Shomik Ghosh, Associé chez Sierra Ventures – Série d’entretiens

Shomik Ghosh est associé chez Sierra Ventures. Il était précédemment associé chez Boldstart Ventures, où il s’est concentré sur les investissements à l’amont dans des entreprises fondées par des fondateurs techniques qui créent des produits pour résoudre des problèmes d’entreprise, tels que Cloudquery, Kiln AI et Noded AI. Auparavant, il était investisseur en phase de croissance chez Top Tier Capital, investissant des séries B à la pré-IPO, tels que CircleCI, Anaplan et Shape Security.

Sierra Ventures est une société de capital-risque en phase précoce qui se concentre sur le soutien d’entreprises innovantes et de startups de technologie profonde. La société investit principalement au stade de la graine et de la série A dans des domaines tels que l’intelligence artificielle, la cybersécurité, les infrastructures d’entreprise et les technologies cloud. Ces dernières années, Sierra Ventures a mis l’accent sur les investissements en intelligence artificielle en amont, en soutenant les entreprises qui créent des plateformes d’intelligence artificielle fondamentales, des infrastructures d’apprentissage automatique, des systèmes autonomes et des applications d’intelligence artificielle d’entreprise. Grâce à sa stratégie d’investissement et à son réseau de conseillers industriels expérimentés, la société aide les entreprises émergentes de technologie à affiner leur stratégie de produit, à élargir leurs opérations et à accélérer l’adoption de solutions d’intelligence artificielle avancées dans tous les secteurs.

Vous avez fait la transition de l’investissement en phase de croissance chez Top Tier Capital Partners à la direction des investissements en intelligence artificielle en amont chez Sierra Ventures, après avoir soutenu des entreprises émergentes chez Boldstart Ventures. Comment ce parcours a-t-il façonné votre façon de distinguer l’intelligence artificielle de pointe de l’intelligence artificielle appliquée aujourd’hui ?

Beaucoup de choses ont changé dans ce laps de temps. L’intelligence artificielle est un changement d’orientation massif qui a pénétré les industries plus rapidement que les précédents changements de paradigme technologique, car l’intelligence artificielle s’appuie sur les épaules des changements précédents. Le cloud computing, les appareils PC/mobiliers et chaque vague d’avancées en intelligence artificielle antérieures ont fourni les blocs de construction pour que l’intelligence artificielle moderne se propage rapidement. C’est aussi pourquoi l’impact se fait sentir si rapidement et soudainement, avec des mouvements drastiques sur le marché boursier et même sur la guerre moderne. Ce que nous recherchons, ce sont des fondateurs qui font un pas dans l’avenir. Ils assument tous les risques de construction de fonctionnalités et de capacités pour un monde qui n’existe pas encore, mais qui sont capables d’épater les clients avec des résultats inédits, permettant une mise à l’échelle plus rapide. Dans l’intelligence artificielle de pointe et l’intelligence artificielle appliquée, cela existe, de la robotique aux applications d’intelligence artificielle verticale.

En termes pratiques, comment définissez-vous l’« intelligence artificielle de pointe » par opposition à l’« intelligence artificielle appliquée » lors de l’évaluation des startups en phase précoce, et où voyez-vous les plus grandes méconceptions dans la façon dont ces catégories sont discutées dans le récit plus large de l’intelligence artificielle ?

L’intelligence artificielle de pointe signifie utiliser la technologie pour résoudre des problèmes à la limite de ce qui est possible. À ce jour, nous n’avons pas eu de robots qui permettent de manière significative d’activer l’industrie en dehors des entrepôts, nous n’avons pas eu de nouveaux circuits intégrés ou de lunettes conçues à l’aide de technologie laser novatrice et de matières premières brutes. L’intelligence artificielle appliquée signifie utiliser la technologie pour résoudre des problèmes qui sont connus aujourd’hui mais qui n’ont pas pu être résolus à la même échelle auparavant. Un bon exemple est les agents vocaux, où des entreprises comme Smallest AI aident les clients à offrir des expériences de conversation similaires à celles des humains et à livrer des résultats aux clients plutôt qu’un produit qui aide à atteindre le résultat. Cet aspect de la livraison de résultats par opposition à l’amélioration du processus est un changement clé que l’intelligence artificielle appliquée apporte aux industries.

Depuis votre poste de travail étroit avec les fondateurs à travers l’innovation de modèle, la robotique et l’intelligence artificielle verticale, où se produisent les avancées les plus significatives en ce moment ?

Les avancées se produisent partout ! La génération de code d’intelligence artificielle permet des cycles de produit plus rapides que jamais. Les modèles livrent de nouvelles capacités avec une gestion de la mémoire et des environnements d’apprentissage automatique adaptés à différents cas d’utilisation, de sorte que les hallucinations diminuent rapidement tandis que la précision pour le travail de connaissance augmente de manière exponentielle. Tout cela s’alimente mutuellement. Dans la robotique, nous voyons les premiers signes que les lois de mise à l’échelle fonctionnent comme dans les modèles de langage. C’est une avancée massive, car auparavant, les modèles de langage étaient principalement basés sur le texte ou les images, mais maintenant, les modèles formés sur le monde physique qui doivent comprendre la physique montrent des lois de mise à l’échelle similaires. De nouveaux documents comme le document sur les modèles de langage récursifs montrent comment les modèles peuvent s’améliorer eux-mêmes en travaillant ensemble. Nous voyons des structures de modèles de type 1 et 2 commencer à émerger qui sont similaires aux dynamiques que nous voyons dans le cerveau. Les modèles spécifiques au domaine deviennent plus faciles à former et à distiller à partir de modèles de raisonnement ouverts de pointe pour aider les constructeurs d’intelligence artificielle verticale à livrer de meilleurs résultats aux clients.

Quand vous évaluez une entreprise d’intelligence artificielle en phase précoce, comment équilibrez-vous la nouveauté technique par rapport à l’adéquation au marché et à la traction client réelle ?

À la fin, la nouveauté technique en soi est généralement plus utile pour le domaine de la recherche. Dans les modèles de base, par exemple, la nouveauté technique pourrait en fait conduire à une avancée qui présente ensuite un nouveau défi d’échelle. Mais pour la plupart des startups, la nouveauté technique est un moyen pour parvenir à une fin, à savoir livrer un meilleur résultat pour les clients. Les fondateurs de startup ne devraient pas construire quelque chose simplement parce que c’est techniquement difficile à construire, mais plutôt parce que, ce faisant, cela conduit à de meilleurs résultats pour les clients et également à un meilleur fossé autour de l’entreprise qui rend plus difficile pour les autres de copier. À l’ère de la génération de code d’intelligence artificielle, beaucoup de la nouveauté technique peut rapidement être brisée, donc de plus en plus, cela concerne la compréhension de l’ingénierie axée sur les résultats par opposition à l’ingénierie purement technique.

Au-delà de la technologie elle-même, qu’est-ce que vous cherchez spécifiquement chez un fondateur qui construit une entreprise d’intelligence artificielle aux premiers stades ?

Nous voulons voir des fondateurs qui construisent pour l’avenir qui n’a pas encore eu lieu. Faire des paris calculés sur les agents, les modèles et les améliorations du matériel qui sont susceptibles de se produire à court terme et construire des produits qui capitalisent sur cela. Nous voulons ensuite que le fondateur explique pourquoi cet avenir se produira et pourquoi construire pour cet avenir maintenant améliorera la vie des clients de 10 fois à l’avenir en se préparant à cela maintenant. Nous voulons également des fondateurs qui embrassent complètement l’intelligence artificielle. Si vous n’utilisez pas Cursor, Codex, Claude Code pour expérimenter et apprendre, il est difficile d’imaginer l’avenir étant donné le rythme d’amélioration que ces produits apportent à l’univers logiciel. Ces changements ont un impact en aval sur l’univers matériel, car de plus en plus, le matériel et le logiciel sont étroitement intégrés pour permettre une prise de décision autonome par le matériel pour livrer de meilleurs résultats aux clients.

Quels signaux suggèrent qu’une entreprise d’intelligence artificielle techniquement ambitieuse a le potentiel d’évoluer en une entreprise prête à l’entreprise et évolutives, plutôt que de rester un effort axé sur la recherche ?

Généralement, les fondateurs qui ont commencé dans un effort axé sur la recherche ont un objectif en vue. Ils peuvent vouloir continuer à faire de la recherche pour faire progresser le domaine, mais ils comprennent également que la monétisation de la recherche appliquée aide à fournir le carburant pour ces progrès. Nous essayons donc simplement de comprendre comment un fondateur qui est actuellement en mode recherche pense aux applications de cette recherche et quels sont les hypothèses qu’il a pour tester les progrès de la recherche dans le monde le long du chemin pour dérisquer le stade de la recherche.

Pour les fondateurs qui construisent des plateformes techniquement avancées sans visibilité de revenus immédiate, comment devraient-ils structurer les étapes et les conversations avec les investisseurs différemment des startups avec des chemins de monétisation plus clairs à court terme ?

Très difficile à dire. Chaque startup a des aspects uniques. Une entreprise de robotique peut ne pas avoir de visibilité de revenus pendant longtemps, mais les étapes le long du chemin pourraient être des capacités émergentes, des lois de mise à l’échelle dans les modèles, des actions qui n’auraient pas pu se produire auparavant. Dans les infrastructures d’intelligence artificielle, cela pourrait être la livraison à 2-3 partenaires de conception d’un produit qui livre des résultats que les équipes sont ravis d’utiliser et prêts à prendre le pari d’utiliser le produit en production, même s’il est précoce. Dans l’intelligence artificielle verticale, vous avez généralement un chemin plus clair vers la monétisation à court terme, car si vous livrez un résultat pour le client dans une verticale qui résout un grand point de douleur, les clients sont prêts à payer pour cela, généralement immédiatement.

Il y a eu un élan significatif autour des startups qui construisent des agents d’intelligence artificielle – quelle est votre perspective sur le potentiel de succès à long terme des entreprises qui se concentrent principalement sur les agents autonomes dans les environnements d’entreprise ?

Jensen Huang de Nvidia a dit que Openclaw était le moment ChatGPT pour l’ère des agents. Je pense que cela dit tout. Le calendrier pour les agents dans l’entreprise n’est plus un pari à long terme, mais un qui arrive rapidement à maturité, que les entreprises le veuillent ou non, car les agents informatiques, les navigateurs et les agents personnels se propagent à travers les organisations en partant de l’utilisation ascendante. L’ère est là, les entreprises vont adopter des agents dans tous les aspects de l’organisation, et ils auront besoin de gouvernance, de sécurité, de surveillance, d’infrastructure, de calcul et de rails de données pour servir tout cela.

Quels modèles voyez-vous dans les types de fondateurs d’intelligence artificielle ou de domaines qui attirent la confiance des investisseurs de manière durable, par opposition à ceux qui pourraient surestimer le récit ?

Je pense qu’il y a trop d’opportunités pour les fondateurs de construire dans les mêmes domaines. Le tech juridique, comme Harvey, Legora, Eudia, a tous bien fonctionné, mais il y a encore de nouvelles entreprises qui émergent chaque jour dans ce domaine. Mon message pour les fondateurs serait que l’intelligence artificielle est un changement d’orientation massif d’activation. Elle affecte tous les aspects du monde. Compte tenu de cela, la surface des produits à construire et des problèmes à résoudre est illimitée. Pensez plus grand que simplement suivre une entreprise qui a réussi à lever beaucoup d’argent. Nous pouvons utiliser l’intelligence artificielle pour livrer des résultats qui changent la vie, et donc je encourage les fondateurs à passer plus de temps à réfléchir aux problèmes qu’ils aimeraient résoudre, puis à travailler à rebours sur la façon dont l’intelligence artificielle pourrait aider à résoudre ces problèmes.

En regardant vers l’avenir, comment pensez-vous que la construction d’entreprises d’intelligence artificielle en phase précoce va évoluer au cours des cinq prochaines années, à mesure que les capacités mûrissent et que les marchés se stabilisent ?

Je ne suis pas sûr que « la stabilisation du marché » soit un terme que j’utiliserais. Je pense que l’intelligence artificielle s’améliore de manière exponentielle et, par conséquent, il y aura beaucoup de perturbations. Mais les perturbations créent des opportunités infinies, et donc la construction d’entreprises en phase précoce entre dans l’une des ères les plus dynamiques que nous ayons vues ces dernières années. Nous oublions, mais des entreprises comme OpenAI et Anthropic ont moins de dix ans et sont déjà considérées comme des entreprises de technologie à capitalisation boursière massive. Il y a une fenêtre de temps pendant laquelle les capacités s’étendent rapidement pour que de nombreuses entreprises massives soient construites. C’est l’une des périodes les plus excitantes de la technologie que j’aie vécues dans ma vie.

Merci pour cette grande interview, les entrepreneurs qui souhaitent en savoir plus peuvent visiter Sierra Ventures.