Shomik Ghosh, Sócio da Sierra Ventures – Série de Entrevistas

Shomik Ghosh é um Sócio da Sierra Ventures. Anteriormente, ele foi um Sócio da Boldstart Ventures, onde se concentrou em investir em fundadores técnicos que estavam construindo 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 tecnologia empresarial e profunda. A empresa investe principalmente nas fases de semente e Série A em áreas como inteligência artificial, cibersegurança, infraestrutura empresarial e tecnologias de nuvem. Nos últimos anos, a Sierra Ventures tem dado ênfase especial a investimentos iniciais em IA, apoiando empresas que estão construindo plataformas de IA fundamentais, infraestrutura de aprendizado de máquina, sistemas autônomos e aplicações de IA empresarial. Por meio de sua estratégia de investimento e rede de assessores experientes da indústria, a empresa ajuda as empresas de tecnologia emergentes a refinar a estratégia de produto, escalonar operações e acelerar a adoção de soluções de IA avançadas em várias indústrias.

Você passou de investidor de estágio de crescimento na Top Tier Capital Partners para liderar investimentos iniciais em IA na Sierra Ventures, após anos apoiando empresas de sucesso na Boldstart Ventures. Como essa jornada o ajudou a distinguir IA de fronteira de IA aplicada hoje?

Muito mudou nesse período. A IA é um grande impulso de habilitação que permeou as indústrias mais rapidamente do que as mudanças de paradigma tecnológico anteriores, pois a IA está se apoiando nos ombros das mudanças anteriores. A 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 assumindo todos os riscos de construir funcionalidades e capacidades para um mundo que ainda não existe, mas que são capazes de surpreender os clientes com resultados nunca antes vistos, permitindo uma escala mais rápida. Tanto na IA de fronteira quanto na 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 sobre como essas categorias são discutidas na narrativa mais ampla de IA?

IA de fronteira significa aproveitar a tecnologia para lidar com problemas na fronteira 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 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 a entregar resultados para os 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-chave que a IA aplicada está trazendo para as indústrias.

A partir de sua perspectiva, trabalhando em estreita colaboração com fundadores em inovação de modelo, 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 nos LLMs. Isso é uma grande quebra, pois antes os LLMs eram principalmente baseados em texto ou imagem, mas agora os modelos treinados no mundo físico que precisam entender a 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 modelo 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 para os 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 típica mais útil para o campo de pesquisa. Nos modelos de fundação, por exemplo, a novidade técnica poderia levar a uma quebra que então 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 como resultado de construir dessa maneira, isso leva a melhores resultados para os clientes e também a uma melhor trincheira em torno do negócio que torna mais difícil para os outros copiar. Na era da geração de código de IA, muito da novidade técnica pode ser rapidamente ultrapassada, 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 está construindo uma empresa de IA nos estágios 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 no curto prazo e construindo produtos que capitalizam nisso. Então queremos que o fundador explique por que esse futuro acontecerá e por que construir para esse futuro agora melhorará a vida dos clientes 10x 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 intimamente integrados para permitir a tomada de decisões autônoma pelo hardware para entregar melhores resultados para os clientes.

Quais sinais sugerem 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, os fundadores que começaram em um esforço orientado à pesquisa têm um objetivo final em vista. Eles podem querer continuar fazendo pesquisa para avançar no 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 estão construindo plataformas técnicas altamente complexas sem visibilidade de receita imediata, como eles devem estruturar marcos e conversas com investidores de forma diferente de 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 os marcos ao longo do caminho poderiam ser capacidades emergentes, leis de escala em modelos, ações que anteriormente não podiam ocorrer. Na infraestrutura de IA, pode ser entregar a 2-3 parceiros de design um produto que fornece resultados que as equipes estão ansiosas por usar e dispostas a apostar em usar o produto em produção, 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 estão construindo agentes de IA – qual é sua perspectiva sobre o potencial de sucesso a longo prazo de empresas que se concentram principalmente em agentes autônomos em ambientes empresariais?

Jensen Huang, da Nvidia (NVDA ), 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 chegando rapidamente, quer as empresas queiram ou não, à medida que o uso de computadores, navegadores e agentes pessoais se proliferam nas organizações, começando com o uso de baixo para cima. A era está aqui, as empresas vão adotar agentes em todos os aspectos da organização e vão precisar 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 sustentada de investidores versus aqueles que podem estar super-indexados em narrativa?

Acho que há muitas áreas de oportunidade para os fundadores construírem. A IA é um grande impulso de habilitação que está afetando todos os aspectos do mundo. Dado isso, a área de superfície de produtos para construir e problemas para resolver é ilimitada. Minha mensagem para os fundadores seria: 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 para saber 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 seguro 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 de idade e já são consideradas empresas de tecnologia de mega capitalização. Há uma janela de tempo enquanto as capacidades se expandem rapidamente para que muitas empresas massivas sejam construídas. É um dos momentos mais emocionais da tecnologia que eu já experimentei em minha vida.

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