Shomik Ghosh, Sócio da Sierra Ventures – Série de Entrevistas

Shomik Ghosh é um Sócio da Sierra Ventures. Ele anteriormente foi um Sócio da Boldstart Ventures, onde se concentrou em investir no início em fundadores técnicos que construíam produtos para resolver problemas de empresas, como Cloudquery, Kiln AI e Noded AI. Antes disso, ele foi um investidor de estágio de crescimento na Top Tier Capital, investindo desde a Série B até a pré-IPO, como CircleCI, Anaplan e Shape Security.

Sierra Ventures é uma empresa de capital de risco de estágio inicial que se concentra em apoiar startups inovadoras de empresas e tecnologias profundas. A empresa investe principalmente nos estágios de semente e Série A em áreas como inteligência artificial, cibersegurança, infraestrutura de empresas e tecnologias de nuvem. Nos últimos anos, a Sierra Ventures deu ênfase particular a investimentos iniciais em IA, apoiando empresas que construíam plataformas de IA fundamentais, infraestrutura de aprendizado de máquina, sistemas autônomos e aplicações de IA de empresas. Através de sua estratégia de investimento e rede de consultores experientes da indústria, a empresa ajuda as empresas de tecnologia emergentes a refinar a estratégia de produto, escalar operações e acelerar a adoção de soluções de IA avançadas em várias indústrias.

Você fez a transição de investimentos de estágio de crescimento na Top Tier Capital para liderar investimentos iniciais em IA na Sierra Ventures, após anos apoiando empresas de sucesso na Boldstart Ventures. Como essa jornada moldou a forma como você distingue IA de fronteira de IA aplicada hoje?

Muito mudou nesse período. A IA é um grande deslocamento de habilitação que permeou indústrias mais rápido do que os deslocamentos de paradigma tecnológico anteriores, pois a IA está sobre os ombros dos deslocamentos anteriores. Computação em nuvem, dispositivos PC/Móvel e cada onda de avanços de IA anteriores forneceram os blocos de construção para a IA moderna se espalhar rapidamente. Isso também é por que o impacto parece tão rápido e súbito, com movimentos drásticos acontecendo no mercado de ações e até afetando a guerra moderna. O que procuramos são fundadores que estão dando um passo para o futuro. Eles estão abraçando todos os riscos de construir funcionalidade e capacidades para um mundo que ainda não existe, mas que são capazes de impressionar os clientes com resultados nunca antes vistos, permitindo uma escala mais rápida. Em ambos, IA de fronteira e IA aplicada, isso existe, desde robótica até aplicações de IA verticais.

Em termos práticos, como você define “IA de fronteira” versus “IA aplicada” ao avaliar startups de estágio inicial, e onde você vê as maiores concepções erradas em como essas categorias são discutidas na narrativa mais ampla da IA?

IA de fronteira significa aproveitar a tecnologia para lidar com problemas na borda do que é possível. Até agora, não tivemos robôs que habilitassem significativamente a indústria fora dos armazéns, não tivemos novos chips de semicondutores ou óculos projetados usando tecnologia de laser e materiais brutos. IA aplicada significa aproveitar a tecnologia para lidar com problemas que são conhecidos hoje, mas que anteriormente não eram possíveis de resolver na mesma extensão. Um bom exemplo é os agentes de voz, onde empresas como Smallest AI estão ajudando os clientes a entregar experiências de chat humanas e entregando resultados aos clientes, em vez de um produto que ajuda a alcançar o resultado. Esse aspecto de entregar resultados versus ajudar a melhorar o processo é uma mudança fundamental que a IA aplicada está trazendo para as indústrias.

Do seu ponto de vista, trabalhando em estreita colaboração com fundadores em inovação de modelos, robótica e IA vertical, onde estão acontecendo as principais quebras?

Quebras estão acontecendo em todos os lugares! A geração de código de IA está permitindo ciclos de produto mais rápidos do que antes. Modelos estão entregando novas capacidades com gerenciamento de memória e ambientes de RL personalizados para vários casos de uso, de modo que as alucinações estão diminuindo rapidamente, enquanto a precisão para o trabalho de conhecimento melhora exponencialmente. Isso tudo se alimenta mutuamente. Na robótica, estamos vendo os primeiros sinais de que as leis de escala estão funcionando, assim como em LLMs. Isso é uma grande quebra, pois antes, os LLMs eram principalmente baseados em texto ou imagem, mas agora, modelos treinados no mundo físico que precisam entender física estão mostrando leis de escala semelhantes. Novos artigos, como o artigo sobre LLMs recursivos, mostram como os modelos são capazes de melhorar a si mesmos, trabalhando juntos. Estamos vendo estruturas de modelos de Sistema 1 e 2 começarem a emergir, que são semelhantes às dinâmicas que vemos no cérebro. Modelos específicos de domínio estão se tornando mais fáceis de treinar e destilar de modelos de raciocínio de OSS de fronteira para ajudar os construtores de IA vertical a entregar melhores resultados aos clientes.

Quando avalia uma empresa de IA de estágio inicial, como você equilibra a novidade técnica contra o ajuste de mercado e a tração de clientes no mundo real?

No final, a novidade técnica em si é tipicamente mais útil para o campo de pesquisa. Nos modelos de fundação, por exemplo, a novidade técnica poderia realmente levar a uma quebra que, em seguida, apresenta um novo vertical de escala. Mas para a maioria das startups, a novidade técnica é um meio para um fim para entregar um melhor resultado para os clientes. Os fundadores de startups não devem construir algo apenas porque é tecnicamente difícil de construir, mas sim porque, como resultado de construir dessa maneira, isso leva a melhores resultados para os clientes e também a uma melhor trincheira ao redor do negócio que torna mais difícil para os outros copiar. Na era da geração de código de IA, grande parte da novidade técnica pode ser rapidamente quebrada, então, cada vez mais, é sobre entender a engenharia orientada a resultados versus apenas a engenharia técnica.

Além da tecnologia em si, o que você procura especificamente em um fundador que constrói uma empresa de IA nos estágios mais iniciais?

Queremos ver fundadores que estão construindo para o futuro que ainda não aconteceu. Fazendo apostas calculadas em agentes, modelos e melhorias de hardware que provavelmente acontecerão em breve e construindo produtos que capitalizam nisso. Em seguida, queremos que o fundador explique por que esse futuro acontecerá e por que construir para esse futuro agora melhorará a vida dos clientes 10 vezes no futuro, preparando-se para isso agora. Também queremos fundadores que estejam completamente abraçando a IA. Se você não estiver usando Cursor, Codex, Claude Code para experimentar e aprender, é difícil imaginar o futuro, dado o ritmo de melhoria que esses produtos estão trazendo para o universo de software. Essas mudanças têm um impacto downstream no universo de hardware, pois cada vez mais o hardware e o software estão estreitamente integrados para permitir a tomada de decisões autônomas pelo hardware para entregar melhores resultados para os clientes.

Quais sinais indicam que uma empresa de IA tecnicamente ambiciosa tem o potencial de evoluir para um negócio escalável e pronto para empresas, em vez de permanecer um esforço orientado à pesquisa?

Normalmente, fundadores que começaram em um esforço orientado à pesquisa têm um objetivo final em vista. Eles podem querer continuar fazendo pesquisa para avançar o campo, mas também entendem que a monetização da pesquisa aplicada ajuda a fornecer o combustível para esses avanços. Então, basicamente, estamos apenas tentando entender como um fundador que atualmente está no modo de pesquisa está pensando sobre as aplicações dessa pesquisa e quais hipóteses eles têm para testar o progresso da pesquisa no mundo ao longo do caminho para desriskar a fase de pesquisa.

Para fundadores que construem plataformas técnicas altamente complexas sem visibilidade de receita imediata, como eles devem estruturar marcos e conversas com investidores de forma diferente das startups com caminhos de monetização mais claros?

Muito difícil de dizer. Cada startup tem aspectos únicos. Uma empresa de robótica pode não ter visibilidade de receita por um longo tempo, mas marcos ao longo do caminho poderiam ser capacidades emergentes, leis de escala em modelos, ações que anteriormente não eram possíveis de ocorrer. Na infraestrutura de IA, pode ser entregar a 2-3 parceiros de design um produto que fornece resultados que as equipes estão ansiosas para usar, mesmo que seja cedo. Na IA vertical, você normalmente tem um caminho mais claro para a monetização, pois se você entregar um resultado para o cliente em uma vertical que resolve um grande ponto de dor, os clientes estão dispostos a pagar por isso, normalmente imediatamente.

Houve um grande momentum em torno de startups que construem agentes de IA – qual é sua perspectiva sobre o potencial de sucesso a longo prazo de empresas focadas principalmente em agentes autônomos em ambientes de empresas?

Jensen Huang, da Nvidia, disse que Openclaw foi o momento ChatGPT para a era dos agentes. Acho que isso diz tudo. O cronograma para agentes nas empresas não é mais uma aposta de longo prazo, mas uma que está se tornando realidade rapidamente, quer as empresas queiram ou não, à medida que os agentes de computador, navegador e pessoal se proliferam nas organizações, começando com o uso de baixo para cima. A era está aqui, as empresas adotarão agentes em todos os aspectos da organização e precisarão de governança, segurança, monitoramento, infraestrutura, computação e dados para atender a tudo isso.

Quais padrões você está vendo nos tipos de fundadores de IA ou domínios que estão atraindo confiança de investidores sustentada versus aqueles que podem estar superindexados na narrativa?

Acho que há muitas áreas de oportunidade para os fundadores estarem construindo nas mesmas áreas. Legai como Harvey, Legora, Eudia fizeram bem, mas ainda há novas empresas surgindo todos os dias nessa área. Minha mensagem para os fundadores seria que a IA é um grande deslocamento de habilitação. Ela está afetando todos os aspectos do mundo. Dado isso, a área de superfície de produtos para construir e problemas para resolver é ilimitada. Pense maior do que apenas ir atrás de uma empresa bem-sucedida que você viu levantar muito dinheiro. Podemos usar a IA para entregar resultados que mudam a vida, e então eu incentivaria os fundadores a gastar mais tempo pensando sobre problemas que eles gostariam de resolver e, em seguida, trabalhando para trás de como a IA poderia ajudar a resolver esses problemas.

Olhando para a frente, como você espera que a construção de empresas de IA de estágio inicial evolua nos próximos cinco anos, à medida que as capacidades amadurecem e os mercados se estabilizam?

Não estou certo de que “estabilização do mercado” é um termo que eu usaria. Acho que a IA está melhorando exponencialmente e, como resultado, haverá muita disrupção. Mas a disrupção cria oportunidades ilimitadas, e então a construção de empresas de estágio inicial está entrando em uma das eras mais dinâmicas que já vimos nos últimos anos. Esquecemos, mas empresas como OpenAI e Anthropic têm menos de uma década e já são consideradas empresas de tecnologia de mega capitalização. Há uma janela de tempo, à medida que as capacidades se expandem rapidamente, para que tantas empresas massivas sejam construídas. É um dos momentos mais emocionais da tecnologia que eu experimentei em minha vida.

Obrigado pela ótima entrevista, empreendedores que desejam aprender mais devem visitar Sierra Ventures.