Założyciel Nest, Tony Fadell, o nowym pokoleniu obiecujących startupów deep tech
- Aisha Washington
- 1 godzinę temu
- 7 minut(y) czytania
Kariera Tony’ego Fadella obejmuje kilka przełomowych rozdziałów w historii technologii konsumenckiej: wizjonerską, lecz przedwczesną pracę General Magic, stworzenie iPoda, uruchomienie Nest oraz trudną integrację startupu z Google. Podczas TC Disrupt 2024 wykorzystał te doświadczenia, aby wyjaśnić, dlaczego sama przełomowa technologia rzadko wystarcza do zbudowania trwałej firmy.
Jego główny argument był praktyczny, a nie romantyczny. Założyciele firm deep tech potrzebują realnego problemu klienta, właściwego timingu rynkowego, zdyscyplinowanego wykorzystania kapitału oraz organizacji zdolnej przetrwać lata niepewności. Rozmowa dotyczyła także przywództwa, przejęć, sztucznej inteligencji, rzeczywistości wirtualnej i robotów humanoidalnych — obszarów, w których techniczny entuzjazm może z łatwością wyprzedzić realia komercyjne.
Produkt to dopiero początek
Fadell powiedział, że nigdy nie męczy go rozmowa o iPodzie, nawet dekady po jego premierze. Rozmowa odbyła się w okolicach 23. rocznicy wprowadzenia iPoda oraz 13. rocznicy pierwszego produktu Nest, co stworzyło naturalną okazję do spojrzenia wstecz na inspiracje stojące za obu osiągnięciami.
Jedną z tych inspiracji był jego ojciec, którego kariera w sprzedaży nauczyła Fadella, że nawet świetny produkt trzeba jeszcze wyjaśnić, właściwie pozycjonować i sprzedać. Fadell utrwalił tę lekcję dzięki własnym wczesnym porażkom. Jako przedsiębiorca na studiach wydał dostępne pieniądze na rozwój produktu i niemal nic nie zostawił na wprowadzenie go na rynek.
To doświadczenie zmieniło jego sposób myślenia o budowaniu firmy. W czasach, gdy zaczynał karierę, Fadell szacował, że sprzedaż i marketing mogły wymagać budżetu od pięciu do dziesięciu razy większego niż rozwój produktu. Media społecznościowe od tamtego czasu zmieniły tę proporcję, ale nie podstawową zasadę: założyciele muszą od początku planować dystrybucję. Inżynieria odpowiada na pytanie, czy coś można zbudować; firma musi również odpowiedzieć, kto tego potrzebuje, jak te osoby się o tym dowiedzą i dlaczego za to zapłacą.
General Magic i koszt zbyt wczesnego pojawienia się na rynku
General Magic stało się przełomowym przykładem innowacji bez odpowiedniego timingu. Jego zespoły badały mobilną pocztę e-mail, elektroniczne bilety, gry do pobrania, animacje i ekspresyjną komunikację cyfrową około 15 lat przed tym, jak iPhone uczynił wiele z tych doświadczeń powszechnymi.
Pomysły były niezwykle dalekowzroczne, a kilku weteranów General Magic później pomogło stworzyć ważne platformy technologiczne, w tym Androida. Fadell argumentował jednak, że firmie brakowało wystarczającej jasności co do bezpośrednich problemów, które rozwiązywała. Wspierająca technologia, zachowania konsumentów i infrastruktura rynkowa nie były jeszcze dostatecznie dojrzałe.
Dla założycieli firm deep tech ta historia komplikuje zwyczajowe zachwyty nad byciem „przed swoją epoką”. Trafne przewidzenie przyszłości nie gwarantuje, że firma przetrwa wystarczająco długo, aby do niej dotrzeć. Startup potrzebuje wiarygodnej drogi od długoterminowej wizji do problemu, który klienci rozpoznają już dziś.
Dlaczego założyciele muszą rozumieć organizacyjne punkty przełomowe
Fadell zachęcał przedsiębiorców do zdobywania doświadczenia w większych organizacjach, ponieważ startupy ostatecznie stają przed wieloma takimi samymi pytaniami operacyjnymi. Pięcioosobowy zespół może koordynować się nieformalnie; firma zatrudniająca dziesiątki lub setki pracowników już nie.
Wraz ze wzrostem zatrudnienia zmieniają się wzorce komunikacji, zakresy odpowiedzialności i oczekiwania kulturowe. Fadell opisał wyraźne punkty przełomowe na etapach takich jak od pięciu do dziesięciu pracowników, od 15 do 20, od 30 do 40 oraz około 120 osób. Każde przejście tworzy nowe wymagania zarządcze, ponieważ relacje międzyludzkie nie skalują się tak sprawnie jak oprogramowanie czy produkcja.
Dzięki inwestycjom w ponad 200 startupów Fadell wielokrotnie obserwował, jak założyciele napotykają te wyzwania. Jego rada brzmi: traktuj projektowanie organizacji jako kluczową część procesu budowania produktu. Linie raportowania, prawa decyzyjne i nawyki komunikacyjne mogą wyglądać jak szczegóły administracyjne, ale często decydują o tym, czy obiecujący zespół będzie w stanie nadal skutecznie działać.
Delegowanie to umiejętność przywódcza, której trzeba się nauczyć
Fadell został dyrektorem ds. technologii i wiceprezesem w Philipsie, mając niewiele ponad dwadzieścia lat, i nagle stanął przed odpowiedzialnością za zbudowanie organizacji liczącej setki osób, bez istotnego doświadczenia menedżerskiego. Według jego relacji pierwszy rok w roli menedżera przebiegł źle. Szkolenie pomogło mu nauczyć się delegować, budować zaufanie i przestać próbować kontrolować każde zadanie.
Doświadczenie niekoniecznie uczyniło go mniej wymagającym. Zamiast tego, jak powiedział, sprawiło, że precyzyjniej rozumiał, gdzie interwencja jest konieczna. Skuteczni liderzy dają współpracownikom przestrzeń do podejmowania decyzji i uczenia się, jednocześnie zapobiegając błędom, które mogłyby nieodwracalnie zaszkodzić firmie.
Fadell rozróżnił także dwie formy dbałości o szczegóły. Jedna wynika z ego i potrzeby dominacji. Druga jest zakorzeniona w misji: lider dokładnie analizuje pracę, ponieważ pewne wybory decydują o tym, czy produkt właściwie służy klientom. Wyzwaniem zarządczym jest wiedzieć, które szczegóły mają istotny wpływ na wynik, a które powinny pozostać w rękach zespołu.
Co przejęcie Nest ujawniło o kulturze
Przejęcie Nest przez Google pokazało, jak gwałtownie organizacja może się zmienić po zawarciu transakcji. Fadell przyznał, że zarząd Nest popełnił błędy, jednocześnie twierdząc, że firma przejmująca nie zdołała zachować ważnych zobowiązań i elementów pierwotnej kultury startupu.
Określił fuzje i przejęcia jako wyjątkowo kruche, wskazując niezgodność kulturową jako główny powód niepowodzenia wielu transakcji. Umowa może określać własność i warunki finansowe, ale nie może automatycznie pogodzić odmiennych założeń dotyczących pilności, odpowiedzialności, autonomii i wyników.
Fadell zestawił intensywnie zorientowane na programy środowisko Apple z bardziej pobłażliwą kulturą, którą napotkał w Google. W jego opisie Apple sprawiało, że wkład każdej osoby był bardzo widoczny, podczas gdy tradycje Google — w tym czas zarezerwowany na projekty poboczne — mogły pozwalać niektórym pracownikom unikać porównywalnej odpowiedzialności. Uważa, że szersze poczucie uprzywilejowania później rozprzestrzeniło się w części Doliny Krzemowej.
Niezależnie od tego, czy każda firma pasuje do tego porównania, lekcja dla założycieli jest jasna: kultura jest systemem operacyjnym, a nie dekoracją biura. Jeśli przejęcie zastąpi ją z dnia na dzień, zespół może stracić motywację i wspólny cel, które czyniły startup wartościowym.
Deep tech potrzebuje ograniczeń, kamieni milowych i cierpliwego kapitału
Fadell podważył założenie, że ambitne „moonshoty” rozwijają się najlepiej, gdy otrzymują niemal nieograniczone zasoby korporacyjne. Bez ograniczeń, argumentował, programy eksperymentalne mogą oderwać się od potrzeb klientów i dyscypliny komercyjnej. Wskazał na ogromne inwestycje Waymo i długą drogę tej firmy do zrównoważonego biznesu jako ilustrację problemu.
Deep tech wymaga cierpliwości, ale cierpliwość nie oznacza budżetu bez określonego końca. Fadell zalecił wyznaczanie krótkoterminowych, możliwych do zademonstrowania kamieni milowych w ramach długofalowego planu. Takie kamienie milowe podtrzymują dynamikę, dostarczają inwestorom dowodów i dają zespołom możliwość uczenia się na podstawie informacji zwrotnych z rzeczywistego świata.
Takie podejście ułatwia również pozyskiwanie finansowania. Firma, która udowodni jeden trudny etap, może przyciągnąć kapitał i talenty niezbędne do wykonania następnego. Fadell podał Diamond Foundry jako przykład postępu napędzanego kamieniami milowymi. Omówił także długoterminowe inwestycje wykorzystujące AI w obszarach takich jak terapie przeciwnowotworowe i wydajne widzenie komputerowe, w tym firmy, które wskazał jako Oranus, Plumerai i Tiny AI.
Wiele z tych przedsięwzięć wymaga od pięciu do dziesięciu lat, zanim ich wpływ stanie się widoczny. W konsekwencji wskaźniki porażek są wysokie; Fadell zasugerował, że większość portfeli venture capital zawiera wiele strat lub odpisów. Nieliczne sukcesy mogą jednak tworzyć fundamentalne technologie o skutkach znacznie wykraczających poza konwencjonalną funkcję oprogramowania.
Dla inwestorów ocena takich firm wymaga czegoś więcej niż podążania za trendami. Muszą rozumieć podstawową naukę, rozumować od pierwszych zasad oraz przez długi okres zarządzać zarówno kapitałem finansowym, jak i ludzkim.
AI poza boomem na duże modele językowe
Fadell spodziewa się, że z perspektywy czasu części rynku dużych modeli językowych będą wyglądać na napompowane. Nie odrzucał LLM-ów, lecz przekonywał, że są one jedną klasą narzędzi, a nie uniwersalną odpowiedzią. W wielu produktach mniejsze lub bardziej wyspecjalizowane modele mogą być dokładniejsze, wydajniejsze i bardziej niezawodne.
Termostat Nest z 2011 roku ilustrował jego szerszą kategorię inteligencji maszynowej przeznaczonej do konkretnych zadań: system zaprojektowany do wykonywania ograniczonej funkcji, a nie do generowania nieograniczonych odpowiedzi. Fadell przeciwstawił to podejście ryzyku halucynacji związanemu z modelami generatywnymi.
Wskazał na kompaktowe systemy wizyjne zdolne do prowadzenia zaawansowanej analizy przy użyciu modeli liczonych w megabajtach. Jego zdaniem nacisk Apple na mniejsze, kontrolowane modele wyznacza rozsądny kierunek, ponieważ takie systemy można optymalizować pod kątem jasno określonych zadań. Wspomniał również o badaniach eksploracyjnych nad kwantowymi podejściami do AI, traktując je jednak jako odrębną i wciąż rozwijającą się dziedzinę.
Wniosek biznesowy jest taki, by wybierać technologię, która działa dla aktualnego problemu. Dodanie LLM-u tylko dlatego, że AI jest modne, nie zastąpi właściwego osądu produktowego.
Systemy AI potrzebują poświadczeń i rozliczalności
Fadell zaproponował coś na kształt profilu zawodowego dla agentów AI. Przed wdrożeniem systemu firma powinna móc sprawdzić, na czym został on wytrenowany, w czym działa dobrze, jakie są znane uprzedzenia lub tryby awarii oraz jak często popełnia błędy.
Takie ujawnienia stają się niezbędne, gdy AI wpływa na medycynę, obsługę klienta lub inne decyzje o istotnych konsekwencjach. Fadell wyraził obawy dotyczące klinicystów wykorzystujących narzędzia generatywne do przygotowywania dokumentacji pacjentów i ostrzegł, że zhalucynowane szczegóły mogą spowodować poważne szkody. Jego szersza teza była taka, że organizacje nie mogą odpowiedzialnie zatrudniać nieprzejrzystego cyfrowego agenta bez zrozumienia jego kwalifikacji i ograniczeń.
Dlatego wezwał do wprowadzenia wymogów regulacyjnych dotyczących danych treningowych, błędów i zachowania systemów. Przejrzystość nie wyeliminuje „czarnej skrzynki” AI, lecz może dać nabywcom i użytkownikom podstawę do oceny ryzyka i przypisania odpowiedzialności.
Gdzie VR i humanoidalne roboty mogą sprawdzić się najpierw
Fadell był sceptyczny wobec gotowości wirtualnej rzeczywistości do ciągłego, codziennego użytkowania. Choć wierność obrazu się poprawiła, przekonywał, że po kilku generacjach rozwoju nadal pozostają trwałe problemy związane z czynnikiem ludzkim — fizyczna nieporęczność, dyskomfort i niezręczność społeczna.
Większą wartość widzi w sporadycznych zastosowaniach tworzonych z myślą o konkretnym celu. Szkolenie medyczne i wspólne trójwymiarowe projektowanie mogą uzasadniać noszenie gogli przez ograniczoną sesję. Gravity Sketch, platforma do wspólnego tworzenia w 3D, reprezentowała rodzaj skoncentrowanego przypadku użycia, który uważa za obiecujący. Rzeczywistość rozszerzona może ostatecznie lepiej pasować do codziennego życia, pod warunkiem że sprzęt stanie się wystarczająco nieuciążliwy.
Jego spojrzenie na humanoidalne roboty było podobnie wyważone. Firmy takie jak Agility Robotics mogą rozwiązywać problemy w ograniczonych środowiskach, zwłaszcza w logistyce, gdzie zadania i otoczenie są przewidywalne. Ogólne prace domowe są znacznie trudniejsze: roboty potrzebują rozległych danych treningowych, solidnych możliwości fizycznych oraz struktury kosztów akceptowalnej dla zwykłych konsumentów. Ta przyszłość może nadejść, lecz Fadell spodziewa się, że zajmie to lata, a nie pojawi się nagle.
W obszarach AI, robotyki i technologii immersyjnych jego kryterium pozostaje spójne. Najbardziej obiecujące firmy z sektora deep tech nie są tymi, które prezentują najbardziej spektakularne demonstracje. Są nimi te, które łączą trudną technologię z konkretną potrzebą, etapami udowadniają postępy i budują organizację na tyle zdyscyplinowaną, by wytrwać w tej drodze.
