Shomik Ghosh, Mitra di Sierra Ventures – Seri Wawancara

Shomik Ghosh adalah Mitra di Sierra Ventures. Sebelumnya, ia adalah Mitra di Boldstart Ventures, di mana ia fokus berinvestasi pada pendiri teknis yang membangun produk untuk memecahkan masalah perusahaan, seperti Cloudquery, Kiln AI, dan Noded AI. Sebelum itu, ia adalah investor tahap pertumbuhan di Top Tier Capital, berinvestasi dari Seri B hingga pre-IPO, seperti CircleCI, Anaplan, dan Shape Security.

Sierra Ventures adalah perusahaan modal ventura tahap awal yang fokus mendukung perusahaan rintisan inovatif dan teknologi dalam. Perusahaan ini berinvestasi terutama pada tahap benih dan Seri A di bidang seperti kecerdasan buatan, keamanan siber, infrastruktur perusahaan, dan teknologi cloud. Dalam beberapa tahun terakhir, Sierra Ventures telah menekankan investasi AI awal, mendukung perusahaan yang membangun platform AI dasar, infrastruktur pembelajaran mesin, sistem otonom, dan aplikasi AI perusahaan. Melalui strategi investasi dan jaringan penasihat industri berpengalaman, perusahaan ini membantu perusahaan teknologi muncul memperbarui strategi produk, menskala operasi, dan mempercepat adopsi solusi AI canggih di berbagai industri.

Anda telah bergeser dari investasi tahap pertumbuhan di Top Tier Capital Partners ke memimpin investasi AI tahap awal di Sierra Ventures, setelah mendukung perusahaan yang sukses di Boldstart Ventures. Bagaimana perjalanan itu membentuk cara Anda membedakan AI frontier dari AI terapan hari ini?

Banyak hal telah berubah dalam waktu itu. AI adalah pergeseran kemampuan yang telah meresap ke berbagai industri lebih cepat daripada pergeseran teknologi sebelumnya karena AI berdiri di atas bahu pergeseran sebelumnya. Komputasi awan, perangkat PC/Mobile, dan setiap gelombang kemajuan AI sebelumnya telah menyediakan blok bangunan untuk AI modern menyebar dengan cepat. Ini juga mengapa dampaknya terasa sangat cepat dan tiba-tiba dengan pergerakan besar di pasar saham dan bahkan mempengaruhi perang modern. Apa yang kita cari adalah pendiri yang mengambil langkah ke masa depan. Mereka menerima semua risiko membangun fungsionalitas dan kemampuan untuk dunia yang belum ada, tetapi dalam jangka panjang, mereka dapat mempesona pelanggan dengan hasil yang belum pernah terlihat sebelumnya, memungkinkan skala yang lebih cepat. Di Frontier AI dan Applied AI, ini ada dari robotika hingga aplikasi AI vertikal.

Dalam istilah praktis, bagaimana Anda mendefinisikan “AI frontier” versus “AI terapan” saat mengevaluasi perusahaan rintisan tahap awal, dan di mana Anda melihat kesalahpahaman terbesar dalam cara kategori-kategori ini dibahas di seluruh narasi AI yang lebih luas?

AI frontier berarti menggunakan teknologi untuk menangani masalah di ujung kemampuan. Sampai saat ini, kita belum memiliki robot yang secara signifikan memungkinkan industri di luar gudang, kita belum memiliki chip semikonduktor baru atau kacamata yang dirancang menggunakan teknologi laser baru dan bahan baku. AI terapan berarti menggunakan teknologi untuk menangani masalah yang sudah diketahui hari ini, tetapi sebelumnya tidak mungkin untuk dipecahkan dengan skala yang sama. Contoh yang baik adalah agen suara di mana perusahaan seperti Smallest AI membantu pelanggan menyampaikan pengalaman obrolan yang mirip manusia dan menghasilkan hasil untuk pelanggan, bukan produk yang membantu mencapai hasil. Aspek ini, yaitu menghasilkan hasil versus membantu memperbaiki proses, adalah pergeseran kunci yang AI terapan bawa ke industri.

Dari sudut pandang Anda bekerja erat dengan pendiri di seluruh inovasi model, robotika, dan AI vertikal, di mana terobosan paling berarti terjadi saat ini?

Terobosan terjadi di mana-mana! Pembangunan kode AI memungkinkan siklus produk yang lebih cepat daripada sebelumnya. Model menghasilkan kemampuan baru dengan manajemen memori dan lingkungan RL yang disesuaikan untuk berbagai kasus, sehingga halusinasi berkurang secara cepat sementara akurasi untuk pekerjaan pengetahuan meningkat secara eksponensial. Semua ini saling mempengaruhi. Dalam robotika, kita melihat tanda-tanda awal bahwa hukum skala bekerja seperti pada LLM. Ini adalah terobosan besar karena sebelumnya LLM sebagian besar berbasis teks atau gambar, tetapi sekarang model yang dilatih pada dunia fisik yang harus memahami fisika menunjukkan hukum skala yang serupa. Makalah baru seperti Recursive LLMs menunjukkan bagaimana model dapat memperbaiki diri dengan bekerja sama. Kita melihat struktur model Sistem 1 dan 2 mulai muncul yang serupa dengan dinamika yang kita lihat di otak. Model domain-spesifik menjadi lebih mudah dilatih dan disaring dari model alasan OSS frontier untuk membantu pembangun AI Vertikal menghasilkan hasil yang lebih baik untuk pelanggan.

Ketika menilai perusahaan AI awal, bagaimana Anda mengimbangkan kebaruan teknis dengan kesesuaian pasar dan traksi pelanggan di dunia nyata?

Pada akhirnya, kebaruan teknis itu sendiri biasanya lebih berguna untuk bidang penelitian. Dalam model dasar, misalnya, kebaruan teknis bisa benar-benar mengarah pada terobosan yang kemudian menyajikan skala vertikal baru. Tetapi bagi sebagian besar perusahaan rintisan, kebaruan teknis adalah sarana untuk mencapai akhir, yaitu menghasilkan hasil yang lebih baik bagi pelanggan. Pendiri perusahaan rintisan tidak boleh membangun sesuatu hanya karena itu sulit dibangun, tetapi sebagai hasil dari membangun dengan cara itu, itu mengarah pada hasil pelanggan yang lebih baik dan juga membentuk parit yang lebih baik di sekitar bisnis yang membuatnya lebih sulit bagi orang lain untuk meniru. Di era pembangunan kode AI, banyak kebaruan teknis dapat dengan cepat dilanggar, sehingga semakin banyak tentang memahami teknik rekayasa yang berorientasi pada hasil versus hanya teknik rekayasa biasa.

Di luar teknologi itu sendiri, apa yang Anda cari secara khusus dalam seorang pendiri yang membangun perusahaan AI pada tahap awal?

Kami ingin melihat pendiri yang membangun untuk masa depan yang belum terjadi. Membuat taruhan yang dihitung pada agen, model, dan perbaikan perangkat keras yang kemungkinan akan terjadi dalam jangka waktu dekat dan membangun produk yang memanfaatkan hal itu. Kemudian kami ingin pendiri menjelaskan mengapa masa depan itu akan terjadi dan mengapa membangun untuk masa depan itu sekarang akan meningkatkan kehidupan pelanggan 10 kali lipat di masa depan dengan mempersiapkannya sekarang. Kami juga ingin pendiri yang benar-benar menerima AI. Jika Anda tidak menggunakan Cursor, Codex, Claude Code untuk bereksperimen dan belajar, sulit untuk membayangkan masa depan mengingat kecepatan perbaikan yang produk-produk tersebut lakukan pada alam semesta perangkat lunak. Perubahan-perubahan tersebut memiliki dampak downstream pada alam semesta perangkat keras karena semakin banyak perangkat lunak dan perangkat keras terintegrasi erat untuk memungkinkan pengambilan keputusan otonom oleh perangkat keras untuk menghasilkan hasil pelanggan yang lebih baik.

Apa sinyal yang menunjukkan bahwa perusahaan AI yang ambisius secara teknis memiliki potensi untuk berkembang menjadi bisnis yang siap enterprise dan dapat diskalakan, bukan hanya tetap menjadi upaya penelitian?

Biasanya, pendiri yang memulai dalam upaya penelitian memiliki tujuan akhir. Mereka mungkin ingin terus melakukan penelitian untuk memajukan bidang tersebut, tetapi mereka juga memahami bahwa monitisasi penelitian yang diterapkan membantu menyediakan bahan bakar untuk kemajuan penelitian. Jadi, sebenarnya kita hanya mencoba memahami bagaimana seorang pendiri yang saat ini berada dalam mode penelitian berpikir tentang aplikasi penelitian itu dan apa hipotesis yang mereka miliki untuk menguji kemajuan penelitian di dunia sepanjang jalan untuk mengurangi risiko tahap penelitian.

Bagi pendiri yang membangun platform teknis tanpa visibilitas pendapatan yang jelas, bagaimana mereka harus mengatur tonggak dan percakapan investor secara berbeda dari perusahaan rintisan dengan jalur monitisasi yang lebih jelas?

Sangat sulit untuk dikatakan. Setiap perusahaan rintisan memiliki aspek unik. Perusahaan robotika mungkin tidak memiliki visibilitas pendapatan untuk waktu yang lama, tetapi tonggak di sepanjang jalan bisa berupa kemampuan yang muncul, hukum skala dalam model, tindakan yang sebelumnya tidak mungkin terjadi. Dalam infrastruktur AI, mungkin berupa menyampaikan kepada 2-3 mitra desain produk yang menghasilkan hasil yang tim sukai dan bersedia mengambil risiko menggunakan produk tersebut dalam produksi, meskipun masih awal. Dalam AI vertikal, Anda biasanya memiliki jalur monitisasi yang lebih jelas karena jika Anda menghasilkan hasil pelanggan di vertikal yang memecahkan masalah besar, pelanggan biasanya mau membayar untuk itu segera.

Telah ada momentum signifikan sekitar perusahaan rintisan yang membangun agen AI—apa perspektif Anda tentang potensi kesuksesan jangka panjang perusahaan yang fokus utama pada agen otonom dalam lingkungan perusahaan?

Jensen Huang dari Nvidia mengatakan Openclaw adalah momen ChatGPT untuk era agen. Saya pikir itu mengatakan semua. Waktu untuk agen di perusahaan tidak lagi taruhan jangka panjang, tetapi satu yang datang dengan cepat, apakah perusahaan menginginkannya atau tidak, karena penggunaan komputer, browser, dan agen pribadi menyebar melalui organisasi, dimulai dari penggunaan bawah ke atas. Era ini sudah tiba, perusahaan akan mengadopsi agen dalam setiap aspek organisasi, dan mereka akan membutuhkan tata kelola, keamanan, pemantauan, infrastruktur, komputasi, dan rel data untuk melayani semua ini.

Apa pola yang Anda lihat dalam jenis pendiri AI atau domain yang menarik kepercayaan investor yang berkelanjutan versus yang mungkin terlalu fokus pada narasi?

Saya pikir ada terlalu banyak area peluang bagi pendiri untuk membangun di area yang sama. Teknologi hukum seperti Harvey, Legora, Eudia telah melakukan dengan baik, tetapi masih ada perusahaan baru yang muncul setiap hari di area ini. Pesan saya untuk pendiri adalah AI adalah pergeseran kemampuan yang besar. Ini mempengaruhi setiap aspek dunia. Mengingat itu, luas area produk untuk dibangun dan masalah untuk dipecahkan tidak terbatas. Pikirkan lebih besar daripada hanya mengikuti perusahaan yang sukses yang telah Anda lihat mengumpulkan banyak uang. Kita bisa menggunakan AI untuk menghasilkan hasil yang mengubah kehidupan, dan saya akan mendorong pendiri untuk menghabiskan lebih banyak waktu memikirkan masalah yang mereka ingin pecahkan dan kemudian bekerja mundur tentang bagaimana AI bisa membantu memecahkan masalah tersebut.

Menghadap ke depan, bagaimana Anda mengharapkan pembangunan perusahaan AI tahap awal akan berkembang dalam lima tahun ke depan ketika kemampuan matang dan pasar stabil?

Saya tidak yakin “stabilisasi pasar” adalah istilah yang saya gunakan. Saya pikir AI membaik secara eksponensial dan sebagai hasilnya, akan ada banyak gangguan. Tetapi gangguan menciptakan peluang tak terbatas, dan pembangunan perusahaan tahap awal memasuki salah satu era paling dinamis yang pernah kita lihat dalam beberapa tahun terakhir. Kita lupa, tetapi perusahaan seperti OpenAI dan Anthropic kurang dari satu dekade yang lalu dan sudah dianggap sebagai perusahaan teknologi kelas mega. Ada jendela waktu ketika kemampuan berkembang pesat untuk banyak perusahaan besar yang dapat dibangun. Ini adalah salah satu waktu paling menyenangkan dalam teknologi yang saya alami dalam hidup saya.

Terima kasih atas wawancara yang luar biasa, wirausaha yang ingin mempelajari lebih lanjut harus mengunjungi Sierra Ventures.