企業 は、Entrepreneur Media と提携した初期段階のベンチャー キャピタル会社で、情熱的で革新的な創業者を初日からサポートすることに専念しています。このシリーズでは、Entrepreneur Ventures が協力して成功するビジネスの構築と成長に関する洞察を共有する素晴らしい起業家を紹介します。

ザック・チョイ 彼は 20 年にわたり、中堅市場の SaaS 愛好家からグローバル企業に至るまで、あらゆる規模の企業向けにデータと AI システムの構築と実装を行ってきました。そして、何よりもまず大きな課題が到来すると考えていました。 AI の導入が爆発的に進むにつれ、基盤となるインフラストラクチャの準備が整っていないため、ほとんどの企業が実際に AI を使用する能力をこのテクノロジーが上回るだろうと Choi 氏は予測しました。この本能はすでに一度功を奏し、最初のスタートアップである String AI を構築し、通信パートナーに売却しました。さて、 大きな背景と会社Choi は、プライマリ ユーザーとなる AI エージェントがエンタープライズ データを読み取れるようにするという、さらに大きな課題に取り組んでいます。

Dan Bova: Big Context & Company のエレベーター ピッチは何ですか?
ザック・チョイ： 私たちは、データの主なユーザーが人間ではなくエージェントになる時代に移行しつつあります。当社がデータ プロパティを構築したインフラストラクチャは、中小企業であっても大企業であっても、予測可能な質問をする人間のユーザー向けに設計されています。ビッグ コンテキストは基本的に、これらのデータ オブジェクトを AI スケールの作業で読み取り可能にするのに役立ちます。企業に実際の AI を実装するには、まず地面を耕す必要があります。その地面は通常、データです。当社は人工知能企業です。つまり、AI とテクノロジーを使用して、従来のスケーラビリティのないサービスの作業をソフトウェアに近い形で実行し、これらの革新的なサービスを提供します。

もっと簡単な言葉で分解してもらえますか？
情報は組織のさまざまなレベルで、どこからでも入ってきます。 Shopify や再販業者を通じて販売している場合、またはレストラン用の POS システムを使用している場合、これらの各ソースからデータが取得されます。使いやすいものもあれば、使いにくいものもあります。ツールとその下にあるデータの両方の専門家である必要があります。これは過去 30 年間の問題でした。データは生成されていますが、それを使用するのは依然として非常に困難です。ここで AI を追加します。これは実際には単なる会話型のデータ検索です。しかし、AI エージェントがデータの乱雑なプロパティを調べた場合、それが何であるかを確認することしかできません。 考える 何かを意味します – 正しく推測する方法がわかりません。多くの AI 実装が期待を下回っているのはそこです。それは、ゴミは入ったらゴミは出るという古い信条に戻ります。私たちは基本的にゴミ人間です。私たちは家に来て、家を掃除し、土地を処理するので、データは信頼性の高い AI 使用の準備が整います。

このビジネスが構築するのに適していると考えた理由は何ですか?
私はそれを2つの部分に分けて考えます。まず、上から下まで、完璧な市場機会の嵐が押し寄せています。 LLM は確率論的なツールであり、データ処理は決定論的であり、構造的に互換性がないため、最初の研究が現れる前に AI の実装は失敗すると私は予測しました。何十億ドルも AI プロジェクトに注ぎ込まれていましたが、データを十分に迅速にクリーンアップできる人は誰もいませんでした。第 2 に、これは非常に新しいテクノロジーであるため、人材が不足することはありません。これまで存在しなかったため、これをうまく適用した人が十分ではありませんでした。過去 2 ～ 3 年この仕事に従事しており、すでにデータ インフラストラクチャの専門家である必要があります。そして率直に言って、これは私のチームと私が深い経験を持っているものです。私はウォートンでデータ サイエンスを学び、マッキンゼーでのビッグ データ変換の取り組みを含むデータおよび AI サービスの構築と実行に 20 年を費やしました。私の最近のスタートアップは、中小企業がテキスト メッセージや音声メッセージを検証するのを支援するプロダクション グレードの AI 製品でした。

その背景はどこから来たのですか？あなたのキャリアはどのように形づくられたのですか？
私の両親は韓国からの移民で、20代でここに来ました。父の最初の仕事は、母が私を妊娠していた頃で、ニューヨーク市内を車で回り、食料品店に果物を配達することでした。ささやかな始まり。父は量子物理学者、母は児童心理学者で、私と弟を育てるために転職しました。私は UPenn で認知科学を学び、大学を出て最初の仕事はウォートン社で主に統計とデータサイエンスの研究をすることでした。それがゼネラル・ミルズ社、そしてクロロックス社につながり、そこで私は大手小売業者が製品カテゴリー全体を成長させるのを支援するチームを率いました。これは、シリコンバレーで普及する前に「フロントローディング」されたものでした。そこから、私はフィンテック企業である Green Dot に行き、そこで IPO を通じて BI、ビジネス、および Revops 機能をゼロから構築しました。その後、私はマッキンゼーに入社し、そこでデータ変革を指揮し、最終的には中堅テクノロジー企業（その多くがユニコーン企業となった）が撤退する数年前にイノベーションを支援するサービスラインを立ち上げました。彼らの軌跡を見て、私は自分自身を信頼するようになりました。私は String AI の構築を続け、約 4 年半後に通信会社に買収されました。 1 年後、私は現在の Big Context & Company を設立しました。

あなたはテーブルの投資家側に座るだけでなく、ベンチャー資金を複数回調達してきました。募金活動について何を学びましたか?
私は幸運なことに、いくつかの企業でいくつかのラウンドを担当し、多くのスタートアップ企業のアドバイザーおよび取締役会のメンバーも務めてきました。私は常に他の建設者や運営者を支援し、他のスタートアップ、運営者、さらにはクリエイターに視聴者をビジネスに変える方法について積極的に指導する方法を探しています。 2024 年、私は Acquisition.com を運営する Alex と Leila Hormozi に会い、一緒にベンチャー ファンドを立ち上げるよう説得しました。私は過去 2 年間で 30 件以上の投資を行い、年間数千件の取引を見てきました。私の意見：市場に適合するのであれば、これは良いスタートです。以前は、アイデアは安価で、建設は困難でした。現在、建設費も安くなっているため、誰もが何かを構築しています。つまり、深い専門知識、真の課題点、貴重なプール、そして投資家や購入者に自社が最高であると説得する能力が必要です。 AIによって物事が急速に変化していることを考えると、ベンチャーキャピタルはどこに投資すべきか、そしてどのレベルの確信を持って投資すべきかを慌てて見つけていることに気づきました。つまり、投資家がもう一つ重視しているのは、初心者の失敗で資本のどれだけを費やせるかということなので、二度目の創業者に対して偏見が生じてしまいます。 2 番目の会社を成長させるのは、最初の会社よりもはるかに簡単でした。

初めての創業者が犯す最も一般的な間違いは何ですか?
チームはナンバーワンだ。通常、ソフトウェアでは、費やす資本のほとんどは才能、つまり、自分を囲む人、そのエネルギーと情熱です。私の共同創設者であるジョジ・ジョンも20年のベテランであり、BIおよびデータウェアハウステクノロジーの先駆者であり、楽天でAIとデータを主導し、最近ではAI分析のための実用的なナレッジグラフを構築しました。差し迫った困難な問題に対して適切なチームをまとめることができれば、計り知れないほど役立ちますが、同時に、意見の相違が必然的に生じた場合に、迅速に一緒に行動し、迅速に決定を下せるかどうかを確認する必要もあります。私は、6 人または 7 人のグループよりも 2 人の人の方が多くの成果を生み出す状況に遭遇したことがあります。一貫性は別の問題です。生後 15 ～ 20 か月の頃には、緊張が高まる暗黙の壁が存在します。これは通常、誰かが自分の努力した結果に満足していないためであり、0 日目にそれを見つけるのは困難です。 2 番目の大きな間違いは配布です。自分が生産しているものの供給を生み出すのが簡単であれば（特に、AI によって競争の場が平準化されている昨今では）、流通は落とし穴になります。初めての創業者の多くは、製品に重点を置きすぎて、流通にあまり重点を置きすぎてしまい、手遅れになってしまいます。私のアドバイスは、他の創業者と同じように市場や顧客を扱うことです。 2 番目の会社では、コードを 1 行も書く前に提案を売り込んでいます。

ビジネス上のジレンマや問題が発生した場合、問題解決にどのようにアプローチしますか?
私はこれをゼロ、ワン、ツー、スリーのフレームワークと呼んでいます。ゼロベース、第一原則、第二の考え、第三の目です。ゼロベースとは、先入観を頭から取り除くことを意味します。VC からはそのアイデアはばかばかしいと言われ、クライアントからはそのアイデアはいつも行われていると言われました。また、本当の問題が何なのか、誰のために解決しているのかを正確に理解する必要があります。問題の中には、面白そうに見えても決して解決できないものがあるからです。最初の原則は、マッキンゼーでどのように考え方を学んだのかということです。つまり、問題を根本から解決し、自分の問題に実際には当てはまらない遺伝的な制限を受け入れるのではなく、その理由を自問するということです。そして、ChatGPT や Claude からだけでなく、セカンドオピニオンも重要です。AI チャットは写真ブースになる可能性があるためです。会話を十分に長く続けると、会話が浸透し、自分が正しいと確信することができます。あなたには、あなたの側で明確に考え、悪魔の代弁者としても機能する、信頼できる人々のグループが必要です。さらに、第三の目を養うことになります。つまり、完璧な答えを待つよりも、迅速に正しい決定を下す方が良いということです。このフレームワークを使用すると、時間が経つにつれて現実感が高まり、通常は意思決定が改善されます。時にはミスをすることもありますが、速く動かなければならないので、シュートを枠内に決めなければなりません。そして、それはあなたが構築できる規律です。

企業 は、Entrepreneur Media と提携した初期段階のベンチャー キャピタル会社で、情熱的で革新的な創業者を初日からサポートすることに専念しています。このシリーズでは、Entrepreneur Ventures が協力して成功するビジネスの構築と成長に関する洞察を共有する素晴らしい起業家を紹介します。

ザック・チョイ 彼は 20 年にわたり、中堅市場の SaaS 愛好家からグローバル企業に至るまで、あらゆる規模の企業向けにデータと AI システムの構築と実装を行ってきました。そして、何よりもまず大きな課題が到来すると考えていました。 AI の導入が爆発的に進むにつれ、基盤となるインフラストラクチャの準備が整っていないため、ほとんどの企業が実際に AI を使用する能力をこのテクノロジーが上回るだろうと Choi 氏は予測しました。この本能はすでに一度功を奏し、最初のスタートアップである String AI を構築し、通信パートナーに売却しました。さて、 大きな背景と会社Choi は、プライマリ ユーザーとなる AI エージェントがエンタープライズ データを読み取れるようにするという、さらに大きな課題に取り組んでいます。

Dan Bova: Big Context & Company のエレベーター ピッチは何ですか?
ザック・チョイ： 私たちは、データの主なユーザーが人間ではなくエージェントになる時代に移行しつつあります。当社がデータ プロパティを構築したインフラストラクチャは、中小企業であっても大企業であっても、予測可能な質問をする人間のユーザー向けに設計されています。ビッグ コンテキストは基本的に、これらのデータ オブジェクトを AI スケールの作業で読み取り可能にするのに役立ちます。企業に実際の AI を実装するには、まず地面を耕す必要があります。その地面は通常、データです。当社は人工知能企業です。つまり、AI とテクノロジーを使用して、従来のスケーラビリティのないサービスの作業をソフトウェアに近い形で実行し、これらの革新的なサービスを提供します。