Transcription
A cada três meses, as coisas só têm melhorado progressivamente, e agora estamos neste ponto em que estamos falando sobre agentes de IA vertical completos que irão substituir equipes e funções inteiras e empresas. Essa progressão ainda é alucinante para mim.
Muitos dos modelos de base estão se confrontando. Costumava haver apenas um jogador na cidade com a OpenAI, mas temos visto, no último lote, que isso tem mudado. Graças a Deus! É como se a competição fosse, você sabe, o solo para um mercado, um ecossistema de mercado muito fértil, no qual os consumidores terão escolha e os fundadores terão uma chance. E esse é o mundo em que quero viver. Bem-vindos a outro episódio do Light Cone. Eu sou Gary, este é Jared Harge e Diana, e coletivamente, financiamos centenas de bilhões de dólares em startups, quando elas eram apenas uma ou duas pessoas começando, e hoje Jared está pegando fogo e ele vai falar sobre IA vertical.
Sim, estou! Estou animado com isso porque acho que as pessoas, especialmente os fundadores de startups, especialmente os jovens, não estão apreciando totalmente o quão grandes os agentes de IA vertical serão. Não é uma ideia nova. Algumas pessoas estão falando sobre agentes de IA vertical. Financiamos muitos deles, mas acho que o mundo não percebeu o quão grande isso vai ficar. Então, vou apresentar o argumento de por que acho que haverá empresas com mais de US$ 300 bilhões iniciadas apenas nessa categoria.
Ótimo! Vou fazer isso por analogia com o SaaS, e acho que, de forma semelhante, as pessoas não entendem o quão grande o SaaS é, porque a maioria dos fundadores de startups, especialmente os jovens, tendem a ver a indústria de startups pelas lentes dos produtos que usam como consumidores. E como consumidor, você não tende a usar muitas ferramentas SaaS, porque elas são principalmente construídas para empresas. Então, acho que muitas pessoas perderam o ponto básico de que, se você apenas olhar para o que o Vale do Silício tem financiado mais, por cerca de 20 anos, nós temos principalmente produzido empresas SaaS, pessoal. Isso literalmente tem sido a maior parte do que tem saído do Vale do Silício. Mais de 40% de todos os dólares de capital de risco nesse período foram para empresas SaaS, e produzimos mais de 300 unicórnios SaaS nesse período de 20 anos, o que é muito mais do que qualquer outra categoria. Software é incrível. Software é incrível.
Eu estava pensando na história disso, porque nós sempre gostamos de falar sobre como a história da tecnologia informa o futuro, e o verdadeiro catalisador para o boom do SaaS foi... vocês se lembram do XML HTTP Request? Meu Deus! Eu argumentaria que isso foi literalmente o catalisador para o boom do SaaS. Ajax, sim, em 2004, os navegadores adicionaram essa função JavaScript, XML HTTP Request, que era a peça que faltava para permitir que você criasse um aplicativo de internet rico em um navegador da web. Então, pela primeira vez, você poderia criar coisas em sites que pareciam aplicativos de desktop. E isso criou o Google Maps e o Gmail e criou todo esse boom do SaaS, essencialmente. A tecnologia chave foi que o software passou de algo que você obtinha em um CD-ROM e instalava em sua área de trabalho para algo que você usa por meio de um site e em seu telefone.
Paul Graham, na verdade, compartilha dessa linhagem, no sentido de que ele foi uma das primeiras pessoas a perceber que poderia pegar o HTTP Request e, então, realmente conectá-lo a um prompt Unix, e você não precisava, você sabe, ter um programa de computador separado que mudaria um site. Viaweb era uma loja online, meio que como a Shopify, mas muito antes. Era basicamente como o primeiro aplicativo SaaS de todos os tempos. PG realmente inventou o SaaS em 1995. É só que esses primeiros aplicativos SaaS eram meio ruins, porque eles não tinham XML HTTP Request. Então, cada vez que você clicava em um botão, você tinha que recarregar toda a página. Então, era uma experiência ruim. Então, não pegou de verdade até 2005, quando o XML HTTP Request se espalhou. De qualquer forma, vejo essa coisa do LLM como algo muito semelhante. É como um novo paradigma de computação que torna possível simplesmente fazer algo fundamentalmente diferente.
Em 2005, quando a nuvem e o celular finalmente decolaram, havia essa grande questão aberta de: "Ok, essa nova tecnologia existe, o que você deve fazer com ela? Onde o valor vai crescer? Quais são as boas oportunidades para startups?" Eu estava revisando a lista de todas as empresas bilionárias que foram criadas, e eu meio que tive essa percepção de que você poderia colocar os diferentes caminhos que as pessoas tomaram em três grupos. Há um primeiro grupo com o qual as pessoas começaram, que eu chamaria de ideias obviamente boas que poderiam ser produtos de consumo em massa. Então, isso é como documentos, fotos, e-mail, calendário, bate-papo, todas essas coisas que costumávamos fazer em nosso desktop, que obviamente poderiam ser movidas para o navegador e o celular. E o interessante é que zero startups venceram nessas categorias. 100% do fluxo de valor para as empresas incumbentes. O Google, o Facebook, a Amazon, eles possuem todos esses negócios. As pessoas esquecem que o Google Docs não foi a única empresa que tentou levar o Microsoft Office para a web. Houve cerca de 30 empresas que tentaram levar o Microsoft Office para a web, mas todas perderam. O Google venceu.
Então, havia uma segunda categoria, que eram ideias de consumo em massa que não eram óbvias, que ninguém previu. Isso é como Uber, Instacart, DoorDash, Coinbase, Airbnb. Essas vieram do nada. Os... entre o XML HTTP Request e o Airbnb é muito não óbvio. Sim. E então, as empresas incumbentes nem tentaram competir nesses espaços até que fosse tarde demais. Então, as startups conseguiram vencer lá. E então, há uma terceira categoria, que são todas as empresas B2B SaaS, e são cerca de 300 delas. Então, como... pelo número de logotipos, muito mais empresas bilionárias foram criadas naquela terceira categoria do que nas duas primeiras. Acho que uma razão pela qual isso aconteceu é que não existe um Microsoft do SaaS. Não existe uma empresa que de alguma forma faça SaaS para todos os setores e todos os produtos. Por razões estruturais, parece ser o caso de que todas são empresas diferentes, e é por isso que existem tantas delas. Acho que a Salesforce é provavelmente a primeira verdadeira empresa SaaS. E eu me lembro de Mark Benioff vindo falar no YC, e ele conta a história de que, no início, as pessoas simplesmente não acreditavam que você pudesse construir aplicativos empresariais sofisticados na nuvem ou via SaaS. Era simplesmente uma questão de percepção. Era como: "Não, você compra seu software em caixa, e esse é o software real que você executa, como sempre fizemos". Era bastante contrário, porque os primeiros aplicativos da web eram ruins. Eles eram como o Viaweb, onde você tinha que ser um visionário como PG e entender que o navegador continuaria melhorando e que eventualmente seria bom, o que parece bastante reminiscente de hoje, certo? Onde é como: "Ah, não, você não será capaz de construir aplicativos empresariais sofisticados que usem essas ferramentas de LLM ou IA, porque eles têm alucinações ou não são perfeitos ou são brinquedos". Mas sim, essa é a história inicial do SaaS, exatamente a mesma.
Então, quando penso nos paralelos com os LLMs, posso facilmente imaginar a mesma coisa acontecendo, que há um monte de categorias que são aplicativos de consumo em massa que são oportunidades obviamente enormes, mas provavelmente as empresas incumbentes vencerão todas elas. Então, isso é algo como um assistente de voz de IA de uso geral que você, você sabe, pode pedir para fazer qualquer coisa e ele vai fazer isso. Essa é uma coisa óbvia que deveria existir, mas todos os grandes players vão estar competindo para ser essa coisa. A Apple está um pouco lenta nisso. Por que a Siri ainda é tão burra? Em que ano estamos? Não faz sentido. Quero dizer, é como uma contagem regressiva. O que é muito óbvio é a pesquisa, e talvez o Google ainda vença na pesquisa, mas o Perplexity definitivamente está dando a eles trabalho. Sim, esse é o dilema do inovador no final do dia. Quero dizer, você poderia argumentar, voltando ao que você disse sobre Uber ou Airbnb, essas eram coisas realmente arriscadas do ponto de vista regulatório. Então, se você é o Google e tem basicamente um pote de ouro gigante garantido que, você sabe, chega até você todos os meses, por que você arriscaria esse pote de ouro para buscar essas coisas que podem ser assustadoras ou podem arruinar o pote de ouro? Acho que essa é provavelmente a principal razão pela qual as empresas incumbentes não acabaram construindo esses produtos e nem os clonaram, mesmo depois que eles ficaram grandes e era óbvio que eles iriam funcionar. O Google nunca lançaria um clone do Uber. Eles nunca lançariam um clone do Airbnb.
Eu estava ouvindo essa palestra do Travis, e uma das coisas que ele disse que realmente me marcou é que, nos primeiros anos do Uber, ele estava muito com medo de que iria pessoalmente para a prisão por muito tempo. Ele estava realmente arriscando pessoalmente ir para a prisão para construir aquela empresa. Então, sim, nenhum funcionário altamente pago do Google iria fazer isso. O que você acha sobre por que as empresas incumbentes não entraram no B2B SaaS? Parte da razão é que muitos dos casos de uso são muito... há uma distribuição muito ampla? É uma ótima pergunta. Adoro ouvir o que vocês acham. Minha opinião é que é muito difícil fazer tantas coisas como empresa. Cada empresa B2B SaaS realmente exige que as pessoas que estão executando o produto e o negócio estejam extremamente envolvidas em um domínio e se importem muito com muitas questões realmente obscuras. Sabe, como o Gusto, por exemplo. Por que o Google não construiu um concorrente do Gusto? Não há ninguém no Google que realmente entenda folha de pagamento e tenha paciência para lidar com todas as nuances de todas essas regulamentações estúpidas de folha de pagamento. É simplesmente... não vale a pena para eles. É mais fácil para eles se concentrarem em algumas categorias realmente enormes. No mundo B2B SaaS, é sobre o argumento de desagregação/agregação de software que surge muito também, eu acho. E por que não... por que todos esses produtos B2B SaaS verticais evoluíram em vez de apenas Oracle, SAP ou... NetSuite? Sim, NetSuite apenas possuindo tudo. E acho que o AI é outra coisa que é atribuível à mudança para SaaS e à internet. Nas antigas maneiras de vender software, novamente, você tinha esse software em caixa que era realmente caro de instalar e você tinha todo um ecossistema em torno dele. E sempre que você queria algo personalizado, os integradores simplesmente diziam: "Ah, não, nós podemos simplesmente construir um recurso personalizado de folha de pagamento ou algo assim". E então a Salesforce surge com uma solução SaaS, e parece que nunca poderia ser tão poderosa ou sofisticada quanto a instalação empresarial cara que você acabou de pagar, mas eles provaram que era totalmente o caso. E acho que isso simplesmente abriu as portas para todas essas soluções SaaS verticais emergirem fazendo exatamente o que você está dizendo. O outro problema é que, com muito desse software empresarial, se você é um usuário da Oracle e do NetSuite, porque eles têm que cobrir tanto terreno, a experiência do usuário é realmente ruim. Eles estão tentando ser mestres de todos os ofícios, mas mestres de nenhum. Sim. Então, acaba sendo uma espécie de experiência de "pia da cozinha". E é aqui que, se você for construir uma empresa B2B SaaS vertical, você poderia ter uma experiência literalmente 10 vezes melhor e mais agradável, porque há essa diferença marcante entre produtos de consumo e experiência do usuário empresarial.
Bem, existem apenas três faixas de preço em software: US$ 5 por assento, US$ 500 por assento ou US$ 55.000 por assento. E isso se relaciona diretamente às vendas para consumidores, PMEs ou empresas. E então, acho que o tempo memorável nos ensinou que, no passado, e isso é cada vez menos verdadeiro com novos softwares, felizmente, mas o software empresarial é terrível, porque não é o usuário que está comprando. Sabe, algum executivo importante dentro da Fortune 1000 é a pessoa que está ganhando dinheiro com esse contrato de sete dígitos, e eles vão escolher algo que talvez não seja tão bom para o usuário final, a pessoa que tem que usar o software diariamente. E estou curioso para ver como isso muda com os LLMs. Na verdade, até hoje, uma das coisas mais importantes que vimos para empresas de software B2B e empresas, todas as empresas de software, todas as startups, é que há uma sensação de que, à medida que a receita aumenta, o número de pessoas que você precisa contratar aumenta com ela. Então, quando você olha para unicórnios, mesmo no portfólio atual do YC, é bastante rotineiro ver uma empresa que atingiu US$ 100 ou US$ 200 milhões por ano em receita, mas eles têm 500, 1.000, 2.000 funcionários. E vou ser muito curioso... mesmo o conselho que estou começando a dar a empresas que estão a um ou dois meses do lote... está se sentindo um pouco diferente do tipo de conselho que eu daria no ano passado ou há dois anos. No passado, você poderia dizer: "Deixe-me encontrar a pessoa absolutamente mais inteligente em todas essas outras partes da organização, como sucesso do cliente, vendas ou coisas diferentes assim, e quero encontrar alguém com quem trabalhei que eu sei que é ótimo, e então vou sentar na porta deles até que eles deixem seus empregos e venham trabalhar para mim, e quero que eles sejam alguém que possa construir uma equipe para mim, contratar muitas pessoas". Isso pode ainda ser verdade, mas estou começando a sentir que a métrica está mudando um pouco. Você pode realmente querer contratar mais engenheiros de software realmente bons que entendam modelos de linguagem grandes que podem realmente automatizar as coisas específicas de que você precisa que são os gargalos para seu crescimento. Então, pode resultar em uma mudança muito sutil, mas significativa na maneira como as startups crescem seus negócios após o ajuste do mercado de produtos. Significa que vou construir sistemas LLM que reduzam meus custos, o que me faz não ter que contratar mil pessoas. Acho que estamos no início dessa revolução agora. Quero dizer, falamos sobre isso em um episódio anterior, falamos sobre haverá uma futura empresa unicórnio que será executada, se levarmos ao limite, com apenas 10 funcionários. Isso é totalmente plausível. E eles estão escrevendo as avaliações e os prompts.
Acho que o que você está dizendo é uma tendência que já estava em andamento antes dos LLMs. Lembro-me de quando eu estava executando o Triplebyte, por exemplo, precisávamos construir marketing ou aquisição de clientes, basicamente. E especialmente depois que levantamos uma Série B, a maneira tradicional como você deveria fazer isso é contratar um executivo de marketing e construir uma equipe de marketing e basicamente criar essa máquina para fazer vendas e marketing. Mas eu realmente conheci um fundador do YC, Mike, cuja empresa estava basicamente construindo uma frigideira inteligente. Parece bizarro, mas ele era um engenheiro do MIT. Você se lembra disso? Ele é um engenheiro do MIT, e para vender a frigideira inteligente, ele teve que ficar muito bom em entender publicidade paga e anúncios do Google e um monte de coisas. Então, ele adotou essa abordagem de mentalidade de engenheiro, e lembro de conversar com ele sobre isso e perceber que seria muito melhor ter um engenheiro do MIT trabalhando em nossos esforços de marketing do que qualquer um dos candidatos de marketing com quem eu havia conversado. E ele conseguiu nos escalar para... estávamos gastando cerca de US$ 1 milhão por mês apenas em marketing e várias campanhas. O Triplebyte tinha um ótimo marketing. Lembro-me da aquisição da estação Caltrain que você fez, todas as coisas externas que você fez. Era material de alta qualidade. Ficou claro que não foi feito por algum vice-presidente de marketing. E isso foi tudo Mike. E o comentário que eu costumava receber quando as pessoas me perguntavam naquela época: "Quão grande é o Triplebyte?", e éramos cerca de 50 pessoas. Muito. Sim, sim. As pessoas diziam: "Eu pensei que eram centenas de pessoas". Eu dizia: "Não, é porque se você colocar um engenheiro realmente inteligente em algumas dessas tarefas, eles simplesmente encontram maneiras de fazer... eles encontram alavancagem". E agora os LLMs podem ir muito além da alavancagem que você tinha, que é puro software.
Ok, aqui está meu argumento para 300 unicórnios de agentes de IA vertical. Literalmente, para cada empresa unicórnio SaaS que você pode imaginar, há um equivalente unicórnio de IA vertical em algum novo universo, porque a maioria desses unicórnios SaaS antes eram algumas empresas de software em caixa que estavam fazendo a mesma coisa que foram interrompidas por uma empresa SaaS, e você pode facilmente imaginar a mesma coisa acontecendo novamente, onde agora basicamente todas as empresas SaaS constroem algum software que algum grupo de pessoas usa. O equivalente de IA vertical será apenas o software mais as pessoas em um único produto. Uma coisa pode ser apenas empresas em geral. Agora, as empresas estão um pouco inseguras sobre exatamente o que elas precisam, quais agentes elas precisam. Uma abordagem que vi, especialmente de fundadores mais experientes, como Brett Taylor, o CTO do Facebook, começou sua empresa, a Sierra. Eu não sei todos os detalhes, mas pelo que eu sei, é essencialmente mais sobre permitir que as empresas implantem esses agentes de IA e os criem sob medida para a empresa, em vez de: "Ei, temos esse agente específico para fazer isso". É algo que vi em uma das minhas empresas chamada Vector Shift, que financiamos há cerca de um ano. São dois cientistas da computação de Harvard muito inteligentes, e é isso que eles descobriram. Eles estão tentando construir uma plataforma para facilitar que as empresas criem seus próprios agentes internos com tecnologia LLM, usando código sem código ou SDKs. Mas as empresas geralmente não sabem exatamente para que querem usar essas coisas. Então, voltando, eu me pergunto se, no mundo do software em caixa, você começou com apenas alguns fornecedores que basicamente estavam tentando convencer as pessoas a usar software, e era simplesmente: "Ele faz tudo". E então fica mais sofisticado e de maior resolução, e você obtém muitos players SaaS verticais. Passamos por esse mesmo período com LLMs, onde os primeiros vencedores podem ser apenas esses de uso geral: "Ei, nós facilitamos para você fazer coisas com LLM". E então os agentes verticais entrarão com o tempo. Ou você acha que há razões pelas quais é diferente agora e os agentes verticais decolarão no primeiro dia?
Isso é interessante, porque se você pensar na história do SaaS, as coisas de consumo funcionaram primeiro. De 2005 a 2010, eram principalmente aplicativos de consumo, como e-mail, bate-papo e mapas, e as pessoas, como indivíduos, se acostumaram a usar essas ferramentas sozinhas. E acho que isso tornou mais fácil vender ferramentas SaaS para empresas, porque as mesmas pessoas são funcionários e consumidores. Sim. Acho que a resposta pode ser simplesmente que isso é apenas uma continuação do software, e simplesmente não há razão para que ele precise ser reiniciado. Os LLMs não precisam ser reiniciados para algumas plataformas LLM empresariais de uso geral fazendo tudo, porque as empresas já foram treinadas sobre o valor de soluções pontuais e soluções verticais. E a experiência do usuário não será tão diferente. Essas coisas serão muito mais poderosas. Então, se as empresas já desenvolveram o músculo de acreditar que as startups ou soluções verticais podem ser melhores do que as plataformas amplas legadas, elas provavelmente estarão dispostas a apostar em uma startup prometendo uma solução de agente de IA vertical muito boa hoje. E sinto que estamos todos vendo isso no lote agora, com algumas de nossas empresas obtendo tração mais rápida nas empresas para esses agentes de IA vertical do que já vimos antes. Acho que estamos apenas no início do jogo. Todo software começa bastante vertical, e então, à medida que as indústrias realmente se desenvolvem, quero dizer, eu acabei de responder minha pergunta anterior. É como: "Por que uma empresa acaba tendo mil funcionários?" É realmente que, no início do jogo, todos estão criando essas soluções pontuais específicas, e então, em algum momento, você tem que ir horizontalmente. Você já está fazendo esse gasto louco em vendas e marketing, e então a única maneira de você realmente continuar crescendo depois que você obtém 100% ou alguma grande maioria do mercado é que você realmente tem que fazer não apenas uma solução pontual, mas coisas que funcionam juntas. O outro ponto de por que o argumento otimista para agentes de IA vertical pode ser ainda maior do que o SaaS é que, no SaaS, você ainda precisava de uma equipe de operações ou um conjunto de pessoas para operar o software para que todos os fluxos de trabalho fossem feitos. Eu não sei, fluxos de trabalho de aprovação ou você tem que inserir os dados. O argumento aqui é que você terá não apenas a substituição de todo esse conjunto de software SaaS, então seria como um mapeamento um para um, mas também vai consumir toda a folha de pagamento, porque olhamos para muito do gasto das empresas, uma grande parte ainda é folha de pagamento, e o software é pequeno. Exatamente. Eles gastam muito mais com funcionários do que com software. Então, serão essas empresas menores que são muito mais eficientes, que precisam de muito menos humanos para fazer entrada de dados aleatória ou aprovações ou clicar no software.
Concordo. Acho que é muito possível que os equivalentes verticais sejam 10 vezes maiores do que a empresa SaaS que eles estão interrompendo. Quero dizer, há dois casos. Pode ser que a solução pontual vertical seja grande o suficiente e você não precise fazer essa coisa ampla, certo? Esse poderia ser um bom cenário. Devemos dar alguns exemplos? Sinto que todos nós temos trabalhado com tantas empresas de agentes de IA vertical, temos notícias da frente, como está realmente indo. Seu ex-chefe de produto, Aaron Cannon, está trabalhando em uma empresa YC chamada Outset, com a qual trabalhei, e basicamente eles estão levando LLMs para o espaço de pesquisas e Qualtrics. A Qualtrics quase certamente não vai construir o melhor modelo de linguagem grande com raciocínio, e a coisa engraçada sobre pesquisas é: para quem é isso? É para pessoas que gerenciam produtos para equipes de marketing. É para pessoas que estão tentando entender: "O que nossos clientes realmente querem?" E o que são pesquisas? Adivinhe? É linguagem. E então, sinto que esses tipos de negócios têm que equilibrar isso, porque o software empresarial e de PME geralmente é vendido com base em uma pessoa específica que é o principal tomador de decisão. E você tem que ir alto o suficiente na organização para que as pessoas para quem você está vendendo não tenham medo de que todo o seu trabalho ou o trabalho de toda a sua equipe vá embora. Esse é o movimento que vi muitas empresas que vendem precisarem fazer, porque se você for vender para a equipe que será substituída pela IA, eles vão sabotar. Cara, simplesmente não funciona. Então, acho que essa é uma maneira interessante de muitas dessas serem de cima para baixo, e você tem que passar por isso em algum momento, até mesmo conseguir que o CEO aprove. Uma empresa com a qual estou trabalhando, a Mtic, que é essencialmente um agente de IA, mas pelo menos onde eles estão começando é como teste de QA. Eles estão obtendo uma ótima tração agora, e é interessante porque você se lembra há uma década... por que não trabalhamos com Rainforest QA? A Rainforest era uma empresa de QA como serviço, e eles tinham essa tensão exata de que não conseguiam realmente substituir sua equipe de QA. Então, eles precisavam construir um software que tornasse a equipe de QA mais eficiente, mas realmente isso obviamente significava tentar substituir o máximo possível deles. Eles não conseguiam substituir toda a equipe. Então, eles sempre estavam na corda bamba entre tentar vender o software para o chefe de engenharia como: "Isso significará que você precisará de menos pessoas de QA", e ótimo, mas então você também tem que vender isso para a equipe de QA, que não quer ser substituída. Então, acho que isso sempre foi uma fricção para esse negócio, para como ele poderia escalar e crescer. Mas agora, a Mtic, com IA, pode realmente substituir as pessoas de QA. Então, seu argumento não é: "Isso torna suas pessoas de QA mais rápidas". É como: "Isso significa que você não precisa de uma equipe de QA". Então, eles podem simplesmente focar a venda em engenharia, e a engenharia não precisa comprar da QA neste ponto. E você também pode entrar... para começar, você pode vender para empresas que nem têm grandes equipes de QA no momento. Elas simplesmente usam algo como Mtic, e então ele simplesmente continuará escalando com elas escalando, e elas simplesmente nunca construirão uma equipe de QA. Sim, esse é um estudo de caso real do que Diana estava dizendo sobre por que essas empresas de agentes de IA vertical serão 10 vezes maiores do que as empresas SaaS.
Sim, estou vendo isso agora... como no recrutamento também. Eu tinha exatamente o mesmo problema com o Triplebyte, para construir o software... para construir um software que facilita a triagem e contratação de engenheiros de software, você precisa da aprovação da equipe de engenharia que eles estão se juntando, mas também da equipe de recrutamento. E efetivamente, o software que estávamos construindo estava tentando substituir os recrutadores, mas não conseguíamos substituir completamente os recrutadores. Mas agora com LLMs... então os recrutadores sempre estavam se opondo. Era uma ameaça para eles. Sim. Então, sempre houve atrito em como... em como você pode ir longe quando o cliente para quem você está tentando vender está preocupado em ser substituído. Mas sim, acho que agora ainda é cedo, mas agora com IA você pode construir coisas que fazem toda a pilha de recrutamento. Temos uma empresa com a qual trabalhamos no último lote, Nico trabalhou com eles, a Prior, que está realmente fazendo a triagem técnica completa, a triagem inicial completa do recrutador e obtendo ótima tração. Então, acho que à medida que essas coisas continuam, elas não terão... elas terão a mesma coisa. Você não terá o atrito de: "Eu preciso convencer os recrutadores a usar isso". Você provavelmente simplesmente não construirá uma equipe de recrutamento da mesma maneira que costumava. Quero dizer, outro exemplo é até mesmo para empresas de ferramentas de desenvolvedor, elas têm que fazer muito suporte ao desenvolvedor. Trabalho com essa empresa chamada Cap.AI que basicamente construiu um dos melhores chatbots que responde a muitos dos detalhes técnicos que são difíceis de responder. E acho que muitas das empresas que começaram a usá-los acabaram tendo equipes de trilhos de desenvolvedor muito menores, porque ele absorve muitos documentos de desenvolvedor, até mesmo os vídeos do YouTube que as ferramentas de desenvolvedor publicam, e até mesmo muito do histórico de bate-papo. Então, ele só fica melhor e melhor, e dá respostas realmente boas. Na verdade, é um dos melhores que já vi.
Eu também trabalhei com uma empresa de agente de suporte ao cliente com IA chamada PowerHelp. Na verdade, nós dois fizemos... no último lote. E aprendi algumas coisas interessantes com a Parel. A primeira é que os agentes de IA para suporte ao cliente eram a categoria supostamente lotada, onde supostamente existem 100 delas. E se você pesquisar no Google "agente de suporte ao cliente com IA", você obterá 100 resultados no Google. Mas o que aprendi trabalhando com a Parel é que na verdade é meio que... quase todas essas empresas estão fazendo prompts de LLM de tiro zero muito simples que não conseguem realmente substituir uma equipe real de suporte ao cliente que faz muitos fluxos de trabalho realmente complicados. Isso apenas cria uma boa demonstração. Para realmente substituir uma equipe de suporte ao cliente para uma empresa em escala que tenha 100 representantes de suporte ao cliente que fazem muitas coisas complicadas todos os dias, você precisa de um software realmente complicado que faça todas as coisas sobre as quais Jake Heller estava falando. E havia apenas três ou quatro empresas que estavam mesmo tentando fazer isso, e cumulativamente elas tinham... cumulativamente, elas tinham menos de 1% de penetração de mercado. Então, o mercado estava completamente aberto. Eu também poderia ver isso sendo outro caso de hiperespecialização ou hiperverticalização. Não vai haver... talvez eventualmente possa haver uma única empresa de software de agente de suporte ao cliente de uso geral, mas estamos... isso será uma coisa do oitavo ou nono inning, e estamos literalmente no primeiro inning. Então, você sabe, em vez disso, você terá empresas como GigML que, você sabe, estão fazendo isso para Zepto, fazendo 30.000 tíquetes todos os dias e substituindo uma equipe de mil pessoas. Mas é muito específico, e tem... não é uma demonstração de uso geral. É uma coisa de 10.000 casos de teste em um conjunto de avaliação muito detalhado que, você sabe, é basicamente apenas para Zepto e coisas como Zepto. Sim. Mas se você é qualquer uma das outras empresas de mercado, você provavelmente vai usá-lo, porque é um tipo de mercado muito bem definido, que é um mercado de entrega instantânea. Acho que essa é a dinâmica que levou a haver cerca de US$ 300 bilhões em empresas SaaS, em vez de algo como US$ 1 trilhão em algo como meta-SaaS que fornece todo o software para o mundo. É simplesmente que os clientes exigem soluções realmente personalizadas, e é difícil construir uma que funcione para todos. Exatamente. Quero dizer, já demos três exemplos de suporte ao cliente, mas existem setores muito diferentes. Ferramentas de desenvolvedor precisam de um tipo de suporte muito diferente do que você precisa, e o conjunto de treinamento para mercados é muito diferente, certo?
Acho que, quer você tenha agentes ou seres humanos trabalhando para você, você acaba com o mesmo problema, que é que toda empresa esbarra na teoria da empresa de Coase, que diz que qualquer empresa dada crescerá apenas até o ponto em que se torna ineficiente ser maior do que isso. E é por isso que eles são uma espécie de redes e ecossistemas, e você sabe, uma economia completa. Toda empresa se especializará para fazer o que é particularmente boa, e então os limites, os limites externos do que essas empresas podem ser, são realmente baseados em sua capacidade como gerente. Sim, essa parte quebra um pouco meu cérebro, porque, quando passamos tempo com Parker Conrad na Rippling, um de seus pontos favoritos é: "Bem, todos estão muito obcecados com o fato de que as pedras podem falar, e talvez elas possam desenhar, mas a coisa mais interessante para ele, executando software de RH... ele passa muito tempo pensando em RH... na verdade, a coisa mais legal sobre os LLMs é que as pedras podem ler". Do ponto de vista dele, acho que ele tem 3.000 funcionários, ele ainda executa a folha de pagamento para todos os 3.000 funcionários por meio da Rippling. Então, acho que ele passa muito tempo pensando em como uma pessoa pode estender sua capacidade como gerente. E acho que veremos muito mais disso. Esse seria um argumento inverso de que, se estamos neste momento em que as ferramentas para gerentes e CEOs vão ficar muito mais poderosas... oh, isso poderia... poderia... poderia aumentar a escala da empresa que você pode administrar. E é certamente o que a Rippling está tentando fazer. Ele está tentando construir esse conjunto de ferramentas de RH onde, se ele vencer, vai consumir um monte de empresas SaaS bilionárias e uma única empresa gigante. É um ponto muito interessante, Gary. Acho que o que me fez pensar sobre isso é que, com todas essas ferramentas SaaS de IA, isso vai dar a capacidade a todos esses líderes e a todas essas organizações de basicamente abrir a abertura da janela de contexto de quanta informação eles podem analisar, porque há um limite de quantos humanos podemos ter um relacionamento significativo. Há toda a coisa com o número de Dunbar, são cerca de 300 pessoas com as quais você pode ter um relacionamento significativo, mas com IA, porque todas essas pedras agora podem ler, acho que poderemos estender esse limite de Dunbar que temos.
Acho que Flo Criel teve essa postagem interessante no Twitter que viralizou sobre... acho que alguém havia feito um bate-papo por voz, apenas um projeto de fim de semana como CEO, mas ele chamaria todos os 1.500 de seus funcionários. Sim. E, você sabe, era uma ligação muito curta, parecia que era do CEO apenas perguntando pessoalmente. Quero dizer, isso me lembra... aquela cena em Her, onde dá um zoom e, na verdade, você está seguindo a experiência de uma pessoa usando o sistema operacional Her, mas na verdade esse sistema operacional Her está falando com 15.000 ou dezenas de milhares de pessoas ao mesmo tempo. Quantos outros? 8.316. Sim. Quero dizer, modelos de linguagem grandes podem falar e podem ter conversas, e até que ponto esse poder pode realmente estender a capacidade de uma ou poucas pessoas de entender o que está acontecendo? Ouvi falar sobre isso no YC. Definitivamente me fez pensar, porque, como entendi, o produto é algo como... ele simplesmente ligará para todos os seus funcionários, e então seus funcionários podem simplesmente falar sobre o que eles têm feito, e ele simplesmente extrairá o significado disso e dará ao CEO um resumo em tópicos de: "Aqui estão as coisas mais importantes". E havia um monte de empresas SaaS que tentaram fazer esses tipos de pesquisas semanais de funcionários usando software SaaS tradicional, mas essa versão é literalmente 100 vezes melhor do que a versão pré-LLM dessa ideia. Mas me pergunto com essa ferramenta em particular... não é apenas resumir e ler... esse é o argumento de que, se escrever é pensar, então há realmente muito trabalho envolvido no esforço de descobrir quem é um comunicador eficaz e quais são as coisas mais importantes a serem... quais são as coisas principais em que se concentrar como empresa. E eu só me pergunto se, em algum momento, os LLMs fazem... eles vão além de apenas resumir e ler e fazer o pensamento real, no qual ponto quem está realmente executando a organização? Um pensamento interessante. Acho que a outra coisa que é meio interessante sobre como Parker Conrad está pensando sobre isso é... descobri isso recentemente em uma entrevista com Matt McGinness, seu COO, que há mais de 100 fundadores que trabalham na Rippling agora como pessoas específicas que executam uma vertical SaaS inteira dentro da Rippling. É muito legal a maneira como ele construiu a equipe. Har provavelmente sabe muito sobre isso, porque você fez um monte de entrevistas com ele.
Sim, quero dizer, é definitivamente muito focado em recrutar fundadores. E quero dizer, Parker... a Rippling é essencialmente o caso contra a verticalização, tentando... horizontalização... muito valor, e ele quer recrutar fundadores e equipes que constroem em cima da plataforma. É quase um pouco mais como a Amazon, onde a infraestrutura é compartilhada. Sim. Acho que todos os produtos que eles lançaram, quero dizer, coisas como rastreamento de tempo e etc. Quero dizer, basicamente, eles lançam uma coisa e atingem milhões de dólares em ARR no primeiro dia de lançamento. E isso é exatamente o que estávamos falando antes. Uma vez que você tem uma vertical, uma vez que você tem uma posição, o que você está dizendo é: "Eu tenho que gastar esse dinheiro em vendas e marketing de qualquer maneira, posso... você sabe, basicamente obter um LTV maior e manter meu CAC constante?" E isso é o que... se você olhar para todas as principais empresas de software hoje, é isso que a Oracle é, isso que a Microsoft é, isso que a Salesforce é. A Rippling, toque madeira, vai ser a próxima. Mas é uma alternativa interessante a ir do zero ao um totalmente sozinho. Vocês querem falar sobre algumas das empresas de voz que temos? Acho que essa é uma subcategoria interessante disso, que está realmente explodindo agora. Tenho uma empresa com a qual trabalho chamada Salient, que basicamente faz chamadas de voz com IA para automatizar muito dessa cobrança no espaço de empréstimos para automóveis, que é tradicional. Então, eles ligam para as pessoas e dizem: "Ei, você deve US$ 1.000 em seu carro". Sim. Na verdade, esse tipo de trabalho é um daqueles trabalhos chatos. É meio ruim, porque muitos desses trabalhadores de baixa remuneração trabalham em todos esses call centers, e é um trabalho terrível e chato. Então, rotatividade muito alta e grande número de funcionários para executar esses, porque há tantas contas com esses bancos que precisam fazer isso. E esta é uma tarefa perfeita que a IA poderia automatizar. E o que a Salient fez foi conseguir ser muito, muito precisa, e tem estado ao vivo com muitos grandes bancos, o que é muito emocionante. E esta foi uma empresa do ano passado, demonstrando que essa parte disso que eles conseguiram entrar porque venderam de cima para baixo. Acho que o espaço está se movendo muito rapidamente e que temos empresas