Shomik Ghosh, Socio de Sierra Ventures – Serie de Entrevistas

Shomik Ghosh es un socio de Sierra Ventures. Anteriormente fue socio de Boldstart Ventures, donde se centró en invertir en fundadores técnicos que construían productos para resolver problemas empresariales, como Cloudquery, Kiln AI y Noded AI. Antes de eso, fue inversor en etapa de crecimiento en Top Tier Capital, invirtiendo desde la Serie B hasta la pre-IPO, como CircleCI, Anaplan y Shape Security.

Sierra Ventures es una firma de capital de riesgo en etapa temprana que se centra en respaldar a startups innovadoras de empresa y tecnología profunda. La firma invierte principalmente en las etapas de semilla y Serie A en áreas como la inteligencia artificial, la ciberseguridad, la infraestructura empresarial y las tecnologías en la nube. En los últimos años, Sierra Ventures ha puesto un énfasis particular en las inversiones en AI tempranas, apoyando a empresas que construyen plataformas de AI fundamentales, infraestructura de aprendizaje automático, sistemas autónomos y aplicaciones de AI empresariales. A través de su estrategia de inversión y su red de asesores industriales experimentados, la firma ayuda a las empresas de tecnología emergentes a perfeccionar su estrategia de producto, escalar operaciones y acelerar la adopción de soluciones de AI avanzadas en diversas industrias.

Has pasado de invertir en etapa de crecimiento en Top Tier Capital Partners a liderar inversiones en AI tempranas en Sierra Ventures, después de años de respaldar a empresas destacadas en Boldstart Ventures. ¿Cómo ha moldeado ese viaje la forma en que distingues entre AI de frontera y AI aplicada hoy en día?

Muchas cosas han cambiado en ese período de tiempo. La inteligencia artificial es un cambio de habilitación masivo que ha permeado las industrias más rápido que los cambios de paradigma tecnológico anteriores, ya que la IA se basa en los hombros de los cambios anteriores. La computación en la nube, los dispositivos PC/móviles y cada ola de avances de IA anteriores han proporcionado los bloques de construcción para que la IA moderna se propague rápidamente. Esto también explica por qué el impacto se siente tan rápido y repentino, con movimientos drásticos en el mercado de valores e incluso afectando la guerra moderna. Lo que buscamos son fundadores que den un paso hacia el futuro. Están asumiendo todos los riesgos de construir funcionalidad y capacidades para un mundo que aún no existe, pero que pueden sorprender a los clientes con resultados nunca antes vistos, lo que permite una escalabilidad más rápida. En ambos, AI de frontera y AI aplicada, esto existe desde la robótica hasta las aplicaciones de AI verticales.

En términos prácticos, ¿cómo defines “AI de frontera” versus “AI aplicada” al evaluar startups en etapa temprana, y dónde ves las mayores malentendidos en cómo se discuten estas categorías en la narrativa de IA más amplia?

AI de frontera significa aprovechar la tecnología para abordar problemas en el límite de lo que es posible. Hasta la fecha, no hemos tenido robots que habiliten significativamente a la industria fuera de los almacenes, no hemos tenido nuevos chips de semiconductores o gafas diseñadas con tecnología láser novedosa y materiales brutos. AI aplicada significa aprovechar la tecnología para abordar problemas que son conocidos hoy en día pero que no eran posibles de resolver en la misma medida. Un buen ejemplo son los agentes de voz, donde empresas como Smallest AI están ayudando a los clientes a entregar experiencias de chat humanas y resultados a los clientes en lugar de un producto que ayude a lograr el resultado. Este aspecto de entregar resultados versus ayudar a mejorar el proceso es un cambio clave que la AI aplicada está trayendo a las industrias.

Desde tu perspectiva trabajando en estrecha colaboración con fundadores a través de la innovación de modelos, la robótica y la IA vertical, ¿dónde están sucediendo los avances más significativos en este momento?

Los avances están sucediendo en todas partes. La generación de código de IA está permitiendo ciclos de producto más rápidos que antes. Los modelos están entregando nuevas capacidades con gestión de memoria y entornos de aprendizaje reforzado adaptados a diversos casos de uso, de modo que las alucinaciones se reducen rápidamente mientras la precisión para el trabajo de conocimiento mejora exponencialmente. Todo se alimenta mutuamente. En la robótica, estamos viendo los primeros signos de que las leyes de escalabilidad están funcionando igual que en los LLM. Esto es un gran avance, ya que antes los LLM eran principalmente textuales o basados en imágenes, pero ahora los modelos entrenados en el mundo físico que deben entender la física están mostrando leyes de escalabilidad similares. Nuevos documentos como el documento de LLM recursivos muestra cómo los modelos pueden mejorar a sí mismos trabajando juntos. Estamos viendo estructuras de modelo de sistema 1 y 2 que emergen y que son similares a las dinámicas que vemos en el cerebro. Los modelos de dominio específico están volviéndose más fáciles de entrenar y destilar de modelos de razonamiento de código abierto de frontera para ayudar a los constructores de IA vertical a entregar mejores resultados a los clientes.

Al evaluar una empresa de IA temprana, ¿cómo equilibras la novedad técnica con el ajuste de mercado y la tracción de clientes en el mundo real?

Al final, la novedad técnica en sí misma es típicamente más útil para el campo de la investigación. En los modelos de fundamentos, por ejemplo, la novedad técnica podría conducir a un avance que luego presenta un nuevo escalón vertical. Pero para la mayoría de las startups, la novedad técnica es un medio para lograr un fin, para entregar un mejor resultado para los clientes. Los fundadores de startups no deben construir algo solo porque es técnicamente difícil de construir, sino como resultado de construir de esa manera, conduce a mejores resultados para los clientes y también a una mejor trinchera alrededor del negocio que hace que sea más difícil para otros copiar. En la era de la generación de código de IA, gran parte de la novedad técnica puede ser rápidamente superada, así que cada vez más se trata de entender la ingeniería orientada a resultados versus solo la ingeniería técnica.

Más allá de la tecnología en sí, ¿qué buscas específicamente en un fundador que construye una empresa de IA en las primeras etapas?

Queremos ver a fundadores que estén construyendo para el futuro que aún no ha sucedido. Haciendo apuestas calculadas sobre agentes, modelos y mejoras de hardware que probablemente sucederán en el corto plazo y construyendo productos que capitalicen en eso. Luego queremos que el fundador explique por qué ese futuro sucederá y por qué construir para ese futuro ahora mejorará las vidas de los clientes 10 veces en el futuro al prepararse para eso ahora. También queremos a fundadores que abracen completamente la IA. Si no estás utilizando Cursor, Codex, Claude Code para experimentar y aprender, es difícil imaginar el futuro dado el ritmo de mejora que esos productos están haciendo en el universo del software. Esos cambios tienen un impacto descendente en el universo del hardware, ya que cada vez más el hardware y el software están estrechamente integrados para permitir la toma de decisiones autónoma por parte del hardware para entregar mejores resultados para los clientes.

¿Qué señalesales indican que una empresa de IA técnicamente ambiciosa tiene el potencial de evolucionar hacia un negocio escalable y listo para la empresa, en lugar de permanecer como un esfuerzo impulsado por la investigación?

Generalmente, los fundadores que han comenzado en un esfuerzo impulsado por la investigación tienen un objetivo final en vista. Pueden querer continuar haciendo investigación para avanzar en el campo, pero también entienden que la monetización de la investigación aplicada ayuda a proporcionar el combustible para esos avances. Así que básicamente estamos tratando de entender cómo un fundador que actualmente está en modo de investigación está pensando en las aplicaciones de esa investigación y qué hipótesis tienen para probar el progreso de la investigación en el mundo a lo largo del camino para desriskar la etapa de investigación.

Para los fundadores que construyen plataformas técnicas sin visibilidad de ingresos inmediatos, ¿cómo deberían estructurar los hitos y las conversaciones con los inversores de manera diferente a las startups con caminos de monetización más claros?

Muy difícil de decir. Cada startup tiene aspectos únicos. Una empresa de robótica puede no tener visibilidad de ingresos durante mucho tiempo, pero los hitos en el camino podrían ser capacidades emergentes, leyes de escalabilidad en modelos, acciones que anteriormente no podían ocurrir. En la infraestructura de IA, podría ser entregar a 2-3 socios de diseño un producto que proporciona resultados que los equipos están encantados de usar y dispuestos a apostar por usar el producto en producción, aunque sea temprano. En IA vertical, generalmente tienes un camino más claro hacia la monetización porque si entregas un resultado para el cliente en una vertical que resuelve un gran dolor de cabeza, los clientes están dispuestos a pagar por eso, típicamente de inmediato.

Ha habido un gran impulso alrededor de startups que construyen agentes de IA, ¿cuál es tu perspectiva sobre el potencial de éxito a largo plazo de las empresas que se centran principalmente en agentes autónomos en entornos empresariales?

Jensen Huang de Nvidia (NVDA ) dijo que Openclaw fue el momento ChatGPT para la era de los agentes. Creo que eso lo dice todo. El cronograma para los agentes en la empresa ya no es una apuesta a largo plazo, sino que está llegando rápidamente a la fricción, ya sea que las empresas lo quieran o no, ya que el uso de la computadora, el navegador y los agentes personales se proliferan a través de las organizaciones, comenzando desde el uso desde abajo hacia arriba. La era está aquí, las empresas adoptarán agentes en todos los aspectos de la organización y necesitarán gobernanza, seguridad, monitoreo, infraestructura, cómputo y rieles de datos para servir a todo esto.

¿Qué patrones estás viendo en los tipos de fundadores de IA o dominios que atraen confianza sostenida de los inversores versus aquellos que pueden estar sobre-indexando en la narrativa?

Creo que hay demasiadas áreas de oportunidad para que los fundadores estén construyendo en las mismas áreas. La tecnología legal, como Harvey, Legora, Eudia, han hecho bien, pero todavía hay nuevas empresas que salen todos los días en esta área. Mi mensaje para los fundadores sería que la IA es un cambio de habilitación masivo. Está impactando todos los aspectos del mundo. Dado eso, el área de superficie de productos para construir y problemas para resolver es ilimitada. Piensa más allá de solo ir detrás de una empresa exitosa que has visto recaudar mucho dinero. Podemos usar la IA para entregar resultados que cambian la vida, y así animaría a los fundadores a pasar más tiempo pensando en los problemas que les gustaría resolver y luego trabajar hacia atrás en cómo la IA podría ayudar a resolverlos.

Mirando hacia adelante, ¿cómo esperas que la construcción de empresas de IA en etapa temprana evolucione en los próximos cinco años a medida que las capacidades maduran y los mercados se estabilizan?

No estoy seguro de que “estabilización del mercado” sea un término que usaría. Creo que la IA está mejorando exponencialmente y, como resultado, habrá mucha disruptividad. Pero la disruptividad crea oportunidades interminables, y así la construcción de empresas en etapa temprana está entrando en una de las eras más dinámicas que hemos visto en años recientes. Olvidamos, pero las empresas como OpenAI y Anthropic tienen menos de una década de existencia y ya son consideradas empresas de tecnología de mega capitalización. Hay una ventana de tiempo mientras las capacidades se expanden rápidamente para que se construyan muchas empresas masivas. Es uno de los momentos más emocionantes en la tecnología que he experimentado en mi vida.

Gracias por la gran entrevista, los empresarios que deseen aprender más pueden visitar Sierra Ventures.