Ringkas: Vijay Pande menjelaskan peralihan dari mengelola praktik hampir US$4 miliar di a16z ke VZVC, firma kecil yang bertaruh lebih terkonsentrasi pada AI biotech dan kesehatan.
Vijay Pande, yang dulu lebih dikenal di kalangan akademik daripada investor, kini menjalankan pendekatan investasi yang jauh lebih kecil setelah meninggalkan a16z pada Juni tahun lalu. Lewat firma barunya, VZVC, yang ia dirikan bersama investor lama Zach Werner, Pande berfokus pada sedikit taruhan terkonsentrasi setiap tahun, tanpa associate, dan sangat mengandalkan AI untuk operasi harian.
Dari Folding@home ke praktik hampir US$4 miliar di a16z
Perubahan besar dalam karier Pande terjadi sekitar dua belas tahun lalu, ketika Marc Andreessen dan Ben Horowitz memutuskan bahwa healthcare dan life sciences akhirnya layak menjadi kategori investasi, setelah lima tahun pertama firma mereka secara eksplisit menghindarinya. Mereka lalu menyerahkan kategori itu kepada Pande.
Saat itu, Pande adalah profesor kimia di Stanford yang paling dikenal karena membangun Folding@home, proyek komputasi terdistribusi yang mengubah jutaan PC rumahan menjadi superkomputer untuk riset penyakit. Dalam lebih dari satu dekade berikutnya, ia mengembangkan taruhan a16z tersebut menjadi praktik yang mengelola mendekati US$4 miliar.
Karena itu, keputusan Pande untuk pergi pada Juni tahun lalu dan memulai sesuatu yang jauh lebih kecil terasa cukup tidak terduga. VZVC, firma barunya bersama Zach Werner, dibangun di sekitar segelintir investasi terkonsentrasi per tahun, bukan puluhan. Firma ini tidak memiliki associate dan sangat bertumpu pada AI dalam pekerjaan sehari-hari.
Dalam percakapan pekan ini, Pande membahas mengapa ia memilih hanya beberapa taruhan terkonsentrasi ketimbang menyebarkan fokus di pasar saat ini. Ia juga menjelaskan salah satu dilema menarik dalam biotech berbasis AI: berbeda dari teks, data biologis tidak bisa begitu saja diambil dari internet, sehingga hampir setiap perusahaan akhirnya membangun dataset tertutup miliknya sendiri. Pertanyaannya, apa artinya bagi kemajuan AI di dunia medis yang telah dijanjikan, dan siapa yang benar-benar mendapat akses ke kemajuan itu?
Percakapan ini telah disunting agar lebih ringkas dan jelas.
AI biotech, uji klinis, dan kedokteran presisi
Pande mengatakan biologi sedang bergerak dari “science of discovery” menjadi sesuatu yang dapat direkayasa. Dalam banyak proses pengembangan obat selama ini, menurutnya, unsur keberuntungan sangat besar. Yang berubah adalah AI dan machine learning memungkinkan komputer membangun pemahaman atas sesuatu yang sangat rumit: menentukan target obat untuk penyakit tertentu, membuat obat tersebut, dan kini bahkan membantu uji klinis, yang merupakan bagian paling mahal dari proses.
Ketika ditanya apakah uji klinis kini menjadi lebih murah karena pengembang obat memakai lebih banyak data sintetis sehingga tidak membutuhkan sebanyak dulu peserta uji, Pande menyebut itu masih sangat merupakan aspirasi.
Menurutnya, biaya dan waktu untuk mencapai uji klinis memang menyusut, terutama dengan AI. Namun menjalankan sebuah uji klinis masih bisa menelan biaya ratusan juta dolar, yang menjadi salah satu alasan obat sangat mahal. Probabilitas sebuah obat berhasil dari uji pertama hingga akhir uji ketiga hanya 20%. Jika 8 dari 10 gagal, dan masing-masing proses bisa menelan ratusan juta dolar, biaya yang diamortisasi menjadi sangat tinggi.
Pande mengatakan kegagalan itu biasanya bukan karena ahli biologi melakukan sesuatu yang keliru. Masalahnya, semua eksperimen yang menjadi dasar perancangan obat tersebut dilakukan pada model hewan seperti tikus, sementara pada akhirnya model hewan tidak terlalu prediktif terhadap manusia. Model AI tidak akan sempurna, tetapi menurutnya akan jauh lebih baik daripada model hewan mana pun. Begitu melampaui standar itu, bagian tersebut menjadi sangat menarik.
Fase berikutnya, kata Pande, adalah pertanyaan apakah obat itu merupakan obat yang tepat untuk seseorang.
Istilah teknis untuk hal ini adalah precision medicine, atau kedokteran presisi. Pande menjelaskan bahwa ketika seseorang menemui dokter dengan kondisi yang tidak sepele, dokter harus menebak apa yang terjadi karena informasi yang bisa diketahui terbatas. Dokter kemudian memberi obat; jika tidak berhasil, pasien diberi obat lain, lalu obat lain lagi. Ini terjadi pada kanker dan banyak bidang lain.
Menurut Pande, akan jauh lebih baik jika obat pertama adalah obat yang tepat. Biasanya, nilai tes darah seseorang dibandingkan dengan rata-rata populasi. Namun seharusnya pertanyaannya adalah apakah hasil itu aneh untuk orang tersebut. Di sisi kedokteran, menurutnya, kemampuan yang mulai dibangun adalah memahami apa yang tepat bagi individu.
Pande menilai momen ini merupakan hasil dari banyak hal yang bertemu. Kedokteran presisi selama waktu yang lama bertumpu pada genomik. Namun, menurutnya, genom ibarat cetak biru rumah pada hari pertama, sementara kondisi rumah saat ini sudah cukup berbeda dibandingkan saat baru dibangun. Kini ada banyak hal lain yang bisa diukur, termasuk proteomik dan sebagainya, yang jauh lebih relevan untuk memahami penyakit serta kondisi tubuh saat ini.
Ia juga menunjuk banyak otomatisasi dalam pengukuran robotik yang secara alami terhubung dengan AI. Keduanya, menurut Pande, berjalan sangat baik bersama. Dalam dekade terakhir, ada laju kemajuan yang stabil pada AI untuk biologi dan AI untuk kimia. Bagian biologi menjawab bagaimana sebuah penyakit dapat ditangani, sedangkan bagian kimia menjawab bagaimana membuat obat untuk menyerang protein tertentu. Selama 10 tahun tersebut, menurutnya, kemajuannya benar-benar sangat signifikan.
Data biologis tidak bisa diambil begitu saja dari internet
Salah satu perbedaan penting antara AI di biologi dan AI di bidang lain adalah data. Pande menyebut biologi sebagai salah satu tempat di mana AI tidak bisa sekadar mengambil data dari internet. Artinya, tidak ada kumpulan data yang bisa dipakai semua orang untuk melatih hal yang sama, dan data tidak bisa didistilasi dari satu model ke model lain. Dari sudut pandang AI murni, menurutnya ini adalah permainan yang sangat menarik.
Masalah ini juga menggemakan tantangan lama di dunia medis, yaitu dokter yang bekerja dalam silo yang teritorial dan sering kali kompetitif. Pande mengatakan hal itu menyentuh persoalan besar. Misalnya, seseorang memiliki jenis kanker tertentu yang terkait dengan onkologi dan endokrinologi; dua dokter di bidang itu sering kali tidak benar-benar sinkron.
Hal yang menarik dari AI, menurut Pande, adalah secara prinsip AI dapat menjadi spesialis dalam segala hal dan mulai melihat sesuatu yang tidak bisa dilihat oleh satu manusia mana pun. Ia menyamakannya dengan memiliki tim dokter terbaik yang berkumpul bersama pada momen tersebut.
Namun, apakah ada cukup berbagi data agar visi itu benar-benar terwujud? Pande mengatakan salah satu tren yang lebih besar adalah pergeseran menuju pembangunan atlas informasi biologis. Dari sudut pandang teknologi, atlas seperti ini biasanya berupa foundation model, yaitu model dasar yang dapat menjadi landasan bagi berbagai aplikasi AI. Seiring model seperti ini makin umum, ia memperkirakan hal serupa dengan LLM open-source akan terjadi: foundation model open-source dalam biologi dapat memiliki dampak yang sangat luas, seperti LLM open-source yang mampu bersaing dengan model korporat.
VZVC memilih taruhan terkonsentrasi, bukan 30 investasi setahun
Pande terlibat dengan Genesis Therapeutics, yang berasal dari labnya di Stanford, serta Insitro, perusahaan penemuan obat yang diluncurkan Daphne Koller, mantan koleganya di Stanford. Ia juga mengatakan sedang menginkubasi sebuah perusahaan bersama seorang founder yang telah ia kenal selama 20 tahun.
Ada dua area yang paling banyak menyita waktunya: AI untuk healthcare delivery, yang juga banyak ia kerjakan di a16z, dan AI untuk uji klinis.
Dalam memilih founder, salah satu hal terpenting bagi Pande adalah rasa saling percaya. Ia mencari founder dengan integritas tinggi, yang melakukan apa yang mereka katakan akan dilakukan. Ia memperkirakan hubungan itu berlangsung 5 hingga lebih dari 10 tahun, idealnya sampai perusahaan berikutnya dari founder tersebut. Ia ingin bekerja dengan orang-orang yang berpikir jangka panjang, bukan hanya berusaha menang dan mengalahkan orang lain, melainkan memikirkan bagaimana bisa menang bersama.
Ketika ditanya apa yang sudah ia lakukan dengan benar dan salah dalam karier investasinya, Pande mengatakan bahwa saat ia mulai berbicara tentang AI, machine learning, teknologi, kedokteran, dan bio lebih dari 10 tahun lalu, ada banyak penolakan. Banyak orang mengatakan hal itu tidak akan pernah terjadi atau tidak akan pernah berguna. Kini penolakan itu sebagian besar telah hilang, dan melihat lengkungan perkembangan tersebut terasa sangat memuaskan baginya.
Namun, Pande juga mengatakan butuh waktu baginya untuk benar-benar menghargai bahwa semenarik apa pun teknologi paling keren, semuanya selalu kembali ke go-to-market. Go-to-market berarti cara produk dibawa ke pasar dan sampai ke pelanggan. Ia mengatakan kepada para founder, terutama yang berasal dari sisi sains atau produk, agar membawa seluruh kecerdasan dan kreativitas mereka ke sisi go-to-market, karena bagian itu setidaknya sama sulitnya, atau lebih sulit, daripada sisi teknologi.
VZVC dirancang sangat berbeda dari apa yang ia jalankan di a16z. Nama VZ berasal dari Vijay dan Zach Werner, co-founder Pande. Di sisi investasi, firma ini pada dasarnya hanya terdiri dari mereka berdua. Mereka semula berniat merekrut associate, tetapi dengan agen AI yang telah mereka bangun, ternyata hal itu tidak menjadi kebutuhan.
“Kami [tidak] menjalankan 30 taruhan per tahun… kami berbicara tentang mungkin lima, tidak banyak investasi — sangat terkonsentrasi.”
Pande menggambarkan penambahan perusahaan dalam fund biasa seperti menambah teman Facebook, sesuatu yang dilakukan cukup cepat. Bagi Zach dan dirinya, hal itu lebih seperti ingin memiliki anak lagi. Menurutnya, ini adalah keputusan besar.
Dengan struktur seperti itu, VZVC biasanya tidak berusaha bersaing untuk ronde investasi yang panas. Pande mengatakan orang-orang justru menyediakan ruang bagi mereka. Ini berbeda dari berusaha masuk ke Series A atau Series B yang sedang ramai. Pada umumnya, orang menginginkan mereka sebagai investor karena apa yang bisa dilakukan Pande dan Werner, serta karena mereka dapat sangat terlibat langsung.
Dalam mencari inspirasi, Pande menyebut Antonio Gracias di Valor. Gracias kini dikenal luas karena kesepakatan SpaceX, tetapi menurut Pande, ia telah melakukan apa yang ia lakukan selama 20 tahun. Pande juga menyebut apa yang dilakukan Thrive dengan portofolio yang lebih terkonsentrasi sebagai inspirasi nyata. Ia menambahkan bahwa a16z jelas menjadi bagian dari “DNA”-nya, tetapi contoh-contoh lain itu adalah tambahan baru dalam cara mereka berpikir.
Soal apa yang terlalu dilebih-lebihkan saat ini dalam AI dan biotech, Pande mengatakan kenyataannya AI memang dapat menemukan insight yang tidak bisa diperoleh hanya dari manusia. Namun hal yang selalu rumit adalah klaim bahwa AI akan menyembuhkan segalanya. Keraguannya bukan karena ia meragukan AI, melainkan karena meragukan data. LLM bekerja karena ada begitu banyak data untuk dipelajari. Ketika datanya memang tidak ada, AI tidak bisa secara ajaib menyelesaikan masalah tersebut.
Kesimpulannya, Pande melihat AI biotech dan kedokteran berbasis data sebagai perubahan besar, tetapi tetap menempatkan batasnya pada ketersediaan data, kualitas eksekusi, dan kemampuan founder membangun bisnis yang bisa sampai ke pasar.
Poin penting
- AI biotech dan kesehatan
- VZVC tanpa associate
- Sekitar lima taruhan per tahun
- Praktik a16z hampir US$4 miliar
- Data biologis tertutup
- Biaya uji klinis tinggi
FAQ
Apa itu VZVC?
VZVC adalah firma baru Vijay Pande dan Zach Werner yang dibuat jauh lebih kecil daripada praktik yang Pande jalankan di a16z, dengan fokus pada sedikit investasi terkonsentrasi setiap tahun.
Mengapa data menjadi tantangan dalam AI biotech?
Menurut Pande, data biologis tidak bisa begitu saja diambil dari internet seperti teks. Karena itu, banyak perusahaan membangun dataset tertutup masing-masing.
Berapa peluang obat berhasil melewati uji klinis?
Pande menyebut probabilitas sebuah obat berhasil dari uji pertama hingga akhir uji ketiga hanya 20%.
