“Não fazemos 30 apostas por ano”: Vijay Pande sobre apostas pequenas depois de faturar US$ 4 bilhões na a16z

Antigamente, Vijay Pande era mais conhecido nos círculos acadêmicos do que nos círculos de investidores. Isso mudou abruptamente há doze anos, quando Marc Andreessen e Ben Horowitz – que passaram os primeiros cinco anos da sua empresa evitando explicitamente os cuidados de saúde e as ciências da vida – decidiram que afinal valia a pena apostar na categoria e entregaram as chaves a Pande. Na época, ele era professor de química em Stanford e ficou mais conhecido por construir o Folding@home, o projeto de computação distribuída que transformou milhões de PCs domésticos em supercomputadores para pesquisa de doenças. Ao longo da década seguinte, ele transformou a aposta da a16z em uma prática que administrava cerca de US$ 4 bilhões.

Portanto, foi um tanto inesperado quando, em junho do ano passado, Pande se afastou de tudo para começar algo muito menor. Na verdade, a sua nova empresa, a VZVC, co-fundada com o investidor de longa data Zach Werner, é construída em torno de um punhado de apostas concentradas por ano, em vez de dezenas, não tem associados e depende fortemente da IA ​​para as suas operações diárias.

Para saber mais sobre o difícil pivô de Pande, conversamos com ele esta semana sobre por que ele está fazendo apenas algumas apostas concentradas em vez de se espalhar no mercado atual – e sobre um dos enigmas mais interessantes na biotecnologia baseada em IA: ao contrário do texto, os dados biológicos não podem ser extraídos da Internet, então quase todas as empresas acabam construindo seu próprio conjunto de dados isolado. O que isso significa para todos os avanços prometidos pela IA na medicina e quem realmente tem acesso a eles?

Esta conversa foi editada para maior extensão e clareza. Você também pode ouvir a conversa completa (abaixo).

Você disse que a biologia está passando de uma “ciência da descoberta” para algo que você pode projetar. O que isso significa?

Em grande parte da forma como os medicamentos foram desenvolvidos, houve um aspecto muito fortuito nisso. Acho que o que mudou é que a IA e a aprendizagem automática permitem que os computadores envolvam o seu tipo de compreensão em torno de algo muito, muito complicado… para tentar descobrir quais os alvos que pretende que os seus medicamentos atinjam, para doenças específicas, para poder fabricar esses medicamentos, e agora até para ajudar nos ensaios clínicos – que são a parte mais cara do processo.

Achei que os ensaios clínicos estavam ficando mais baratos porque os desenvolvedores de medicamentos estão usando mais dados sintéticos, portanto, não são necessárias tantas pessoas para esses ensaios.

Isso é, eu acho, uma aspiração.

O custo e o tempo para chegar aos ensaios clínicos têm diminuído, especialmente com a IA, mas ainda pode custar centenas de milhões de dólares para realizar um ensaio, razão pela qual os medicamentos são muito caros. A probabilidade de um medicamento ter sucesso desde o primeiro ensaio até ao final do terceiro ensaio é de apenas 20%. Se 8 em cada 10 falharem e essas coisas custarem centenas de milhões de dólares, o custo amortizado ficará muito alto. A razão pela qual eles falham normalmente não é porque o biólogo fez algo errado; é que todos os experimentos em que essas drogas foram projetadas foram realizados em modelos animais, como ratos, e, no final das contas, os modelos animais simplesmente não são muito preditivos em relação aos humanos. O modelo de IA não será perfeito, mas será muito melhor do que qualquer modelo animal seria, e quando ultrapassar esse padrão, será realmente emocionante.

(A fase seguinte é): O medicamento é o medicamento certo para meu?

Você quer dizer medicina personalizada. . .

O jargão aqui é a chamada medicina de precisão. Se você for ao médico com algo que não seja trivial, ele terá que adivinhar o que está acontecendo, porque há um limite para o que ele pode dizer. Aí eles te dão uma droga – e se isso não funcionar, eles te dão outra droga, depois outra droga. Isso acontece no câncer, acontece em muitas áreas diferentes. Estaríamos todos muito melhor se o primeiro medicamento fosse o certo. Normalmente, os valores dos seus exames de sangue são comparados com as médias da população. Mas, na verdade, eles deveriam ser comparados com: isso (resultado) é estranho para você? O que estamos começando a fazer também no lado da medicina é (a capacidade) de entender o que seria certo para o indivíduo.

Você diria que o caminho para este momento tem sido lento e constante ou aumentou mais recentemente?

Eu acho que são muitas coisas diferentes (se unindo). Assim, por exemplo, a medicina de precisão durante muito tempo foi baseada na genômica. Mas a realidade é que o seu genoma é como o modelo da sua casa no primeiro dia, mas a sua casa é bastante diferente agora em comparação com o momento em que foi construída. Portanto, há muitas outras coisas que as pessoas podem agora medir em proteómica e assim por diante que são muito mais relevantes para compreender as doenças e onde o seu corpo está agora. Também houve (muita) automação em medições robóticas que está naturalmente ligada à IA, e essas duas coisas andam muito bem de mãos dadas.

Ao longo da última década, houve um avanço constante tanto na IA para a biologia quanto na IA para a química. A parte da biologia é como podemos tratar esta doença? E então a parte química é: como podemos criar um medicamento para ir atrás daquela proteína específica? Na verdade, houve avanços muito significativos nesses 10 anos.

Você mencionou que a biologia é um dos poucos lugares onde a IA não pode simplesmente extrair dados da Internet. O que isso significa para o desenvolvimento do campo?

É um lugar onde você não tem nenhum desses dados, onde todas as pessoas podem treinar a mesma coisa e seus dados não podem ser destilados de um modelo para outro. É uma jogada realmente interessante apenas pelo sentido puro da IA.

Mas isso não ecoa um problema familiar na medicina – médicos que operam em silos (territoriais, muitas vezes competitivos)?

Você está descobrindo algo realmente grande aqui. Digamos que (alguém) tenha algum tipo de câncer, e isso seja um problema tanto na oncologia quanto na endocrinologia – esses dois médicos realmente não se sincronizam muito bem. O que é realmente intrigante na IA é que ela pode, em princípio, ser especialista em tudo e pode começar a ver coisas que nenhum ser humano consegue ver. Seria equivalente a ter uma equipe dos melhores médicos clamando juntos naquele momento.

Mas existe partilha de dados suficiente para que essa visão seja realmente concretizada? Entendo por que os fundadores e investidores desejam proteger suas (respectivas descobertas), mas. . .

Acho que uma das maiores tendências é que estamos começando a ver uma mudança na construção desses atlas de informação biológica – que, do ponto de vista tecnológico, são tipicamente modelos básicos. E à medida que se tornarem mais comuns, creio que veremos o mesmo que aconteceu com os LLMs de código aberto, que se saem muito bem contra os corporativos: modelos básicos de código aberto em biologia tendo um impacto muito amplo.

Você está envolvido com a Genesis Therapeutics, que surgiu de seu laboratório em Stanford, e com a Insitro, a empresa de descoberta de medicamentos lançada por Daphne Koller, uma ex-colega de Stanford. Você diz que também está incubando uma empresa com um fundador que conhece há 20 anos. O que você procura nos fundadores e em quais áreas?

Há duas áreas nas quais tenho passado a maior parte do meu tempo. Uma é a IA para prestação de cuidados de saúde, que também fiz muito no a16z, e depois a IA para ensaios clínicos.

Uma das coisas que é mais importante para mim (sobre os fundadores) é que podemos realmente confiar uns nos outros – fundadores que têm alta integridade, que fazem o que dizem que vão fazer… Espero que esse relacionamento dure 5, 10 anos ou mais, idealmente, em sua próxima empresa. Quero trabalhar com pessoas que pensam a longo prazo dessa forma. Idealmente, são pessoas que não estão apenas tentando vencer e vencer outras pessoas, mas realmente pensando na questão: como podemos vencer juntos?

O que você acertou e errou em sua carreira de investidor até agora?

Quando comecei a falar sobre IA e aprendizado de máquina e tecnologia e medicina e biologia há mais de 10 anos, houve muita resistência e muitas pessoas dizendo: ‘Oh, isso nunca vai acontecer. Isso nunca será útil’, e assim por diante. Essa resistência praticamente desapareceu e ver esse arco é muito gratificante.

Acho que levei algum tempo para realmente perceber que, por mais sedutoras que sejam as tecnologias mais legais, elas sempre voltam para o lançamento no mercado. Digo aos meus fundadores, especialmente aqueles que vêm do lado da ciência ou do produto, para que eles peguem todo o seu brilho e criatividade e realmente apliquem no lado de entrada no mercado, que a parte de entrada no mercado é pelo menos tão ou mais difícil do que o lado da tecnologia.

Ajude-nos a entender como você está projetando esta nova empresa de maneira diferente, em comparação com o que você dirigia na a16z.

No momento, estamos fazendo algo realmente bem diferente… VZ leva o meu nome, Vijay, e meu cofundador, Zach Werner – ele é o Z. Somos intencionalmente muito pequenos… no lado do investimento, somos apenas nós dois. Na verdade, pretendíamos contratar associados, mas acabou que, com os agentes que construímos, não era algo que precisávamos fazer.

Quão concentrado é “concentrado”?

Nós (não) fazemos 30 apostas por ano… estamos falando de provavelmente cinco, não muitos investimentos – muito concentrados. Adicionar uma empresa a um fundo típico é como adicionar um amigo no Facebook – isso é algo que você faz muito rapidamente. Para Zach e eu, é mais parecido. . . querendo ter outro filho. Isso é muito importante para nós.

Com essa estrutura, contra quem você está competindo por negócios?

O engraçado desse modelo é que normalmente não estamos tentando competir por uma rodada quente – as pessoas abrem espaço para nós. É uma coisa muito diferente de tentar obter a Série A ou a Série B. Em grande parte, as pessoas nos querem como investidores por causa do que Zach e eu podemos fazer e de como podemos ser práticos. Quando olho para pessoas que são inspirações, olho para alguém como Antonio Gracias, do Valor – ele é conhecido agora por causa do acordo com a SpaceX, mas faz o que faz há 20 anos. O que a Thrive tem feito, com um portfólio mais concentrado, também é uma verdadeira inspiração. Obviamente, a16z também está no meu DNA, mas acho que esses outros são novos acréscimos à forma como pensamos sobre as coisas.

O que é exagerado atualmente em IA e biotecnologia?

A realidade é que a IA pode encontrar insights que não podemos obter apenas dos humanos. O que sempre fica complicado é quando há esse chamado de que a IA vai curar tudo. A razão para hesitação não é qualquer dúvida sobre a IA – trata-se de dúvidas sobre os dados. Os LLMs funcionam porque há muitos dados para aprender. Quando os dados simplesmente não estão lá, a IA não consegue resolver esse problema magicamente.