Il fondatore di Nest Tony Fadell sulla prossima generazione di promettenti startup deep tech
La carriera di Tony Fadell attraversa diversi capitoli fondamentali della tecnologia di consumo: il lavoro visionario ma prematuro di General Magic, la creazione dell’iPod, il lancio di Nest e la difficile integrazione di una startup in Google. Al TC Disrupt 2024, ha attinto a queste esperienze per spiegare perché la sola tecnologia rivoluzionaria raramente produca un’azienda duratura.
La sua tesi centrale era pratica piuttosto che romantica. I fondatori deep tech hanno bisogno di un problema reale del cliente, del giusto tempismo di mercato, di un uso disciplinato del capitale e di un’organizzazione capace di sopravvivere ad anni di incertezza. La conversazione ha inoltre esplorato leadership, acquisizioni, intelligenza artificiale, realtà virtuale e robot umanoidi, ambiti in cui l’entusiasmo tecnico può facilmente superare la realtà commerciale.
Il prodotto è solo l’inizio
Fadell ha detto di non stancarsi mai di parlare dell’iPod, anche decenni dopo la sua introduzione. La conversazione si è svolta intorno al 23° anniversario del lancio dell’iPod e al 13° anniversario del primo prodotto di Nest, offrendo un’occasione naturale per ripercorrere le influenze alla base di entrambi i risultati.
Una di queste influenze fu suo padre, la cui carriera nelle vendite insegnò a Fadell che anche un prodotto eccellente deve essere spiegato, posizionato e venduto. Fadell consolidò quella lezione attraverso i propri insuccessi iniziali. Da imprenditore universitario, spese il denaro disponibile per sviluppare un prodotto e non lasciò quasi nulla per portarlo sul mercato.
Quell’esperienza cambiò il suo modo di pensare alla costruzione di un’azienda. Nell’epoca in cui iniziò la sua carriera, Fadell stimava che vendite e marketing potessero richiedere da cinque a dieci volte il budget di sviluppo del prodotto. Da allora i social media hanno modificato quel rapporto, ma non il principio di fondo: i fondatori devono pianificare la distribuzione fin dall’inizio. L’ingegneria risponde alla domanda se qualcosa possa essere costruito; un’azienda deve anche rispondere a chi ne ha bisogno, come queste persone lo scopriranno e perché pagheranno per averlo.
General Magic e il costo di arrivare troppo presto
General Magic divenne un esempio emblematico di innovazione priva di un tempismo adeguato. I suoi team esplorarono email mobili, biglietteria elettronica, giochi scaricabili, animazione e comunicazione digitale espressiva circa 15 anni prima che l’iPhone rendesse molte di queste esperienze diffuse.
Le idee erano straordinariamente lungimiranti e diversi veterani di General Magic contribuirono in seguito a creare importanti piattaforme tecnologiche, incluso Android. Tuttavia, Fadell sostenne che all’azienda mancasse sufficiente chiarezza sui problemi immediati che stava risolvendo. La tecnologia di supporto, il comportamento dei consumatori e l’infrastruttura di mercato non erano abbastanza maturi.
Per i fondatori deep tech, questa storia complica la consueta celebrazione dell’essere “in anticipo sui tempi”. Avere ragione sul futuro non garantisce che un’azienda possa sopravvivere abbastanza a lungo da raggiungerlo. Una startup ha bisogno di un percorso credibile dalla sua visione a lungo termine a un problema che i clienti riconoscono oggi.
Perché i fondatori devono comprendere i punti di svolta organizzativi
Fadell ha incoraggiato gli imprenditori ad acquisire esperienza all’interno di organizzazioni più grandi, perché le startup finiscono per affrontare molte delle stesse questioni operative. Un team di cinque persone può coordinarsi informalmente; un’azienda con decine o centinaia di dipendenti non può farlo.
Con l’aumento dell’organico, cambiano i modelli di comunicazione, le responsabilità e le aspettative culturali. Fadell ha descritto punti di svolta distinti in fasi come cinque-dieci dipendenti, 15-20, 30-40 e circa 120. Ogni transizione crea nuove esigenze manageriali, perché le relazioni umane non scalano con la stessa linearità del software o della produzione.
Attraverso investimenti in oltre 200 startup, Fadell ha visto ripetutamente i fondatori incontrare queste sfide. Il suo consiglio è trattare la progettazione organizzativa come una parte essenziale del processo di costruzione del prodotto. Linee gerarchiche, diritti decisionali e abitudini di comunicazione possono sembrare dettagli amministrativi, ma spesso determinano se un team promettente possa continuare a eseguire.
La delega è una competenza di leadership che si apprende
Fadell divenne chief technology officer e vicepresidente di Philips poco più che ventenne, ritrovandosi improvvisamente responsabile della costruzione di un’organizzazione di centinaia di persone senza una significativa esperienza manageriale. Secondo il suo racconto, il suo primo anno da manager andò male. La formazione lo aiutò a imparare a delegare, a costruire fiducia e a smettere di tentare di controllare ogni attività.
L’esperienza non lo rese necessariamente meno esigente. Piuttosto, ha detto che lo rese più preciso nel capire dove fosse necessario intervenire. I leader efficaci lasciano ai colleghi spazio per prendere decisioni e imparare, evitando al contempo errori che potrebbero danneggiare irreparabilmente l’azienda.
Fadell ha inoltre distinto tra due forme di attenzione ai dettagli. Una deriva dall’ego e dal desiderio di dominare. L’altra è radicata nella missione: un leader esamina attentamente il lavoro perché certe scelte determinano se il prodotto serve correttamente i clienti. La sfida manageriale consiste nel sapere quali dettagli influiscono materialmente sul risultato e quali dovrebbero restare nelle mani del team.
Cosa ha rivelato l’acquisizione di Nest sulla cultura
L’acquisizione di Nest da parte di Google ha dimostrato quanto bruscamente un’organizzazione possa cambiare dopo un accordo. Fadell ha riconosciuto gli errori della dirigenza di Nest, sostenendo al contempo che l’azienda acquirente non sia riuscita a preservare impegni importanti ed elementi della cultura originaria della startup.
Ha definito fusioni e acquisizioni insolitamente fragili, indicando l’incompatibilità culturale come una delle ragioni principali per cui molti accordi falliscono. Un contratto può definire proprietà e condizioni finanziarie, ma non può riconciliare automaticamente presupposti diversi riguardo a urgenza, responsabilità, autonomia e performance.
Fadell ha contrapposto l’ambiente di Apple, intensamente orientato ai programmi, alla cultura più permissiva incontrata in Google. Nella sua descrizione, Apple rendeva altamente visibile il contributo di ciascuna persona, mentre le tradizioni di Google — incluso il tempo riservato a progetti paralleli — potevano consentire ad alcuni dipendenti di evitare un livello analogo di responsabilità. Ritiene che un più ampio senso di diritto acquisito si sia successivamente diffuso in alcune parti della Silicon Valley.
Che ogni azienda corrisponda o meno a questo confronto, la lezione per i fondatori è chiara: la cultura è un sistema operativo, non una decorazione d’ufficio. Se un’acquisizione la sostituisce dall’oggi al domani, il team può perdere la motivazione e lo scopo condiviso che rendevano preziosa la startup.
Il deep tech ha bisogno di vincoli, traguardi e capitale paziente
Fadell ha contestato l’assunto secondo cui ambiziosi “moonshot” prosperino quando ricevono risorse aziendali quasi illimitate. Senza vincoli, ha sostenuto, i programmi sperimentali possono allontanarsi dalle esigenze dei clienti e dalla disciplina commerciale. Ha indicato l’enorme investimento di Waymo e il suo lungo percorso verso un’attività sostenibile come illustrazione del problema.
Il deep tech richiede pazienza, ma la pazienza non equivale a un budget senza limiti. Fadell ha raccomandato di fissare traguardi dimostrabili a breve termine nell’ambito di un piano a lungo raggio. Questi traguardi preservano lo slancio, forniscono prove agli investitori e danno ai team la possibilità di imparare dai feedback del mondo reale.
Questo approccio rende anche la raccolta di capitali più gestibile. Un’azienda che dimostra un passaggio difficile può attrarre il capitale e il talento necessari per il successivo. Fadell ha citato Diamond Foundry come esempio di progresso guidato da traguardi. Ha inoltre discusso investimenti di lunga durata che applicano l’IA ad ambiti quali le terapie contro il cancro e la visione artificiale efficiente, comprese aziende che ha identificato come Oranus, Plumerai e Tiny AI.
Molti di questi sforzi richiedono da cinque a dieci anni prima che il loro impatto diventi visibile. Di conseguenza, i tassi di fallimento sono elevati; Fadell ha suggerito che la maggior parte dei portafogli di venture capital contiene molte perdite o svalutazioni. I pochi successi, tuttavia, possono creare tecnologie fondamentali con effetti che vanno ben oltre una tradizionale funzionalità software.
Per gli investitori, valutare tali aziende richiede più che seguire le tendenze. Devono comprendere la scienza sottostante, ragionare a partire dai primi principi e gestire sia il capitale finanziario sia quello umano per un lungo periodo.
L'IA oltre il boom dei modelli linguistici di grandi dimensioni
Fadell prevede che, col senno di poi, alcune parti del mercato dei modelli linguistici di grandi dimensioni appariranno gonfiate. Non ha liquidato gli LLM, ma ha sostenuto che rappresentano una categoria di strumenti, non una risposta universale. In molti prodotti, modelli più piccoli o più specializzati potrebbero essere più accurati, efficienti e affidabili.
Il termostato di Nest del 2011 illustrava la sua categoria più ampia di intelligenza artificiale specifica per un compito: un sistema progettato per svolgere una funzione delimitata anziché generare risposte senza restrizioni. Fadell ha contrapposto questo approccio ai rischi di allucinazione associati ai modelli generativi.
Ha indicato sistemi di visione compatti in grado di eseguire analisi sofisticate con modelli misurati in megabyte. A suo avviso, l'enfasi di Apple su modelli più piccoli e controllati offre una direzione sensata, poiché tali sistemi possono essere ottimizzati attorno a compiti definiti. Ha inoltre citato il lavoro esplorativo sugli approcci quantistici all'IA, pur considerandolo un campo separato e ancora in fase di sviluppo.
La lezione per le imprese è scegliere la tecnologia che funziona per il problema attuale. Aggiungere un LLM perché l'IA è di moda non sostituisce il giudizio sul prodotto.
I sistemi di IA hanno bisogno di credenziali e responsabilità
Fadell ha proposto qualcosa che assomiglia a un profilo professionale per gli agenti di IA. Prima di implementare un sistema, un'azienda dovrebbe poter esaminare su quali dati è stato addestrato, in quali ambiti funziona bene, quali bias o modalità di errore sono noti e con quale frequenza produce errori.
Questa divulgazione diventa essenziale quando l'IA influenza la medicina, il servizio clienti o altre decisioni rilevanti. Fadell ha sollevato preoccupazioni riguardo ai clinici che usano strumenti generativi per preparare la documentazione dei pazienti e ha avvertito che dettagli allucinati potrebbero causare gravi danni. Il suo punto più generale era che le organizzazioni non possono assumere responsabilmente un agente digitale opaco senza comprenderne qualifiche e limiti.
Ha quindi invocato requisiti normativi relativi ai dati di addestramento, agli errori e al comportamento dei sistemi. La trasparenza non eliminerà la “scatola nera” dell'IA, ma può offrire ad acquirenti e utenti una base per valutare il rischio e attribuire la responsabilità.
Dove VR e robot umanoidi potrebbero funzionare per primi
Fadell era scettico sul fatto che la realtà virtuale sia pronta per un uso quotidiano continuo. Sebbene la fedeltà visiva sia migliorata, ha sostenuto che persistono problemi di fattori umani — ingombro fisico, disagio e imbarazzo sociale — dopo diverse generazioni di sviluppo.
Vede più valore in applicazioni episodiche e progettate per uno scopo specifico. La formazione medica e la progettazione tridimensionale collaborativa possono giustificare l'uso di un visore per una sessione limitata. Gravity Sketch, una piattaforma per la creazione 3D condivisa, rappresentava il tipo di caso d'uso mirato che considera promettente. La realtà aumentata potrebbe in definitiva adattarsi meglio alla vita quotidiana, a condizione che l'hardware diventi sufficientemente discreto.
La sua visione dei robot umanoidi era altrettanto misurata. Aziende come Agility Robotics possono operare in ambienti circoscritti, specialmente nella logistica, dove compiti e contesti sono prevedibili. Il lavoro domestico generico è molto più difficile: i robot necessitano di ampi dati di addestramento, solide capacità fisiche e una struttura dei costi che i consumatori comuni possano accettare. Quel futuro potrebbe arrivare, ma Fadell si aspetta che richieda anni anziché manifestarsi tutto in una volta.
Tra IA, robotica e informatica immersiva, il suo criterio rimane coerente. Le aziende deep tech più promettenti non sono quelle con le dimostrazioni più grandiose. Sono quelle che collegano una tecnologia difficile a un'esigenza specifica, dimostrano i progressi per fasi e costruiscono un'organizzazione abbastanza disciplinata da resistere al percorso.
