کارخانه‌ای که برای شرکت‌ها استارتاپ اختصاصی می‌سازد

تصور معمول از یک استارتاپ این است که گروهی کوچک، محصولی برای بازار می‌سازند و بعد دنبال نخستین مشتری می‌گردند. ونتورا این ترتیب را برعکس کرده است: نخست یک شرکت بزرگ با مسئله‌ای واقعی پیدا می‌شود، سپس تیمی برای حل همان مسئله شکل می‌گیرد و در پایان، استارتاپی متولد می‌شود که ممکن است فقط یک مشتری داشته باشد. آن مشتری هم از روز اول سرمایه‌گذار، محل آزمایش و خریدار محصول است. این شرکت که پیش‌تر UP.Labs نام داشت، اکنون با نام تازه و سرمایه ۱۰۰ میلیون دلاری Silversmith Capital Partners می‌خواهد این مدل را به‌ویژه در حوزه «هوش مصنوعی فیزیکی» گسترش دهد.

ونتورا نه دقیقاً شتاب‌دهنده است، نه صندوق سرمایه‌گذاری و نه شرکت مشاوره. شتاب‌دهنده معمولاً استارتاپ‌های موجود را انتخاب و برای رشد آماده می‌کند؛ صندوق روی تیم‌هایی سرمایه می‌گذارد که راه خود را آغاز کرده‌اند؛ مشاور نیز پس از تحویل پروژه کنار می‌رود. ونتورا از مرحله پیدا کردن مسئله وارد می‌شود، هم‌بنیان‌گذاران را گرد هم می‌آورد، محصول را می‌سازد و شرکت جدید را تا جایی پیش می‌برد که بتواند مستقل کار کند. شریک سازمانی نیز صرفاً صورت‌حساب نمی‌پردازد؛ داده، متخصص، فرایند واقعی و نخستین بازار را در اختیار تیم می‌گذارد.

استارتاپی که شاید هیچ‌وقت به بازار عمومی نرود

تغییر مهم در راهبرد تازه ونتورا این است که همه شرکت‌های ساخته‌شده قرار نیست محصول خود را به بیرون بفروشند. شریک بزرگ می‌تواند در نهایت استارتاپ را در دل کسب‌وکار اصلی جذب کند و فناوری را برای خودش نگه دارد. جان کوولت، بنیان‌گذار و مدیرعامل ونتورا، از این مسیر به‌عنوان یک «خط اختصاصی ادغام و تملک» یاد می‌کند. به بیان ساده، شرکت بزرگ به‌جای خرید استارتاپی که چند سال بعد در بازار پیدا می‌کند، از ابتدا در ساخت شرکتی مشارکت می‌کند که برای نیاز خودش طراحی شده است.

این الگو به‌خصوص برای صنایع فیزیکی معنا پیدا می‌کند. کارخانه، شرکت حمل‌ونقل یا سازنده تجهیزات، انبوهی ماشین و فرایند قدیمی دارد که با نصب یک چت‌بات هوشمند نمی‌شود آن را متحول کرد. برای خودکارسازی باید حسگر اضافه شود، داده از تجهیزات جمع‌آوری شود، نرم‌افزار با سامانه‌های موجود حرف بزند و خطا در محیط واقعی مهار شود. راه‌حل حاصل می‌تواند مزیت رقابتی اصلی شرکت باشد؛ چیزی که مدیران حاضر نیستند فردای روز رونمایی در اختیار رقیب هم قرار بگیرد.

ونتورا در مدل پیشین خود گاهی دقیقاً به همین دیوار می‌خورد. ایده‌ای ارزشمند پیدا می‌شد، اما شریک سازمانی نمی‌خواست آن فناوری به یک محصول عمومی تبدیل شود. در نتیجه پروژه کنار گذاشته می‌شد، چون ساخت استارتاپی با بازار یک‌مشتری با منطق سرمایه‌گذاری رایج جور درنمی‌آمد. ساختار تازه این مانع را حذف می‌کند. اگر راه‌حل برای شریک به اندازه کافی مهم باشد، لازم نیست حتماً به ده‌ها شرکت دیگر فروخته شود؛ می‌تواند با همان خریدار اولیه رشد کند و در نهایت بخشی از سازمان شود.

هوش مصنوعی وقتی با دستگاه و کارخانه روبه‌رو می‌شود

اصطلاح «هوش مصنوعی فیزیکی» این روزها برای طیف وسیعی از فناوری‌ها به کار می‌رود: روبات، خودرو و پهپاد خودران، سامانه بینایی ماشین، تعمیرات پیش‌بینانه و نرم‌افزاری که حرکت تجهیزات را هماهنگ می‌کند. تفاوت اصلی با یک سرویس صرفاً دیجیتال در هزینه اشتباه است. اگر پیشنهاد یک سامانه متنی نامناسب باشد، کاربر می‌تواند آن را نادیده بگیرد؛ اما تصمیم اشتباه روی خط تولید ممکن است دستگاه را متوقف کند، مواد را هدر دهد یا ایمنی کارکنان را به خطر بیندازد. بنابراین داده تمیز، آزمایش میدانی و شناخت دقیق سخت‌افزار به اندازه خود مدل اهمیت دارند.

شرکت‌های صنعتی معمولاً داده فراوان دارند، ولی این داده پراکنده و دشوار است. بخشی در نرم‌افزارهای قدیمی، بخشی در حافظه دستگاه‌ها و مقدار زیادی هم در تجربه کارکنانی قرار دارد که سال‌ها با تجهیزات کار کرده‌اند. یک تیم بیرونی اگر بدون همراهی سازمان وارد شود، ماه‌ها صرف فهمیدن مسئله می‌کند. ونتورا می‌کوشد این فاصله را با حضور شریک از روز نخست کوتاه کند. مهندس استارتاپ به دستگاه واقعی و کارشناس عملیاتی دسترسی دارد و می‌تواند محصول را در همان محیطی آزمایش کند که قرار است از آن استفاده شود.

نمونه‌های همکاری پیشین شرکت، دامنه این رویکرد را نشان می‌دهد. پورشه نخستین شریک سازمانی آن در سال ۲۰۲۲ بود و پس از آن نام‌هایی مانند خطوط هوایی آلاسکا، شرکت حمل‌ونقل J.B. Hunt، سازنده تریلر Wabash و شرکت مادر Ashley Furniture به فهرست اضافه شدند. مسئله هرکدام متفاوت است؛ از جابه‌جایی و تعمیر تجهیزات تا مدیریت زنجیره تأمین و تولید. ونتورا جزئیات پروژه‌های محرمانه جدید خود در تولید صنعتی و انرژی را اعلام نکرده، اما همین محرمانگی بخشی از پیشنهاد تجاری آن است.

مزیت بزرگ، خطر بزرگ

داشتن مشتری قطعی از همان روز اول، یکی از سخت‌ترین ریسک‌های استارتاپ را کم می‌کند. تیم لازم نیست محصولی را در خلأ بسازد و بعد امیدوار باشد کسی برایش پول بدهد. بازخورد نیز سریع و واقعی است؛ اگر ابزار در کارخانه یا ناوگان کار نکند، مشکل بلافاصله دیده می‌شود. از طرف دیگر، وابستگی به یک شریک می‌تواند استارتاپ را به واحد تحقیق‌وتوسعه‌ای با نام مستقل تبدیل کند. محصول ممکن است آن‌قدر برای رویه‌های همان شرکت سفارشی شود که بیرون از آن ارزشی نداشته باشد، و بنیان‌گذاران نیز آزادی معمول یک شرکت نوپا را تجربه نکنند.

مسئله قیمت‌گذاری و مالکیت فکری هم ساده نیست. وقتی شرکت بزرگ داده، سرمایه و نخستین بازار را فراهم کرده و ونتورا تیم و محصول را ساخته است، سهم هر طرف از فناوری آینده باید از ابتدا روشن باشد. اگر پروژه موفق شود، شریک ممکن است بخواهد آن را کاملاً بخرد؛ اگر شکست بخورد، تیم با محصولی روبه‌رو می‌شود که شاید مشتری دیگری نداشته باشد. سرمایه ۱۰۰ میلیون دلاری تازه به ونتورا فرصت می‌دهد چندین آزمایش را هم‌زمان پیش ببرد، اما پول زیاد جای قرارداد دقیق و انگیزه مشترک را نمی‌گیرد.

برای سرمایه‌گذاران سنتی نیز این مدل پرسش تازه‌ای می‌سازد. رؤیای رایج سرمایه‌گذاری جسورانه، شرکتی است که محصولش را به هزاران مشتری بفروشد و به بازار جهانی برسد. ونتورا بخشی از بازده را از ساخت دارایی‌های اختصاصی و فروش احتمالی آنها به همان شریک اولیه دنبال می‌کند. شاید اندازه هر خروج از یک غول نرم‌افزاری کوچک‌تر باشد، ولی زمان رسیدن به خریدار کوتاه‌تر و احتمال پیدا نکردن بازار کمتر است. به همین دلیل شرکت مدل خود را بیشتر شبیه خط تولید شرکت‌های قابل‌خرید می‌بیند تا پرورش مجموعه‌ای از برندهای مستقل.

حرکت ونتورا نشانه تغییری وسیع‌تر در بازار هوش مصنوعی است. پس از موج ابزارهای عمومی، ارزش واقعی اکنون در اتصال مدل‌ها به فرایندهایی پیدا می‌شود که از بیرون دیده نمی‌شوند: زمان‌بندی کامیون، تشخیص فرسودگی یک قطعه، هماهنگی روبات‌ها یا تنظیم مصرف انرژی کارخانه. این مسائل پرزرق‌وبرق نیستند، اما اگر درست حل شوند مستقیماً هزینه را کاهش می‌دهند. برای رسیدن به آنها باید از ارائه نمایشی فاصله گرفت و کنار دستگاه، اپراتور و داده نامرتب ایستاد.

ونتورا روی همین فاصله شرط بسته است. موفقیت آن نه با تعداد اپلیکیشن‌های عمومی، بلکه با این سنجیده می‌شود که چند مسئله سخت سازمانی به یک کسب‌وکار پایدار تبدیل شده‌اند. اگر مدل جواب بدهد، شرکت‌های بزرگ به‌جای آنکه سال‌ها منتظر استارتاپ مناسب بمانند، استارتاپ مورد نیازشان را سفارش خواهند داد. اگر جواب ندهد، این تجربه یادآور می‌شود که داشتن مشتری و سرمایه از روز اول، هنوز تضمین نمی‌کند یک تیم کوچک بتواند پیچیدگی یک صنعت قدیمی را به محصولی قابل اتکا تبدیل کند.

منبع: TechCrunch