Ideas de startups impopulares de mil millones de dólares [YouTube]

• Los socios de Y Combinator analizan casos de startups que triunfaron con sectores impopulares e ideas contrarias en medio del aumento de la competencia en la era de la IA, y enfatizan que, más que seguir tendencias, hay que enfocarse en resolver problemas reales del cliente.
• En el sector de la IA, las oportunidades greenfield iniciales se están reduciendo; en verticales como seguros y banca ya compiten muchas startups, por lo que son indispensables una visión diferenciada y un enfoque contrarian.
• DoorDash, Lyft/Uber, Coinbase, Flock Safety, OpenAI y SpaceX, entre otras, recibieron evaluaciones pesimistas y cobertura negativa en la prensa al momento de su lanzamiento, pero crecieron hasta convertirse en empresas valuadas en miles de millones de dólares al enfocarse en necesidades profundas de los clientes y mantener una dirección propia.
• Los fundadores exitosos descubren el product-market fit mediante conversaciones directas con usuarios reales, no siguiendo las tendencias de medios como X (Twitter) o TechCrunch, y cuando hace falta cambian con decisión tanto el modelo de negocio como la estrategia de distribución.
• Igual que con internet y los smartphones, en las nuevas plataformas tecnológicas las ideas evidentes se saturan tras unos 2 años de fiebre del oro; después, para tener posibilidades de éxito, hay que descubrir secretos más profundos y perseguir ideas con las que solo 1 de cada 10 personas esté de acuerdo.

---

Mayor competencia en el mercado de verticales de IA

• Hace apenas un año era fácil encontrar ideas para startups de IA, ya que había grandes avances en los modelos y muchos verticales sin explotar, lo que facilitaba explorar ideas mediante pivotes.
• Ahora, en verticales como seguros y banca, ya compiten varias startups, y como el ritmo de innovación en modelos también se ha desacelerado, la visión diferenciada se ha vuelto aún más importante.
• Ya no basta con proponer simplemente automatización de workflows; hay que destacar en la competencia mediante apuestas propias y contrarias.
• Como ocurrió en la era de internet y los smartphones, las nuevas plataformas tecnológicas atraviesan unos 2 años de fiebre del oro, tras los cuales se agotan las ideas evidentes y luego hay que encontrar secretos (secret) más profundos.

Riesgos y oportunidades de las ideas no evidentes

• Las ideas no evidentes suenan neutrales, pero en realidad se sienten riesgosas y dan miedo, con la posibilidad de invertir 10 años y terminar sin ningún resultado.
• Formas de pensar aceptadas sin cuestionarlas, obtenidas de los medios o de conversaciones alrededor, pueden interferir con el juicio de los fundadores.
• Un fundador del área de marketing dudó porque “nadie ha creado una gran empresa en este sector”, pero siguió adelante basándose en la nueva capacidad que ofrece la IA y la reacción positiva de clientes reales, y hoy está creciendo.
  • Que se hayan acumulado casos de fracaso en el pasado puede significar, al contrario, que no hay competencia.
  • La reacción de clientes diciendo “lo necesito mañana mismo” es una señal de product-market fit.
• Depender de señales externas como las reacciones en X (Twitter), TechCrunch o la opinión de amigos en una fiesta es peligroso; hay que concentrarse en la respuesta real del mercado.

Caso 1: DoorDash — atacar zonas suburbanas

• Tras el lanzamiento del iPhone, al principio llamaban la atención ideas evidentes como las apps de fotos tipo Instagram, pero los grandes éxitos reales terminaron siendo ideas no evidentes como Uber, DoorDash e Instacart.
• En el momento del lanzamiento del iPhone, innumerables artículos y publicaciones en redes sociales hablaban de los negocios posibles, pero casi nadie predijo una idea como Uber.
• DoorDash entró en un mercado de delivery de comida ya intensamente competido, donde Postmates, Grubhub y Seamless ya estaban consolidadas como grandes empresas.
  • Lo móvil actuó como catalizador para las apps de delivery, y cuando DoorDash salió parecía que el mercado ya estaba saturado.
  • Incluso en Y Combinator existía un servicio de recogida de comida llamado Order Ahead, que en ese momento parecía un mercado más grande.
• Al principio, en Palo Alto iban personalmente a restaurantes para proponer alianzas de delivery, pero la mayoría los rechazaba, y pasó mucho tiempo antes de que entrara el primer pedido.
  • El primer cliente fue un amigo, y después comenzaron a llegar pedidos a razón de uno por hora.
• Los primeros inversionistas eran escépticos; reaccionaban con frases como “ya hay demasiada competencia” o “si ya existen Grubhub y Seamless, ¿para qué hace falta esto?”.
• La diferenciación que encontraron los fundadores fue apuntar a las zonas suburbanas (suburban area).
  • Grubhub y Seamless se enfocaban en Manhattan y en zonas densas de grandes ciudades.
  • DoorDash observó que en los suburbios había una gran demanda de delivery, pero no estaban siendo atendidos.
  • Los suburbios no resultaban atractivos para las plataformas existentes por su baja densidad de restaurantes, pero en realidad eran un mercado enorme.
• Al principio, la estrategia suburbana parecía “una idea obviamente mala”.
  • Los restaurantes estaban dispersos, las distancias de entrega eran largas y se esperaba que las unit economics fueran malas.
• Pero al ponerla en práctica, descubrieron que en los suburbios había poca competencia y mucha demanda, lo que les permitió crecer rápido y eventualmente expandirse también a las zonas urbanas.
• Viéndolo en retrospectiva parece obvio, pero en ese momento fue una apuesta contraria y que parecía arriesgada.

Caso 2: Lyft/Uber — la zona gris de la legalidad y la utilidad para el usuario

• Del pivote de Zimride a Lyft

  • Lyft originalmente era un servicio de carpool de larga distancia llamado Zimride.
    • En Y Combinator también había un servicio competidor igual, Ridejoy, y competían intensamente.
    • Ambos captaban usuarios desde Craigslist: algo como “voy manejando a LA este fin de semana, ¿alguien se sube conmigo?”.
    • El proceso era complejo: largos intercambios de correos, coordinar la hora para encontrarse, dividir el costo de la gasolina, etc.
  • Zimride cambió de estrategia cuando la penetración de smartphones llegó al 70-80%.
    • En vez de viajes largos, se enfocó en traslados cortos del día a día.
    • Se convirtió en un servicio que podía usarse todos los días.
    • Fue uno de los primeros momentos en que se aprovechó una fuerza laboral centrada en lo móvil.
  • Uber también empezó en una época similar como servicio de autos negros, pero su enfoque era distinto.

• Problemas de legalidad y valentía del fundador

  • Cuando, en office hours con los fundadores de Ridejoy, se mencionó el éxito de Zimride (Lyft), ellos respondieron: “parece tener problemas legales y se ve ilegal, así que no queremos hacerlo”.
    • Su preocupación no era equivocada.
  • Los fundadores de Lyft estaban extremadamente preocupados, una semana antes del lanzamiento, de que podían terminar en la cárcel, pero decidieron tirar los dados y lanzar de todos modos.
  • Una gran razón por la que nadie lanzó Lyft o Uber antes fue que básicamente era ilegal y la gente tenía miedo de ir a la cárcel.
  • Apoorva Mehta, de Instacart, también intentó algo parecido con el delivery de supermercado en esa misma época, y el mercado estaba arrancándole el servicio a estas startups.

• Los usuarios finales pueden cambiar la regulación

  • Se demostró que si el consumidor final recibe un beneficio abrumador, el mundo cambia la ley.
  • Muchas grandes ideas de startups están en una zona gris legal.
    • No está del todo claro si son legales o ilegales; hay cierta ambigüedad.
  • OpenAI es un caso parecido: rastreó toda la web sin pedir permiso.
    • Puede defenderse como fair use, o verse como una infracción masiva de copyright.
  • Que una idea no sea evidente no significa solo que intelectualmente sea incierto si tendrá éxito, sino algo más sutil: la sensación de que “se ve un poco riesgosa” o “hay algo que incomoda”.
  • Los fundadores realmente grandes reconocen precisamente esa sensación como una señal.

• Cambio en la calidad de vida en San Francisco

  • Tras la llegada de Uber X y Lyft, en los primeros meses ya quedó claro, sobre todo en San Francisco.
    • San Francisco era famosa por tener la peor infraestructura de taxis y un transporte público complicado.
    • Era un servicio nacido de una necesidad real.
  • La calidad de vida en San Francisco mejoró de forma drástica.
    • Se liberó a la gente de la incertidumbre de pedir un taxi y que la mitad de las veces no apareciera.
    • Poder moverse libremente hizo que vivir en la ciudad fuera 10 veces mejor.
  • La lección no es hacer cosas ilegales, sino pensar desde first principles para encontrar lo que el mercado y las personas realmente necesitan.

Caso 3: Coinbase—una apuesta contraria al sentimiento en cripto

• La inclinación de la comunidad cripto temprana

  • Coinbase operaba en una zona gris de legalidad, pero con un enfoque distinto al de Uber/Lyft
  • Las criptomonedas no se entendían lo suficiente como para considerarlas claramente legales
  • Como Coinbase en realidad necesitaba conseguir socios bancarios para lanzar el servicio, no podía tomar el enfoque de Uber de “lanzarlo primero y ver qué pasa”

• El enfoque contracorriente de Brian Armstrong

  • Los primeros casos de uso de Bitcoin estaban impulsados por los cypherpunks
    • Libertarios radicales
    • Opuestos al sistema bancario centralizado
    • Querían identidades completamente anónimas
  • En sus inicios, Bitcoin estaba mucho más cerca de Silk Road de lo que está hoy
  • Brian Armstrong eligió un enfoque contracorriente completamente opuesto
    • En 2010~2012, la mayoría de las personas seriamente interesadas en Bitcoin eran cypherpunks
    • Su postura era: “que se joda el Estado, que se joda la ley y libertad radical mediante Bitcoin”
  • Brian Armstrong hacía tratos con bancos y colaboraba con reguladores
    • Esa fue su apuesta contracorriente

• El trabajo extra cuando el mercado aún no lo quiere

  • Consideró que valía la pena asumir todo el trabajo adicional en un momento en que ni siquiera estaba claro si el mercado lo quería
  • Los cypherpunks y Silk Road claramente querían cripto y pagos anónimos
  • Pero no estaba claro si la gente común lo querría
  • Por eso, hablar con bancos, cerrar alianzas y cumplir con normas KYC (conoce a tu cliente) y AML (antilavado de dinero) no parecía valer la pena en ese momento
    • Solo tiene sentido hacer eso si crees que algún día la gente común querrá operar con criptomonedas

• La oposición feroz del mercado existente

  • Cosas como KYC en realidad empeoran el producto
    • Obligar al usuario a pasar por KYC aumenta mucho la fricción
  • Eso iba exactamente en contra de lo que quería el mercado en ese momento
    • El mercado de entonces (los cypherpunks) estaba furioso con el enfoque de Brian y Coinbase hacia las criptomonedas
  • Vas a escuchar que “eso nunca va a funcionar”
  • Cuando el mercado es completamente nuevo y está en una etapa temprana, lo que se considera “obvio” muchas veces en realidad es obviamente incorrecto
    • Esto puede ser una versión muy profunda de eso

• La trampa del TAM

  • Cuando Coinbase arrancó, el mercado total de Bitcoin no era de cientos de miles de millones de dólares, sino de decenas o cientos de millones
  • Lo mismo con Flock Safety: si multiplicabas el número de grupos vecinales por el ACV, el TAM era como máximo de unos $50M~$60M al año
  • Consejo desde la perspectiva de VC: no usen el TAM solo como una checklist
    • Es útil como métrica, pero ni los inversionistas ni los fundadores deberían descartarlo solo por eso
  • Cuantas más reglas tengas para invertir, más formas te das de bloquearte a ti mismo la posibilidad de ganar mucho dinero en venture

Caso 4: Flock Safety—ventas al gobierno local y hardware

• Partiendo de una experiencia personal

  • Flock Safety ofrece un sistema de cámaras de reconocimiento automático de placas para la seguridad comunitaria
  • El fundador Garrett Langley era de Atlanta y ya había tenido una salida exitosa antes, pero esta vez era hardware
  • Experiencia personal de la socia (Diana): en Noe Valley, San Francisco, desvalijaron todos los autos de la calle al mismo tiempo
    • Una organización profesional lo ejecutó con precisión casi militar
    • Las cámaras Nest grabaron todo, pero la policía respondió: “sin una placa no hay mucho que podamos hacer”
    • Esa experiencia hizo que la decisión de invertir desde first principles en Flock Safety fuera fácil

• Stack tecnológico y producto inicial

  • Hardware con una cámara montada sobre una Raspberry Pi y un panel solar añadido
  • Capaz de ejecutar visión por computadora basada en ImageNet en el edge
  • La tecnología solar había avanzado hasta el punto de permitir operar prácticamente de forma indefinida
  • Empezaron vendiendo a grupos vecinales y HOA (asociaciones de propietarios) en Piedmont y el área metropolitana de Atlanta

• Tres elementos que los VC odian

  • Hardware: a los VC no les gusta el hardware
  • Mercado pequeño: si multiplicabas el número de grupos vecinales por el ACV, el TAM era como máximo de $50M~$60M al año
  • Con base en Atlanta, Georgia: no en Silicon Valley
  • Esas tres cosas lo hacían básicamente imposible de financiar

• Pivot del modelo de negocio y crecimiento

  • Al inicio vendían a grupos vecinales, pero el crecimiento era lento y se estancaron en unos $600 mil de ingresos mensuales
  • Pivot del modelo de negocio: cambiaron a vender directamente a departamentos de policía y gobiernos municipales
    • Se dieron cuenta de la necesidad trabajando hacia atrás desde sus metas de crecimiento
    • Solo vendiendo a grupos vecinales no podían crecer lo suficiente
    • Al principio parecía imposible, pero sí era viable
  • En casos reales, contribuyeron a resolver delitos graves, incluyendo la captura de secuestradores
    • Los crímenes resueltos salían en las noticias de la noche, lo que impulsó el boca a boca
    • Cuando se resolvía un crimen en una ciudad, el jefe de policía de una ciudad vecina preguntaba: “¿qué es esto? lo necesito ya”
  • Formaron un equipo de medios: les daban a los presentadores de noticias la información de que Flock Safety había resuelto un crimen y video B-roll
    • Se difundió rápidamente por su efecto viral

• Resultados actuales

  • Hoy alcanzó una valuación de $7.5B
  • Los ingresos anuales superan por mucho los $60 millones
  • Está resolviendo el 10% de todos los delitos reportados en EE. UU. (una cifra sorprendente)
  • La tecnología central es casi la misma que en el demo day, pero el modelo de negocio hizo pivot varias veces
  • Siguen vendiendo a grupos vecinales, pero vender oficialmente a departamentos de policía fue la clave del crecimiento

• Lecciones generalizables

  • Si tienes una idea de startup y hablas con varios VC, vas a recibir mucho feedback
  • Si Garrett hubiera hablado con varios VC, le habrían dicho: “eso no es financiable por VC; ventas a gobiernos locales, hardware, deberías hacer B2B SaaS”
  • Fue positivo entrar a un mercado con casi nada de competencia porque a todos los demás les parecía demasiado raro
  • Si te concentras en el cliente y en la necesidad real, se vuelve evidente
  • Eso no se aprende en blogs, X ni ChatGPT; hay que probar muchas cosas en la práctica
  • Cada historia es muy distinta, pero Garrett y el equipo de Flock son únicos por su pensamiento desde first principles
    • Qué construir
    • Cómo conseguir clientes
    • Cuál debería ser el modelo de negocio

El modelo de Forward Deployed Engineer y Giga ML

• El ascenso del Forward Deployed Engineer

  • Recientemente se ha vuelto el playbook por defecto de las startups
  • El trabajo de convertir el esquema y la lógica de negocio del cliente a tu propio esquema y lógica
  • En esencia, es trabajo de consultoría
  • Las empresas que adoptaron este modelo están mostrando tasas de crecimiento agresivas
  • Pero si se ha convertido en el playbook por defecto más arraigado, entonces hay una oportunidad de abordarlo de forma contraria

• El AI Forward Deployed Engineer de Giga ML

  • Construyeron su propio AI Forward Deployed Engineer usando generación de código en lugar de FD humanos
  • Los FD humanos todavía toman varias semanas (aunque eso ya es rápido comparado con la consultoría empresarial histórica)
  • Un AI FD puede completarlo en cuestión de minutos
  • Esa es una gran razón por la que pueden cerrar deals más rápido que sus competidores
  • En realidad no es un FD en absoluto, sino el producto mismo
    • El cliente ingresa las especificaciones y recibe el producto de inmediato
  • Este es un ejemplo de una apuesta contraria que cambia por completo el tablero y puede generar grandes resultados

Fundadores de ciencia ficción y grandes ideas "imposibles"

• El caso de OpenAI

  • Cuando Sam Altman, exalumno de Y Combinator, comenzó OpenAI, ni siquiera estaba claro si la IA era viable
    • Al principio, parecía sobre todo un proyecto experimental de investigadores
    • Publicación de papers, un solucionador de cubo de Rubik, IA para el juego Dota y varios proyectos secundarios
    • No estaba claro cómo todo eso se integraría para convertirse en el OpenAI actual
  • En el momento de su lanzamiento, recibió cobertura mediática mayormente negativa
    • Solo unos pocos optimistas tecnológicos reaccionaron de forma positiva
    • La mayoría de los investigadores de IA en la academia y en otras empresas fueron extremadamente negativos
    • Hubo críticas como: "Es absurdo pensar que gente de 20 o 30 años pueda crear AGI"
    • También reacciones como: "Llevamos 50 años investigando esto; si hubiera una manera, ya lo habríamos hecho"
    • Un punto importante de crítica era que "no publican papers"
  • También se criticaba invertir millones de dólares en costos de GPU para scaling laws sin producir más papers
    • Los papers son un objetivo de optimización equivocado (paperclip optimization)
    • Los verdaderos builders optimizan resultados para clientes y usuarios
  • Mantuvieron el rumbo y eso llevó a su éxito actual

• El caso de SpaceX

  • Elon Musk fue el quinto multimillonario en iniciar una empresa de vuelos espaciales
    • Los cuatro multimillonarios anteriores ya habían fracasado
    • La prensa se burlaba diciendo: "Otro multimillonario desperdicia su fortuna en cohetes"
  • El concepto de cohetes reutilizables se consideraba una idea blasfema
    • Cuando pidió consejo a científicos de cohetes, la respuesta fue: "Es imposible"
  • Hubo muchos intentos de lanzamiento fallidos durante varios años
    • Cada vez que explotaba un cohete, llegaba otra ola de cobertura negativa en los medios
  • En ambas empresas (OpenAI y SpaceX), los fundadores tuvieron que mantener sus convicciones mientras durante mucho tiempo la mayoría de la gente les decía que eran tontos o estaban locos

• Un imán para 1 de cada 10 personas

  • Puede que 9 de cada 10 personas digan que eres tonto o estás loco, pero 1 de cada 10 puede estar de acuerdo con tu creencia
  • La razón por la que hace falta ser contrarian y luego demostrar que tenías razón es que eso funciona como un imán que atrae a todos los que piensan igual

Cómo juzgar la realidad

• Hay que replantearse cómo saber qué es verdadero y correcto en el mundo
• Revisa todas tus fuentes de información y confirma de dónde vienen
• Si vienen de usuarios, de la experiencia personal, o de la experiencia de personas con las que hablaste directamente, eso es una buena base verificable de realidad
• Hacer doomscrolling en X o escuchar lo que dice una celebridad (francamente, incluidos estos panelistas) no deja de ser N=1
  • Lo importante son las personas con el problema específico que a ti te interesa
  • Tu capacidad para resolverlo
  • Tu capacidad para atraer a todas las demás personas que quieren resolver ese problema

Consejo clave: enfócate en el problema del cliente

• No intentes hacer algo ilegal; encuentra algo que los seres humanos realmente quieran y necesiten
• Entonces lo demás se acomoda solo
• Si de verdad te enfocas en los problemas de la gente y en qué tan grave es ese problema, lo demás se resuelve de manera natural
  • Descubrirás el modelo de negocio
  • Descubrirás la distribución
• No puedes saber estas cosas sentado frente a la computadora como si fueras un oráculo
  • Tienes que salir de casa de verdad
  • Tienes que hablar con los clientes
• Por eso ayuda la forma de definir metas en Y Combinator
  • Trabajar hacia atrás desde la meta de crecimiento para entender qué hay que hacer

La trampa de lo popular

• Si solo intentas hacer lo que es popular, terminarás aferrándote a ideas derivadas y obvias que ya tienen 5, 10 o 100 competidores
• Eso puede servirles al número 1 y al número 2, pero del 3 al 98 la startup va a morir

[yeobi222]

La perspectiva sobre la legislación se siente peligrosa
No es del todo incorrecto, pero...