📝 ایران ۲۰۳۶: رنسانس اقتصاد دیجیتال و خلق بازار ۱۲۰ میلیارد دلاری در عصر پساتحریم

در بیش از ده سال فعالیتم تو صنعت سرمایه‌گذاری خطرپذیر (VC) و اکوسیستم اقتصاد دیجیتال، از باز شدن پنجره‌ی کوتاه برجام تا بسته شدن درها، تحریم، فیلترینگ و رگولاتوری‌های عجیب‌وغریب داخلی رو با تمام وجود لمس کردم. اخیراً با دیدن صحبت‌های کوشیار عظیمیان، تصمیم گرفتم فارغ از هیجانات روزمره و تصورات فانتزی، یه مدل‌سازی دیتامحور انجام بدم: «در یک ایران آزاد و متصل به اقتصاد دنیا، طی ده سال آینده دقیقا چه اتفاقی برای اکوسیستم تکنولوژی ما می‌تونه بیفته و چه مسیری رو طی می‌کنیم؟»

🔸 نقطه صفر: واقعیت تلخ اعداد و خشکسالی سرمایه
برای درک مسیر آینده، اول باید بدونیم الان دقیقا کجای بازی هستیم. تو شرایط فعلی، سهم اقتصاد دیجیتال از کل تولید ناخالص داخلی (GDP) ایران حول و حوش ۷.۵ درصد برآورد می‌شه. از طرفی، کل حجم سرمایه‌گذاری خطرپذیر اکوسیستم ما در یک سال، با در نظر گرفتن نرخ واقعی ارز، به زحمت به عدد ۱۰ تا ۱۵ میلیون دلار می‌رسه. برای درک این فاجعه کافیه به گزارش‌های مالی منطقه نگاه کنیم؛ اکوسیستم کشورهای حوزه منا (MENA) مثل عربستان و امارات، الان سالانه بیش از ۳.۵ تا ۴ میلیارد دلار سرمایه جذب می‌کنن. اما در صورت رفع تحریم‌ها، این فنر فشرده آزاد می‌شه و بازار ۹۰ میلیونی ما وارد یک مسیر گذار سه‌مرحله‌ای و پرشتاب خواهد شد.

🔸 سال ۱ تا ۳: تخریب خلاق و بیداری مافیای تکنولوژی ایران
در سه سال اول اتصال به دنیا، با ورود رقبای خارجی، بسیاری از پلتفرم‌های انحصاری فعلی دچار ریزش می‌شن. این «تخریب خلاق» ضروریه. اما نقطه عطف، فعال شدن دیاسپورای ایرانیه. یه واقعیت تلخ و شیرین: حدود ۱۱۰ هزار محقق ایرانی‌تبار در خارج فعالن و ۹۶ درصد پتنت‌های ما متعلق به اون‌هاست. حضور چهره‌هایی مثل دارا خسروشاهی (CEO اوبر)، آرش فردوسی (دراپ‌باکس)، پیر امیدیار (eBay)، ساسان گودرزی (اینتوئیت)، امیر خسروشاهی و برادران پرتوی، یه «مافیای تکنولوژی» ساخته که اگه پلی به داخل داشته باشه، تحول‌آفرینه. تو پنجره برجام دیدیم که بازگشت بخش کوچکی از این شبکه چطور باعث خلق تپسی، آچاره و توسعه دیجی‌کالا شد. با اتصال کامل، این شبکه دانش و سرمایه جهانی رو تزریق می‌کنه تا جذب سالانه ۵۰۰ تا ۷۰۰ میلیون دلار سرمایه مستقیم کاملا در دسترس قرار بگیره.

🔸 سال ۳ تا ۷: تلاقی استراتژیک هوش مصنوعی و هژمونی انرژی
وقتی زیرساخت‌ها تثبیت شد، پول هوشمند دنیا به سمت بزرگترین مزیت رقابتی ما، یعنی تلاقی هوش مصنوعی و انرژی سرازیر می‌شه. توسعه مدل‌های AI تشنه برقه و ایران با منابع عظیم فسیلی و پهنه‌های خورشیدی، پتانسیل تبدیل شدن به هاب اصلی دیتاسنترهای پردازشی منطقه رو داره. استارتاپ‌های دیپ‌تک (Deep Tech) با این زیرساخت، راهکارهای هوش مصنوعی رو برای تحول صنایع سنتی مثل نفت و لجستیک توسعه می‌دن. کیس استادی اندونزی به شدت قابل تامله؛ اقتصاد دیجیتالش تو ۲۰۱۵ فقط ۸ میلیارد دلار بود، اما با باز کردن درها، با یک رشد نمایی تو ۲۰۲۲ به ۷۷ میلیارد دلار رسید. ایران هم می‌تونه رشد مشابهی رو تجربه کنه.

🔸 سال ۷ تا ۱۰: زایش یونیکورن‌های منطقه‌ای و اقتصاد ۱۲۰ میلیارد دلاری
در سه سال پایانی، استارتاپ‌های ایرانی با هدف‌گیری بازارهای منطقه، اولین عرضه‌های اولیه (IPO) خودشون رو تو بورس‌های جهانی تجربه می‌کنن. با مدل‌سازی از ترکیه و لهستان، پیش‌بینی می‌شه تو سال دهم، سهم اقتصاد دیجیتال ما به راحتی به ۲۰ درصد از کل GDP برسه. تو یک سناریوی ده‌ساله بدون تحریم، GDP کل ایران به محدوده ۶۰۰ تا ۷۰۰ میلیارد دلار می‌رسه. ۲۰ درصد از یک اقتصاد ۶۰۰ میلیارد دلاری، یعنی ما با یک اقتصاد دیجیتال ۱۲۰ میلیارد دلاری مواجه خواهیم بود.

📍رسیدن به این اقتصاد ۱۲۰ میلیارد دلاری به‌راحتی اتفاق نمیفته و قطعا با مقاومت بدنه‌های سنتی اقتصاد و شک جامعه جهانی مواجه می‌شیم. اما اگر رگولاتور فقط نقش تسهیل‌گر رو بازی کنه، ترکیب «اهرم مافیای تکنولوژی دیاسپورا»، «نیروی کار مستعد» و «پتانسیل انرژی»، می‌تونه این رویا رو به یک واقعیت قطعی تبدیل کنه. اقتصاد دنیا منتظر ما نمی‌مونه؛ این ماییم که باید انتخاب کنیم سهممون انزوای بیشتره یا ورود به بازار دنیا.

@investingfund

سلام به همه دوستان عزیزم 🤍

اتفاقاتی که امسال، مخصوصا تو این دو ماه اخیر شاهدش بودیم، واقعا باورکردنی نیست. انگار چیزهایی رو که تا دیروز فقط تو کتاب‌های تاریخ می‌خوندیم، حالا داریم با تمام وجود تجربه می‌کنیم. حس‌های خیلی عجیبی رو از سر گذروندیم و هنوز هم باهاشون درگیریم؛ یه ترکیب سنگین و پیچیده از خشم، نگرانی و البته امید.

احتمالاً خیلی از دوستانی که داخل ایران هستن، به خاطر همین قطعی اینترنت نتونن الان این پیام رو بخونن. اما می‌خوام بدونید من و خیلی‌های دیگه که دور از وطنیم، هر روز و هر لحظه پیگیر شرایط هستیم و دلمون همونجاست. بدترین و غیرانسانی‌ترین اتفاق این وسط، همین قطع کردن ارتباطاته. درست تو لحظاتی که آدم‌ها برای دسترسی به اخبار، هشدارها یا حداقل یه خبر گرفتن ساده از عزیزانشون بیشترین نیاز رو به اینترنت دارن، قطع کردنش فقط این اضطراب‌ها و حس‌های تلخ رو چند برابر می‌کنه.

با همه این سختی‌ها، فقط می‌خوام بهتون بگم که شما اصلا تنها نیستید. یادتون نره که شرایط اصلاً عادی نیست که بخوایم توقع داشته باشیم حال و حس خودمون عادی باشه؛ پس به خودتون حق بدید و احساساتتون رو بپذیرید.

ایران ما بیشتر از ۵۰۰۰ سال ریشه داره و از دل طوفان‌های بزرگی رد شده. من مطمئنم که با عظمت‌تر از قبل هم خواهد ایستاد و ما با هم این وطن رو دوباره می‌سازیم. 🌱

لطفا تو این روزها حسابی مراقب خودتون و خانواده عزیزتون باشید. اگر در این شرایط کمکی از دست من یا بقیه دوستان برمیاد، حتما توی گروه مطرح کنید. الان بهترین فرصته که بیشتر از همیشه همدل باشیم، شونه به شونه کنار هم بایستیم و به همدیگه کمک کنیم. 🤝

@investingfund

سلام دوستان

نوروزتون پیروز و به امید سالی که با اتفاقات خوب همراه باشه 🌱

معمولا هر سال نوروز سعی می‌کردم منابع و ریسورس‌هایی که می‌تونه برای کارآفرین‌ها و استارتاپ‌ها مفید باشه اینجا به اشتراک بذارم. امسال اما شرایط فرق کرده. اینترنت برای خیلی‌ها به‌سختی در دسترسه و متاسفانه به‌خصوص این روزها، حضور و همراهی دوستان‌مون از ایران اینجا کمتر از قبل شده.
با این حال، من واقعا باور دارم که روزهای خوب دوباره برای ما هم می‌رسه. مردم ما و کشور ما لیاقت روزهای روشن‌تر، آرام‌تر و بهتر رو دارن و مطمئنم اون روزها خواهد رسید. ولی در کنارش، ما هم باید برای رسیدن به اون روزها هر کاری از دست‌مون برمیاد انجام بدیم و سهم خودمون رو در ساختن آینده بهتر جدی بگیریم.

ما هم در این مدت بیکار نبودیم. همراه با چند نفر از دوستان استارتاپی ایرانی خارج از ایران، در حال آماده‌کردن منابع، امکانات و فرصت‌هایی هستیم که بتونیم در زمان مناسب، هرچه بیشتر به استارتاپ‌ها و فاندرهای ایرانی کمک کنیم. این کمک‌ها می‌تونه شامل در اختیار گذاشتن نتورک، کمک به تولید و توسعه محصول، دسترسی به ابزارهای هوش مصنوعی و کردیت‌های مرتبط و همین‌طور فراهم‌کردن برخی فرصت‌های کاربردی دیگه باشه.
از همه مهم‌تر، در حال بررسی راه‌اندازی یک فاند و ونچر استودیو هم هستیم، حتی اگر در شروع، کوچک و محدود باشه. هدف اینه که بتوانیم مسیر سرمایه‌گذاری ایرانی‌های خارج از کشور روی ایده‌ها و استارتاپ‌های داخل ایران رو هموارتر کنیم؛ با این نگاه که این کسب‌وکارها بتوانند در ادامه، به بازارهای بین‌المللی هم گسترش پیدا کنند. به‌زودی حتما اطلاعات بیشتری درباره این موضوع با شما به اشتراک می‌ذاریم.

واقعیت اینه که در چنین شرایطی، شاید مهم‌ترین کاری که می‌شه انجام داد، کمک کردن، همدلی و کنار هم موندنه. آینده ایران به این جنس از تلاش‌ها برای ساختن احتیاج داره. هر دوستی هم که تمایل به مشارکت، همراهی یا همفکری داشته باشه، با دل‌گرمی ازش استقبال می‌کنیم.

در آخر، بیایید کمی بیشتر با هم مهربان باشیم و با صبر بیشتری با هم برخورد کنیم. اختلاف فکری و تفاوت نظر کاملا طبیعیه، اما رشد زمانی شکل می‌گیره که یاد بگیریم در کنار هم زندگی کنیم، با هم گفت‌وگو کنیم و برای ساختن، با هم همکاری داشته باشیم.

به امید روزهای روشن و شکوفای ایران

نوروزتون مبارک 🌱

@investingfund

سلام دوستان وقت بخیر

واقعیت خیلی وقت بود به خصوص بعد از حوادث تلخ دی ماه و جنگ دل و دماغی برای نوشتن نبود، به خصوص که وضعیت اینترنت و اقتصاد هم بزرگترین ضربه ممکن رو به اکوسیستم استارتاپ‌ها زده و شاید ترکش‌هاش بیشتر هم ادامه داشته باشه.

اما همیشه میشه راهی برای کمی حمایت از فاندرها و استارتاپ‌ها پیدا کرد، امیدوارم با همراهی هم بتونیم روزهای بهتری رو در آینده ببینم.

خبر خوب این که با همکاری نشر نوین و حمایتشون با صحبت‌هایی که انجام شد در قدم اول کتاب ونچردیلز (کتابی که سه سال پیش ترجمه کرده بودم) رایگان شد.

کتاب ونچر دیلز (راهنمایی کاربردی قراردادها و فرایندهای سرمایه‌گذاری خطرپذیر) - نوشته بردفلد و ترجمه وحید فخر رو می‌تونید به صورت رایگان و صرفا پرداخت هزینه ارسال تهیه کنید، تعداد محدودی هست که امیدوارم کمک کننده باشه.

لینک خرید سایت نشر نوین.

کد تخفیف 100%: vdvf

هنگام پرداخت کد رو وارد کنید صرفا هزینه ارسال خواهد داشت.

امیدوارم حمایت حتی کوچکی باشه برای فاندرها و استارتاپ‌ها.
و بتونیم فعالیت‌ها در این کانال و حمایت‌های بیشتری رو از استارتاپ‌ها داشته باشیم.

ارادتمند.

@investingfund

🔖 مرگ رسمی اکوسیستم استارتاپی ایران

شاید عبارت «مرگ اکوسیستم استارتاپی» در نگاه اول اغراق‌آمیز به نظر برسه. بالاخره هنوز دیجی‌کالا هست، اسنپ هست، کافه‌بازار، دیوار و چند کسب‌وکار بزرگ دیگه هم فعالیت می‌کنن.
اما زنده‌بودن یک اکوسیستم را با زنده‌بودن چند شرکت بزرگ نمی‌سنجن.

یک اکوسیستم وقتی زنده است که زایایی داشته باشه؛ استارتاپ جدید تولید کنه، سرمایه تازه واردش بشه، نیروی متخصص را نگه داره، امکان رشد و خروج سرمایه‌گذار وجود داشته باشه و بنیان‌گذاران جدید هنوز دلیلی برای شروع‌کردن ببینن.

اکوسیستمی که فقط چند بازیگر بزرگ باقی‌مانده از نسل قبل را حفظ کرده، اما توان ساختن نسل بعد را نداره، یک اکوسیستم زنده نیست؛ موزه‌ای از موفقیت‌های گذشته است.
واقعیت اینه که حتی بزرگ‌ترین کسب‌وکارهای دیجیتال کشور هم وارد فاز بقا، کاهش هزینه و تعدیل نیرو شده‌اند. مدیرعامل دیجی‌کالا اخیرا تأیید کرده که این شرکت حدود ۲۰۰ نفر، معادل ۳ درصد نیروهایش را تعدیل کرده است. این عدد شاید نسبت به اندازه دیجی‌کالا خیلی بزرگ به نظر نرسه، اما پیامش مهمه: حتی بزرگ‌ترین بازیگر تجارت الکترونیک کشور هم دیگر فقط به رشد فکر نمی‌کنه، بخشی از انرژی‌اش صرف زنده‌ماندن شده.

استارتاپ یعنی توسعه، و توسعه به استمرار احتیاج داره.

استارتاپ می‌تونه با ریسک بازار، محصول و تکنولوژی کنار بیاد، اما نمی‌تونه هم‌زمان با جنگ، تحریم، تورم، سقوط قدرت خرید، قطعی برق، قطع اینترنت، مهاجرت نیرو و تغییر دائمی قواعد بازی مبارزه کنه.
بانک جهانی برآورد کرده اقتصاد ایران در سال ۱۴۰۴ منتهی به اسفند ۱۴۰۴ حدود ۲.۷ درصد کوچک شده و تشکیل سرمایه ثابت، یعنی همان سرمایه‌گذاری برای ساختن آینده، نزدیک به ۱۲ درصد کاهش داشته است. تورم متوسط حدود ۴۹ درصد برآورد شده و تورم نقطه‌ای در فوریه ۲۰۲۶ به ۶۲.۲ درصد رسیده؛ تورم مواد غذایی هم رکورد ۹۹ درصد را ثبت کرده است. خود بانک جهانی صراحتاً از تأثیر جنگ، تحریم، قطعی اینترنت، کمبود برق و آب و افزایش نااطمینانی بر تضعیف فعالیت بخش غیرنفتی صحبت می‌کنه.

در چنین اقتصادی، مردم هر روز فقیرتر می‌شن و قدرت خرید برای امتحان‌کردن محصولات و سرویس‌های جدید از بین میره. بازار کوچک‌تر میشه، هزینه جذب مشتری بالا میره و حتی استارتاپی که محصول خوبی ساخته، مشتری کافی برای رشد پیدا نمی‌کنه.
و بعد می‌رسیم به اینترنت.
برای یک کسب‌وکار سنتی، اینترنت شاید یک ابزار باشه؛ برای یک استارتاپ دیجیتال، اینترنت خود کارخانه است.

در حوادث تلخ دی ماه، ترافیک اینترنت ایران از ۱۸ دی تقریبا به صفر رسید و بازگشت نسبی و ناپایدار از ۷ بهمن آغاز شد. هنوز چند هفته نگذشته بود که همزمان با تشدید جنگ، قطع سراسری دوم از ۹ اسفند شروع شد و ۸۷ روز ادامه پیدا کرد.
چطور می شود از اقتصاد دیجیتال حرف زد، وقتی می توان کارخانه آن را برای نزدیک سه ماه خاموش کرد؟

هیچ سرمایه‌گذاری برای ساختن یک کسب‌وکار هفت تا ده‌ساله، در کشوری که اینترنتش ممکنه هر لحظه قطع بشه، زیرساختش ناپایداره و آینده اقتصادی‌اش قابل پیش‌بینی نیست، با رغبت سرمایه‌گذاری نمی‌کنه.
سرمایه از بی‌ثباتی فرار می‌کنه؛ سرمایه‌گذاری خطرپذیر از بی‌ثباتی ساختاری بیشتر.

با افتتاح «کارخانه هوش مصنوعی»، ساختن یک صندوق دولتی جدید، برگزاری جایزه، همایش و رونمایی هم اکوسیستم ساخته نمی‌شه.
سال‌هاست از این صندوق‌ها، کارخانه‌ها، افتتاحیه‌ها و وعده‌ها داریم. اکوسیستم با تابلو و ساختمان شکل نمی‌گیره؛ با اینترنت آزاد و پایدار، اقتصاد قابل پیش‌بینی، مالکیت امن، دسترسی به سرمایه بین‌المللی، امکان خروج سرمایه‌گذار و امید به آینده ساخته میشه.

حاکمیتی که تنش و جنگ را به ثبات اقتصادی ترجیح میده، نمی‌تونه انتظار داشته باشه کارآفرین برای ده سال آینده برنامه‌ریزی کنه و سرمایه‌گذار هم پولش را برای همان آینده به خطر بندازه.

منظور از مرگ اکوسیستم این نیست که فردا دیجی‌کالا و اسنپ تعطیل می‌شن یا دیگر هیچ کسب‌وکار آنلاینی وجود نخواهد داشت.
منظور اینه که دوره‌ای از اکوسیستم استارتاپی ایران که توان زایش، جذب سرمایه و ساختن بازیگران بزرگ جدید را داشت، حداقل در شرایط فعلی به پایان رسیده است.

چیزی که امروز باقی مونده، بیشتر از آنکه یک اکوسیستم رشد باشه، یک اقتصاد بقا است.

و تا زمانی که ثبات، صلح، اینترنت، سرمایه و امید برنگرده، افتتاح هر کارخانه و صندوق جدید فقط نصب یک تابلوی تازه روی ساختمانیه که زیرساخت‌هایش مدت‌هاست در حال فروریختنه.
نسل باهوش جوان ایرانی که در دوران بزرگ AI داره می‌سوزه و متاسفانه فرصت بزرگ دیگه‌ای که داره از دست میره.

@investingfund

🔖 پایان دوران نرم‌افزار به شکلی که می شناختیم

یکی از مهمترین اتفاقات دنیای تکنولوژی و سرمایه گذاری در سال ۲۰۲۶ که کمتر درباره اش صحبت میشه تغییر مدل کسب و کار شرکت های تکنولوژیه. اثر بزرگ AI فقط سریع تر شدن تولید محتوا یا کدنویسی نیست. هوش مصنوعی داره مرز بین نرم افزار و سرویس را از بین می بره و این تغییر می تونه یکی از بزرگترین جابه جایی های اقتصادی دهه آینده باشه.

برای نزدیک به دو دهه فرمول موفقیت روشن بود. یک نرم افزار بساز، آن را با مدل SaaS و اشتراک ماهانه بفروش و انجام کار را به مشتری واگذار کن. مشتری نرم افزار حسابداری می خرید تا خودش حسابداری کند، CRM می خرید تا تیم فروشش با آن کار کند و ابزار استخدام می خرید تا فرایند جذب نیرو را مدیریت کند.

حالا خود ساخت نرم افزار هم خیلی ساده تر و ارزان تر شده. با رشد Agentها و ابزارهای AI Coding برای خیلی از نیازهای ساده و متوسط میشه با چند پرامپت یک CRM داخلی، داشبورد فروش، سیستم ثبت هزینه یا ابزار گزارش گیری متناسب با فرایند همان شرکت ساخت. چیزی که قبلا نیازمند خرید یک نرم افزار عمومی و تغییر فرایندهای شرکت براساس آن بود حالا می تونه به یک ابزار شخصی سازی شده تبدیل بشه.

این اتفاق فشار زیادی روی SaaSهای عمومی و کم عمق وارد می کنه. وقتی ساخت ابزار ارزان و در دسترس میشه ارزش اصلی به سمت اجرای کامل فرایند، داده اختصاصی، تجربه تخصصی و نتیجه حرکت می کنه.
شرکت Sequoia Capital در مقاله «Services: The New Software» میگه شرکت یک تریلیون دلاری بعدی احتمالا یک شرکت نرم افزاریه که شبیه یک شرکت خدماتی فعالیت می کنه. نرم افزار همچنان قلب کسب و کار باقی می مونه اما محصول نهایی برای مشتری انجام شدن کار و دریافت نتیجه است.
تفاوت مدل های Copilot و Autopilot هم دقیقا همین جاست. Copilot به متخصص کمک می کنه کار را سریع تر و بهتر انجام بده. Autopilot بخش بزرگی از کار را خودش انجام میده و مشتری خروجی را تحویل می گیره.

اندازه این فرصت هم بسیار بزرگه. طبق تحلیل Sequoia شرکت ها به ازای هر یک دلار هزینه نرم افزار حدود شش دلار برای خدمات هزینه می کنن. a16z هم اندازه بازار خدمات تخصصی و یقه سفید را حدود ۶ تریلیون دلار برآورد کرده که نزدیک به ۲۰ برابر بازار نرم افزار سازمانی در آمریکاست. Y Combinator هم معتقده Vertical AI Agentها در بعضی صنایع می تونن تا ۱۰ برابر بزرگتر از SaaSهایی باشن که جایگزینشان میشن.

این تغییر روی قیمت گذاری هم اثر میذاره. مدل اشتراک به ازای هر کاربر کم کم جای خودش را به قیمت گذاری براساس حجم کار، نتیجه یا ارزش ایجاد شده میده. شرکتی که یک فرایند کامل را در اختیار داره با هر نسل بهتر از مدل های AI سریع تر و ارزان تر میشه. در مقابل یک ابزار ساده ممکنه با نسخه بعدی OpenAI، Claude یا Gemini به یک قابلیت معمولی تبدیل بشه.

نرم افزار از بین نمیره و بیشتر از قبل به زیرساخت پنهان شرکت ها تبدیل میشه. چیزی که مشتری می بینه و بابتش پول میده انجام شدن کار و رسیدن به نتیجه است.

به نظرم یکی از مهمترین Thesisهای سال ۲۰۲۶ همین جابه جاییه. دنیای تکنولوژی به سمت شرکت هایی میره که نرم افزار، Agent و تخصص انسانی را کنار هم میذارن و مسئولیت یک فرایند کامل را بر عهده می گیرن.

@investingfund

🔖 تغییر بزرگ در سرمایه گذاری خطرپذیر؛ مدل جدید AI-Enabled Roll-Up

یکی از جالب ترین تغییرات دنیای سرمایه گذاری در عصر هوش مصنوعی داره در General Catalyst اتفاق میفته. این شرکت که یکی از شناخته شده ترین VCهای دنیاست، دیگه فقط منتظر نمی‌مونه یک Founder استارتاپی بسازه و بعد روش سرمایه گذاری کنه. در مدل جدید خودش شرکت های خدماتی سنتی را می خره و بعد با ترکیب AI، تیم عملیاتی و خریدهای بیشتر سعی می کنه اون کسب و کار را از داخل بازسازی کنه.

البته General Catalyst سرمایه گذاری خطرپذیر را کنار نگذاشته این شرکت در صندوق دوازدهم خودش حدود ۸ میلیارد دلار سرمایه جدید جذب کرده که ۴.۵ میلیارد دلار آن همچنان برای سرمایه گذاری از Seed تا Growth در نظر گرفته شده. در کنار آن حدود ۱.۵ میلیارد دلار هم به استراتژی Creation اختصاص داده شده که یکی از بخش های مهمش همین مدل AI-Enabled Roll-Up است.

فرمول این مدل تقریبا ساده است:

ابتدا یک صنعت خدماتی بزرگ و پراکنده مثل خدمات حقوقی، مدیریت املاک، حسابداری یا پشتیبانی IT انتخاب میشه. بعد یک تیم متشکل از متخصص AI، مدیر باتجربه همان صنعت و افراد مسلط به خرید و ادغام شرکت ها شکل می گیره. این تیم یک شرکت دارای مشتری، درآمد و نیروی انسانی را می خره و هوش مصنوعی را مستقیما وارد فرایندهاش می کنه.

در ادامه شرکت های مشابه بیشتری خریداری میشن تا مشتری، داده، نیروی انسانی و سهم بازار روی یک پلتفرم مشترک جمع بشه. چیزی شبیه Roll-Upهای سنتی در Private Equity اما این بار قرار نیست موتور اصلی رشد فقط کاهش هزینه یا مهندسی مالی باشه. قرار است AI بخشی از عملیات را سریع تر و ارزان تر انجام بده و ظرفیت ارائه خدمات را بالا ببره.

در مدل سنتی SaaS، استارتاپ نرم افزار را به یک شرکت خدماتی می فروخت و اجرای کار همچنان بر عهده همان شرکت بود. در این مدل شرکت تکنولوژی خودش مسئول تحویل نتیجه میشه. به همین دلیل هم فقط به بودجه نرم افزار دسترسی نداره و می تونه وارد بازار بسیار بزرگتر خدمات و نیروی انسانی بشه.

نمونه های واقعی این مدل هم جالبه. شرکت Eudia مجموعه Johnson Hana و تیم بیش از ۳۰۰ نفره خدمات حقوقیش را خرید تا خدمات کامل حقوقی را با ترکیب AI و نیروی انسانی ارائه بده. شرکت Titan هم مجموعه RFA را با بیش از ۴۰۰ مشتری خرید و طبق گزارش General Catalyst زمان بعضی فرایندها مثل آنبوردینگ کاربر جدید را از چند هفته به چند دقیقه رسونده.

شرکت Long Lake هم تا امروز ۱۸ کسب و کار خدماتی را خریده و General Catalyst میگه استفاده از AI در بعضی بخش های مدیریت ساختمان بهره وری را بین ۲۵ تا ۳۰ درصد افزایش داده و Pipeline فروش را ۱۰ برابر کرده. البته این اعداد توسط خود General Catalyst منتشر شده و برای قضاوت دقیق تر باید عملکرد این شرکت ها را در چند سال آینده دید.

دلیل جذابیت این مدل اندازه بازار عجیب بزرگشه! برآورد General Catalyst اینه که بازار خدمات در آمریکا سالانه بیش از ۶ تریلیون دلار درآمد داره، در حالی که بازار نرم افزار بسیار کوچکتره. وقتی AI بخشی از خود اون کار را انجام میده، شرکت تکنولوژی می تونه از کل بودجه خدمات سهم بگیره، نه فقط از بودجه خرید ابزار.

سوال اصلی اینه که آیا General Catalyst همچنان یک VC محسوب میشه یا داره به نوع تازه ای از Private Equity تبدیل میشه؟
ساختار این مدل شباهت زیادی به Private Equity داره چون شرکت های موجود خریداری میشن و عملیات آنها تغییر می کنه. از طرف دیگر منطق رشدش به Venture Capital نزدیکه چون بخش مهمی از ارزش قرار است از فناوری، محصول و افزایش ظرفیت ساخته بشه.

به نظرم اگر این مدل موفق بشه مرز بین Venture Capital، Private Equity، شرکت سازی و مدیریت عملیاتی خیلی کمرنگ تر میشه. سرمایه گذارها تا امروز روی شرکتی سرمایه گذاری می کردن که قرار بود یک صنعت را تغییر بده. حالا بعضی از آنها سرمایه، تکنولوژی و تیم مدیریتی را کنار هم میذارن و خودشان مستقیما وارد خرید و بازسازی اون صنعت میشن. این مدل هنوز در ابتدای راهه اما بعید میدونم محدود به General Catalyst باقی بمونه. احتمالا در سال های آینده اسم AI-Enabled Roll-Up را خیلی بیشتر خواهیم شنید.

@investingfund

🔖 ۱۳ ایده برای ساختن آینده؛ نقشه YC برای موج بعدی استارتاپ ها

کمتر مجموعه ای به اندازه Y Combinator روی مسیر دنیای استارتاپ و تکنولوژی اثر گذاشته. YC همیشه آینده را درست پیش بینی نمی‌کنه اما معمولا موج های مهم را زودتر از بقیه بو میکشه و سرمایه اش را جایی میذاره که فکر می کنه چند سال بعد به یک بازار بزرگ تبدیل میشه.

به همین دلیل فهرست Requests for Startups یا RFS اهمیت زیادی داره. این فهرست نسخه قطعی آینده نیست و خود YC هم تاکید می‌کنه فقط بخشی از حوزه هایی است که به اونها علاقه داره. با این حال شبیه دیدن نقشه ایه که یکی از مهمترین سرمایه گذاران Early-Stage دنیا برای آینده کشیده.

موضوع اصلی فهرست پاییز ۲۰۲۶: هوش مصنوعی داره از صفحه نمایش خارج میشه و وارد دنیای واقعی میشه. آموزش، سلامت، دفاع، زیرساخت، امور مالی و حتی شکل انجام کار در حال بازطراحی شدن هستند:

۱. آموزش شخصی سازی شده برای کودکان
یک معلم خصوصی هوشمند که کودک را در طول زمان بشناسه و خواندن، نوشتن، ریاضی و حتی شیوه فکر کردن را متناسب با او آموزش بده.

۲. فناوری های نسل بعدی دفاعی
برای اولین بار یکی از درخواست ها مستقیما توسط وزیر ارتش آمریکا نوشته شده و روی تولید پیشرفته، لجستیک، نرم افزار و زیرساخت های جدید دفاعی تمرکز داره.

۳. زیرساخت ابری برای Small Software
حالا با چند پرامپت میشه یک CRM کوچک، داشبورد داخلی یا ابزار اختصاصی ساخت. مشکل بعدی Deploy، امنیت، مدیریت دسترسی و اشتراک گذاری همین نرم افزارهای کوچک خواهد بود.

۴. هوش مصنوعی چندنفره یا Multiplayer AI
عامل های هوشمند امروز بیشتر داخل چت های شخصی کار می کنن. YC دنبال محیط هایی است که چند نفر و چند Agent بتونن همزمان روی یک پروژه کار کنن و مسئولیت ها را بین هم جابه جا کنن.

۵. دیتاسنترهای دریایی
رشد AI به برق، زمین و خنک سازی بیشتری احتیاج داره. یکی از ایده های عجیب YC انتقال بخشی از Compute به دریاست تا از فضای باز و ظرفیت طبیعی خنک سازی اقیانوس استفاده بشه.

۶. محصولات مصرفی برای یک میلیارد نفر
بعد از سه سال هنوز مهمترین محصول مصرفی جدید AI همان ChatGPT است. YC معتقده موج بعدی اپلیکیشن های بزرگ مصرفی در آموزش، سلامت، مدیریت پول، سرگرمی و ارتباطات خیلی نزدیکه.

۷. هوش مصنوعی برای سالمندان
جمعیت دنیا به سرعت در حال پیر شدنه و نیروی کافی برای مراقبت وجود نداره. رابط های صوتی، مانیتورینگ، رباتیک و ابزارهای هماهنگی مراقبت می تونن یک بازار بزرگ بسازن.

۸. سیستم عامل دنیای فیزیکی
آینده محل کار ترکیبی از انسان، ربات و Agent خواهد بود. صنایع فیزیکی به یک سیستم عامل جدید برای مدیریت همزمان هر سه احتیاج دارن.

۹. بازگشت کریپتو به عنوان زیرساخت
جالب اینکه YC همچنان به کریپتو خوش بینه و فکر می کنه Stablecoinها، پرداخت های Agentها، انتقال پول و زیرساخت بازارهای مالی کاربرد واقعی این حوزه را خواهند ساخت.

۱۰. داده برای دنیای واقعی
مدل های AI روی متن و تصویر داده زیادی دارن اما اطلاعات دقیق از کشاورزی، انرژی، آب و هوا، لجستیک و ساخت و ساز هنوز محدوده. سنسورها و ربات هایی که این داده را جمع کنن می تونن شرکت های بزرگی بسازن.

۱۱. اثبات انسان بودن
با رشد Deepfake دیگر دیدن چهره یا شنیدن صدا برای اعتماد کافی نیست. YC دنبال یک لایه اعتماد جدیده که بدون نابود کردن حریم خصوصی ثابت کنه طرف مقابل یک انسان واقعیه.

۱۲. زیرساخت Compliance مبتنی بر AI
قوانین مالی و مجوزها هنوز با اکسل، ابزارهای پراکنده و نیروی انسانی گران مدیریت میشن. فرصت اینجاست که کل فرایند نظارت، گزارش دهی و Audit از ابتدا با AI بازطراحی بشه.

۱۳. زیرساخت APIهای خودنگهدار
وقتی یک API تغییر می کنه Agent باید کد مشتری را بررسی کنه، بخش آسیب دیده را پیدا کنه و خودش یک Pull Request برای اصلاح آن باز کنه.

اگر بخوام کل این فهرست را خلاصه کنم YC سه پیام مهم داره: هوش مصنوعی داره وارد دنیای فیزیکی میشه، نرم افزارها شخصی تر و کوچک تر میشن و زیرساخت اعتماد، داده و همکاری با Agentها به اندازه خود مدل ها اهمیت پیدا میکنه.

نکته مهم تر اینه که YC دیگر فقط دنبال یک SaaS جدید یا یک چت بات بهتر نیست. موج بعدی از نگاه آنها شرکت‌هایی هستند که بخشی از آموزش، کار، مراقبت، زیرساخت و اقتصاد واقعی را از ابتدا بازسازی می کنن.

@investingfund

🔖 ارزش‌گذاری استارتاپ‌های AI؛ رشد واقعی یا حباب ۳۰ برابری؟

این روزها بعضی استارتاپ‌های هوش مصنوعی با چند ده میلیون دلار درآمد به ارزش‌گذاری چند میلیارد دلاری می‌رسن و شرکت‌های بزرگ‌تر هم با وجود زیان سنگین ضرایبی می‌گیرن که تا چند سال پیش فقط در اوج بازار SaaS دیده می‌شد. سوال اصلی اینه که این شرکت‌ها دقیقا چطور ارزش‌گذاری می‌شن و آیا این اعداد قابل دفاعه یا بخشی از یک حباب بزرگ‌تره؟

در مراحل قبل از درآمد معمولا از روش‌هایی مثل روش سرمایه‌گذار خطرپذیر (Venture Capital Method)، روش امتیازدهی (Scorecard Method)، روش برکوس (Berkus Method) و روش فرست شیکاگو (First Chicago Method) استفاده می‌شه. در این مرحله ارزش بیشتر از آنکه به صورت‌های مالی وابسته باشه به تیم، اندازه بازار، فناوری، سرعت رشد و احتمال خروج موفق بستگی داره.

وقتی شرکت به درآمد می‌رسه روش‌های مقایسه‌ای مهم‌تر می‌شن. سرمایه‌گذار از تحلیل شرکت‌های قابل مقایسه (Comparable Company Analysis) و تحلیل معاملات مشابه (Precedent Transactions Analysis) استفاده می‌کنه و ضریب ارزش بنگاه به درآمد تکرارشونده سالانه (EV/ARR) یا ارزش بنگاه به درآمد (EV/Revenue) را می‌سنجه. روش جریان نقدی تنزیل‌شده (Discounted Cash Flow) هم وجود داره اما برای شرکتی که هنوز زیان‌ده و فوق‌سریع در حال رشده با تغییر چند فرض می‌تونه خروجی کاملا متفاوتی بده.

برای اینکه ابعاد موضوع روشن‌تر بشه طبق گزارش Cloud 100 در سال ۲۰۲۵ میانگین ضریب شرکت‌های خصوصی Cloud حدود ۲۰ برابر ARR بوده. شرکت‌های AI به‌طور میانگین ضریب ۲۴ برابر گرفتن و شرکت‌های غیر AI حدود ۱۹ برابر. یعنی بازار برای شرکت‌های AI تقریبا ۲۶ درصد Premium پرداخت کرده. در همان زمان شرکت‌های نرم‌افزاری بورسی در شاخص Bessemer به‌طور میانگین نزدیک ۸ برابر ARR معامله می‌شدن. یعنی ضریب شرکت‌های خصوصی AI تقریبا سه برابر نمونه‌های بورسی بوده.

نمونه‌های واقعی حتی جذاب‌ترن:

• شرکت OpenAI در سال ۲۰۲۵ با ارزش‌گذاری ۳۰۰ میلیارد دلاری و درآمد سالانه‌شده حدود ۱۰ میلیارد دلار تقریبا ضریب ۳۰ برابر گرفت. این عدد در اوایل ۲۰۲۶ با ارزش‌گذاری حدود ۸۵۲ میلیارد دلار و درآمد سالانه‌شده ۲۵ میلیارد دلار همچنان نزدیک ۳۴ برابر بود.

• شرکت Anthropic در دور سپتامبر ۲۰۲۵ با ارزش‌گذاری ۱۸۳ میلیارد دلاری و درآمد سالانه‌شده بیش از ۵ میلیارد دلار تقریبا ضریب ۳۶ برابر گرفت.

• شرکت Cursor در نوامبر ۲۰۲۵ با ارزش‌گذاری ۲۹.۳ میلیارد دلاری و درآمد سالانه‌شده بیش از یک میلیارد دلار ضریبی کمتر از ۲۹ برابر گرفت.

البته این تقسیم‌ها تقریبیه چون ارزش‌گذاری دورهای خصوصی معمولا Post-Money و براساس ارزش سهامه و دقیقا با Enterprise Value یکی نیست. نکته مهم‌تر اینه که Revenue Run Rate هم لزوما همان ARR نیست. گاهی درآمد یک ماه خوب را ضربدر دوازده می‌کنن در حالی که بخشی از آن مصرفی، آزمایشی یا غیرقابل تکراره.

کیفیت درآمد در AI اهمیت زیادی داره چون هزینه مدل، GPU و پردازش می‌تونه بخش بزرگی از فروش را ببلعه. در بررسی Bessemer از استارتاپ‌های AI فوق‌سریع یا Supernova میانگین حاشیه سود ناخالص فقط حدود ۲۵ درصد بوده و بعضی شرکت‌ها حتی حاشیه منفی داشتن. در مقابل گروه سالم‌تر یا Shooting Stars به حاشیه سود حدود ۶۰ درصد رسیده بودن.

برای ارزش‌گذاری درست یک استارتاپ AI باید حداقل رشد درآمد، نرخ تمدید و نگهداشت مشتری، حاشیه سود، وابستگی به مدل‌های دیگر، سرمایه مصرف‌شده و مزیت رقابتی در داده و توزیع را کنار هم دید. شرکتی که فقط سریع رشد می‌کنه اما حاشیه سود ضعیف و Switching Cost پایینی داره ممکنه با انتشار نسخه بعدی OpenAI یا Claude بخش بزرگی از ارزشش را از دست بده.

به نظرم کل بازار AI حباب نیست چون رشد درآمد و تقاضا واقعیه. اما بخشی از ارزش‌گذاری‌ها براساس بهترین سناریوی ممکن بسته شدن. ضریب ۳۰ برابر زمانی منطقی می‌مونه که شرکت چند سال رشد فوق‌العاده را حفظ کنه و همزمان حاشیه سودش بهتر بشه. در غیر این صورت همین ضرایب می‌تونن با یک افت رشد خیلی سریع نصف بشن.

سوال اصلی این نیست که هوش مصنوعی آینده بزرگی داره یا نه. سوال اینه که چه مقدار از آن آینده از همین امروز داخل قیمت شرکت‌ها محاسبه شده.

تحلیل Aswath Damodaran درباره ارزش‌گذاری برندگان و بازندگان AI در این موضوع خیلی جالبه.

@investingfund

🔖 رقابت میلیاردی عربستان و امارات برای AI

کشورهای خاورمیانه مخصوصا عربستان و امارات خیلی زود متوجه شدن که هوش مصنوعی فقط یک موج تکنولوژی نیست و می‌تونه بخشی از نظم اقتصادی آینده را تغییر بده. مزیت این کشورها هم مشخصه؛ سرمایه فراوان، انرژی ارزان، زمین، تصمیم‌گیری سریع دولتی و دسترسی به بزرگ‌ترین شرکت‌های تکنولوژی دنیا.

اعداد واقعا بزرگن. مایکروسافت اعلام کرده تا پایان سال ۲۰۲۹ در مجموع ۱۵.۲ میلیارد دلار در امارات هزینه می‌کنه که شامل سرمایه‌گذاری در G42، ساخت دیتاسنتر و توسعه زیرساخت Cloud و AI هست. آمازون هم برای راه‌اندازی منطقه AWS در عربستان ۵.۳ میلیارد دلار سرمایه‌گذاری در نظر گرفته.

پروژه Stargate UAE هم قراره یک کلاستر یک گیگاواتی در ابوظبی بسازه که فاز نخست ۲۰۰ مگاواتی آن در سال ۲۰۲۶ وارد مدار میشه. در عربستان هم شرکت دولتی Humain با Nvidia برنامه ساخت دیتاسنترهایی تا ظرفیت ۵۰۰ مگاوات را داره و فقط فاز اول آن شامل ۱۸ هزار تراشه پیشرفته GB300 هست.

این اعداد نشون میدن کشورهای خلیج فارس نمی‌خوان فقط مصرف‌کننده AI باقی بمونن. اونها می‌خوان برق، Compute، Cloud و سرمایه مورد نیاز این صنعت را در اختیار داشته باشن و به یکی از مراکز اصلی زیرساخت هوش مصنوعی دنیا تبدیل بشن.

اما زیرساخت به تنهایی اکوسیستم تکنولوژی نمی‌سازه.

در تمام سال ۲۰۲۵ استارتاپ‌های AI در خاورمیانه و شمال آفریقا مجموعا حدود ۸۵۸ میلیون دلار سرمایه جذب کردن. این رقم رکورد جدیدی بود و ۲۲ درصد کل سرمایه‌گذاری خطرپذیر منطقه را تشکیل می‌داد. عدد قابل توجهیه اما همچنان فاصله زیادی با ده‌ها میلیارد دلاری داره که صرف دیتاسنتر، تراشه و قرارداد با شرکت‌های خارجی میشه.
به نظرم خطر اصلی اینه که منطقه به یکی از بزرگ‌ترین خریداران و میزبانان زیرساخت AI تبدیل بشه اما بخش عمده ارزش واقعی همچنان توسط Nvidia، Microsoft، Amazon، OpenAI و شرکت‌های آمریکایی ساخته و تصاحب بشه.

خرید GPU و ساخت دیتاسنتر احتمالا ساده‌ترین بخش ماجراست. ساختن یک شرکت تکنولوژی جهانی به فاندرهای مستقل، نیروی فنی عمیق، دانشگاه و پژوهش، بازار رقابتی، سرمایه خطرپذیر واقعی، امکان شکست و مسیر خروج احتیاج داره. این بخش‌ها را نمیشه فقط با یک قرارداد دولتی یا بودجه چند میلیارد دلاری ایجاد کرد.

از طرف دیگه این سرمایه‌گذاری‌ها را هم نباید دست‌کم گرفت. دسترسی محلی به Compute، قراردادهای بزرگ دولتی و حضور شرکت‌های جهانی می‌تونه هزینه ساخت استارتاپ را پایین بیاره و نیروی متخصص را به منطقه جذب کنه. امارات تا امروز در جذب استعداد و شرکت‌های بین‌المللی جلوتر بوده و عربستان هم با بازار بزرگ‌تر و هزینه‌های دولتی سنگین‌تر می‌تونه مشتری اولیه بسیاری از شرکت‌ها باشه.

مسئله اصلی اینه که این زیرساخت در اختیار چه کسانی قرار می‌گیره. اگر بیشتر منابع، قراردادها و داده‌ها بین شرکت‌های دولتی و چند بازیگر خارجی تقسیم بشه استارتاپ‌های محلی نهایتا به فروشنده، مشاور یا Integrator محصولات دیگران تبدیل میشن.

از نظر من آزمون واقعی این استراتژی را باید چند سال دیگه دید. باید ببینیم چند شرکت مستقل AI از منطقه ساخته شدن که محصول اختصاصی، فناوری قابل دفاع، درآمد بین‌المللی و مشتری خارج از قراردادهای دولتی دارن.

معیار موفقیت نهایی باید تعداد شرکت‌های جهانی ساخته‌شده، خروج‌های موفق، پژوهش قابل استناد و ارزشی باشه که داخل منطقه باقی می‌مونه. در غیر این صورت ممکنه خاورمیانه صاحب یکی از بزرگ‌ترین زیرساخت‌های AI دنیا بشه اما شرکت‌های اصلی این موج همچنان جای دیگه ساخته بشن.

و ما در ایران نه فقط از ساخت زیرساخت و شرکت‌های بزرگ AI عقبیم، بلکه به نظر میرسه داریم از خود این موج هم جا می‌مونیم. کشورهای اطراف در حال رقابت برای جذب سرمایه، تراشه، نیروی متخصص و ساخت آینده هستن و ما ...!

@investingfund

🔖 مشتری بعدی شما یک Agent هست؛ بزرگ‌ترین تغییر تجارت آنلاین بعد از موبایل

یکی از تغییرات مهم دنیای تکنولوژی در سال ۲۰۲۶ داره جایی اتفاق میفته که خیلی از فاندرها و استارتاپ‌ها هنوز جدی نگرفتن.

تا امروز کسب‌وکارها سایت و محصولشان را برای انسان، گوگل و شبکه‌های اجتماعی بهینه می‌کردن. حالا باید برای Agentهایی آماده بشن که به جای مشتری جست‌وجو می‌کنن، گزینه‌ها را مقایسه می‌کنن و کم‌کم خرید را هم انجام میدن.

اعداد نشون میدن این تغییر از مرحله پیش‌بینی عبور کرده. طبق گزارش Adobe، ترافیک ورودی از ابزارهای AI به فروشگاه‌های آنلاین آمریکا در سه‌ماهه اول ۲۰۲۶ نسبت به سال قبل ۳۹۳ درصد رشد کرده. حدود ۳۹ درصد مصرف‌کننده‌ها هم گفته‌ان برای خرید آنلاین از AI استفاده کردن و ۸۵ درصد اون‌ها تجربه بهتری داشتن.

نکته جالب‌تر کیفیت این ترافیکه. در مارس ۲۰۲۶ نرخ تبدیل کاربرانی که از طریق AI وارد فروشگاه‌ها شدن ۴۲ درصد بیشتر از سایر کانال‌ها بوده. اون‌ها ۴۸ درصد زمان بیشتری در سایت موندن و ۱۳ درصد صفحات بیشتری دیدن. دلیلش هم مشخصه؛ کاربری که نیاز، بودجه و محدودیت‌هایش را برای یک Agent توضیح داده معمولا با انتخاب‌های محدودتر و قصد خرید جدی‌تری وارد فروشگاه میشه.

از طرف دیگه زیرساخت این بازار هم خیلی سریع در حال ساخته شدنه. شرکت‌های OpenAI و Stripe پروتکل Agentic Commerce Protocol را توسعه دادن تا خرید مستقیم داخل ChatGPT ممکن بشه. گوگل هم Universal Commerce Protocol و Universal Cart را معرفی کرده تا Agentها بتونن محصول پیدا کنن، قیمت و موجودی را بررسی کنن و فرایند پرداخت را جلو ببرن.

به نظرم این تغییر چند پیام مهم برای فاندرها داره:

اول: داده محصول به اندازه ظاهر سایت مهم میشه
عامل هوشمند باید بتونه قیمت، موجودی، ویژگی‌ها، هزینه ارسال و شرایط مرجوعی را دقیق بخونه. طبق بررسی Adobe، به‌طور میانگین فقط ۶۶ درصد محتوای صفحات محصول فروشگاه‌های آمریکایی برای مدل‌های AI قابل خواندنه. استارتاپ یا فروشگاهی که اطلاعاتش ناقص و غیرساختاریافته باشه ممکنه اصلا وارد گزینه‌های پیشنهادی نشه.

دوم: رقابت از رتبه گوگل به پیشنهاد AI منتقل میشه
در جست‌وجوی سنتی کاربر چندین نتیجه را می‌دید و خودش انتخاب می‌کرد. Agent احتمالا فقط دو یا سه گزینه نهایی پیشنهاد میده. قرار گرفتن در همین فهرست کوتاه می‌تونه تفاوت بزرگی در فروش ایجاد کنه.

سوم: تجربه مشتری بخشی از سیستم توزیع میشه
عامل هوشمند فقط قیمت را بررسی نمی‌کنه. نظر مشتریان، نرخ مرجوعی، سرعت ارسال، اعتبار فروشنده و کیفیت پشتیبانی هم روی پیشنهاد نهایی اثر میذاره. در این فضا تبلیغ بیشتر به‌تنهایی کافی نیست و کل تجربه مشتری باید قابل اعتماد و قابل اندازه‌گیری باشه.

چهارم: برند باید برای ماشین هم قابل فهم باشه
فاندرها سال‌ها برای SEO و شبکه‌های اجتماعی هزینه کردن. حالا یک کانال جدید در حال ساخته شدنه که میشه اسمش را بهینه‌سازی برای Agentها گذاشت. استارتاپ‌ها باید بفهمن محصولاتشان چطور توسط مدل‌های AI کشف، مقایسه و پیشنهاد میشه.

پنجم: قدرت پلتفرم‌ها دوباره جابه‌جا میشه
اگر Agent محصول را پیدا کنه و خرید را جلو ببره بخشی از قدرتی که امروز در اختیار گوگل، آمازون و شبکه‌های اجتماعی هست می‌تونه به دستیارهای هوشمند منتقل بشه. احتمالا رقابت بعدی فقط بر سر فروش محصول نیست و بر سر تبدیل شدن به دروازه تصمیم‌گیری مشتری هم خواهد بود.

به نظر Agentic Commerce می‌تونه یکی از بزرگ‌ترین تغییرات تجارت آنلاین بعد از موبایل باشه.

موبایل مسیر خرید را تغییر داد و Agentها دارن بخش جست‌وجو، مقایسه و تصمیم‌گیری را هم وارد مرحله تازه‌ای می‌کنن و استارتاپ‌هایی که از الان داده، محصول و فرایند فروششان را برای این دنیا آماده کنن احتمالا چند سال دیگه مزیت بزرگی نسبت به بقیه خواهند داشت.

@investingfund

🔖 ایلان ماسک در برابر اکونومیست؛ گفت‌وگویی که باید کامل دید

به‌نظرم گفت‌وگوی اخیر ایلان ماسک با زنی مینتون بدوز، سردبیر اکونومیست، یکی از بهترین مصاحبه‌های امسال با یک کارآفرین بود. مصاحبه‌ای طولانی که از هوش مصنوعی و ربات‌ها شروع می‌شه و در بخش پایانی به یک برخورد فکری جدی درباره سیاست، مهاجرت، رسانه و آزادی بیان می‌رسه.

ارزش اصلی این گفت‌وگو برای من فقط حرف‌های ماسک نبود. اکونومیست هم کار شجاعانه‌ای انجام داد. سردبیر یکی از قدیمی‌ترین رسانه‌های جهان روبه‌روی فردی نشست که بارها رسانه‌های جریان اصلی را به تحریف، سانسور و فاصله گرفتن از مردم متهم کرده. سوال‌های سخت پرسید، چند بار مستقیم باهاش مخالفت کرد و از اون مهم‌تر نسخه کامل گفت‌وگو را منتشر کرد و بخش‌های تند و ناخوشایندش را هم کنار نگذاشت. در دوره‌ای که خیلی از مصاحبه‌ها بریده و براساس روایت مطلوب هر رسانه منتشر می‌شن، همین موضوع ارزش زیادی داره.

ماسک در بخش اول دوباره تصویری بسیار بزرگ از آینده ترسیم می‌کنه. از نگاه اون AI احتمالا طی حدود پنج سال از مجموع هوش انسان‌ها جلو می‌زنه و ترکیب هوش مصنوعی با ربات‌های انسان‌نما می‌تونه اقتصاد را وارد دوره‌ای از فراوانی کنه که در اون بخش بزرگی از کار اختیاری می‌شه. همزمان ریسک فاجعه را هم جدی می‌دونه و قبلا احتمال نتیجه‌ای بسیار خطرناک را بین ۱۰ تا ۲۰ درصد برآورد کرده، اما معتقده این حرکت دیگه عملا متوقف‌شدنی نیست و باید تا جای ممکن مسیرش را درست هدایت کرد.

از بخش‌های جالب دیگه، پیشنهاد اون برای کنترل مدل‌های پیشرفته AI بود. ماسک می‌گه شرکت‌های اصلی باید به شکل منظم درباره خطرهای امنیتی با هم صحبت کنن و قبل از انتشار مدل‌های مرزی، دسترسی محدودی به رقبا بدن تا مشکلات جدی زودتر شناسایی بشه. برای صنعتی که مدیرانش مرتب در شبکه‌های اجتماعی به هم حمله می‌کنن، پیشنهاد همکاری امنیتی میان رقبا اتفاقا نگاه عمل‌گرایانه‌ایه.

اما جذاب‌ترین بخش مصاحبه برای من نیمه پایانی بود. جایی که بحث به دولت، اروپا، مهاجرت، جریان‌های چپ و رسانه‌ها می‌رسه و مصاحبه کم‌کم از یک گفت‌وگوی تکنولوژی به یک جدال واقعی تبدیل می‌شه.

سردبیر اکونومیست ماسک را بابت تصویری که از بریتانیا و اروپا ساخته به چالش می‌کشه و می‌گه بعضی آمارها با روایت اون همخوانی ندارن. ماسک هم جواب می‌ده رسانه‌ها ابعاد مشکلات مهاجرت، امنیت و فاصله فرهنگی را دست‌کم می‌گیرن و بخش بزرگی از مردم اعتمادشان را به روزنامه‌نگاری سنتی از دست داده‌ان. در همین گفت‌وگو درباره کاهش بودجه USAID هم اختلاف جدی شکل می‌گیره و بعضی ادعاهای ماسک مستقیم به چالش کشیده می‌شن. بنابراین قرار نیست همه حرف‌های اون را بدون بررسی پذیرفت.

با این حال در اصل نقد ماسک به رسانه‌ها تا حد زیادی باهاش موافقم. بخشی از رسانه‌های جریان اصلی طی سال‌های گذشته بیش از حد به یک طیف سیاسی، نگاه گلوبالیستی و مجموعه محدودی از روایت‌های قابل قبول نزدیک شدن. نتیجه این شد که خیلی از مردم احساس کردن بعضی موضوع‌ها را نمی‌شه آزادانه مطرح کرد و بعضی دیدگاه‌ها قبل از شنیده شدن حذف یا برچسب‌گذاری می‌شن.

به‌نظرم خرید توییتر و تبدیلش به X یکی از مهم‌ترین کارهای ماسک بود. این پلتفرم بی‌نقص نیست، اطلاعات غلط هم داخلش زیاده و خود ماسک هم گاهی تند و بی‌دقت حرف می‌زنه. اما X بخشی از انحصار رسانه‌ای را شکست و فضایی ساخت که روایت‌های متفاوت، از چپ و راست، امکان دیده شدن و پاسخ گرفتن داشته باشن.

آزادی بیان همیشه مرتب و تمیز نیست. همراه خودش حرف غلط، افراط و محتوای آزاردهنده هم میاره. اما جایگزینش که چند شرکت، دولت یا تحریریه تصمیم بگیرن چه چیزی قابل گفتنه، در بلندمدت خطرناک‌تره. راه مقابله با ادعای غلط، ارائه سند و امکان پاسخ دادنه.

در پایان مصاحبه اختلاف میان دو جهان را خیلی واضح می‌بینیم. اکونومیست نماینده یک رسانه قدیمی و حرفه‌ایه که هنوز به نقش روزنامه‌نگار در پالایش حقیقت باور داره. ماسک هم نماینده نسلیه که می‌گه این دروازه‌بانی بیش از حد قدرت گرفته و مردم باید خودشان امکان دیدن، مقایسه و تصمیم‌گیری داشته باشن.

من در این اختلاف بیشتر به نگاه ماسک نزدیکم شما چطور؟
البته احترامم به اکونومیست بعد از دیدن این مصاحبه بیشتر شد. چون آزادی بیان فقط دفاع از حرفی که دوست داریم نیست. یعنی روبه‌روی کسی بنشینیم که باهاش اختلاف جدی داریم، اجازه بدیم کامل حرف بزنه و بعد با سوال و استدلال جوابش را بدیم.

به‌نظرم با حضور افرادی مثل ایلان ماسک، جهان از فضایی که یک تفکر مسلط برای همه تعیین تکلیف می‌کرد به سمت فضایی با چند تفکر رقیب حرکت می‌کنه. این مسیر قطعا پرتنش و گاهی ناخوشاینده، اما در نهایت می‌تونه جهان آزادتر و بهتری بسازه.

لینک مصاحبه کامل.

@investingfund

🔖 نرم‌افزار بعدی شما شاید فقط یک روز عمر کنه: دوران Disposable Software

تا همین چند سال پیش ساختن نرم‌افزار اون‌قدر گرون و زمان‌بر بود که تقریبا هر پروژه باید یک توجیه اقتصادی جدی می‌داشت. تیم فنی، طراحی، چند ماه توسعه و بعد هم هزینه نگهداری. طبیعی بود که نرم‌افزار برای هزاران مشتری ساخته بشه و قرار باشه سال‌ها زنده بمونه.

اما AI داره اقتصاد ساخت نرم‌افزار را عوض می‌کنه و یک مفهوم خیلی جالب به اسم Disposable Software داره جدی میشه؛ نرم‌افزاری که ممکنه فقط برای یک نفر، یک کار مشخص یا حتی فقط برای چند ساعت ساخته بشه و بعد دیگه بهش نیازی نداشته باشیم.

این ایده را Anish Acharya از a16z مطرح کرده. خودش برای بچه‌هاش یک بازی ریاضی ساخته تا با حل مسئله Screen Time بگیرن و یک Instagram کوچک فقط برای عکس‌های گربه خانواده ساخته. قبلا نوشتن هزاران خط کد برای سه نفر هیچ منطقی نداشت. الان چیزی که شاید چند هفته زمان می‌برد، با ابزارهایی مثل Claude Code، Codex، Cursor و Replit می‌تونه در چند ساعت ساخته بشه.

مثال‌های جدی‌ترش حتی جالب‌تره. Tobi Lutke، فاندر Shopify، یک Dashboard اختصاصی برای دیدن MRI خودش ساخت؛ کاری که قبلا احتمالا باید با نرم‌افزار تخصصی انجام می‌شد. افراد دیگه دارن ابزارهای شخصی برای تحلیل اطلاعات، پیشنهاد فیلم، مدیریت پروژه یا حتی اجرای یک کمپین تبلیغاتی می‌سازن.

به نظرم اینجا اتفاق خیلی بزرگ‌تری از سریع‌تر شدن برنامه‌نویسی در حال رخ دادنه.
تا امروز وقتی یک تیم نیاز خاصی داشت معمولا سه انتخاب داشت: Excel، خرید یک SaaS که شاید فقط ۳۰ درصد نیازش را پوشش بده یا درخواست از تیم فنی و چند ماه انتظار.
حالا گزینه چهارمی اضافه شده: همین الان نرم‌افزار خودت را بساز.

مثلا یک مدیر فروش می‌تونه برای یک کمپین دو هفته‌ای CRM کوچیک خودش را بسازه. یک تحلیلگر برای یک Deal ابزار مخصوص تحلیل داده درست کنه. یک شرکت برای مهاجرت اطلاعاتش یک Dashboard بسازه که بعد از اتمام پروژه حذف بشه. حتی یک نفر برای برنامه سفر خانوادگی خودش یک App اختصاصی داشته باشه.

داده‌های Anthropic هم نشون میدن این مسیر خیلی سریع در حال جلو رفتنه. اون‌ها حدود ۴۰۰ هزار Session در Claude Code را بررسی کردن. به‌طور میانگین انسان حدود ۷۰٪ تصمیم‌های مربوط به اینکه چه چیزی ساخته بشه را گرفته، اما Claude حدود ۸۰٪ تصمیم‌های مربوط به نحوه اجرا را انجام داده. جالب‌تر اینکه افراد خارج از مشاغل نرم‌افزاری هم در بسیاری از کارهای Coding تقریبا به نرخ موفقیت مهندسان نرم‌افزار رسیدن.

از نظر من این تغییر چند پیام خیلی مهم برای استارتاپ‌ها داره:

- اول اینکه کد داره بخش کمتری از مزیت رقابتی میشه. اگر مشتری بتونه نسخه ساده محصول شما را آخر هفته برای خودش بسازه، داشتن Feature بیشتر به تنهایی دفاع خوبی نیست. Distribution، Data، Brand، Network Effect و قرار گرفتن عمیق داخل Workflow مشتری اهمیت بیشتری پیدا می‌کنه.

- دوم اینکه احتمالا تعداد نرم‌افزارهایی که در دنیا ساخته میشن چندین برابر میشه. a16z این اتفاق را با YouTube مقایسه می‌کنه. زمانی ساخت ویدیو در اختیار استودیوها بود، بعد دوربین و YouTube باعث شدن میلیون‌ها نفر Creator بشن. حالا ممکنه همین اتفاق برای Software بیفته و هر کسی که یک مسئله را خوب می‌شناسه بتونه Builder هم باشه.

- سوم اینکه بخشی از SaaSهای ساده احتمالا تحت فشار قرار می‌گیرن. مخصوصا محصولاتی که چند فرم، یک Database، Dashboard و Workflow ساده هستن. چرا باید برای پنج سال Subscription بدیم اگر نسخه‌ای دقیقا متناسب با نیاز خودمون را بشه در چند ساعت ساخت؟

البته خیلی از نرم‌افزارهای مهم همچنان باید دائمی، امن و قابل اعتماد باشن. کسی احتمالا سیستم حقوق و دستمزد، بانک یا زیرساخت بیمارستان را برای یک روز نمی‌سازه. ولی در Long Tail بازار، میلیون‌ها نرم‌افزار وجود دارن که تا امروز اصلا ساخته نمی‌شدن چون ارزش ساختن نداشتن.

به نظرم این بخش هیجان‌انگیز ماجراست. ما احتمالا وارد دوره‌ای می‌شیم که نرم‌افزار مثل یک محصول صنعتی کمیاب دیده نمیشه و بیشتر شبیه یک ابزار روزمره میشه؛ چیزی که هر وقت لازم داریم می‌سازیم، استفاده می‌کنیم و شاید فرداش دور میندازیم.

برای فاندرها سوال مهم اینه: اگر ساخت نرم‌افزار تقریبا رایگان بشه، چه چیزی در استارتاپ شما هنوز مزیت شماس و ارزشمند باقی می‌مونه؟

@Investingfund

🔖 اگر VCها استارتاپ‌ها را شانسی انتخاب کنن، چقدر نتیجه فرق می‌کنه؟

یکی از جالب‌ترین و البته جنجالی‌ترین تحقیق‌هایی که اخیرا درباره سرمایه‌گذاری خطرپذیر دیدم، دقیقا همین سوال رو بررسی کرده: آیا VCها واقعا در پیدا کردن استارتاپ‌های موفق مهارت دارن یا بخش بزرگی از موفقیت اون‌ها شانسه؟ پژوهشگرها اطلاعات ۲۶,۵۲۲ استارتاپ و ۸,۲۴۹ سرمایه‌گذار را بررسی کردن و پورتفولیو واقعی هر VC را با پورتفولیوهایی مقایسه کردن که به شکل تصادفی ساخته شده بودن. البته تصادفی به این معنی نیست که هر استارتاپی را شانسی انتخاب کرده باشن؛ سال سرمایه‌گذاری، صنعت، جغرافیا و تعداد سرمایه‌گذاری‌ها ثابت بوده و فقط شرکت انتخاب‌شده با یک استارتاپ مشابه عوض شده. این کار برای هر سرمایه‌گذار ۱۰۰۰ بار تکرار شده.

نتیجه تحقیق واقعا جالبه: عملکرد پورتفولیو واقعی VCها تفاوت خیلی زیادی با پورتفولیوهای تصادفی نداشته و وقتی مشخصا Home Runها (سرمایه‌گذاری‌هایی با بازده خیلی بزرگ) را بررسی کردن، شواهد محکمی پیدا نکردن که VCها در پیدا کردن اون‌ها بهتر از انتخاب تصادفی باشن. حتی بعضی از بهترین پورتفولیوهای واقعی هم خیلی بهتر از بهترین پورتفولیوهای تصادفی نبودن. یعنی ممکنه بخشی از داستان‌هایی که سال‌ها بعد می‌شنویم که فلان سرمایه‌گذار «Uber را قبل از بقیه فهمید» یا «Airbnb رو وقتی هیچ‌کس باور نداشت پیدا کرد»، بیشتر از چیزی که فکر می‌کنیم پای شانس وسطش باشه.

البته مدل خود Venture Capital هم این موضوع رو تشدید می‌کنه. یک صندوق ممکنه روی ۲۰ استارتاپ سرمایه‌گذاری کنه، بیشتر اون‌ها شکست بخورن یا بازده معمولی داشته باشن و فقط یک شرکت ۵۰ یا ۱۰۰ برابر بشه و بخش بزرگی از کل بازده صندوق را بسازه. وقتی نتیجه تا این حد به یکی دو شرکت وابسته هست، طبیعیه که شانس هم نقش خیلی بزرگی داشته باشه. بعد از موفقیت هم داستان خیلی واضح به نظر میرسه؛ می‌گیم بازار بزرگ بود، فاندر عالی بود و محصول مشخص بود که می‌گیره، ولی ده‌ها یا صدها شرکت دیگه با داستان‌های تقریبا مشابه را که شکست خوردن فراموش می‌کنیم. این همون Survivorship Bias (تمرکز روی برنده‌ها و فراموش کردن شکست‌خورده‌ها) هست.

البته این تحقیق نمیگه VCها هیچ مهارتی ندارن و محدودیت‌های جدی هم داره. مثلا بازده واقعی سرمایه‌گذارها را نداشته و برای سنجش موفقیت بیشتر به میزان سرمایه جذب‌شده در Round بعدی نگاه کرده. درصد مالکیت، قیمت واقعی سهام، شرایط قرارداد و مبلغ Exit هم کامل در دسترس نبوده. از طرف دیگه یکی از مهم‌ترین مزیت‌های یک VC خوب Access (دسترسی به فرصت‌های سرمایه‌گذاری) هست. مثلا Sequoia ممکنه اصلا به Dealهایی دسترسی داشته باشه که بیشتر صندوق‌ها هیچ‌وقت فرصت دیدنش را پیدا نمی‌کنن. Network، اعتبار و اینکه بهترین فاندرها حاضر باشن اول با شما صحبت کنن خودش بخش مهمی از بازی هست و این تحقیق کامل نمی‌تونه اون رو اندازه بگیره.

کار VC بعد از سرمایه‌گذاری هم تموم نمیشه. معرفی مشتری، پیدا کردن آدم‌های خوب، کمک در Round بعدی و حتی اسم سرمایه‌گذار می‌تونه روی مسیر استارتاپ اثر بذاره. با این حال به نظرم پیام اصلی تحقیق همچنان مهمه:

ما احتمالا توانایی خودمون در پیش‌بینی آینده را بیشتر از چیزی که واقعا هست تخمین می‌زنیم.

برای فاندرها هم این نکته مهمه که رد شدن توسط یک VC، حتی یک VC خیلی معتبر، حکم نهایی درباره آینده استارتاپ شما نیست. سرمایه‌گذار هم با اطلاعات محدود داره درباره آینده‌ای تصمیم می‌گیره که ذاتا خیلی سخت قابل پیش‌بینی هست.

به نظرم برای خود VCها هم کمی تواضع بد نیست! شاید بخش مهمی از موفقیت در VC کمتر از چیزی که دوست داریم به «توانایی پیش‌بینی آینده» مربوط باشه و بیشتر به ساختن پورتفولیو درست، دسترسی به دیل‌های خوب، کمک واقعی بعد از سرمایه‌گذاری و البته مقداری شانس برگرده. این تحقیق جواب نهایی بحث Skill vs Luck (مهارت در برابر شانس) نیست، ولی یک سوال خیلی جدی جلوی صنعت VC میذاره:
اگر انتخاب یک VC خیلی بهتر از انتخاب تصادفی نیست، ارزش اصلی VC دقیقا کجاست؟

📎 مقاله کامل

@investingfund

🔖 چه خبر از استارتاپ ما Evalyze؟

خیلی از دوستان قدیمی این مدت لطف داشتن و پیگیر بودن که Evalyze، استارتاپی که حدود یک سال پیش لانچ کردیم، به کجا رسیده.

برای همین تصمیم گرفتم از این به بعد هر از گاهی یه آپدیت از مسیر رشد استارتاپمون و چیزهایی که تو این مسیر یاد گرفتیم اینجا هم به اشتراک بذارم. شاید این تجربه‌ها به درد کسی بخوره که خودش درگیر ساختن یه استارتاپه.

🔸 ما Evalyze رو با ایده خودکارسازی فرایند جذب سرمایه استارتاپ‌ها شروع کردیم. تو این یک سال اتفاقات زیادی برامون افتاد که فکر می‌کنم گفتن بعضی‌هاشون خالی از لطف نباشه.

اول کار، فقط یه ابزار برای بررسی و ارزیابی پیچ‌دک داشتیم که براساس داده‌های ۸۰۰۰ استارتاپ واقعی آموزش دیده بود و هر استارتاپ رو با نمونه‌های مشابه مقایسه می‌کرد.

بعد ابزار Pitch Deck Coach رو اضافه کردیم که مثل یه کوچ باتجربه، پیچ‌دک رو اسلایدبه‌اسلاید بررسی می‌کنه، ایرادهاش رو می‌گه و برای بهتر شدن هر بخش پیشنهاد می‌ده.

قدم بعدی این بود که بریم سراغ خود فرایند جذب سرمایه. استارتاپ‌ها با کمک پروفایل و پیچ‌دکشون می‌تونستن سرمایه‌گذارهای مناسب خودشون رو پیدا کنن و باهاشون ارتباط بگیرن.

اول با حدود ۱۰۰۰ سرمایه‌گذار، عمدتا در آمریکا، شروع کردیم. الان کاربران Evalyze به بیش از ۱۵ هزار سرمایه‌گذار استارتاپی دسترسی دارن؛ از پارتنرهای VCها گرفته تا Angel Investorها.

در این یک سال به طور میانگین ماهانه ۳۰ درصد رشد کردیم و تعداد استارتاپ‌های پلتفرم به ۱۲۵۰۰ رسید. براساس صحبت‌هایی هم که با فاندرها داشتیم، تخمین می‌زنیم تا امروز به حدود ۵۰ میلیون دلار جذب سرمایه برای اون‌ها کمک کرده باشیم.

🔸 اما شاید مهم‌ترین اتفاق بعد از لانچ این بود که با فاندرها و VCها بیشتر صحبت کردیم و فهمیدیم صرفا داشتن یه ابزار یا AI Tool برای جذب سرمایه کافی نیست.

این ابزارها می‌تونن سرعت و کیفیت کار رو خیلی بهتر کنن، ولی بیشتر فاندرها در نهایت به یه تیم یا سرویس حرفه‌ای نیاز دارن که تا خود جذب سرمایه کنارشون باشه.

این موضوع همزمان شد با موج «Services as Software» و یه واقعیت مهم:

دیگه مزیت اصلی یا همون Moat فقط نرم‌افزار نیست؛ نتیجه‌ایه که برای مشتری می‌سازی.

برای همین چند ماه پیش سرویس Managed Fundraising رو به‌صورت آزمایشی شروع کردیم. برای این سرویس مجموعه‌ای از ایجنت‌های هوش مصنوعی ساختیم که بخش‌های مختلف فرایند جذب سرمایه رو از صفر تا صد انجام می‌دن. ما هم به‌عنوان تیم، این ایجنت‌ها رو مدیریت می‌کنیم و کنترل نهایی و کیفیت کار با خودمونه.

تا الان این سرویس رو با ۱۴ تیم جلو بردیم و پیش‌بینیمون اینه که بتونیم در ادامه با تیم‌های خیلی بیشتری کار کنیم. با سرعتی که تعداد استارتاپ‌ها داره رشد می‌کنه و نیازی که تقریبا همه‌شون به جذب سرمایه دارن، فکر می‌کنیم بازار خیلی بزرگی پیش رومونه.

البته اشتباه هم کم نکردیم و همه‌چیز طبق برنامه جلو نرفته، ولی یادگیری این مسیر برای خود من خیلی زیاد بوده؛ به‌خصوص اینکه بعد از ۱۰ سال فعالیت به‌عنوان سرمایه‌گذار، این بار خودم شدم فاندر یه استارتاپ، اون هم در بازار آمریکای شمالی که اول مسیر شناخت زیادی ازش نداشتم.

سعی می‌کنم از این به بعد بیشتر از اشتباه‌ها، تجربه‌ها و چیزهایی که تو این مسیر یاد گرفتیم بنویسم.

اگر سوالی هم درباره Evalyze یا مسیرمون داشتید، خوشحال می‌شم بپرسید.

ارادت

@investingfund

🔖 ۲۰۲۶؛ بهترین شروع تاریخ VC، بدترین سال برای خیلی از استارتاپ‌ها!

اگر فقط تیتر خبرهای سرمایه‌گذاری خطرپذیر رو ببینیم، احتمالاً باید فکر کنیم ۲۰۲۶ یکی از بهترین زمان‌های تاریخ برای جذب سرمایه است.
طبق داده‌های Crunchbase، فقط در نیمه اول ۲۰۲۶ حدود ۵۱۰ میلیارد دلار روی استارتاپ‌ها سرمایه‌گذاری شده؛ عددی که نه تنها رکورد تاریخی برای یک بازه شش‌ماهه است، بلکه از کل سرمایه‌گذاری سال ۲۰۲۵، حدود ۴۴۰ میلیارد دلار، هم بیشتره.

رکورد قبلی یک نیم‌سال مربوط به نیمه دوم ۲۰۲۱ با حدود ۳۷۵ میلیارد دلار بود. یعنی رکورد قبلی تقریباً ۳۶٪ شکسته شده.
حتی اگر فقط آمریکا رو نگاه کنیم، داستان عجیب‌تر میشه. براساس داده‌های PitchBook و NVCA، استارتاپ‌های آمریکایی در همین شش ماه ۴۱۲.۷ میلیارد دلار سرمایه جذب کردن؛ بیشتر از هر سال کامل دیگری در تاریخ VC آمریکا، حتی بیشتر از رکورد سال ۲۰۲۱.
پس ظاهرا پول به بازار VC برگشته، آن هم با قدرت.

اما مشکل اینجاست که این پول به بازار برگشته، نه لزوما به همه استارتاپ‌ها

چند عدد تصویر واقعی‌تری از اتفاقی که داره میفته نشون میده:

- فقط OpenAI و Anthropic حدود ۲۱۷ میلیارد دلار در نیمه اول سال جذب کردن؛ یعنی ۴۳٪ کل سرمایه VC دنیا فقط به دو شرکت رسیده!
در آمریکا بیش از ۸۱٪ کل سرمایه‌گذاری VC نیمه اول سال مربوط به راندهای بالای ۱۰۰ میلیون دلار بوده.
- طبق گزارش KPMG، در سه‌ماهه اول سال فقط ۱۰ راند بالای ۲ میلیارد دلار، بیش از ۲۰۶ میلیارد دلار سرمایه جذب کردن. یعنی تعداد انگشت‌شماری سرمایه‌گذاری، بخش بزرگی از کل بازار رو ساخته‌اند.
- در همون فصل، سرمایه‌گذاری جهانی از ۱۲۸.۶ میلیارد دلار به ۳۳۰.۹ میلیارد دلار رسید، اما تعداد سرمایه‌گذاری‌ها از ۱۰,۰۹۷ به ۸,۴۶۴ کاهش پیدا کرد. یعنی بیش از دو برابر پول وارد بازار شد، در حالی که تعداد سرمایه‌گذاری‌ها حدود ۱۶٪ کمتر شد.

این شاید مهم‌ترین تغییر بازار VC امروز باشه؛ VCها لزوما روی شرکت‌های بیشتری سرمایه‌گذاری نمی‌کنن، بلکه روی تعداد کمتری شرکت شرط‌های خیلی بزرگ‌تری می‌بندن.
و البته بخش بزرگی از این داستان به AI برمی‌گرده.

همچنین Carta گزارش کرده که در سه‌ماهه اول سال بیش از ۶۰ سنت از هر یک دلار سرمایه VC روی پلتفرمش به شرکت‌های AI رسیده که بالاترین سهم ثبت‌شده تا امروز بوده. حتی داخل SaaS، حدود ۸۳٪ سرمایه به شرکت‌های AI اختصاص پیدا کرده.
اختلاف ارزش‌گذاری‌ها شاید عجیب‌تر هم باشه. میانه ارزش‌گذاری یک شرکت Foundation Model در مرحله سری A حدود ۳۰۰ میلیون دلار بوده، در حالی که برای یک استارتاپ غیر AI در همان مرحله حدود ۵۵ میلیون دلار بوده.
یعنی تقریبا دو بازار کاملا متفاوت زیر یک عنوان مشترک به اسم Venture Capital شکل گرفته.

البته این به معنی مرده بودن بقیه بازار نیست. سرمایه‌گذاری در مراحل مختلف افزایش پیدا کرده، IPO و ادغام و تملیک هم بعد از چند سال دوباره جان گرفتن و حوزه‌هایی مثل Defense Tech، Robotics، زیرساخت AI، سخت‌افزار و Healthcare هم راندهای بزرگی دیدن. اما توزیع پول به شکل عجیبی نامتوازن شده.

به نظرم این اتفاق برای بنیان‌گذارها یک پیام مهم داره:

چند سال قبل وقتی می‌گفتیم «بازار VC خوبه»، معمولاً بخش بزرگی از استارتاپ‌ها تا حدی اثرش رو احساس می‌کردن. امروز ممکنه همزمان بهترین بازار تاریخ برای یک استارتاپ AI خاص و یکی از سخت‌ترین بازارها برای یک SaaS معمولی وجود داشته باشه.
یعنی ممکنه هر روز خبر راندهای ۵۰۰ میلیون، ۲ میلیارد یا حتی ۶۰ میلیارد دلاری ببینیم، ولی بنیان‌گذار یک استارتاپ خوب ماه‌ها درگیر جذب سرمایه باشه و نتونه راند خودش رو ببنده.

برای همین فکر می‌کنم سؤال درست در ۲۰۲۶ دیگه این نیست که:
«آیا پول به VC برگشته؟» پول قطعا برگشته.
سؤال مهم‌تر اینه که:
«سرمایه‌گذاران الان دنبال چه شرکت‌هایی هستن و آیا استارتاپ ما جزو اون‌هاست؟»
شاید این عجیب‌ترین ویژگی بازار ۲۰۲۶ باشه؛ هیچ‌وقت این‌قدر پول در بازار VC نبوده، ولی برای خیلی از بنیان‌گذارها هیچ‌وقت این‌قدر احساس کمبود پول وجود نداشته.

@investingfund

🔖 بعد از AI Agentها، نوبت ربات‌هاست؛ چرا VCها دارن به سمت Physical AI می‌رن؟

چند سال اخیر تقریبا تمام هیجان AI حول مدل‌های زبانی، چت‌بات‌ها و Agentها بود. اما جریان سرمایه داره نشون می‌ده که موج بعدی AI احتمالا قرار نیست فقط روی مانیتور باقی بمونه.

این موج جدید Physical AI یا Embodied AI نام داره؛ ماشین‌هایی که می‌تونن محیط واقعی رو ببینن، درکش کنن، تصمیم بگیرن و بعد واقعا کاری انجام بدن.

البته Physical AI فقط ربات‌های انسان‌نمایی نیست که توی ویدئوها راه می‌رن و می‌رقصن. خودروهای خودران، پهپادها، ربات‌های انبار و کارخانه، تجهیزات کشاورزی، ربات‌های جراحی و حتی دوربین‌های هوشمند هم بخشی از این بازار هستن.

📊 عددها هم رشد عجیبی رو نشون می‌دن:

طبق داده‌های Crunchbase، استارتاپ‌های رباتیک تا اواخر ژوئن ۲۰۲۶ حدود ۱۸.۸ میلیارد دلار سرمایه جذب کردن؛ بیشتر از کل سال ۲۰۲۵ با ۱۵ میلیارد دلار و حتی بالاتر از رکورد ۱۴.۱ میلیارد دلاری سال ۲۰۲۱:

🔸 شرکت Saronic که روی کشتی‌های خودران نظامی کار می‌کنه، ۱.۷۵ میلیارد دلار جذب کرد و به ارزش‌گذاری ۹.۲۵ میلیارد دلاری رسید.
🔸 شرکت Skild AI برای ساخت یک «مغز عمومی» که بتونه انواع مختلف ربات‌ها رو کنترل کنه، ۱.۴ میلیارد دلار گرفت و ارزشش از ۱۴ میلیارد دلار عبور کرد.
🔸 شرکت آلمانی Neura Robotics هم برای توسعه زیرساخت هوش مصنوعی ربات‌ها، راندی تا سقف ۱.۴ میلیارد دلار بست.

گزارش جدید SVB هم نشون می‌ده از هر پنج VC، یکی حالا حداقل ۱۰ درصد معاملاتش در آمریکا رو به شرکت‌های Hardware اختصاص می‌ده؛ سهمی که از سال ۲۰۲۲ بیشتر از دو برابر شده.

اما چرا الان؟

اول اینکه مدل‌های AI دیگه فقط متن رو نمی‌فهمن. مدل‌های Multimodal می‌تونن تصویر، ویدئو، صدا و داده سنسورها رو هم پردازش کنن و به ماشین کمک کنن محیط اطرافش رو بهتر بفهمه.

دوم اینکه با Simulation و Reinforcement Learning می‌شه ربات‌ها رو قبل از ورود به دنیای واقعی، میلیون‌ها بار در محیط مجازی آموزش داد. کاری که هزینه و ریسک توسعه رو به‌شدت پایین میاره.

سوم هم کاهش هزینه Hardware و کمبود نیروی انسانی برای کارهای تکراری، سخت یا خطرناکه. کارخانه‌ها، انبارها، مزارع، مراکز درمانی و صنایع دفاعی حاضرن برای اتوماسیونی که واقعا کار کنه، پول جدی بدن.

نکته مهم اینه که Moat (مزیت رقابتی پایدار) در این حوزه فقط یک مدل AI نیست. ترکیب سخت‌افزار، نرم‌افزار، داده‌های واقعی و تجربه استقرار باعث می‌شه کپی کردن این شرکت‌ها خیلی سخت‌تر از ساختن یک AI Tool دیگه باشه.

البته هنوز فاصله زیادی بین نمونه‌های نمایشی جذاب و محصولی که هر روز بدون خطا در کارخانه یا بیمارستان کار کنه وجود داره.

گزارش Bessemer وضعیت فعلی رباتیک رو شبیه دوران GPT-2.5 می‌دونه؛ توانایی‌ها واقعی شدن، ولی هنوز با نقطه انفجار عمومی فاصله داریم.
برای همین احتمالا برنده‌های اول این بازار، ربات‌های همه‌کاره و انسان‌نما نیستن. ربات‌های تخصصی که یک کار مشخص، تکراری و پرهزینه رو بهتر از انسان انجام می‌دن، شانس بیشتری برای ساختن یک بیزینس واقعی دارن.

به نظرم موج اول AI کارهای پشت کامپیوتر رو تغییر داد و موج بعدی قراره وارد کارخانه، انبار، مزرعه، بیمارستان و دنیای واقعی بشه.
شاید بزرگ‌ترین شرکت‌های AI آینده، چت‌بات‌های جدید نباشن؛ بلکه ماشین‌هایی باشن که واقعا چیزی رو جابه‌جا، تولید، تعمیر یا حتی جراحی می‌کنن.

@investingfund

🔖 دستاورد تاریخی واکسن سرطان و رشد ۱۷۷ درصدی سهام Moderna

چند روز پیش یه ویدیو دیدم با این عنوان که «اولین واکسن سرطان جواب داد» و کنجکاو شدم ببینم پشت این تیتر چیه و پیشرفت درمان سرطان واقعا تا کجا رسیده. هرچقدر بیشتر خوندم دیدم داستان از چیزی که در عنوان ویدیو گفته شده مهم‌تره همین هفته شرکت Moderna که بیشتر با واکسن mRNA کرونا شناخته می‌شه و شرکت دارویی Merck اعلام کردن واکسن شخصی‌سازی‌شده سرطانشون در اولین مطالعه بزرگ مرحله سوم یا Phase 3 به نتیجه مثبت رسیده!

البته این اولین واکسن سرطان تاریخ نیست و برای افراد سالم هم ساخته نشده. اتفاق تاریخی اینه که برای اولین بار یک واکسن شخصی‌سازی‌شده با فناوری RNA پیام‌رسان یا mRNA در یک مطالعه بزرگ Phase 3 موفق شده. مرحله سوم معمولا آخرین آزمایش بزرگ یک دارو روی تعداد زیادی بیمار پیش از درخواست مجوز تجاریه.
اسم این واکسن Intismeran هست و برای هر بیمار جداگانه ساخته می‌شه. پزشک‌ها ابتدا بافت تومور رو بررسی می‌کنن و جهش‌های خاص همون سرطان رو پیدا می‌کنن و بعد یک واکسن با حداکثر ۳۴ نشانه اختصاصی می‌سازن تا سیستم ایمنی یاد بگیره دقیقا باید دنبال چه سلول‌هایی بگرده. یعنی برخلاف واکسن‌های معمولی که برای همه یکسان هستن این واکسن برای سرطان هر فرد طراحی می‌شه.

در کنار واکسن از داروی Keytruda ساخت شرکت Merck استفاده می‌شه. Keytruda یا Pembrolizumab یک داروی ایمنی‌درمانی (Immunotherapy) است که پروتئین PD-1 یا همان ترمز سلول‌های دفاعی بدن را مسدود می‌کند تا سیستم ایمنی دوباره بتواند سلول‌های سرطانی را تشخیص بدهد و به آن‌ها حمله کند.
این دارو طی دهه اخیر یکی از مهم‌ترین پیشرفت‌ها در درمان سرطان بوده و در سرطان ریه، ملانوم، کلیه، مثانه و چندین سرطان دیگه استفاده می‌شه. در بعضی از انواع سرطان ریه Keytruda حتی به درمان اصلی خط اول تبدیل شده و نتایج بهتری از شیمی‌درمانی به‌تنهایی داشته.

هنوز میزان دقیق این اثر و نتیجه نهایی روی طول عمر بیماران منتشر نشده و واکسن هم مجوز تجاری نگرفته. با این حال داده‌های مطالعه کوچک‌تر Phase 2 نشان داده بود که این ترکیب بعد از پنج سال خطر بازگشت سرطان یا مرگ رو ۴۹ درصد و خطر متاستاز دوردست یا مرگ رو ۵۹ درصد کاهش داده.
بازار هم واکنش کم‌سابقه‌ای به این خبر نشون داد و سهام Moderna در روز انتشار نتایج از ۶۲.۹۶ دلار به ۱۷۴.۳۸ دلار رسید که رشد ۱۷۷ درصدی بود و حدود ۴۴ میلیارد دلار به ارزش بازار شرکت اضافه کرد. سهام Merck هم حدود ۱۲ درصد رشد کرد.

برای خود من بخش Keytruda این داستان جذاب‌تر بود چون ما سال‌ها قبل در VC لوتوس روی توسعه یک داروی ایرانی با مکانیسمی مشابه Keytruda سرمایه‌گذاری کرده بودیم و اخیرا متوجه شدم اون پروژه به مرحله تجاری‌سازی رسیده. اون زمان Immunotherapy هنوز یک حوزه تحقیقاتی پرریسک بود ولی امروز به یکی از ستون‌های اصلی درمان سرطان تبدیل شده
درمان سرطان از مسیرهای دیگه هم به‌سرعت جلو رفته. در درمان TIL سلول‌های ایمنی موجود داخل تومور بیمار رو جدا می‌کنن و بعد از تکثیر در آزمایشگاه دوباره به بدن برمی‌گردونن. داروهای ADC یا آنتی‌بادی متصل به دارو هم مثل یک موشک هدایت‌شونده عمل می‌کنن و داروی شیمی‌درمانی رو مستقیم به سلول سرطانی می‌رسونن تا آسیب کمتری به بافت سالم وارد بشه.

نقش AI هم داره واقعی‌تر می‌شه. کاربردش فعلا درمان سرطان با یک چت‌بات نیست بلکه پیدا کردن بهترین جهش‌ها برای واکسن هر بیمار، پیش‌بینی پاسخ به Immunotherapy و طراحی سریع‌تر مولکول‌های داروییه. در پژوهشی که موسسه ملی سرطان آمریکا (NCI) گزارش کرده مدل AI به نام SCORPIO با اطلاعات نزدیک به ۱۰ هزار بیمار و ۲۱ نوع سرطان در پیش‌بینی نتیجه Immunotherapy از بعضی آزمایش‌های رایج بهتر عمل کرده.

در سمت استارتاپ‌ها هم Evaxion از AI برای انتخاب اهداف واکسن شخصی‌سازی‌شده استفاده می‌کنه، Iambic با کمک AI مولکول‌های جدید دارویی طراحی می‌کنه و Noetik با ساخت مدل‌های سلول مجازی تلاش می‌کنه واکنش تومور به دارو رو قبل از آزمایش روی بیمار شبیه‌سازی کنه

به نظرم اتفاق مهم اینه که سرطان دیگه یک بیماری واحد دیده نمی‌شه بلکه مجموعه‌ای از صدها بیماری مولکولی متفاوته و شاید آینده درمانش هم یک واکسن عمومی برای همه نباشه بلکه برای هر بیمار ترکیب متفاوتی از واکسن، دارو و سلول‌های ایمنی ساخته بشه. هنوز با درمان قطعی سرطان فاصله داریم ولی ترکیب mRNA و Immunotherapy و AI داره از وعده‌های آزمایشگاهی وارد نتایج واقعی می‌شه و فکر می‌کنم این تازه اول داستانه درمان سرسخت‌ترین بیماری بشر هست.

@investingfund

🔖 هوش مصنوعی گوگل ورودی وبسایت‌ها را نصف کرده! راه حل چیست؟

تا همین دو سال پیش رقابت اصلی این بود که لینک سایت ما در صفحه اول گوگل بالاتر از بقیه قرار بگیره. حالا گوگل با خلاصه‌های هوش مصنوعی یا AI Overviews جواب را بالای صفحه می‌نویسه و خیلی از کاربران دیگه دلیلی برای باز کردن لینک‌ها نمی‌بینن!

تحقیق Pew رفتار ۹۰۰ کاربر در نزدیک به ۶۹ هزار جستجو را بررسی کرده. وقتی خلاصه AI نمایش داده شده کاربران فقط در ۸ درصد جستجوها روی یکی از نتایج کلیک کردن در حالی که بدون خلاصه AI این عدد ۱۵ درصد بوده. عجیب‌تر اینکه فقط در یک درصد جستجوها روی منابعی که خود AI معرفی کرده کلیک شده، تحقیق جدیدتر Ahrefs روی ۳۰۰ هزار کلمه کلیدی هم نشون می‌ده نمایش AI Overview به‌طور میانگین کلیک روی نتیجه اول گوگل را ۵۸ درصد کاهش داده.

واقعیت اینه که SEO نمرده ولی هدفش در حال تغییر کردنه. قبلا باید در لینک‌های گوگل رتبه می‌گرفتیم و حالا باید کاری کنیم خود AI اسم برند یا محتوای ما را داخل جوابش بیاره و ترجیحا به‌عنوان منبع هم معرفی کنه. به این حوزه AI Visibility یا گاهی GEO می‌گن یعنی بهینه‌سازی برای دیده‌شدن در جواب‌های تولیدشده با AI
اما چطور می‌شه در سرچ AI دیده شد؟

- جواب اصلی را همون اول بدید
مقاله‌ای که بعد از چند پاراگراف مقدمه تازه به اصل موضوع می‌رسه شانس کمتری برای انتخاب شدن داره. بهتره هر بخش با یک سوال واقعی شروع بشه و جواب کوتاه و شفاف همون ابتدا بیاد و بعد با آمار، مثال یا جدول کامل‌تر بشه

- چیزی منتشر کنید که AI خودش نتونه بسازه
داده اختصاصی، تجربه واقعی، نتیجه آزمایش، مطالعه موردی، مقایسه محصول و نظر متخصص ارزش خیلی بیشتری از مقاله‌های عمومی مثل «۱۰ راه برای موفقیت در کسب‌وکار» دارن. خود گوگل هم در راهنمای جدیدش گفته بازنویسی چیزهایی که قبلا همه گفتن مزیت خاصی در سرچ AI ایجاد نمی‌کنه

- به‌جای یک کلمه کلیدی کل سوال مشتری را پوشش بدید
گوگل برای ساخت جواب AI یک سوال را به چند سوال مرتبط تقسیم می‌کنه که به این کار Query fan-out می‌گه. مثلا کسی که درباره بهترین CRM می‌پرسه احتمالا قیمت، امنیت، جایگزین‌ها و مناسب بودنش برای شرکت کوچک را هم می‌خواد بدونه، تحقیق Ahrefs روی چهار میلیون منبع AI Overview نشون داده فقط ۳۸ درصد منابع معرفی‌شده همزمان بین ۱۰ نتیجه اول همون جستجو بودن. بقیه از نتایج پایین‌تر یا سوال‌های مرتبطی اومدن که AI در پشت صحنه جستجو کرده

- بیرون از سایت خودتون دیده بشید
در بررسی ۷۵ هزار برند، تعداد دفعاتی که یک برند در YouTube دیده یا شنیده شده بیشترین ارتباط را با حضورش در جواب‌های AI داشته و بعد از اون اشاره به برند در سایت‌ها و منابع مختلف قرار گرفته. تعداد صفحات سایت و حتی تعداد بک‌لینک‌ها ارتباط خیلی ضعیف‌تری داشتن، یعنی بررسی محصول در YouTube، حضور در پادکست‌ها، مقالات رسانه‌ها، سایت‌های مقایسه، انجمن‌های تخصصی و نظر واقعی مشتری‌ها می‌تونه از انتشار ده‌ها مقاله عمومی روی سایت خودتون موثرتر باشه. البته این داده‌ها همبستگی را نشون می‌دن و رابطه علت و معلولی قطعی نیستن

- سراغ راه‌حل‌های جادویی نرید
طبق راهنمای رسمی گوگل فایل llms.txt یا یک Schema مخصوص AI کمکی به دیده‌شدن در AI Overviews نمی‌کنه. صفحه باید قابل Crawl و Index باشه، متن اصلی داخل خود صفحه قرار گرفته باشه، لینک‌سازی داخلی درست داشته باشه و اطلاعات ساختاریافته با محتوای قابل مشاهده هماهنگ باشه

- به‌جای رتبه فقط حضور برند را اندازه بگیرید
گوگل به‌تازگی گزارش Generative AI را به‌صورت آزمایشی به Search Console اضافه کرده که نشون می‌ده کدوم صفحات در AI Overviews و AI Mode دیده شدن، در کنار اون بهتره ۲۰ تا ۳۰ سوال واقعی مشتری‌ها را مشخص کنید و هر ماه در Google، ChatGPT و Perplexity بررسی کنید چند بار برند شما و چند بار رقبا در جواب‌ها ظاهر می‌شن و AI چه تصویری از شما ارائه می‌ده

به نظرم در دوره جدید برنده لزوما سایتی نیست که بیشترین محتوا را تولید می‌کنه. برنده برندی هست که جواب روشن‌تری داره، اطلاعات دست‌اول منتشر می‌کنه و در منابع مختلف اینترنت درباره‌اش صحبت می‌شه! شاید معیار اصلی بازاریابی محتوایی هم کم‌کم از «چند نفر روی لینک ما کلیک کردن» به این تغییر کنه که «وقتی AI جواب را داد اصلا نامی از ما برد یا نه؟»l

@investingfund

🤖 سم آلتمن؛ کسی که AI را می‌سازه و از قدرتش می‌ترسه

تازه‌ترین گفت‌وگوی مدیر OpenAI درباره عبور مدل‌ها از انسان، خطر تمرکز قدرت و تصمیم برای کنارگذاشتن Sora و Atlas

این مصاحبه از اون گفت‌وگوهایی هست که تقریبا هر چند دقیقه یک جمله ازش می‌تونه تبدیل به تیتر بشه. سم آلتمن این بار کمتر درباره نسخه بعدی ChatGPT حرف می‌زنه و بیشتر نشون می‌ده OpenAI دقیقا دنبال ساختن چه آینده‌ایه.

جالبترین بخش برای من جایی بود که گفت باهوش‌ترین مدل‌های امروز تقریبا هم‌سطح باهوش‌ترین انسان‌ها شدن و این نسبت «همین حالا» در حال معکوس‌شدنه. یعنی از نگاه او عبور مدل‌ها از انسان موضوع ده سال دیگه نیست و احتمالا همین الان وسطش هستیم.

اما ترس اصلی سم فقط خارج‌شدن AI از کنترل نیست. او دو خطر بزرگ را کنار هم می‌ذاره، یکی از دست‌رفتن کنترل روی مدل‌ها و دیگری متمرکزشدن قدرت در دست یک شرکت یا حتی یک نفر.

البته احتمالا خودش را اون یک نفر نمی‌دونه، هرچند خیلی‌ها وقتی از تمرکز قدرت AI حرف می‌زنه ممکنه دقیقا به خودش فکر کنن :)

سم می‌گه اینکه چند شرکت در ازای امنیت و رفاه از مردم بخوان آزادی و حق تصمیم‌گیری خودشون را واگذار کنن، آینده‌ای ضدانسانی می‌سازه. حرف جالبی از مدیر شرکتیه که خودش یکی از جدی‌ترین نامزدهای تمرکز چنین قدرتیه.

بخش عجیب دیگه تصمیم OpenAI برای کنارگذاشتن Sora و مرورگر Atlas بود. سم می‌گه هر دو محصول خوب بودن و حتی Atlas را بهترین مرورگر می‌دونست، اما Sora توان پردازشی زیادی مصرف می‌کرد و به اندازه Codex مهم نبود. برای همین منابع این پروژه‌ها را به هدف اصلی شرکت یعنی ساخت هوش عمومی برای کارهای فکری و اکتشافات علمی منتقل کردن.

یعنی محصولاتی که هرکدوم می‌تونستن آینده یک استارتاپ چند میلیارد دلاری باشن، در OpenAI قربانی هدف بزرگ‌تری شدن. استراتژی شرکت هم ظاهرا ساخت صدها اپلیکیشن نیست، بلکه ارائه یک رابط اصلی و یک API هست تا بقیه دنیا کسب‌وکارهاش را روی هوش OpenAI بسازه. البته این هم شکل دیگری از تمرکز قدرته!

سم یک اعتراف بامزه هم داشت: با اینکه خودش Codex را ساخته، هنوز ایمیل‌ها را دستی می‌خونه، بین برنامه‌ها کپی می‌کنه و تقریبا مثل بیست سال قبل با کامپیوتر کار می‌کنه. به نظرش هنوز «لحظه آیفون» هوش مصنوعی اتفاق نیفتاده و محصولی ساخته نشده که روش کار ما با کامپیوتر را یک‌باره عوض کنه.

او همچنین قبول می‌کنه که بعد از GPT-4 سرعت تغییر کسب‌وکارها را خیلی بیشتر تصور کرده بود. فناوری با سرعت جلو رفته اما آدم‌ها و شرکت‌ها هنوز به ابزارهای قدیمی عادت دارن، برای همین توانایی AI خیلی سریع‌تر از پذیرش اون در اقتصاد رشد می‌کنه.

سم از خود صنعت AI هم انتقاد می‌کنه که اول درباره احتمال نابودی دنیا و حذف نیمی از شغل‌ها حرف زده و بعد تعجب کرده چرا مردم می‌ترسن. با این حال پیش‌بینی خودش مثبته و فکر می‌کنه AI بزرگ‌ترین موج تاریخ در ساخت کسب‌وکارهای کوچک را ایجاد خواهد کرد.

یکی از داستان‌های جالب آخر مصاحبه هم اینه که حتی بعد از عرضه ChatGPT بعضی افراد داخل OpenAI فکر می‌کردن رشدش موقتی و از روی کنجکاوی مردمه. این پیتر تیل بود که به سم گفت کادر خالی ChatGPT شبیه کادر جست‌وجوی گوگله و کنارگذاشتن چنین رشدی یک اشتباه واضحه. بعد از اون OpenAI تقریبا همه‌چیز را روی ChatGPT گذاشت.

شاید جذاب‌ترین تناقض مصاحبه همین باشه؛ کسی که با تمام توان پدال گاز این آینده را فشار می‌ده، همزمان هشدار می‌ده که نباید اجازه بدیم فرمان از دست انسان خارج بشه یا در دست چند نفر مثل خودش باقی بمونه.

این گفت‌وگوی ۷۸ دقیقه‌ای به نظرم ارزش کامل دیدن را داره
🎥 لینک ویدئو

@investingfund