Người sáng lập Kalshi: Cuộc sống thực sự của bạn sẽ như thế nào trong 12 tháng tới

Podcast："$22B Kalshi Co-Founder: What the Market Already Knows About Your Job"丨Silicon Valley Girl

Biên dịch：Nghe sau nhé LatePost

"Đến cuối năm nay, sự thay đổi lớn nhất vẫn sẽ là công việc."

"Hiện tại chưa có vị trí nào bị chúng tôi thay thế hoàn toàn, tất cả các vị trí chỉ được AI tăng cường."

"Con người luôn lo lắng rằng mình không làm việc đủ chăm chỉ. Tại Kalshi, chúng tôi lo lắng hơn rằng AI vẫn chưa được sử dụng đủ."

Luana Lopes Lara đồng sáng lập nền tảng thị trường dự đoán Kalshi vào năm 2018. Theo thống kê của Forbes, cô là nữ tỷ phú tự thân trẻ nhất thế giới. Vào tháng 5 năm nay, Kalshi đã huy động được 1 tỷ USD, định giá đạt 22 tỷ USD. Những gì cô xem mỗi ngày rất đặc biệt: mọi người sẵn sàng đặt cược bằng tiền thật vào kết quả nào. Khi đối tượng thảo luận chuyển sang AI và công việc, những mức giá này liên tục vẽ ra cách rủi ro thay đổi, rất ít mang lại sự an ủi.

Những gì mọi người hỏi, đã chuyển từ khả năng sang hậu quả

Một hai năm trước, các đề xuất thị trường AI mà Kalshi nhận được chủ yếu hỏi về khả năng: mô hình có thể hoàn thành một nhiệm vụ nào đó không, mô hình nào sẽ thắng, khi nào các bài toán toán học lớn sẽ được giải quyết. Hiện tại, người dùng thường hỏi AI sẽ ảnh hưởng đến sa thải, thất nghiệp và bầu cử như thế nào. Luana cho rằng, sự thay đổi này cho thấy người bình thường đã vượt qua giai đoạn "AI là gì" và bắt đầu tính toán chi phí mà nó mang lại cho bản thân.

"Một hai năm trước, các thị trường mà mọi người đề xuất chủ yếu về khả năng của AI; hiện tại, chúng tôi nhận được nhiều yêu cầu hơn về tác động mà AI mang lại."

Sự phấn khích không biến mất, nhưng trọng tâm của vấn đề đã thay đổi. Mọi người vẫn sẽ giao dịch khả năng của mô hình, phê duyệt thuốc và tính toán lượng tử, nhưng "AI có phải là nguyên nhân chính của việc sa thải trong tháng này không" đã trở thành một thị trường mà mọi người theo dõi hàng tháng. Tin tức công nghệ không còn chỉ liên quan đến việc phát hành sản phẩm, mà còn bắt đầu đi vào bảng lương và mô tả công việc.

Trên nền tảng còn có một thị trường "kịch bản thảm họa" AI mà Luana và các đồng sáng lập đã quan tâm lâu dài. Nó thiết lập năm điều kiện, chỉ cần ba trong số đó xảy ra thì sẽ được thanh toán là "có", xác suất khi phỏng vấn khoảng 26% đến 30%, số tiền giao dịch đạt hàng triệu USD. Con số này cao hơn nhiều so với trực giác của nhiều người về rủi ro, và cũng khiến đội ngũ phải xem xét lại nhiều lần.

73%, thực sự có thể cho bạn biết điều gì

Khi phỏng vấn, thị trường cho rằng xác suất AI sẽ trở thành nguyên nhân chính của việc sa thải vào tháng 5 là 73%, khối lượng giao dịch khoảng 30.000 USD. Vào tháng 3 và tháng 4, AI thực sự là nguyên nhân chính của việc sa thải. Luana đề cập, Kalshi Research đã thực hiện nghiên cứu hiệu chỉnh, ngay cả khi khối lượng giao dịch chỉ khoảng 5.000 USD, giá thường đã hội tụ về một con số khá ổn định. Nguồn vốn càng nhiều, khoảng cách đến thời điểm thanh toán càng gần, thì số liệu thường càng đáng tin cậy.

"Ngay cả khi khối lượng giao dịch chỉ 5.000 USD, bạn cũng đã có thể thấy số liệu hội tụ về một mức độ hiệu chỉnh rất tốt, vì vậy con số này thực sự đáng tin cậy."

Con số 73% này không thể được dịch trực tiếp thành "công việc của bạn có 73% xác suất biến mất". Nó trả lời một câu hỏi có ranh giới rõ ràng: trong tháng được chỉ định, liệu AI có được ghi nhận là nguyên nhân chính của việc sa thải hay không. Giá trị của thị trường dự đoán đến từ việc định nghĩa rõ ràng câu hỏi, sau đó những người sẵn sàng chịu tổn thất sẽ đưa ra giá. Câu hỏi mơ hồ, con số cũng sẽ mất đi ý nghĩa.

Một số câu hỏi phải chờ năm năm mới thanh toán, chẳng hạn như một loại thuốc khi nào được phê duyệt, khi nào tính toán lượng tử sẽ đột phá. Sau khi Kalshi bắt đầu trả lãi cho các vị trí và USD trong tài khoản, người dùng không cần phải từ bỏ những giao dịch này vì vốn bị chiếm dụng lâu dài. Thị trường do đó có thể tích lũy nhiều thông tin cho các sự kiện xa xôi, giá cũng không chỉ chạy theo tin tức trong ngày.

Xác suất không phải là lời tiên tri, 1% cũng có thể xảy ra

Trước khi một giáo hoàng người Mỹ được bầu, xác suất trên Kalshi lâu dài chỉ khoảng 1%. Sau khi kết quả xuất hiện, có tin tức nói rằng thị trường dự đoán "đã sai". Phản ứng của Luana rất thẳng thắn: 1% không có nghĩa là không có gì. Các cuộc họp bí mật gần như là một hệ thống thông tin khép kín, người bên ngoài vốn đã rất khó dự đoán. Sự kiện có xác suất thấp thực sự xảy ra, không thể chứng minh rằng xác suất trước đó là không hợp lệ.

"70% không phải là 100%. Ngay cả khi con số là 99%, trong 100 lần vẫn có thể có một lần không xảy ra; 1% cũng không phải là không có gì."

Cùng một khối lượng giao dịch, độ tin cậy đại diện cho trong các thị trường khác nhau cũng khác nhau. Khi còn một tuần đến bầu cử, thị trường chính trị có thể chỉ cần một hai nghìn USD đã rất chính xác; nếu trước đó sáu tháng, thường cần trên mười nghìn USD. Trước khi nhìn vào con số, hãy xem thời gian thanh toán, khối lượng giao dịch và định nghĩa câu hỏi. Ba điều kiện này sẽ gần gũi hơn với rủi ro thực tế hơn là một tỷ lệ phần trăm đơn lẻ.

Luana giải thích, thị trường dự đoán từ đầu đã yêu cầu người tham gia trả phí cho việc đánh giá. Nghiên cứu càng chắc chắn, cơ hội kiếm tiền khi đặt cược đúng càng lớn; phát biểu một cách tùy tiện nhưng phải chịu tổn thất. Nó không tạo ra một tập thể toàn tri thức, nhưng có thể biến "tôi nghĩ" thành một con số có chi phí, có thể điều chỉnh liên tục.

Phần lớn mọi người đến đây, không đặt cược, chỉ xem tin tức

Kalshi có 70% người dùng không bao giờ giao dịch. Họ mở trang web, chỉ muốn nhanh chóng xem xác suất mới nhất về kinh tế, bầu cử, thể thao và sự kiện văn hóa. Điều này giống như một bản tin được viết bằng giá cả: trang chính không có lập trường của một phương tiện truyền thông nào, chỉ có nhiều người dùng vốn thể hiện đánh giá của mình. Công ty còn nén hàng nghìn thị trường bầu cử thành chỉ số K Power, để người dùng có thể nhìn vào một con số cho thấy chính trị Mỹ hiện nghiêng về đảng Cộng hòa hay đảng Dân chủ.

"70% người dùng của chúng tôi thực sự không giao dịch gì cả, họ chỉ vào đây để lấy thông tin, xem dự đoán về những điều khác nhau."

Một loại người dùng khác coi thị trường như một công cụ phòng ngừa. Một quán bar ở Upper East Side của New York hứa hẹn, nếu Knicks thắng, sẽ miễn phí cho khách đến cửa, khả năng tồi tệ nhất có thể mất một hai nghìn USD, vì vậy họ đã mua kết quả ngược lại để kiểm soát rủi ro. Khi mùa bão ở Florida đến, cũng có người yêu cầu mở thị trường cho khu vực cụ thể mà họ sống, dùng lợi nhuận để bù đắp cho khoản tự thanh toán bảo hiểm. Dự đoán có thể giúp mọi người đưa ra quyết định, phòng ngừa thì giúp tránh những sai lầm không bị tổn thất quá nặng.

Công việc mà nền tảng phải làm cũng phức tạp hơn là "mở một câu hỏi đúng sai". Người dùng nói muốn biết AI có ảnh hưởng đến bầu cử hay không, đội ngũ phải trước tiên phân tách "ảnh hưởng" thành các điều kiện có thể thanh toán. Xu hướng chính trị quốc gia khó có thể được thể hiện bằng một ghế đơn lẻ, chỉ số K Power mới kết hợp dự đoán của Hạ viện, Thượng viện và các cuộc bầu cử địa phương. Một con số tốt, thường ẩn chứa một quá trình định nghĩa rất dài.

Sự thay đổi lớn nhất năm nay, vẫn là công việc

Luana không tuyên bố rằng một vị trí nào đó đã hoàn toàn biến mất tại Kalshi. Cô thấy rằng tất cả các vị trí đều được AI khuếch đại: kỹ sư cùng lúc điều phối khoảng 20 Agent trên đám mây, nhân viên mới sử dụng Agent để bổ sung ngữ cảnh công ty, quản lý có thể nhanh chóng biết được dự án nào đang bị kẹt. Cô vẫn đánh giá, đến cuối năm nay, sự thay đổi mà người bình thường cảm nhận rõ ràng nhất sẽ xảy ra trong công việc.

"Tôi vẫn chưa thấy vị trí nào bị chuyển hoàn toàn thành 'chúng tôi không cần người này nữa, chúng tôi có AI', tất cả các vị trí đều được AI tăng cường."

Cô tạm thời lạc quan hơn về những công việc cần sự tham gia của cơ thể, chẳng hạn như huấn luyện viên thể hình, và các vị trí thiên về kỹ thuật; cô không đưa ra kết luận về bước tiếp theo của robot. Những vị trí kỹ thuật trước đây được coi là an toàn, cô lại cảm thấy cảm giác an toàn đang giảm xuống. Tên vị trí có thể vẫn còn, nhưng phương pháp hoàn thành nhiệm vụ, số lượng người cần trong đội và tiêu chuẩn tuyển dụng đã bắt đầu thay đổi.

Cô đưa ra một ví dụ rất đời thường về việc lập kế hoạch du lịch. Trước đây, để sắp xếp chuyến đi cuối tuần, phải tự tìm kiếm chỗ ở và lịch trình; hiện tại cô sẽ để ChatGPT lập kế hoạch cho hai ngày, nhưng cuối cùng vẫn phải tự mở trang web, đặt phòng từng khách sạn. Điểm dừng này rất có thể chỉ ra tình hình hiện tại: AI đã tiếp nhận việc suy nghĩ và sắp xếp, nhưng những bước cuối cùng thực hiện qua hệ thống vẫn thường để lại cho con người.

170 người, làm thế nào để vận hành một công ty ưu tiên AI

Hiện tại Kalshi có khoảng 170 nhân viên. Luana coi hoạt động thị trường như một nhà máy, liên tục theo dõi số lỗi, độ trễ ra mắt thị trường, độ trễ xác định kết quả và tỷ lệ bao phủ. Hệ thống AI thu thập những chỉ số này từ cấp độ cơ sở, sau đó tổng hợp email, tài liệu và cập nhật đội ngũ cho quản lý. Nhờ đó, cô có thể quản lý nhiều dự án hơn cùng một lúc, cũng như sớm thấy ai đó liên tục cam kết quá nhiều, giao hàng không đủ trong vài tuần.

"AI giúp tôi nhanh chóng có được ngữ cảnh, nhanh chóng biết điều gì đang xảy ra, vì vậy tôi có thể quản lý nhiều luồng và nhiều người một cách hiệu quả hơn."

Chủ nhật từng là ngày bận rộn nhất của cô, phải xem lại từng việc đã hoàn thành trong tuần trước, làm gì trong tuần tới, rồi kiểm tra toàn bộ chỉ số. Hiện tại nhiều công việc sắp xếp đã được Agent hoàn thành, cô cuối cùng có thể đi ăn brunch vào chủ nhật. Thời gian tiết kiệm được không làm giảm bớt quản lý, mà chuyển người quản lý từ việc vận chuyển thông tin sang việc đánh giá thông tin. Quyền hạn vẫn là vấn đề khó khăn, tài liệu pháp lý và giám sát chỉ có thể mở cho một số ít người.

Đội ngũ hy vọng mỗi nhân viên mới khi gia nhập đều có thể nhận được một Agent riêng của mình, và kết nối với email, tài liệu và hồ sơ công việc. Phần khó khăn nhất hiện nay là quyền hạn: cùng một hệ thống vừa phải cho phép người mới nhanh chóng bổ sung kiến thức, vừa phải đảm bảo rằng các vụ án pháp lý và tài liệu giám sát thị trường chỉ có thể nhìn thấy bởi những người được phê duyệt. Ngữ cảnh càng đầy đủ, thiết kế quyền hạn càng không thể mơ hồ.

Càng nhiều Agent, càng cần người phụ trách toàn thời gian

Trong cuộc phỏng vấn xuất hiện một chi tiết trái ngược với lẽ thường: Kalshi sử dụng nhiều Agent hơn, nhưng vẫn đang tuyển kỹ sư. Luana và các đồng sáng lập đã bị công việc hàng ngày chiếm hết thời gian, nếu mỗi người chỉ dành 5% thời gian để làm hệ thống AI nội bộ, sản phẩm rất khó ổn định. Công ty vì vậy đã thành lập một đội ngũ chuyên trách, đưa kỹ sư vào hoạt động thị trường, thiết kế và pháp lý, xử lý từng quy trình.

"Nếu tôi chỉ dành 5% thời gian để làm, nó sẽ không hoạt động tốt. AI muốn trở thành một phần quan trọng của công ty, cần những người giỏi toàn thời gian phụ trách."

Quy trình thực tế cũng phức tạp hơn nhiều so với trình diễn. Phản hồi sản phẩm rải rác trên Slack, Discord, tweet và thảo luận nội bộ, để tự động sắp xếp, còn phải theo dõi những vấn đề nào đã được ra mắt; công ty đã thử nghiệm nhiều sản phẩm QA, không có sản phẩm nào đạt yêu cầu. Đội ngũ thiết kế muốn rút ngắn vòng lặp "kỹ sư ra mắt thử nghiệm trước, nhà thiết kế sau đó quay lại sửa chữa". Câu chuyện của người sáng lập đơn lẻ rất hấp dẫn, nhưng một hệ thống AI hoạt động ổn định vẫn cần có người phụ trách rõ ràng.

Kalshi vừa ra mắt hợp đồng vĩnh viễn, lần đầu tiên bước ra khỏi thị trường dự đoán. Luana nói, nếu không có khả năng AI hiện tại, sản phẩm mới này sẽ hoặc làm chậm trễ hoạt động chính, hoặc cần tuyển thêm nhiều người. Cô mong đợi công ty sử dụng AI để tạo ra nhiều sản phẩm hơn, phát triển lớn hơn, và trọng tâm không phải là tuyển ít người hơn. Sau khi nâng cao hiệu suất, lựa chọn của công ty có thể là mở rộng biên giới, thay vì chỉ giảm bớt nhân sự.

Tiêu chuẩn tuyển dụng đang chuyển từ khả năng làm việc sang khả năng học lại

Kalshi cho phép ứng viên sử dụng AI trong phỏng vấn kỹ thuật. Hai năm trước, câu hỏi thường gặp "người này có thể hoàn thành một nhiệm vụ kỹ thuật không" hiện không còn phân biệt rõ ràng. Đội ngũ dành nhiều thời gian hơn cho việc đánh giá hệ thống và xem xét các dự án trước đó, thiết kế vị trí sẽ hỏi ứng viên đã sử dụng bao nhiêu AI, phỏng vấn pháp lý cũng bắt đầu hỏi "bạn sẽ sử dụng AI như thế nào để xử lý loại vụ án này".

"Cách bạn đã làm việc trong quá khứ, sẽ không phải là cách chúng tôi tiếp tục làm việc tại Kalshi. Chúng tôi cần những người sẵn sàng hiểu lại: những việc mà họ từng rất giỏi, giờ có thể không cần phải làm bằng tay nữa."

Luana coi trọng sự khiêm tốn, sẵn sàng học hỏi và giao hàng đáng tin cậy. Cô nói rằng làm việc chăm chỉ không phải là tính giờ làm, mà là hoàn thành tốt những việc được giao. Công cụ sẽ tiếp tục thay đổi, việc có sẵn sàng từ bỏ lợi thế cũ hay không, đã trở thành tiêu chí đánh giá trong tuyển dụng. Điều này cũng giải thích tại sao kỹ sư lại bước vào thiết kế và pháp lý: công ty không chỉ thay đổi một nhiệm vụ đơn lẻ, mà là cách mỗi đội xử lý nhiệm vụ.

Văn hóa này cũng rất trực tiếp: đồng nghiệp không thích một công việc nào đó, sẽ nói rõ ngay tại chỗ. Công ty đã mất ba đến bốn năm để xin giấy phép quản lý, rồi sau hai năm giao tiếp lại kiện cơ quan quản lý của chính mình, cuối cùng đã giành được không gian cho thị trường bầu cử. Luana tóm tắt trải nghiệm này bằng một nguyên tắc đơn giản: hoàn thành tất cả những gì có thể làm, để tránh thất bại sau này phát hiện ra rằng mình thực sự còn một bước chưa thực hiện.

Viết ở cuối

73% đáng để xem xét nghiêm túc, và chỉ nên được coi là 73%. Hành động hữu ích hơn cho cá nhân là biến những lo lắng thành những câu hỏi có thể kiểm tra: Những bước nào trong công việc của bạn đã được Agent tiếp quản, những phán đoán nào vẫn phụ thuộc vào kinh nghiệm, tiêu chuẩn tuyển dụng của đội ngũ gần đây đã thay đổi điều gì. Xác suất sẽ không quyết định bước tiếp theo cho bạn, nhưng có thể nhắc nhở bạn đừng tiếp tục lập kế hoạch cho hôm nay dựa trên cảm giác an toàn của hai năm trước.