Le double problème du doctorat des startups d’aujourd’hui

Un des avantages de ce travail est que vous obtenez de voir tout ce qui se passe là-bas dans le monde des startups. Un des inconvénients de ce travail est de voir combien d’idées là-bas ne sont pas tout ce que original.

Chaque semaine dans ma boîte de réception, il ya une autre démarrage sans code. Une autre fintech jouer pour les paiements et les cartes de crédit et les finances personnelles. Une autre start-up de travail à distance ou d’événements en ligne. Une autre start-up de cannabis, une autre crypto-monnaie, un autre outil d’analyse pour une autre fonction sur le lieu de travail (productivité concierge comme un service!)

Honnêtement, il se sent parfois comme nous sommes coincés: c’est le même rehashes de vieux logiciels, mais théoriquement « mieux » (oui, c’est une application de prise de notes, mais il fonctionne sur Kubernetes!). En fait, ce sentiment de répétitivité et le rythme glacial de la véritable innovation n’est pas seulement dans ma tête ou peut-être le vôtre: il a également été identifié par les scientifiques et les chercheurs et reste un domaine clé de débat dans le domaine de l’économie de l’innovation.

Bien sûr, il ya un tas de nouveaux horizons là-bas. Biologie synthétique et médecine personnalisée. Satellites et spacetech. Crypto-monnaies et finances. Véhicules autonomes et urbantech. Plates-formes de semi-conducteurs ouvertes et l’avenir du silicium. En fait, il ya tellement de vues ouvertes qu’il me surprend que chaque entrepreneur et investisseur ne court pas pour réclamer ces nouveaux territoires mûrs pour la créativité et, finalement, le profit.

C’est un dilemme au moins jusqu’à ce que vous commenciez à comprendre les exigences d’entrée pour ces champs frontaliers.

Nous avons traversé la génération de startups que vous pouvez faire en tant que décrocheur de l’école secondaire ou du collège, le piratage d’un réseau social à partir de scripts PHP ou l’assemblage d’un ordinateur à partir de pièces dans un club local homebrew. Nous avons également passé par les startups qui ont eu besoin d’un doctorat en génie électrique, ou en biologie, ou l’un des autres domaines de la science et de l’ingénierie qui sont la source de l’innovation.

Maintenant, nous approchons d’une nouvelle barrière — des idées qui exigent non seulement une profondeur extrême dans un domaine, mais aussi de la profondeur dans deux ou parfois même plus de domaines simultanément.

Prenez la biologie synethtique et l’avenir des produits pharmaceutiques. Il existe une thèse populaire et maintenant bien financée sur l’apprentissage automatique et la biologie/médecine ensemble pour créer la prochaine génération de médicaments et de traitements cliniques. Les ensembles de données sont là, les patients sont prêts à acheter, et les anciennes façons de découvrir de nouveaux candidats pour traiter les maladies semblent positivement anciennes contre une approche plus délibérée et automatisée offerte par les algorithmes modernes.

Déplacer l’aiguille même légèrement ici cependant nécessite une connaissance énorme de deux domaines très durs et disparates. L’IA et le bio sont des domaines extrêmement complexes extrêmement rapides, et aussi où les chercheurs et les fondateurs atteignent rapidement les frontières du savoir. Ce ne sont pas des champs « ésol » par n’importe quel tronçon de l’imagination, et il n’est pas rare d’atteindre rapidement une réponse « ersonne ne sait vraimen » à une question.

C’est ce que vous pourriez appeler le double problème de doctorat des startups d’aujourd’hui. Pour être clair, il ne s’agit pas de titres de compétences - il ne s’agit pas de la peau de mouton à la fin du programme de diplômés. Il s’agit des connaissances représentées par ce diplôme et de la façon dont vous avez besoin de deux séries complètes pour synthétiser la prochaine génération de solutions.

Maintenant, avant de commencer à crier, parlons des équipes. Il y a un argument raisonnable selon lequel les équipes ayant les bonnes spécialisations peuvent se réunir et résoudre ces problèmes. Vous n’avez pas besoin d’un seul fondateur avec une expérience dans la bio et l’IA ou la cryptographie et l’économie ou la vision informatique et le matériel de mobilité - vous avez juste besoin de réunir les bons talents dans la salle pour faire de l’innovation se produire.

Il y a une certitude en cela, et c’est d’autant plus que c’est l’impulsion pour bon nombre des entreprises que nous voyons aujourd’hui dans ces domaines.

Mais cela ressemble aussi précisément au bloc d’aujourd’hui pour pousser l’innovation encore plus loin. Les startups d’aujourd’hui ont un biologiste qui parle de laboratoires humides d’un côté et un spécialiste de l’IA qui s’interroge sur le GPT-3 de l’autre, ou un expert en cryptographie qui négocie leur point de vue avec un avocat spécialisé en valeurs mobilières. Il y a une traduction constante et sérieuse requise entre ces domaines, une traduction qui (je dirais surtout) empêche la fusion dont ces champs ont besoin pour construire de nouvelles startups.

Peut-être qu’il n’y a pas d’exemple plus grand et plus évident de ces exigences de domaine que la réponse à COVID-19. L’épidémiologie et la santé publique sont probablement les deux domaines les plus difficiles en ce qui concerne le nombre de spécialisations nécessaires simultanément pour bien les faire. Vous devez connaître la médecine et la physiologie humaine pour comprendre l’étiologie des maladies, avoir le fond des sciences sociales pour comprendre comment les humains interagissent individuellement et en groupes, comprendre les implications économiques et politiques publiques des différentes prophylactiques pour comprendre les compromis impliqués, et enfin, maîtriser la formation statistique pour lire, comprendre et construire des modèles de données corrects.

Tout cela, et tout en même temps. Est-il étonnant que si peu de consensus émerge quand si peu de gens ont toutes les compétences requises dans leur tête?

La raison pour laquelle les équipes rencontrent une résistance est que chaque spécialiste doit comprendre les contraintes que toutes les autres spécialités ont, tout en ayant suffisamment de nuances pour comprendre ce qui est vraiment une barrière et ce qui est peut-être une règle qui peut être brisée. Vous ne pouvez pas avoir un PM non-technique gérer un produit d’IA (« Ne pouvons-nous pas simplement utiliser TensorFlow pour cela? ») plus que vous pouvez avoir ces entreprises construites par des experts incompatibles, toujours essayer d’expliquer à l’autre pourquoi une idée n’est pas insondable.

Nous ne sommes pas habitués à ce genre de défi cognitif. Le logiciel est tellement démocratisé aujourd’hui, nous oublions à quel point presque toutes les autres facettes de l’effort humain sont difficiles à même commencer. Un collégien peut créer et déployer un service Web évolutif pour des millions de personnes avec certaines lignes de code (apprises à partir de ressources facilement et largement accessibles sur Internet) et certains outils d’infrastructure cloud de base qui sont conçus pour les nouveaux utilisateurs à bord rapidement.

Essayez ça avec des fusées. Ou avec pharma. Ou avec des véhicules autonomes. Ou l’une des nouvelles frontières intéressantes avec des champs verts qui sont juste assis là à attendre la prise.

Donc, pour propulser le progrès du monde plus loin, nous devons fusionner plus de champs ensemble et compresser les connaissances requises plus rapidement et plus tôt pour plus de gens. Nous ne pouvons pas attendre jusqu’à ce que 25 ans d’école est terminée et les gens obtiennent leur diplôme hagard à 40 ans avant qu’ils puissent prendre un coup de feu à certaines de ces intersections fascinantes. Nous devons construire des flux de glissement à ces lacunes où l’innovation n’a pas encore atteint.

Sinon, nous allons voir le même modèle à l’avenir que nous voyons aujourd’hui: la trentième application pour X sans aucune barrière à l’entrée que ce soit. Ce n’est pas là que vient les progrès.