Ideias de startup impopulares que viraram negócios de US$ 1 bilhão [YouTube]

• Os parceiros da Y Combinator analisam casos de startups que tiveram sucesso em áreas impopulares e com ideias contraintuitivas em meio ao aumento da concorrência na era da IA, destacando que, em vez de simplesmente seguir tendências, é preciso focar na solução de problemas reais dos clientes
• No setor de IA, as oportunidades greenfield iniciais estão diminuindo, e já há muitas startups competindo em cada vertical, como seguros e bancos, tornando indispensáveis insights diferenciados e uma abordagem contraintuitiva
• DoorDash, Lyft/Uber, Coinbase, Flock Safety, OpenAI, SpaceX e outras receberam avaliações pessimistas e cobertura negativa da imprensa quando foram lançadas, mas cresceram e se tornaram empresas avaliadas em bilhões de dólares ao focar em necessidades profundas dos clientes e manter uma direção própria
• Fundadores bem-sucedidos descobrem product-market fit por meio de conversas diretas com usuários reais, e não pelas tendências da mídia como X (Twitter) ou TechCrunch, e, quando necessário, mudam com ousadia o modelo de negócio e a estratégia de distribuição
• Assim como ocorreu com a internet e os smartphones, novas plataformas tecnológicas ficam saturadas de ideias óbvias após cerca de dois anos de corrida do ouro inicial, por isso, depois disso, é preciso descobrir segredos mais profundos e perseguir ideias com as quais apenas 1 em cada 10 pessoas concorda para aumentar as chances de sucesso

---

Concorrência crescente no mercado de verticais de IA

• Até um ano atrás, era fácil encontrar ideias para startups de IA, com avanços acelerados dos modelos e muitas verticais ainda inexploradas, o que facilitava a busca por ideias por meio de pivôs
• Hoje, já há várias startups competindo em cada vertical, como seguros e bancos, e o ritmo de inovação dos modelos também desacelerou, tornando insights diferenciados ainda mais importantes
• Não basta apenas propor automação de workflows; é preciso se destacar da concorrência com apostas próprias e contraintuitivas
• Assim como nas eras da internet e dos smartphones, novas plataformas tecnológicas passam por cerca de dois anos de corrida do ouro, e depois as ideias óbvias se esgotam; a partir daí, é preciso buscar segredos (secret) mais profundos

Riscos e oportunidades de ideias não óbvias

• Ideias não óbvias soam neutras, mas na prática parecem arriscadas e assustadoras, trazendo o medo de investir 10 anos nisso e terminar sem nenhum resultado
• Formas de pensar aceitas sem senso crítico, absorvidas da mídia ou de conversas ao redor, podem atrapalhar o julgamento do fundador
• Um fundador da área de marketing hesitou porque “ninguém construiu uma grande empresa nesse setor”, mas seguiu em frente com base em uma nova capacidade trazida pela IA e na reação positiva de clientes reais, e hoje está crescendo
  • O acúmulo de casos de fracasso no passado pode, na verdade, significar ausência de concorrência
  • A reação do cliente de que “preciso disso amanhã” é um sinal de product-market fit
• Depender de sinais externos, como a reação no X (Twitter), no TechCrunch ou a opinião de amigos em festas, é arriscado; é preciso focar na resposta real do mercado

Caso 1: DoorDash — foco em áreas suburbanas

• Após o lançamento do iPhone, no começo chamaram atenção ideias óbvias como apps de foto (Instagram), mas os grandes vencedores de fato foram ideias não óbvias como Uber, DoorDash e Instacart
• Na época do lançamento do iPhone, inúmeros textos e posts em redes sociais discutiam negócios possíveis, mas quase ninguém previu ideias como a do Uber
• A DoorDash entrou em um mercado de entrega de comida que já era altamente competitivo, em que Postmates, Grubhub e Seamless já estavam estabelecidas como grandes empresas
  • O mobile serviu como catalisador para apps de delivery, e, quando a DoorDash foi lançada, o mercado já parecia saturado
  • A própria Y Combinator tinha o Order Ahead, um serviço de retirada de comida, que na época parecia um mercado maior
• No início, eles iam pessoalmente aos restaurantes em Palo Alto para propor parcerias de entrega, mas eram recusados na maior parte das vezes, e demorou bastante até chegar o primeiro pedido
  • O primeiro cliente foi um amigo, e depois os pedidos começaram a entrar no ritmo de um por hora
• Os primeiros investidores eram céticos, com reações como “já existe concorrência demais” e “por que isso é necessário se Grubhub e Seamless já existem?”
• O diferencial descoberto pelos fundadores foi o ataque às áreas suburbanas (suburban area)
  • Grubhub e Seamless focavam em Manhattan e em áreas densas de grandes cidades
  • A DoorDash percebeu que as áreas suburbanas tinham grande demanda por delivery, mas não eram atendidas
  • Como a densidade de restaurantes no subúrbio é menor, isso não parecia atraente para as plataformas existentes, mas, na prática, era um mercado enorme
• No começo, a estratégia suburbana parecia uma “ideia obviamente ruim”
  • Os restaurantes eram espalhados, as distâncias de entrega maiores, e se esperava uma unit economics ruim
• Mas, na prática, havia menos concorrência e muita demanda nos subúrbios, o que permitiu crescimento rápido e, depois, expansão também para áreas urbanas
• Vendo em retrospecto, parece óbvio, mas na época foi uma aposta contraintuitiva e que parecia arriscada

Caso 2: Lyft/Uber — zona cinzenta da legalidade e utilidade para o usuário

• Do pivô de Zimride para Lyft

  • A Lyft originalmente era um serviço de carona de longa distância chamado Zimride
    • Na Y Combinator também havia o Ridejoy, um concorrente idêntico, e a disputa era intensa
    • Ambos recrutavam usuários no Craigslist: algo como “vou dirigir até LA neste fim de semana, alguém quer ir junto?”
    • O processo era complicado, com longas trocas de e-mail, combinação de horário para se encontrar, acerto de custos de gasolina etc.
  • Quando a penetração de smartphones chegou a 70%–80%, a Zimride mudou de estratégia
    • Passou a focar em deslocamentos curtos do dia a dia, e não em viagens longas
    • Transformou-se em um serviço que podia ser usado diariamente
    • Foi o primeiro momento de uso de uma força de trabalho centrada no mobile
  • O Uber também começou por volta da mesma época com um serviço de carros pretos, mas a abordagem era diferente

• Problema de legalidade e a coragem dos fundadores

  • Em um office hour com os fundadores da Ridejoy, quando se mencionou o sucesso da Zimride (Lyft), a resposta deles foi: “isso parece ter problema legal e parece ilegal, então não queremos fazer”
    • A preocupação deles não estava errada
  • Os fundadores da Lyft chegaram a ter medo extremo de ir para a cadeia uma semana antes do lançamento, mas decidiram jogar os dados e lançar mesmo assim
  • Um dos principais motivos para ninguém ter lançado Lyft ou Uber antes foi que isso era basicamente ilegal, e as pessoas tinham medo de ir presas
  • Apoorva Mehta, da Instacart, também tentava fazer algo parecido na mesma época com entrega de supermercado, e o mercado estava puxando esse tipo de serviço dessas startups

• O usuário final pode mudar a regulação

  • Ficou provado que, quando o consumidor final se beneficia de forma avassaladora, o mundo muda as leis
  • Muitas grandes ideias de startup estão em uma zona cinzenta jurídica
    • Não é totalmente claro se são legais ou ilegais; há certa ambiguidade
  • O OpenAI é um caso parecido: raspou a web inteira sem permissão
    • Dá para argumentar fair use, mas também dá para ver isso como violação massiva de direitos autorais
  • Ser não óbvio não significa apenas incerteza intelectual sobre dar certo ou não; de forma mais sutil, envolve a sensação de que “isso parece meio arriscado” ou “tem algo desconfortável aqui”
  • Fundadores realmente excepcionais enxergam essas sensações justamente como um sinal

• Mudança na qualidade de vida em San Francisco

  • Depois do lançamento do Uber X e da Lyft, isso ficou claro nos primeiros meses, especialmente em San Francisco
    • San Francisco era famosa por ter uma infraestrutura de táxi péssima e transporte público difícil
    • Era um serviço nascido de uma necessidade real
  • A qualidade de vida em San Francisco melhorou drasticamente
    • As pessoas se libertaram da incerteza de chamar um táxi e metade das vezes ele nem aparecer
    • Com a possibilidade de se locomover livremente, viver na cidade ficou 10 vezes melhor
  • A lição não é fazer algo ilegal, mas pensar a partir de first principles para descobrir o que o mercado e as pessoas realmente precisam

Caso 3: Coinbase — a escolha contraintuitiva no mundo das criptomoedas

• Tendência da comunidade cripto no início

  • A Coinbase operava em uma zona cinzenta de legalidade, mas com uma abordagem diferente de Uber/Lyft
  • As criptomoedas não eram suficientemente compreendidas, então era difícil considerá-las claramente legais
  • Como a Coinbase precisava garantir parceiros bancários para de fato lançar o serviço, não podia adotar a abordagem do Uber de “lançar primeiro e ver no que dá”

• A abordagem contrária de Brian Armstrong

  • Os primeiros casos de uso do Bitcoin eram liderados por cypherpunks
    • libertários radicais
    • contrários ao sistema bancário centralizado
    • queriam identidades totalmente anônimas
  • O Bitcoin inicial estava muito mais próximo do Silk Road do que está hoje
  • Brian Armstrong escolheu uma abordagem contrária exatamente oposta
    • entre 2010 e 2012, a maioria das pessoas seriamente interessadas em Bitcoin eram cypherpunks
    • a posição delas era: “dane-se o Estado, dane-se a lei, liberdade radical via Bitcoin”
  • Brian Armstrong negociou com bancos e cooperou com reguladores
    • essa foi a aposta contraintuitiva dele

• O trabalho extra quando o mercado ainda não quer

  • Ele julgou que valia a pena assumir todo o trabalho extra em um momento em que nem estava claro se o mercado queria aquilo
  • Os cypherpunks e o Silk Road claramente queriam cripto e pagamentos anônimos
  • Mas não era certo que o público em geral fosse querer
  • Por isso, conversar com bancos, fechar parcerias e cumprir regras de KYC (conheça seu cliente) e AML (prevenção à lavagem de dinheiro) não parecia valer a pena naquela época
    • só faz sentido fazer isso se você acreditar que um dia as pessoas comuns vão querer negociar criptomoedas

• A forte oposição do mercado existente

  • Coisas como KYC na prática tornam o produto pior
    • forçar o usuário a passar por KYC aumenta muito a fricção
  • Isso era o completo oposto do que o mercado queria na época
    • o mercado daquele momento (os cypherpunks) ficou profundamente indignado com a forma como Brian e a Coinbase abordavam cripto
  • Você vai ouvir que “isso nunca vai funcionar”
  • Quando o mercado é completamente novo e ainda está no início, aquilo que parece “óbvio” muitas vezes está obviamente errado na prática
    • esse pode ser um exemplo muito profundo disso

• A armadilha do TAM

  • Quando a Coinbase começou, o mercado total endereçável do Bitcoin não era de centenas de bilhões de dólares, mas de dezenas ou centenas de milhões
  • O mesmo vale para a Flock Safety: multiplicando o número de grupos de vizinhança pelo ACV, o TAM dava no máximo algo como US$ 50 milhões a US$ 60 milhões por ano
  • Conselho sob a ótica de VC: não use TAM apenas como um item de checklist
    • é útil como métrica, mas nem investidores nem fundadores deveriam eliminar algo da lista só por isso
  • Quanto mais regras você cria para investir, mais maneiras você cria de se impedir de ganhar muito dinheiro em venture

Caso 4: Flock Safety — vendas para governos locais e hardware

• Partindo de uma experiência pessoal

  • A Flock Safety oferece um sistema de câmeras de leitura automática de placas para segurança comunitária
  • O fundador Garrett Langley era de Atlanta e já tinha tido um exit bem-sucedido antes, mas desta vez era hardware
  • Experiência pessoal da sócia (Diana): em Noe Valley, San Francisco, todos os carros da rua foram arrombados de uma vez
    • uma organização profissional executou isso com precisão quase militar
    • uma câmera da Nest gravou tudo, mas a polícia respondeu: “sem placa, não há muito o que fazer”
    • essa experiência tornou fácil a decisão de investimento baseada em first principles na Flock Safety

• Stack tecnológica e produto inicial

  • Hardware com câmera acoplada a um Raspberry Pi e um painel solar adicionado
  • Capaz de rodar visão computacional baseada em ImageNet na edge
  • A tecnologia solar havia avançado a ponto de permitir operação indefinida
  • Eles começaram vendendo para grupos de vizinhança e HOAs (associações de proprietários) em Piedmont e na região metropolitana de Atlanta

• Três fatores que VCs odeiam

  • Hardware: VCs odeiam hardware
  • Mercado pequeno: multiplicando o número de grupos de vizinhança pelo ACV, o TAM era no máximo US$ 50 milhões a US$ 60 milhões por ano
  • Baseada em Atlanta, Geórgia: não no Vale do Silício
  • Essas três coisas tornavam a empresa basicamente impossível de financiar

• Pivot do modelo de negócio e crescimento

  • No início, eles vendiam para grupos de vizinhança, mas o crescimento era lento e a receita estagnou em cerca de US$ 600 mil por mês
  • Pivot do modelo de negócio: migraram para vendas diretas a departamentos de polícia e governos municipais
    • perceberam essa necessidade ao fazer engenharia reversa a partir da meta de crescimento
    • vendendo apenas para grupos de vizinhança, era impossível crescer o suficiente
    • no começo parecia inviável, mas era executável
  • Em casos reais, isso ajudou a resolver crimes graves, incluindo a prisão de sequestradores
    • quando os crimes resolvidos eram exibidos no noticiário da noite, o boca a boca se espalhava
    • quando um crime era resolvido em uma cidade, chefes de polícia de cidades vizinhas perguntavam: “o que é isso? preciso disso agora”
  • Formação de uma equipe de mídia: forneciam a âncoras de telejornal informações de que a Flock Safety havia resolvido um crime, além de imagens de apoio (B-roll)
    • isso se espalhou rapidamente com efeito viral

• Resultados atuais

  • Hoje, a empresa chegou a uma avaliação de US$ 7,5 bilhões
  • A receita anual supera em muito US$ 60 milhões
  • Está resolvendo 10% de todos os crimes reportados nos EUA (um número impressionante)
  • A tecnologia central é quase a mesma do demo day, mas o modelo de negócio passou por vários pivots
  • Eles ainda vendem para grupos de vizinhança, mas vender formalmente para departamentos de polícia foi o principal motor do crescimento

• Lições que podem ser generalizadas

  • Se você tem uma ideia de startup e conversa com vários VCs, vai receber muito feedback
  • Se Garrett tivesse conversado com vários VCs, teria ouvido algo como: “isso não é financiável por VC, é venda para governo local, é hardware, você deveria fazer B2B SaaS”
  • Foi bom entrar em um mercado em que quase não havia concorrência porque todo mundo achava estranho demais
  • Quando você foca no cliente e na necessidade real, isso fica evidente
  • Você não aprende isso com blog, X ou ChatGPT; é preciso de fato testar muita coisa
  • Cada história é muito diferente, mas Garrett e a equipe da Flock são únicos pelo pensamento baseado em first principles
    • o que construir
    • como conquistar clientes
    • qual deve ser o modelo de negócio

O modelo de Forward Deployed Engineer e a Giga ML

• A ascensão do Forward Deployed Engineer

  • Recentemente, isso virou o playbook padrão das startups
  • O trabalho consiste em converter o schema e a lógica de negócio do cliente para o próprio schema e lógica
  • Em essência, isso é trabalho de consultoria
  • As empresas que adotaram esse modelo estão mostrando taxas de crescimento agressivas
  • Mas, se isso se tornou o playbook padrão mais arraigado, então existe uma oportunidade de abordá-lo de forma contrária

• O AI Forward Deployed Engineer da Giga ML

  • Em vez de FD humano, usam geração de código para construir seu próprio AI Forward Deployed Engineer
  • Um FD humano ainda leva várias semanas (embora isso seja rápido em comparação com a consultoria enterprise histórica)
  • Um AI FD pode ser concluído em poucos minutos
  • Esse é um grande motivo pelo qual conseguem fechar negócios mais rápido que os concorrentes
  • Na prática, isso nem é FD; é o próprio produto
    • o cliente insere a especificação e recebe o produto imediatamente
  • Este é um exemplo de aposta contraintuitiva que vira o jogo e pode gerar resultados enormes

Fundadores de FC (ficção científica) e grandes ideias “impossíveis”

• O caso da OpenAI

  • Quando Sam Altman, vindo da Y Combinator, começou a OpenAI, nem sequer estava claro se a IA era viável
    • No início, parecia mais um projeto experimental de pesquisadores
    • Publicação de artigos, solucionador de Cubo de Rubik, IA para o jogo Dota e vários outros projetos paralelos
    • Não estava claro como tudo isso se integraria para se tornar a OpenAI de hoje
  • No lançamento, recebeu cobertura majoritariamente negativa da imprensa
    • Apenas alguns poucos otimistas de tecnologia reagiram positivamente
    • Acadêmicos e pesquisadores de IA de outras empresas foram, em sua maioria, extremamente negativos
    • Havia críticas de que “é absurdo achar que pessoas na faixa dos 20 ou 30 anos podem criar AGI”
    • A reação era: “pesquisamos isso por 50 anos; se houvesse um método, já teríamos feito”
    • O fato de “não publicar artigos” foi um grande ponto de crítica
  • Também houve críticas de que investir milhões de dólares em custos de GPU nas scaling laws não gerava mais artigos
    • Artigos são uma meta de otimização errada (paperclip optimization)
    • Construtores de verdade otimizam para resultados para clientes e usuários
  • A empresa manteve a direção e isso levou ao sucesso atual

• O caso da SpaceX

  • Elon Musk foi o quinto bilionário a começar uma empresa de voos espaciais
    • Os quatro bilionários anteriores já tinham fracassado
    • A imprensa zombava dizendo que “outro bilionário está desperdiçando sua fortuna com foguetes”
  • O conceito de foguetes reutilizáveis era visto como uma ideia quase blasfema
    • Quando pediram conselhos a cientistas de foguetes, a resposta foi: “é impossível”
  • Houve muitas tentativas de lançamento fracassadas ao longo de vários anos
    • Cada vez que um foguete explodia, vinha mais uma onda de cobertura negativa da imprensa
  • Em ambas as empresas (OpenAI e SpaceX), os fundadores precisaram sustentar sua convicção enquanto ouviam por muito tempo da maioria das pessoas que eram idiotas ou loucos

• Um ímã para 1 em cada 10 pessoas

  • Nove em cada dez pessoas podem dizer que você é idiota ou louco, mas uma em cada dez pode concordar com a sua crença
  • O motivo de ser contracorrente e depois se provar certo é que isso funciona como um ímã para atrair todas as pessoas que pensam igual

Como julgar a realidade

• É preciso revisar como saber o que é verdadeiro e correto no mundo
• Reavalie a origem de todas as informações e verifique de onde elas vêm
• Se vierem de usuários, da experiência pessoal, da experiência de pessoas com quem você falou diretamente, isso é uma boa base verificável da realidade
• Ficar fazendo doomscroll no X ou ouvir o que dizem celebridades (francamente, incluindo estes debatedores) é tudo apenas N=1
  • O que importa são as pessoas com o problema específico de que você se importa
  • A capacidade de resolver esse problema
  • A capacidade de atrair todas as outras pessoas que também querem resolver esse problema

Conselho central: foque no problema do cliente

• Não tente fazer algo ilegal; encontre algo que os humanos desejam e precisam desesperadamente
• Então o resto se resolve
• Se você realmente se concentrar nos problemas das pessoas e em quão grave esse problema é, o restante se encaixa naturalmente
  • Você vai descobrir o modelo de negócio
  • Você vai descobrir a distribuição
• Não dá para ficar sentado na frente do computador e saber essas coisas como um oráculo
  • Você precisa realmente sair de casa
  • Precisa conversar com clientes
• É por isso que a definição de metas da Y Combinator ajuda
  • Partir da meta de crescimento e fazer o caminho inverso para entender o que precisa ser feito

A armadilha do que é popular

• Se você só tentar fazer o que é popular, vai acabar preso a ideias derivativas e óbvias com 5, 10 ou 100 concorrentes
• Isso é bom para o 1º e o 2º colocados, mas, do 3º ao 98º, a startup vai morrer

[yeobi222]

A perspectiva sobre a legislação parece perigosa.
Não é de todo um absurdo, mas...