Startups de AI enfrentam um conjunto de desafios diferentes de uma empresa típica de SaaS. Essa foi a mensagem de Rudina Seseri, fundadora e sócia-gerente da Glasswing Ventures, na semana passada no evento TechCrunch Early Stage em Boston.

Seseri deixou claro que apenas se conectar a algumas APIs de AI não torna você uma empresa de AI. 'E por nativo de AI, não quero dizer que você está simplesmente colocando um rótulo brilhante com alguns chamados para OpenAI ou Anthropic com uma interface de usuário que é human-like e você é uma empresa de AI', disse Seseri. 'Quando digo nativo de AI, quero dizer que você realmente tem algoritmos e dados no núcleo e parte da criação de valor que está entregando'.

Seseri diz que isso significa que existem diferenças significativas na maneira como os clientes e investidores avaliam uma empresa de AI em comparação com uma startup de SaaS, e é importante entender as diferenças. Para começar, você pode colocar algo longe de estar finalizado no mundo do SaaS. Você não pode fazer isso com AI por uma variedade de razões.

'Aqui está a questão: com o produto SaaS, você codifica, você faz QA e obtém o beta - não é o produto final, mas você pode colocá-lo lá fora e seguir em frente', disse ela.

AI é completamente diferente: você não pode simplesmente colocar algo lá fora e esperar pelo melhor. Isso porque um produto de AI requer tempo para que o modelo chegue a um ponto em que seja maduro o suficiente para funcionar para clientes reais e para que eles confiem nele em um contexto de negócios.

'Nos primeiros dias, é uma curva íngreme em aprender e treinar o algoritmo, e ainda assim ele precisa ser bom o suficiente para que o cliente queira comprar para que seja bom o suficiente para você criar valor', disse ela. E é uma linha difícil de encontrar para uma startup em estágio inicial.

E isso torna mais desafiador encontrar adotantes iniciais. Ela diz que você deseja evitar a ligação longa em que o comprador está apenas tentando aprender sobre AI. Fundadores de startups não têm tempo para chamadas como essa. Ela diz que é importante focar em seu produto e ajudar o comprador a entender sua proposta de valor, mesmo que ainda não esteja completamente pronta.

'Sempre articule o problema que você está resolvendo e qual métrica - como você está medindo isso?' ela disse. Otimize no que importa para o comprador. 'Então você está resolvendo um problema que tem resultados de decisão de negócios'. Tudo bem articular sua visão, mas sempre esteja fundamentando sua discussão em prioridades de negócios e como elas estão informando seus algoritmos.

Como as startups de AI podem vencer?

Ao construir seu negócio, você precisa pensar em como pode conquistar um lugar defensável em AI, algo que é particularmente desafiador, pois os grandes players continuamente reservam grandes fatias de ideias de negócios.

Seseri destaca que na era da nuvem, tivemos uma camada fundamentada onde os players de infraestrutura reservaram sua participação; uma camada intermediária onde os players de plataforma residiam; e no topo, temos a camada de aplicação onde o SaaS vivia.

Com a nuvem, alguns players como Amazon, Microsoft e Google surgiram para controlar a infraestrutura. A camada fundamental em AI é onde os grandes modelos de linguagem vivem, e alguns players como OpenAI e Anthropic surgiram. Embora se possa argumentar que essas são startups, elas não são no verdadeiro sentido porque estão sendo financiadas pelos mesmos grandes players que dominam o mercado de infraestrutura.

'Se você for competir por uma nova camada fundamental, ou seja, um jogo de LLM, será muito difícil com requisitos de capital de vários bilhões de dólares, e no final das contas, é provável que se torne uma commodity', disse ela.

No topo da pilha está a camada de aplicação, onde milhares de empresas de SaaS foram capazes de aproveitar na era da nuvem. Ela disse que os grandes players como Amazon, Google e Microsoft não conseguiram ficar com todo o negócio da camada de aplicação e havia espaço para startups se desenvolverem e crescerem em empresas grandes e bem-sucedidas.

Há também uma camada intermediária onde o encanamento é feito. Ela aponta para empresas como Snowflake que tiveram sucesso em construir negócios bem-sucedidos na camada intermediária, fornecendo um local para os players de aplicação colocarem seus dados.

Então, onde ela está investindo quando se trata de AI? 'Coloco meu dinheiro na camada de aplicação e muito seletivamente na camada intermediária. Porque acho que há um fosso em torno de algoritmos, seja algoritmos proprietários para você, ou de código aberto - e dados. Você não precisa possuir os dados. Mas se eu tiver que escolher, gostaria de ter acesso exclusivo a dados e algoritmos exclusivos. Se for forçada a escolher apenas um, irei atrás de dados', disse ela.

Construir uma startup de AI certamente não é fácil, talvez até mais desafiador do que uma startup de SaaS. Mas é para onde o futuro se encaminha, e as empresas que vão tentar isso têm que saber contra o que estão lutando e construir de acordo.

AI vai salvar os sonhos de crescimento das empresas de software