Shomik Ghosh, Partner v Sierra Ventures – Interview Series

Shomik Ghosh je partnerem v Sierra Ventures. Předtím byl partnerem v Boldstart Ventures, kde se zaměřoval na investice do technických zakladatelů, kteří staví produkty pro řešení problémů podniků, jako je Cloudquery, Kiln AI a Noded AI. Předtím pracoval jako investor ve fázi růstu v Top Tier Capital, kde investoval od série B do před-IPO, jako je CircleCI, Anaplan a Shape Security.

Sierra Ventures je venture kapitálová firma, která se zaměřuje na podporu inovativních podniků a hlubokých technologií. Firma investuje především ve fázi semen a série A v oblastech, jako je umělá inteligence, kybernetická bezpečnost, podniková infrastruktura a cloud technologie. V posledních letech Sierra Ventures kladla zvláštní důraz na早期 investice do AI, podporuje společnosti, které staví základní AI platformy, modely strojového učení, autonomní systémy a podnikové AI aplikace. Prostřednictvím své investiční strategie a sítě zkušených průmyslových poradců firma pomáhá vznikajícím technologickým společnostem zdokonalit produktovou strategii, škálovat operace a urychlit přijetí pokročilých AI řešení v různých odvětvích.

Přecházíte z investic ve fázi růstu v Top Tier Capital Partners na vedení investic do AI ve Sierra Ventures, po letech podpory úspěšných společností v Boldstart Ventures. Jak vám tato cesta změnila způsob, jakým rozlišujete mezi hraní AI a aplikovanou AI?

Mnoho se změnilo v tomto časovém rámci. AI je obrovský posun, který pronikl do odvětví rychleji než předchozí technologické posuny, protože AI stojí na bedrech předchozích posunů. Cloud computing, PC/mobilní zařízení a každá předchozí vlna AI pokroku poskytly stavební bloky pro moderní AI, aby se rychle rozšířila. To je také důvod, proč dopad vypadá tak rychlý a náhlý, s dramatickými pohyby na akciovém trhu a dokonce i dopadem na moderní válku. Hledáme zakladatele, kteří dělají krok do budoucnosti. Přijímají rizika spojená se stavbou funkcionality a schopností pro svět, který ještě neexistuje, ale jsou schopni ohromit zákazníky dosud neviděnými výsledky, které umožňují rychlejší škálování. V obou hraní AI a aplikované AI to existuje od robotiky po vertikální AI aplikace.

V praktických termínech, jak definujete „hraní AI“ versus „aplikovanou AI“, když hodnotíte počáteční fázi startupů, a kde vidíte největší mýty v tom, jak se tyto kategorie diskutují v širší AI narativ?

Hraní AI znamená využití technologie k řešení problémů na hranici toho, co je možné. Dosud jsme neměli roboty, které by významně umožňovaly průmysl mimo sklady, neměli jsme nové polovodičové čipy nebo brýle navržené pomocí novější laserové technologie a surovin. Aplikovaná AI znamená využití technologie k řešení problémů, které jsou známy dnes, ale dosud nebyly možné řešit ve stejném rozsahu. Dobrým příkladem jsou hlasoví agenti, kde společnosti jako Smallest AI pomáhají zákazníkům dodávat lidsky podobné chatovací zkušenosti a výsledky, místo produktu, který pomáhá dosáhnout výsledku. Tento aspekt dodávání výsledků versus zlepšování procesu je klíčovým posunem, který aplikovaná AI přináší do odvětví.

Z vašeho pohledu, pracujete úzce se zakladateli napříč inovacemi modelů, robotiky a vertikální AI, kde se dějí nejvýznamnější průlomy právě teď?

Průlomy se dějí všude! AI Code gen umožňuje rychlejší produktové cykly než dříve. Modely dodávají nové schopnosti s řízením paměti a RL prostředími přizpůsobenými pro různé použití, takže halucinace se rychle snižují a přesnost pro znalostní práci se zlepšuje exponenciálně. To vše se navzájem ovlivňuje. V robotice vidíme první známky, že škálovací zákony fungují stejně jako u LLM. To je obrovský průlom, protože dříve LLM byly většinou založeny na textu nebo obrázcích, ale nyní modely trénované na fyzickém světě, které musí rozumět fyzice, ukazují podobné škálovací zákony. Nové články, jako je článek o rekurzivních LLM, ukazují, jak modely mohou zlepšovat sami sebe prací вместе. Vidíme začátek struktur modelů 1 a 2, které jsou podobné dynamice, kterou vidíme v mozku. Doménově specifické modely se stávají snazšími pro trénink a destilaci z hraní OSS rozumových modelů, aby pomohly vertikálním AI stavitelům dodávat lepší výsledky zákazníkům.

Jak vyhodnocujete technickou novost proti produktovému trhu a reálné zákaznické trakci, když hodnotíte počáteční AI společnost?

Nakonec je technická novost sama o sobě typicky více užitečná pro výzkumné pole. V základních modelech například technická novost může vést k průlomu, který pak představuje nový škálovací vertikál. Ale pro většinu startupů je technická novost prostředkem k dosažení lepšího výsledku pro zákazníky. Zakladatelé startupů by neměli stavět něco pouze proto, že je to technicky náročné postavit, ale spíše jako výsledek stavby tímto způsobem, vede to k lepšímu zákaznickému výsledku a také lepšímu opevnění kolem podniku, které dělá těžší pro ostatní kopírovat. V éře AI code gen může mnoho technické novosti být rychle prolomeno, takže stále více se jedná o pochopení výsledků orientovaného inženýrství versus pouze technického inženýrství.

Mimo samotnou technologii, co konkrétně hledáte u zakladatele, který staví AI společnost na počáteční fázi?

Chceme vidět zakladatele, kteří staví pro budoucnost, která ještě nenastala. Dělají vypočítané sázky na agenty, modely a hardwarové zlepšení, které jsou pravděpodobně nastanou v blízké budoucnosti, a staví produkty, které využívají tuto budoucnost. Pak chceme, aby zakladatel vysvětlil, proč tato budoucnost nastane a proč stavba pro tuto budoucnost nyní verbessí zákazníkům životy 10x v budoucnosti, připravující se na tuto budoucnost. Chceme také zakladatele, kteří zcela přijímají AI. Pokud nepoužíváte Cursor, Codex, Claude Code k experimentování a učení, je těžké si představit budoucnost, vzhledem k tempu zlepšování, které tyto produkty dělají pro software vesmír. Tyto změny mají dolní dopad na hardwarový vesmír, protože stále více je hardware a software těsně integrován, aby umožnil autonomní rozhodování hardwaru pro lepší zákaznické výsledky.

Jaké signály naznačují, že technicky ambiciózní AI společnost má potenciál vyvinout se do škálovatelného, podnikového podniku, spíše než zůstat výzkumem?

Obvykle zakladatelé, kteří začali ve výzkumné fázi, mají koncový cíl na mysli. Mohou chtít pokračovat ve výzkumu, aby pokročili v oboru, ale také rozumějí, že monetizace aplikovaného výzkumu poskytuje palivo pro tyto pokroky. Takže vlastně se snažíme pochopit, jak zakladatel, který je nyní ve výzkumné fázi, přemýšlí o aplikacích tohoto výzkumu a jaké hypotézy má k testování pokroku výzkumu ve světě na cestě k deriskování výzkumné fáze.

Pro zakladatele, kteří staví vysoce technické platformy bez okamžité viditelnosti výnosů, jak by měli strukturovat milníky a investiční rozhovory jinak než startupy s jasnějšími near-term výnosovými cestami?

Velmi těžko říci. Každý startup má jedinečné aspekty. Společnost robotiky nemusí mít výnosovou viditelnost po dlouhou dobu, ale milníky na cestě by mohly být emergentní schopnosti, škálovací zákony v modelech, akce, které dříve nebyly možné. V AI infrastruktuře by to mohlo být dodání 2-3 designovým partnerům produktu, který poskytuje výsledky, které týmy jsou nadšeny a ochotny riskovat použití produktu v produkci, i když je to ještě brzy. V vertikální AI obvykle máte jasnější near-term cestu k monetizaci, protože pokud dodáte zákaznický výsledek ve vertikále, který řeší velký bolestivý bod, zákazníci jsou ochotni platit za to obvykle okamžitě.

Byla zde významná dynamika kolem startupů, které staví AI agenty – co je váš názor na dlouhodobý potenciál úspěchu společností, které se zaměřují primárně na autonomní agenty v podnikovém prostředí?

Jensen Huang z Nvidia (NVDA ) řekl, že Openclaw byl ChatGPT momentem pro agentic éru. Myslím, že to říká všechno. Časová osa pro agenty v podniku již není dlouhodobou sázku, ale jednou, která se rychle naplňuje, ať už to podniky chtějí nebo ne, protože počítačové použití, prohlížeč a osobní agenti se šíří po organizacích, začínající od spodních úrovní. Éra je zde, podniky budou adoptovat agenty ve všech aspektech organizace, a budou potřebovat governance, bezpečnost, monitoring, infrastrukturu, výpočetní a datová kolejnice, aby to vše obsloužily.

Jaké vzorce vidíte v typech AI zakladatelů nebo domén, které přitahují udržitelnou investiční důvěru, versus ty, které mohou být přehnaně zaměřeny na narativ?

Myslím, že je příliš mnoho oblastí příležitostí pro zakladatele, aby stavěli ve stejných oblastech. Legal tech, jako je Harvey, Legora, Eudia, všechny udělaly dobře, ale stále je zde nové společnosti, které vycházejí každý den v této oblasti. Moje zpráva pro zakladatele by byla, že AI je obrovský posun. To ovlivňuje každou část světa. Vzhledem k tomu, je povrchová oblast produktů, které lze postavit, a problémů, které lze řešit, neomezená. Myslete větší, než jen jít za úspěšnou společností, kterou jste viděli získat hodně peněz. Můžeme použít AI, aby dodávali životně důležité výsledky, a tak bych zakladatelům doporučil strávit více času přemýšlením o problémech, které by rádi řešili, a poté pracovat zpět na tom, jak AI může pomoci tyto problémy řešit.

Pohledem do budoucna, jak očekáváte, že se bude vyvíjet stavba AI společností v příštích pěti letech, když se schopnosti zrají a trhy stabilizují?

Nejsem si jist, zda „tržní stabilizace“ je termín, který bych použil. Myslím, že AI se zlepšuje exponenciálně a jako výsledek toho bude mnoho narušení. Ale narušení vytváří nekonečné příležitosti, a tak stavba počáteční fáze vstupuje do jedné z nejdynamičtějších ér, které jsme viděli v posledních letech. Zapomínáme, ale společnosti jako OpenAI a Anthropic jsou méně než deset let staré a již jsou považovány za mega kapitalizované technické společnosti. Existuje okno času, kdy se schopnosti rozšiřují rychle, a mnoho masivních společností může být postaveno. Je to jedna z nejzajímavějších dob v technologiích, kterou jsem zažil ve svém životě.

Děkuji za skvělý rozhovor, podnikatelé, kteří chtějí se více dozvědět, by měli navštívit Sierra Ventures.