Construire une entreprise avec des mentors IA : Le Steve Jobs GPT

L'équipe IA de la consultante indépendante

Monter une entreprise sans une équipe traditionnelle est un défi que de nombreux entrepreneurs rencontrent. Pour Yesim Saydan, une experte en branding et communication dans la cinquantaine, la solution n'était pas d'embaucher plus de freelances, mais de construire une main-d'œuvre numérique.

Basée aux Pays-Bas, Saydan dirige une micro-entreprise de conseil aidant les cadres supérieurs et les entrepreneurs établis à accroître leur autorité. Pour gérer la charge de travail, elle s'est tournée vers les GPT personnalisés d'OpenAI, créant une équipe virtuelle de plus de 17 agents spécialisés. Sa création la plus innovante, cependant, est un mentor modélisé sur l'une des figures les plus emblématiques de la tech : Steve Jobs.

Des murs d'entreprise aux murs numériques

Le parcours de Saydan vers l'intégration de l'IA a commencé par une carrière traditionnelle en entreprise. Après avoir déménagé de Turquie aux États-Unis pour son MBA, elle a passé 14 ans à travailler dans des environnements à haut risque, notamment en tant que chef de projet chez Citibank sur Wall Street. Sa carrière l'a menée à New York, Paris et finalement aux Pays-Bas.

Elle a lancé sa propre entreprise il y a une décennie en quête de flexibilité alors que les médias sociaux commençaient à émerger. Cependant, monter sa micro-entreprise a présenté un obstacle. Embaucher des freelances signifiait souvent passer un temps excessif à les former sur sa méthodologie spécifique, souvent sans le même niveau d'investissement qu'elle ressentait.

J'ai passé beaucoup de temps inutile à former les freelances sur mon cadre spécifique, et il m'a souvent semblé qu'ils ne se souciaient pas autant que moi.

Lorsqu'OpenAI a lancé la fonctionnalité de GPT personnalisé, Saydan a réalisé qu'elle pouvait construire l'équipe idéale qu'elle avait cherchée.

Construire la main-d'œuvre IA parfaite

Saydan imaginait initialement une équipe IA de quatre personnes, mais a rapidement appris que l'IA produit des résultats inférieurs lorsqu'elle est surchargée de trop de tâches. La solution était la spécialisation. Elle a créé un GPT personnalisé distinct pour chaque fonction critique de son entreprise, aboutissant à une équipe de plus de 17 agents.

Sa main-d'œuvre numérique comprend :

• Un chercheur de marché
• Un analyste d'appels de vente
• Un rédacteur de propositions
• Un scénariste vidéo
• Un évaluateur de profil LinkedIn utilisant six piliers spécifiques

La puissance de ces agents ne réside pas seulement dans leur création, mais dans leur formation. Saydan crée des documents de procédures opérationnelles standard pour chaque tâche et client, servant de matériel de formation pour ses agents. Elle entretient des agents spécifiques aux clients, formés sur le ton, les objectifs et les conversations passées, garantissant qu'elle ne commence jamais une tâche à partir de zéro.

Le modèle de mentorat Steve Jobs

Après avoir construit ses agents employés, Saydan s'est tournée vers le mentorat. Elle s'est demandé quelles figures historiques ou vivantes elle voudrait comme mentors, et s'est arrêtée sur Steve Jobs pour sa créativité et son innovation renommées.

Elle a consacré environ 40 heures à la recherche et à la construction de supports de formation pour le GPT Jobs. Le processus de formation impliquait deux approches distinctes :

1. Transcriptions stratégiques : Téléchargement de vidéos où Jobs expliquait ses stratégies et philosophies de produits.
2. Exemples d'exécution : Utilisation de transcriptions de lancements de produits comme l'iPhone et l'iPad pour enseigner à l'IA son processus de réflexion et son style d'exécution.

Les instructions commençaient par une définition de personnalité : "Vous êtes Steve Jobs, vous avez des décennies d'expérience... votre compétence la plus importante est la créativité, l'innovation, la pensée hors des sentiers battus." Elle a depuis étendu cette bibliothèque pour inclure des GPT personnalisés pour Dan Kennedy et Elon Musk.

Poser des questions pour obtenir de l'honnêteté

L'un des défis les plus importants avec l'IA est sa tendance à être complaisante. Saydan a noté que poser une question directe comme "Que pensez-vous de cette idée ?" donne généralement pour résultat que l'IA cherche simplement à plaire à l'utilisateur.

Pour contourner cette limitation et accéder aux "super-pouvoirs" formés de ses mentors, elle utilise une technique de prompt spécifique. Au lieu de demander une opinion, elle demande une note.

Sur une échelle de un à dix, à quel point cette idée est-elle bonne ?

Si l'IA note l'idée cinq, elle poursuit avec : "OK, qu'est-ce qui en ferait un dix ?" Cela oblige l'IA à s'appuyer sur l'expérience et les cadres spécifiques qu'elle a formés. Pour les sorties stratégiques, ce processus de raffinement en va-et-vient prend généralement de trois à cinq tours.

Accepter l'inconnu

Malgré son succès, Saydan admet que l'avancement rapide de l'IA est effrayant. Elle se souvient de l'introduction de produits comme NotebookLM déclenchant une peur que "cela va rendre toute l'humanité obsolète."

Elle vit des moments de paralysie concernant les impacts sociétaux potentiels, se demandant si tout le monde finira à la rue. Cependant, elle s'ancre en reconnaissant les limites de la prévoyance humaine.

Son perspective est passée de la peur à l'intégration. Elle croit que si l'IA est puissante par elle-même, elle devient vraiment magique lorsqu'elle est combinée avec l'expertise humaine. En utilisant des agents personnalisés comme une extension de son cerveau plutôt qu'un remplacement, elle obtient des résultats qui se sentent polis et stratégiques, la libérant pour se concentrer sur la vue d'ensemble. Comme elle conclut, il n'y a tout simplement pas de retour en arrière possible face à cette évolution technologique.

Principaux enseignements

L'expérience de Yesim Saydan démontre que la spécialisation est la clé d'une intégration efficace de l'IA. Plutôt que de compter sur un outil unique et généralisé, elle a construit un système modulaire où chaque agent excelle à une tâche spécifique.

Son approche du mentorat – former l'IA sur des méthodologies spécifiques et demander des critiques constructives – offre un plan pour comment les professionnels peuvent exploiter l'expertise historique à l'ère numérique. En fin de compte, son expérience suggère que l'avenir du travail n'est pas une question d'humains contre l'IA, mais plutôt d'humains plus l'IA.