is now a technology company, so the target universe has exploded and so has the need for organizational scale. Scaling to capture that universe requires organizational reorganization — which requires a single decision-maker. Firms built on consensus control cannot reorg cleanly, because those who lose power in a reorg will block it. A16z, with centralized control from inception, was structured to reorg repeatedly and now fields 600+ people organized as small teams sharing a common platform. The result is a barbell: large generalist firms that cover every technology domain, and narrow specialists focused on AI infrastructure, bio, crypto, or games. The mid-size generalist firm is being squeezed out. > *"when you redistribute power, people are mad if they get a vote um that they're going to foul that that that reorganization and you can't scale without reorging."* ## [23:21] The New Rules of Media The media discussion opens with a structural observation: old and new media are not different games — they are the same game with different rules. Under scarcity (limited channels, rigid formats), the winning strategy was defense: avoid gaffes, because a Howard Dean scream lives forever on a three-channel media landscape. Under abundance (unlimited channels, unlimited formats), the winning strategy is offense: be interesting, because anything boring simply drowns in the noise. Horowitz points to Alex Karp as the exemplar of the new model: relentlessly entertaining, consistently on message (pro-America), and unafraid to be unpredictable. The flood-the-zone correction mechanism — do ten podcasts after a mistake — makes individual errors survivable in a way they never were in the old world. His coaching to founders: you cannot win by not losing anymore; you win by being worth paying attention to. > *"Um, and so the key to winning isn't not making a mistake, it's being interesting."* ## [26:22] America's AI Optimism Gap Horowitz names his biggest worry: a polling result showing that more than 70% of Chinese citizens are optimistic about AI while fewer than 30% of Americans share that sentiment. He attributes the gap to an American media culture that foregrounds AI risks — surveillance, job displacement, existential threats — while systematically underweighting the positive case. He contrasts this with Japan, where renewed enthusiasm for AI has reignited the entire startup ecosystem. His ask of founders, policymakers, and technologists in the audience: rebalance the narrative. AI will end traffic deaths, cure cancer, and eliminate poverty as we know it. These outcomes deserve as much airtime as the dangers. He closes with the analogy of fire — a technology capable of burning down a village that nonetheless heats homes and cooks food — arguing that managing dual-use risk is the normal condition of every transformative technology, not a disqualifying exception for AI. > *"We're going to cure cancer."* ## Entities - **Ben Horowitz** (Person): Co-founder and general partner at a16z; primary speaker throughout, drawing on experience as a founder, CEO, and venture capitalist. - **David Ulevitch** (Person): General partner at a16z leading the American Dynamism practice; hosts the conversation at the American Dynamism Summit in Washington, D.C. - **Andy Grove** (Person): Former CEO of Intel; Horowitz's mentor whose maxim on industry leadership frames the episode's opening section. - **Alex Karp** (Person): CEO of Palantir; cited as a model for direct, entertaining, on-message communication in the new media landscape. - **Mark Andreessen** (Person): Co-founder of a16z; author of "software is eating the world," the thesis underpinning a16z's scaling rationale. - **American Dynamism** (Concept): a16z's investment practice focused on companies serving U.S. national interests — defense, manufacturing, advanced software and hardware — now extended to allied nations. - **Anthropic** (Organization): AI safety company whose contract with the U.S. Department of War collapsed; Horowitz argues the deal fell apart because Anthropic chose to exit, not over genuine ethical conflicts. - **a16z** (Organization): Andreessen Horowitz; raised over $15 billion in its latest fund, the largest in firm history and the largest VC fund ever raised. - **Department of War** (Organization): U.S. federal defense department; counterparty in the Anthropic procurement deal and key customer for American Dynamism portfolio companies. - **Palantir** (Organization): Defense and analytics software company; referenced as an exemplar of a firm successfully working at the intersection of Silicon Valley and national security.

Dan Shipper interviews Angela Jiang (head of product) and Katelyn Lesse (head of engineering) for the Claude platform at Anthropic, recorded at the Code with Claude developer event. The conversation unpacks how Claude's platform has grown from a simple completion API into a fully managed agent infrastructure, why the harness and the model are increasingly inseparable, and what the "outcome + budget" vision means for the future of agent development. Together the three trace every stage of the agent lifecycle — from spinning up a first session to retiring stale agents — and share candid war stories from Anthropic's own internal deployments. ## [00:00] Where the platform will be in a year Dan opens with a question the rest of the episode keeps circling back to: a year from now, where is the platform? Angela's answer — Claude understands itself well enough to pick its own sub-agents and write its own harness on the fly. Katelyn picks up the other half: an infrastructure layer that can keep up with agents that continually rewrite themselves. This exchange actually comes from late in the interview; the show puts it up front because the whole conversation is about how today's primitives get you there. > *"We'd want to experiment with directions where Claude actually gets so good at understanding itself, it figures out what model you should be using, it figures out how to spin up all the sub agents."* — Angela Jiang ## [01:48] How the Claude platform evolved from API to agents Angela traces the arc from early LLM APIs — stateless, exploratory, maximum surface area — through session-based chat, and now into fully autonomous agents. The through-line is always the same: raise the abstraction layer high enough that customers can get the best outcome from Claude with as little work as possible. Early adopters wanted every raw knob; today, most teams arriving at Anthropic want a substantial set of things "out of the box." The platform's job is to keep shrinking the distance between intention and outcome. > *"It probably ends up just being like whatever it's like the set of primitives and infrastructure that enables you to basically get the outcome as fast as possible with actually as little of work as possible."* — Angela Jiang ## [04:09] The primitives that make up Claude Managed Agents Katelyn explains that Claude Managed Agents is assembled from the same primitives available to anyone on the Messages API — code execution sandboxes, web search, and built-in tools — but wrapped in a curated harness Anthropic has already battle-tested internally. Angela adds that the team is opinionated about two primitives in particular: file systems and skills. These are treated as load-bearing choices that shape how Claude behaves across all agent tasks. The platform is designed to be modular so developers can plug in custom pieces where the standard harness does not fit, and Anthropic publishes reference implementations for teams that want to stay on the Messages API directly. Dan describes his team running Claude via the `claude -p` command on Mac Minis and worries about lock-in and divergence from Claude Code. Katelyn responds that Anthropic's internal first-party products run on the same platform as external customers, which means divergence between Managed Agents and Claude Code will shrink over time. > *"We've taken what we see as all the most powerful of those things and put them together into a harness and a set of infrastructure that is just the way to get what we think is the best outcomes out of Claude."* — Katelyn Lesse ## [10:37] Why the harness and the model are becoming a single unit Angela challenges the conventional wisdom that a generic, model-swappable harness is the right architecture. As models diverge in technique across labs, the alpha is in tight harness-model co-design rather than hot-swapping. Internally, Anthropic tested multiple harness variants for the memory feature and found they performed "drastically differently." The implication: treat the agent (harness + model) as the unit of redundancy, not the model alone. Dan pushes on whether this creates path dependence in the model itself. Angela acknowledges that the primitives chosen really do shape the model's trajectory, and that being wrong about them is hard to undo. She cites models that over-indexed on reasoning versus those that went deep on computer-use as two diverging paths that are difficult to reverse. > *"The harness and the model get very paired. You still need redundancy, and you still might want to use other models for things, but you probably do it at the layer of like the agent, meaning like the harness plus the model."* — Angela Jiang ## [18:49] The infrastructure wall that kills most agent projects in production Katelyn identifies the real blocker for most agent projects: not harness engineering, but the infrastructure wall hit when teams try to move from prototype to production. Keeping a persistent server alive, managing sandbox failures, storing transcript data, and handling secure credential injection — these mundane concerns kill projects that technically "work" on a Mac Mini. Anthropic's own repeated experience of hitting this wall internally was the primary motivation for building Managed Agents. Angela describes the vaults primitive as an early step toward one-click agent deployment: once agent identity and credentials are handled securely at the platform layer, adding a Slack integration should eventually be as simple as telling Claude to "add Slack" and watching the bot appear. > *"Everyone hits the same problem of like, oh wow, I either need to like keep a server constantly running or I need to use infrastructure that will spin up and spin down, and I need to store the transcript data, and I need secure sandboxing, and all these sorts of things."* — Katelyn Lesse ## [24:49] Why team agents need a different shape than individual productivity tools Angela explains why individual productivity tools like Claude Code do not simply scale to team use. The moment three people want a shared agent that automates an end-to-end process across roles, a laptop-resident tool breaks down in availability, access control, and coordination. She cites Guillermo Rauch of Vercel's framing of an internal "AI software factory" as the right mental model: not individual augmentation, but a full organizational stack of agents that continuously produces high-leverage output for every function in the company. > *"When you get to the team layer suddenly everything gets like massively more complex. Like number one obviously it can't like sit on your laptop."* — Angela Jiang ## [26:36] How Anthropic's legal team uses an agent to review marketing copy Katelyn walks through one of Anthropic's own internal deployments: a legal-review agent that accepts marketing copy submissions and performs a first-pass review before anything reaches a human lawyer. The agent can approve copy outright or escalate for human review, eliminating low-value ticket-queue work. The form factor is a thin app layer on top of Managed Agents with shared visibility across both teams. Angela and Dan dig into why this is an agent rather than a skill: human-in-the-loop requirements, the need to spin up separate sessions, and multi-team collaboration all exceed what a single skill invocation can handle. The governance model that emerged was notable: rather than gating changes behind the platform team, end users discovered they could self-serve small improvements via Claude Code. Angela describes the end-state user experience as simply "talking to Claude," even when the underlying system is "many many Claudes engaging with each other." > *"Under the hood it's many many Claudes engaging with each other to get to the part where then they the Claudes themselves are doing the more complex work that the human doesn't really necessarily need to interpret."* — Angela Jiang ## [34:24] Using multi-agent orchestration for advisor strategies, adversarial pairs, and swarms Angela highlights three multi-agent architecture patterns people are assembling with the newly launched orchestration primitives: an advisor strategy that separates execution from advice; adversarial pairs where one agent generates and another critiques; and swarms that split a problem into many small parallel pieces and recombine results. Each pattern suits a different problem class — swarms excel at bug hunting, while wide-research tasks benefit from advisor or parallel-decomposition architectures. LEGO-like primitives let practitioners hill-climb at the architecture level, not just the prompt level. > *"If we can make the primitives very LEGO-like, then people can put them together to solve things at a slightly higher form factor, which is more like an architecture or like a strategy."* — Angela Jiang ## [35:50] How to measure agent success with outcome and budget as the end state Angela frames the long-term measurement philosophy: compress everything to an outcome and a budget, and let the platform resolve all intermediate decisions. Domain-specific evals (e.g., PR-merge rate for coding agents) remain useful today, but the target is a verifiable outcome spec that Claude can grade itself against repeatedly. Katelyn addresses the adjacent problem of agent staleness: Anthropic has built skills to help teams upgrade agents when new models ship, and the most forward-leaning teams already run meta-agents that monitor other agents for degradation and trigger upgrades automatically. > *"Our kind of principle of like maybe the end state of some of these things is that everything should kind of compress down to an outcome and like a budget. And that's probably like about it."* — Angela Jiang ## [39:11] What the platform looks like a year from now, when Claude writes its own harness Angela envisions a world where users supply only an outcome and a budget, and Claude self-selects models, spins up sub-agents, and writes its own harness on the fly — eliminating harness engineering entirely, just as today's platform has already eliminated much of manual tool construction and prompt engineering. She is cautiously optimistic that the "outcome" half of the equation may be achievable within a year with some budget error bars. Katelyn adds the infrastructure corollary: such a world requires a platform capable of supporting agents that continuously recreate themselves, handling arbitrarily shaped long-running requests without ever becoming the bottleneck. > *"Claude is actually able to understand itself enough that it can come almost like write itself on the fly to figure out what is necessary in that kind of like two-parameter world of like outcome and budget."* — Angela Jiang ## Entities - **Angela Jiang** (Person): Head of Product for the Claude platform at Anthropic; co-architect of the Managed Agents product vision. - **Katelyn Lesse** (Person): Head of Engineering for the Claude platform at Anthropic; focuses on infrastructure reliability and scale. - **Dan Shipper** (Person): Host of AI & I on Every; CEO of Every; building internal agent products on the Claude platform. - **Claude Managed Agents** (Software): Anthropic's hosted agent infrastructure — a harness plus cloud compute that wraps the Messages API with built-in memory, sandboxing, vaults, and skills. - **Messages API** (Software): Anthropic's core API; the underlying primitive on which Managed Agents and all first-party products are built. - **Anthropic** (Organization): AI safety company that builds and operates the Claude model family and its associated platform. - **Every** (Organization): Media company producing AI & I; an early Managed Agents customer building internal editorial agents. - **Stripe Minions** (Software): Stripe's internal end-to-end software development platform built on agent infrastructure; cited as a model for company-wide coding agent deployment. - **Vercel** (Organization): Developer infrastructure company; CEO Guillermo Rauch's "AI software factory" framing used as the mental model for team-level agent adoption. - **Outcome + Budget** (Concept): Anthropic's long-term design principle that the final form of agent interaction should require only a verifiable outcome and a cost ceiling, with the platform resolving all intermediate decisions.

In one of their most consequential episodes, the All-In besties dissect SpaceX's surprise compute lease to Anthropic — the deal that may cement Anthropic as AI's dominant platform — and debate whether David Sacks's "Rockefeller" framing is prophecy or paranoia. The group then wrestles with a White House trial balloon about an "FDA for AI," ultimately concluding it was mostly media spin, before closing with a bullish-but-cautious read on the AI-driven market boom. Brad Gerstner fills in for David Friedberg, bringing investor perspective from both public and private markets across the episode's 82 minutes. ## [00:00] Bestie intros! Thoughts on the LA mayor election Jason Calacanis opens with the full crew: Chamath Palihapitiya, David Sacks, and fifth bestie Brad Gerstner joining in for David Friedberg, who is out sick. The warm-up quickly turns to the LA mayoral race, where Spencer Pratt is mounting a surprisingly effective challenge to incumbent Karen Bass. The group praises Pratt's viral debate performance — evisceration of the city council candidate over homeless policy — and Chamath notes the power of a sharp social-media team in modern politics. Brad flags a California ballot initiative that would constitutionally protect retirement savings and ban a wealth tax, reading it as a potential seismic signal. Jason observes that New York City hedge-fund titan Ken Griffin publicly announced he is pulling investment from New York after NYC councilman Zohran Mamdani targeted his home in a campaign video, underlining the tension between aggressive progressive politics and capital flight. > *"If California effectively passes a constitutional amendment protecting retirement savings and personal assets and banning the wealth tax and [Spencer Pratt] gets elected, the message that would send to the country — that's a very non-consensus view that I'm becoming increasingly optimistic about."* — Brad Gerstner ## [04:38] SpaceX-Anthropic deal, Elon Web Services, SpaceX IPO valuation, Anthropic's insane growth trajectory Jason leads with the blockbuster news: SpaceX has leased all of Colossus 1 — its H100-based Memphis data center — to Anthropic, adding over 220,000 Nvidia GPUs and 300 megawatts to Anthropic's supply-constrained capacity. The deal immediately doubled Claude Code's rate limits and removed peak-usage caps for paid users. Chamath frames Anthropic's explosive growth as purely supply-constrained: if unlimited power existed, revenues would be "even more parabolic." He sees the deal as Elon strategically de-risking SpaceX's valuation story — blunting bear cases around delayed orbital data centers while generating near-term revenue to subsidize Grok training. Brad estimates the arrangement adds $4–5 billion in incremental 2026 revenue for SpaceX, calling EWS (Elon Web Services) a genuine fourth hyperscaler alongside AWS, Azure, and GCP. He also warns that organized activists — not organic local opposition — are using the same playbook that stalled nuclear construction in America to delay data-center permitting. David Sacks notes that Anthropic grew from $10B ARR on January 1 to $44B ARR by April — a trajectory he calls unlike anything Silicon Valley has ever witnessed. > *"Nobody in Silicon Valley has ever seen anything like it. Forget about the rest of the country. I mean, all we do in Silicon Valley is deal with exponentials. And still, people have never seen that kind of growth at that level of scale."* — David Sacks ## [26:48] Is Anthropic the next great monopoly? Early signals or major overreaction? David Sacks draws an extended analogy between Anthropic and John D. Rockefeller's Standard Oil, arguing that safety-first rhetoric can function as regulatory capture — building a moat that locks in the emerging duopoly of Anthropic and OpenAI while blocking competitors. He notes that if Anthropic sustains its 10× annual growth for just 18 more months it could become "the most powerful monopoly ever created in human history," dwarfing the combined Mag-7 revenue. Brad pushes back hard: Anthropic and OpenAI are still fledgling startups on a GAAP basis, Google and Amazon are producing hundreds of billions in free cash flow to fund competing models, and pre-emptive antitrust action at the starting line of AI would be "a disaster." Jason translates Brad's position as "don't mess with my paper," since Altimeter holds positions in several of these companies. Sacks clarifies his northstar is vigorous competition — but he flags Anthropic's banning of OpenClaw from using its API as a concrete anti-competitive act worth scrutiny. > *"Unless something about their current trajectory changes, Anthropic will be the most powerful monopoly ever created in human history — a trillion dollars of ARR growing at some rate. Dario calls it AGI. I call it the biggest monopoly in human history."* — David Sacks ## [35:21] "FDA for AI" freakout, how the White House thinks about AI safety Reports surfaced that the White House was considering an executive order to create an AI working group that could require pre-release safety reviews for new frontier models — triggered, according to the New York Times, by Anthropic's classified "Mythos" model reportedly alarming national-security officials. NEC Director Kevin Hassett appeared on Fox Business drawing an FDA analogy, while Treasury Secretary Scott Bessent spoke more carefully about balancing innovation and safety. Sacks calls much of it "fake news" amplified by Andrew Ross Sorkin's DealBook column, noting that Susie Wiles, the White House Chief of Staff, issued a statement walking back the FDA framing. He reveals he spoke with Hassett directly and confirms no senior official actually supports a pre-approval regime. He points to the White House's March 20 National AI Regulatory Framework as evidence the administration favors specific solutions over broad regulatory capture. The group converges on one concrete measure: KYC (Know Your Customer) requirements before frontier model API access during preview periods, plus rapid deployment of cyber-capable AI to companies like CrowdStrike and Palo Alto Networks. > *"There is a substantial faction of AI ideologues or doomers who are basically employing the classic 'never let a crisis go to waste' strategy. Yes, we do have this cyber issue that is real — everyone needs to harden their systems now. But what they're trying to do is use that issue to try and create a permanent new infrastructure in Washington."* — David Sacks ## [52:01] Flipping AI's negative perception: Giving, healthcare and education innovation Jason shifts from regulatory defense to offense: how should the tech industry proactively counter negative public perception of AI? He proposes that companies going public — Anthropic, OpenAI, SpaceX — could dedicate 1–5% of IPO proceeds to every American via "Invest America" accounts, creating tangible shared upside. He also calls for serious engagement on minimum wage and universal healthcare, arguing that a financially healthier consumer base is structurally good for capitalism itself. Brad endorses the "Invest America" concept, adding that data center host communities should receive direct benefits like free local electricity. David pivots to political salience data: AI ranks 29th out of 39 voter issues — well below cost of living and economic growth, two metrics where AI is actively deflationary and expansionary. The industry's real message should be economic delivery, not safety governance. Chamath gives tech leaders a "D-minus trending to F" for communications and calls for tangible reinvestment in America at scale. > *"I think that there's a pretty profound vibe shift with respect to tech, tech oligarchs, Silicon Valley, and particularly AI. That vibe shift has already happened on Main Street, and I think that's starting to seep into Washington."* — Chamath Palihapitiya ## [60:04] Trading the AI market, state of the economy Brad leads a comprehensive market check: AWS on a $150B run rate (28% growth), Azure at $108B (39%), Google Cloud at $80B (63%). The S&P 500 is at all-time highs, the 10-year sits at 4.3%, and inflation is under control — far better outcomes than the doom scenarios predicted around tariffs and geopolitical conflicts. S&P 500 operating margins improved from 11% in 2023 to 13% in Q1 2026, and the Mag-5's combined headcount grew only 3% over three years while revenues surged. Chamath urges caution: there is still no direct evidence AI is lifting enterprise profit margins in aggregate, and a reckoning arrives in roughly 500 days when the fork between opex reduction and revenue growth will determine whether the AI boom is real or a mirage. Jason counters that for startups the ROI is already "fait accompli" — AI-generated ad creative at Nike and DoorDash, portfolio companies shipping product at half the headcount. David credits Trump administration policies — rescinding Biden's chip-export licensing and AI-approval regime, unleashing energy permits — for creating the conditions that enabled the boom, and notes that the unemployment rate for recent college graduates has actually improved, contradicting the entry-level-job-loss narrative. > *"I think we have kind of call it 500 days where you just got to be net long. But I think it's literally in the hundreds of days from now that you're going to have to have an important reckoning moment. The people that are paying for all these tokens need to see an actual benefit."* — Chamath Palihapitiya ## Entities - **Jason Calacanis** (Person): Host and moderator; angel investor and podcast co-founder - **Chamath Palihapitiya** (Person): General partner, Social Capital; co-host; contrarian macro voice on AI ROI and market cycles - **David Sacks** (Person): Co-host; former White House AI & Crypto Czar; framed Anthropic as a potential historic monopoly using the Rockefeller analogy - **Brad Gerstner** (Person): Founder & CEO, Altimeter Capital; fifth bestie; bullish on compute stocks and AI market structure - **Dario Amodei** (Person): CEO of Anthropic; referenced as "Daario D. Rockefeller" by Sacks; party to the SpaceX compute deal - **Elon Musk** (Person): CEO of SpaceX and xAI; architect of Elon Web Services and the Colossus 1 compute lease strategy - **Anthropic** (Organization): AI lab behind Claude; grew from $10B to $44B ARR in four months; center of monopoly and FDA debates - **SpaceX / xAI** (Organization): Lessor of Colossus 1 data center to Anthropic; emerging fourth hyperscaler under EWS branding - **Elon Web Services (EWS)** (Concept): SpaceX's compute-leasing business positioned as a hyperscaler competitor to AWS, Azure, and GCP - **Mythos** (Software): Anthropic's classified cyber-capable frontier model that reportedly alarmed White House national-security officials - **KYC for AI** (Concept): Proposal to require identity verification before granting API access to frontier models during preview periods - **Invest America** (Concept): Proposal for IPO-stage tech companies to dedicate a share of proceeds to universal investment accounts for US citizens

Um breve tutorial da Anthropic sobre os hooks do Claude Code: a saída de emergência determinística para tudo que precisa acontecer absolutamente em toda edição, toda chamada de ferramenta, todo commit. A mensagem central: se você escreve "sempre execute o prettier" no claude.md e torce para funcionar, você já perdeu. Mova para um hook. ## [00:02] O que são hooks e por que são determinísticos Hooks disparam em pontos fixos do ciclo de vida do Claude Code, e o argumento central do narrador é que, diferente de instruções no nível do prompt, eles sempre executam. Dizer ao modelo no claude.md para rodar o prettier após cada edição funciona na maioria das vezes, mas "na maioria das vezes" é exatamente a brecha que um hook fecha. Mesma intenção, mas imposta pelo runtime em vez de sugerida ao LLM. > *You can tell Claude in your claude.md file to run prettier after every file edit and most of the time it will do that, but sometimes it won't. It's not perfect. But a hook makes it happen every single time with no exceptions.* ## [00:37] Casos de uso comuns Quatro exemplos representativos definem o escopo: formatação automática após edições de arquivos, registro de todos os comandos executados para conformidade, bloqueio de operações perigosas como modificar arquivos de produção, e envio de notificações quando o Claude termina uma tarefa longa. > *Common use cases could include auto formatting after file edits, logging all executed commands for compliance, blocking dangerous operations like modifying production files, and sending yourself notifications when Claude finishes a task.* ## [00:52] Configurando hooks e os cinco eventos do ciclo de vida A configuração fica em `settings.json`: escolha um evento, opcionalmente restrinja com um matcher para qual ferramienta ele se aplica, então forneça um comando shell. Cinco eventos cobrem o loop: `UserPromptSubmit` antes que o Claude veja um prompt, `PreToolUse` e `PostToolUse` envolvendo cada chamada de ferramienta, `Notification` quando o Claude avisa o usuário, e `Stop` quando o Claude termina de responder. > *Pre-tool use which runs before a tool call, post-tool use runs after a tool call completes. Notification runs when Claude sends a notification, and stop runs when Claude finishes responding.* ## [01:22] Formatação automática com um hook post-tool-use O exemplo canônico: um hook `PostToolUse` com um matcher de `Edit` ou `MultiEdit` dispara sempre que o Claude modifica um arquivo. O comando verifica a extensão e direciona para o formatador correto: prettier para TypeScript, gofmt para Go, ruff para Python, ou o que o projeto padronizar. > *You set a post-tool use hook with a matcher of edit or multi-edit, right? So, it fires whenever Claude modifies a file. The command checks the file extension and runs the appropriate formatter.* ## [01:49] Bloqueando chamadas de ferramentas com pre-tool-use e códigos de saída Hooks `PreToolUse` recebem o nome da ferramenta e a entrada como JSON no stdin e decidem via código de saída: `0` prossegue, `2` bloqueia. Quando um hook bloqueia, o que ele escreveu no stderr é enviado de volta ao Claude como feedback, para que o modelo saiba o motivo e possa ajustar seu plano. É aqui que se aplicam as regras rígidas: bloquear gravações em um diretório de configuração de produção, recusar comandos bash contendo `rm -rf`, bloquear commits na main. A perspectiva do narrador: coisas que a equipe precisa garantir, não apenas sugerir. > *If it exits with code two, the action is blocked and the STD error message gets fed back to Claude's feedback so Claude knows why it was blocked and can adjust.* ## [02:26] Hooks no nível do projeto e compartilhamento em equipe Os hooks em `.claude/settings.json` têm escopo de projeto e podem ser commitados no repositório, o que significa que toda a equipe os herda automaticamente ao clonar. Referencie scripts pela variável de ambiente `CLAUDE_PROJECT_DIR` para que os comandos sejam resolvidos corretamente independentemente do diretório de trabalho atual do Claude. A regra final: se algo precisa acontecer sempre sem falhas, não coloque em um prompt, coloque em um hook. > *If something needs to happen every time without fail, don't put it in a prompt. Put it in a hook.* ## Entities - **Anthropic Tutorial Narrator** (Person): A voz oficial da Anthropic para a série de tutoriais Claude Code 101. - **Claude Code** (Software): A ferramenta de codificação terminal agêntica da Anthropic à qual os hooks se conectam nos eventos do ciclo de vida. - **Hooks** (Concept): Comandos determinísticos que disparam em pontos fixos no loop do Claude Code, a alternativa imposta pelo runtime às instruções no nível do prompt. - **settings.json** (Configuration): Onde os hooks são declarados; `.claude/settings.json` na raiz do projeto é versionado no repositório para que as equipes compartilhem as mesmas regras. - **PreToolUse / PostToolUse / UserPromptSubmit / Notification / Stop** (Events): Os cinco eventos do ciclo de vida aos quais um hook pode se conectar. - **CLAUDE_PROJECT_DIR** (Environment variable): Usada dentro de comandos de hook para referenciar scripts relativos ao projeto, independentemente do diretório de trabalho atual do Claude.

Matt Pocock joins swyx at AI Engineer Europe to argue that the old software design canon — DDD, deep modules, ubiquitous language — matters more, not less, in the AI coding era. The thesis: code is not just a compile target; a codebase that is easy for humans to change is easy for AI to change. Along the way they cover course-making, why traditional lectures still beat AI-native learning, and TypeScript's quiet takeover of AI engineering. ## [00:04] Opening at AIE Europe and the Cursed Course swyx welcomes Matt to the AI Engineer Europe podcast booth in London. Matt jokes that AIE is "the worst" event he has ever attended (the location is in fact astonishing) before turning to his Claude Code course, which is just wrapping up its two-week cohort. He explains why he runs short cohorts: AI moves so fast that self-paced courses cannot guarantee updates, and the "curse" of releasing into breaking changes — AI SDK v5 dropped on day two of his AI SDK v4 course, and the Claude Code source leaked during this one — is now baked in. The conversation then turns to teaching as a craft. Matt rejects the "pundit" branch of YouTuber identity — he is not trying to predict the future, only to teach durable material — and notes that being a teacher first is what differentiates his content. > *I'm not a guy who's trying to predict the future. I'm just trying to teach.* ## [02:51] Why Engineering Fundamentals Matter More with AI Matt previews his AIE talk. The popular narrative says code no longer matters because English plus an AI compiler can produce applications. Every time he tried to ignore the code, he ended up with "a terrible mess." So he went back to the classics — *Extreme Programming*, *The Pragmatic Programmer*, *A Philosophy of Software Design*, DDD — and discovered they ported directly into prompts. Keeping the architecture in your head, even when you delegate implementation, yields outsized dividends. > *If you have a code base that's easy to change for humans, it's going to be easy for AI to change, too.* ## [04:23] Narrow Waist and Deep Modules swyx introduces the "narrow waist" concept from internet architecture (TCP/IP, HTTP at layers 3–4) as a way to contain AI-generated slop: define rigid interfaces, delegate the inside. He extends it to running AIE as a nine-person business — "model-view-claw" instead of MVC, where coordination across people and AI is the real systems problem. Matt maps this onto John Ousterhout's notion of *deep modules*: a large amount of functionality behind a simple interface, ports and adapters style. This is, in his experience, the best way to use AI for coding — be intentional about the interface as a human, then delegate the implementation. > *Deep modules basically — a large amount of functionality with a simple interface. Kind of ports and adapters, right?* ## [06:37] Domain-Driven Design Meets AI DDD is having a moment, and Matt argues it works *because* the framework has been around long enough to sit in the latent space of these models. You do not have to invent new vocabulary; you can bolt on a system that is composable and that the model already understands. The deeper point: DDD is fundamentally about aligning code with language, which is exactly what you want when speaking to an AI. He makes it concrete with the `mattpocock/skills` repo (≈13k stars) and its "ubiquitous language" skill — a Claude Code skill that scans your codebase, surfaces the arcane jargon, and refines it with you into a markdown file he keeps open while prompting. He references it from `agents.md` but does not paste it wholesale, so the agent finds it when searching for those terms. > *Essentially, you're trying to create a unified domain model so that the AI and you are speaking the same language.* ## [10:05] Teaching as an Overpowered Skill swyx asks how Matt got so good at explaining things. Matt credits six years as a voice coach before becoming a developer — communication felt like an unfair advantage when he started as a junior. He has since narrowed his focus: split time between learning material and finding the right phrases for it. The old texts help because they give him pre-built mental models to explain new ideas through. He walks through his course-making process: an "explore and exploit" phase, a Zettelkasten-style Obsidian vault, a custom planning app, P1/P2/P3 prioritization, and the rule that *each lesson teaches exactly one thing* with dependencies made explicit. Most of what he produces ends up on the cutting room floor. > *The ability to communicate always just felt like a ridiculous overpowered skill that I had in my locker that no one else had.* ## [13:20] How People Actually Learn AI Engineering The conversation turns to whether AI has changed how people learn. Matt distinguishes knowledge (lectures), skills (interactive exercises), and wisdom (small-group discussion — and now, talking to an AI). Counterintuitively, the more he leans into AI-experimental teaching, the more it turns his audience off. Most learners still want traditional lectures; swyx recalls Maven's cohort-based education arc landing in the same place. Matt's compromise is to force the work without forcing the form: in his TypeScript material he throws learners into a problem first and gives them the knowledge afterwards. > *The more I lean into the kind of AI experimental stuff, the more it actually turns people off my materials.* ## [15:04] TypeScript Overtaking Python swyx flags that TypeScript overtook Python in the GitHub survey this year — a shift he did not see coming, particularly in AI engineering where Python's expressiveness has been dominant on the backend. Matt's echo chamber is 100% TypeScript, but his real argument is ecosystem: when you care about UX and shipping chat-style applications, the framework gravity is in TypeScript (Vercel's Next.js, Cloudflare's variants). swyx admits this would meaningfully change which frameworks he promotes. > *If you're concerned about UX, concerned about shipping great stuff, you're mostly doing it in TypeScript.* ## [16:45] Inversion of Control and Composable Skills Matt looks ahead. His TypeScript-evals bet (Everlight) stalled — "no one's excited to do evals." The next frontier is *inversion of control*: as coding agents converge on similar architectures (Firebase-style backends, small tool sets), the interesting axis becomes how much control sits with the developer versus the harness. Claude Code's opacity buys ease of use but loses observability; Pydantic AI ("Pi") swings the other way — total control, total maintenance burden. He closes by pointing past coding agents entirely. Software engineers are a step ahead because AI produces quality output in their domain, but the composable skills he authors — like his three-sentence "grill me" skill that makes the AI interrogate you until you reach a shared understanding — generalize to any domain where you want the AI aligned with you. > *The inversion of control is going to be really important — you put more control in the hands of the developer and less in the harness.* ## Entities - **Matt Pocock** (Person): Creator of Total TypeScript and AI Hero; teaches TypeScript and AI Engineering through two-week cohort courses. - **Shawn Wang / swyx** (Person): Host; founder of AI Engineer and the AIE conference series. - **AI Engineer Europe (AIE)** (Organization): The London conference where this conversation was recorded; Matt's talk hit 1M views in 13 days — fastest in AIE history. - **AI Hero** (Organization): Matt's AI engineering education platform (aihero.dev). - **Claude Code** (Software): Anthropic's coding agent; subject of Matt's just-finished course and a recurring example throughout. - **Domain-Driven Design (DDD)** (Concept): Software methodology centered on aligning code with the language of the business domain; Matt argues it ports cleanly into AI prompting. - **Ubiquitous Language** (Concept): DDD practice of maintaining a shared vocabulary doc; Matt's namesake Claude Code skill scans a repo and refines this with the user. - **Deep Modules / Narrow Waist** (Concept): Architectural pattern (Ousterhout / internet protocols) of large functionality behind a small interface — Matt's preferred shape for AI-assisted codebases. - **mattpocock/skills** (Software): Matt's open-source repository of Claude Code skills; ≈13k stars at recording time. - **Pydantic AI (Pi)** (Software): Python agent framework built from low-level primitives; cited as the high-control counterpoint to Claude Code's opaque harness. - **Obsidian** (Software): Note-taking app reportedly run by a team of four; the example for non-engineering domains where AI leverage compounds.

Dan Shipper and Austin Tedesco, Every's head of growth, discuss why the Codex desktop app has become their primary interface for all knowledge work — from drafting go-to-market plans to building live KPI dashboards — displacing Claude Code after months of side-by-side use. Dan frames the shift as the emergence of a new "agent management interface" operating system, while Austin walks through his live Codex setup in a screen-share session that covers automations, specialized agent suites, and recruiting workflows. The episode doubles as a practical field guide for non-engineers who want to run the same playbook. ## [00:00] A new operating system for knowledge work Dan opens cold: three months ago Codex was trash. Now Austin is the one firing it up before anything else each morning and routing 80 percent of his working time through it. Dan reads what changed structurally: a general-purpose coding agent that can reach into your filesystem, browser, and connected apps is becoming the operating system for knowledge work, and every major lab is racing for that surface. > *"There's a new operating system for how and where you're going to get your work done and it's this kind of agent management interface."* — Dan Shipper ## [00:57] How Codex went from a tool for senior engineers to a daily driver for knowledge work Dan traces the arc of Codex from its original positioning as a sandboxed pair-programming tool for senior engineers — one that "would argue with you, it would make you feel stupid" — to today's desktop app built on GPT-5.5. He attributes the pivot to OpenAI watching Anthropic prove with Claude Code that an emotionally intelligent, fast, computer-native agent creates a step-change experience for programmers and knowledge workers alike. The race is now between model companies to own the agent management desktop: Anthropic has Claude Code and Claude.ai desktop, OpenAI has Codex, and xAI has effectively acquired Cursor. ## [02:42] How Claude Code proved that a great coding agent works for any knowledge work Dan explains the insight that changed everything: if an agent can write software autonomously, it can do any kind of knowledge work autonomously. Claude Code demonstrated this first, drawing non-engineers — including Austin — into an agent-first workflow. OpenAI's hard pivot on Codex over the last three months is a direct response to that proof point. Dan describes the new paradigm as one where your agent is your interface to software, the internet, and daily tasks, not just a code co-pilot. > *"If it can write software on its own, it can do any kind of knowledge work on its own."* — Dan Shipper ## [07:24] Austin's switch to Codex Austin recounts his agent-pill moment: spending a December week inside Claude Code CLI, hooking it up to every tool he uses for work and personal life, and finding it indispensable for strategic thinking, data analysis, and drafting marketing copy. His initial Codex trial two months later felt alienating — the model was condescending, asking "Why?" when he requested clearer explanations. He kept Claude Code for 80 percent of knowledge work while tolerating Codex for engineering. The turning point was getting early access to GPT-5.5: at model parity, the decisive edge was the Codex desktop app itself — faster, better-organized, and with sub-agents that "just work." > *"So the idea that the codeex app is maybe 30 to 40% better is like that's a lot of work."* — Austin Tedesco ## [13:48] How Austin set up Codex with folders, keys, and reviewer agents Austin shares his screen and walks through his "Every Growth OS" folder inside the Codex app: a directory containing API keys for every tool the company uses (Gmail, Slack, Notion, Stripe), a CLAUDE.md project context file synced to GitHub, and a set of custom reviewer agents forked from Kieran Classen's Compound Engineering plugin. Where the standard Compound Engineering reviewers focus on security and front-end design, Austin's fork — publicly available as "Compound Knowledge" — reviews for strategic alignment with company goals and data accuracy, making it fit for knowledge-work plans rather than code PRs. The folder architecture lets Austin move seamlessly from a go-to-market draft to shipping a code PR without switching apps. > *"It's connected to everything we use for every and then some project instructional files that explain what the every business is, what we care about, how we like to work together."* — Austin Tedesco ## [18:24] Using Codex to brainstorm automations across Gmail, Slack, and Notion Austin demos his recommended on-ramp for new Codex users: open a fresh chat inside the Growth OS folder, run the Compound Engineering brainstorm workflow, and prompt the model to look at Gmail, Slack, and Notion and suggest automations. Codex surfaces a "follow-up radar" that triages incoming communications across sources, a command-center view for events and camps, and a recruiting pipeline automation — all calibrated to Austin's actual work context. Within the session, Codex writes automation scripts that require almost no tweaking and begins scheduling them; Austin highlights a nightly draft-reply routine that compiles unanswered messages and prepares replies for a quick thumbs-up approval. > *"They require very little tweaking to be like this is a thing I would and do use every day of there's this set of instructions that it comes up with based on what it knows about me."* — Austin Tedesco ## [22:42] How Austin manages the human review step when Codex is drafting communications A live audience question from Margaret prompts Austin to describe his human-in-the-loop review discipline. All drafting and orchestration happens inside Codex, but the final review intentionally lives in the native app: Slack draft replies are reviewed in Slack's drafts tab; email drafts are reviewed in Gmail; strategic plans are reviewed in Notion or the Proof markdown viewer. Stepping out of the agentic interface "freshens up my brain" before anything goes to a human. A second question from musician Alex about protecting high-value client emails leads to a discussion of how Austin uses Every's Kora email assistant together with Codex-managed rules, including having the agent interview the user to derive email rules rather than asking the user to specify them manually. > *"I just like for like the last pass before humans engage with it to step away from this agentic space and have a final check in another surface."* — Austin Tedesco ## [28:54] Using Codex to build specialized agents inspired by product executive Claire Vo Austin describes being inspired by a Claire Vo interview with Lenny Rachitsky in which Vo credited a suite of six specialized OpenClaw agents — rather than one overloaded master agent — as the key to unlocking leverage. Austin pasted the transcript of that interview directly into Codex and prompted it to propose six agents tuned to the Every growth function, provisioned into the company Slack. The agents occasionally break, but debugging is straightforward: screenshot the broken output or @-mention the Slack thread inside Codex and ask it to fix the agent's architecture. The result is a self-correcting loop where agent failures become Codex tasks. > *"Um I I actually just sent it the transcript of Claire's interview with Lenny and said like I want to do this too given everything you know about me and my work."* — Austin Tedesco ## [31:09] Synthesizing meeting transcripts and Slack threads into a go-to-market plan Austin walks through his most time-saving workflow: assembling a go-to-market plan for Every's upcoming Plus One product launch using nothing but Codex running the Compound Engineering brainstorm step against all existing meeting transcripts stored in Notion and Slack threads. With only five-minute windows between meetings, Austin prompted Codex to check the scheduled content calendar (a step it skips unless reminded), generate a proof doc, and push the final plan to Notion. The result was 80–90 percent complete. Dan adds the normative point: he prefers reading AI-written documents because they're easier for colleagues to produce, and the standard at Every is that you stand fully behind whatever your agent writes. > *"It's that I'm relying on the model to um look at all of the things that we've already said and thought about the go to market strategy, piece it together, and then review it, right?"* — Austin Tedesco ## [40:15] Building a live KPI tracker in Notion that agents can read Austin shares a more technical workflow: rebuilding Every's KPI tracker as a Notion database that updates every six hours by pulling from Stripe, social platforms, and other data sources via Notion's Workers tool. The tracker is explicitly designed to be both human-readable and agent-readable, so any team member's agent can query it and take autonomous actions — such as spinning up landing pages if an SEO keyword is underperforming. The challenge: the model can't one-shot the full tracker because even a 3–5 percent error in the MRR number is unacceptable for business decisions, so Austin is validating it column by column. Dan notes the philosophical complexity of defining revenue metrics consistently. > *"And so I have been doing this big kind of like to me complex uh workflow problem in codeex of let's build this sheet together, let's have it live in a notion database that all of our agents can point at."* — Austin Tedesco ## [44:54] Using Codex for recruiting Dan describes using Codex for outbound recruiting: he asked Codex to compile a list of General Assembly alumni and then filter it for people who had subsequently moved into AI, targeting candidates for an L&D director role. The first name on the resulting list was someone Dan considered a perfect fit who already followed him on Twitter, allowing an immediate DM. The section expands into a broader Q&A: Austin discusses when to fork Compound Engineering versus using it out of the box, how the team uses a shared Notion "compound" database to capture session learnings and turn them into reusable skills, and how Every's "Think Week" — a bi-annual week with no day-to-day work — creates organizational space for deep AI exploration. > *"Especially for any kind of like outbound effort, it can kind of find that needle in the haststack that you're looking for really really well."* — Dan Shipper ## Entities - **Dan Shipper** (Person): Co-founder and CEO of Every; host of the AI & I podcast; author of essays on AI and vibe coding - **Austin Tedesco** (Person): Head of growth at Every; Codex power user who manages the Growth OS project and suite of specialized agents - **Claire Vo** (Person): Product executive whose interview about specialized agent suites inspired Austin's multi-agent setup at Every - **Kieran Classen** (Person): Engineer at Every; creator of the Compound Engineering plugin used as the basis for Austin's knowledge-work fork - **Codex** (Software): OpenAI's desktop agent app, the primary tool discussed; runs on GPT-5.5 and supports sub-agents, folder-scoped projects, and plugin integrations - **Claude Code** (Software): Anthropic's CLI-based coding agent; Austin's previous daily driver before switching to Codex - **Compound Engineering** (Software): Plugin workflow framework by Kieran Classen; provides structured brainstorm, plan, and review steps used across Claude Code and Codex - **Every** (Organization): AI-focused media and software company publishing essays, courses, and tools; runs the AI & I podcast - **OpenAI** (Organization): Creator of Codex and GPT-5.5; provider of the ChatGPT Pro subscription whose credits were offered to camp attendees - **Notion** (Software): Primary knowledge-management and document platform at Every; used for meeting transcripts, the KPI tracker, and agent-readable databases - **GPT-5.5** (Software): OpenAI model powering the current Codex desktop app; reached parity with Claude Opus for Austin's knowledge-work tasks