Continuous Learning_Startup & Investment

성공 확률을 높이는 방법은 무엇인가요? 저의 큰 장점 중 하나는 기대치가 매우 낮다는 것입니다. 대부분의 스탠포드 졸업생들은 명문 학교 출신이기 때문에 기대치가 매우 높으며, 당연히 그럴 만합니다. 그들은 매우 성공적이었고, 학급에서 최상위권을 차지했으며, 학비를 감당할 수 있었습니다. 지구상에서 가장 훌륭한 교육 기관 중 하나를 졸업하고 다른 뛰어난 학생들에 둘러싸여 졸업하면 자연스럽게 기대치가 높아집니다. 하지만 기대치가 높은 사람은 성공에 필수적인 회복탄력성이 낮은 경우가 많습니다. 고통을 경험하지 않고서는 회복탄력성을 가르치기가 어렵습니다. 저는 운이 좋게도 성공의 조건을 제공한 부모님 밑에서 자랐지만 많은 좌절과 고통에 직면하기도 했습니다. 우리 회사에서는 고통과 아픔이 인성을 다듬는 데 도움이 되기 때문에 고통과 아픔의 개념을 받아들입니다. 위대함은 지능이 아니라 인성에서 나오며, 인성은 고통을 통해 만들어집니다. 모든 스탠퍼드 학생 여러분, 해를 끼치는 것이 아니라 회복력과 인성을 키우기 위해 충분한 고통과 고통을 겪기를 바랍니다. 직원들의 동기 부여와 관련하여 저는 55명으로 구성된 관리팀에 둘러싸여 있습니다. 저는 직원들을 위해 리뷰를 작성하지는 않지만, 직원들이 저에게 하는 것처럼 지속적인 피드백을 제공합니다. 직원들의 보상은 간단하며 놀랍게도 많은 직원이 똑같은 보수를 받고 있어 우리에게 잘 맞습니다. 저는 꼭 필요한 경우가 아니면 일대일 미팅을 하지 않으며, 일부 소수에게만 비밀 정보를 공유하지 않습니다. 우리 회사는 민첩성을 위해 설계되었으며, 정보는 빠르게 흐르고 사람들은 자신이 아는 것뿐만 아니라 자신의 능력에 따라 권한을 부여받습니다. 저의 행동은 성공을 축하하고 실패를 처리하는 방식에 대한 분위기를 조성하며 회사의 문화와 가치를 지속적으로 주입합니다. 매일 중요한 것을 강화하고 무엇이 좋은 성과를 구성하는지를 정의할 수 있는 기회가 주어집니다.

How to improve the chances of success? One of my my great advantages is that I have very low expectations. Most Stanford graduates have very high expectations, and rightfully so, because they come from an esteemed school. They’ve been highly successful, at the top of their class, and were able to afford tuition. Graduating from one of the finest institutions on the planet, surrounded by other incredible students, naturally sets their expectations high. However, people with high expectations often have low resilience, which is crucial for success. It’s challenging to teach resilience except through experiencing suffering. I was lucky to grow up with parents who provided conditions for success, but also faced plenty of setbacks and suffering. In our company, we embrace the concept of pain and suffering because it helps refine our character. Greatness comes from character, not intelligence, and character is forged through suffering. For all Stanford students, I wish you ample doses of pain and suffering, not to cause harm, but to build resilience and character. Regarding keeping employees motivated, I’m surrounded by a management team of 55 people. I don’t write reviews for them but offer constant feedback, as they do for me. Their compensation is straightforward, and surprisingly, many are paid exactly the same, which works well for us. I don’t have one-on-one meetings unless necessary, and there’s no secret information shared with only a select few. Our company is designed for agility, with information flowing quickly and people empowered by their abilities, not just what they know. My behavior sets the tone for how we celebrate success and handle failure, continually instilling the company’s culture and values. Every day presents opportunities to reinforce what’s important and define what constitutes good performance.

Andrew Yeung didn’t know ANYONE when he moved to the U.S. 3 years ago, so he started organizing "tech parties". Today, he's built a community of 25,000 founders and investors via his events. Here’s exactly how he built his network from scratch - and how you can too 👇 Before we dive in... Quick backstory: - Andrew Yeung was born and raised in China - When he turned 18, he moved to Canada for college - He landed his first job at the "AT&T of Canada" - Worked in telecommunications for 3 years - He felt stuck in his career when the pandemic hit - He sent 1000s of DMs to interesting people - 150 of them agreed to a "virtual coffee chat" - Within 6 months, he landed his first job in tech - He fulfills his lifelong dream of moving to NYC - Andrew becomes well-known for his monthly "tech parties" - 3 years later, he has connected 25,000 people in tech 3 steps to grow your network: Step 1: Don't be afraid to send a "cold DM" Andrew always knew he wanted to live in New York City one day, but he had no idea how to "break into tech". He sent thousands of direct messages to strangers on Linkedin, Reddit, and Fishbowl. 150 of them agreed to a "virtual coffee chat". 6 months later, he landed his first job in tech!!! Want to do the same but don't know how? Here's his framework for cold DMs: ✔️ Make it relevant ✔️ Introduce yourself ✔️ Demonstrate value ✔️ Gratitude & praise ✔️ Make a clear ask Step 2: Organize your own "meet-up" Today, Andrew organizes 1,000-person tech events in every large city in the United States, but he didn't start out that way. His advice? Start small. Identify 6-8 people with a common interest. Ask them if they'd be interested in meeting up. Organize a small meet-up at a bar, restaurant, or your home. Ask everyone if they'd be interested in another event in the future. Repeat. Step 3: Attend networking events - even if you feel awkward at first 3 tips to avoid feeling "cringe" 👇 1) Go on Twitter, Reddit, or Linkedin to find people who are also going to the event. Try to organize a smaller meet-up before the actual event. 2) Be curious to be interesting. Some people believe that by namedropping and talking about themselves, they’ll convince others that they are interesting people. That rarely works. Instead, be interested in others. Ask questions and listen more than you talk. 3) Stand in areas that help spark a conversation - introduce yourself during the elevator ride up, stand by the bar, or join an existing circle. It can be nerve-racking to talk to a stranger, but remember that everyone is there for the same goal: to meet new people. Building a community? You can now book Andrew Yeung on Intro.

Today we are thrilled to share that we’ve raised $106M in a new round led by Salesforce Ventures with participation from Coatue and our existing investors. Our vision is to rapidly bring innovations from research to production and to ultimately build the best platform we can for developers, startups, and enterprises to run generative AI applications built on open-source models at production scale. Existing investors participating in the round included Kleiner Perkins, Lux Capital, Emergence Capital, Prosperity7 Ventures, New Enterprise Associates (NEA), Greycroft, Definition, Long Journey Ventures, Factory, Scott Banister, and SVA. We are also thrilled to have participation from industry luminaries including Clem Delangue 🤗, CEO of HuggingFace, Soumith Chintala, the creator of PyTorch, and Manu Sharma, CEO of Labelbox. https://lnkd.in/g5UAm-R8

<당신은 영웅의 여정을 걷고 있습니까 : 30분만에 내 커리어가 더 소중해지는 방법> 이번에 올리는 글은 30분만에 커리어 의미를 더 느끼고 직무 만족도가 올라가는 비법입니다. 우선 다음의 질문들에 솔직하게 답을 해보세요. 7점은 매우 그렇다, 1점은 전혀 아니다. 1. 내 커리어를 생각할 때, 나는 매우 명확한 목표와 목적이 있다. 2. 내 커리어에서 나의 존재는 그 자체로 목적과 의미가 충분히 있다. 3. 나는 커리어에서 명확한 목표와 만족할 만한 목적을 갖고 있다. 4. 나는 내 커리어에서 의미나 목적 혹은 사명을 찾는 능력이 매우 우수하다고 자부한다. 한 연구에서 피실험자 450명의 평균 점수는 약 5점이었습니다. 본인의 점수는 어떤가요? 만약 본인의 점수가 5점이 안된다면 아래 글을 꼭 진지하게 읽어보실 거를 권합니다. 이 측정은 스스로 삶과 커리어의 의미를 얼마나 느끼나를 평가합니다. 이 점수는 짐작을 하시겠지만 본인의 웰빙, 삶의 만족도와 큰 관련이 있습니다. 흥미로운 연구가 있습니다[1]. 본인의 삶이 소위 영화나 소설에서 보는 영웅의 여정과 유사하다고 느낄수록 이 삶의 의미가 높은 겁니다. 아래 질문들에 높은 점수를 주면 자신의 삶을 영웅의 여정으로 본다는 뜻이 됩니다. 나는 내 삶을 어떤 스토리로 보는 경우가 자주 있다. 내 삶에는 명료한 서사적 궤적이 있다. 내 삶은 모험으로 가득 차 있다. 나는 다른 사람들의 지지를 받는다. 나는 살아오면서 장애물을 극복했어야 했다. 나는 시간이 지나면서 한 사람으로서 성장해 왔다. 나는 남들에게 지속적인 영향을 남길 것이다. 조셉 캠벨이라는 신화학자는 <천의 얼굴을 가진 영웅>이라는 책 등을 통해 여러 문화권의 영웅 신화가 공통된 원형을 갖고 있다고 주장했습니다. 예를 들어 초기에 주인공이 소명을 거부하거나 혹은 스승을 만나거나, 또는 시련을 겪고 각성을 한다든가 하는. 우리가 익히 알고 있는 스타 워즈나 반지의 제왕 같은 영화들도 이 영웅신화의 구조를 갖고 있죠. 이 연구는 이 조셈 캠벨의 영웅 신화 구조를 이용했습니다. 그걸 7개 단계로 통계 분석을 통해 더 단순화 했습니다. 그리고 자신의 삶이 영웅 신화 구조와 얼마나 유사하게 느끼는가가 그 사람의 삶의 의미를 예측한다는 걸 발견했고, 더 나아가 실험을 통해, 사람들이 자신의 삶을 영웅 신화 구조에 맞게 풀어 쓰도록 유도를 하면, 실제 삶의 의미가 증가하는 걸 찾아냈습니다. 그리고 단순히 삶의 의미 증가로 끝나는 게 아니라, 흥미롭게도 직무 만족도도 바로 향상되고 우울 증상도 줄어들었습니다. 중요한 부분은 이는 단순히 상관관계 연구가 아니라 인과관계를 볼 수 있는 연구였다는 점입니다. 여러분들도 직접 해볼 수 있습니다. 실제로 연구에서 사용한 개입의 축약판입니다. 자신의 삶에서 주인공은 누구였는지, 내가 처음 어떤 전환/새로운 경험을 맞이 했고, 그를 통해 어떤 퀘스트를 수행해 왔으며, 내가 만난 협력자/멘토는 누구였고, 대마왕은 누구이고(큰 도전), 그를 통해 나는 어떻게 변신했고, 유산은 무엇인지. 그리고 마지막으로 이 모든 걸 고려해서 내 삶을 영웅의 서사시적 여정으로 어떻게 볼 수 있는지 쓰기. 순서가 중요합니다. 이걸 그냥 글로 딱 30분간 쓰는 것만으로도 여러분의 삶과 커리어의 의미가 더 생기게 됩니다. 삶의 의미가 이렇게 간단한 개입만으로도 유의미하게 증가할 수 있다는 점도 놀랍지만, 심지어 자신의 최근 몇년간 삶에서 힘들었던 고난과 문제(예컨대 실직, 건강문제, 관계 등)에 대한 “회복력“(resilience)이 하루 사이에 유의미하게 증가했습니다. 자신의 문제를 긍정적인 시각에서 새롭게 보는 긍정적 재평가(positive reappraisal)가 증가했고, 회복적 대응 전략(Resilient Coping)을 더 적극적으로 사용한다고 보고했습니다. 저는 이 연구를 보고 영감을 받아 워크숍을 만들어보기로 했습니다. 그래서 탄생한 것이 바로, <스토리 게임을 통한 커리어 재설계 워크숍>입니다. 사람들의 인지적 고착 때문에 자신의 삶을 다른 각도로 보는 것이 어렵다는 것에서 착안해서 자신의 삶을 “사이버펑크” 시대의 캐릭터로 대응을 시켜서 스토리 게임을 하게 됩니다. 이건 TRPG(테이블톱 롤플레잉 게임이라고 하고 던전 앤 드래곤 같은 게임이 대표적)에서 몇가지 형식을 빌려온 겁니다. 저희는 이걸 “미러 월드“라고 부릅니다. 참가자는 “미러 월드“와 “리얼 월드“를 오가면서 참가자와 캐릭터간의 협력을 통해 영웅의 여정을 만들어 가게 됩니다. 이걸 하고 나서는 참가자 중 한분은 ‘내가 현실에서 하는 일을 대수롭지 않다고 생각했는데, 스토리 게임을 하면서 그 일들이 엄청 의미있는 일이었구나 하는 깨달음을 얻었다‘고 말씀해주시기도 했습니다. 그리고 여기에서 한 걸음 더 나아갑니다. 위 논문의 연구에서는 자기 과거 삶을 새롭게 해석하는 거에서 멈추는데 저희는 이걸 미래로 확장해서 향후 커리어를 디자인하게 돕습니다. 전혀 새로운 시각에서요. 이 부분은 잡 크래프팅의 연구를 참고해서 “커리어” 크래프팅으로 확장했습니다. 이걸 한 후에는 ‘자신이 꿈에 그리는 커리어 발전을 위해 오늘 당장 시작해볼 수 있는 일들이 분명해져서 좋았다’는 분도 계셨어요. 심지어 여기에서 한걸음 더 나아가서, 워크숍 종료 후 3주 후에는 온라인 세션을 통해 행동계획의 진행상황을 함께 체크하고 피드백 드리는 시간도 준비되어 있습니다. 그래서 결과적으로 저희 프로그램에서도 삶의 의미 향상이 일어났을까요? 앞서 삶의 의미를 측정하는 질문을 했을 경우, 워크숍 전과 후를 비교했을 때 7점 척도에서 약 1.9점의 향상이 있어서 상당히 큰 폭의 향상이 있었습니다. 참고로 언급된 연구에서는 약 0.5점의 향상이 있었고, 저희가 설계한 인터벤션에서는 이 향상의 4배에 달하는 향상이 일어난 겁니다. 근데 이것도 사실 온라인 세션을 하기 전의 향상치라는 걸 염두에 둬야 합니다.

We are an applied AI lab focused on reasoning, and today we're excited to introduce Devin, the first AI software engineer. ‍ We’re building AI teammates with capabilities far beyond today’s existing AI tools. By solving reasoning, we can unlock new possibilities in a wide range of disciplines—code is just the beginning. We are well funded, including a $21 million Series A led by Founders Fund And we’re grateful for the support of industry leaders including Patrick Collison, John Collison, Elad Gil, Sarah Guo, Chris Re, Eric Glyman, Karim Atiyeh, Erik Bernhardsson, Tony Xu, Fred Ehrsam and so many more. More about Devin: - Devin is the new state-of-the-art on the SWE-Bench coding benchmark, has successfully passed practical engineering interviews from leading AI companies, and has even completed real jobs on Upwork. - Devin is an autonomous agent that solves engineering tasks through the use of its own shell, code editor, and web browser. - When evaluated on the SWE-Bench benchmark, which asks an AI to resolve GitHub issues found in real-world open-source projects, Devin correctly resolves 13.86% of the issues unassisted, far exceeding the previous state-of-the-art model performance of 1.96% unassisted and 4.80% assisted. Our team is small and talent-dense. Among our founding team, we have world-class competitive programmers, former founders, and leaders from companies at the cutting edge of AI including Cursor, Scale AI, Lunchclub, Modal, Google DeepMind, Waymo, and Nuro. ‍ Building Devin is just the first step—our hardest challenges still lie ahead. If you’re excited to solve some of the world’s biggest problems and build AI that can reason, learn more about our team and apply to join us here: https://lnkd.in/eZq3s_KQ

https://bluedskim.github.io/posts/tech/%ED%95%A8%EA%BB%98-%EC%9E%90%EB%9D%BC%EA%B8%B0_%EA%B9%80%EC%B0%BD%EC%A4%80_%EB%A9%94%EB%AA%A8/ 자라기(학습) 2종류의 학습, 야생학습 ⇔ 학교 학습 야생학습의 특징 협력적 비순차적 자료에 한정이 없음 평가기준이 없음 정답이 없음 목표가 불명확하고 변경되기도 함. 불확실성이 높을수록 야생학습이 중요함. 즉 학습하는 방법을 학습해야 한다 개발자의 실력과 년차 일반적으로 개발자의 가치는 그 사람의 경력(년차)로 판단. 경력이 몇년 되지 않았을 때는 쓸만한 기준이 될 수 있음. 하지만 일정 정도 년차가 지나면 경력으로 채용할 때와 관심사로 채용할 때와 상관성은 거의 동일함(5년차와 10년차는 성과 측면에서 큰 차이가 없음). 결과적으로 경력이라는 요소는 조직에 손해를 줄 수 있는 방식. 경력과 실력은 비례하지 않는다. 단 경험의 폭이 넓고 다양하다면 변별력이 있다. 개발자 채용 방법 구조화된 인터뷰: “지난 프로젝트에서 동료가 어려움을 겪을 때 어쩐 행동을 하셨는지 구체적으로 예를 들어주세요” 작업 샘플 테스트 실제로 같이 일해보기(Trial Sourcing) 같이 일할 사람들이 같이 인터뷰에 참여하기 이미 채용한 인력을 어떻게 할 것인가 구성원이 요즘에 얼마나 공부하고 수련하느냐로 그직원의 성과가 결정. 조직은 개인이 전문성을 좀 더 발전시고 관리할 수 있게 최대한 지원하는것이 효과적. 하지만 시스템과 문화에 문제가 있다면 아무리 훌륭한 구성원도 묻혀버리기 쉽다. 반대로 훌륭한 시스테과 문화속에서 평범한 구성원이 성과를 낼 수 도 있음 개발자 개개인은 년수만 늘릴것이 아니라 본인의 기량을 향상시킬 수 있는 의도적 수련이 필요. 이 수련에는 짧은 피드백이 필수. 자기 계발 자기 계발은 복리로 돌아온다(자기 계발을 하면 할 수록 가속도가 붙는다) 자신이 이미 가지고 있는 것들을 최대한 활용 외부의 자극을 최대한 빨리 체화 자신을 개선하는 프로세스 만들기 더 일찍, 더 자주 실패하고 실패에서 배우자 자신의 능력을 키워주는 도구를 점진적으로 개발 조직의 3가지 차원의 작업 A : 원래 하기로 한 일 B : A를 잘 하기 위한 작업 C : B를 잘 하기 위한 작업, 부트 스트래핑, 지수적 향상 조직의 형태 워크 그룹 : 일을 나눠서 하는 분업 조직 팀 : 집단의 지능을 높혀 생산성을 향상시키는 조직 학습 프레임 VS 실행 프레임 실행 프레임 : 성과(‘잘하기‘)가 중요함 학습 프레임 : 배우기(‘자라기‘)가 중요함 학습에 유리한 조건 목표가 분명하고 객관적으로 정해져 있으며 변경되지 않음 선택할 수 있는 행동과 종류가 유한함 매 순간 자신이 목표에 얼마나 근접했는지 알 수 있음 주로 닫힌 시스템 속에서 활동 과거의 선택과 결과에 대한 구조화된 기록이 많음 학습에 불리한 조건(암묵지, 직관이 작동하는 회색 영역) 아래에서 필요한 능력 독창성(Originality) 사회적 민감성(Social Perceptiveness) 협상(Negotiation) 설득(Persuation) 타인을 돕고 돌보기(Assisting and caring others) 코더와 개발자의 차이 : AI가 대체할 수 있는가? 가장 학습하기 힘든 직업이 살아남는다 달인이 될 수 있는 조건 실력을 개선하려는 동기 구체적인 피드백을 적절한 시기에 받을 수 있어야 함 작업의 난이도와 실력향상 가장 잘 몰입하기 위해 적절한 난이도가 필요. 어떤 난이도가 적절한지 판단하기 위해 메타인지 능력이 필요. 구성원의 실력향상을 위한 리더의 역할 구성원이 스스로 몰입 상태를 조절할 수 있는 능력을 키워줘서 자기효능감을 높혀준다. 의도적 수련의 일상적 예시 (구체적 예들이 많이 나옴...) 실수는 예방하는 것이 아니라 관리하는 것이다. 실수는 발생한다. 실수가 나쁜 결과를 내기 전에 조기에 발견하고 빠른 조취를 취하자. 이후예는 실수를 공개하고 실수에 대해 얘기하고 실수에서 배우자. 실수 예방보다 관리에 비중을 더 둘 수록 기업의 혁신 정도가 더 높다. 왜냐하면 실수가 없으면 학습하지 못하기 때문. 실수 관리를 하는 문화일 수록 학습을 더 잘한다. “더 뛰어난 스케이터가 더 자주 엉덩방아를 찧는다” 나홀로 전문가에 대한 미신 어떤 기술적 실천법이라도 그걸 현실에서 적용하기 위해서는 사회적 자본(신뢰)과 사회적 기술(소프트 스킬)이 필요. 사회적 기술을 높히기 위해 마이크로 인터렉션에 주의한다(기록, 복기, ‘그것이 최선이었을까’ 회고해보기) 함께 소프트웨어 개발을 잘 관리하기 위한 3가지 능력 복잡한 상황을 이해하는 능력 : 시스템적 사고(Systems Thinking) 관찰하는 능력 : 일차적 측정(First-Order Measurement) 행동하는 능력 : 일치적 행동(Congruent Action) 변화를 기대하기(Anticipating Change) 프로젝트 성공요소 관리 : 관리방식, 관리자 시스템 : 조직체계 사람 도구 협력을 통한 추상화 다른 시각을 가진 두 사람이 협력하기(페어 프로그래밍) 신뢰자산이 높은 조직은 커뮤니케이션 효율과 생산성이 높음 신뢰(communication trust)자산을 높히는 방법 투명성 공유 인터렉션 이해(상대성을 인정하자) : 사고 과정에 대한 이해, 어떤 가치관을 가지고 있는지, 어떤 방식을 선호하는지 하향식 VS 상향식 문제를 분류하자 잘 정의된 문제(well-defined) : 디자인이 필요 정의되지 않은 문제(ill-defined) : 디자인 불필요 실제로는 하향식과 상향식 방법을 번갈아 가면서 사용한다. 조직이 문제를 해결하는 방법(협력 모델) 의사소통의 문제 : 바통터치에 너무 많은 비용이 발생 모든 사람들이 모든 단계의 전문가가 되도록 하거나 VS 바통 터치의 비용을 줄인다 삼투압식 의사소통, 은연중에 정보가 조직에 스며들도록 한다 한번에 처리되는 일의 양을 줄인다 전문가팀이 실패하는 이유 : 전문가들의 ego 때문에 협력을 안하려 한다 협력을 위해서는 신뢰가 바탕이 되어야 함 쾌속 학습팀 학습 환경을 만들 수 있는 리더가 필요(하지만 학습 의지가 있는 구성원이 없다면 -.-) 팀원들이 심리적으로 보호받고 있는가 새로운 것을 제안하고 시도하는데 열려있는가 실패에 관대한가 잠재적 문제를 지적하고 실수를 인정하는데 부담을 느끼는가 애자일 확률론 관심사의 섞임(mingling of concern)을 통해 서로서로 많은 것을 배울 수 있다. 팀원들을 최대한 섞이도록 한다. 한명이라도 중요한 발견을 하면 나머지 모든 구성원이 공유(copy)할 수 있도록 한다. 직렬적 조직 vs 병렬적 조직 : 직렬적 조직에서는 가장 약한 개체의 능력이 그 조직의 능력(AND 조건), 병렬적 조직은 각 개체 능력의 평균치가 그 조직의 능력치(OR조건) 애자일은 좋은 일에 대해서는 ‘그리고’ 확률을 ‘또는’ 확률로 바꾸고 나쁜 일에 대해서는 ‘또는’ 확률을 ‘그리고’ 확률로 바꿉니다. 애자일 : 함께 자라기 불확실성이 더 높은 프로젝트에 적합 불확실성이 낮은 프로젝트는 비즈니스적 가치가 떨어짐 미래의 불확실성은 자연스러운 것 ‘학습‘과 ‘협력’이 불확실성에 대한 대안이다 “고객(모든 이해 당사자)에게 매일(자주) 가치를 전하라” 애자일 성공요인 고객참여 리팩토링 자동화 테스트 코드 공유 뛰어난 애자일 코치 당신의 조직에 새 방법론(애자일)이 먹히지 않는 이유 조직의 당신에 대한 신뢰가 부족하기 때문 문화적 풍토, 생성적 과정

The Buffett Index: Why Warren Buffett might be selling more Apple soon @chamath 's insight: One way to tell if @WarrenBuffett has gotten disengaged from a company is the number of mentions in his annual letter to shareholders the facts: -- Buffett first bought $AAPL in 2016 -- his position was worth ~$175B at the end of 2023 -- 2020 letter: 11 $AAPL mentions -- 2021: 10 mentions -- 2022: 2 mentions -- 2023: 1 mention -- in Q4 23, Berkshire sold close to ~$2B worth of $AAPL (~1% of its ~$175B position) So here's the precarious setup for $AAPL: 1) Apple has a lot of headwinds (flat iPhone revenue, regulatory scrutiny, etc.) 2) Annual letter mentions have gone down 3) Buffett just started selling BONUS: Buffett followed a similar pattern with his Wells Fargo position! -- Buffett first bought $WFC in 1989/1990 -- $WFC was at one point one of Berkshire's largest holdings -- annual shareholder letter mentions went to 0 starting in 2016 -- Buffett started selling around late 2017/early 2018, and closed his position in 2022 *note: mentions = written mentions, not including appearances in charts or tables **note: not investment advice

https://youtu.be/E4TldCRLyoo?si=NAU-4ckVk4DsAcGG AI Startup들이 고민해야할 주제들 1. AI로 인해 변화될 기회 - 미국 소프트웨어 회사들의 매출 $0.5t - 인건비 베이스로 지출하는 비용: $3.5t - 이 중 10%가 AI로 대체된다면 약 $0.35t로 기존의 소프트웨어 매출과 비슷함. 여기에 AI로 새롭게 만들어질 기회까지 고려하면 시장은 더 커짐. - 최근 Klarna가 AI를 적극 활용해서 고객응대의 비용은 줄이고 만족도는 높임. https://www.klarna.com/international/press/klarna-ai-assistant-handles-two-thirds-of-customer-service-chats-in-its-first-month/ 2. 당신이 푸는 문제가 특별한 도메인인가? 아니면 특별한 Workflow인가? - 당신이 보완/대체하려는 업무는 얼마짜리 업무이고 얼마나 많고 큰 기회인가? - AI로 대체할 수 있는가 아니면 AI로 훨씬 더 낫게 만들 수 있는가? 3. 빠른 Feedback loop를 만들 수 있는가? - 스타트업이 가진 Unfair Advantage는 속도인데, AI 스타트업에게 속도란 제품-데이터-모델-제품개선 사이클의 속도. - 제품을 만들어서 고객의 Unique한 데이터, 피드백을 받아서 내가 가진 모델이 지속적으로 나아지면서 모델의 개선이 고객의 경험 만족과 지불로 이어지는가? 그리고 그 속도가 아주 빠른가?

1. Problem definition & Market sizing - How much is it the task? -> How many/big? - Could it be automated by AI or Could it be much better with AI? 2. Build your product - Gain customers data and improve your AI - Is your data unique your competitors cannot access? 3. Feedback loop - Based on customers data and feedback, is your AI much better?

https://www.sequoiacap.com/article/follow-the-gpus-perspective/ The financial dynamics surrounding the use of GPUs (Graphics Processing Units) in the AI industry. It highlights a significant cost consideration: for every $1 spent on a GPU, an equivalent amount, approximately $1, is required for energy costs to operate the GPU within a data center. With Nvidia projected to achieve $50 billion in GPU revenue by year-end—a figure deemed conservative based on analyst forecasts—this scenario suggests that data center expenditures could reach around $100 billion. Furthermore, the article underscores the necessity for end users of GPUs, such as Starbucks, X (formerly known as SpaceX), Tesla, Github Copilot, or emerging startups, to achieve a 50% margin to sustain their operations and investments in GPU technology[1]. Sources [1] AI’s $200B Question https://www.sequoiacap.com/article/follow-the-gpus-perspective/