Σχομίκ Γκός, Συνεταίρος στη Sierra Ventures – Σειρά Συνεντεύξεων

Σχομίκ Γκός είναι Συνεταίρος στη Sierra Ventures. Προηγουμένως ήταν Συνεταίρος στη Boldstart Ventures, όπου επικεντρώθηκε στις επενδύσεις στην αρχική φάση σε τεχνικούς ιδρυτές που κατασκευάζουν προϊόντα για την επίλυση προβλημάτων επιχειρήσεων, όπως το Cloudquery, το Kiln AI και το Noded AI. Πριν από αυτό, ήταν επενδυτής στη φάση ανάπτυξης στη Top Tier Capital, επενδύοντας από τη Σειρά B μέχρι την προ-ΙΠΟ, όπως το CircleCI, το Anaplan και το Shape Security.

Sierra Ventures είναι μια εταιρεία κεφαλαίου επενδύσεων σε πρώιμο στάδιο που επικεντρώνεται στην υποστήριξη καινοτόμων επιχειρήσεων και startups τεχνολογίας. Η εταιρεία επενδύει κυρίως στη φάση σπόρου και Σειράς Α σε περιοχές όπως η τεχνητή νοημοσύνη, η κυβερνοασφάλεια, η υποδομή επιχειρήσεων και οι τεχνολογίες cloud. Τα τελευταία χρόνια, η Sierra Ventures έχει δώσει ιδιαίτερη έμφαση στις πρώιμες επενδύσεις σε τεχνολογία AI, υποστηρίζοντας εταιρείες που κατασκευάζουν θεμελιώδεις πλατφόρμες AI, υποδομή μάθησης με μηχανές, αυτόνομες συστήματα και εφαρμογές AI επιχειρήσεων. Μέσω της στρατηγικής επενδύσεων και του δικτύου έμπειρων συμβούλων βιομηχανίας, η εταιρεία βοηθά τις εταιρείες τεχνολογίας να βελτιώσουν τη στρατηγική προϊόντων, να κλιμακώσουν τις επιχειρήσεις και να επιταχύνουν την υιοθέτηση προηγμένων λύσεων AI σε διάφορους τομείς.

Έχετε μεταβεί από επενδύσεις σε φάση ανάπτυξης στη Top Tier Capital Partners σε ηγετικές επενδύσεις σε πρώιμο στάδιο AI στη Sierra Ventures, μετά από χρόνια υποστήριξης εταιρειών με εξαιρετική ανάπτυξη στη Boldstart Ventures. Πώς έχει διαμορφώσει αυτό το ταξίδι τον τρόπο με τον οποίο διακρίνετε την τεχνητή νοημοσύνη του μελλοντικού ορίζοντα από την εφαρμοσμένη τεχνητή νοημοσύνη σήμερα;

Πολύ έχει αλλάξει σε αυτό το χρονικό διάστημα. Η τεχνητή νοημοσύνη είναι μια τεράστια αλλαγή που έχει διεισδύσει σε βιομηχανίες πιο γρήγορα από τις προηγούμενες τεχνολογικές αλλαγές, καθώς η τεχνητή νοημοσύνη βασίζεται στις αλλαγές που προηγήθηκαν. Η υπολογιστική στο cloud, οι συσκευές PC/Μobile και κάθε προηγούμενη αλλαγή τεχνητής νοημοσύνης έχουν παρέχει τα δομικά στοιχεία για τη σύγχρονη τεχνητή νοημοσύνη να εξαπλωθεί γρήγορα. Αυτό είναι επίσης ο λόγος για τον οποίο η επίδραση φαίνεται τόσο γρήγορη και απότομη, με δραστικές κινήσεις που συμβαίνουν στην αγορά μετοχών και ακόμη και επηρεάζουν τον σύγχρονο πόλεμο. Αυτό που ψάχνουμε είναι ιδρυτές που κάνουν ένα βήμα στο μέλλον. Αυτοί είναι αυτοί που ενστερνίζονται tous τους κινδύνους της κατασκευής λειτουργικότητας και ικανοτήτων για έναν κόσμο που ακόμη δεν υπάρχει, αλλά σε αντάλλαγμα είναι σε θέση να εντυπωσιάσουν τους πελάτες με αποτελέσματα που δεν έχουν φανεί ποτέ πριν, επιτρέποντας μια ταχύτερη κλιμάκωση. Στην τεχνητή νοημοσύνη του μελλοντικού ορίζοντα και στην εφαρμοσμένη τεχνητή νοημοσύνη, αυτό υπάρχει από τη ρομποτική έως τις εφαρμογές AI σε κάθε βιομηχανία.

Σε πρακτικούς όρους, πώς ορίζετε την «τεχνητή νοημοσύνη του μελλοντικού ορίζοντα» έναντι της «εφαρμοσμένης τεχνητής νοημοσύνης» όταν αξιολογείτε εταιρείες σε πρώιμο στάδιο, και που βλέπετε τις μεγαλύτερες παρεξηγήσεις στο πώς αυτές οι κατηγορίες συζητιούνται στο ευρύτερο αφηγηματικό της τεχνητής νοημοσύνης;

Η τεχνητή νοημοσύνη του μελλοντικού ορίζοντα σημαίνει την αξιοποίηση της τεχνολογίας για την αντιμετώπιση προβλημάτων στο άκρο του τι είναι δυνατό. Μέχρι σήμερα δεν έχουμε δει ρομπότ να ενεργοποιούν σημαντικά την βιομηχανία εκτός των αποθηκών, δεν έχουμε δει νέες μπαταρίες ή γυαλιά να σχεδιάζονται με νέα laser τεχνολογία και πρώτες ύλες. Η εφαρμοσμένη τεχνητή νοημοσύνη σημαίνει την αξιοποίηση της τεχνολογίας για την αντιμετώπιση προβλημάτων που είναι γνωστά σήμερα αλλά δεν ήταν δυνατό να λυθούν στο ίδιο βαθμό. Ένα καλό παράδειγμα είναι οι φωνητικοί πράκτορες, όπου εταιρείες όπως η Smallest AI βοηθούν τους πελάτες να προσφέρουν ανθρώπινες εμπειρίες συνομιλίας και να προσφέρουν αποτελέσματα στους πελάτες αντί για προϊόντα που βοηθούν στην επίτευξη του αποτελέσματος. Αυτό το στοιχείο της παράδοσης αποτελεσμάτων αντί για τη βελτίωση της διαδικασίας είναι μια κρίσιμη αλλαγή που η εφαρμοσμένη τεχνητή νοημοσύνη φέρνει στις βιομηχανίες.

Από την οπτική σας γωνία, εργαζόμενος στενά με ιδρυτές σε καινοτόμες λύσεις, ρομποτική και εφαρμογές AI σε κάθε βιομηχανία, που είναι τα πιο σημαντικά επιτεύγματα που συμβαίνουν τώρα;

Τα επιτεύγματα συμβαίνουν παντού! Η γεννήτρια κώδικα AI επιτρέπει ταχύτερους κύκλους προϊόντων από πριν. Τα μοντέλα προσφέρουν νέες ικανότητες με διαχείριση μνήμης και περιβάλλοντα RL που προσαρμόζονται σε διάφορες περιπτώσεις, ώστε οι ψευδαισθήσεις να μειώνονται γρήγορα, ενώ η ακρίβεια για εργασίες γνώσης αυξάνεται εκθετικά. Όλα αυτά θρέφουν το ένα το άλλο. Στη ρομποτική, βλέπουμε πρώιμες ενδείξεις ότι οι νόμοι κλιμάκωσης λειτουργούν όπως και στα LLMs. Αυτό είναι một τεράστιο επιτεύγματα, καθώς πριν τα LLMs ήταν κυρίως κείμενο ή εικόνα, αλλά τώρα τα μοντέλα που εκπαιδεύονται στον φυσικό κόσμο που πρέπει να κατανοήσουν τη φυσική δείχνουν παρόμοιους νόμους κλιμάκωσης. Νέα έγγραφα όπως η αναδρομική έρευνα LLMs δείχνει πώς τα μοντέλα μπορούν να βελτιώσουν τον εαυτό τους συνεργαζόμενα. Βλέπουμε τη δομή μοντέλων 1 και 2 να αρχίσει να εμφανίζεται, που είναι παρόμοια με τη δυναμική που βλέπουμε στο εγκέφαλο. Τα μοντέλα που είναι ειδικά για κάθε domaine γίνονται πιο εύκολα να εκπαιδευτούν και να αποσταλούν από τα μοντέλα OSS reasoning για να βοηθήσουν τους κατασκευαστές AI σε κάθε βιομηχανία να προσφέρουν καλύτερα αποτελέσματα στους πελάτες.

Όταν αξιολογείτε μια εταιρεία AI σε πρώιμο στάδιο, πώς ισορροπείτε την τεχνική καινοτομία έναντι της ταίριασης προϊόντων-αγοράς και της πραγματικής προόδου των πελάτων;

Τελικά, η τεχνική καινοτομία από μόνη της είναι συνήθως πιο χρήσιμη για το ερευνητικό πεδίο. Στα μοντέλα θεμελιώδους, για παράδειγμα, η τεχνική καινοτομία θα μπορούσε να οδηγήσει σε ένα επιτεύγματα που θα παρείχε ένα νέο σημείο κλιμάκωσης. Αλλά για τις περισσότερες εταιρείες, η τεχνική καινοτομία είναι ένα μέσο για να προσφέρουν καλύτερα αποτελέσματα στους πελάτες. Οι ιδρυτές δεν πρέπει να κατασκευάζουν κάτι μόνο και μόνο因为 είναι τεχνικά δύσκολο να κατασκευαστεί, αλλά ως αποτέλεσμα της κατασκευής με αυτόν τον τρόπο, οδηγεί σε καλύτερα αποτελέσματα για τους πελάτες και επίσης σε ένα καλύτερο μονοπάτι γύρω από την επιχείρηση που κάνει πιο δύσκολο για άλλους να το αντιγράψουν. Στην εποχή της γεννήτριας κώδικα AI, πολλή από την τεχνική καινοτομία μπορεί να παραβιαστεί γρήγορα, ώστε όλο και περισσότερο να είναι για την κατανόηση της μηχανικής που οδηγεί σε αποτελέσματα αντί για την απλή τεχνική μηχανική.

Πέρα από την τεχνολογία herself, τι ψάχνετε συγκεκριμένα σε έναν ιδρυτή που κατασκευάζει μια εταιρεία AI σε πρώιμο στάδιο;

Θέλουμε να δούμε ιδρυτές που κατασκευάζουν για το μέλλον που δεν έχει συμβεί ακόμη. Κάνουν υπολογισμένα στοιχήματα σε πράκτορες, μοντέλα και βελτιώσεις υλικού που είναι πιθανό να συμβούν στο κοντινό μέλλον και κατασκευάζουν προϊόντα που κεφαλαιοποιούν σε αυτό. Θέλουμε τον ιδρυτή να εξηγήσει γιατί αυτό το μέλλον θα συμβεί και γιατί η κατασκευή για αυτό το μέλλον τώρα θα βελτιώσει την ζωή των πελάτων 10 φορές στο μέλλον, προετοιμάζοντας για αυτό τώρα. Θέλουμε επίσης ιδρυτές που ενστερνίζονται πλήρως την τεχνητή νοημοσύνη. Αν δεν χρησιμοποιείτε το Cursor, το Codex, το Claude Code για να πειραματιστείτε και να μάθετε, είναι δύσκολο να φανταστείτε το μέλλον, δεδομένης της ταχύτητας βελτίωσης που αυτά τα προϊόντα κάνουν στο σύμπαν του λογισμικού. Αυτές οι αλλαγές έχουν επιπτώσεις στο σύμπαν του υλικού,既然 ότι το υλικό και το λογισμικό είναι στενά ενσωματωμένα για να επιτρέψουν αυτόνομη λήψη αποφάσεων από το υλικό για να προσφέρουν καλύτερα αποτελέσματα στους πελάτες.

Τι σήματα δείχνουν ότι μια τεχνικά φιλόδοξη εταιρεία AI έχει το δυναμικό να εξελιχθεί σε μια εύρωστη, επιχειρηματικά έτοιμη επιχείρηση και όχι να παραμείνει μια ερευνητική προσπάθεια;

Συνήθως οι ιδρυτές που έχουν ξεκινήσει μια ερευνητική προσπάθεια έχουν ένα τελικό στόχο. Θέλουν να συνεχίσουν να κάνουν έρευνα για να προωθήσουν το πεδίο, αλλά επίσης κατανοούν ότι η монεταρίωση της εφαρμοσμένης έρευνας βοηθά να παρέχει καύσιμα για αυτές τις προόδους. Έτσι, πραγματικά προσπαθούμε να κατανοήσουμε πώς ένας ιδρυτής που είναι τώρα σε ερευνητική λειτουργία σκέφτεται τις εφαρμογές της έρευνας και ποια υποθέσεις έχει για να δοκιμάσει την πρόοδο της έρευνας στον κόσμο κατά μήκος του δρόμου για να αποκλείσει την ερευνητική φάση.

Για ιδρυτές που κατασκευάζουν πολύ τεχνικά προϊόντα χωρίς άμεση ορατότητα εσόδων, πώς πρέπει να δομήσουν τα ορόσημα και τις συνομιλίες με επενδυτές διαφορετικά από εταιρείες με σαφείς μονοπάτους монεταρίσεων;

Πολύ δύσκολο να πω. Κάθε εταιρεία έχει μοναδικά χαρακτηριστικά. Μια εταιρεία ρομποτικής μπορεί να μην έχει ορατότητα εσόδων για πολύ καιρό, αλλά τα ορόσημα κατά μήκος του δρόμου θα μπορούσαν να είναι αναδυόμενες ικανότητες, νόμοι κλιμάκωσης σε μοντέλα, ενέργειες που δεν ήταν δυνατό να συμβούν trước. Στην υποδομή AI, θα μπορούσε να είναι η παράδοση σε 2-3 συνεργάτες ένα προϊόν που προσφέρει αποτελέσματα που οι ομάδες είναι ενθουσιασμένες να πάρουν το στοίχημα της χρήσης του προϊόντος στην παραγωγή, ακόμη και αν είναι πρώιμο. Στις εφαρμογές AI, συνήθως υπάρχει ένα σαφές μονοπάτι προς μονεταρίωση, επειδή αν προσφέρετε ένα αποτέλεσμα πελάτη σε μια εφαρμογή που λύνει ένα μεγάλο πόνο, οι πελάτες είναι πρόθυμοι να πληρώσουν για αυτό συνήθως αμέσως.

Υπήρξε σημαντική ώθηση γύρω από εταιρείες που κατασκευάζουν πράκτορες AI—τι είναι η προοπτική σας για την μακροχρόνια επιτυχία των εταιρειών που επικεντρώνονται κυρίως σε αυτόνομους πράκτορες σε περιβάλλοντα επιχειρήσεων;

Ο Jensen Huang της Nvidia (NVDA ) είπε ότι το Openclaw ήταν η στιγμή ChatGPT για την εποχή των πρακτόρων. Νομίζω ότι αυτό λέει όλα. Ο χρονοδιάγραμμα για τους πράκτορες στις επιχειρήσεις δεν είναι πλέον ένα μακροπρόθεσμο στοίχημα, αλλά ένα που έρχεται γρήγορα σε πραγματικότητα, είτε οι επιχειρήσεις το θέλουν είτε όχι, καθώς η χρήση υπολογιστών, του προγράμματος περιήγησης και των προσωπικών πρακτόρων διεισδύει στις οργανώσεις, ξεκινώντας από την κάτω προς την πάνω χρήση. Η εποχή των πρακτόρων είναι εδώ, οι επιχειρήσεις θα υιοθετήσουν πράκτορες σε κάθε аспέκτο της οργάνωσης, και θα χρειαστούν διακυβέρνηση, ασφάλεια, παρακολούθηση, υποδομή, υπολογιστική ισχύ και ρails δεδομένων για να εξυπηρετήσουν όλα αυτά.

Ποια μοτίβα βλέπετε στα είδη ιδρυτών AI ή τομείς που προσελκύουν συνεχής εμπιστοσύνη επενδυτών έναντι εκείνων που μπορεί να υπερβαίνουν την αφήγηση;

Νομίζω ότι υπάρχουν πολλές περιοχές ευκαιριών για ιδρυτές να κατασκευάζουν. Η τεχνητή νοημοσύνη είναι μια τεράστια αλλαγή που επηρεάζει κάθε аспέκτο του κόσμου. Δεδομένου αυτού, η επιφάνεια των προϊόντων που πρέπει να κατασκευαστούν και των προβλημάτων που πρέπει να λυθούν είναι απεριόριστη. Σκεφτείτε μεγαλύτερα από το να πηγαίνετε πίσω σε μια επιτυχημένη εταιρεία που έχετε δει να ανεβάζει πολλά χρήματα. Μπορούμε να χρησιμοποιήσουμε την τεχνητή νοημοσύνη για να προσφέρουμε αποτελέσματα που αλλάζουν την ζωή, και έτσι θα ενθαρρύνω τους ιδρυτές να περάσουν περισσότερο χρόνο σκεπτόμενοι τα προβλήματα που θα λάτρεψαν να λύσουν και μετά να εργαστούν προς τα πίσω για να δουν πώς η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει να λύσει αυτά τα προβλήματα.

Κοιτάζοντας μπροστά, πώς περιμένετε η κατασκευή εταιρειών AI σε πρώιμο στάδιο να εξελιχθεί τα επόμενα πέντε χρόνια, καθώς οι ικανότητες ωριμάζουν και οι αγορές σταθεροποιούνται;

Δεν είμαι βέβαιος αν η «σταθεροποίηση της αγοράς» είναι ένας όρος που θα χρησιμοποιούσα. Νομίζω ότι η τεχνητή νοημοσύνη βελτιώνεται εκθετικά και ως αποτέλεσμα, θα υπάρξουν πολλές αναταραχές. Αλλά οι αναταραχές δημιουργούν ατελείωτες ευκαιρίες, και έτσι η κατασκευή εταιρειών σε πρώιμο στάδιο μπαίνει σε μια από τις πιο δυναμικές εποχές που έχουμε δει τα τελευταία χρόνια. Ξεχνούμε, αλλά εταιρείες όπως η OpenAI και η Anthropic είναι λιγότερο από μια δεκαετία παλιές και ήδη θεωρούνται εταιρείες με τεράστια κεφάλαια. Υπάρχει ένα παράθυρο χρόνου, καθώς οι ικανότητες επεκτείνονται γρήγορα, για πολλές τεράστιες εταιρείες να κατασκευαστούν. Είναι μια από τις πιο ενθουσιαστικές εποχές στην τεχνολογία που έχω ζήσει στη ζωή μου.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι ιδρυτές που θέλουν να μάθουν περισσότερα πρέπει να επισκεφθούν Sierra Ventures.