СТАРТАПИ

Добирати жорстко, відрізати зайве. Чого венчурна студія Pawa навчилася у поїздці в Долину

20 Жовтня 2021, 10:30
7 хв читання
Додати в закладки

Будь-яку статтю можна зберегти в закладки на сайті, щоб прочитати її пізніше.

Pawa в Кремниевой Долине: Кирилл Сыгыда
Режим читання збільшує текст, прибирає все зайве зі сторінки та дає можливість зосередитися на матеріалі. Тут ви можете вимкнути його в будь-який момент.
Режим читання

Режим читання збільшує текст, прибирає все зайве зі сторінки та дає можливість зосередитися на матеріалі. Тут ви можете вимкнути його в будь-який момент.

Партнери з Reface Кирило Сигида, Сергій Токарев і Ден Дмитренко заснували венчурну студію Machine Learning-стартапів (далі — ML) Pawa. Зібравши в ході розвитку Reface спільноту розробників, вони побачили великий ринок, де можна ставити ML-завдання. Цього літа вони поїхали в Кремнієву Долину, щоби зрозуміти, як працюють американські компанії зі схожою моделлю.

У своїй колонці для Vector Кирило Сигида розповідає, як поїздка в США вплинула на їхнє бачення майбутнього ML-продуктів і розуміння специфіки роботи венчурних студій.

When Content is King, Data is Queen

Венчурна студія Pawa — це контейнер для генерації ML-стартапів. Ми перетворюємо ідею, пов’язану з машинним навчанням, у кінцевий продукт або рішення для великих корпорацій. Pawa працює з гіпотезами, які представлені у вигляді математичної задачі. Вони з’являються тільки з доступу до даних, які ми можемо обробити.

На конференціях говорять про технологічні обмеження ML-алгоритмів. Але правда в тому, що алгоритми обмежено не продуктивністю процесорів, а наявністю або браком даних. Це одночасно і вузьке горлечко індустрії, і головний драйвер для нових ідей.

Навіщо ми поїхали в Долину

Ми робили Reface віддалено, без поїздок в інші країни. На той момент це було правильним рішенням, тому що чимало розумних людей відмовляли б нас робити ще один соціальний продукт. Якщо у вас є чітке бачення, краще нікуди не їхати, а сфокусовано працювати на місці.

Цього разу ми хотіли протестувати гіпотези про роботу Pawa, знайти нові й повчитися на досвіді американських венчурних студій. СЕО Pawa Анна Шувалова нещодавно закінчила навчання в Стенфорді. Це відкрило нам доступ до великої кількості людей у Кремнієвій Долині.

Сергій Токарєв, Ден Дмитренко, Кирило Сигида і Анна Шувалова
Співзасновники й CEO венчурної студії Pawa в Кремнієвій Долині

Час на незнайомців

Один із міфів про Долину — вона об’єднує людей. Всупереч помилкам, це не комуна, сусіди там часто не знають один одного, тим більше під час пандемії. Але Долина унікальна підходом місцевих жителів до своєї експертизи: вони не тримають її в сейфі під замком.

Стенфорд привчив людей ділитися досвідом. У них записано, скільки годин на тиждень вони повинні присвятити малознайомим людям. Деякі наші співрозмовники приходили на зустрічі з бажанням «відстрілятися швидше», але в процесі їм ставало цікаво вести діалог.

У цій поїздці ми приїжджали до керівників фондами на $200–300 млн, вони зустрічали нас із двомісячною дитиною на руках у домашньому одязі й готові були говорити.

Багато хто їде в Долину за грошима, але ми приїхали з капіталом, і це підносило нас в очах співрозмовників. Ми вже зібрали в Україні $20 млн інвестицій на роботу студії, нас цікавив тільки досвід.

Венчурна студія — не венчурний фонд

Відповідно до закону Парето, 20% вашого інвестиційного портфеля принесе 80% прибутку. На жаль, у нашому випадку це не працює, бо Pawa повинна не тільки провалідувати гіпотези й запустити продукти, а й заробити гроші для своїх інвесторів. Наша мінімальна мета — отримати мінімум 40% успішних гіпотез, а краще 60%. Як домогтися такої конверсії?

Попередній добір

Ми приїхали в Корнельский університет у Нью-Йорку. Він набирає лише тих студентів, які планують запускати свій бізнес. У цьому університеті одним навчанням не збудешся — ти зобов’язаний створити продукт. Серед студентських проєктів — 60% успішних і 40% провалів.

За словами представників університету, секрет у попередньому доборі учнів. Кандидат проходить 10 співбесід, щоб інтерв’юери могли переконатися в його умінні будувати компанії, а не просто працювати з теорією. Чим жорсткіше добір, тим більша ймовірність успіху. Ми хочемо перенести цей досвід на усі команди нашої студії.

З жорстким добором повинні стикатися не тільки співробітники, але і ідеї.

Один із наших співрозмовників у Долині був фанатом баскетбольної ліги NBA і в наступному своєму продукті планує вважати математику всіх подій на ігровому майданчику. Нам така гіпотеза не підходить, бо в ній немає заробітку і відповідно користі для наших інвесторів.

Для Pawa більше підходить ідея, про яку нам розповіли брати Лібермани. В одному американському місті влада передала венчурній студії дані локальної електромережі. ML-інженери збудували модель, яка дала змогу місту заощадити $300 млн. Розробники одержали 5% від цієї суми. З цього можна побудувати продукт, але в цієї ідеї є застосування в реальному секторі економіки.

Відмінності в структурі

Наступна складність венчурних студій — структурування угод. Венчурна студія відрізняється від фондів структурою володіння капіталом. Типовий фонд бере участь у розвитку компанії грошима і допомагає з її стратегічним розвитком через раду директорів.

На відміну від такого підходу, студія активно бере участь у кожному етапі розвитку компанії — від початкового пошуку та тестування ідеї до побудови команди й виведення продукту на ринок. Тому студія зазвичай забирає майже половину частки в стартапі.

Постає питання — яку частку потрібно залишати команді стартапу, щоби не втратити її мотивацію, водночас зберігши прибутковість для інвесторів усій студії. Цей параметр дуже складно оцінити. Ми віримо в те, що ми можемо зробити його плаваючим, і міняти залежно від проєкту й залучення команди.

Відрізати зайве

Термін відмови від ідеї — наступна проблема, за рішенням якої ми поїхали в США. З досвіду інших студій ми зрозуміли, що на валідацію однієї гіпотези потрібно три місяці, а середній чек на таку перевірку становить $300 000. Водночас працювати над однією проблемою мають три-чотири людини, адже натовп математиків в одній кімнаті — не найефективніша модель.

Відрізати гіпотези, що не працюють, боляче, але в цьому й полягає наша робота.

Коли ми вибираємо математичну гіпотезу, над якою працюватимемо, ми оцінюємо три чинники:

  1. Чи є в нас доступ до даних, які можна використовувати для її тестування?
  2. Чи можемо ми побудувати модель на цих даних?
  3. Чи буде ця модель може бути застосована на практиці в комерційному секторі?

Як поїздка вплинула на плани

Амбітна мета Pawa — знайти 10 проєктів, які дадуть результат протягом трьох років. Такий короткий термін обумовлений тим, що світ стає швидше і жорсткіше. Після Долини я розумію, що досягти нашої мети в такі терміни можна тільки в Україні.

Ми боремося з фразою: «Як ви себе бачите через п’ять років?». Я чесно відповім, що не знаю, і в цьому немає нічого поганого, адже індустрія змінюється занадто швидко, щоб прогнозувати на п’ять років вперед.

У Pawa ми робимо ставку на те, що ML стане обов’язковою частиною будь-якого бізнесу. Ми обрали сфери, з яких ми хочемо взяти гіпотези й зробити їх своєю доменною експертизою.

  1. Геймінг. У нас є доступ до великої кількості гравців і платформ, тому ми можемо швидко тестувати багато гіпотез. Тут також присутня застосовність, про яку я говорив раніше. Ігри мають бути розумними: гравець відчуває, коли вони поводяться як людина, і заводиться, коли його обіграють.
  2. Охорона здоров’я. Ця сфера зростає щороку, але це залежить саме від відкриття доступу до даних від лікарів.
  3. Розумний особистий помічник, адже служби підтримки кожної компанії прагнуть стати більш індивідуальними. У далекій перспективі можна уявити й персонального асистента, який разом із тобою йде по твоєму кар’єрному шляху.

Знайшли помилку? Виділіть її і натисніть Ctrl+Enter

Партнерські матеріали

Чорна п’ятниця від Київстар: огляд спеціальних пропозицій
01 ТЕХНОЛОГІЇ
Чорна п’ятниця від Київстар: огляд спеціальних пропозицій
Sales outreach майбутнього: як персоналізувати комунікацію завдяки AiSDR
02 ТЕХНОЛОГІЇ
Sales outreach майбутнього: як персоналізувати комунікацію завдяки AiSDR
Життя в «Синергія Сіті»: як простір змінює звички та ритм повсякденності
03 БІЗНЕС
Життя в «Синергія Сіті»: як простір змінює звички та ритм повсякденності
Завантаження...