Shomik Ghosh, Partner w Sierra Ventures – Seria wywiadów

Shomik Ghosh jest Partnerem w Sierra Ventures. Wcześniej był Partnerem w Boldstart Ventures, gdzie koncentrował się na inwestowaniu na etapie powstania w technicznych założycieli budujących produkty do rozwiązywania problemów przedsiębiorstw, takich jak Cloudquery, Kiln AI i Noded AI. Wcześniej był inwestorem na etapie wzrostu w Top Tier Capital, inwestującym od serii B do przed-IPO, takich jak CircleCI, Anaplan i Shape Security.

Sierra Ventures to wczesny etap venture capital, koncentrujący się na wspieraniu innowacyjnych przedsiębiorstw i głębokiej techniki startupów. Firma inwestuje głównie na etapie nasion i serii A w obszarach takich jak sztuczna inteligencja, cyberbezpieczeństwo, infrastruktura przedsiębiorstw i technologie chmury. W ostatnich latach Sierra Ventures położyła szczególny nacisk na wczesne inwestycje w AI, wspierając firmy budujące podstawowe platformy AI, infrastrukturę uczenia maszynowego, systemy autonomiczne i aplikacje AI przedsiębiorstw. Dzięki swojej strategii inwestycyjnej i sieci doświadczonych doradców branżowych, firma pomaga wschodzącym firmom technologicznym udoskonalić strategię produktową, skalować operacje i przyspieszyć wdrożenie zaawansowanych rozwiązań AI w różnych branżach.

Przeszedłeś z inwestowania na etapie wzrostu w Top Tier Capital Partners do kierowania wczesnymi inwestycjami w AI w Sierra Ventures, po latach wspierania firm przełomowych w Boldstart Ventures. Jak ta podróż ukształtowała twoje podejście do odróżniania AI granicznej od AI stosowanej?

Wiecznie wiele się zmieniło w tym czasie. AI to ogromna zmiana umożliwiająca, która przeniknęła branże szybciej niż poprzednie zmiany paradygmatyczne, ponieważ AI stoi na ramionach poprzednich zmian. Chmura obliczeniowa, urządzenia PC/Mobilne i każda fala wcześniejszych postępów AI dostarczyły bloki budowlane dla nowoczesnego AI, aby rozprzestrzenić się szybko. To także dlatego wpływ wydaje się tak szybki i nagły, z drastycznymi ruchami na rynku akcji i nawet wpływającymi na nowoczesną wojnę. To, czego szukamy, to założyciele, którzy robią krok w przyszłość. Przyjmują wszystkie ryzyka budowania funkcjonalności i możliwości dla świata, który jeszcze nie istnieje, ale w zamian są w stanie zaskoczyć klientów wynikami, których nigdy wcześniej nie widziano, umożliwiając szybszą skalę. W AI granicznej i stosowanej to istnieje od robotyki do pionowych aplikacji AI.

W praktyce, jak definiujesz „AI graniczną” wobec „AI stosowanej”, gdy oceniasz wczesne etapy startupów, i gdzie widzisz największe nieporozumienia w dyskusjach na temat tych kategorii w szerszej narracji AI?

AI graniczna oznacza wykorzystanie technologii do rozwiązywania problemów na granicy tego, co jest możliwe. Do tej pory nie mieliśmy robotów, które w znaczący sposób umożliwiają branżom poza magazynami, nie mieliśmy nowych chipów półprzewodnikowych lub okularów zaprojektowanych przy użyciu nowej technologii laserowej i surowców. AI stosowana oznacza wykorzystanie technologii do rozwiązywania znanych dzisiaj problemów, które wcześniej nie były możliwe do rozwiązania w tym samym zakresie. Dobrym przykładem są agenci głosowi, gdzie firmy takie jak Smallest AI pomagają klientom dostarczać ludzkie doświadczenia czatu i dostarczać wyniki klientom, zamiast produktu, który pomaga osiągnąć wynik. Ten aspekt dostarczania wyników wobec pomocy w procesie jest kluczową zmianą, którą AI stosowana wprowadza do branż.

Z twojego punktu widzenia, pracując ściśle z założycielami w dziedzinie innowacji modeli, robotyki i pionowych AI, gdzie występują najbardziej znaczące przełomy?

Przełomy występują wszędzie! AI Code gen umożliwia szybsze cykle produktowe niż wcześniej. Modele dostarczają nowych możliwości z zarządzaniem pamięcią i środowiskami RL dostosowanymi do różnych przypadków użycia, tak aby halucynacje zmniejszały się szybko, a dokładność pracy wiedzy rosła wykładniczo. To wszystko wpływa na siebie. W robotyce widzimy wczesne oznaki, że prawa skali działają tak samo jak w LLM. To jest ogromny przełom, ponieważ wcześniej LLM były głównie oparte na tekście lub obrazach, ale teraz modele szkolone w świecie fizycznym, które muszą zrozumieć fizykę, pokazują podobne prawa skali. Nowe prace, takie jak praca o rekursywnych LLM, pokazują, jak modele mogą się samodoskonalić, pracując razem. Widzimy struktury modeli System 1 i 2, które są podobne do dynamiki, jaką widzimy w mózgu. Modele specyficzne dla domeny stają się łatwiejsze do szkolenia i destylacji z modeli OSS, aby pomóc budowniczym AI pionowych dostarczać lepsze wyniki klientom.

Jak oceniasz wczesną firmę AI, aby zrównoważyć nowość techniczną z dopasowaniem do rynku i realnym popytem klientów?

Ostatecznie nowość techniczna sama w sobie jest zazwyczaj bardziej przydatna dla pola badawczego. W przypadku modeli podstawowych, na przykład, nowość techniczna mogłaby prowadzić do przełomu, który następnie prezentuje nową skalę pionową. Ale dla większości startupów nowość techniczna jest środkiem do celu, aby dostarczyć lepszy wynik dla klientów. Założyciele startupów nie powinni budować czegoś tylko dlatego, że jest to technicznie trudne do zbudowania, ale raczej jako wynik budowania w taki sposób, prowadzi to do lepszych wyników klientów i również lepszego rowu wokół biznesu, który sprawia, że trudniej jest innym go skopiować. W erze AI code gen, wiele nowości technicznej może szybko zostać naruszone, więc coraz więcej jest o zrozumieniu inżynierii wynikowej wobec zwykłej inżynierii technicznej.

Poza samą technologią, co konkretnie szukasz w założycielu budującym firmę AI na wczesnym etapie?

Chcemy zobaczyć założycieli, którzy budują dla przyszłości, która jeszcze nie nastąpiła. Robiąc przemyślane zakłady na agenci, modele i ulepszenia sprzętu, które prawdopodobnie nastąpią w najbliższej przyszłości, i budując produkty, które kapitalizują na tym. Następnie chcemy, aby założyciel wyjaśnił, dlaczego ta przyszłość nastąpi i dlaczego budowanie dla tej przyszłości teraz poprawi życie klientów 10-krotnie w przyszłości, przygotowując się na to teraz. Chcemy również założycieli, którzy całkowicie przyjmują AI. Jeśli nie używasz Cursor, Codex, Claude Code, aby eksperymentować i uczyć, trudno wyobrazić sobie przyszłość, biorąc pod uwagę tempo poprawy, jakie te produkty wprowadzają do wszechświata oprogramowania. Te zmiany mają wpływ na wszechświat sprzętu, ponieważ coraz bardziej sprzęt i oprogramowanie są ściśle zintegrowane, aby umożliwić autonomiczne podejmowanie decyzji przez sprzęt, aby dostarczyć lepsze wyniki klientom.

Jakie sygnały wskazują, że technicznie ambitna firma AI ma potencjał, aby ewoluować w skalowalny, gotowy do przedsiębiorstwa biznes, zamiast pozostania wysiłkiem badawczym?

Zazwyczaj założyciele, którzy rozpoczęli wysiłek badawczy, mają na celu wizję. Mogą chcieć kontynuować badania, aby rozwinąć pole, ale również rozumieją, że komercjalizacja zastosowanej nauki pomaga dostarczyć paliwo dla tych postępów. Tak więc naprawdę staramy się zrozumieć, jak założyciel, który jest obecnie w trybie badawczym, myśli o zastosowaniach swoich badań i jakie hipotezy ma do przetestowania postępu badań na świecie w trakcie deriskowania etapu badawczego.

Dla założycieli budujących wysoko techniczne platformy bez natychmiastowej widoczności przychodu, jak powinni strukturyzować kamienie milowe i rozmowy z inwestorami inaczej niż startupy z jaśniejszymi ścieżkami monetyzacji?

Bardzo trudno powiedzieć. Każdy startup ma unikalne aspekty. Firma robotyczna może nie mieć widoczności przychodu przez długi czas, ale kamienie milowe na drodze mogą być emergentnymi możliwościami, prawami skali w modelach, działaniami, które wcześniej nie mogły wystąpić. W infrastrukturze AI może to być dostarczanie 2-3 partnerom projektowym produktu, który dostarcza wyniki, których zespoły są zachwycone i chętne są podjąć zakład, używając produktu w produkcji, nawet jeśli jest to wczesne. W pionowej AI zwykle masz jaśniejszą ścieżkę do monetyzacji, ponieważ jeśli dostarczasz wynik klienta w pionie, który rozwiązuje duży ból, klienci są skłonni zapłacić za to zwykle natychmiast.

Istnieje znaczący impet wokół startupów budujących agenci AI – co jest twoim spojrzeniem na długoterminowy potencjał sukcesu firm skoncentrowanych głównie na autonomicznych agentach w środowiskach przedsiębiorstw?

Jensen Huang z Nvidia (NVDA ) powiedział, że Openclaw był momentem ChatGPT dla ery agenci. Myślę, że to mówi wszystko. Czasowy plan dla agenci w przedsiębiorstwie nie jest już długoterminową zakładem, ale tym, który szybko się spełnia, czy przedsiębiorstwa chcą, czy nie, ponieważ użycie komputera, przeglądarki i agenci osobowi proliferują w organizacjach, zaczynając od użycia od dołu do góry. Era jest tu, przedsiębiorstwa będą przyjmować agenci we wszystkich aspektach organizacji i będą potrzebować zarządzania, bezpieczeństwa, monitorowania, infrastruktury, obliczeń i szyn danych, aby obsłużyć wszystko to.

Jakie wzorce widzisz w typach założycieli AI lub domen, które przyciągają trwałą pewność inwestorów wobec tych, które mogą zbyt mocno indeksować narrację?

Myślę, że jest zbyt wiele obszarów możliwości dla założycieli, aby budować w tych samych obszarach. Prawo tech, takie jak Harvey, Legora, Eudia, wszystkie poszły dobrze, ale nadal nowe firmy pojawiają się każdego dnia w tym obszarze. Moja wiadomość dla założycieli byłaby taka, że AI jest ogromną zmianą umożliwiającą. Ma wpływ na każdy aspekt świata. Biorąc to pod uwagę, powierzchnia produktów do budowy i problemów do rozwiązania jest nieograniczona. Myśl większościowo niż po prostu idź za udaną firmą, którą widziałeś, jak podniosła dużo pieniędzy. Możemy użyć AI, aby dostarczyć wyniki, które zmieniają życie, i dlatego zachęcam założycieli, aby spędzili więcej czasu, myśląc o problemach, które chcieliby rozwiązać, i pracując wstecz, aby zobaczyć, jak AI mogłoby pomóc rozwiązać je.

Spójrzając w przyszłość, jak oczekujesz, że budowanie wczesnych firm AI ewoluuje w ciągu najbliższych pięciu lat, gdy możliwości dojrzewają i rynki stabilizują się?

Nie jestem pewien, czy „stabilizacja rynku” to termin, który bym użył. Myślę, że AI poprawia się wykładniczo i w wyniku tego będzie wiele perturbacji. Ale perturbacje tworzą niezliczone możliwości i tak budowanie wczesnych firm wkracza w jeden z najbardziej dynamicznych er, jakie widzieliśmy w ostatnich latach. Zapominamy, ale firmy takie jak OpenAI i Anthropic są młodsze niż dekada i już są uważane za mega kapitałowe firmy technologiczne. Istnieje okno czasu, gdy możliwości rozwijają się szybko, aby zbudować tak wiele ogromnych firm. To jeden z najbardziej ekscytujących czasów w technologiach, jakie doświadczyłem w swoim życiu.

Dziękuję za wspaniały wywiad, przedsiębiorcom, którzy chcą dowiedzieć się więcej, powinni odwiedzić Sierra Ventures.