Prešiel svetoznámymi startupmi aj korporátnou prácou v Googli. Lukáš Tencer sa však v Silicon Valley vrátil ku koreňom a zaistil pre svoju firmu obriu počiatočnú investíciu.
Počas májového popoludnia v Bay Area, keď sme v Kalifornii robili rozhovory s ambicióznymi Slovákmi zo Silicon Valley, sme sa stretli aj s Lukášom Tencerom. Na Slovensku nie úplne známym odborníkom na umelú inteligenciu, ktorého životopis by stačil aj na učebnicu o tom, ako sa z akademických lavíc dá dostať do prvej ligy AI.
A práve na tomto leveli hrá so svojou „zlou AI“ hru na mačku a myš, ktorú podporili investori zo Silicon Valley vysokou pre-seedovou investíciou. Vysokou aj na pomery Kalifornie.
Jeho cesta sa začala náhodnou internetovou diskusiou so zakladateľom malej firmy imo.im a postupne viedla cez Pandoru, Niantic, Twitch a Google až k vlastnému startupu Reinforce Labs. Ten dnes patrí medzi najambicióznejšie projekty v oblasti bezpečnosti umelej inteligencie – a už v úvodnej investičnej fáze uspel v jednom z najväčších pre-seedových kôl, aké sa slovenskému zakladateľovi v Bay Area podarilo.
„Doktorandské štúdium bolo veľmi teoretické. Chýbalo mi vidieť, ako AI funguje v reálnych systémoch. Keď ma pozvali do Bay Area, vedel som, že z toho nemôže vzniknúť nič zlé,“ spomína Tencer na začiatky.
Nasledovali roky v prostredí, kde sa formovala moderná AI. V Pandore pracoval na personalizácii hudby, v Nianticu sa jeho algoritmy dostali až do Pokémon Go. V Twitchi zostavoval safety tím proti toxickému obsahu a phishingu a v Googli vyvíjal systémy, ktoré kontrolovali miliardy reklám.
„Podarilo sa mi najať skvelých ľudí a vytvoriť systémy, ktoré reálne chránili používateľov aj platformu. Bolo to fantastické,“ hovorí.
Dnes však už nesedí v korporátnom kampuse, ale vedie Reinforce Labs, startup, ktorý stavia AI proti AI. „Trénujeme modely tak, aby vedeli simulovať správanie útočníkov na platformách s AI, zneužívanie chatbotov, falošné účty či nebezpečný obsah. Vytvárame sandbox (vlastná testovacia platforma – pozn. red.), kde tieto útoky napodobníme, a potom cvičíme AI, aby ich dokázala odhaliť ešte predtým, než sa stanú.“
Pat Mazzera
Investori sa na trénovanie AI chytili rýchlo. „Nie je to miliarda ako pri OpenAI, ale určite to nie je ani symbolická suma jedného či dvoch miliónov,“ hovorí bez veľkých gest o investícii, za ktorou stoja fondy A. Capital, Peak XV či české Credo Ventures.
Keď sme sa pripravovali na tento rozhovor, nedalo sa nevšimnúť si portfólio firiem, v ktorých ste nadobudli skúsenosti. Je v Bay Area bežné, že ľudia menia firmy každé dva-tri roky?
Absolútne. Najviac sa učíte na začiatku, keď objavujete nové veci. Po dvoch-troch rokoch už tempo učenia klesá. Ak vám firma nevie poskytnúť nové možnosti rásť, tak to spraví niekto iný. A trh tu funguje veľmi dynamicky. Preto je prirodzené, že ľudia po pár rokoch idú ďalej.
Aká bola vaša úloha v spoločnosti Niantic, ktorá stála pri vzniku Keyhole – neskôr Google Earth – a neskôr prišla aj s Pokémon Go?
Do Nianticu ma zobrali preto, že sa snažili rozbehnúť využitie umelej inteligencie a strojového učenia. Chceli niekoho, kto im povie, ako sa to dá urobiť. Moja úloha bola najmä personalizácia hier. Riešili sme napríklad predikciu toho, kedy používatelia hru prestanú hrať, alebo ako nahradiť ľudskú prácu pri kontrole používateľského obsahu automatizovanými algoritmami.
Ďalšia vec bola prispôsobovanie hier konkrétnym lokáciám. Napríklad pri Pokémone Go to znamenalo, že v meste sa objavovali iné pokémony ako na dedine, aby to ľudí motivovalo hrať. Algoritmy sa učili z toho, ako sa hráči správajú, a na základe toho sme dokázali personalizovať zážitok.
Algoritmy známych firiem
Takže vaše algoritmy sa dostali aj priamo do Pokémon Go?
Niektoré áno. Ale väčšinou sme tvorili všeobecnú platformu, ktorá sa dala aplikovať do viacerých hier. Napríklad algoritmy na revíziu používateľského obsahu sa neskôr používali naprieč všetkými produktmi Nianticu.
Prečo ste z Nianticu odišli do Twitchu?
Vyvíjanie AI platformy bolo pre Niantic skôr experiment. Aby firma naozaj prerazila v oblasti umelej inteligencie, musela by do toho investovať oveľa viac, než vtedy bola ochotná, dokonca až desaťnásobne. Až teraz sa rozhodli na to sústrediť naplno. Predali herný biznis a začali sa sústreďovať na computer vision (odvetvie AI, ktoré učí počítače „vidieť“, spracovávať a chápať vizuálny svet – pozn. red.) – keby to spravili o päť-šesť rokov skôr, bolo by to pre mňa ideálne.
Bolo to fantastické. Mali sme takmer neobmedzené zdroje, firma do toho investovala naplno.
Twitch bol úplne iný príbeh. Tam bolo jasné, že problémy, ktoré riešia, sú obrovské a kritické. Vedeli, že majú vážne bezpečnostné riziká: napríklad streamy, kde sa objavovalo nevhodné alebo násilné správanie, streamovalo sa napríklad strieľanie na ľudí, phishingové linky, cez ktoré ľudia prichádzali o peniaze. A nevedeli to efektívne vyriešiť. Preto ma najal môj šéf, aby som zostavil nový safety tím a zaviedol machine learning do týchto procesov.
Ako to vyzeralo v praxi?
Bolo to fantastické. Mali sme takmer neobmedzené zdroje, firma do toho investovala naplno. Podarilo sa mi najať skvelých ľudí, zostaviť silný tím a vytvoriť systémy, ktoré reálne chránili používateľov aj platformu. Pre mňa to bola veľká skúsenosť, zrazu som mal možnosť rásť aj ako líder tímu.
Na LinkedIne ste napísali, že ste sa snažili urobiť internet bezpečnejším miestom. To ste mali na mysli práve v súvislosti s Twitchom?
Čiastočne, ale potom aj v Googli. O tom môžem hovoriť len veľmi opatrne. Google je v tomto smere komplikovaný.
Aké prísne je to vlastne v Googli? Podpisujete zmluvu o mlčanlivosti, dostávate tréning, čo môžete a nemôžete hovoriť?
Google je veľmi prísny. Majú NDA, kde je jasne definované, čo človek môže a nemôže povedať. Keď komunikujete s médiami, dostávate aj mediálny tréning. Tento rozhovor by sme napríklad nemohli viesť, keby som tam ešte pracoval.
A dokedy to obdobie mlčanlivosti trvá?
Prakticky navždy. Nie je tam stanovená lehota, po ktorej by to prestalo platiť. Samozrejme, to, čo je verejne známe, môže človek komentovať. Ale všetko interné je pod NDA.
AI a bezpečnosť
Čomu konkrétne ste sa teda v Googli venovali?
Môžem hovoriť len všeobecne. Pracovali sme na systémoch, ktoré mali zabezpečiť, aby reklamy boli „kóšer“. Keďže reklama prináša Googlu obrovské peniaze, je to aj obrovský priestor na zneužitie. Niektorí inzerenti skúšali púšťať podvodné reklamy, napríklad predstierali, že sú niekým, kým nie sú, alebo cielili na to, aby od ľudí vylákali peniaze.
Ďalšia oblasť boli produkty či služby, ktoré Google jednoducho nechce inzerovať, lebo sú neetické alebo zakázané, teda zbrane, hazard a podobne. V každej krajine je legislatíva iná a Google k tomu ešte pridáva vlastné pravidlá. Takže bolo potrebné spojiť lokálne zákony, európske regulácie a interné pravidlá.
A vaša úloha bola využiť umelú inteligenciu na kontrolu toho všetkého?
Presne tak. Predstavte si, že na každú jednu reklamu by sa musel niekto manuálne pozrieť a skontrolovať ju podľa všetkých pravidiel. To je nemožné. My sme vytvárali AI, ktorá analyzovala celé účty, kreatívy, texty aj videá a rozhodovala, čo je problém.
A podarilo sa to?
Merali sme to na ukazovateľoch, napríklad koľko zo „zlých“ reklám sa podarí chytiť. Ak máš milión zlých reklám a nájdeš 90 percent, je to dobré. Ak 99 percent, ešte lepšie. Čísla prezradiť nemôžem, ale cieľ bol vždy posúvať tú úspešnosť vyššie. Samozrejme, je tam aj balans – ak systém označí všetko za zlé, tak síce nič neunikne, ale zároveň poškodíš nevinných inzerentov. A to je obrovská zodpovednosť.
Stávali sa aj prípady, že systém označil reklamu ako podvodnú, ale nakoniec sa ukázalo, že to bola chyba?
Samozrejme. Preto je tam zavedený transparentný proces odvolania. Ak si mal pocit, že reklama bola nesprávne vyhodnotená, mohol si podať žiadosť o revíziu. Potom sa na to pozrel človek, vyžiadal si ďalšie dokumenty či identifikáciu a rozhodoval znova.
Prešli ste startupmi, korporáciami a vrátili ste sa ku koreňom. Ste teda viac „startupový“?
Nemyslím si, že sa ešte niekedy vrátim do korporácie typu Google. To je pre mňa úplne mimo. Startupová práca ma momentálne veľmi baví. Je tam dynamika, rýchlosť a možnosť mať veľký vplyv. Samozrejme, aj startupy rastú a časom sa menia, ale stále existujú firmy s pár tisíckami ľudí, ktoré si udržali dobrú kultúru. Vtedy sa tam dá robiť veľa a mať skutočný .
Prečo hovoríte, že by ste sa už nevrátili do veľkého korporátneho sveta?
Do Googlu, Mety či Amazonu by som sa už určite nevrátil. To by musela byť naozaj výnimočná, unicornová pozícia, a tie sú extrémne vzácne. Na papieri tie tituly znejú super – viceprezident alebo podobne –, ale v realite je to často len nekonečné sedenie na poradách, písanie dokumentov a prezentácií. To je neskutočne nudné.
Nie je istota ako istota
Takže aj to vás presvedčilo opustiť istotu a ísť cestou vlastného startupu?
Áno, ale zároveň by som nepovedal, že veľké firmy sú symbolom istoty. Mnohí ľudia na vysokých pozíciách tam práve pracujú v dosť veľkej neistote. Ak o taký džob prídu, získať podobný je extrémne ťažké, pretože ich pozícia bola do veľkej miery založená na tom, že tam boli roky. Startup je v tomto paradoxne istejšia cesta. Si strojcom vlastného osudu. Urobíš dobrú vec, úspech sa dostaví. Keď nie, startup skončí, ale ty môžeš ísť robiť niečo iné. Keď stratíš svoju „kľúčovú“ rolu v korporácii, tak sú možnosti veľmi obmedzené. Dokonca by som povedal, že z dlhodobého hľadiska je očakávaná hodnota startupovej cesty vyššia než tá korporátna.
No zároveň startup znamená veľa práce. Dá sa to vôbec skĺbiť s osobným životom a voľným časom?
Dá sa. Pre mňa je kľúčové mať robotu, ktorá ma baví. Vtedy ani nemám pocit, že pracujem. Keď som v niektorej firme pozeral na hodinky, či už je päť, to bol moment, keď som pracoval oveľa viac, hoci to bolo len osem hodín denne. V startupe pracujem často viac, ale necítim to ako prácu.
Pre mňa je kľúčové mať robotu, ktorá ma baví. Vtedy ani nemám pocit, že pracujem.
A čo sa týka voľného času – ja ho mám. Niekedy sa dokonca prelína s robotou. Idem si zahrať tenis alebo bedminton s kolegami a je to aj teambuilding. Niekto by povedal, že je to práca, ale ja to beriem ako zábavu. Keď čítam odbornú knihu alebo sa rozprávam s niekým z podobného odboru, pre mňa je to zážitok, nie robota. Práca je pre mňa až vtedy, keď musím písať nudné dokumenty, ktoré nedávajú zmysel.
Poďme teda k vášmu startupu Reinforce Labs. V máji ste vyšli zo stealth modu a uzatvorili ste aj pre-seedové kolo, ktoré malo byť jedno z najväčších, aké sa Slovákovi podarilo uzatvoriť. Môžete ho priblížiť?
Presne tak, naše pre-seedové kolo sme uzavreli v marci. Začali sme zbierať peniaze v decembri a podarilo sa nám nájsť skvelých investorov. Ja a môj co-founder máme skúsenosti z veľkých spoločností aj startupov – a to nám pomohlo vybudovať si kredibilitu u investorov. Celkovo stálo pre-seedové kolo takmer 15 miliónov dolárov. Je to viac než obvykle, avšak na posttrénovanie veľkých LLM modelov je potrebný výrazný kapitál. Navyše chceme rýchlo expandovať, čo si takisto vyžaduje kapitál. Keďže sme mali veľmi skorý záujem zo strany design partnerov, potrebovali sme prostriedky aj na integrácie do ich systémov. Pokiaľ ide o získavanie kapitálu, v USA sa investičné firmy neboja a rady investujú do šikovných a skúsených ľudí. V Európe je to trochu ťažšie, no situácia sa mení, príkladom sú VC fondy vo východnej Európe, napríklad Credo, ktoré sa neboja investovať do čistého talentu.
Využívame moje skúsenosti z Googlu aj Nianticu, aj Twitchu – všetko sa to pretavilo do tejto firmy. Reinforce Labs sa sústreďuje na safety a security. Trénujeme modely tak, aby vedeli simulovať správanie útočníkov, či už ide o zneužívanie AI chatbotov, snahu o získanie osobných informácií od AI, alebo použitie AI na nebezpečné aplikácie. Teda v podstate trénujeme „zlú AI“. Vytvoríme sandbox (vlastná testovacia platforma – pozn. red.), kde sa tieto útoky dajú nasimulovať. Následne vytrénujeme systém, aby ich vedel odhaliť ešte predtým, než sa stanú. Je to taká hra mačky s myšou a zakaždým vznikajú nové typy útokov a nikdy neexistuje jedno univerzálne riešenie. Stále teda vznikajú nové príležitosti.
Zneužívanie AI
To znie trochu ako to, čo robí ESET. Je to podobné?
Nie celkom. ESET alebo Avast sa špecializujú najmä na malvér a klasickú počítačovú bezpečnosť. My sa zameriavame na iný typ hrozieb – zneužívanie AI, nebezpečný obsah a podvodné správanie používateľov, ktoré môže byť škodlivé. Tam vidíme, že tradičné firmy často nerobia dosť. A práve tam je priestor, kde môžeme byť relevantní. My sa špecliazujeme na útoky na platformách, ktoré používajú AI a je tam nejaké správanie používateľov.
Áno, máme to nasadené u design partnerov (spoločnosti, ktoré s nimi spoluvyvíjajú produkt – pozn. red.) v niekoľkých vertikálach. Kvôli NDA neuvádzame mená, no prvé výsledky ukazujú merateľné zníženie úspešnosti zneužitia AI, menej falošných poplachov a rýchlejší čas na mitigáciu (riešenie incidentov – pozn. red.). V najbližších mesiacoch rozširujeme piloty aj do e-commerceu a fintechu.
Ako ste to testovali ešte predtým, než ste išli za investormi?
Najskôr sme pracovali s prototypom technológie založenej na veľkých jazykových modeloch. Skúšali sme, či dokážu vygenerovať útočný text, vytvoriť falošné účty alebo falošné preukazy totožnosti. Urobili sme sandbox a tam sme simulovali takéto útoky. Keď sme videli, že základná technológia funguje, išli sme s tým za investormi. Získali sme financovanie a teraz technológiu zlepšujeme a zároveň hľadáme design partnerov, ktorí majú problémy so safety alebo security a môžu naše riešenie otestovať v praxi.
Čím si vysvetľujete, že sa vám podarilo získať takú veľkú investíciu? Je to kombinácia správnej témy a správneho momentu?
Doména určite zohrala kľúčovú rolu, rovnako aj to, že ja a môj spoluzakladateľ sme v odbore mali dlhoročné skúsenosti. Cybersecurity bola vždy dôležitá téma, ale dnes je ešte vypuklejšia. Vďaka našim predchádzajúcim pracovným skúsenostiam poznáme ľudí, ktorí tieto problémy majú, môžeme za nimi prísť a povedať: „Toto vieme vyriešiť. Chcete s nami spolupracovať?“
Pat Mazzera
Okrem toho máme prístup k talentom, teda poznáme ľudí, ktorí už na podobných problémoch pracovali a môžeme ich najať. A práve tu sa veci nielen sčítavajú, ale aj násobia. Správna téma, skúsenosti, kontakty a schopnosť zostaviť tím – to všetko výrazne zvyšuje šancu na úspech. A, samozrejme, potrebujeme viac peňazí aj preto, že trénujeme vlastné modely a techniky, čo je extrémne nákladné.
Prečo je to také drahé? Čo presne robí z tréningu modelov taký nákladný proces?
Platí to pri každej firme, ktorá nechce používať len predtrénované modely ako ChatGPT, ale vyvíja vlastné. Je to kombinácia viacerých faktorov – energie, ktorú spotrebujú výpočty, amortizácie špičkových čipov a hardvéru, ako aj samotného výskumu. Predstavte si obrovské matice s miliónmi parametrov, ktoré sa navzájom násobia v rozsahu miliárd až biliónov operácií – a to všetko sa musí stať v zlomku sekundy, aby bol systém použiteľný v praxi.
Keď model trénuješ, musí sa naučiť, čo dáta znamenajú. Napríklad keď mu dáte „celý internet“, musí z týchto podkladov nadobudnúť schopnosť chápať. Funguje to ako neurónová sieť v mozgu, ktorá sa postupne učí cez korekcie. Aby to fungovalo, potrebujete nesmierne veľa dát a enormné množstvo výpočtov.
A ten proces sa nikdy nekončí, však? Čím viac dát pridáte, tým viac sa model učí.
Presne tak. Je to v podstate nekonečný proces, limitovaný iba výpočtovou silou a dostupnosťou dát. Súčasné modely chápu len to, čo im dáte – preto sú limitované. Ale prichádza nová vlna. Hovorí sa tomu reinforcement learning. Modely tam nielenže trénujete na dátach, ale skúšajú tiež veci samy, získavajú skúsenosť a učia sa z nej. To je smer, ktorým ideme aj my. Je to ešte ťažšie, ale o to zaujímavejšie.
Dáta a trénovanie
Ako sa trénujú tieto veľké AI modely – viete to vysvetliť, aby to pochopil aj bežný človek? Ako dlho to trvá?
Najprv pripravíme dáta (očistenie dát, odstránenie dát nízkej kvality, tokenizácia – rozdelenie dát na malé celky) a model v predtrénovaní „číta“ obrovské množstvo textu a údajov (takmer celý internet) a háda ďalšie slovo. Pri chybách hádania ďalšieho slova si upravuje miliardy parametrov. Tieto parametre sa potom používajú počas toho, keď model odpovedá ľuďom na ich otázky. Po predtrénovaní príde doladenie na špecifické úlohy a často aj učenie so spätnou väzbou (reinforcement learning), kde model dostáva odmeny alebo penalizácie za správne alebo škodlivé správanie. Napríklad sa model učí riešiť matematické úlohy, nájsť podobné filmy alebo napísať počítačový program, ktorý vie hrať šach. Nasleduje testovanie bezpečnosti, robustnosti a nasadenie s priebežným monitorovaním. Tu sa model musí naučiť, aby neškodil ľuďom. Znova – ak sa model správa dobre, dostane odmenu; ak nie, je penalizovaný.
Ako dlho? Menšie či stredné modely sa trénujú dni až týždne, väčšie týždne až jeden-dva mesiace, najväčšie „frontier“ modely (ako ChatGPT alebo Claude) bežne niekoľko mesiacov (vrátane iterácií a auditov). Avšak menšie zmeny, ktoré nie sú celé predtrénovanie modelu, sa dejú aj niekoľkokrát za týždeň.
Dáta, ktoré používame, sú kombináciou ľudsky anotovaných dát, syntetických dát generovaných pomocou AI a dát, ktoré nám poskytujú klienti. Ak ide o dáta vytvorené ľuďmi alebo AI, uplatňujeme verifikačný proces, ktorý na vybratej vzorke priebežne kontrolujú naši interní odborníci. Pri klientskych dátach s nimi spolupracujeme na nastavení zberu a zaznamenávania, tak aby boli dáta konzistentné, kvalitné a prakticky použiteľné.
Čo presne znamená, že ste si vybrali cestu reinforcement learningu? Môžete bližšie vysvetliť, o čo ide a ako vám to pomôže dosiahnuť ciele?
Reinforcement learning chápeme ako učenie so spätnou väzbou zo skutočných interakcií. Model skúša stratégie a dostáva odmenu alebo penalizáciu podľa toho, či sa mu podarilo „prekabátiť“ protivníka alebo útok zastaviť. V samohre (self-play) striedame roly „mačky a myši“ a modely si z výsledkov priebežne aktualizujú stratégie: úspešné taktiky používajú častejšie, neúspešné opúšťajú. Na rozdiel od čisto statického tréningu na datasetoch sa tak systém učí priamo z nových situácií, rýchlejšie sa prispôsobuje a odhaľuje neznáme vzory. Pre nás to znamená lepšiu detekciu nových typov zraniteľnosti, podvodov a zneužití ešte predtým, než sa objavia v produkcii, a zároveň robustnejšie modely.
Kto sú vaši investori? Spomínali ste, že je medzi nimi aj české Credo Ventures.
Hlavným investorom je A. Capital. Ďalej je tam fond Peak XV, ktorý vznikol odčlenením od Sequoia India. Okrem nich máme veľa angel investorov. Niektorí vyslovene nechcú, aby sa ich meno spomínalo. Väčšina je z USA a Ázie, máme aj pár ľudí z Európy, vrátane zakladateľov či lídrov z popredných tech firiem, napríklad z VMware, Vercelu, LinkedInu alebo medzi prvými zamestnancami Googlu.
Pat Mazzera
Ako ste prišli k českému Credu? Oslovili vás sami, alebo ste prejavili iniciatívu vy?
Oslovili ma oni. Úplne náhodne na LinkedIne. Myslím, že ani nevedeli, že práve rozbieham startup. Napísali mi, či by sme sa nemohli porozprávať. Ja som im povedal, že teraz nie je dobrý moment, lebo som ešte bol v Googli. Počkali, a keď som odišiel, stretli sme sa. Prišli do Bay Area, dali sme si kávu, večeru, rozprávali sme sa niekoľko hodín. A musím povedať, že boli veľmi „low drama“ investori.
Low drama?
(úsmev) Áno. Niektorí investori sú presný opak – veľmi dramatickí. Robia tvrdé „grilovanie“, posielajú desaťstranové dokumenty s otázkami, chcú predpovede expanzie na ďalších neviemkoľko mesiacov, detailné finančné modely. Je to náročné. Credo bolo v tomto veľmi priame a pragmatické.
Investičné valuácie v posledných rokoch prešli veľkými výkyvmi. Nie je to aj tým?
Určite sa to z odvetvia na odvetvie líši. Nemyslím si však, že valuácie klesli. Pred dvoma-troma rokmi bolo veľa startupov, ktoré mali úplne nadhodnotené valuácie. Boli to v podstate jednoduché webové aplikácie, ktoré dostali investíciu na miliardové valuácie a mali tržby v pár sto miliónoch. To bol totálny nezmysel. Ale pri umelej inteligencii je trend jasný: každý vie, že zmení celý svet, urobí firmy efektívnejšími a otvorí úplne nové možnosti. Preto je AI stále jednou z top oblastí, kam investori smerujú peniaze. Nie je to krypto. Ani NFT.
Problém študentov
Udržiavate ešte nejaké kontakty so Slovenskom? Spomínali ste, že ste oslovovali študentov z univerzity, kde ste študovali.
Trochu áno. Keď som na Slovensku, občas sa ozvem univerzite, kde som študoval, a snažil som sa tam získať študentov na stáže alebo spoluprácu. Ale musím priznať, ozvalo sa len veľmi málo ľudí. Mám pár kamarátov, s ktorými sa občas rozprávam, a s rodinou voláme zhruba raz za dva týždne.
To ste naozaj nevedeli na stáž získať študentov zo Slovenska?
Mojím dojmom je, že je to veľký risk pre niekoho, kto ešte nemal skúsenosť s prácou v zahraničí. Ísť na tri mesiace do cudziny – do firmy, ktorú nepoznáš, to si vyžaduje odvahu. Ľudia majú obavy: angličtina, či sú dostatočne pripravení, finančné zabezpečenie, neznámy systém zdravotnej starostlivosti a podobne. Keď chcete nájsť dôvod, prečo to nespraviť, vždy ho nájdete. Ja si hovorím: vyskúšaj to, najhoršie, čo sa stane, je, že ťa pošlú domov. Väčšina ľudí to však nevyskúša.
Na Slovensku sa ľudia často hanbia hovoriť o zlyhaniach. Ako je to vnímané v Silicon Valley?
Je to úplne iné. Tu sa zlyhanie berie ako skúsenosť. Keď sa ti niečo nepodarí, berie sa to ako learning experience – nie ako stigma. Aj ja som mal momenty, keď prechod medzi firmami nebol úplne hladký. Niekedy tam bola komplikovaná situácia, niekedy nedostatok rastu, inokedy som zostal dlhšie, než by bolo ideálne, a moja kariéra išla dole. Niekto by to nazval zlyhaním, ja to beriem ako lekciu.
Aj ja som mal momenty, keď prechod medzi firmami nebol úplne hladký.
Je to podobné ako pri startupoch – 90 percent z nich neprežije. Ale tých 10 percent prinesie obrovské výnosy a v konečnom dôsledku sa to oplatí. Vždy robíš rozhodnutia s najlepšími informáciami, ktoré máš v danej chvíli.
Všimli sme si, že na Slovensku sa často oslavuje „urob z mála veľa“. Ako to vplýva na ambície startupov?
Áno, v menších ekosystémoch sa naučíš robiť veľa s málom. To je užitočné, ale má to svoje hranice. My nechceme byť „zombie startup“, ktorý prežíva päť až 10 rokov s minimom peňazí, kým sa niečo spraví. To je nezmysel. Cieľom je rásť efektívne, zlepšovať produkt a dostať sa k lepšej ekonomike firmy.
Aké máte ambície a míľniky? Kam chcete dostať Reinforce Labs za jeden až tri roky?
Nevidíme to cez šablónu „séria B do troch rokov“. Skôr máme konkrétne biznisové míľniky: ak by sme dosiahli ročný ARR (revenue) jeden-dva milióny do nasledujúceho roka, bol by to veľmi dobrý výsledok. Päť až desať miliónov v ďalšom kroku by bolo ideálne. Peniaze budeme získavať, keď ich budeme potrebovať na rast alebo keď príde dobrá príležitosť.
