Construindo agentes de IA para todos

Autoria: YC Root Access · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Building AI Agents for Everyone · Canal: YC Root Access · 33:56 · Assistir no YouTube

Tópicos: Agentes de IA, Aplicações empresariais de IA, Automação de tarefas e workflows, Governança e regulação de IA, Mercados e economia

Resumo

Max e Rahul, da Gumloop, contam como a empresa passou de uma plataforma visual de automação de workflows para um construtor de agentes usado por grandes empresas. Eles explicam como descobriram o foco empresarial, atenderam a requisitos de segurança e governança e ajudaram equipes a criar agentes conectados às ferramentas e aos dados da empresa. Também falam sobre adoção interna, preços, vendas, modelos de IA e a importância de permitir que cada empresa escolha seus próprios provedores. Por fim, discutem os desafios técnicos de colocar agentes em produção e como a automação pode ampliar o trabalho das equipes, em vez de simplesmente reduzir o número de funcionários.

Pontos-chave

A Gumloop começou como uma plataforma visual de automação, pois os modelos ainda não eram confiáveis o suficiente para executar tarefas de ponta a ponta.
Com a evolução dos modelos, usuários passaram a criar agentes que automatizam tarefas de equipes inteiras e se conectam a ferramentas empresariais.
A adoção empresarial exige controles como permissões detalhadas, audit logging, opções de hospedagem e integração com sistemas internos.
A empresa descobriu seu mercado ao conversar repetidamente com clientes e observar onde a automação gerava mais valor.
Levar agentes às ferramentas que os funcionários já usam e facilitar o compartilhamento entre colegas ajuda na adoção.
A Gumloop usa preços baseados no uso e busca tornar claros os custos de compute, APIs e orquestração.
Permitir que as empresas escolham e troquem de modelo evita que fiquem presas a um único provedor.
Os agentes podem aumentar a capacidade das equipes: os fundadores descrevem funcionários supervisionando agentes para produzir mais.
Os principais desafios incluem tarefas longas, automação de navegador, controle de acesso, rastreamento de sessões e custos.

Capítulos

Início	Capítulo	Resumo
00:00	O que é a Gumloop	Os fundadores apresentam a plataforma e contam como ela evoluiu de um construtor visual de workflows para um produto de agentes.
04:08	Dos primeiros usuários ao mercado empresarial	A conversa acompanha os primeiros casos de uso, a descoberta do valor para empresas e a chegada de clientes como a Instacart.
08:14	Requisitos e adoção em grandes empresas	Os fundadores descrevem controles empresariais, conversas com clientes e recursos como templates e workshops para iniciar a adoção.
11:18	Como os fundadores se conheceram	Max e Rahul contam como se encontraram em Vancouver, começaram a trabalhar juntos e se candidataram à YC.
14:25	Agentes na operação interna	Eles explicam como colaboração e acesso pelos canais de trabalho apoiam a adoção e apresentam agentes usados pela própria Gumloop.
19:02	Preços, captação e crescimento	A conversa aborda preços baseados no uso, transparência de custos, rodadas de investimento e a experiência de construir a empresa entre Canadá e San Francisco.
24:39	Automatizar tarefas e ampliar equipes	Os fundadores discutem os limites ao crescimento, a importância de dar ferramentas a quem conhece as tarefas e uma visão de equipes que trabalham com agentes.
28:15	Desafios técnicos e escolha de modelos	O papo explora os detalhes difíceis da automação de navegador, a independência de provedores e a escolha de modelos conforme cada tarefa.
32:24	Pilotos, San Francisco e motivação	Os fundadores falam sobre desbloquear pilotos empresariais, o efeito de se mudar para San Francisco e a motivação para construir rapidamente.

Citações

A mesma missão desde o começo. — 01:02

Levar os agentes para onde as pessoas já estão trabalhando foi o maior desbloqueio para nós. — 14:25

As pessoas que entendem as tarefas devem ser as que as automatizam. — 25:41

Você não precisa necessariamente de menos pessoas; as pessoas que tem podem fazer muito mais. — 27:13

Você pode criar agentes para toda a empresa sem ficar preso a um desses fornecedores. — 29:18

Conceitos e entidades

Gumloop (empresa): Empresa que oferece uma plataforma para criar, compartilhar e administrar agentes de IA em organizações.
Max (pessoa): Cofundador da Gumloop que relata a evolução do produto e as decisões da empresa.
Rahul (pessoa): Cofundador da Gumloop que discute o produto, os clientes e a operação da empresa.
YC (empresa): Aceleradora mencionada pelos fundadores como parte de sua trajetória de criação da empresa.
Shopify (empresa): Cliente da Gumloop citado como exemplo de implantação ampla de agentes.
Instacart (empresa): Cliente que ajudou a Gumloop a compreender vendas empresariais e a conquistar outras empresas.
workflow automation (conceito): Automação de tarefas por meio de etapas definidas, abordagem inicial da plataforma antes da evolução dos modelos.
Agent (conceito): Sistema que pode usar dados e ferramentas para executar tarefas em nome de equipes ou usuários.
MCP (conceito): Protocolo usado pela Gumloop para expor integrações com ferramentas aos sistemas de IA.
role-based access control (conceito): Controle que define o acesso de usuários conforme seus papéis e permissões na organização.
Heimdoll (ferramenta): Agente interno da Gumloop conectado às fontes de dados da empresa para responder a perguntas sobre clientes e operações.
Salesforce (ferramenta): CRM citado como exemplo de sistema com o qual os agentes podem se integrar.

Tradução completa (pt-BR)

00:00 [música] Hoje estou aqui com Max e Rahul, da Gumloop. Obrigado por voltarem à IC. >> Obrigado por nos receberem. >> Estou muito animado com esta conversa. Vocês são uma das empresas mais bem-sucedidas, mas também meio desconhecidas, da Win24. Contem para a gente o que é a Gumloop. >> A Gumloop é uma plataforma para criar agents que muitas empresas, como Shopify, Gusto e Instacart, usam para que todos possam criar agents e compartilhá-los pela empresa, enquanto a plataforma gerencia e controla esses dados. É mais ou menos o santo graal dos agents, algo de que todo mundo está falando e que quer de fato construir.

00:31 É provavelmente uma das aplicações mais comuns que recebemos hoje na Twice, eu acho, mas vocês realmente construíram isso e estão implementados em muitas das maiores empresas. >> Sim, com certeza é um espaço concorrido, porque parece óbvio que alguém precisa resolver esse problema. Há vários participantes fazendo um bom trabalho, mas estamos tentando >> ser um dos líderes. >> Isso. E vocês se inscreveram na IC para o inverno de 2024. Na época, vocês se chamavam Agent Hub. >> E depois mudei para Gumloop. >> É. >> O que era esse produto quando vocês

01:02 se inscreveram? >> Sim, é irônico termos nos chamado Agent Hub naquela época, porque agora somos um agent hub, mas muita gente achava que éramos uma imobiliária, porque agents não eram comuns na época. >> Lá atrás. >> Mas éramos uma plataforma de automação de workflow. Então, a missão era a mesma: automatizar tarefas. Só que os modelos não eram bons o suficiente naquela época. Por isso, criamos um construtor visual, e as pessoas podiam definir seus workflows passo a passo. Depois, adicionamos agents, e esse foi mais ou menos o momento de crescimento exponencial: qualquer pessoa podia criar na plataforma, e o uso disparou. Mas a missão continua a mesma desde o início.

01:33 >> Como a Gumloop funciona? Como alguém usaria a plataforma na prática? >> Basicamente, você acessa a plataforma e cria um agent, e adiciona… >> Como você cria um? >> Você cria um agent durante a integração inicial, mas também pode simplesmente clicar no botão para criar um agent. Aí aparece a interface de chat padrão. Depois, você tem um conjunto de conectores e pode escolher os aplicativos com que trabalha. Você pode começar a conversar com o agent para realizar tarefas imediatamente ou adicioná-lo ao seu espaço de trabalho do Slack, ao Microsoft Teams ou onde quer que você trabalhe. Nós levamos os agents até você. >> Quais são alguns bons exemplos de agents comuns que as pessoas criam quando têm a sua interface?

02:04 >> Eles costumam ser específicos para cada equipe. Por exemplo, a equipe de vendas de praticamente todos os nossos clientes terá um agent de vendas conectado ao software de gravação de chamadas, ao CRM, a várias ferramentas de enriquecimento de dados e de pesquisa na web. Ele tem várias skills sobre como a equipe gosta de fazer negócios, como quer gerenciar oportunidades e analisar chamadas, e acaba se tornando um colega de trabalho da equipe de vendas, que o usa e depende dele. Então, todos os dias, mandam mensagens para ele no Slack. Colocam-no em cópia em

02:34 threads de e-mail. Pedem para ele definir os próximos passos, limpar e mesclar contas duplicadas, fazer todo o trabalho tedioso que um vendedor teria de fazer. Criaram um agent para fazer isso por eles, e ele é como um copiloto pessoal. >> Ele substitui as ferramentas de software que eles usam atualmente ou interage com elas? Como funciona com algo como o Salesforce? >> Gostamos de ser o conector entre todas as suas ferramentas. Às vezes, de fato substituímos softwares verticais que os clientes contrataram. Muitos deles estão cancelando contratos para usar um agent no lugar. Mas, muitas vezes, gostamos de dizer que somos a cola entre os diferentes conectores de dados. Então, você

03:06 continua usando todas as ferramentas de que gosta, mas reúne tudo em um só lugar e entrega para esse pequeno copiloto meio alienígena, que pode fazer coisas por você em segundo plano. >> Muitas empresas estão desenvolvendo ferramentas internas. As próprias equipes de engenharia estão criando agents, e nós também nos encaixamos nesse ecossistema. Oferecemos um SDK e uma API bem robustos. Então, praticamente tudo o que você consegue fazer pela interface da Gumloop também pode fazer pela API ou pelo SDK. Além disso, temos centenas de integrações disponíveis por meio de servidores MCP. Muitos dos nossos clientes estão criando ferramentas e infraestrutura internas usando a Gumloop como camada de base para a IA deles.

03:37 >> E parecia que vocês eram uma daquelas empresas que tiveram uma ideia antes de os modelos serem bons e, quando eles melhoraram, o produto ficou infinitamente melhor. Foi isso que aconteceu? >> Sim, acho que essa foi mesmo uma das estratégias iniciais. Os modelos não eram bons o suficiente para fazer os agents funcionarem, então nos adaptamos ao que eles conseguiam fazer. Por isso, começamos com esse construtor de workflows e reduzimos ao mínimo o uso de IA, deixando-a apenas na parte essencial de um workflow grande. Todo o resto era infraestrutura padrão, que tornava as coisas realmente

04:08 confiáveis e econômicas, numa época em que os modelos não eram bons o suficiente. Mas agora os modelos são bons o suficiente para automatizar tarefas completamente, de ponta a ponta. Então, não é mais necessário construir esse workflow manualmente. O agent pode simplesmente fazer tudo sozinho. >> Quem foram os primeiros usuários? O que estavam criando? >> Houve uma onda inicial de crescimento PLG. Eram indivíduos, hackers independentes e pessoas que tinham tarefas muito tediosas, antes que a IA pudesse automatizar muita coisa. >> Pessoas trabalhando sozinhas. >> Isso, exatamente. Acho que, durante nossa entrevista na YC, o caso de uso que citamos foi o de alguém transcrevendo uma sessão de Dungeons and Dragons. Isso

04:38 era inovador na época. A pessoa podia conversar por duas horas e depois ter uma transcrição para compartilhar com os participantes. Ela usava um workflow da Gumloop para isso. Havia casos de uso pequenos assim. E, de repente, começamos a ter usuários empresariais. Lembro que uma empresa australiana de tecnologia para saúde usava nosso produto para automatizar boa parte da pesquisa, buscando informações na web, organizando esses dados e colocando-os em determinados lugares. Aí percebemos que os clientes corporativos estavam dispostos a pagar muito mais. Os problemas deles eram bem mais sérios. E o valor que oferecemos a eles é muito

05:09 mais profundo. >> Como vocês chegaram a essa conclusão? Foi acontecendo aos poucos, com o tempo? Acho que sempre quisemos ser a ferramenta PLG que sua mãe usaria e que seu colega de trabalho usaria. Mas percebemos que, quando apresentávamos a ideia a pessoas diferentes, aquelas que tinham mil funcionários e precisavam de uma camada para ajudar todos a automatizar, e que precisavam muito de segurança, observabilidade, controle de acesso e todas aquelas coisas pouco glamorosas por trás da automação, ficavam bem mais interessadas do que… >> Mas imagino que vocês não tenham chegado a essa apresentação logo de cara. Houve alguns passos decisivos para chegar lá. Como foi isso?

05:40 >> Acho que fiz 1.100 ligações com clientes no primeiro ano. Eu estava entre os 0,1% de usuários mais ativos do cal.com. E foi um processo iterativo: a cada ligação, você ia percebendo melhor o que deixava alguém animado, o que fazia a pessoa concordar com a cabeça. E tudo isso foi apontando para o que construímos agora, que é a plataforma corporativa. >> E, como o produto não era bom naquela época, precisávamos nos envolver muito com os clientes e ajudá-los a deixar algo funcionando. Então, conhecíamos muito bem os casos de uso e exatamente o que eles estavam fazendo. Muitos desses empreendedores individuais ou consultores…

06:11 Para esse tipo de pessoa, era realmente difícil fazer as coisas funcionarem para elas e, mesmo quando conseguíamos, isso não gerava tanto valor. Mas, quando vimos, sabe, essa empresa australiana de tecnologia para a saúde, quando fizemos o caso de uso deles funcionar e vimos quanto dinheiro isso estava gerando e economizando para eles, pensamos: “Certo, essa é obviamente a direção natural das coisas”. Mas não acho que isso estivesse muito claro no começo. >> A Instacart foi seu primeiro cliente corporativo de verdade. Como isso aconteceu? Tínhamos um usuário avançado lá que era obcecado pelo Gum Loop e começou a nos apresentar. Ele nos levou para um canal do Slack.

06:42 E então ele meio que vendia a ferramenta internamente para nós, iniciando todas essas conversas, porque era ele quem ensinava a todos na Instacart a usar ferramentas de IA e automatizar tarefas. Acho que ele usava todas as ferramentas do mercado para mostrar às pessoas como ser mais eficientes, porque percebeu o potencial da IA antes da maioria. E acabamos contratando-o como um dos nossos primeiros funcionários, e ele nos ajudou a entender o que significa vender para empresas, como conversar com uma equipe de compras e como definir preços e >> o que era um defensor interno. >> Exatamente. Como identificar um defensor interno. E isso nos levou ao próximo grande cliente, e depois ao seguinte. E então as pessoas em…

07:13 …essas grandes empresas vão para outras empresas e, se gostarem bastante da sua ferramenta, levam-na consigo. Então tivemos esse crescimento meio natural nos primeiros dias. >> Vocês tinham o melhor produto? Ou eram simplesmente o primeiro produto? Como conseguiram conquistar uma presença em grandes empresas de tecnologia que outras empresas não têm? Como isso aconteceu? >> Acho que, para a ferramenta de automação de workflow, éramos genuinamente o melhor produto. De longe, éramos o produto mais fácil de usar, e nosso produto permitia fazer coisas que não dava para fazer em outras plataformas. Algumas pessoas — Aaron, que é nosso responsável pela comunidade e educação, por exemplo — ensinaram a usar várias dessas ferramentas sem código.

07:44 E a única coisa que ele sempre nos dizia era: “O motivo de o Gum Loop ser tão capaz é que vocês não sabiam o que nenhum outro produto do seu espaço fazia ou como era”. Então, meio que construímos as coisas partindo dos primeiros princípios, e o jeito como nossa ferramenta funcionava era um pouco diferente de qualquer outra coisa, o que a tornava muito mais poderosa. E logo percebemos por que outras ferramentas não funcionam assim: na verdade, é muito difícil. Os problemas que estávamos resolvendo eram muito difíceis. >> É. Conte-nos sobre essas coisas. Então, quando vocês vendem para uma grande empresa, há exigências que pequenas empresas não têm.

08:14 Como, para alguém que está assistindo e quer vender para empresas, quais são essas exigências, especificamente? >> Sim, acho que coisas como controle de acesso baseado em função, SCIM, SAML, registro de auditoria e todo esse tipo de coisa. >> Por que as grandes empresas pedem isso? Há muita coisa em jogo quando se é uma grande empresa. Você é uma empresa de capital aberto, com dados confidenciais e todos esses requisitos e restrições sobre o que pode fazer. Então, é preciso garantir que, ao dar uma ferramenta a 10 mil pessoas da empresa, elas só consigam fazer as coisas que você quer que elas…

08:44 …possam fazer. E, no caso de certos usuários, os detalhes são infinitos: por exemplo, esses 500 usuários precisam poder fazer estas 10 coisas. Esses outros usuários fazem parte de uma equipe terceirizada que não deveria ter acesso a nenhum dado. Precisamos impor restrições às contas deles. Precisamos usar nossas próprias chaves de API. Precisamos hospedar tudo na nossa própria nuvem. Precisamos ter registros de auditoria para cada ferramenta. Precisamos de APIs para enviar isso ao nosso data lake. Não acaba nunca. Mas esse é o valor que precisamos criar antes que o usuário final possa ter aquele momento maravilhoso de “Ah, conectei os dados e simplesmente funcionou”. Há muita coisa por trás antes de poderem usar. >> É, às vezes pode ser frustrante…

09:15 …porque eles querem desativar tantas funcionalidades que trabalhamos tanto para criar. Mas é, acho que é isso que é preciso. E, quando eles passam a confiar em nós, habilitamos cada vez mais coisas. >> Como vocês descobriram quais são todas essas coisas e o que eles precisam? Porque não dá para chegar lá e dizer: “Ah, não temos essas coisas. Vamos criá-las”. Imagino que vocês tenham que descobrir quanto tempo… >> É só conversar com os clientes, centenas de conversas. E, depois de criar por um tempo, você começa a ter uma noção da direção, do que parece fazer sentido quando pedem um recurso e do que deve simplesmente ignorar. Na maioria das vezes, tudo o que…

09:45 …as grandes empresas nos pedem é algo que outras grandes empresas também vão querer em algum momento. Então, criamos. E acho que o nível de atenção que você dedica, a rapidez com que responde, o quanto você se mostra parceiro delas e a rapidez com que entrega o que querem fazem muita diferença. >> Uma coisa que notei em empresas — e lembro que tivemos essas conversas no começo — é que, se você tem uma ferramenta com a qual pode fazer qualquer coisa, as pessoas não sabem bem por onde começar. >> É. >> Como vocês resolveram isso hoje? E quais são as coisas mais comuns que as pessoas usam sua ferramenta para fazer? >> É uma boa pergunta. Lembro que, quando nos encontramos pela primeira vez, você viu o produto e a…

10:16 …primeira coisa que disse foi: “Vocês precisam de modelos, casos de uso prontos para mostrar às pessoas o que fazer”. E então voltamos na semana seguinte com três modelos diferentes. E você basicamente disse: “Gente, não era isso que eu quis dizer. Vocês precisam de uns cem desses”. Então, criamos uma galeria de modelos bem grande. Hoje fazemos coisas parecidas: temos páginas de casos de uso com agents prontos, que dão às pessoas uma ideia do que é possível. Estudos de caso ajudam. Fazemos oficinas com empresas e dizemos: “Contem para nós: se pudessem agitar uma varinha mágica, o que automatizariam?”. Umas 20 pessoas levantam a mão, e então ajudamos todas a automatizar suas próprias tarefas, e…

10:47 …isso acaba gerando mais ideias. >> Vocês acompanham de perto as empresas durante o processo de integração para ajudá-las a montar o projeto inicial… >> Às vezes, elas chegam com 10 ideias e dizem: “Já fiz cinco. Estas são mais cinco. Preciso que estes recursos sejam lançados antes de poder fazer isso”. E nós respondemos: “Certo, considerem feito”. Mas às vezes é preciso inspirar a equipe por completo. >> Vamos voltar ao começo, antes de fazerem parte da YC. Como vocês se conheceram e decidiram começar a trabalhar juntos? Havia uma conferência de IA acontecendo em Vancouver, e eu estava apresentando o que estava desenvolvendo na época: um tutor de IA personalizado para estudantes. Max estava apresentando uma versão inicial do Gum Loop e o que estava construindo…

11:18 …parecia muito legal. Parecia muito promissor. Achei que tinha potencial de verdade para dar certo, então basicamente perguntei se ele precisava de um cofundador. Bem, na verdade, há algumas ressalvas nessa história. Primeiro, “conferência” é um termo bem generoso. Eram umas 30 pessoas numa sala, só conversando sobre IA, logo depois que a API do GPT foi lançada. Basicamente, meu cofundador tinha desistido naquela manhã. O cara com quem eu estava trabalhando, que conheci pelo serviço de combinação de cofundadores da YC. >> E ele disse: “Essa ideia não vai dar certo. Preciso de alguém mais experiente”. E veio com uma lista enorme de motivos. Acreditei no “não”, mas não no motivo. Aprendi isso depois de trabalhar com a YC. Mas fui para…

11:49 esse encontro para tirar a cabeça das coisas, porque eu estava muito abalado e pensava: “Estou ferrado.” Basicamente, várias outras coisas aconteceram nos bastidores e me deixaram ainda mais ferrado na época. >> Rahul estava fazendo uma demonstração com o cofundador dele. E essa pessoa acabou entrando para a nossa equipe como engenheiro fundador cerca de um ano depois. Mas o vídeo inteiro da nossa primeira interação está no meu Twitter. Eu disse: “Meu cofundador saiu esta manhã. Estou procurando outra pessoa.” E aí a próxima pessoa a falar foi Rahul, perguntando sobre as funções do GPT. Sim. Elas tinham acabado de ser lançadas naquele dia, e ele perguntou: “Você já considerou usá-las?” E eu respondi: “Não, nem sei o que é isso.” >> Mas foi muito providencial. No dia seguinte, fomos tomar uns drinques e ele veio

12:20 com o laptop dele, todo remendado com fita adesiva >> [risos] >> e um Google Doc com umas 50 perguntas, porque o produto era open source na época. Então, ele leu todo o código antes que a IA pudesse simplesmente responder a perguntas sobre uma base de código. E tinha perguntas bem detalhadas sobre o framework que eu tinha criado. Então pensei: “Esse cara leva isso bem a sério.” Depois, trabalhamos juntos num espaço de coworking por cerca de um mês. >> E vocês dois estavam em Vancouver. >> Sim. No Canadá. >> E daí vocês foram se inscrever na YC. >> Sim. Acho que sempre quisemos nos inscrever na YC. Max sabia muito mais sobre isso. Ele já tinha se inscrito na YC três vezes. Eu nunca tinha me inscrito na YC, mas sabíamos

12:51 o que era a YC. Então >> eu já tinha me inscrito antes com ideias bem diferentes. E, olhando para trás, fico grato por não ter sido aceito, porque isso teria me levado pelo caminho errado, trabalhando em ideias que não eram adequadas. >> Mas sim, essa foi minha quarta tentativa de inscrição. E trabalhamos num espaço de coworking por umas 12 horas por dia, todos os dias, durante um mês e meio, acho, até nos inscrevermos na YC. >> Naquela altura, havia algumas pessoas que adoravam o produto — um número muito pequeno —, mas elas tiravam valor dele >> e tivemos sorte e conseguimos uma entrevista >> e, pelo que vejo, lançamos recentemente algo chamado Quota Master, que é open source. Construímos nossa marca interna na empresa na YC.

13:23 >> Eu penso: “Esta é a maior ferramenta de software que já lançamos internamente na YC. Eu a uso o tempo todo.” >> E imagino que seus clientes sejam meio assim: talvez seja a maior coisa que já viram internamente em termos de produtividade. No entanto, é difícil fazer as pessoas começarem a usar as coisas. Imagino que vocês também tenham desenvolvido esse conhecimento sobre como, basicamente, tornar uma empresa nativa em IA, algo que os outros não têm. E esse é, mais ou menos, o primeiro item na lista de todas as equipes de gestão agora: “Como faço minha

13:53 empresa se tornar nativa em IA?” E fale sobre isso, tipo… >> Isso é como o santo graal, de novo, nessa transição, nessa transformação da IA. >> Acho que esse foi o primeiro capítulo. Definitivamente desenvolvemos bastante conhecimento especializado sobre como tornar uma empresa nativa em IA e usar IA tanto quanto possível. Depois vem o segundo capítulo, logo em seguida, quando você pensa: “Certo, estão usando demais, precisamos governar e moderar de verdade e garantir que ela esteja sendo usada de forma produtiva.” Então, passamos por isso. Acho que desenvolvemos experiência nos dois aspectos, mas um dos maiores avanços para nós foi aprender a tornar sua empresa nativa em IA: levar os agentes para onde as pessoas já estão trabalhando. Então, se você precisa ir para mais uma

14:25 plataforma e usar o sistema de IA ali, isso cria atrito. Mas, se você levar isso para a plataforma onde as pessoas já passam oito horas do dia, elas vão adotar a ferramenta naturalmente. Acho importante levar isso para um lugar onde você possa ver outras pessoas usando agentes e ver como elas os usam. Acho que essa é uma das coisas que a Gum Loop faz muito bem em comparação com muitas outras plataformas de agentes: esse aspecto de colaboração, de compartilhar agentes, várias pessoas conversando com o mesmo agente, essa parte mais colaborativa. E poder ver como seu colega de trabalho, que faz exatamente o mesmo trabalho que você, interage com um agente em um canal público do Slack

14:56 naturalmente leva você a usar agentes dessa maneira, basicamente. >> Entendi. Você pode falar sobre como vocês usam a Gumloop internamente na Gum Loop? >> Sim. Acho que todo mundo, em todas as equipes, usa para tudo. O primeiro agente que representou uma grande virada na nossa forma de trabalhar foi um que chamamos de Heimdoll, conectado a todas as fontes de dados da empresa. >> E ele tem um canal no Slack que originalmente servia apenas para perguntar coisas ao Heimdoll, mas agora está em todos os canais da empresa, e você pode perguntar qualquer coisa, como: “Me passe todos os usuários que se cadastraram ontem de manhã, que estão neste fuso horário e têm esta função e…”

15:27 e que não estão em determinada ca… Ele vai trabalhar por 20 minutos e trazer a resposta. Não precisamos de uma análise de dados nem de um analista de dados >> analista de dados >>; temos simplesmente o Heimdoll respondendo a todas as perguntas relacionadas aos clientes. E isso gerou um monte de ideias. A equipe de vendas seguiu seu próprio caminho e tem o Sales Loop, que automatiza tudo no processo de vendas para que possam se concentrar apenas em conversar com os clientes. Nossa equipe de sucesso do cliente tem o Success Loop, que acompanha cuidadosamente a pontuação de saúde de cada cliente. Eles recebem notificações se algo der errado, se o uso

15:58 disparar ou cair. Tudo o que eles passavam o tempo monitorando é cuidado pelo sistema. >> Sim. >> Nosso responsável pela área de educação organiza turmas a cada duas semanas, nas quais ensina centenas de pessoas a criar agentes. Todo o processo é automatizado: desde as inscrições e os acompanhamentos até mesmo a edição dos vídeos em que as pessoas fazem demonstrações às sextas-feiras e mostram seus agentes. Tudo é automatizado, para que os clipes sejam enviados aos clientes e eles possam compartilhá-los nas empresas onde trabalham. >> Durante esse processo, houve algum momento em que vocês sentiram: “Temos product-market fit, isso está funcionando”? Houve algo bem marcante de que você se lembre, ou foi algo mais gradual? Eu

16:29 acho que houve vários momentos assim, mas me lembro de que o primeiro — a primeira vez que pensamos conscientemente se era algo que as pessoas realmente queriam — foi quando elas estavam usando nosso construtor de workflows inicial, nos primeiros dias, e ele era péssimo, mas elas usavam mesmo assim. >> Certo? >> E pensamos: “Na verdade, já criei muitos softwares ruins antes que ninguém usou, mas, por algum motivo, as pessoas passavam cinco horas da tarde criando um workflow na nossa plataforma.” E pensamos: “Nossa, isso é tão doloroso para as pessoas que elas estão dispostas a tolerar o quanto isso é ruim.” E acho que essa sensação de “uau, as pessoas estão

16:59 realmente investindo seu tempo” voltou a cada dois meses. Mas não sei se você tem mais alguma coisa. >> Sim. Acho que foi quando percebemos que alguns usuários passavam oito ou dez horas por dia usando a Gum Loop, criando coisas, automatizando o próprio trabalho inteiro ou o trabalho da equipe inteira. Acho que isso foi importante. Foi quando percebemos: sim, nossos usuários passam muito mais horas do que nós no Gum Loop, criando coisas, e alguns sabem usar a plataforma melhor do que nós, de certas maneiras. Acho que, para mim, um dos grandes momentos foi

17:29 Como no primeiro dia em que lançamos aquilo na Shopify, porque foi meio que… basicamente, simplesmente disponibilizamos para umas 4.000 pessoas no mesmo dia. >> Acho que foram 8.000 pessoas. >> 8.000 pessoas no mesmo dia. >> Elas simplesmente tiveram acesso de uma vez. Foi muito legal ver as pessoas começarem a adotar a ferramenta, usá-la e experimentar. Foi um momento incrível, e as pessoas estavam tentando descobrir como tudo funcionava. Acho que, antes disso, a gente precisava passar muito tempo conversando com os clientes e desenvolvendo coisas para eles, dando bastante suporte. Mas depois, sim, eu…

17:59 …não sei, as pessoas simplesmente começaram a criar coisas por conta própria, o que foi legal. >> É. >> Como vocês conseguiram a Shopify? Eu me lembro de o Toby ter escrito algo como um manifesto sobre ser nativo em IA. Parece que não poderia haver cliente melhor para vocês. Como conseguiram… >> Na verdade, foi um daqueles clientes que chegaram por indicação. Alguém da Instacart tinha influência na Shopify, colocou a gente no radar deles e, então, eles avaliaram a ferramenta. Acho que lançaram várias ferramentas na mesma semana, diferentes ferramentas de automação, e observaram quais pegariam. >> E depois acabaram investindo na Gum Loop porque gostaram muito…

18:30 …da implementação. E têm sido ótimos parceiros desde então. >> Entendi. Que porcentagem dos funcionários dessas empresas usa a Gum Loop diariamente ou semanalmente? >> Varia muito de uma empresa para outra. Às vezes, o uso fica extremamente concentrado em uma equipe, com todo mundo usando agents para automatizar uma função específica. Às vezes, a implantação é generalizada, com uso leve em algumas equipes e intenso em outras. Às vezes, as pessoas usam a Gum Loop sem nem perceber. Recebem todos esses relatórios e outras coisas para fazer melhor o trabalho, ou a preparação para uma ligação com um cliente, por exemplo, mas tudo acontece com a Gum Loop em segundo plano. Então, os padrões são completamente diferentes em cada empresa. Mas, na maioria dos casos…

19:02 …todo mundo tem acesso. Por isso, nunca cobramos por usuário. Não quero que alguém fique em dúvida sobre se deve ou não usar essa ferramenta. A cobrança é baseada no uso. Assim, quem quiser começar a automatizar pode simplesmente recorrer à Gum Loop e descobrir como fazer. >> Mas não foi assim que vocês começaram. Quando passaram para a cobrança baseada no uso? No início, era por usuário. >> É, o plano de equipe tinha um limite de usuários. >> Como os preços evoluíram ao longo dos anos? >> Acho que, quando começamos, tínhamos um plano de US$ 20 por mês e outro de US$ 40 por mês, e foi com esses planos que entramos na YC. Acho que escolhemos esses valores porque o ChatGPT tinha algo parecido, e era mais ou menos tudo o que…

19:33 …sabíamos: os produtos que gostávamos de usar ficavam nessa faixa de preço. Mas logo percebemos que nossos preços eram baixos demais e que o valor que oferecíamos, especialmente aos clientes empresariais, era muito maior do que o que cobrávamos. Então, basicamente, dobramos nossos preços três vezes durante o batch, mas mantivemos os mesmos planos. No início, incluíamos uma quantidade fixa de uso, mas depois começamos a usar um sistema baseado em créditos. Agora, nosso modelo de preços mais recente é completamente diferente do anterior. >> É, ainda usamos créditos, mas é muito transparente. Vendemos tokens a preço de custo, vendemos o processamento computacional a preço de custo e…

20:04 …as APIs a preço de custo, e depois cobramos uma taxa de orquestração. É muito parecido com o OpenRouter. Se você está nesse debate entre desenvolver internamente ou comprar uma solução, quer ser considerado uma ferramenta que faz parte do lado de desenvolver internamente. Quando as pessoas dizem que vão criar algo dentro da empresa, vão usar a Vercel, a Cloudflare e essas peças de infraestrutura que ajudam a desenvolver. >> Mas ter preços transparentes é uma parte muito importante de fazer parte desse grupo. A maioria dos nossos clientes implanta a ferramenta na própria nuvem. Ela parece uma infraestrutura interna e poderia fazer parte desse lado de desenvolver internamente. Mas, se os preços forem opacos, isso nunca vai acontecer: você…

20:34 …sempre será visto como inimigo. >> Então, mudamos nossos preços recentemente para deixar bem claro qual é o valor da GMO e qual é a nossa margem. Assim, não importa qual opção a pessoa prefira: se quiser usar o Claude, tiver um acordo com a OpenAI, quiser encaminhar tudo pelo próprio ambiente de confiança ou por um proxy do Amazon Bedrock, por exemplo, pode fazer isso usando a Gum Loop também. >> Como é hoje uma reunião sua com investidores? É só uma demonstração, talvez como a CDNA? >> Aprendi bem rápido que, com uma ferramenta como a nossa, demonstrar o valor por meio de uma demonstração é cem vezes mais impactante do que…

21:04 …simplesmente falar sobre o que fazemos. Até nesta conversa, as pessoas provavelmente estão revirando os olhos quando dizemos: “É, automatizamos o trabalho e isso é incrível”. Elas pensam: “É, todo mundo faz isso”. Mas, quando você vê funcionando, começa a acreditar. Agora, eu simplesmente abro o produto e mostro às pessoas o que ele consegue fazer, ou dou acesso para que elas mesmas comecem a usar. Isso fala muito mais alto do que uma apresentação para investidores. >> Vocês levantaram três rodadas de investimento: a primeira com a First Round, depois a Nexus e, em seguida, a Benchmark. Pode falar um pouco sobre como cada uma aconteceu e o que aprendeu sobre captação de recursos? A primeira…

21:35 …rodada com a First Round foi a única em que realmente fizemos uma captação. >> É. >> Fizemos todo o processo, como a YC ajuda a organizar: uma semana de reuniões, conversando com todos os VCs. Foi extremamente cansativo. Acho que eles eram a melhor empresa de investimento possível para nós; têm sido parceiros incríveis. É muito parecido com um namoro, eu acho. Ou não sei que analogia usar, mas construir a empresa e ganhar tração é o mais importante que você pode fazer. Não se trata de enganar um investidor para fazê-lo pensar que sua empresa é legal, nem de ter uma…

22:06 …apresentação para investidores melhor que a de outra pessoa. Os investidores vão acompanhar sua empresa e tentar investir se você mostrar que está mudando a forma como as pessoas trabalham ou causando algum impacto no mercado. Então, nossas outras duas rodadas foram antecipadas pelos investidores. Não fizemos uma captação nem preparamos uma apresentação. Simplesmente continuamos desenvolvendo, e acho que o fato de não precisarmos do dinheiro e de irmos ter sucesso de qualquer maneira é o que faz alguém querer investir. >> Como é a experiência de ser um fundador canadense e se mudar para São Francisco? Lembro que houve uma sequência de tweets sobre isso, ou conselhos para fundadores canadenses que querem ficar no Canadá ou talvez se mudar para cá. O que…

22:37 …vem à sua cabeça? >> Dá perfeitamente para ficar no Canadá. Não é… Temos um escritório no Canadá e empregamos muitos canadenses. Acho que vamos voltar ao Canadá em algum momento. Então, não acho que seja obrigatório se mudar para São Francisco, como muita gente diz. Acho que nossa abordagem foi: todas as probabilidades estavam contra nós, e ainda estão. Queremos ter sucesso a qualquer custo. Então, se havia meio por cento a mais de chance de encontrarmos um cliente ou alguém que quiséssemos contratar em São Francisco por essa pessoa estar ali perto — a Instacart ficava a uma quadra do nosso primeiro escritório —, nós faríamos isso. Mas acho que…

23:08 Você pode, com certeza, continuar no Canadá e construir lá uma empresa que atravesse gerações. Há muitos canadenses excelentes que se sentem à vontade e felizes e não querem sair do país. Você pode contratá-los e tem uma espécie de vantagem nesse mercado de contratação. >> Quais são os melhores polos ou os mais fortes, seja em ambição ou em talento de engenharia, neste momento? >> É onde há mais gente. Sim. Vancouver e Toronto, acho, no Canadá. Hum… >> Montreal também. >> Montreal também. É. [risos] >> Qual é o tamanho da empresa agora? >> Entre 45 e 50 pessoas. Sim. >> Então, é interessante, porque há esse tipo de gente que diz: “Estou tentando…”

23:39 …manter a equipe pequena. Você tem tentado fazer isso, mas as coisas estão indo muito bem. Então, parece que vocês ainda são pequenos para a tração que têm, mas, mesmo assim, agora já são uma empresa grande. >> É. Nosso plano inicial era ser uma empresa de bilhões de dólares com 10 pessoas. Foi o que publiquei no Twitter, porque levantamos nossa rodada Série A quando éramos só o Rahul, eu e dois estagiários. Então, pensamos — acho que estávamos um pouco convencidos — que conseguiríamos continuar com uma equipe superenxuta. >> Mas aí descobrimos as vendas para grandes empresas e [risos] o quanto de suporte uma empresa grande precisa. Sim. Hum… >> Ficou claro que, quanto mais…

24:09 …pessoas temos, melhor. Então, ainda estamos tentando manter a equipe superenxuta. E eu gosto de falar desse multiplicador: pergunto a um cliente que está começando a usar nosso produto quantas pessoas ele acha que temos na equipe, e ele diz: “250, 300 pessoas”. E eu digo: “Não, somos só 50 ou 30”. O multiplicador entre o tamanho que eles acham que temos e o tamanho real é o que estou tentando otimizar agora. Menos o número absoluto de funcionários, porque acho que estamos nos limitando um pouco ao sermos só 10 pessoas. A 11ª pessoa agrega muito valor. >> O que está limitando o sucesso da empresa neste momento? Os modelos ainda são…

24:39 …imperfeitos demais para o que precisam fazer, ou o que vai abrir novas possibilidades no futuro? O que você acha? >> As pessoas não sabem que existimos. Esse é um grande ponto. Às vezes, tenho conversas com clientes quase todos os dias. Eles entram em contato ou ficam sabendo de nós por um amigo, e aí eu mostro a ferramenta e eles ficam meio chocados com o quanto ela consegue fazer. >> Estamos tentando resolver isso, para que mais pessoas saibam que existimos e quanto trabalho podemos automatizar. >> Esse é um problema. O outro é que simplesmente não temos gente suficiente, por mais irônico que isso pareça considerando o que dissemos sobre a equipe pequena. Há centenas de…

25:10 …coisas que nossos clientes estão pedindo e que poderíamos estar desenvolvendo agora, mas somos muito criteriosos, acho, com quem contratamos e se essa pessoa combina com a empresa. Então, temos contratado mais devagar do que a média das empresas, mas estamos contratando engenheiros, designers, executivos de contas e pessoas para sucesso do cliente. >> Se eu fosse alguém que nunca usou nada parecido, mas tivesse curiosidade sobre IA e trabalhasse em uma grande empresa, qual visão você me apresentaria? Ou como descreveria essa visão de como eu poderia administrar minha empresa de outro jeito? Há uma forma de resumir como as empresas dos seus…

25:41 …clientes se comparam às que não são suas clientes? Acho que a principal tese é que as pessoas que entendem as tarefas devem ser as responsáveis por automatizá-las. E o antipadrão que vimos nos últimos anos é o seguinte: talvez uma equipe de operações de marketing tenha algo extremamente tedioso e complicado que esteja causando uma enorme perda de receita por não ser feito. Essas pessoas vão contratar gente para resolver o problema ou escrever um documento de especificação explicando o problema que querem resolver com um agent ou com IA e entregá-lo a uma equipe de engenharia, ou a um consultor que vai cobrar uma quantia absurda, e vão passar por…

26:12 …esse ciclo de reuniões de feedback em que nada fica exatamente certo, até receberem algo incompleto. >> Acho que as pessoas que entendem uma tarefa a fundo devem simplesmente transferir o que sabem para um agent, para automatizá-la. E a parte difícil — o maior obstáculo — é ter uma ferramenta que elas consigam entender. Agora chegamos ao ponto em que qualquer pessoa pode criar um agent; isso está relativamente resolvido. O metaproblema por trás disso é: elas têm acesso aos dados certos e às permissões? Isso foi liberado para que possam fazer esse tipo de coisa? Então, na verdade, estamos atendendo às equipes de TI com todos os recursos que desenvolvemos primeiro, para que, se elas derem sinal verde, qualquer pessoa possa automatizar centenas de horas de trabalho e ampliar…

26:43 …sua produção. >> Mas acho que isso depende da adesão, e ela vem da liderança. Uma empresa como a Shopify é tão nativa em IA que vai abrir caminho para garantir que isso seja possível. Já uma grande empresa de tecnologia da saúde na Europa terá mais rigidez, com uma equipe de TI que diz não a tudo, e será preciso trabalhar para superar isso e liberar a automação. >> Muita gente que apresenta ferramentas de IA para empresas basicamente diz que essa ferramenta vai automatizar esse trabalho e, portanto, haverá menos pessoas. Pelo que você está dizendo, parece que, na verdade, é o completo oposto: todo mundo vai ter, de imediato, mais pessoas e fazer…

27:13 …mais. Fale sobre isso. >> Sim, acho que parte disso é imaginar um futuro em que todo mundo é gerente e, de certa forma, supervisionamos agents e fazemos com que trabalhem para nós. Acho que, sabe, parece que estamos caminhando nessa direção. Então, a nossa visão é que não necessariamente serão necessárias menos pessoas, mas as pessoas que vocês já têm poderão fazer muito, muito mais. E também vemos isso na nossa equipe de engenharia da Gum Loop. Temos oito engenheiros principais trabalhando no produto, incluindo eu, e cada um consegue fazer basicamente o trabalho de cinco pessoas usando agents. Sim.

27:43 >> Quais são os desafios mais difíceis que vocês estão enfrentando agora? Se alguém está pensando em entrar na Gum Loop, em que trabalharia? É, acho que muitos dos desafios são os mesmos com que os labs estão lidando. Os maiores desafios que os labs enfrentam estão na camada de aplicação: como extrair o máximo dos agents e dos modelos na forma atual e fazê-los realizar trabalho de verdade? Como fazê-los executar tarefas longas, que levam várias horas? Como fazê-los usar computadores e navegadores com eficiência e coisas do tipo? Acho que muito do que atrai as pessoas a trabalhar em uma empresa como a Gum Loop é estar realmente na fronteira e expandir os…

28:15 …limites do que é possível fazer com IA e os modelos atuais. Acho que isso é muito empolgante para as pessoas, especialmente para quem está em uma empresa mais tradicional. >> Cada recurso que as pessoas acham que deveríamos criar e que começamos a desenvolver vem acompanhado de uns cem outros recursos que, secretamente, são a parte difícil. Por exemplo, estamos trabalhando em automação de navegador. Mas, se as pessoas puderem automatizar usando navegadores, com agents na nuvem e no computador local, como garantir que eles não acessem determinados sites, nem façam nada malicioso, ou que seja possível rever depois um…

28:47 gravação da sessão? E aí perguntam: como faço para assistir novamente a 5.000 gravações de sessões e entender, no geral, o que os agents estão fazendo? Como garanto que isso seja eficiente do ponto de vista de custos? Tudo o que vem junto com esses recursos é a parte difícil. Então, precisamos pensar no quadro todo quando implantamos isso em uma empresa, mas cada recurso tem muitas particularidades que exigem o trabalho de ótimos engenheiros. >> Como é a dinâmica com os labs? Porque você mencionou no passado que seus clientes já têm uma relação com os labs e que alguns deles têm produtos concorrentes. Imagino que, nesse mundo, também sejam concorrentes. >> Com certeza. Sim, há muita concorrência. Acho que existimos num ponto ideal entre os labs, como uma espécie de Suíça entre eles, e você pode usar inference de onde quiser. Isso se torna bastante atraente para um líder de TI ou qualquer líder de uma empresa, quando você pode dizer: “Posso criar agents em toda a empresa sem ficar preso a um desses fornecedores”. Quando um modelo melhor for lançado na semana que vem e todo mundo estiver enlouquecendo com ele no Twitter, posso mudar para esse provedor de inference com um clique. E, quando essas empresas tentarem nos abordar com um contrato de oito dígitos e todos estiverem usando a solução delas, sem podermos ir a outro lugar, na verdade teremos a possibilidade de mudar para outro provedor de inference. E a ideia de que você é dono dos seus agents…

29:18 esse ponto ideal entre os labs, como uma espécie de Suíça entre eles, e você pode usar inference de onde quiser. Isso se torna bastante atraente para um líder de TI ou qualquer líder de uma empresa, quando você pode dizer: “Posso criar agents em toda a empresa sem ficar preso a um desses fornecedores”. Quando um modelo melhor for lançado na semana que vem e todo mundo estiver enlouquecendo com ele no Twitter, posso mudar para esse provedor de inference com um clique. E, quando essas empresas tentarem nos abordar com um contrato de oito dígitos e todos estiverem usando a solução delas, sem podermos ir a outro lugar, na verdade teremos a possibilidade de mudar para outro provedor de inference. E a ideia de que você é dono dos seus agents…

29:49 a soberania agentic: você faz o deploy na sua nuvem, é dono do banco de dados onde os traces ficam armazenados, é dono de toda a stack de integração; você é dono do seu futuro com agents. Isso se torna bastante atraente, especialmente porque, sim, acho que a camada de modelos vai virar uma commodity, e os labs vão precisar gerar receita em outros lugares e vão atrás dos negócios dos próprios clientes. Já vimos isso com alguns dos nossos clientes: os labs lançaram concorrentes diretos contra eles, e eles ficaram meio que ressentidos com essa experiência. Provavelmente, a maioria das empresas vai passar por isso no futuro. Então, é muito importante ser dono dos seus agents. >> Seus clientes precisam de modelos de ponta? >> Sim, acho que sim.

30:20 >> Para muitas das tarefas deles. >> Eles precisam ter opções, com certeza, porque algumas coisas são muito complexas. Por exemplo, você está informando o CEO sobre uma iniciativa de crescimento que vai entrar na apresentação para o conselho na semana que vem. Seria melhor usar o modelo mais qualificado possível. Mas, se você está executando um caso de uso de suporte 80.000 vezes por hora, usar o modelo mais barato do mercado vai fazer diferença na sua receita. Sim, e acho que esse é um ponto-chave: você quer ter opções, porque nem todos os casos de uso precisam de inteligência de ponta, inclusive entre os nossos clientes. Então, dar às pessoas a opção de mudar para um modelo mais simples ou para um mais avançado…

30:51 E acho que ter esse controle no nível organizacional também é importante. Assim, admins e pessoas que estão por dentro podem obrigar as pessoas a usar determinados modelos, ou obrigar certas equipes e certos casos de uso a usar modelos específicos. Porque, se puder escolher, provavelmente cada funcionário vai simplesmente usar inteligência de ponta, já que não há limite e, afinal, quem se importa, certo? Mas, se você der às pessoas que realmente sabem o que estão fazendo a capacidade de impor regras diferentes, descobrimos que isso funciona melhor para todo mundo: todos têm uma experiência melhor. É mais barato e rápido para o usuário final e, para a empresa, também é mais…

31:23 eficiente. >> Normalmente, há um comprador para cada categoria de produto, um produto. Mas parece que, nesse caso, ainda pode haver um movimento um pouco de baixo para cima, em que alguém descobre o produto. Como isso chega até quem toma a decisão? >> É como um enigma toda vez. É diferente. Com certeza, estamos começando a identificar um padrão, mas a pessoa a quem isso chega e que fica mais empolgada costuma ser um líder de TI, a pessoa responsável pela implementação de IA e pela segurança, diante do fato de que todo mundo está usando 80 ferramentas diferentes e os dados estão indo para todo lado, e que precisa dar conta de tudo isso. Sim. >> Eles costumam ser a pessoa que mais ficamos…

31:53 empolgados para conhecer, porque os olhos deles até brilham quando veem o conjunto de recursos. Sim. >> E são eles que liberam a equipe de vendas para usar casos de uso relacionados a vendas e a equipe de sucesso do cliente para usar os casos de uso dela, porque dão acesso a todos os dados internos. Mas, sim, costuma chegar até eles. Às vezes, começa com uma pessoa que nos encontrou no Twitter ou viu nossa publicação no LinkedIn. Aí mostrou para o gerente, que mostrou para o gerente dele. Nós oferecemos um piloto, e eles mostraram que geraram, por exemplo, 3 vezes mais receita com uma equipe pequena de vendas em uma semana do que nos três meses anteriores. >> Vocês podem oferecer um piloto sem…

32:24 chegar até quem toma a decisão? >> Precisamos falar com a equipe de TI para fazer o piloto funcionar, certo? >> Essa é a parte difícil. Sim, é algo que ainda estamos aprendendo e descobrindo com o tempo, mas não adianta muito fazer um piloto se eles não conseguem conectar nenhuma das ferramentas. Então, já cometemos esse erro no passado. >> Sim. >> O número de conexões a que você tem acesso está diretamente relacionado à qualidade da sua experiência usando o produto. >> Quão importante foi para vocês se mudar para San Francisco? >> Acho que foi fundamental. >> Sim, [risos] acho que isso nos deu validação instantânea, para… >> Validação interna ou externa?

32:54 Validação. Talvez um pouco de validação interna, mas, principalmente, validação externa: as pessoas aceitavam conversar conosco. Antes disso, éramos só dois caras com laptops dizendo: “Sim, estamos automatizando o trabalho”, e ninguém se importava. Mas isso nos deu um impulso inicial para começar a ganhar força e, depois, muita orientação sobre como aproveitar esse impulso para construir algo maior. Então, definitivamente foi um momento de antes e depois para nós. >> Você sempre me pareceu muito automotivado. >> Conte mais sobre isso. Fale mais sobre isso. >> Acho que é o medo da mediocridade. Tenho pavor de olhar para trás daqui a 30 anos e perceber que…

33:25 desperdicei uma oportunidade. >> Não sei de onde isso vem, mas o que motiva você? >> Sim, acho que, quando eu trabalhava na Amazon, logo depois da universidade, meu objetivo era conseguir um emprego numa grande empresa de tecnologia. Eu pensava: “Nossa, se eu fizer isso, vou estar com a vida garantida”. Então, fui lá e fiz isso. E, em uma semana, pensei: “Não posso fazer isso pelo resto da vida. Não tem como trabalhar aqui”. Porque as coisas simplesmente avançavam muito devagar. E eu sentia que aquilo que entregávamos com uma equipe de dez pessoas, eu poderia fazer com um amigo num fim de semana. Entende o que quero dizer? Então, eu precisava estar num ambiente em que trabalhássemos num ritmo acelerado e simplesmente lançássemos coisas…

33:56 rapidamente. E foi isso que me motivou. Sim. >> Ótimo. Muito obrigado por vir conversar conosco. Foi uma ótima conversa. >> Obrigado. Agradeço. Valeu. [música] >> [música]

Transcrição original

[00:00] [music] Today I’m here with Max and Rahul from Gum Loop. Um, thanks for coming back to IC. >> Thank you for having us. >> I’m really excited for this conversation. You guys are one of the most successful yet kind of unknown companies uh from Win24. Tell us what Gum Gumloop is. >> Gumloop’s the agent builder that a lot of companies like Shopify and Gusto and Instacart uh use so that everyone can build agents and share them across the business while it can manage and control that data. So kind of like the holy grail of agents like this is what

[00:31] everyone is talking about what they want to actually actually build like this is probably one of the more common applications I guess we get from Twice today but you actually built it and you’re deployed in like many of the biggest companies. >> Yeah it’s definitely a crowded space because it it feels like obvious that someone has to solve this problem. There’s definitely a bunch of players that are doing a good job but we’re just trying to >> be one of the leaders be the Yeah. And you applied to IC for uh winter 24 uh you called agent hub at the time >> and then I switched to gum loop. >> Yeah. >> Um what was this product when you

[01:02] applied? >> Yeah, it is ironic that we called ourselves agent hub back then because now we are an agent hub uh but there was a bunch of everyone thought we were a real estate agent company because agents weren’t common uh right >> back in the like back then >> but we were a workflow automation platform. So same mission of like automating tasks but the models weren’t good enough back then. So we just made a visual builder and people could define their their workflow step by step and then we added agents and that was kind of like the hockey stick moment where like anyone could build it on the platform and usage kind of skyrocketed but um same mission since the beginning.

[01:33] >> How does gumlook work like how would you actually use it? >> Yeah. So basically you can go onto the platform and then create an agent um and add >> how do you create it? >> You create an agent in the onboarding but you can also just like click the create agent button and then you’re presented with like um the kind of standard like chat interface. Then you have like a set of connectors that you can kind of like pick and choose all the apps that you work with. Um you can start talking to the agent right away to get work done or you can add the agent to your Slack workspace, Microsoft Teams, uh wherever you work, we kind of bring the agents to you. >> What’s the most like what’s some good

[02:04] examples of common agents that people make once they have the your UI? >> They tend to be like um team specific. So the we the sales team at pretty much all of our customers for example will have like a sales agent that’s connected to like their call recording software, their CRM, a bunch of enrichment tools, web search tools, and it has a bunch of skills for like how they like to do business and how they want to manage like opportunities and analyze calls and uh it it becomes like a co-orker for the sales team that the sales team uses and relies on. So they’re pinging it in Slack every day. They’re CCing it on

[02:34] email threads. They’re having it set up next steps, clean, dduplicate accounts, like all of the tedious work that a salesperson would be doing. They built an agent to do that for them and it’s it’s like their little co-pilot. >> Does it replace the software tools that they currently using or is it kind of interacting with them? Like how does it work with say Salesforce or something like that? >> Yeah, we like to be the connector between all of your tools. Uh so sometimes it actually does replace like vertical SAS you might have procured for a lot of our customers. They’re like canceling contracts to just use an agent instead. But often times we’re like the the gum we like to say between your data different data connectors. So you’re

[03:06] using all the tools that you love but you’re bringing them into one place and giving it to like this this like alien like little co-pilot that can just do stuff for you in the background. >> A lot of companies are developing internal tooling. Their own engineering teams are building agents and we kind of fit right into that ecosystem as well. Like we provide a pretty robust SDK and API. So pretty much anything you can do through the UI in Gum Loop you can do via API or SDK and we have like hundreds of integrations exposed via MCP servers. And so a lot of our customers are building internal tooling and infrastructure using Gum Loop as a base

[03:37] layer for their AI. >> And it seemed like you were one of those companies where basically you had this idea before models were good and once model got good this just like this product got like infinitely better. >> Is that what happened? Yeah, I think that was definitely one of the strategies at first which was like the models were not good enough to make agents work and so we kind of met the models where they were and that’s why we started with this workflow builder and kind of like minimized the use of AI and just had it in the key area that it needed to be used for like a giant workflow. Everything else was standard infrastructure that made things actually

[04:08] reliable and economical at a point where the models weren’t good enough. But now models are good enough to automate tasks completely end to end. So you don’t really need this workflow manually built out. the agent can just do it by itself. >> Who were the first users? What were they building? >> There was like an initial wave of like PLG growth. So like individuals, indie hackers, people like just having really tedious tasks before AI could really automate anything. >> Solo like solo. >> Yeah, exactly. Like I think during our YC interview, the people the use case we quoted was someone transcribing their Dungeons and Dragons session. Uh that

[04:38] was like innovative at the time. The fact that they could talk for two hours and then have a transcript and talk like send it around to their the attendees. They were using a gum loop workflow for that. But then little use cases like that. And then all of a sudden we had business users like I remember this Australian health tech company was using us to automate a lot of their research just by like pulling from the web and like regulating that data and putting it in certain places. And then we realized like the enterprise customers are willing to pay a lot more. Their problems are a lot more serious. Um and like the value we provide them is just

[05:09] so much deeper. >> How did that realization come about? slowly over time it I think we always wanted to be the PLG tool that like your your mom would use and like that your coworker would be using but we just saw like when you were giving the pitch to different people like the people who have a thousand employees and they need like a layer to help them all automate and they deeply need security and observability and access control and all of like the boring stuff behind automation like they start their eyebrows raised higher than like the uh >> but I’m assuming you didn’t get to that pitch right away there was some some step function to get there what that

[05:40] what was that like >> I think I took 1100 customer calls the first year. Uh I was like top.1% of cal.com users >> and uh it was iterative like every call you’d kind of hone in on what is getting someone excited what makes them nod their head and it all trends towards like what we’ve built now which is the enterprise platform >> and when the product wasn’t good back then we really had to be super involved with customers and help them to get something into a working state right so we were like very familiar with their use cases and what exactly what they were they were doing and a lot of these solopreneurs or like these consulting

[06:11] type people it was just really hard to make things work for for them and even when we did make things work for them, it wasn’t generating that much value. But when we saw, you know, like this Australian health tech firm, when we made their use case work and we s saw how much money it was like making them and saving them, we were like, okay, this is like obviously the natural direction of things, but I don’t think it was super clear at the beginning. >> Instacart was your first real enterprise. How did that happen? We had one power user there who was like obsessed with gum loop and uh started bringing us he brought us into a slack

[06:42] channel and then he was kind of like selling the tool for us internally like starting all these threads because he was the one teaching everyone at Instacart how to like use AI tools and how to automate tasks. I think he was he was using every tool in the market to like show people how to be more efficient because he saw the light of like what AI was capable of before most people. Um, and then we ended up hiring him as one of our first employees and he helped us like understand what enterprise sales means and how to talk to a procurement team and how to price and >> what a champion was. >> Exactly. What how to identify a champion and and then that led to our next logo and next logo and then um people at

[07:13] these big companies go to other companies and if they love your tool enough they’ll bring it with them. So we just had this like natural growth uh that happened in the early days. >> Were you the best product? Were you like the just first product? like how how did you grab like have a foot foothold in in big tech companies that other companies don’t have? How did that happen? >> I think for the workflow automation builder, we genuinely were the best product. We’re by far the easiest product to use and we our product allowed you to do things that you couldn’t do on other platforms and a um some of the people Aaron who’s our head of community and education uh he’s taught a bunch of these no code tools

[07:44] and the one thing that he always said to us was um the reason that Gum Loop is so capable is cuz you guys did not know what any other product in your space did or looked like and we kind of built things from like first principles and so the way our thing worked was just a little different than anything else and it made it so much more powerful and we realized quickly why other tools don’t work that way because it’s actually really hard. The problems that we were solving were really hard. >> Yeah. Tell us about these things. So, so, so when you sell to a big enterprise, there are things that they

[08:14] require that small companies don’t. Like for someone who’s like watching this and want to sell to enterprise, what are those things specifically? >> Yeah, I think stuff like role-based access control, SKIM, SAML, um, [clears throat] audit logging, all that type of stuff is like um, >> why do big companies ask for that? There’s just so much at stake when you’re a large company. Like you’re a publicly traded establishment that has like sensitive data and all these requirements and like restrictions with what you can do. Uh so you need to make sure that if you’re going to give 10,000 people at your company a tool, they’re only able to do the things you want them

[08:44] to be able to do. And certain users, it gets infinitely detailed like how they’re like this these 500 users need to be able to do these 10 things. These users are actually an outsource team that shouldn’t have access to any data. We need them to have restrictions on their accounts. We need to use our own API keys. We need to host it in our own cloud. We need to have audit logging for every tool. We need to have APIs to get that into our data lake. Like it never ends. Uh but that’s like the value we have to create before the end user can have that wonderful moment of like, oh, I connected data and it just worked. Like there’s so much depth before they can use it. >> Yeah, it can be frustrating sometimes

[09:15] because they want to disable so much functionality that we worked so hard to build. But uh yeah, I guess that’s what it takes. And then when they warm up to us, we just enable more and more things. >> How did you figure out what all these things are and how to h what they need? because like you can’t show up and be like, “Oh, we don’t have these things. Let’s go build them.” I’m assuming yeah, you have to figure out how long >> there’s a it’s just conversations with customers, like hundreds of conversations and um you get a sense after building for a while of like the direction like what feels directionally correct when they’re asking for a feature and what you should just ignore. Most of the time like everything that

[09:45] our big companies are asking for is something other big companies would want at some point. So, we build it. Uh, and I think like the level of care you have and the speed at which you respond to their like the amount you feel like a partner to them and the speed that you ship what they want it really makes a difference. >> One of the things I’ve noticed with companies and I remember we had these conversations early on is if you have a tool that you can do anything people don’t really know where to start. >> Yeah. >> How have you solved that today and what are the most common thing that people use your tool to do? >> Yeah, that’s a good question. So, I remember when we met you for the first time, when you saw the product, the

[10:16] first thing that you said was like, “You guys need templates, like pre-built use cases to show people what to do.” And and then we came back the next week with like three different templates. And then you were basically like, “Guys, that’s not what I meant. You need like a hundred of these things.” And so, we built this like really large template gallery. We kind of do similar stuff like that today in which we have like use case pages with like pre-built agents and that kind of shows gives people an idea. Case studies help. We do workshops with companies and we’re like tell us if you could wave a magic wand like what would you automate? We get like 20 hands raised and then we’ll help them all automate their own things and

[10:47] then that sparks more ideas. >> You handhold companies through the onboarding process to kind of build out the initial >> sometimes they like come to us with like 10 ideas and they’re like I already did five. These are five more. I need like these features shipped before I can do that. And we’re like okay consider it done. Um but sometimes it requires like fully inspiring a team. >> Let’s go back to like earlier prior to doing YC how do you guys meet and decide to start coming together? There was an AI conference going on in Vancouver and I was presenting what I was working on at the time which was like a personalized AI tutor for students and Max was presenting an early version of Gum Loop and uh what he was building

[11:18] sounded really cool. It sounded really promising. I thought it had real potential to work and so I basically like asked him like if he needs a co-founder. Well actually he said there’s a couple caveats to this story. There’s one the conference is a very generous term. It was like 30 people in a room uh just like talking about AI before like right when the GPT API came out. Basically, my co-founder had quit that morning. The guy I was working with, who I met on YC, co-founder matching. >> And he was like, “This idea won’t work. I need someone more senior.” Like this whole laundry list of reasons. I believe the no, but not the why. I learned that after working with YC. But I went to

[11:49] this meetup to take my mind off things cuz I was so like distraught and I’m like, I’m screwed. Basically, there’s a bunch of other things that happened in the background that made me more screwed at the time. >> Rahul was demoing with his co-founder. Uh, and that person ended up joining as our founding engineer like a year later. But um the whole video of us interacting for the first time is captured on my Twitter. I was like, “My co-founder quit this morning. I’m looking for another one.” And then the next person to speak is Rahul asking about GPT functions. Yeah. Which had just come out that day and he’s like, “Have you considered those?” And I’m like, “No, I don’t even know what that is.” >> But it was very serendipitous. And then we got drinks the next day and he came

[12:20] with like his laptop that was duct taped together >> [laughter] >> uh with like a Google doc of like 50 questions because the product was open source at the time. So he read all the code before AI could just answer questions about like a codebase. and he had like very detailed questions about the framework that I had built. So I was like this guy’s pretty serious. And then we worked in the co-working space together for like a month. >> And you were both in Vancouver. >> Yeah. In Canada. >> And then from there to applying to YC. >> Yeah. I think we always wanted to apply YC. Max knew way more about it. He had applied to YC three times in the past. I had never applied to YC, but we knew

[12:51] what YC was. And so >> I’d applied with very different ideas previously. And I’m actually thankful in hindsight I didn’t get in because it would have put me down the wrong path like working on ideas that weren’t the right fit. >> Uh but yeah, this was my fourth time applying. And um we worked in a co-working space like for 12 hours a day every day for a month and a half I think until we applied to YC. >> And at that point we had like people who love the product a very small number of people who love the product but like they got value out of it >> and we got lucky and interviewed >> and how I see we we’ve released something called uh quota master

[13:23] recently is open source. We’ve built our internal company brand at YC. >> I am like this is the biggest software tool we ever launched at YC internally. Like I use it all the time >> and I’m assuming that your customers are kind of like this it might be the biggest thing that they ever seen internally in terms of productivity. However, it takes just like hard to get people to start using things. I’m I imagine that you also built up this knowledge and how to basically make a company AI native that others don’t have. And this is sort of like at the top of the list of every management team right now is like how do I get my

[13:53] company to be become AI and talk about that like like >> this is like the holy grail again in like the trans transition or trans transformation of AI. >> I think um that was the first chapter like we definitely built up a lot of expertise around making a company AI native and use AI for as much as you can and then there’s the second chapter that comes immediately after that where you’re like okay they’re using it for too much and we need to like actually govern and moderate and make sure it’s being used in a productive way. So we’ve been we’ve gone through I think we’ve built expertise in both but tricks for making your company AI native bringing agents to where they’re already doing work has been the biggest unlock for us. So like if you have to go to yet another

[14:25] platform and use the AI system there there’s friction there. But if you bring it to like the the platform they’re already spending eight hours their day in you they’ll natively adopt the tool. I think bringing it to a place where you can see other people use agents and see how they use agents. I think like that’s one of the things that Gum Loop does really well compared to a lot of other agent platforms is like this aspect of collaboration aspect of like sharing agents, multiple people talking to the same agent, that kind of multiplayer portion of it. And being able to see how your co-orker who does literally the exact same job as you interacts with an agent in a public Slack channel

[14:56] naturally lends yourself to using agents in that way basically. >> Got it. Can you talk about how you use Gumloop internally at Gum Loop? >> Yeah, I think everyone on every team uses it for everything. The first like breakthrough agent that changed the way we work was this one we call Heimdoll which is connected to every single data source at the company. >> Um and it has a Slack channel that was just ask Heimdoll originally but now it’s like in every single channel across the entire company and you can ask it anything like get me all the users that signed up yesterday morning that are in this time zone that have this role and

[15:27] uh aren’t in this certain ca it’ll like work for 20 minutes and get you that answer. we don’t need like a data analy analysis or analyst >> analyst >> um we just have like Heimdoll answering every customer related question and then that spawned a bunch of ideas like the sales team went off in their direction and they have sales loop which automates everything in the sales process so they can just focus on talking to customers our customer success team has uh success loop which like the health score of every single customer is like diligently tracked they get notifications if anything’s ever going wrong if any usage

[15:58] is skyrocketing or dipping like everything that they were spending their time monitoring is handled for them. >> Yeah. >> Our education lead, we have cohorts every two weeks where like he teaches hundreds of people how to build agents. The entire process is automated from like people signing up, the follow-ups, the uh even the editing of the videos when they demo on Fridays and show their agents fully automated so that the clips get sent to those customers and they can share it around their companies. >> Throughout this process, was there a moment when you felt we have PMF, this is work working like like was there something like very visceral that you remember or was this more gradual? I

[16:29] think there’s been a bunch of moments like that, but I remember the first one uh felt like our first conscious thought about whether this is something that people actually want was when they were using our initial workflow builder early early days and it was awful but they were using it anyways, >> right? >> And we’re like we’re actually I’ve built a lot of bad software before that no one used and for some reason people were like spending five hours of their afternoon like building a workflow on our platform and we’re like oh this is actually so painful for people that they’re going to they’re willing to put up with how bad this is. And um I think that feeling of like wow people are

[16:59] really investing their time has hit us every couple months. But I don’t know if you have anything else. >> Yeah, I think like when we realized that certain users were spending like eight hours a day, 10 hours a day using Gum Loop building stuff like automating their entire jobs or like the job of their entire team. That was I think big. It was when we realized like yeah our users are spending way way more hours than we are in gum loop you know building stuff and like some of them know how to use the platform better than you know we do in some ways. I think that for me one of the big moments was

[17:29] like the first day we launched that Shopify because it was kind of like um we basically just like went out to like 4,000 people on the same day. >> I think it was 8,000 people. >> 8,000 people on the same day. >> They just got access in one day. just seeing people kind of like pick up and like use the tool and like play around. It was like it was a super cool moment and people were just like figuring things out and like we didn’t have to I think before then it was a lot of like sitting down with customers and like building stuff out out for them and like a lot of handholding but then yeah I

[17:59] don’t know people just started building stuff on their own which was cool. >> Yeah. >> How did you get Shopify? I I I remember Toby writing the AI native sort of like sort of like his manifesto almost. Uh it sounds like could not be a better customer than them. How how did you get >> It was actually that was the one of the word of mouth customers where like someone from Instacart had influence at Shopify and just put it on their radar and then they evaluated the tool. I think they um like rolled out a bunch of tools the same week like different automation tools and they just saw what’s stuck. >> Um and then they ended up investing in Gum Loop after because they they really liked >> the roll out. Um and they’ve been a

[18:30] great partner since. >> Got it. What percent of employees of these companies are using Gum Loop on like a daily weekly basis? >> It varies a ton by company. Sometimes it’s like extremely concentrated usage with one team, like everyone using agents to automate this one function. Sometimes it’s like wall-to-wall deployments with like light usage on some teams and deep usage on others. Sometimes people are using Gum Loop, but they don’t even realize it. Like they’re getting all these reports and stuff so that they can do their job better or like the prep for a customer call or something, but it’s it’s all gum loop in the background. So there’s like it’s uh completely different patterns at every company. But for the most part, it’s uh

[19:02] everyone has access. So like we never charge per seat. I never want someone to like second guess whether they should be using this tool or not. It’s just usage based. Um so whoever wants to start automating can just turn to Gum Loop and figure it out. >> That’s not how you get started though. When did you switch to usage based pricing compared? Initially it was seat based. >> Yeah, we had a limit on the team plan for seats. >> How did pricing develop over the years? >> Yeah, I think when we first started we had uh a $20 a month plan and a $40 a month plan and that’s what we went into YC with. And uh I guess we picked those numbers cuz like chat GBT had something similar and that was kind of like all we

[19:33] knew is like products that what we like to use were in that price range. But then we quickly realized that our pricing was way too low and that the value that we were providing business customers especially was far far greater than the amount what we were charging. So we basically like doubled our pricing three times during the batch but kept on those same plans. And at first we just included a set amount of usage but then we started a credit based system but now our recent pricing model is even completely different than what we had before. >> Yeah, it’s still credits but it’s very transparent. Uh so we sell tokens at cost, we sell the compute at cost and

[20:04] the APIs at cost and then we charge an orchestration fee on top of it. Very similar to open router. It just feels like if you’re going to be in this build versus buy debate to be considered a tool that is in like the build camp. Like when people say they’re going to build something internally, they’re going to use Burcell and they’re going to use Cloudflare and they’re going to use like these pieces of infrastructure that help people build. Yeah. >> But the pricing being transparent is such an important part of being in that group. Uh and we want to like most of our customers are deploying it in their own cloud. It feels like internal infrastructure and it could be part of that build camp. But if you have opaque pricing that’ll never happen like you’ll

[20:34] always be the enemy. >> So we we changed our pricing recently to just be like very clear about where where GMO’s value is and what our margin is. And it’s totally agnostic then like if somebody wants to use claude or has an agreement with open AI or wants to route everything through their brain trust or their an uh Amazon bedrock proxy or something like that they can totally do that just using gum loop as well. >> What’s an investor meeting like for you today like like is it just a demo like maybe like the CDNA >> I I I learned pretty quickly that with a tool like ours showing the value with a demo is 100 times more impactful than

[21:04] just like talking about what we do. Like even in this discussion now people are probably rolling their eyes when we’re like yeah we automate work and it’s so amazing. They’re like, “Yeah, everyone does.” But like if you see it working, you you start to believe it. So now I I exclusively just open the product and show people that what it can do or give them access so that they can start using it. That speaks way louder than like a pitch deck. >> You raised three rounds of funding uh well after see first round and then uh Nexus and then benchmark. You talk a little about how they all came came around and sort of like what you’ve learned about fundraising. the first

[21:35] round with first round was uh the most like that’s the only time we actually fundraised. >> Yeah. >> Um we did the whole process like what YC helps you get set up to do like a week of meetings and talking to every VC. >> Extremely tiring. Uh and I think they were the best possible firm we could have went with like they’ve been amazing partners. It’s very similar to like dating I guess or I don’t know what analogy to use but building the company and gaining traction is the most important thing you can do. It’s not about like tricking an investor to think that your company’s cool or having a

[22:06] better pitch deck than someone else. Yeah. Like they will always follow your company and try to invest if you’re showing that you’re changing the way people work or like having some impact in the market. So our other two rounds were preempted. >> Um we didn’t raise, we didn’t make a deck. We we just uh kept building and I think the fact that we didn’t need the money and we’re going to succeed regardless is what makes someone want to invest. >> What’s the experience of being a Canadian founder moving to San Francisco? I I remember there was like some tweet storm about about this or like advice to Canadian founders who either want to stay in Canada or people might want to move here like what’s

[22:37] >> what comes to mind. >> You can absolutely stay in Canada like there’s no we have an office in Canada. We employ a ton of Canadians. I think we’re going to be going back to Canada at some point. Um so I don’t think it’s you must move to SF like a lot of people say. >> I think our approach was like we had every odd stacked against us. We still do and like we want to succeed by any means necessary. So, if there was a half a percent better chance that we might meet a customer or someone we want to hire in San Francisco because they happen to be down the street, like Instacart is was like a block away from our initial office. Yeah, >> we were going to do that. But I I think

[23:08] you can 100% stay in Canada and build like a generational company there. There’s a lot of great Canadians who are comfortable and happy and they don’t want to leave the country. Um, you can hire them and you have a kind of a an advantage in that market for hiring. >> What are the best hubs or strongest like either most ambitious or best engineering talent right now? >> It’s just where more people are. Yeah. Vancouver and Toronto I think in Canada. Um >> Montreal too. >> Montreal as well. Yeah. [laughter] >> How big is the company right now? >> Between 45 and 50. Yeah. >> So like it’s interesting because there’s like the sort of people were like I’m

[23:39] trying to keep the team small. You’ve been trying to do that but it’s going really well. So it seems like still you are small for the traction that you have but still now this like a big company. >> Yeah. Our initial plan was we were going to be a 10 person billion dollar company. That’s what I put out on Twitter because we raised our series A when it was Rahul and I and two interns. So, we thought like I think we’re a little cocky and thought that we can just keep it super lean. >> But then we discovered enterprise sales and [laughter] just like how much support a large company needs. Yeah. Um >> it it became obvious like the more

[24:09] people we have the better. So, we’re still trying to stay super lean. And uh the the I like to refer to this multiplier where like I I’ll ask a customer who’s onboarding like how big do you think our team is? And they’re like 250 people, 300 people. And I’m like, “No, we’re only 50 or 30.” The multiplier of like how big they think we are to how big we really are is kind of what I’m optimizing for now. Um, less so like the actual objective headcount because I think we’re hamstringing ourselves a little bit by being like only 10 people. The 11th person adds a ton of value. >> What constrains success for the company right now? Is it like models are still

[24:39] like not perfect the way they need to be or like like what what will be additional unlocks in the future? Do you think >> people don’t know about us? That’s uh one big thing. Sometimes like our I have calls with customers almost every single day where they’re like inbound or they heard about us through a friend and then I actually show them the tool and they’re kind of shocked at how much it can do. >> Um we’re trying to fix that so that more people know we exist and how much work we can automate. >> That’s one problem. The other one is we just don’t have enough people as ironic as that sounds based on like the small team thing. There’s like a hundred

[25:10] things that our customers are asking us for that we could be building right now but we’re very thoughtful I think about who we hire and whether they’re a good fit for the company. So it just we’ve been hiring more slowly than the average company, but we we’re hiring engineers, designers, AEES, customer success. >> If I was someone who’s like never used anything like this and you’re like I’m I’m AI curious and I work for a big enterprise, what’s the vision that you would sell me on or vision that you would describe to me of like this is how you could run your company differently? Like is is there like a a way to summarize h how how a company like your

[25:41] customers are compared to the ones that are not? I think the the main e like thesis is like the people who understand the tasks should be the ones automating them. Um, and the anti pattern we’ve seen over the last couple years is like you might have a a marketing ops team that has like something extremely tedious and cumbersome that’s you’re losing tons of revenue by not doing. they’re going to hire people if to solve it or they’re going to like write a spec doc of the problem they want solved with an agent or AI and they’re going to give that to an engineering team or they’re gonna give that to a consultant who’s going to charge them a crazy amount of money and they’re going to go through

[26:12] this loop of like not quite right feedback meetings and you’ll get something halfbaked. >> I think like the people who really deeply understand a task should be the ones like just transferring what they understand into an agent to automate it. And the hard part is like the the biggest blocker is the a tool that they can understand. Now we’re at the point that anyone can build an agent that’s relatively solved. And then the meta problem behind it is like do they have access to the right data, the permissions, like has it let them do this sort of thing. So we’re secretly like catering to IT teams with all the features we build first is if they give the green light then anyone can automate like hundreds of hours of work and scale

[26:43] their output. >> Um but I think it being on board and that comes from leadership like a a company like Shopify is so AI native that they’re going to clear the way to make sure this is possible. Whereas like a large health tech company in Europe, they’re going to have more rigidity IT team saying no to everything and you have to like work through that to get the unlock of automation. >> A lot of people that are pitching AI tools for companies are basically saying this tool will sort of like automate this work and therefore be fewer people. It sounds like you actually are describing something that’s complete opposite where everyone basically instantly have like more people and do

[27:13] more. Talk about that. >> Yeah, I think part of it is like this future world in which everybody is a manager and we’re kind of all overseeing agents and like having agents do work for us. I think, you know, that seems to be what we’re trending towards. And so the way that we see it is like you don’t necessarily need less people, but the people that you have can do a lot lot more. And we see that within our engineering organization at Gum Loop as well. Like we have eight core engineers that are working on the product that includes myself and everyone’s able to do the work of like five people basically using agents. Yeah.

[27:43] >> What’s the hardest challenges that you guys are facing right now? So someone who’s thinking about joining at Gum Loop um what would they work on? Yeah, I think it’s a lot of the stuff that the labs are dealing with as well and the biggest challenges the labs are facing at the application layer, which is like how do you get the most out of the agents and the models in their current form and how do you get them to do real work? How do you get them to do like long running tasks that take, you know, multiple hours? Uh how do you get them to like use computers and like browsers and efficiently and stuff like that? I think a lot of the appeal at working at a company like Gum Loop is that you’re really at the frontier and pushing the

[28:15] limits of what’s possible to do with AI and the current models. Um, and I think that’s really exciting for people, especially people that are at a more kind of traditional company. >> There’s uh, every feature that people think we should build and that we start building comes with like a hundred features underneath them that are secretly the hard part. Like, yeah, browser automation is something we’re working on. Uh, but then okay, if people can automate with the browsers with agents in the cloud and on their local desktop, how does it make sure that they’re not going to certain websites or that it’s not doing anything nefarious or that they’re able to watch back uh a

[28:47] session recording? And then they’ll ask like, how do I watch back 5,000 session recordings and understand what agents are doing in aggregate? How do I make sure it’s efficient from a cost perspective? Like everything that comes with those features is the hard part. Um, so we have to think of like the whole picture when we’re deploying it in a in a company, but there’s so many little edges to every feature that we need great engineers to work on. >> What’s the dynamic with the labs? Cuz you you mentioned in the past that your customers already have relationship with the labs and um like some of them have competing products. I’m assuming co-workers in this in this world as well. >> Totally. Yeah, there’s a ton of competition. I think we exist in like

[29:18] this sweet spot in between the labs where um we’re kind of like the Switzerland between the labs and you can use your inference from wherever and that becomes quite appealing to like an IT leader or any leader at a company when you’re like I can build agents across the business without being locked into one of these vendors. When a better model comes out next week on Twitter and everyone’s going crazy over it, I can oneclick switch to that inference provider. And then when those companies try to approach us with like an 8 figure contract and we’re all using their solution and we can’t go anywhere, we actually have the ability to walk now to a different inference provider. And the idea that like you own your agents like

[29:49] the agentic sovereignty by you deploy it in your cloud, you own the database where the traces are stored, you own the full integration stack like you’re owning your agentic future becomes quite enticing especially as yeah I think like the the model layer will get commoditized and the labs will need to generate revenue in other places and they’re going to go after their customers businesses. Uh we’ve already seen that with a few of our customers who have like the labs came up with direct competitors against them and they’re they’re kind of like burned by that experience. Most companies will probably face that in the future. So owning your agents is quite important. >> Do your customers need frontier models? >> Yeah, I think so.

[30:20] >> For many of their tasks, >> there’s a they need the choice for sure because some things are so complex like you’re informing the CEO about a growth function that is like going to be in the board deck next week. you it would be better to use a the most qualified model you possibly can, but then you’re running a support use case 80,000 times an hour like using the cheapest model in the market will actually make a difference in your >> your revenue. Yeah, and I think like that’s a key thing like you kind of do want the choice because not all use cases need frontier intelligence uh even of our customers and so giving people the option to switch down and switch up

[30:51] and I think having that control at the organizational level. So like admins and people who are in the know can like force people to use certain models or force certain teams and certain use cases to use certain models because if given the choice probably every individual employee is just going to use like Frontier Intelligence cuz like there’s no limit and like who cares, right? But like if you give the people that actually know what they’re doing the ability to kind of enforce different things um that we find that works out better for everyone like everyone has a better experience. It’s it’s cheaper and faster for the end user and then you know for for the company it’s also more

[31:23] efficient. >> Um typically there’s one buyer for for each product category one product but it sounds like in this case could be still a bit bottom up where someone actually discovers this like how does it bubble up to the decision maker? >> It’s like a riddle every time. Uh it’s different. We’re definitely forming more of a pattern, but the person that bubbles up to and the person that gets most excited is normally like an IT leader leader like the person responsible with the AI rollout and security of the fact that everyone’s using 80 different tools and the data is going everywhere and they need to kind of wrangle all of that. Yeah. >> Um they tend to be the person we were

[31:53] most excited to meet because their eyes kind of light up when they see our feature set. Yeah. >> And then they’re the ones unblocking uh the sales team to do sales related use cases and the customer success team to do their use cases because they’re giving them access to all of like the internal data. But yeah, it tends to bubble up to them and and sometimes it starts with like an individual who found us on Twitter or saw our post on LinkedIn and then they showed it to their manager, they showed it to their manager, we gave them a pilot, they showed they generated like 3x more revenue with a small sales team, for example, in a week than they did la like the three months prior. >> Can you give a pilot to them without

[32:24] getting to the decision maker? >> We have to talk to it to get the pilot working, right? >> Uh that that’s like the hard part. Yeah, it’s something we’re learning and figuring out over time still, but it’s not super helpful to have a pilot uh and then they can’t connect any of their tools. So, like we kind of made >> that mistake in the past. >> Yeah, >> the number of connections that you have access to is directly correlate to how good your experience is using product. >> How important was it for you guys to do and move to San Francisco? >> I think it was pretty critical. >> Yeah, [laughter] we were uh it gave us like instant validation I think to to >> internal validation or external

[32:54] validation. maybe a little bit of internal validation, but mainly external validation that like people would take our call. You know, before that we were just two guys with laptops being like, “Yeah, we’re automating work and no one cared.” Um, but it gave us like a jump start to just start building momentum and then a lot of guidance for how to like harness that momentum into something bigger. >> Uh, so it definitely was like a before and after moment for us. >> You’ve always seemed to me very self-motivated. >> Uh, tell us more about that. Tell me more about that. >> I think it’s like a fear of mediocrity. I’m just like terrified that I’ll look back in 30 years and realize like I

[33:25] wasted an opportunity. Um, which >> I don’t know where that comes from, but what motivates you? >> Yeah, I think like when I was working at Amazon, uh, you know, out of university, my like goal was to get a job at a big tech company, and I was like, “Oh man, if I do this, like I’m going to be set for life.” And so like I went and did that. And within like a week, I was like, “I cannot do this for the rest of my life. Like there’s no way I can work here.” Because it was just like the things were just moving so slowly. And I felt like what we shipped with a team and 10 people, I could do with like my buddy on a weekend. you know what I mean? And so like I had to be in an environment that we were working at a fast pace and just like shipping things,

[33:56] you know, quickly. Um and uh that’s that’s what kind of motivated me. Yeah. >> Awesome. Thank you so much for coming and speak to us. This is a really good conversation. >> Thank you. Appreciate it. Thanks. [music] >> [music]