#29 Business mafia, compressão dos stacks de talentos e AI
People, Talent, Organizations
Um artigo muito interessante sobre as “máfias de negócio” - a mais famosa delas sendo a PayPal mafia. Já vi muita gente falando sobre as máfias aqui no Brasil, mas o artigo demonstra que elas são muito raras. Principalmente porque exigem duas coisas: uma grande concentração de talento e algum catalisador para que todos esses talentos saiam ao mesmo tempo (sem nenhum problema entre eles, já que isso os deixaria relutantes para fazer negócio uns com os outros).
https://www.nytimes.com/2005/02/06/business/yourmoney/the-drexel-diaspora.html
Essa é uma divertida cápsula do tempo. Uma coluna do NYT de 2005 sobre a rede de alumni da Drexel Burnham Lambert, escrita uma década e meia após o colapso do banco. A Drexel foi uma das máfias originais no mercado financeiro. No caso deles, o catalisador para o seu fim foi uma acusação que simultaneamente matou a empresa e ajudou a destacar quanto dinheiro as pessoas estavam ganhando.
AI & Talent
Omar Shams descreve nesse artigo como a AI mudará as organizações. O conceito de organograma foi inventado para tornar as ferrovias mais eficientes e, embora seja uma ótima maneira de modelar como uma ferrovia funciona, fica cada vez pior à medida que se aplica a mais e mais tipos de empresas. Se os organogramas e se a organização em geral tratam de lidar com o fluxo de informações - certificando-se de que a pessoa certa tenha as informações certas no momento certo -, essa é outra maneira pela qual a inteligência artificial impactará um grande número de empresas.
Não necessariamente apenas ligado aos avanços em AI, Scott Belsky discute como organizações estão comprimindo seus stacks de talentos para se tornarem mais ágeis, eficientes e centradas nos seus clientes.
Um artigo da Sequoia sobre como chamamos muitas tecnologias diferentes de AI há mais de cinquenta anos. Então, de certa forma, estamos colhendo hoje os frutos do que vem sendo desenvolvido há muito tempo. O texto traz também uma interessante análise de como o que pensamos de AI vai mudar novamente, várias vezes.