Spencer Skates
Co-founder & CEO at Amplitude
Cofundador y CEO de Amplitude (YC W12, ahora pública). Escéptico de IA hasta octubre 2024. Transformó la compañía en 12 meses con AI Week.
Acerca de Spencer Skates
Spencer Skates es el cofundador y CEO de Amplitude, la plataforma de analítica de producto (YC W12, ahora pública). Admite públicamente ser un escéptico de IA hasta octubre 2024, luego transformó la compañía en 12 meses con AI Week, dos reorganizaciones y tres adquisiciones.
Hitos de Carrera
- Amplitude (2012-presente): Cofundador y CEO, YC W12
- IPO (2021): Llevó Amplitude a bolsa
- Transformación de IA (2024-2025): Giro de 12 meses a nativo de IA
- 3 adquisiciones: Command AI, equipo de Craftful, June, Anari
- Sonalight (2011): Startup previa de YC
Posiciones Notables
Sobre Ser un Escéptico de IA
Honesto sobre qué cambió su mente:
“When managers in 2023 asked ‘What’s our AI strategy?’, I pushed back. My co-founder saw ‘massive scams’ - promises of job replacement that model capabilities couldn’t deliver. The tipping point was coding tools. When Cursor and Claude started transforming software engineering productivity, skeptics couldn’t deny it anymore.”
“Cuando los gerentes en 2023 preguntaban ‘¿Cuál es nuestra estrategia de IA?’, rechacé. Mi cofundador veía ‘estafas masivas’ - promesas de reemplazo de trabajos que las capacidades del modelo no podían cumplir. El punto de inflexión fueron las herramientas de codificación. Cuando Cursor y Claude comenzaron a transformar la productividad de ingeniería de software, los escépticos no podían negarlo más.”
Sobre AI Week
El catalizador de transformación:
“Two days of training, then hackathon. Key move: had VPs and engineering leads demo the tech in front of the whole org. One product lead live-coded dark mode for Amplitude. Everyone saw leaders saying ‘this is it’ and showing how they do it. Rest of the week was ‘work on things you’re already doing, just faster with Cursor.’”
“Dos días de entrenamiento, luego hackathon. Movimiento clave: tener a VPs y líderes de ingeniería demostrar la tech frente a toda la org. Un líder de producto codificó en vivo modo oscuro para Amplitude. Todos vieron líderes diciendo ‘esto es’ y mostrando cómo lo hacen. El resto de la semana fue ‘trabaja en cosas que ya estás haciendo, solo más rápido con Cursor.’”
Sobre Desarrollo de Producto Tecnología-Primero
Rompiendo el playbook de SaaS:
“SaaS playbook is: talk to customers, ask what they want, prioritize, build, deliver, repeat. That doesn’t work with AI because customers can’t describe what’s possible. You need engineering teams who understand model capabilities first, then map it back to product problems.”
“El playbook de SaaS es: hablar con clientes, preguntar qué quieren, priorizar, construir, entregar, repetir. Eso no funciona con IA porque los clientes no pueden describir qué es posible. Necesitas equipos de ingeniería que entiendan capacidades del modelo primero, luego mapearlo de vuelta a problemas de producto.”
Citas Clave
- “Escéptico de IA hasta octubre 2024.”
- “AI Week fue el catalizador.”
- “Los clientes no pueden describir qué es posible.”
Lectura Relacionada
- Enterprise AI - Transformación de Amplitude
- Application Over Training - El enfoque de producto que Spencer abrazó
Video Mentions
Escepticismo de IA
Cuando los gerentes en 2023 preguntaban '¿Cuál es nuestra estrategia de IA?', rechacé. Mi cofundador veía 'estafas masivas' - promesas de reemplazo de trabajos que las capacidades del modelo no podían cumplir. Las capacidades desiguales hacían imposible para no-practicantes saber qué caía en qué cubo.
Transformación de AI Week
AI Week fue el catalizador de transformación. Dos días de entrenamiento, luego hackathon. Movimiento clave: tener a VPs y líderes de ingeniería demostrar la tech frente a toda la org. Un líder de producto codificó en vivo modo oscuro para Amplitude. Todos vieron líderes diciendo 'esto es' y mostrando cómo lo hacen.
Desarrollo de producto tech-first
Entendimiento tecnología-primero de lo que es posible. El playbook de SaaS es: hablar con clientes, preguntar qué quieren, priorizar, construir. Eso no funciona con IA porque los clientes no pueden describir qué es posible. Necesitas equipos de ingeniería que entiendan capacidades del modelo primero.