Emergent: как 6 месяцев экспериментов привели к компании со $100M ARR

Коротко

Мукунд, сооснователь Emergent и до этого Dunzo, за девять месяцев довёл компанию до $100M+ ARR, 8,5 млн пользователей и 10 млн собранных приложений в 190 странах. Emergent даёт любому человеку без опыта программирования собрать реальный, а не демо-софт: просто болтаешь с агентом, а бэкенд, база, хостинг и деплой берут на себя. Начиналось с исследовательской лаборатории на четырёх человек, которая взяла первое место на SWE-bench, ещё не имея бизнес-идеи. Ключевые ставки: агенты вместо копайлотов, экспоненциальный прогресс моделей и «жить на краю»: строить под то, чего модели пока не умеют, но вот-вот научатся. Отдельная линия рассказа, автобиография пяти стартапов и урок: глобальную компанию из Индии строить так же трудно, как локальную, значит целься в глобальную с первого дня.

Главный тезис

Строй под то, чего ИИ пока не умеет, но научится через полгода. Целься сразу в самый трудный и самый крупный вариант задачи: тяжёлое собирает вокруг себя людей и даёт фору перед рынком.

Ключевые идеи

• 0:00: почти весь экономический рост за 30 лет дали софтверные компании; убери их из NASDAQ и S&P, останется плоская линия, отсюда мысль дать эту силу миллиарду людей с идеями.
• 1:17: Emergent отличается тем, что выдаёт работающий продукт, который можно продавать, а не фронтенд-демку.
• 1:32: команда из четырёх человек взяла первое место на SWE-bench, и это стало фундаментом продукта, а не наоборот.
• 5:41: брать трудную часть задачи: в Dunzo 87 клонов делали лёгкий вход через WhatsApp, а выигрывала последняя миля.
• 6:17: ранний основатель сам развозил заказы на байке; делать не масштабируемое сближает с болью клиента.
• 9:30: сквозной урок пяти стартапов: доверять интуиции больше, чем чужим советам.
• 10:06: где решаешь свою личную боль, там петля обратной связи сильнее, и Dunzo, и Emergent выросли отсюда.
• 14:30: после выгорания полгода чистого ковыряния с моделями без цели дали инсайты, которые потом легли в продукт.
• 17:13: ставка на полную автоматизацию инженерии целиком, а не по кусочку; VC отказали 10-12 раз, назвав это безумием.
• 17:03: строить всегда в сторону модели: шаги, где ИИ спотыкается сегодня, легко дообучатся завтра.
• 19:51: новый класс модели вроде Opus заставляет стереть накопленное и переосмыслить систему; за девять месяцев переписывали трижды.
• 20:14: намеренно пропустили модную проблему парсинга JSON, поверив, что следующая модель её закроет, пока 20-30 стартапов на ней сидели.
• 18:17: под капотом мультиагентная оркестрация: агент тестирования, агент дизайна, общая самообучающаяся память, RL и файнтюн поверх своих данных.
• 18:45: каждое новое приложение делает платформу лучше: агенты извлекают уроки и кладут в память.
• 22:24: привязка к метрике (бенчмарку) фокусирует и даёт честный сигнал прогресса при движении к цели.
• 27:27: локальную и глобальную компанию строить одинаково трудно, поэтому целься в глобальную сразу.

Почему это важно

Это кейс первой по-настоящему ИИ-native компании из Индии, дошедшей до реального масштаба, и живой пример аргумента YC про «жить на краю»: лучшие идеи там, где модели ещё чуть-чуть не тянут. Выигрывают те, кто ставит на экспоненту и строит под завтрашнюю модель. Проигрывают строители копайлотов и решатели временных проблем вроде JSON-парсинга, которые модель обнулит следующим релизом. В кадре Google (откуда Мукунд ушёл из команды ранжирования поиска), лаборатории моделей, конкуренты вроде ИИ-билдеров сайтов и соседние индийские истории Zepto и Giga: всем им нужна та же ставка на реальный продукт и глобальный рынок. Для Индии это доказательство, что технологическую компанию мирового уровня можно строить из Бангалора, где сидит 95% команды.

Идеи

• Бенчмарк изначально дали команде «чтобы отвлечь» её от еженедельных пивотов, а он превратился в фундамент компании.
• Три месяца в YC меняли идею каждую неделю: «идея недели, ИИ-Zapier», команда бесилась от бесконечных пивотов.
• YC-партнёр отговаривал от консьюмерского билдера как «слишком амбициозного» и толкал в энтерпрайз, основатели не послушали.
• Выгорание после Dunzo обернулось ресурсом: депрессия, полгода рефлексии, код как побег от шума, по 10-12 часов за компьютером.
• Иногда лучший способ найти идею, не искать её: просто играть с новой технологией как в детстве.
• «Слишком большой, чтобы упасть», сказал Мукунд партнёру про Dunzo незадолго до конца, дорогая иллюзия.
• В Dunzo, когда не было ИИ, каждый инженер вечером бросал работу и садился в чат разговаривать с клиентами.
• Ради одного клиента посадили курьера в самолёт, чтобы доставить посылку в другой город.
• Команда Watchtower жила в режиме военной комнаты, следя за каждым заказом, операционка ломается постоянно.
• Тот же операционный надзор перенесён в Emergent: мониторят каждую собираемую задачу и флажат поломки.
• Рост посчитали как математику: сколько просмотров → показов → кликов → пользователей, отсюда ставка на инфлюенсеров.
• Свой контейнерный движок пришлось изобретать с нуля, включая снапшоттинг памяти для параллельных агентов на одном снапшоте.
• Параллельные агенты «роятся» и добивают задачу вместе, это и есть образ будущего для команды.
• Стив Джобс и запуск iPhone 2007 как триггер: купил iPhone в Испании в 2008-м как сувенир, хотя в Индии он не работал, пытался хакнуть.
• Ушёл из PhD, потому что Google уже сделал ту же исследовательскую работу двумя годами раньше.
• В команде ранжирования поиска Google был самым молодым и потому мог свободно спрашивать «почему мы не используем машинное обучение», когда компания была настроена против ML.
• Первый стартап (групповое образование) вернул деньги инвесторам и закрылся, потому что страсть была не там.
• Пытался вести стартап из Индии с инженерами в Нью-Йорке, «понял на своей шкуре», что координация без совместного присутствия почти невозможна.
• Dunzo стало глаголом: «просто dunzo it», один из самых любимых потребительских брендов страны на пике.
• Фокус как урок поражения: Darkstore работал, но параллельно тянули маркетплейс, pickup-drop и ещё десяток моделей.
• Emergent увидел, что рынок хорош «на старте» и плох «на финише»: нет настоящего бэкенда и баз, а пользователю нужен работающий софт.
• Совет: не бей в пол, бей в потолок; что задумал, умножь на 10 или 100.
• Тяжёлую идею запускать легче, потому что под неё проще зажечь людей и себя.
• В команду берут по «наклону обучения» и любви к возне с ИИ, а не только по опыту.

Инсайты

• Порядок «сначала способность, потом бизнес» рабочий: технический прорыв (бенчмарк) может предшествовать продуктовой идее и стать её основанием.
• Ставка на траекторию модели, а не на её текущее состояние, превращает сегодняшнюю слабость ИИ в завтрашнее конкурентное преимущество.
• Каждый скачок класса модели обесценивает накопленную инженерию продукта, значит устойчивое преимущество не в коде, а в скорости переосмысления под новую модель.
• Намеренно не решать проблему, которую скоро закроет платформа, это стратегия: чужой труд над временными затыками сгорает при следующем релизе.
• Личная боль как источник идеи даёт не удобство, а более плотную петлю обратной связи и близость к клиенту, которую иначе не купить.
• Метрика-якорь работает не как KPI, а как инструмент фокусировки внимания против расфокуса и бесконечных пивотов.
• Незапланированный простой и игра без цели, это не потеря времени, а способ набрать глубинные инсайты, недоступные под давлением.
• «Делать не масштабируемое» ценно не операционно, а эпистемически: оно даёт знание о клиенте, которого нет у аналитики.
• Потеря фокуса убивает не через провал ядра, а через распыление ресурсов на то, что не работает как модель.
• Барьер входа и барьер завершения, разные вещи: конкуренция скапливается у лёгкого старта, а деньги, у трудного финиша.
• Если локальное и глобальное строить одинаково трудно, то амбиция масштаба, это не риск, а выравнивание ожидаемой отдачи к усилию.
• Трудная цель, это механизм рекрутинга и мотивации: она притягивает людей сильнее, чем лёгкая.

Цитаты

«If you remove all the software companies from Nasdaq and S&P, you'll see it's been just a flat line»: 0:03 Убери из NASDAQ и S&P все софтверные компании, и увидишь просто плоскую линию

«There are a billion people with so many ideas, so many ideas just die because you do not have an access to sort of bring them to life»: 2:14 Миллиард людей с массой идей, и эти идеи умирают, потому что нет доступа, чтобы их оживить

«be picked up to solve the hard problems»: 5:41 берись решать трудные задачи

«doing things that don't scale, right really, really helps you get close to the customer»: 6:17 делать не масштабируемое по-настоящему сближает с клиентом

«over time, I've sort of realized to do more of is just trust my intuition more»: 9:30 со временем я понял, что надо больше доверять своей интуиции

«I actually got this luxury of six months of just pure tinkering on things that I really liked with no sort of objective in mind»: 14:30 мне досталась роскошь: полгода чистого ковыряния с тем, что нравится, без всякой цели

«we're going to automate software engineering. And they thought it was crazy»: 16:49 мы автоматизируем разработку софта. А они сочли это безумием

«we took this very massive view that AI progress is going to be exponential, and we will always build in the direction of AI»: 17:03 мы взяли крупную ставку: прогресс ИИ будет экспоненциальным, и мы всегда строим в сторону ИИ

«you have to actually delete whatever you've learned so far and sort of reimagine the world from the lens of this new model»: 19:51 приходится стереть всё, что ты выучил, и заново вообразить мир через призму новой модели

«they're like really bad at finishing, like you will not get a working software out of that»: 24:16 они очень плохи на финише: работающего софта ты из этого не получишь

«it's not a time to sort of attack the floor, it's the time to attack the ceiling and think really big»: 28:36 сейчас не время бить в пол, время бить в потолок и мыслить по-крупному

«whatever you're thinking right now, just 10x that, 100x that»: 28:27 что бы ты сейчас ни задумал, умножь на 10, на 100

«starting a harder idea is easier because you can inspire a lot more people to go after a harder problem»: 27:33 трудную идею запускать легче, потому что под трудную задачу можно зажечь куда больше людей

«building a company for India, a local company, versus building a global company is actually exactly the same effort»: 27:21 строить локальную компанию для Индии и строить глобальную, это ровно одинаковые усилия

«you actually discover these problems much early on before other ecosystem discovers it»: 19:25 ты натыкаешься на эти проблемы гораздо раньше, чем их находит остальная экосистема

Факты

• Emergent: 8,5 млн+ пользователей, 10 млн+ собранных приложений, свыше $100M annualized run rate, 190 стран.
• Текущей версии продукту около девяти месяцев на момент выступления.
• Около 10% выручки, Индия; основная выручка, США и Европа.
• 95% команды в Бангалоре, небольшой офис недавно открыт в Сан-Франциско; компания нанимает (контакт назван как mukund@emergent.sh).
• Команда из четырёх человек вывела продукт на первое место в мире на SWE-bench.
• За девять месяцев систему полностью переписывали три раза под новые классы моделей (упомянут Opus).
• Dunzo на пике: около 10 млн заказов в месяц, ~1 млн курьеров, ~5000 магазинов, привлечено порядка полумиллиарда долларов (в одном из раундов $200M).
• Dunzo был одним из пионеров quick commerce и тренда 10-минутной доставки в Индии; конкурировал с ~87 похожими компаниями на старте.
• Emergent, пятый стартап Мукунда и его второй крупный после Dunzo; сооснователь, брат-близнец Madhav, оба программируют с 12 лет.
• Мукунд работал в Google в команде ранжирования поиска (~50 человек), был самым молодым, продвинул часть крупных изменений в ранжировании; бросил PhD в США (учёбу начал в 2009), стажировался в Google.
• Первый iPhone куплен в Испании в 2008 как сувенир, в Индии не работал; вдохновение, презентация iPhone Джобсом в 2007.
• Из Dunzo Мукунд вышел в сентябре 2023, был в депрессии; тогда же вышел GPT-4 и взлетал ChatGPT.
• При запуске Emergent обошли 10-12 VC и получили отказы; на старте была проблема плохого JSON-вывода моделей, которую решали 20-30 YC-компаний.
• Ранний прототип, ИИ-ассистент на Mac с голосом, «очень ранняя версия чего-то похожего на OpenClaw».
• Основной канал роста, инфлюенсеры, выбранный после расчёта воронки просмотры → показы → клики → пользователи.

Источники

• SWE-bench, бенчмарк для кодовых агентов, на котором команда взяла первое место.
• Google (команда ранжирования поиска), Steve Jobs и презентация iPhone как ранняя мотивация.
• Dunzo, предыдущая компания Мукунда; Zepto, Giga, соседние индийские кейсы, упомянутые ведущим.
• GPT-4, Opus, открытые и голосовые модели того периода; OpenClaw как референс раннего прототипа.
• Y Combinator, программа и понятие «living at the edge».

Итог

Строй под завтрашнюю модель, а не под сегодняшнюю, берись за самый трудный и самый глобальный вариант задачи, потому что тяжёлое собирает людей и оставляет рынок позади.