Shomik Ghosh, Partner bei Sierra Ventures – Interviewreihe

Shomik Ghosh ist Partner bei Sierra Ventures. Zuvor war er Partner bei Boldstart Ventures, wo er sich auf Investitionen in technische Gründer konzentrierte, die Produkte entwickelten, um Unternehmensschmerzpunkte zu lösen, wie z.B. Cloudquery, Kiln AI und Noded AI. Davor war er Wachstumsinvestor bei Top Tier Capital, wo er von Series B bis zur Vor-IPO-Phase investierte, wie z.B. CircleCI, Anaplan und Shape Security.

Sierra Ventures ist eine Risikokapitalfirma, die sich auf die Unterstützung innovativer Unternehmens- und Tieftechnologie-Startups konzentriert. Das Unternehmen investiert hauptsächlich in der Seed- und Series-A-Phase in Bereichen wie künstliche Intelligenz, Cybersicherheit, Unternehmensinfrastruktur und Cloud-Technologien. In den letzten Jahren hat Sierra Ventures besonderen Wert auf frühe KI-Investitionen gelegt und Unternehmen unterstützt, die grundlegende KI-Plattformen, maschinelles Lernen, autonome Systeme und Unternehmens-KI-Anwendungen aufbauen. Durch seine Investitionsstrategie und das Netzwerk erfahrener Branchenberater hilft das Unternehmen aufstrebenden Technologieunternehmen, ihre Produktstrategie zu verfeinern, ihre Betriebsabläufe zu skalieren und die Einführung fortschrittlicher KI-Lösungen in verschiedenen Branchen zu beschleunigen.

Sie haben sich von Wachstumsinvestitionen bei Top Tier Capital Partners zu frühen KI-Investitionen bei Sierra Ventures weiterentwickelt, nachdem Sie Jahre lang bei Boldstart Ventures Unternehmen unterstützt haben. Wie hat diese Reise Ihre Sicht darauf beeinflusst, Frontier-KI von angewandter KI zu unterscheiden?

Viel hat sich in dieser Zeit geändert. KI ist ein massiver Enablement-Shift, der Branchen schneller durchdringt als frühere technologische Paradigmenwechsel, da KI auf den Schultern der vorherigen Shifts steht. Cloud-Computing, PC/Mobile-Geräte und jede Welle vorheriger KI-Fortschritte haben die Bausteine für die moderne KI geliefert, um schnell zu verbreiten. Dies ist auch der Grund, warum der Einfluss so schnell und plötzlich erscheint, mit drastischen Bewegungen an den Aktienmärkten und sogar mit Auswirkungen auf den modernen Krieg. Wir suchen nach Gründern, die einen Schritt in die Zukunft machen. Sie nehmen alle Risiken des Aufbaus von Funktionalitäten und Fähigkeiten für eine Welt auf sich, die noch nicht existiert, aber in der Lage sind, Kunden mit noch nie dagewesenen Ergebnissen zu begeistern und so ein schnelleres Wachstum zu ermöglichen. Sowohl in Frontier- als auch in angewandter KI existiert dies von Robotik bis hin zu vertikalen KI-Anwendungen.

Praktisch gesprochen, wie definieren Sie “Frontier-KI” im Vergleich zu “angewandter KI”, wenn Sie frühe Startups bewerten, und wo sehen Sie die größten Missverständnisse in der Diskussion über diese Kategorien im breiteren KI-Narrativ?

Frontier-KI bedeutet, Technologie zu nutzen, um Probleme am Rande des Möglichen zu lösen. Bisher haben wir keine Roboter, die sich bedeutend auf die Industrie außerhalb von Lagerhäusern auswirken, wir haben keine neuen Halbleiterchips oder Brillen, die mit neuartiger Laser-Technologie und Rohstoffen entwickelt wurden. Angewandte KI bedeutet, Technologie zu nutzen, um Probleme zu lösen, die heute bekannt sind, aber bisher nicht in demselben Umfang gelöst werden konnten. Ein gutes Beispiel sind Sprachassistenten, bei denen Unternehmen wie Smallest AI Kunden helfen, menschliche Chat-Erfahrungen zu liefern und Ergebnisse für Kunden zu liefern, anstatt ein Produkt, das dazu beiträgt, das Ergebnis zu erreichen. Dieser Aspekt der Ergebnislieferung im Vergleich zur Prozessverbesserung ist ein wichtiger Wandel, den angewandte KI in die Branchen bringt.

Aus Ihrer Perspektive, die eng mit Gründern aus dem Bereich Modellinnovation, Robotik und vertikaler KI zusammenarbeitet, wo finden Sie die bedeutendsten Durchbrüche gerade jetzt?

Durchbrüche finden überall statt! AI-Code-Generierung ermöglicht schnellere Produktzyklen als zuvor. Modelle liefern neue Fähigkeiten mit Speichermanagement und RL-Umgebungen, die auf verschiedene Anwendungsfälle zugeschnitten sind, so dass Halluzinationen rapide abnehmen, während die Genauigkeit für Wissensarbeit exponentiell verbessert wird. All dies füttert sich selbst. In der Robotik sehen wir erste Anzeichen, dass Skalengesetze wie bei LLMs funktionieren. Dies ist ein großer Durchbruch, da LLMs vorher hauptsächlich text- oder bildbasiert waren, aber jetzt Modelle, die auf der physischen Welt trainiert werden und Physik verstehen müssen, ähnliche Skalengesetze zeigen. Neue Papers wie das Recursive LLM-Paper zeigen, wie Modelle sich selbst verbessern können, indem sie zusammenarbeiten. Wir sehen Systeme 1 und 2-Modellstrukturen entstehen, die ähnlich sind wie die Dynamiken, die wir im Gehirn sehen. Domänen-spezifische Modelle werden einfacher zu trainieren und von Frontier-OSS-Grundmodellen zu distillieren, um Vertikal-KI-Buildern zu helfen, bessere Ergebnisse für Kunden zu liefern.

Wenn Sie ein frühes AI-Unternehmen bewerten, wie balancieren Sie technische Neuheit gegen Produkt-Markt-Passung und reale Kundenakzeptanz?

Letztendlich ist technische Neuheit an sich typischerweise mehr für das Forschungsgebiet nützlich. Bei den Grundmodellen zum Beispiel kann technische Neuheit tatsächlich zu einem Durchbruch führen, der dann ein neues Skalierungsvertikal präsentiert. Aber für die meisten Startups ist technische Neuheit ein Mittel zum Zweck, um bessere Ergebnisse für Kunden zu liefern. Startup-Gründer sollten nicht etwas bauen, nur weil es technisch schwierig zu bauen ist, sondern als Ergebnis davon, dass es zu besseren Kundenresultaten führt und auch einen besseren Schutzwall um das Geschäft bildet, der es anderen erschwert, es zu kopieren. Im Zeitalter der AI-Code-Generierung kann viel von der technischen Neuheit schnell durchbrochen werden, so dass es immer mehr um outcome-getriebenes Engineering geht und nicht nur um reines technisches Engineering.

Außerhalb der Technologie selbst, wonach suchen Sie speziell bei einem Gründer, der ein AI-Unternehmen in den frühesten Stadien aufbaut?

Wir wollen Gründer sehen, die für die Zukunft bauen, die noch nicht geschehen ist. Sie machen berechnete Wetten auf Agenten, Modelle und Hardware-Verbesserungen, die wahrscheinlich in naher Zukunft eintreten werden, und bauen Produkte, die davon profitieren. Dann wollen wir, dass der Gründer erklärt, warum diese Zukunft eintreten wird und warum das Bauen für diese Zukunft jetzt die Lebensqualität der Kunden in zehn Jahren um das Zehnfache verbessern wird, indem sie sich darauf vorbereiten. Wir wollen auch Gründer, die AI voll und ganz annehmen. Wenn Sie nicht Cursor, Codex, Claude Code verwenden, um zu experimentieren und zu lernen, fällt es schwer, die Zukunft vorherzusagen, angesichts des Tempos der Verbesserungen, die diese Produkte für das Software-Universum machen. Diese Änderungen haben einen nachgelagerten Einfluss auf das Hardware-Universum, da Hardware und Software zunehmend eng miteinander verknüpft sind, um autonome Entscheidungsfindung durch die Hardware zu ermöglichen und so bessere Kundenresultate zu liefern.

Welche Signale deuten darauf hin, dass ein technisch ambitioniertes AI-Unternehmen das Potenzial hat, sich zu einem skalierbaren, unternehmensreifen Geschäft zu entwickeln und nicht nur ein forschungsgetriebenes Vorhaben zu bleiben?

Üblicherweise haben Gründer, die ein forschungsgetriebenes Vorhaben gestartet haben, ein Endziel im Blick. Sie möchten möglicherweise weiterhin Forschung betreiben, um das Feld voranzutreiben, aber sie verstehen auch, dass die Monetarisierung der angewandten Forschung hilft, den Treibstoff für diese Fortschritte zu liefern. Also versuchen wir einfach zu verstehen, wie ein Gründer, der derzeit in der Forschungsphase ist, über die Anwendungen dieser Forschung nachdenkt und welche Hypothesen er hat, um den Fortschritt der Forschung in der Welt zu testen und die Forschungsphase zu entschärfen.

Für Gründer, die hochtechnische Plattformen ohne klare Umsicht in der Nähe aufbauen, wie sollten sie Meilensteine und Investorengespräche anders strukturieren als Startups mit klareren kurzfristigen Monetarisierungspfaden?

Sehr schwer zu sagen. Jedes Startup hat einzigartige Aspekte. Ein Robotik-Unternehmen mag keine Umsicht in der Nähe haben, aber Meilensteine auf dem Weg könnten emergente Fähigkeiten, Skalengesetze in Modellen, Aktionen sein, die zuvor nicht möglich waren. Bei AI-Infrastruktur könnte es darum gehen, 2-3 Designpartnern ein Produkt zu liefern, das Ergebnisse bietet, die Teams begeistern und bereit sind, die Wette einzugehen, das Produkt in der Produktion zu verwenden, obwohl es noch früh ist. Bei vertikaler KI gibt es typischerweise einen klareren kurzfristigen Pfad zur Monetarisierung, da Sie, wenn Sie ein Kundenresultat in einem vertikalen Bereich liefern, das einen großen Schmerzpunkt löst, Kunden bereit sind, dafür zu bezahlen, typischerweise sofort.

Es gab einen bedeutenden Schwung um Startups, die KI-Agenten aufbauen – was ist Ihre Perspektive auf das langfristige Erfolgspotenzial von Unternehmen, die sich primär auf autonome Agenten in Unternehmensumgebungen konzentrieren?

Jensen Huang von Nvidia sagte, Openclaw sei das ChatGPT-Moment für die agentische Ära. Ich denke, das sagt alles. Der Zeitplan für Agenten in Unternehmen ist nicht mehr ein langer Wettkampf, sondern einer, der schnell zur Reife kommt, ob Unternehmen es wollen oder nicht, da Computer-, Browser- und persönliche Agenten durch Organisationen von unten nach oben verbreitet werden. Die Ära ist da, Unternehmen werden Agenten in jedem Aspekt der Organisation adoptieren, und sie werden Governance, Sicherheit, Überwachung, Infrastruktur, Rechenleistung und Datenrails benötigen, um all dies zu bedienen.

Welche Muster sehen Sie in den Arten von KI-Gründern oder Domänen, die nachhaltiges Investorenvertrauen anziehen, im Vergleich zu denen, die möglicherweise zu sehr auf die Erzählung setzen?

Ich denke, es gibt zu viele Bereiche der Möglichkeiten für Gründer, in den gleichen Bereichen zu bauen. Legal-Tech wie Harvey, Legora, Eudia haben alle gut abgeschnitten, aber es gibt immer noch neue Unternehmen, die jeden Tag in diesem Bereich auftauchen. Meine Botschaft für Gründer wäre, KI ist ein massiver Enablement-Shift. Es beeinflusst jeden Aspekt der Welt. Angesichts dessen ist die Oberfläche der Produkte, die gebaut werden können, und der Probleme, die gelöst werden können, unbegrenzt. Denken Sie größer als nur das Nachbilden eines erfolgreichen Unternehmens, das Sie gesehen haben, das viel Geld aufgenommen hat. Wir können KI nutzen, um lebensverändernde Ergebnisse zu liefern, und ich würde Gründern raten, mehr Zeit damit zu verbringen, über Probleme nachzudenken, die sie lösen möchten, und dann rückwärts zu arbeiten, wie KI dabei helfen kann, diese Probleme zu lösen.

Wenn Sie in die Zukunft blicken, wie erwarten Sie, dass das Aufbauen von frühen KI-Unternehmen in den nächsten fünf Jahren evolviert, wenn Fähigkeiten ausgereift sind und Märkte stabilisieren?

Ich bin nicht sicher, ob “Marktstabilisierung” ein Begriff ist, den ich verwenden würde. Ich denke, KI verbessert sich exponentiell, und als Ergebnis wird es viel Disruption geben. Aber Disruption schafft endlose Möglichkeiten, und so betritt das Aufbauen von frühen Unternehmen eine der dynamischsten Epochen, die wir in den letzten Jahren gesehen haben. Wir vergessen, aber Unternehmen wie OpenAI und Anthropic sind weniger als ein Jahrzehnt alt und werden bereits als Mega-Cap-Technologieunternehmen betrachtet. Es gibt ein Zeitfenster, in dem Fähigkeiten rapide expandieren, und so viele massive Unternehmen können gebaut werden. Es ist eine der aufregendsten Zeiten in der Technologie, die ich in meinem Leben erlebt habe.

Vielen Dank für das großartige Interview. Unternehmer, die mehr erfahren möchten, sollten Sierra Ventures besuchen.