Varianceは3年間のステルスモード期間を経て、2100万ドルのシリーズA資金調達とともに正式にローンチした。同社はリスクとコンプライアンスに特化したAIエージェントを構築し、GoFundMeをはじめとするFortune 500企業の大規模コンテンツレビュー、詐欺審査、本人確認業務を自動化している。共同創業者のKarine Muladaは元Appleの詐欺対策エンジニアであり、共同創業者のMichaelと共に、かつて人間のアナリストが手作業で行っていた複雑な調査業務を完全自動化するシステムを開発した。Varianceの技術は多くのユーザーが日常的に利用する製品の裏側で稼働しており、募金詐欺の検出から国家支援型の組織的不正の摘発、さらには物理的暴力の未然防止にまで貢献している。わずか5人のエンジニアでペタバイト規模のデータを処理し、AIコーディングツールを駆使することで25人規模のチームに匹敵する開発力を実現している点も特筆に値する。
Varianceのステルスモード脱却と2100万ドル資金調達
このFounder Firesideシリーズでは初めての試みとして、大きな発表を行います。Varianceがステルスモードから脱却し、2100万ドルのシリーズA資金調達を発表するのです。Varianceの共同創業者であるKarineさんと一緒にお届けできることを本当に嬉しく思います。
ご参加いただきありがとうございます、Karineさん。
ありがとうございます。
今日は大きな日ですね。過去3年間ステルスモードで構築を続けてきた後、ついに公になるわけです。Varianceは静かに、誰もが日常的に知っていて使っている多くの製品を支える大企業へと成長しました。Varianceとは何か、そして今回発表する2100万ドルのシリーズAについて教えていただけますか。
Varianceはリスクとコンプライアンスに特化したAIエージェントを構築しています。大規模なコンテンツレビュー、詐欺審査、本人確認審査を自動化しているんです。世界最大級の企業、Fortune 500のマーケットプレイスを支えています。例えばGoFundMeと協力して、すべての募金活動を大規模にレビューしています。また、あるFortune 50企業では、すべての販売者の検証や複雑なUBO(Ultimate Beneficial Owner、実質的支配者)の確認を行っています。
そして今日、ステルスモードから脱却します。
皆さんは3年間という長期にわたってステルスモードで構築してきました。このポッドキャストでは名前を挙げられない顧客も数多くいます。なぜこれほどまでに秘密主義だったのですか。
Varianceは通常、非常に機密性の高いデータや機密性の高い問題を扱います。私がよく使う表現なんですが、私たちは「悪者がよく使うシステムを、善良な人々のために構築している」んです。
ですから、顧客がVarianceを使用しているユースケースをマーケティングするのは本当に難しいんです。それらの問題があまりにも機密性が高いからです。もし私たちがそれらをマーケティングしてしまったら、より多くの詐欺を生み出してしまうかもしれません。より多くの悪用を生み出してしまうかもしれません。より多くの悪事を生み出してしまうかもしれないんです。
つまり、あなたの顧客は悪者との絶え間ないいたちごっこに陥っていて、Varianceが彼らの秘密兵器なんですね。彼らは自分たちの秘密兵器が何なのか、誰にも知られたくないと。
まさにその通りです。私たちは影の中にいます。それは良いことだと思います。Varianceで働く従業員にとっては本当にインパクトがあります。実際に働いているとそれを実感できます。でも、シリーズAをはるかに超えた先でも、私たちは常に少し影の中にいる会社であり続けると思います。
そしてそれは私たちにとって問題ないんです。Varianceの素晴らしいところは、このビデオを見ている人の中で、おそらく誰も実際に製品自体を使ったことがないにもかかわらず、皆さんが使っている多くの製品が、実は裏側であなたたちが構築したものによって支えられているということです。
つまり間接的に、彼らは実際にVarianceの上に構築されたものを使っているんですね。多くのソフトウェアインフラ製品がそうであるように。
人々が使ったことがあるであろう、Varianceによって支えられている具体的な製品について教えていただけますか。それがどのように機能するのかも含めて。
GoFundMeにおける不正検出の仕組み
顧客の一つであるGoFundMeは、自分で募金活動を立ち上げるために使えるプラットフォームです。GoFundMeは事実上決済プラットフォームなんです。GoFundMeには実は非常に厳格なコンプライアンス要件があります。なぜなら、例えば本来支払いをしてはいけない組織への支払いを促進した場合、彼らに責任が生じるからです。
ですからVarianceは、例えば募金活動が軍事作戦のために立ち上げられようとしているかどうか、あるいは自分が関与していない危機のために募金活動を立ち上げようとしているかどうか、それは詐欺になりますが、そういったことを確認するために使われています。GoFundMeにはこれを検出する責任があるんです。彼らはVarianceのAIエージェントを使ってそれらの調査を実施しています。お金が本当に言っている通りの人物に行くことを確認し、また、お金が制裁対象国に流れたり、コンプライアンスリスクとなりうるものに使われないことを確認しているんです。
先ほど、非常に具体的な詐欺の形態について話していましたね。GoFundMeにおける典型的な詐欺はどのようなものですか。
はい。GoFundMeは実際、危機に強く影響されるんです。大きなイベントや自然災害が発生すると、通常GoFundMeで募金活動が急増します。
チームがこれらの募金活動のうちどれだけが実際にそのイベントのための本物の募金活動で、どれが詐欺の可能性があるのかを把握するのは本当に難しいんです。最近見た例の一つは、確かCharlie Kirkの殺人事件だったと思います。Charlie Kirkの家族のための募金活動が急増したんです。
誰が実際にCharlie Kirkと関係があって、誰が単にお金を集めようとしているだけなのか、どうやって分かるんですか。
つまり、Charlie Kirkが亡くなったとします。
はい。
そして何が起こるかというと、100人ほどの人々がGoFundMeで募金活動を主催して、Charlie Kirkの家族だと主張するわけです。
まさに。
そしてそのほとんどは完全な詐欺師で、本物のCharlie Kirk家族の募金活動ではなく、自分たちのCharlie Kirk募金活動に何人かが寄付してくれることを期待しているだけなんですね。
まさにその通りです。
そしてあなたの仕事は、どれが本物のCharlie Kirk家族で、誰が詐欺師なのかを見極めることなんですね。
まさにそうです。そしてそれを行うために使える行動シグナルがたくさんあるんです。本人確認に関する情報もありますし、そのアカウントが過去に何をしてきたかの情報もあります。
また、募金活動レベルでの情報、つまり画像や経歴などもあります。ですからVarianceのAIエージェントは、これらすべてのコンテキストを使用し、GoFundMeの利用規約を使って、基本的にそれがプラットフォーム上で許可されるべきかどうかを判断します。この作業は以前は人間のアナリストによって行われていましたが、今ではより一貫した方法で完全に自動化できるようになりました。
GoFundMeで募金活動に登録するすべての人は、気づいていませんが、実際には彼らのリクエストは公開が許可される前にVarianceのソフトウェアによって検証されているんですね。
はい、まさにその通りです。
他に人々が使っている、Varianceによって支えられているけれど気づいていない製品はありますか。
複雑な本人確認とKYBの自動化
規模が印象的だったんですが、私たちのエージェントが使用できるユースケースの数が本当に多いんです。
マーケットプレイスやギグエコノミープラットフォームのために、複雑な本人確認審査を実施してきました。例えば配達ドライバーに登録する場合、自撮り写真や運転免許証に基づいて本人確認を行う必要があります。それらすべてのデータは、その後私たちのAIエージェントによって検証され、会社の標準作業手順に基づいて確認されます。
これがVarianceが使われる良い例です。私たちは、KYB(Know Your Business)検証と呼ばれる複雑なものにも使われています。マーケットプレイスであれ金融機関であれ、オンラインでビジネスを行うために登録する場合、実際に自分が所有していると言っているビジネスに関連していることを確認するコンプライアンス要件があります。
良い例を挙げると、例えば私がVarianceとビジネスをすると登録したとします。私の会社の法的名称はDecoy Technologiesで、それはKarine Muladaに紐づいています。これは簡単な例ですが、このグラフを大規模に構築するのは本当に難しいんです。多くの場合、企業が複数のペーパーカンパニーを持っていて、それが複数の異なる代理人や異なる他の身元に紐づいているのを見ることになります。
その本当に大きなグラフの中で、リスクの範囲が広がります。これらのノードの一つが制裁対象国にある可能性があります。これらのノードの一つに悪い報道があり、マネーロンダリングで裁判にかけられた可能性があります。企業はこれらの調査を大規模に実施することが求められていて、現時点では完全に手作業なんです。
さまざまなソースからデータのライセンスを取得しているんですか。政府のウェブサイトをすべてスクレイピングしているとか。
はい、でも一歩下がって考えると、今AIエージェントがどのように構築されているかは本当にエレガントだと思います。必要な構成要素は本当に3つだけなんです。コンプライアンス文書、標準作業手順があります。
つまり、企業がオンボーディングレベルやそのエンティティのライフサイクルの他の部分で確認が必要だと考えるものです。これらのコンプライアンス文書を取得したら、AIエージェントは私たちが構築したツールと内部または外部のデータを使って作業を行うことができます。複雑なKYC、複雑なKYB、複雑なコンテンツレビューを自動化するために必要な構成要素はこれだけなんです。
あなたが聞いているデータに関する質問は興味深いです。通常、内部顧客データと外部データに分かれます。Varianceはすべてのデータソースに接続し、非構造化データを私たち自身のデータストアにプールすることが本当に得意なんです。そして2つ目が外部データです。世界中の数百のビジネス登録にアクセスできるので、国際的に対応できます。そして私たちのエージェントはオープンウェブにもアクセスできます。
ですから多くの非構造化データは、直接ウェブ上で見つかります。実は興味深いことに、ウェブへのアクセスが、この問題全体を自動化するのが本当に難しくなっていた最後のノードの一つだったと思います。
人間のアナリストの仕事をAIが再現
そうですね。人間のアナリストがやっていた大きな仕事の一部は、名前をGoogleで検索して、何が出てくるかを見て、怪しそうに見えるかどうか判断を下すことでしたから。
まさにその通りです。
大規模な悪用のグラフを考えるとき、これらのノードの一つ、これらのインテリジェンスシグナルの一つが非構造化データやオープンウェブ上で見つかった場合、人間のエージェントがウェブ上でGoogleで検索しなければ、悪用のグラフ全体をたどることすらできないんです。
大規模にこれを機能させる過程で、あなたたちが遭遇して解決しなければならなかった他の興味深い技術的課題は何ですか。
データの問題が本当に核心的な最も難しい技術的課題でした。通常、顧客と行うのは、非常に異なるソースから来るペタバイト単位のデータをプールすることです。そしてそのデータはすべて非構造化です。スキーマがありません。
非構造化って、リレーショナルデータベースから直接引き出すだけではないんですか。
本当にそんなに簡単だったらいいんですが、通常、非常に具体的な例を挙げますね。
例えば、募金活動を確認する必要がある場合、募金活動の例を選びますが、通常、データはユーザーの本人確認データの周りに散らばっています。ユーザーに関する情報が必要です。すべてのログイン行動、使用したデバイス、最初にオンボーディングした個人識別情報に関する情報が必要です。
ビジネスに関する情報もプールできる必要があります。そして募金活動自体とその募金活動のすべての履歴に関するすべての情報も必要です。難しいのは、金融機関であれマーケットプレイスであれ、そのデータが5から10の異なるシステムに散らばっていることが多いということです。
異なるデータストアに入っているんです。そして興味深いのは、そのデータがUIの後ろに隠れていることがあるということです。ですからVarianceのAIエージェントがそのデータをすくい上げて検証できる唯一の方法は、人間のために構築されたUIから直接スクレイピングできることなんです。
データの部分、そしてそのすべてのデータをすくい上げてVarianceに持ってこれることが、最も難しい技術的課題の一つでした。これは本当にオンボーディングの課題なんです。
それで実際にそうしているんですか。顧客の内部ダッシュボードと対話してデータを引き出すエージェントがあるんですか。
はい。現時点でVarianceと統合する方法は、リバースETL、APIですが、ごく最近、この第3の方法を獲得しました。それは
ブラウザを起動して
人間のために構築された本当に古いレビューツールを開いて
そのデータをプールして、それについて検証することです。
以前は人間が仕事をしていて、人間はダッシュボードを使えたのだから、エージェントも同じダッシュボードを使えるというのは理にかなっていますね。
はい、まさにその通りです。
AppleからVarianceへ:技術の進化
Appleで関連システムに取り組んでいて、今は深くエージェント的なシステムを構築していますね。技術がどのように進化してきたか、そしてなぜ今この問題を解決できるのかについて話していただけますか。
はい、もちろんです。以前、これらの問題が大規模にどのように解決されていたかを理解することが重要だと思います。
通常、企業は私が決定論的システムと呼ぶさまざまなパッチワークを持っています。「この取引が1,000ドルを超えたら、これをする」というようなルールがあります。特定の種類の悪用を検出するのに本当に優れた分類器があります。そして人間がいます。
人間は、これらすべての異なるノードとシグナルをコンテキストで理解し、最終的な決定を下すのが本当に得意です。
詐欺システムを考えるとき、詐欺システムの最も重要な特徴は、本当に急速に進化する必要があり、本当にタイトなフィードバックループが必要だということです。でも私が挙げた3つのノード、ルールエンジン、分類器、人間を考えると、人間は本当に遅く、多くの場合少し一貫性がないので、そのフィードバックループはそれほど速くできないんです。
そして私たちは、動的な環境で成長できる自己修復システムを達成できるとは感じたことがありませんでした。詐欺は最も動的な環境だと思います。常に敵対者がいるからです。ですからMichaelと私は常に、非効率的なノードがないシステムを作ることに本当に本当に本当に頑固でした。
そして今、AIエージェントがあって、信頼性と自己修復の観点からループを閉じることができるんです。ルールエンジンが具現化できるあらゆる特徴を具現化できます。もう分類器は必要ありません。AIエージェントが一連の標準作業手順を読んで、画像について検証したり、非構造化データについて検証したりして、これがチャージバック詐欺の可能性があることを知ることができるからです。
それ専用の分類器は必要ないんです。そして人間の推論ももう必要ありません。完全に自己修復するシステムがあり、大規模にはこれが本当に変革的で、企業がより速く出荷でき、新しい製品ラインを開けるようになります。このようなボトルネックがなくなるからです。
顧客の一つで、人間の詐欺アナリストのチームでは決してできなかったことをシステムが実行できた例はありますか。
はい、特に一つの顧客があって、その詐欺パターンは選挙期間中に発生したと思います。多くのコンテンツを処理している顧客がいて、彼らはFortune 500です。大規模なコミュニティをホストしていて、政治的にもかなり露出しています。選挙期間中、私たちのAIエージェントが他のエンティティとの関係におけるエンティティのコンテキストにアクセスできたためです。
つまり、このユーザーが私たちが見ている他のすべてのユーザーにどのように適合するか。私たちは、特に一つの物語を押し進めている国家支援の行為者の本当に複雑な詐欺リングを検出できました。そして、一つのコンテンツを次々と見ている分類器が一つあるだけだったら、これは不可能だったと思います。
でもAIエージェントは直接私たちのデータストアにクエリを投げることができ、その場で特徴を具現化でき、また次のステップと次に行うツールコールは何であるべきかについて検証するために一つのステップを使うことができるので、以前ならできなかったよりも洗練された詐欺リングを検出できました。
社会的インパクト:偽情報検出と暴力防止
Varianceにはかなり興味深い含意もありますね。実際にオンライン上の偽情報を検出して、政治的言説を改善できるんです。世界に対してなんて素晴らしい影響を与えることでしょう。
はい、大きな責任でした。でも本当に興味深いです。
私たちが検出できた悪用のベクトルの一部は、本当に深刻な物理的影響を及ぼしています。オンライン上で物理的危害の脅迫をしている人々が、大規模にこれらのことを実行する計画を持っているんです。
わあ。つまり、実際に早期に検出することで、世界で起こる物理的暴力を防いだ可能性があるんですね。
はい、まさにその通りです。大規模に、これらの調査の一部は本当に怖いものを見つけることにつながります。そして最終的には、Varianceによって検出され調査されたら、通常は法執行機関の手に渡ります。でも大規模にその影響を見るのは本当に興味深いです。
これは構築すべきソフトウェアがたくさんありそうですね。チームは今どのくらいの規模ですか。
12人です。5人のソフトウェアエンジニアがいます。私たちは本当に本当にリーンな状態を維持してきました。
5人のソフトウェアエンジニアがこれらすべてを構築しているんですか。
はい。
採用を増やしていますか。
増やしています。全般的に採用しています。バックエンドを採用していますし、フロントエンドも採用しています。Michaelと私が気づいていなかったんですが、フロントエンドは製品の本当に重要な部分なんです。もう少しコンテキストを説明すると、Michaelと私が最初に会社を始めたとき、完全なエンドツーエンドの意思決定レイヤーを構築することに本当に頑固でした。
本当に正確な決定を下すことが得意になる必要があると考えていましたが、最終的にはAPIコールのように扱われる可能性があると思っていました。私たちはそれについて正しくありませんでした。分かったことは、AIエージェントがワークフローの最もシンプルな部分を引き受けることができるためです。99%のケースをトリアージできます。その1%は通常、人間によるレビューが必要な最も複雑なケースになります。
そして本当に良いダッシュボードが必要です。これらの超複雑なユースケースを理解できるようにするための、本当に良い調査用のビジュアルツールが必要なんです。
Varianceで働くのはどんな感じですか。何が素晴らしいんですか。
非常に強いオーナーシップ文化があります。5人のエンジニアで、ペタバイト単位のデータを処理しています。世界最大級の企業のために、完全に自動化された方法で意思決定を行っています。ですから、文脈として、チームには2倍創業者がいます。全員が本当に強いオーナーシップ文化を持っていて、会社のあらゆる部分に対して本当に主体性を感じています。日常的には、サンフランシスコで毎日対面で仕事をしています。私たちは非常に非常に製品重視です。
Michaelも私もエンジニアですから。ですから非常に非常にオーナーシップが高いですが、同時に高い協力体制の職場でもあります。Michaelと私がチームに何を構築すべきか指示する時間は本当にありません。エンジニアに問題を与えて、彼らがそれを持って走り出すという感じです。
そして最終的に本当に魅力的だったのは、私よりもビジネスの特定の領域をよく理解しているチームのメンバーがいることを誇りを持って言えることです。例えば、チームのLukeはMeterの初期エンジニアの一人で、大規模言語モデルの評価について、チーム内の誰よりも、業界の多くの人よりもよく理解しています。
ですから、エンジニアから多くを学べる文化があり、チームが非常に小さいため、彼らはVarianceの成功の本当に大きな部分を占めることができるんです。
そしてそれがコーディングエージェントを持つことで可能になったと思います。
そうですね。あなたたちはAIコーディング絶対主義者ですか。
この時点でかなりそうだと言えます。チーム内の全員が、ほぼ自分の小さなチームのマネージャーのようになっています。これは本当に興味深いです。5人ですが、ソフトウェアの出力という点では、おそらく25人チームに近いと思います。すべてのエンジニアが、コーディングエージェントを実行している3つのモニターを持っています。
私たちにはまだ良い監督があります。すべてのPRをレビューしていますが、出力という点では、全員がAIエージェントの小さなチームのマネージャーです。これは本当に興味深いです。そしてもう一つ本当に興味深い逸話は、私たちのカスタマーサクセスマネージャーは完全に非技術的ですが、日常的にエンタープライズ顧客と接しています。今では機能リクエスト、特にシンプルなものを受け取って、直接Cursor、Cursorエージェントに渡し、完全に自律的な方法で機能を出荷し、数時間後に顧客に戻って「ああ、出荷されました」と言うことができます。
彼女はエンジニアリングチームと話す必要すらなかったんです。
すごい。素晴らしいですね。
創業の経緯:AppleからY Combinatorへ
少し話題を変えて、創業ストーリーについて少し話しましょう。あなたとMichaelはどのようにしてこの会社を始めることになったんですか。どのようにしてこの問題に取り組むことになったんですか。
MichaelとAppleで同僚として出会いました。私たちは両方とも詐欺エンジニアリングチームのエンジニアでした。私はデータエンジニアで、Michaelは機械学習エンジニアでした。本当に興味深かったのは、チーム自体がAppleの広範なエンジニアリングサービスチームのようなものだったことです。iMessageチーム、iCloudチームにサービスを提供していて、私たちは中央集権的な詐欺チームでした。
そしてMichaelの機械学習の決定は、私自身のストリーミングジョブを通じて組織の残りの部分に配信されました。ですから、最初から非常に共生的な関係がありました。一緒に本当にうまく働くことが分かっていました。Michaelに「ああ、この製品の適切な手段が会社だったらどうだろう」と言ったのを覚えています。Michaelに「Y Combinatorに応募しましょう」と言いました。
それが創業ストーリーのようなものです。本当に製品から始まったと思います。この製品が存在するのを本当に本当に見たかったんです。そしてAppleで解決していた問題を、はるかに効率的な方法で、はるかに自己修復的で回復力のある方法で解決されるのを見たかったんです。
どうやって突破したんですか。最初の顧客にあなたたちに大きな賭けをするよう説得したのはどうやってですか。
最初の顧客は本当に創業者を第一に信じると思います。創業者が問題を解決できる能力を信じるんです。なぜなら、最終的にエンタープライズを始めるとき、製品のバージョンはありますが、最初の顧客の要件に基づいて大きく進化するからです。
ですからMichaelと私が彼らの問題を十分に理解して、それをソフトウェアプラットフォームに変換できるという信念と信頼がありました。
本当にそこから始まりました。そして2つ目に本当に重要だったのは、大きく進化してきた問題空間に着地する必要があったということです。燃えている必要がありました。
燃えている必要があったんです。なぜなら、私たちが見つけたのは、燃えていない場合、背後に本当の証明ポイントがない本当に小さなスタートアップを信頼する理由がなかったからです。
最初の顧客は誰で、彼らがこれをする意思を持つようになった燃えるような痛点は何でしたか。
最初の顧客はIACという会社でした。彼らは上場企業です。
人々はIACを知らないかもしれませんが、親会社のようなものなので、でもIACのブランドはたくさん知っていると思います。誰もが知っているIACブランドを理解しましょう。
はい。IACブランドは、IACにはCare.comがあり、私たちが協力していたのはAsk Media Groupでした。
彼らは非常に大量のマーケティングコンテンツを持っていて、IACは大規模な上場企業なので、マーケティングコンテンツに何が含まれるかについて多くのコンプライアンス要件がありました。ですから基本的に、構築していたプラットフォームを使って、大規模にコンテンツをレビューし、彼ら自身のマーケティングコンテンツをレビューしました。
本当に興味深かったのは、その問題が人間のエージェントを使って完全に解決されていたことです。なぜなら、これらのコンプライアンスガイドラインは従来の分類器にマッピングするのが本当に難しいからです。例えば法的防御のためのアドバイスを提供することはできません。マッピングするのが本当に難しいんです。
そのための正規表現を書いてみてください。
まさにその通りです。ですから半分不可能でした。また、この作業を行っているBPOアウトソースの一部である人間のエージェントの非常に大きなチームがあり、それが基本的に彼らの成長を妨げていました。人間のエージェントやモデレーターのチームを拡大するのは本当に難しいので、世に出せるマーケティングコンテンツが少なくなっていました。
ですから彼らは、それが大規模言語モデルで実行できるという直感を持っていました。でも私たちが「ああ、実際に大規模言語モデルでそれができます」と言った最初の会社でした。私たちは小さなスタートアップでした。それが起こったのはおそらく
本当に最初の頃ですよね。あなたたちは実際にChat GPTの直前にVarianceを始めたんですよね。Chat GPTのほんの少し前に。
はい。
ですから、以前は自動化できなかったこれらのタスクを自動化するためにLMSを使う方法を見つけ出していた、最も初期の波の企業の一つだったんですね。
はい、まさにその通りです。バッチ中にGPT-4が出たと思います。
それは本当に興味深かったです。そして最初の顧客のためにこのパイロットを実行している間、OpenAIがパイロットの途中で新しいモデルを出してきて、それが私たちのコスト構造を10倍変えていましたし、パフォーマンスもかなり変わりました。ですからこの超動的な世界で構築するのは本当に興味深かったです。
最初の大きな戦いは最初の顧客を獲得することでした。IACを獲得するのに8ヶ月かかりました。最初から本当に困難な道を選んだんですね。エンタープライズから始めたので。この会社を構築する上で、他に困難な課題はありましたか。
事故からの復活
会社を始めることは、さまざまな方法であなたを試すと思います。そして私たちには本当に興味深いストーリーがあります。IACの後、トラストアンドセーフティ分野で多くの素晴らしい顧客をオンボードしました。Medium、もちろんGoFundMe、Redbubbleなどです。2024年7月頃、会社が急成長していた時期の一つでした。
より多くのエンタープライズユースケースをオンボーディングしていました。その月、私たちの収益は月内で倍増し、その次の月もまた倍増していました。本当にエキサイティングで、エンタープライズなので段階的でした。そしてサンフランシスコで開催されたTrustconという最大のトラストアンドセーフティカンファレンスの一つを終えたばかりでした。このカンファレンスのために本当に一生懸命働いたと思います。1日12時間、本当に疲れていました。日曜日の午後、オフィスに戻っていました。自転車レーンにいて、トラックに轢かれました。
創業者としてこれを経験するのは本当に本当にクレイジーな経験でした。つまり、会社はうまくいっていましたが、最終的には10人のチームで、CEOがトラックに轢かれたんです。
どのくらいひどく怪我をしたんですか。
背骨を折って、脚も折りました。約10日間入院していました。約10日間歩けませんでした。
うわあ。
創業者として、1年半の間、本当に速く動いています。毎日働いています。休みを取ったことがあったかどうか分かりません。取ったとしても、まだかなり活動しています。ですから1年半、本当に一生懸命働いていて、そして突然、創業者としてベッドにいて動けないんです。
それがすべて起こってから3、4日後、Michaelが病院に私を訪ねてくれました。もちろんMichaelは超不安でした。私の健康について、でもそれが何を意味するのかを理解しようともしていました。
CEOのバスファクターが1なんです。
エンジニアしかいなくて、すべての営業と顧客関係を運営している私がいるだけです。
完全に創業者主導の営業でした。営業をしていたのはあなただけでした。
はい。そして完全に、チームの残りは全員エンジニアだけでした。Michaelが私を訪ねてきて、Apple Parkの建築家であるNorman Fosterの本を贈り物として持ってきたのを鮮明に覚えています。彼は私の病院のベッドの隣に座って、本を持っていました。
そして私たちは両方とも沈黙していました。何を言えばいいか分からなかったからです。数分間沈黙でした。そして彼は笑って「これはIPO映画で本当に良いシーンになるね」と言いました。
「そうだね、それは良い見方だ」と思いました。笑いましたが、おそらく1週間ほど任務を離れていて、その後2、3週間は。
そしてそれが会社に多くのストレスをかけたと思います。Michaelがこれが終わりなのではないかと考えた瞬間が何度かありました。彼は私に、飛行機事故に遭ってAppleを離れ、Berkeleyに戻って働いたSteve Wozniakのストーリーを繰り返し語ってくれました。
ですから、もしかしたらこれが会社の終わりになるかもしれない、もしかしたら別々の道を歩む必要があるかもしれないという感覚があったと思います。
でも本当に深い感覚がありました。これが終わりではないという。興味深い挑戦です。乗り越える必要があるハードルのようなものですが、全く終わりのように感じないんです。まだまだたくさんのことが来るように感じます。私は間違いなくそう感じました。Michaelもそう感じていたと知っています。そして再び歩けるようになりました。今は歩けます。そして
私を拡大する必要があることを学びました。うまくいけばこれが再び起こらないように。でも間違いなく私を拡大する必要があります。
強い信念と使命感
あなたのストーリーで印象的なことの一つは、最初から何を構築し、誰のために構築するかについて、非常に強い意見を持っていた程度です。
Y Combinatorに来る多くの創業者は、何らかの初期のアイデアを持っていますが、それは単なる仮説で、多くの異なるアイデアを経てピボットし、新しいモデルが登場してAIが変化し、クールなものに合わせて取り組んでいるものを何度か変えるかもしれません。
そしてあなたたちはその逆でした。初日から何を構築するかについて非常に強い意見を持って来ました。問題を直接見ていたので、会社全体がその初期の仮説が展開するだけでした。もしかしたら、それがまだ終わりではないように思えた理由の一部なんでしょうか。本当にそれを最後まで見届けなければならなかったからですか。
はい。Michaelと私がなぜ会社を始めたかに戻ると、Michaelとの私は詐欺において非常に特定のスキルセットのペアを持っていて、業界がどのようなものかを理解していました。業界がどのようなものか、これらの問題が大規模にどのように解決されているかについて多くの問題を抱えていました。でも最初から、私たちの非常に特定的でかなり稀なスキルセットのペアを業界の善のために活かすという本当に強い使命感を常に感じていました。
それはほとんど使命感のようなもので、私たちにとって、それは何か問題セットのために会社を始めることでは決してありませんでした。一部の創業者はそれが本当に得意だと思います、誤解しないでください。でも私たちはどんな問題のためにも会社を始めたくなかったんです。私たちはその問題を解決したかったんです。
そして技術が進化することを知っていて、本当にラッキーでした。LMSが本当に良くなりました。今ではエージェントシステムがあり、この問題をエンドツーエンドで完全に解決できるエージェントハーネスがあります。でも私たちは本当にこの問題を解決したかったんです。そしてこの強い使命感が、何年にもわたってMichaelと私を前進させ続けたものだと思います。そしてそれは顧客にも深く共鳴するものだと思います。
ですから彼らが私たちに会うと、日常的に見ている問題を本当に深く解決しようとしている創業者を見るんです。以前見たことがあるから、でも同時に、正しいエンジニアリングシステムを正しい方法で構築することに十分なケアを注げば、それが実行可能なものだからです。
素晴らしい締めくくりになる気がします。本当にありがとうございました、Karineさん。
ありがとうございました。
コメント