Trend-Themen
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.

Felipe Montealegre
LLMs + ICMs werden Coases Theorem bis an die Grenzen treiben.
Die Größe des Unternehmens wird im Wesentlichen durch die Kosten für den Betrieb eines Unternehmens (Hierarchie, Prinzipal-Agent, Mitarbeitermentalität) im Vergleich zu den Vorteilen des Betriebs eines Unternehmens (das Unternehmen hat ein Budget, eine Abteilung für alles, Hunderte von Personen mit spezifischem Wissen) bestimmt.
LLMs + Internet Capital Markets verringern die Vorteile, innerhalb eines Unternehmens zu arbeiten. Sie können Kapital onchain beschaffen und das LLM kann alles tun und arbeitet kostenlos. Ich glaube, dass LLMs auch die Kosten für die Arbeit innerhalb eines Unternehmens erhöhen, weil der Unterschied zwischen der echten Produktivität, die eine motivierte Person aus einem LLM herausholen kann, und der falschen Produktivität, die eine unmotivierte Person, die ein LLM nutzt, zeigen kann, um den Tag zu überstehen, erheblich ist.
Macht euch bereit für <20-Personen-Unternehmen überall.

Felipe Montealegre15. Juli 2025
5 years ago I would have preferred 100 college grads with ~2 years of experience over five high agency teammates in 30s for the same all in cost.
Today I would pick the five high agency teammates every single time.
does anybody disagree? This is the future of the workforce.
1,37K
Früher war ich verwirrt, warum so viele Menschen verärgert sind, wenn LLMs wie Cursor und ChatGPT gelegentlich halluzinieren oder Fehler machen. Sie sind magische Superanalysten ... also was macht es, wenn sie ein paar Fehler machen.
Ich finde, dass grundlegende Qualitätskontrolle, Triangulation und Verknüpfung helfen können, diese Fehler zu finden. Ich habe ein paar Jobs im Private Equity gemacht, bevor ich zu Theia kam, wo Qualitätskontrolle (d.h. sicherzustellen, dass das Modell des Associates nicht kaputt ist) ein großer Teil der Rolle war. Frische Analysten machen viele Fehler. Mein Lieblingssatz (um 2 Uhr morgens) war: "Gute Arbeit, aber jede einzelne Zahl auf dieser Seite ist falsch." Ich fand das mühsam und langweilig, aber es war ein absolut kritischer Teil des Jobs.
Ich habe nie zuvor darüber nachgedacht, dass dies eine Fähigkeit ist, aber ich finde, dass ich sie jeden Tag mit LLMs benutze. Ich glaube tatsächlich nicht, dass die LLMs aufhören werden, Fehler zu machen, also ist dies jetzt eine Kernkompetenz für dich.
Ich habe einige der besten Techniken zur Qualitätskontrolle gefunden —
1. Überfliege einfach das Modell / den Code. So lernst du, viele Fehler zu finden.
2. Grundlegende Triangulation (z.B. 45% IRR ist falsch, die US-Pizzaverkäufe können nicht 50 Milliarden Dollar betragen, weil Domino's 18 Milliarden Dollar macht und es keinen Weg gibt, dass sie 40% machen)
3. Verknüpfe Zahlen im Modell miteinander (z.B. Wenn der Markt um 50% wächst und wir den Marktanteil von 5 auf 10% erhöhen, warum wachsen wir dann nicht um 100%? Überprüfe diese Zahlen)
4. Verknüpfe mit früheren Analysen (z.B. unser Umsatz im Jahr 2028 betrug im vorherigen Modell 120 Millionen Dollar und jetzt 144 Millionen Dollar ... Was ist konkret passiert? Oh, wir haben den Preis pro Einheit von 10 auf 12 Dollar erhöht, okay)
Es läuft ehrlich gesagt darauf hinaus, die Zahlen auf der Seite anzusehen und fünf Minuten darüber nachzudenken, bevor man das Modell einfach akzeptiert. Das ist irgendwie super offensichtlich, aber ich poste es, falls es jemandem hilft.
1,12K
Top
Ranking
Favoriten