Poniższe notatki pochodzą z rozmowy Lenny’ego Rachitsky’ego z Brianem Balfoure – założycielem Reforge i byłym head of growth w HubSpot. Wszystkie analizy, prognozy i przemyślenia przedstawione w artykule to obserwacje i wnioski wypracowane przez rozmówców na podstawie ich wieloletniego doświadczenia w branży technologicznej.

TL;DR

Nowa platforma dystrybucji prawdopodobnie pojawi się w ciągu 6 miesięcy, najprawdopodobniej oparta na ChatGPT
4-etapowy cykl platform powtarza się historycznie: warunki rynkowe → identyfikacja fosy → otwarcie → zamknięcie
Startupy muszą iść „all-in” na jedną platformę, podczas gdy większe firmy mogą rozłożyć stawki
Dylemmat więźnia: nieuczestniczenie oznacza oddanie przewagi konkurentom
Retencja i zaangażowanie są ważniejsze niż czysta liczba użytkowników przy wyborze platformy
Twarde ograniczenia w firmach (jak limity zatrudnienia) przyspieszają adopcję AI
Okno możliwości stale się skraca – cykle platform trwają coraz krócej

Dlaczego tradycyjne kanały wzrostu przestają działać

Według analizy Balfoura, gra startupów stała się znacznie trudniejsza w ostatnich latach przez trzy główne czynniki. Po pierwsze, incumbenci kopiują rozwiązania szybciej niż kiedykolwiek, co systematycznie skraca okno na zdobycie przewagi konkurencyjnej.

Jednocześnie organiczna dystrybucja systematycznie maleje:

SEO traci na skuteczności przez spadek kliknięć
LinkedIn zmienił algorytm, ograniczając organiczny zasięg
Platformy społecznościowe coraz mniej chętnie kierują ruch do zewnętrznych stron
Twitter/X przeszedł transformację, która ograniczyła dystrybucję

Wreszcie, AI zwiększa konkurencję – tworzenie oprogramowania stało się łatwiejsze. Jak zauważa Balfour, YC „wypuszcza sześć identycznych firm w każdej kohorcie”.

Casey Winters podkreślił 18 miesięcy temu kluczową kwestię: AI był zmianą technologiczną, która nie przyniosła jeszcze zmiany w dystrybucji. Historycznie najsilniejsze przemiany technologiczne (internet, cloud, mobile, social) były właśnie te, które tworzyły nowe platformy dystrybucji. Według prognoz Balfoura, obecnie jesteśmy w punkcie, gdzie ta druga fala – zmiana dystrybucyjna – właśnie nadchodzi.

Anatomia 4-etapowego cyklu platform

Balfour, który osobiście przeszedł przez kompletny cykl platformy Facebook we wczesnej karierze, zidentyfikował powtarzający się wzorzec. Inspiracją była obserwacja Alexa Rampla z Andreessen Horowitz, który 10 lat temu napisał: „Startupy to gra polegająca na zdobyciu dystrybucji zanim incumbent zdąży skopiować”.

Ta koncepcja „escape velocity” – ucieczki przed kopią – stała się fundamentem analizy Balfoura:

Etap 0: Warunki rynkowe

Pojawia się konsensus co do nowej, dużej kategorii (social, mobile, AI). Jednak brak wyraźnego zwycięzcy – między 5-7 głównych graczy walczy o dominację. Stawki są wysokie, ponieważ historycznie wszystko kończy się monopolem lub duopolem.

Etap 1: Identyfikacja fosy

Jeden z graczy pierwszy rozpoznaje, co stanie się jego przewagą konkurencyjną. Następnie musi tę fosę budować tak szybko, jak to możliwe. Nie da się tego zrobić w pojedynkę – dlatego potrzebny jest ekosystem.

Etap 2: Otwarcie platformy

Firma otwiera platformę dla zewnętrznych deweloperów. Wymiana wartości jest jasna: deweloperzy dodają funkcjonalności i angażują użytkowników, w zamian otrzymują nowy kanał dystrybucji.

Etap 3: Zamknięcie i monetyzacja

Platforma stopniowo ogranicza dostęp. Dzieje się to z trzech powodów: potrzeba monetyzacji, zapobieganie własnej disrupcji, lub wprowadzanie opłat za wcześniej darmowe funkcjonalności.

Lekcje z historii platform

Facebook: Mistrz efektów sieciowych

W 2007 roku Facebook był 4-5 razy mniejszy od MySpace czy Friendster. Jednak jako pierwszy zrozumiał siłę bezpośrednich efektów sieciowych. Otworzył platformę dla deweloperów, oferując dostęp do wszystkich kanałów notyfikacji i feedu w zamian za reklamową przestrzeń na pasku bocznym.

Efekt był spektakularny – masa deweloperów ruszyła na platformę, tworząc boom social gaming. Z czasem jednak Facebook systematycznie ograniczał dostęp, wprowadzał opłaty, a ostatecznie wchłonął najważniejsze funkcjonalności do własnych produktów.

Google: Powolna ewolucja

Google grał tę samą grę, ale w dłuższym horyzoncie czasowym. Zidentyfikował data moats jako przewagę konkurencyjną i zachęcał twórców treści do optymalizacji pod swoje algorytmy. Z czasem coraz więcej przestrzeni zajęły reklamy, a najcenniejsze kategorie (podróże, restauracje) zostały wchłonięte do własnych produktów.

LinkedIn: Podwójny cykl zamknięcia

LinkedIn przeprowadził ten sam cykl dwukrotnie. Najpierw z company pages – zachęcał firmy do tworzenia stron, budowania followersów, a potem drastycznie ograniczył organiczny zasięg, zmuszając do płacenia za reklamy. Następnie powtórzył to z profilami osobistymi – najpierw promował tworzenie treści, potem wprowadził format „thought leader ads” i ograniczył organiczną dystrybucję.

Udemy: Drastyczne cięcie udziałów

Udemy to świetny przykład platformy, która zaczynała z 80% udziału przychodów dla twórców kursów. To przyciągnęło masę edukatorów i rozwinęło marketplace. Około rok temu ogłosili obniżenie tego udziału do zaledwie 15-20%. Klasyczny przykład etapu 3 – zamknięcia dla monetyzacji.

iOS vs Android: Jakość użytkowników

Mimo że Android miał większą bazę użytkowników, iOS generował 70% przychodów z aplikacji. Dla deweloperów jakość użytkowników okazała się ważniejsza niż ich liczba. Ci, którzy postawili tylko na Android, przegrali.

Dlaczego ChatGPT może być następną wielką platformą

Balfour wskazuje na kilka kluczowych sygnałów wskazujących na ChatGPT jako przyszłego lidera:

Przewaga w retencji i zaangażowaniu

Dane od Didi Das z Menlo Ventures pokazują, że ChatGPT ma znacznie lepsze krzywe retencji niż konkurenci. Co więcej, platforma wykazuje rzadką „krzywą uśmiechu” – użytkownicy wracają i używają platformy intensywniej z czasem.

Historycznie to właśnie retencja i zaangażowanie, a nie czysta wielkość, decydowały o zwycięzcach. Google miał lepszą retencję od Yahoo i AltaVista. Facebook był mniejszy, ale lepiej angażował użytkowników niż MySpace.

Kontekst i pamięć jako fosa

Według analizy Balfoura prawdziwą przewagą nie są same modele AI, ale dostęp do kontekstu użytkownika. Więcej kontekstu plus model daje lepsze wyniki. To tworzy pętlę sprzężenia zwrotnego – im więcej używasz, tym platforma lepiej Cię „pamięta” i tym lepsze są rezultaty.

ChatGPT był pierwszy z funkcją pamięci i inwestuje masywnie w różnego rodzaju konektory kontekstu.

Sygnały o nadchodzącej platformie

Balfour zauważa konkretne oznaki przygotowań:

Masowe rekrutacje – zatrudnianie na stanowiska związane z „agent platform”
Strategiczne partnerstwa – preferowane umowy z dużymi firmami jak HubSpot
Prekursory produktowe – wprowadzenie trybu agenta jako pierwszego kroku
Testowanie monetyzacji – eksperymenty z różnymi modelami biznesowymi

Jak wybrać właściwą platformę

Balfour zaleca ocenę potencjalnych platform według czterech kluczowych kryteriów:

Kryteria oceny platformy:

1. Retencja i zaangażowanie użytkowników

Sprawdź krzywe retencji vs konkurencja
Oceń głębokość zaangażowania (czas spędzony, częstotliwość użycia)
Poszukaj „krzywej uśmiechu” – użytkownicy wracają i używają intensywniej

2. Jakość użytkowników i potencjał monetyzacji

Przeanalizuj siłę nabywczą użytkowników platformy
Oceń skłonność do płacenia za produkty/usługi
Porównaj z przykładem iOS vs Android (jakość > ilość)

3. Wymiana wartości dla deweloperów

Zdefiniuj co platforma oferuje w zamian za rozwój
Oceń atrakcyjność warunków vs konkurencja
Sprawdź elastyczność zasad i polityk

4. Skala i momentum

Porównaj bazę użytkowników z konkurentami
Oceń tempo wzrostu i trendy
Uwzględnij różnice w skali (max 10-20x, nie 200x)

Strategia dla różnych typów firm

Startupy: All-in na jedną platformę

Startupy nie mają luksusu rozłożenia stawek. Muszą wybrać jedną platformę i iść all-in. To wyższe ryzyko, ale też wyższa potencjalna nagroda.

Balfour przypomina przykład Substack: „Kiedy zacząłem na tej platformie, czułem jakby było już za późno. Było już mnóstwo newsletterów z milionami subskrybentów. Ale okazało się, że wcale nie było za późno”.

Większe firmy: Strategia wielokrotnych stawek

Firmy w późniejszych fazach mogą pozwolić sobie na stawianie na kilka platform jednocześnie. Mogą poczekać, aż zwycięzca się wyłoni, a potem rzucić swoją siłę za nim. Ryzyko polega jednak na tym, że czasami incumbenci czekają zbyt długo i tracą momentum.

Transformacja AI w organizacjach

Na podstawie pracy z setkami firm w Reforge, Balfour zidentyfikował kluczowe różnice między organizacjami skutecznie wdrażającymi AI:

Twarde ograniczenia działają

Najskuteczniejsze firmy wprowadzają ostre limity. Konkretne przykłady z praktyki:

Ograniczenia kadrowe:

Zespoły maksymalnie 1/5 wielkości firm porównywalnych
Brak nowych etatów bez udowodnienia, że AI nie może wykonać zadania
Wymóg automatyzacji przed dodaniem headcount

Ograniczenia procesowe:

Obowiązek przedstawienia trzech prototypów przy każdym review produktu
Twarde terminy na transformację z konsekwencjami
Systematyczne mierzenie wdrażania AI na poziomie operacyjnym

Problem z „kotłami oporu”

W każdej transformacji Balfour obserwuje trzy grupy ludzi:

Katalizatorzy (10-20%) – prowadzą zmiany na własną rękę, eksperymentują w wolnym czasie
Konwertyci (60-70%) – adaptują się, ale potrzebują struktury, pozwoleń od kierownictwa, budżetu i jasnego planu działania
Kotwice (10-20%) – tworzą opór i spowalniają proces. Mniej niż 10% firm podejmuje zdecydowane działania, ale te które ustalają twarde terminy (adaptacja do określonej daty lub rozstanie) osiągają najlepsze rezultaty.

Najwolniejsza część systemu

Fareed Mossavat z podcastu „Unsolicited Feedback” trafnie ujął problem: „Twój output jest ograniczony przez najwolniejszą część systemu”.

W kontekście wdrażania AI często są to IT, legal czy procurement – działy które mają swoje procesy i nie nadążają za tempem zmian. Podobnie w zespołach produktowych – inżynierowie przyspieszają dzięki AI, ale PM-y stają się wąskim gardłem, bo shipping produktu to funkcja design + PM + engineering, a nie tylko kodowania.

Przykład disconnection z realnej firmy

Balfour opisuje konkretny przypadek z dużej firmy technologicznej, której CEO publicznie mówił o byciu „AI native”. Principal PM eksperymentował z narzędziami do prototypowania, pokazał wyniki designerowi i engineering managerowi. Sprawa została eskalowana do VP-ów i… ugrzęzła na miesiąc.

Przypadek sprawił, że PM na happy hour firmy podszedł do CEO i opowiedział o eksperymencie. CEO był zachwycony i zapytał „dlaczego to nie idzie dalej?”. Następnego dnia problem został rozwiązany. Najlepsze firmy jak Shopify mierzą faktyczne wdrażanie na poziomie operacyjnym, zamiast polegać na deklaracjach kierownictwa.

Co robić już dziś

Kroki natychmiastowe:

Przygotowanie strategiczne:

Przeprowadź analizę 4 kryteriów dla każdej potencjalnej platformy
Zidentyfikuj swoją grupę docelową i gdzie spędza czas online
Oceń obecne kanały wzrostu – które tracą na skuteczności?
Przygotuj budżet i zespół na szybkie pivotowanie

Monitoring sygnałów:

Śledź ogłoszenia rekrutacyjne OpenAI (stanowiska „platform”, „agent”)
Obserwuj nowe partnerstwa i integracje ChatGPT
Monitoruj rozwój funkcji wyszukiwania i monetyzacji
Ustaw Google Alerts na kluczowe terminy

Strategia wyjścia:

Zaplanuj jak będziesz kontrolować kluczową część UX
Zidentyfikuj unikalne dane, które możesz gromadzić
Przemyśl potencjalne micro network effects
Ustal metryki sukcesu i KPI dla nowej platformy

Graj w grę, nie rezygnuj z niej

Największy błąd to myślenie „nie będę grać w tę grę, bo się źle skończy”. To dylemmat więźnia – jeśli nie grasz, konkurenci będą grać i zdobędą przewagę. Oczekiwania klientów się zmieniają i musisz im sprostać.

Obserwuj te sygnały w najbliższych miesiącach

Balfour przewiduje konkretne wydarzenia w ciągu 6 miesięcy:

Faza 1: Preferowani partnerzy – ogłoszenie 10-20 firm jako „króliki doświadczalne” ze specjalnymi warunkami dla dużych marek
Faza 2: Otwarcie platformy – jasno zdefiniowana wymiana wartości dla deweloperów z dostępem do kontekstu, pamięci i dystrybucji
Faza 3: Monetyzacja search – lepsza atrybucja w wynikach, natywny shopping i nowe mechanizmy monetyzacji free tier

Czy to rzeczywiście ChatGPT?

Balfour przyznaje, że może się mylić co do konkretnego zwycięzcy. Najlepiej pozycjonowany, ale nie wykonujący obecnie, byłby Apple – przez urządzenia ma ultimatywny wgląd w kontekst użytkowników, ale nie widać zewnętrznych sygnałów działania.

Google jest drugim kandydatem dzięki kontroli nad kontekstem (email) i dystrybucją (search, Chrome, Android), ale Balfour podejrzewa, że ich metryki pokazują głównie „flyby users” – przypadkowe kliknięcia w Gemini rozsiane po produktach.

Jednak najważniejsza jest nie trafność predykcji, a zrozumienie cyklu. Nowa platforma dystrybucji na pewno się pojawi i będzie podążać za tym samym 4-etapowym wzorcem. Kluczowa różnica: cykle platformowe stają się coraz krótsze, więc okno możliwości będzie mniejsze niż kiedykolwiek.

Podsumowanie

Według analizy Balfoura żyjemy w przełomowym momencie. Wszystkie składniki nowej platformy dystrybucji się układają. Cykle platformowe skracają się, więc okno możliwości będzie mniejsze niż kiedykolwiek.

Kluczowe pytanie brzmi nie „czy”, ale „kiedy” i „jak szybko”. Firmy, które rozpoznają sygnały i działają zdecydowanie, mogą powtórzyć sukces firm takich jak Zynga na Facebooku czy wczesnych graczy na iOS.

Pozostałe będą obserwować, jak konkurenci zdobywają przewagę na nowej platformie, podczas gdy oni sami próbują nadrobić zaległości w starych, nasyconych kanałach wzrostu.

Kluczowy insight

Ograniczaj zamiast zachęcać

Standardowo myślimy: Żeby zespół wdrożył nowe narzędzia AI, należy ich zachęcać, organizować szkolenia, dawać dostęp do budżetu i czekać aż sami zaczną eksperymentować.

W praktyce okazuje się, że: Firmy, które odnoszą największe sukcesy w transformacji AI, wprowadzają twarde ograniczenia. Zamiast mówić „spróbujcie AI”, mówią „nie możecie zatrudnić nikogo dopóki nie udowodnicie, że AI nie może wykonać tego zadania” lub „każdy review produktu musi zawierać trzy prototypy”.

Dlaczego to jest istotne: Miękkie zachęty pozwalają na odraczanie i wymówki. Twarde ograniczenia zmuszają do natychmiastowego działania i znajdowania kreatywnych rozwiązań.

Test na jutro: Następnym razem gdy chcesz zwiększyć wdrażanie AI w zespole, zamiast organizować kolejne szkolenie, wprowadź jedno konkretne ograniczenie i sprawdź czy motywuje to do eksperymentowania.

Ten wpis jest częścią mojej kolekcji notatek z ciekawych podcastów, webinarów i innych treści, które uważam za wartościowe i do których sam chcę wracać. Jeśli chcesz sprawdzić oryginalne źródło, znajdziesz je w podcaście Lenny’ego Rachitsky’ego.

Tag: Transformacja Ai

ChatGPT będzie następnym wielkim kanałem wzrostu. Oto jak z tego skorzystać #EN252