Try the Work

Das Unternehmen scheint ein Einzelprojekt namens "Try the Work" zu sein, das sich selbst als Plattform beschreibt, die autorisierte Stellenbeschreibungen in KI-gestützte Mini-Schichten umwandelt, damit Kandidaten vor der Bewerbung üben können. Der Autor gibt an, dass dies mit TypeScript erstellt und dem OpenAI 2026 Hackathon eingereicht wurde.

Was sich geändert hat: Das Projekt entwickelte sich aus einem früheren Vorhaben namens "Harmony", das erforschte, wie Menschen und intelligente Werkzeuge gemeinsam wachsen können, ohne die Handlungsfähigkeit zu verlieren, zu einem praktischen Werkzeug, das sich auf die Vorbereitung auf Jobs durch realistische, evidenzbasierte Übungen konzentriert.

Die wichtigste offene Frage: Gibt es irgendwelche Belege für Traction, Umsatz oder Kundenakzeptanz über die eigene Entwicklungsarbeit des Autors hinaus?

Analysegrundlage: Dieser Bericht basiert ausschließlich auf der vom Anrufer bereitgestellten, selbstberichteten Projektdescription. Es sind keine externen Verifizierungen oder historischen Daten verfügbar. Alle Aussagen werden dem eigenen Bericht des Autors zugeschrieben und sollten als unbestätigt behandelt werden.

• Die Beschreibung besagt, dass Try the Work eine autorisierte Stellenbeschreibung in eine realistische, KI-gestützte Mini-Schicht umwandelt.
• Lernende führen beobachtbare Arbeiten mit KI-Unterstützung durch (mit optionaler lokaler Ollama-Unterstützung).
• Es erzeugt einen dem Kandidaten gehörenden "Work Receipt" mit Quellenangaben, bewerteten Belegen, Verbesserungsempfehlungen und expliziten, nicht getesteten Lücken.
• Das System trennt unterstützte Anforderungen von Annahmen und prüft beobachtbare Belege anstatt Persönlichkeitsmerkmale.
• Eine menschliche Überprüfung ist erforderlich, bevor ein dem Lernenden gehörender Beleg oder ein tieferes Codex-Arbeitspaket exportiert wird.

Schlussfolgerung: Das Produkt scheint ein Prototyp oder ein Proof-of-Concept für Job-Übungen mit KI zu sein, der sich auf Transparenz und menschliche Kontrolle im Prozess konzentriert. Es scheint noch kein live Produkt oder Marktplatz zu geben.

• Der Autor gibt an, dass Try the Work eine Philosophie aus früheren Arbeiten ("Harmony") anwendet, die darauf abzielt, menschliches Urteilsvermögen sichtbar zu halten, Belege mit Aussagen zu verbinden und sicherzustellen, dass Lernen zu echter Kompetenz führt.
• Es positioniert sich als sicherere Möglichkeit für Kandidaten, vor der Bewerbung zu üben, und als Grundlage für fairere, jobrelevante Testläufe für Einstellungsteams.
• Der Autor rahmt es auch als Unterstützung für Uptraining und Cross-Training ein, ohne vorzutäuschen, dass eine einzige Übung eine ganze Person misst.

Schlussfolgerung: Die Positionierung hat sich von der abstrakten Erforschung der Mensch-KI-Zusammenarbeit zu einem konkreten Werkzeug entwickelt, das sich auf Job-Bereitschaft und faire Einstellungspraktiken konzentriert. Es gibt jedoch keine Belege dafür, dass dies über die eigene Entwicklung des Autors oder die Hackathon-Einreichung hinausgegangen ist.

• Für Kandidaten: Eine Möglichkeit, vor der Bewerbung zu üben und zu zeigen, was sie tatsächlich können.
• Für Einstellungsteams: Eine Grundlage für fairere, jobrelevante Testläufe.
• Für Arbeitgeber: Unterstützung für Uptraining und Cross-Training, ohne vorzutäuschen, dass eine einzige Übung eine ganze Person misst.

nicht belegt: Es werden keine Informationen zu spezifischen Kundensegmenten, Personas oder dazu bereitgestellt, ob das Produkt über allgemeine Stellenbeschreibungen hinaus eine bestimmte Branche oder Rollentypen anspricht.

• Die Beschreibung erwähnt keine Preise, Abonnements oder Monetarisierungsstrategien.
• Es wird erwähnt, dass der enthaltene Shift ohne API-Schlüssel oder bezahltes Modell ausgeführt wird.
• Der optionale Ollama-Support bleibt auf numerischem Loopback und kann keine externen Aktionen ausführen.
• Codex wird als tieferer Pfad zum Bauen und Verbessern beschrieben, aber es werden keine Details zu Kosten oder Zugangsmodellen angegeben.

nicht belegt: Keine Hinweise auf Geschäftsmodell, Preistufen oder Monetarisierungsstrategie über die eigene Entwicklungsarbeit des Autors hinaus.

• Entwickelt mit TypeScript.
• Das System liest nur die autorisierte Rollenquelle.
• Trennt unterstützte Anforderungen von Annahmen.
• Verwendet deterministische Anleitung und optionale, nur auf localhost beschränkte Ollama-Unterstützung.
• Erfordert menschliche Überprüfung vor dem Export der Ergebnisse.
• Beinhaltet einen reproduzierbaren lokalen Build und einen optionalen Offline-Unterstützungspfad.
• Enthält 17 fokussierte Tests, die verschiedene Aspekte wie Zustand, Zitate, Mathematik, prompt-ähnlichen Text, nicht unterstützte Behauptungen, Hashes, Genehmigung, lokale Lektionen und Runtime-Modus-Verträge abdecken.

Schlussfolgerung: Die technische Architektur wird als begrenzt und deterministisch beschrieben, mit einem Schwerpunkt auf menschlicher Kontrolle und Transparenz. Es gibt keine Hinweise auf Skalierbarkeit oder Produktivbetrieb über die eigenen Tests des Autors hinaus.

• Das Projekt wurde beim OpenAI 2026 Hackathon eingereicht.
• Es enthält einen funktionierenden End-to-End-Mini-Shift.
• Es verfügt über 17 fokussierte Tests, die mehrere Bereiche abdecken.
• Es wird als "reproduzierbarer lokaler Build und optionaler Offline-Unterstützungspfad" beschrieben.

nicht belegt: Keine Hinweise auf Umsatz, Kundenakzeptanz, Nutzungsdaten oder irgendeine Form von Traction über die eigene Entwicklung des Autors hinaus.

• Die Beschreibung verweist nicht auf Wettbewerber oder ähnliche Produkte.
• Es wird nicht angegeben, ob es bestehende Plattformen für Job-Übungen oder KI-gestützte Kompetenzpraxis gibt.

nicht belegt: Kein Wettbewerbsumfeld wird beschrieben. Keine Hinweise auf Marktpresenz oder Differenzierung von anderen Tools.

• Das Projekt ist eine Einzelanstrengung (Teamgröße: 1).
• Es gibt keine verifizierte Traction, keinen Umsatz und keine Kundenbasis.
• Das Produkt wird als Prototyp oder Hackathon-Einreichung beschrieben, ohne Hinweise auf Produktionsreife.
• Es gibt keine Erwähnung von Skalierbarkeit, Datenschutz oder Compliance-Aspekten.
• Der Autor behält alle Entscheidungen zu Produkt, Identität, Behauptungen, Genehmigung und Veröffentlichung vor – was auf begrenzte externe Validierung hindeutet.

Schlussfolgerung: Das Fehlen eines Teams, von Traction und von Kommerzialisierung signalisiert ein hohes Risiko, ohne erhebliche zusätzliche Entwicklung oder Investitionen nicht skalierbar zu sein oder keine Marktakzeptanz zu erzielen.

1. Was ist der beabsichtigte Weg von diesem Prototyp zu einem skalierbaren Produkt?
2. Wie plant das Projekt, Bedenken hinsichtlich des Datenschutz, insbesondere bei KI-gestützter Job-Praxis, zu adressieren?
3. Gibt es Pläne zur Monetarisierung oder Kundenakquise über die eigene Entwicklung des Autors hinaus?
4. Hat der Autor in Betracht gezogen, wie validiert werden kann, dass die Mini-Shifts reale Job-Aufgaben genau widerspiegeln?
5. Was sind die wichtigsten Annahmen über das Nutzerverhalten und die Akzeptanz im Einstellungsprozess?