Nol hingga $50 juta dalam 4 bulan. $100M+ dalam 12 bulan. Itulah kisah bagaimana @JoinHandshake menemukan bahwa mereka duduk di sumber daya AI yang paling berharga: 20 juta siswa dan ahli. Selama satu dekade, @GarrettLord membangun jaringan karir untuk siswa dan PhD. Bisnis yang hebat, berkembang dengan baik. Kemudian AI terjadi. Natal lalu, Garrett menyadari jaringannya yang terdiri dari 500.000 PhD dan 3 juta master adalah apa yang sangat dibutuhkan laboratorium AI perbatasan untuk melatih model mereka. Dia terbang keliling negeri selama liburan, berbicara dengan pemimpin lab, dan meluncurkan bisnis baru di dalam perusahaannya yang sudah ada. Delapan bulan kemudian, mereka sekarang bekerja dengan semua 7 laboratorium AI perbatasan utama dan telah menjadi salah satu bisnis dengan pertumbuhan tercepat dalam sejarah Silicon Valley. Dalam percakapan kami, Garrett berbagi: 🔸 Bagaimana Handshake menemukan peluang ini 🔸 Mengapa model AI membutuhkan ahli manusia (misalnya PhD fisika) untuk ditingkatkan 🔸 Apa sebenarnya yang terlibatkan dalam "pelabelan data" ini 🔸 Di dalam pekerjaan yang sebenarnya: apa yang dilakukan PhD biologi selama 8 jam yang membuat GPT-5 lebih pintar 🔸 Buku pedoman untuk membangun startup di dalam startup: tim terpisah, kantor terpisah, pisahkan semuanya 🔸 Mengapa pergeseran dari pelabelan data "generalis" ke "ahli" menciptakan peluang bisnis sekali seumur hidup 🔸 Mengapa AI tidak akan menghilangkan pekerjaan tingkat pemula—itu menciptakan "setelan Iron Man" yang membuat karyawan junior 10x lebih produktif Dengarkan sekarang 👇 • YouTube: • Spotify: •Apel: Terima kasih kepada sponsor kami yang luar biasa karena telah mendukung podcast ini: 🏆 @coderabbitai — Potong waktu peninjauan kode dan bug menjadi dua. Seketika: 🏆 @orkesio — Platform perusahaan untuk aplikasi andal dan alur kerja agen: 🏆 @AnthropicAI — AI untuk pemecah masalah dan perusahaan:

“You’re here to find a match, not to judge.” That’s how @ivanhzhao looks at hiring. At @NotionHQ, interviews are built to strip away the script and formality, replacing performance with honest conversation. To complete the picture, the team also leans on backchannel references for context no interview could ever provide. Full episode linked in the comments.