本セッションは、エンタープライズ領域でAIアプリケーションを成功させるための実践的知見を共有するものである。カスタマーサポートAIエージェントを提供するDecagonと、AIを活用したGo-to-Market(市場進出)プラットフォームを展開するClayの共同創業者が登壇し、急速に進化するAI市場において製品開発と企業展開をいかに実現するかを議論している。新モデルへの柔軟な対応、エンタープライズ顧客が求めるガードレールの設定、AI導入の成功要因と失敗のパターン、競合との差別化戦略、垂直統合と水平展開のバランス、そしてリソース配分の優先順位付けなど、AIスタートアップが直面する主要課題について、両社の実体験に基づいた洞察が語られる。最終的には、他者のアドバイスに過度に依存せず、自身の強みと好奇心を軸に一歩ずつ進むことの重要性が強調されている。
エンタープライズAI企業の舞台裏
こんにちは、私の名前はキンバリー・タンです。アンドリーセン・ホロウィッツでインベスティングパートナーを務めています。今日は、エンタープライズにおけるAIアプリケーションと、それを実際にどう機能させるかというテーマでセッションのモデレーターを務めることができて、とても興奮しています。
本日は、現在のエンタープライズAI企業をリードする2社、DecagonとClayにご参加いただいています。
会場の多くの方々はすでにこの2社についてお聞きになったことがあると思いますが、念のためご紹介すると、Decagonはカスタマーサポート用のAIエージェントを構築するAIエージェント企業で、サポートのあり方を根本から再考しています。多くの人々は歴史的にサポートを企業のコストセンターとして見てきましたが、DecagonはAIを使えば実際にすべての顧客にコンシェルジュのようなカスタマーエクスペリエンスを提供できると判断し、その実現方法を本当に再考しました。
現在、彼らはHertz、Chime、Duolingoといった企業にサービスを提供しています。ご存じない方のために説明すると、Clayは、データエンリッチメントや市場進出のためのインテントシグナルを自動化されたアクションに変えることで、人々が成長のアイデアを現実にするのを支援するAI Go-to-Market企業です。
実は彼らの最初のアイデアはAI以前に創設されたものですが、新しい波の中でAIを最もうまく活用している企業の一つであり、HubSpot、Canva、そしてOpenAI自身などの企業にサービスを提供しています。私は両社の創業者を何年も知る特権に恵まれてきました。アンドリーセン・ホロウィッツは2年ちょっと前にDecagonのシードラウンドをリードしましたし、共同創業者のVerunを4年以上知っています。
ですから、お二人を友人と呼べることをとても嬉しく思います。今日ステージに迎えることができて本当に興奮しています。それでは、DecagonとClayの共同創業者であるJesseとVerunを歓迎します。ああ、行けますね。すごい。4年来の友人ですか。素晴らしい。
創業の原点とAI活用の着想
それでは始めるにあたって、お二人から、まずVerunさん、次にJesseさんという順番で、なぜ会社を立ち上げたいと思ったのか、そしてそのためにAIをどう使おうと考えたのかについて、最初のアイデアをお聞きしたいと思います。
ええと、Clayの当初の意図は、実際にはプログラミングのパワーを桁違いに多くの人々に提供するにはどうすればよいか、ということでした。最初はもっと横断的なビジョンがあって、実際に商業的な牽引力を得たClayの最初のユースケースは、コールドEメールマーケティング代理店向けのデータエンリッチメントでした。
もし皆さんの中で会社を立ち上げようとしている方がいたら、キンバリーにそのピッチをするのはお勧めしません。それはおそらく資金調達できないでしょう。それから時間をかけて、私たちは今持っているGo-to-Marketプラットフォームへとそれを進化させることができました。事後的に考えると、その瞬間に何が変わったのかを見るのは非常に簡単ですが、私たちはただ一歩ずつ進んでいただけでした。でも実際、AIは私たちの市場でいくつかのことを変えたと思います。
一つは、AIが実際に使用量ベースの価格設定を可能にしたことです。これにより、Go-to-Marketにおいてシート単位で課金する必要がなくなりました。つまり、営業担当者単位で課金する必要がないということです。つまり、実際にRevOpsや成長部門のような、よりテクニカルで高度なオーディエンスに対応できるということです。そうすることで、Go-to-Marketを中心としたシステムを構築できるのです。
それから、AIはセールスがもはや1対1ではなく、1対多になったことも変えたと思います。ですから、Clayを使って成長のためのシステムを構築できるようになりました。AIがこうした変化をもたらし、Clayの成長を本当に助けてくれたと思います。
私たちの創業ストーリーは比較的シンプルでした。私はこれ以前にコンシューマー企業を立ち上げていて、それもa16zの企業でした。私たちはかなり早く成長させましたが、当時は収益がありませんでした。純粋にユーザー数だけで、多くのユーザーがいました。そしてもちろん、多くのユーザーがいると、彼らは問い合わせをしてきます。これについて問題があるとか、質問があるとか、そういったことです。
ですから、私はカスタマーサポートの問題について共感と経験を持っていましたが、それだけでこの会社の情報にはなりませんでした。この会社を始めたとき、私たちは本当にただ顧客発見をしただけです。多くの顧客と話をしましたが、何をしたいかについて事前に決めた概念は特にありませんでした。
そして多くの顧客と話をしました。これらは一般的に大企業で、最初はほとんどがテクノロジー企業でした。私たちは彼らと一緒に多くのユースケースを探求しました。サポートが何度も出てきたのは、Gen AIエージェントがどう役立つか、そしてROIをどう測定するかなどを考えようとしていたからです。
結局、カスタマーサービスという問題の性質はGen AIに非常に適していて、それが与える影響も非常に簡単に測定できることがわかりました。ですから、そこに多くの引力を感じ、Ashmanと私はこのアイデアにコミットすることを決めました。幸運なことに、今回は構築を始めてから全てがかなりスムーズに進み、どんどん多くの顧客を獲得できました。
それからキンバリーとパートナーシップを組み、まあ、そこから物事は下り坂になりましたが。素晴らしいですね。舞台裏では冗談を言っていましたが、キンバリーが結婚して、Jesseの共同創業者が司式者を務めたので、彼は丸1週間不在になったんです。私が彼を病気にさせてしまって、本当に申し訳なく思っています。
私の共同創業者はキンバリーの結婚式に行かなければならなかったので1週間不在で、その後さらに1週間、死にそうなほど病気でした。そうですね。これが価値を生む投資家というものです。
新モデルへの適応とインフラの柔軟性
その話題に関連して、いくつか質問から始めますが、明らかにこれはAMAです。ですから、これは場の雰囲気を少し作るためのもので、このセッションでは「質問募集」スレッドを使ってください。これを本当のAMAにするために。
ところで、OpenAIの人たちが、Discordで誰も質問していないと言っていたので、人々が質問しない場合のために用意された質問があるそうです。ですから、Discordで質問してください。活発な会話ができるように。それが良い会話というものです。
素晴らしい。それでは始めるにあたって、今日AIプロダクトを構築する上での大きな課題の一つは、市場が動くペース、新しいモデルが出てくることなどだと思います。では、実際に皆さんの会社では、新しいモデルの能力をどう評価し、自社製品に何を活用したいかを知りながら、同時に新しいモデルや能力に実際に適応できるよう、インフラを十分に柔軟に保つことができているのでしょうか?今回はJesseさんから先にお願いできますか?
はい。私たちのエージェントは、人間のサポートエージェントがするであろうすべてのことを目標としています。理想的には、それ以上のこともできます。プロアクティブになれますし、より多くの人々と話すことができます。ですから、多くの異なる表面領域があり、モデルを呼び出すポイントが多くあります。
やりたいことは、一般的にこれらのユースケースのすべてのタイプに対して評価のセットを考案することです。例えば、エージェントの一部として、レールから外れているか、トピックから外れているかなどを検出する一つのモデル呼び出しがあります。これは小さなモデル呼び出しになる可能性があります。
そして新しいモデルが出てきたら、私たちはそれを非常に迅速にテストに通して、これが現在のベンチマークよりも良いパフォーマンスか悪いパフォーマンスかを確認したいのです。そして実際、すべてについて同じことをします。私たちにとってのニュアンスの一つは、評価が顧客ごとに変わる可能性があるということです。
実際、製品の一部として、顧客が独自の評価を定義できるようにしています。彼らは独自のテストセットを持っていて、彼らにとってはほとんどユニットテストのようなもので、一般的なユースケースがまだ正しく通っているかを確認するためのものです。
一般的に、新しいモデルが出てくると、私たちのチームが入ってこれらの評価を実行し、うまく機能しているかどうかについて何らかの結論を導き出します。もしうまく機能していれば、それをA/Bテストとしてロールアウトします。
ですから、私たちの顧客は「ああ、GPT-5を試してみたい」と言う能力があります。例えば、「よし、それを最初はオーディエンスの10%にロールアウトして、それが良さそうに見えたら、50%に増やそう」という具合です。
なるほど。私たちにとっては、インフラの部分、それをどう柔軟に保つかについてですが、実際、最初から私の共同創業者Kareemが、私たちが作る統合やモデルの追加が、実際にはほとんどコードベースやコア製品チームとは別になるように構築しました。
これにより、私たちが非常に速く反復したり、新しい統合を追加したりする方法で、超高速に動けるようになっています。彼らはコア製品やコードベースと相談する必要がありません。これは7、8年前に製品を構築したときに行った決定で、私たちがこのように素早く動けるようにしてくれています。
これらすべてのモデルにどう最新の状態を保ち、どう考えるかという点では、まず第一に、私はそれをあまりやっていません。実際、あそこにいるMarkとJeffが、Markは本当に素晴らしい髪の持ち主で、頼めば髪を下ろしてくれるでしょう。彼らが私たちのAIチームの多くをリードしています。
基本的に彼らや他の多くのエンジニアがやっていることは、私たちは皆さんと同じニュースを読んでいるということです。ここで基調講演を見ています。皆さんが読んでいるのと同じニュースを読んでいます。でも、私たちはユーザーが何をするかも見ていると思います。
例えば、私たちは2、3年前にClayagent、つまりウェブ調査エージェントをローンチしました。今では数十億回の実行があります。その瞬間に、彼らはこのReActペーパーが出てきたのを見ました。だからテクノロジーは可能だったかもしれませんが、彼らはユーザーが何をしているかも見ていたのです。
ユーザーはエージェントループのようなことをしていました。彼らはChatGPTを使っていたり、GPT-3のプルをしていたり、Google検索をしていたり、ウェブサイトをスクレイピングしていたりしました。それで「これらを連続させて、ウェブエージェントにできるかもしれない」と思ったわけです。それが私たちの反復の仕方です。
今日、数週間前に、私たちは会話型AIコパイロットであるSculptorをローンチしました。私たちはモデルの推論改善がそれをより良くし続けることを期待していますし、私たちがClayagentを作ったのと同じように、その製品に賭けたのです。
エンタープライズにおけるガードレールの重要性
エンタープライズ向けのAIを構築する際の主な問題の一つは、エンタープライズにはガードレールが必要だということですよね。それで、CIOやCTO、どの幹部であっても、AIで実験したいという欲求と、それを行うことの重要性を、実際に適切なガードレールを設置することとどうバランスを取るべきか、皆さんの考えをお聞かせください。
私から始めます。エンタープライズに販売する際、それは非常に些細ではない問題です。なぜなら、企業の異なるステークホルダーは異なることを気にかけ、異なることに責任を持つ可能性があるからです。そして、それらの人々の一人は、おそらくAIが失敗しないことに責任を持っています。
私たちのユースケースでは、顧客対応をしているので、それは非常に重要です。言ってはいけないことを言いたくはありませんし、そういったことです。ですから、この点についていくつか指摘したいと思います。
まず第一に、構築する際、ガードレールを強制できることを確認し、それらのガードレールを設定してカスタマイズできることを確認することが非常に重要です。私たちの大きな差別化要因の一つであり、市場での位置づけは、非技術者が本当に簡単にエージェントのカスタマイズをセルフサービスで行い、新しいものを構築し、反復などできるようにしていることです。
それを実現する一部として、ガードレールを強制し、独自のガードレールを追加できるようにしています。私たちはAOP、つまりエージェント運用手順と呼ぶフォーマットを作成しました。これはSOPのようなものですが、AI用です。
これが役立つのは、今では私たちがすべてのガードレールが何であるかを把握し、すべてのディスカバリーを行うことに責任を持つ必要がないからです。彼ら自身がガードレールのいくつかを入力できます。
もう一つ指摘したいのは、少し移行が起こっていると思うということです。AIエージェントが最初にエンタープライズでリリースされたとき、少しWaymo症候群のようなものがありました。人々は「ああ、Waymoがたった一つのミスをしたらニュースになって、それは本当に悪いことだ」という感じでしたが、実際にはもちろん、人間のドライバーよりもはるかに安全です。
ですから、AIにも少しシフトがあると思います。人々は一回限りのエラーを探す代わりに、エラー率についてもっと考えるようになっています。そして見られるべきエラー率は、人間のエラー率よりも劇的に少ないはずです。それもこれらの企業のリスクを定量化する一つの方法です。
はい、私たちも運用手順で似たようなことをしていて、ユーザーに責任を与えています。私たちの製品でもそうです。多くの企業が、コアフィーチャーをAIコーディングから離しておこうとすることについて公に共有していると思います。でも明らかに、この分野では物事が非常に速く変化しているので、素早く反復し、素早く適応できるようにしたいのです。
実際、社内では、私たちの最高の機能のいくつかはバイブコーディングから、ハッカソンから生まれています。ですから、そのためのスペースを作りたいのです。でも、どの企業も異なるバランスを持つでしょうし、ClayとDecagonにとって適切なことが、皆さんにとって適切かどうかを言うのは難しいです。
すべての企業が異なると思います。例えば、Decagonは私たちよりもはるかにエンタープライズ顧客に対応しています。彼らは私たちとは異なるタイプの契約を結んでおり、契約で準拠しなければならない条件の種類が異なります。
ですから、それはただのバランスだと思いますし、スケールし、より大きな顧客を獲得し、より多くの契約上のコミットメントを行うにつれて、それらのガバナンスとリスク管理を追加し続けるのです。
AI導入の成功と失敗のパターン
素晴らしい。そして、これらのエンタープライズに参入しようとする際、おそらく多くの場合、パイロットや初期展開を行うと思います。そして、今日エンタープライズでの展開の95%が失敗するという統計やミームのようなものがあると思います。
誰かがAIで実験しようとするときの主な失敗ポイントが何であるか、そして人々が実際にAI展開を成功させるべきだとどう考えているか、アイデアがあれば教えてください。
はい。Go-to-Marketで私たちが実際に見ているのは、Go-to-Marketでは基本的に、従来の組織はサイロで運営されているということです。SDRが見込み客開拓をして、AEが契約を成立させ、ロボットがシステムを維持しています。
私たちが実際に見ている最先端のチームは、Go-to-Marketチームを製品チームのように運営しています。ですから、すべての営業担当者に代わってシステムを構築し、最もクリエイティブなアイデアをスケールさせるGo-to-Marketエンジニアのような人々がいます。
実際にはどういう意味か、例を挙げましょう。キンバリーが言及した私たちの顧客の一人、Canvaは、製品の一つがすべてのブランドコンテンツを多くの異なるソーシャルチャネル全体で一貫性を保つのを助けます。
誰かが、Clayを使って大規模にソーシャルリスニングができ、AIを使ってそれらのソーシャル投稿を分析し、ブランドガイドラインに基づいてブランドから外れているかどうかを判断し、それからブランド責任者にメッセージを送って「ねえ、これはブランドから外れているので、私たちの製品を使うべきです」と言えるというアイデアを持っていました。
それはタイムリーです。解決策が付いています。非常に賢く、それを数千の顧客全体にスケールできます。別のアプローチは、実際に持っているデータをすべて改善し、その上にワークフローを作成することです。
例えばPlaidは、すべての企業を75の非常に正確な業界とサブカテゴリに分類し、それを使ってエージェントベースのワークフローとマーケティングキャンペーンを開発しました。
ですから、これらがGo-to-Marketでの異なるアプローチだと思います。最後のポイントは、企業がAI展開で行うことと行わないことについて非常に戦術的であることです。最良のものは、製品ローンチのように扱っていると思います。小規模から始め、ベータ版を行い、そこから拡大します。
彼らは賢く、どこからデータを取得するかについて、公に利用可能なものについて考えています。そして、最初は人間をループに入れるようにしています。
はい。似たようなものを見ています。私がよく話すのは、エンタープライズに販売する際、私たちや任意のAIエージェントが満たさなければならない2つの大きな基準があるということです。
1つ目は、ROIが非常に定量化可能でなければならないということです。パイロットの終わりに到達して、実際に何が起こったのか、どれだけのお金を節約できるのか、またはどれだけ多くのお金を稼げるのかが不明確であれば、それは非常に厳しい販売になります。なぜなら、彼らには他にも多くの優先事項があるからです。
おそらく、AIをどう活用するかについて多くのアイデアがあるでしょう。ですから、私たちにとって、彼らがテストして「ああ、これは本当にクールだ。以前よりも確実に多くのことに答えられる」と言っても、それを定量化できなければ、ビジネスケースとしては厳しいです。
ですから、私たちのすべての展開は、今やチケットをはるかに多く解決していて、その結果として必要な人間が少なくなり、それだけでなく、顧客満足度やNPSスコアが大幅に上がったことを示せるかどうかを中心にしています。それが基本的に、これがうまく機能している証拠です。
もう一つの指標は、より柔軟性のようなものです。本番稼働する前に完璧でなければならず、多くのことをテストして精度を100%近くにし、すべてのユーザーにロールアウトする必要がある場合、本番稼働するのも非常に困難です。
しかし、それをより小さな問題に分解でき、最初は一部のユーザーにのみ本番稼働でき、カスタマーサービスにはいつでも人間にエスカレーションできるという良い特性があります。それが人々が本番環境で稼働することに快適さを感じるのに大いに役立ちます。
ですから、本番環境により速く稼働する柔軟性があれば、それも非常に役立ちます。
競合との差別化戦略
聴衆からの質問の一つですが、お二人の考えを聞きたいのは、AIは今日非常に混雑した市場だということです。非常に似たようなことをする人々がたくさんいます。皆さんは、自分たちの製品がより良く、競合と比較して実際に際立っていることをどう証明しようと考えているのですか?Verun、今回は先にお願いできますか?
もちろん。Go-to-Marketは、ある意味では最大の市場であるため、実際には最も混雑している面白い分野です。しかし、私たちは実際にはあまり競合を見つけていません。なぜなら、私たちはユニークなレーンを進んでいるからです。
実際、Jesseと私はちょうど舞台裏でこの話をしていました。競合についてどう考えるかという点で。私たちにとって、実際にはエンタープライズに販売する際の楔としてデータから始めます。それの良い点は、非常に定量的で、非常に明確だということです。
データテストを実行して、誰が優れているかを判断できるからです。そして、そのための競合のサブセットがあります。私たちが勝つのは、すべてのベンダーを集約し、AIをクリエイティブな方法で使用して、他では得られない新しいデータポイントを見つけ、データをプログラム的にクリーニングするからです。
ですから、私たちはそれを行い、それから非常に明確に比較できます。それは数値的です。そして、その基準で勝ったら、Clayを使って多くの興味深いワークフローを自動化します。ですから、それが私たちが使う楔だと思います。非常に明確で数値的な方法で差別化するのです。
ええ。似たような感じです。カスタマーサービスはAIの最も明白なユースケースの一つなので、市場には多くのノイズがあると言えます。私たちが最初に始めたとき、ほとんど「ああ、これに取り組むべきではないかもしれない。なぜなら、それがまだ構築されていない理由があるに違いないし、多くの既存企業があるだろう」という感じでした。
外から見ると、実際に競争しているときよりも常にノイズが多く見えます。私たちにとって、もちろん多くの大きなプラットフォームがあります。GoogleやSalesforce、その他の研究所などで、この分野に関連することを行っています。
一般的に、少なくとも私たちにとっての考え方は、結局のところ製品で勝たなければならないということです。もしそうしなければ、そもそも勝つに値しません。製品で大企業に勝てないのであれば、それは重い実行のゲームです。
ですから、私たちは製品を差別化するために多くのことをしています。大きな部分は、先ほど述べたように、非技術的なユーザーを本当にレベルアップさせ、これらのエージェントと作業する能力を民主化することです。
でも、6ヶ月後には何か別のものになるかもしれませんよね。別のものになるでしょう。今は本当に実行とペースについてです。
Jesseが言っていたことに付け加えると、もし実際の方法で差別化していないなら、彼は正しいです。それはただのラットレースです。実行だけで、そこに入り込みたくはありません。
そこに入り込まない方法は、問題を異なる方法で考えなければならないということです。その分野と市場についてどう考えるかについて、異なる哲学と異なる考え方を持たなければなりません。
例えば私たちの市場を見てください。これについてはいくつかの異なる哲学があります。「AIで各営業担当者を段階的に改善したい」と言うこともできます。「AIを使ってライフサイクル全体を自動化したい」と言うこともできます。
私たちが言うのは、「実際にはAIを使いたいが、実際には一群の人々、GTMエンジニア、RevOps担当者に対応し、彼らにこれらのプリミティブを与え、会社の残りの部分に代わってAIを使うのを助け、最もクリエイティブなアイデアをスケールさせ、手作業をスケールアウトする」ということです。
ですから、市場を見る異なる方法があれば、それもまた本当に差別化するのに役立つと思います。
Decagonの場合、その差別化されたポイントは、非技術的な構築者に力を与える能力ですか?それとも少し異なる表現をしますか?
そうですね。前世代のSaaSを見ると、Salesforceはこれに非常に成功していますし、多くの企業がこれに非常に成功しています。それはもっと「独自の設定言語を発明して、入ってきて設定を構築できる技術者のエコシステムを構築しよう」というものです。
カスタマーサービスの文脈では、通常、これは「これが起こったらこれをする」というような大きな決定木を構築するように見えます。想像できるように、それは非常に強力ですが、構築と維持が非常に遅く、費用がかかります。
私たちの全体的な見解は、Gen AIモデルが今非常に優れているため、ほとんど異なるソフトウェア構築の方法を解放するということです。自然言語をより多く使用でき、より指示ベースにでき、それを説明するだけで設定でき、私たちの場合はこれらのエージェント運用手順を書くことで設定できます。
それは少し異なるパラダイムを作り出すだけで、最終結果は、以前はエンジニアリングリソースを待っていたすべてのビジネスユーザーが、今では入って多くのことができるようになるということです。
彼らはAIを設定できますし、A/Bテストを実行できますし、結果を分析できますし、先ほど話していたような、例えば異なるタイプのモデルを反復できます。それが私たちにとってのアンロックでした。
垂直統合と水平展開のバランス
ClayとDecagonの両方に関して、もう一つ非常にユニークなことは、今日の多くのAI企業とは異なり、実際に多くの異なるタイプの業界にサービスを提供していることです。その視点においてはるかに横断的です。
ですから、一つの垂直または一つの業界で深く掘り下げ、そこで製品を深めることと、業界を超えて広く適用できるものを作ることについて、皆さんがどう考えているのか興味があります。Verun、先に始めてもらえますか?
もちろん。私たちは実際に投資家から常にこの質問を受けます。彼らは「他の業界もやるべきだ」と言います。それで、面白いキャッチ22があって、「より多くの業界をやりたいの?」と言われます。でも、より多くの業界をやると、「この一つのことに十分な深さがない」と言われます。
ですから、私たちにとって、まずはテクノロジーだけで多くの機会があると考えています。今では、最近ではWaste Managementのような、多くの他の業界の他の顧客がいます。国務省さえClayを使っています。ですから、多様性はたくさんありますが、最も低くぶら下がっている果実から始めましょう。
私たちはテクノロジー企業、B2Bのテクノロジー企業を最も助けられることを知っています。ですから、それから始めて、その市場に本当に深く浸透し、本当に本当に良い気分になってから、ずっと上に行きます。
小さく始めるからです。SMBから始め、ミッドマーケットのスタートアップから始め、後期段階の企業から始め、それからエンタープライズに行きます。それから非デジタルネイティブのエンタープライズに行き、それから他の業界に移動できます。私たちにとっては、金融やヘルスケアのようなものです。それが私たちのアプローチの仕方です。
横断的か垂直的かという質問は、製品に依存すると思います。少なくとも私たちのスペースに関する私たちの見解は、勝者は横断的になるだろうということです。なぜなら、業界間にはニュアンスがありますが、それほど多くはなく、基本的に人々が望むものはほぼ同じだからです。
それは「これらの会話を自動化できますか、そして会話をより高品質にできますか」ということです。それは垂直を超えて同じです。もしそうなら、短期的には垂直プレイヤーが見られるかもしれませんが、最終的には横断的なプレイヤーに統合されるでしょう。
私たちは、たまたま異なる垂直にわたって顧客を獲得でき、彼らの個々のニーズに対応することに苦労していません。ですから、それが私たちが取ってきたルートです。どちらかが他方より悪いとは思いません。
リソース配分の優先順位
了解しました。聴衆からのもう一つの質問は、すべての成長段階の企業のように、リソースの優先順位付けの問題があります。もし今、追加で1ドル使えるとしたら、それを製品改善、Go-to-Market、一般的なコミュニティ構築に使いますか?
追加のリソース配分についてどう考えますか?Jesse?
そうですね。私たちにとっては、常にかなりGo-to-Market主導でした。初期の頃は、本当にGo-to-Market主導でなければならないと思います。ある意味では、短期的な考え方もしています。なぜなら、次のステップに到達するために最適化しているだけだからです。
初期の段階で長期的に考え始めると、時間を無駄にするだけです。なぜなら、間違ったことのために最適化している可能性があるからです。それから成長するにつれて、今では少しバランスが取れていると感じています。
おそらく将来的には、より製品に偏るかもしれませんが、今の私たちにとっては、大きな初期顧客基盤があり、まだ追いかけたい多くの顧客がいて、彼らと話していますが、製品をスケールさせ、物事をより速く動かすために、少し長期的に考え始める必要があります。
ですから、時間とともに変わると思います。私たちは少しGo-to-Market重視で始まり、今は少しバランスが取れていて、ボトルネックに応じて将来何が起こるかは誰にもわかりません。
はい。直接的な答えと、より哲学的な答えがあると思います。直接的な答えは、私たちには追加のドルがあるということです。しばらく資金調達に手をつけていませんし、その追加のドルを使う計画もありません。いくつかの理由があります。
でも、より哲学的には、私たちは常に製品主導の会社でした。製品主導の成長モーションとして始まりましたし、製品主導の会社であり続けます。今、繁栄しているセールスモーションがあるので、Go-to-Marketを本当に積極的にスケールさせたくなる誘惑があると思います。
そして、私はそれを抑制し、注意を促したいと思います。なぜなら、雇用という点でGo-to-Marketモーションをスケールするのはかなり簡単だからです。この競争の激しい市場でエンジニアを雇うよりも、Go-to-Marketの人を雇う方が簡単だからです。
そして、そこにはリスクがあると思います。製品が解決すべきビジネスの本当の問題を、人で覆い隠してしまうリスクがあります。それは解決するのが本当に難しいと思います。ですから、私たちにとっては、Go-to-Marketをスケールする際、エンジニアリングを1対1でスケールしようとしています。
スタートアップへの実践的アドバイス
了解しました。基本的に時間切れです。最後の質問を一つ絞り込もうと思います。皆さんが簡潔に答えられることを願っています。
聴衆の誰かが、もし今日エンタープライズAI企業を立ち上げるとしたら、どんなアドバイスをしますか?というトップアドバイスを知りたがっています。
うーん。私の過去の経験から、かなり強い見解がありますが、最も重要なことは、誰かのアドバイスに過度に偏重せず、自分自身をもう少し理解しようとすることです。
私は最初の会社で本当にこの罠に陥ったと感じています。なぜなら、新卒だったので、他の起業家が経験していたすべてのストーリーに超感銘を受けていて、多くのニュース記事やポッドキャストなどを読んでいました。
「ああ、クールだ。それはクールな学びだ。自分がやっていることにそれを適用してみよう」となるのは非常に簡単です。そして、それは時間の無駄になったり、そのせいで間違った方向に進んだりします。なぜなら、誰もの状況は異なるからです。
すべての創業者も異なる強みを持っています。人々は異なるスペースや異なる段階にいます。ですから、おそらく一番のことは、もう少し内省をして、自分の競争優位性がどこにあるのか、何が得意で何が苦手なのかを把握し、そこから進むということです。
はい。Jesseが言ったことの多くに同意しますし、本当に自然な好奇心に焦点を当て、自分が興味を持っていることに焦点を当て、あまり先を計画しようとしないことを付け加えたいと思います。
「サポートでAIエンタープライズアプリを構築したい」と思って、それを実現するために必要だと思うすべてのステップを逆算しようとしないでください。素晴らしい会社はそうやって構築されません。
自分が好奇心を持っていることに従って、そこから一歩ずつ進み、そこから興味深さに従ってください。それがおそらく私が推奨することです。
素晴らしい。それでは、JesseとVerunに拍手をお願いできますか。今日ご参加いただき、本当にありがとうございました。
コメント