אנחנו חיים בעידן שבו חוקי הטבע של עולם הסטארטאפים וההון סיכון נשברים כשה-Foundational Models משתפרים בקצב של פי 10 כל כמה חודשים. כל תזות ההשקעה זזות. חברות נבנות ומתרסקות במהירות שיא.
ביננו, אם נודה באמת - גם המשקיעים הכי מנוסים וגם יזמים ויזמות מהשורה הראשונה מודים שהם מופתעים מהמהירות שבה היכולות משתנות, ומההשפעה של זה על בניית חברות. אז מה חשוב לדעת לפני הקמה של סטארטאפ בתחום ה- Enterprise-AI ?
נעים להכיר - אני לוטן לבקוביץ׳, שותף מייסד ב- Grove Ventures. למרות שההייפ של ה- AI נמצא איתנו בעיקר בשנתיים האחרונות, הטכנולוגיה נמצאת איתנו כבר תקופה. בעשור האחרון יצא לי לעבוד עם עשרות צוותים שבנו מוצרי AI לארגונים וללוות אותם לרוב משלב הקדם-רעיון, דרך ולידציה ועד להתקנה ומכירה של מוצרים למאות לקוחות ואלפי משתמשים.
אז כן, בסוף הבסיס של איך מקימים סטארטאפ מצליח לא השתנו בעידן ה- AI . אבל עם הזמן, ב- Grove הבנו שיש תובנות שחוזרות על עצמן ומהן עולות תשובות לשאלות ספציפיות שעולות מיזמים בתחום: באיזה workflows של ארגוני אנטרפרייז נכון לשלב AI? איך לגרום למשתמשים להשתמש בפתרונות ולא לפחד מהם? ואיך מייצרים moat לסטארטאפ בעידן של AI? (ספוילר: דאטה!)
ניסינו לזקק את מה שלמדנו מהעבודה עם צוותים שכבר בנו והגיעו לסקייל וריכזנו את זה ב-playbook שהשקנו לפני שבוע. אני רוצה לשתף איתכם כמה מהתובנות הבולטות שזיהינו:
משתמשים מאמצים מוצרים מבוססי AI כשהם מרגישים שהם עובדים בשבילם, לא במקומם.
כשחברה מפתחת מוצר טכנולוגי שנועד להשתלב בעבודה של אנשים (כלומר לא מפתחת אייג׳נט שיחליף אותם, שזה סיפור אחר) - צריך לחשוב על האופן בו הטכנולוגיה תשנה את העבודה שלהם. אם המשתמשת מרגישה שהמוצר עוזר לה, משאיר אותה בשליטה, וגורם לה להראות מקצועית טוב יותר - היא תהפוך לשגרירה שלו. אם לא - היא צפויה להתנגד, גם אם הטכנולוגיה עובדת מצוין.
דאטה ייחודי הוא יתרון תחרותי חזק של סטארטאפים.
אחת השאלות המרכזיות בעידן ה- AI היא איך לייצר לסטארטאפים יתרון יחסי (או בשפה שלנו - moat, כלומר חפיר). ככל שהמודלים מתקדמים ונעשים זמינים לכולם, היתרון המשמעותי שנשאר בידי החברה הוא דאטה ייחודי שאחרים לא יכולים להשיג או לשכפל. הנה דוגמה מהפרוטפוליו שלנו:
Navina, חברה שמביאה AI לרופא המשפחה כדי לשפר את הטיפול במטופלים, יצרה באמצעות העבודה עם הלקוחות שלה מאגר נתונים של מיליוני מטופלים שבעזרתם נבנו מודלים קליניים יחודיים המאפשרים לה לספק חווית משתמש מוצלחת ולהבטיח ROI ללקוחותיה.
הדאטה שמגיע מהמשתמשים יכול להפוך למנוע צמיחה של החברה כולה.
כשכל לקוח חדש מזין דאטה חדש למערכת ומטייב את הדאטה הקיים, הוא בפועל משפר את הערך ללקוחות הקיימים (או מה שנקרא Data Flywheel): באופן זה החברה לא רק בונה יתרון תחרותי - היא גם יוצרת אפקט מצטבר שמחזק את כל העסק. זה הופך את הדאטה למכפיל ערך ולא רק לנכס סטטי, ואת המוצר שלכם לפלטפורמה שקשה מאוד להתחרות בה לאורך זמן.
והנה דוגמה לעיקרון הזה מהפרוטפוליו שלנו: ב- ActiveFence חברה שעוזרת לחברות לתת חוויות משתמש בטוחות ללקוחות שלהן - משתמשים של החברה שיפרו וטייבו את הפלטפורמה על יד כך שסימנו תכנים ובכך סייעו בפיתוח יכולות זיהוי לדפוסים חדשים בלי שהתבקשו לבצע פעולות נוספות.
הטעות הכי מסוכנת - לחשוב ש-AI הוא המוצר.
AI הוא לא המוצר- הוא הטכנולוגיה. הרבה מהסטארטאפים שנכשלו ניסו למכור את היכולות של המודל עצמו, במקום לפתח מוצר שפותר בעיה אמיתית. זה אולי מרשים בדמו, אבל לא מחזיק לאורך זמן. החברות שמצליחות הופכות את ה- AI לאלמנט כמעט “שקוף” מבחינת המשתמשים, כזה שעובד מאחורי הקלעים, משתלב עמוק באופן שבו המשתמשים באמת עובדים, ומספק להם ערך אמיתי.
ולפני סיום, הנה שאלה שווה לשאול את עצמכם:
אם ה- LLMs יהיו חזקים פי 10,000 בעוד שנתיים - האם המוצר שלכם עדיין יהיה רלוונטי?
הפתרונות הכי טובים היום הם אלה שההתקדמות במודלים תגדיל את הערך שהם נותנים ללקוח - ולא תאיים עליהם.
אני מזמין אתכם לקרוא את הplaybook לעוד תובנות, ואם גם אתם בונים חברות בתחום ה- Enterprise-AI אשמח לשמוע איך זה נראה אצלכם.
קריאת הבלוג 
צפייה בוידאו 
האזנה לפרק 
תשאלו אותנו הכל
