Hilbert: a16z $28M Bet on an AI That Can't Do Math

El audio y el vídeo están en inglés. Estas notas son una traducción.

Hoy entrevisté a Nazli Tan, cofundadora y CEO de Hilbert, un motor de crecimiento con IA para empresas del Fortune 500 que acaba de levantar una Serie A de $28 millones liderada por Andreessen Horowitz.

Matemática de formación, dirigió growth en Getir mientras la compañía se expandía a nueve países y llegaba a una valuación de $12 mil millones. El giro que hace interesante la conversación no es la ronda. Es que Hilbert se niega a ser un producto puramente de LLM: a sus agentes no les dejan hacer las matemáticas, sus clientes se mapean al schema de Hilbert y no al revés, y su propuesta a empresas que gastan cientos de millones en crecimiento es que la confianza le gana a los prompts ingeniosos cuando la alternativa es un sistema probabilístico decidiendo a dónde va el presupuesto.

Estructura y Highlights Clave

La Teoría de Conjuntos como Primera Pregunta

• Cuando conoció a Beril, hoy su chief of staff, una de las primeras cosas que le preguntó fue dónde había aprendido teoría de conjuntos
• Su lectura: esa pregunta filtra al instante el 1% de mentes con las que quiere trabajar
• Para un ingeniero, la unidad elemental de la matemática son los números. Para un matemático, son los conjuntos, porque los números mismos se definen con conjuntos
• Hacia el tercer año de matemática pura, dice, empiezas a sentir que puedes entender cualquier cosa, incluidas ideas como un conjunto que es a la vez abierto y cerrado (cloopen)

Por Qué la Empresa se Llama Hilbert

• A principios del siglo XX la matemática atravesó una crisis fundacional: paradojas y contradicciones sacudieron la confianza en la práctica misma
• La respuesta de David Hilbert fue el Programa de Hilbert, un intento de volver a poner la matemática sobre bases seguras
• Ese fue el nombre original cuando levantaron el pre-seed. Ella ve el growth igual: no “crecer tres puntos más rápido”, sino la razón fundacional de que exista una empresa
• Dejada sola, una empresa se degrada. La retención cae, llega la competencia, el inventario de ads se encarece. Estabilizarse ya es un esfuerzo

¿Apostarías un Año de Ingresos a que Sabes Qué Funciona?

• Su pregunta favorita reciente en llamadas: ¿apostarías el revenue de un año de tu empresa a que sabes qué funciona y qué no?
• Nunca recibe un sí
• El negocio moderno, en su marco, se volvió reuniones donde cada equipo reporta su métrica, se cumplen los targets y la empresa igual no crece de forma sostenible
• Soltar agentes en ese desorden multiplica los errores. Las definiciones equivocadas escalan más rápido de lo que nunca pudieron los humanos

La Lógica como Skill de Negocio

• La skill que más usa en el trabajo es la lógica: prueba por contradicción, inducción, contraejemplos que matan un mal argumento en segundos
• Tiene tatuados la paradoja de Russell y el argumento diagonal de Cantor en la cabeza, y trata el growth como el primer lugar donde encontró la misma alegría que en la matemática
• Growth son usuarios comportándose en un espacio llamado empresa, produciendo unit economics y movimiento conductual. Una mente entrenada en rigor nota cuando el análisis está flojo

De Citibank y PwC a un Video de Alex Schultz en Turquía

• Arranque de carrera: analytics de crédito en Citibank, después compra y venta de empresas en PwC
• Encontró ambos aburridos. Todavía en Turquía, con veinte y pico, vio un video de Alex Schultz sobre cómo Facebook conseguía usuarios y crecía
• Schultz es físico. La forma en que hablaba de growth le hizo click igual que la matemática. Años después hizo un episodio de círculo completo con él en Startupeable

Quizzes, Cohorts y Sentir la Empresa

• En Getir entrenó a casi todos los que entraban a sus equipos. Pocos llegaban ya formados
• Método: videos de Alex Schultz, quizzes, hacer que leyeran cohorts hasta que de verdad lo entendieran
• Después de suficiente tiempo en growth empiezas a sentir cómo reaccionará una empresa a presupuestos de paid, descuentos, cambios de producto. Medir sigue importando. La sensación es la capa extra que quería que su equipo ganara

Lo que Más le Molestaba de Cómo se Practica el Growth

• Le tomó mucho tiempo creer que tenía razón. Incluso cuando estaba teóricamente segura, asumía que se le escapaba algo
• Lo que más la frustraba: cuán desalineadas están las personas, y cuánto tiempo caro de C-levels e inversores se va en alinear modelos y supuestos
• Segundo: insistir en un análisis equivocado. Si puedes medir algo, mídelo al máximo y mídelo bien. Si no puedes, usa la lógica. No medir no es lo mismo que basura
• La bullyaban por preocuparse por un cinco por ciento. En empresas gigantes esos cinco por cientos importan mucho

Adquirir un Cliente Es Más Serio que Levantar Capital

• Levantar dinero a menudo se llama más serio que un matrimonio. Ella lo sube: adquirir un cliente es más serio que levantar
• Ese dato vive para siempre en tus cohorts y en la retención. Ha explicado cohorts del primer año en empresas de veinte años
• Un cliente mal adquirido, fuera de ICP, es una inversión larga y triste. Los clientes se ven iguales en el mes uno y divergen en el mes tres, el año uno, el año cinco
• Las decisiones de growth se toman más rápido de lo que el viaje merece. La apuesta de Hilbert es un sistema de métricas que da visibilidad completa sin esperar seis o doce meses

Cerrar un Fortune 10 Antes de Terminar el Producto

• Empezaron audaces desde el día uno con cuatro cofundadores a los que pondría en su propio asiento en un examen
• La credibilidad de Getir ayudó, incluida la expansión a EE.UU., pero no cree que las estrategias se transfieran limpias entre mercados. Tabula rasa: empezar con tests seguros
• Como persona de growth le impresionan poco los picos de ARR en dos días. Optimizaron por aprendizaje: perseguir marcas poderosas y las más grandes
• La cofundadora Ceyda, a quien llama un genio de estrategia, se lleva el crédito de los primeros reach-outs. El primer gran cliente encajó con un ejecutivo tan obsesionado con growth y tan frustrado como ella, con raíces de producto en Shazam, terminándose las frases

Mid-Market Versus Empresas Complejas

• Para clientes mid-market, Hilbert vende algo que casi nunca podrían construir por dentro: demasiado talento, alineación y reinventar sistemas matemáticos mientras todo vuela a toda velocidad
• Empuja cuando le preguntan si Hilbert reemplaza al departamento de data science. Las bases deberían existir para que ese equipo trabaje problemas de dominio, no para reconstruir la cocina
• Línea de cultura: un intern con un mejor argumento gana. Lidera con lógica y contraejemplos, y cambia de opinión cuando la vencen

Ventas Expert-Led, Después “Denes un Problema Caro”

• Los primeros clientes llegaron pre-producto. Empezaron con modelos de deep learning y construyeron la plataforma encima
• El Hilbert way: el cliente se mapea al schema de Hilbert, no al revés. Schemas verticales necesarios y suficientes, más las fuentes únicas de la empresa arriba
• Nunca había vendido. El discovery clásico le resultaba raro, así que lideraba con educación hasta que el curso de founder-led sales de Pete Kazanjy le dijo que lo estaba haciendo todo mal, aunque de alguna forma funcionaba
• El giro que destrabó deals: pedir el problema más grande que no pueden resolver, y pedir uno caro. “Dámelo. Aunque me vaya, te queda algo increíble”

Producto con Opinión, Opinión Aprendida de sus Propios Datos

• Lo primero que cambia es el sistema de métricas: valor, riesgo, inactividad, inputs de personalización
• Hilbert es opinado, pero la opinión sale de un closed learning loop sobre la historia de esa empresa. Piden un mínimo de tres a cuatro años de datos
• Nunca tuvieron un engagement donde no encontraran nada raro en los datos, incluso con equipos orgullosos de su calidad. Garbage in, garbage out, y se niega a que “datos malos” se convierta en “Hilbert falló”

No Es un Producto Puramente de LLM

• Primer diferenciador: no son un producto puramente de LLM. Usan cada modelo donde es más fuerte
• Las predicciones de deep learning son deterministas para el mismo estado del cliente. Los LLM son probabilísticos. Pregunta si desplegarías cientos de millones de dólares en un sistema que responde distinto cada día
• Los agentes reciben un problema bien acotado. El Hilbert temprano los dejaba inventar definiciones de riesgo y producían nonsense compuesto que cambiaba de corrida en corrida
• El contexto no alcanza. Sin un harness, los agentes cometen errores de junior, como declarar contracción month-to-date cuando todavía faltan diez días

La IA a la que no le Dejan Hacer Matemáticas

• Cuando llegaron, los modelos fundacionales eran malos hasta en aritmética básica. Hilbert hace la matemática en la base de datos y le devuelve el resultado al agente. Pueden redondear. No pueden sumar dos más tres ellos mismos
• La plataforma está optimizada para confianza: suites de tests absurdas, agentic councils, distancia al producto. Las empresas reales que despliegan cientos de millones necesitan eso más que demos ingeniosas

Causalidad, Crédito y un Coach Implacable

• Cada engagement empieza con un A/B test. Si no lo pasan, se van
• La causalidad es difícil. Historias de correlación como “los clientes que llegan al tercer pedido retienen para siempre” son if, no if and only if. Inducir el comportamiento es la prueba real
• Hilbert etiqueta cómo debería gestionarse la empresa y muestra wins cuantificados contra cómo se despliega el presupuesto. Los clientes no siempre siguen la respuesta correcta
• Cuando alguien se ofende pregunta qué esperaban de una solución de growth: elogios, o una lista de qué hacer distinto

Pricing sin Seats ni Límites de Uso

• El apetito se parte entre fees basadas en éxito y fees fijas. Ella hace las dos
• Lo que no hace: pricing por seat (toda la empresa debería usar Hilbert) ni límites de uso que castiguen el uso intenso
• Las fees fijas reflejan la complejidad del negocio y el volumen de datos. El pricing va a evolucionar; ahora optimiza para que la gente use el producto de verdad
• El éxito sube la línea base, así que el año que viene la vara es más alta. Eso es growth: recursos limitados, mejor uso, loops que compoundean en vez de gasto lineal

Lo que Silicon Valley Más se Equivoca sobre Growth

• Respeta profundamente a Reforge y aprendió de ahí. La crítica es sobre transferencia
• Los playbooks de PLG pensados para apps consumer self-serve no viajan limpios a grocery, QSR o retail, donde los castillos están construidos sobre Meta y Google
• El paid marketing es bueno cuando el contribution profit funciona y los journeys son largos. Decir “el paid no funciona” como regla universal es, en sus palabras, ilógico
• Fuera del Valley, el listing, la calidad de servicio y el inventario importan tanto como el funnel. Esas preguntas todavía no tienen suficientes expertos

Alegría, Creatividad y Georg Cantor

• Con Hilbert, un head of growth deja de pelear por de quién es el número correcto y usa la creatividad como la entendía Alex Schultz: mecánicas de referral, coeficientes virales, hipótesis, no píxeles
• O Hilbert propone acciones, o el lead de growth le vende una idea a Hilbert y ejecutan juntos
• Cuando le preguntan quién la empujó a pensar más grande, agradece a Georg Cantor, fundador de la teoría de conjuntos, bullyado por argumentar que los infinitos tienen distintos tamaños, y que murió en un hospital psiquiátrico
• Su vara: si alguien se atrevió a cambiar la práctica de la matemática a ese costo, tal vez ellos pueden cambiar el negocio. Preferiría no terminar en el hospital

Glosario Silicon Valley

Personas, Empresas y Referencias

Personas Mencionadas

• Nazli Tan: cofundadora y CEO de Hilbert; matemática; ex lead de growth en Getir
• Beril: su chief of staff, también matemática, a quien preguntó por teoría de conjuntos en el primer encuentro
• Ceyda: cofundadora a la que acredita por los primeros reach-outs enterprise y la estrategia
• David Hilbert: matemático detrás del Programa de Hilbert, el nombre de la empresa
• Georg Cantor: fundador de la teoría de conjuntos; a quien agradece por empujarla a pensar más grande
• Alex Schultz: chief data officer de Meta; el video de YouTube que la metió en growth
• Pete Kazanjy: educador de founder-led sales que le dijo que estaba vendiendo mal
• Enzo Cavalie: host del podcast

Empresas y Organizaciones

• Hilbert: motor de growth con IA para grandes consumer companies; Serie A de $28M liderada por a16z
• Andreessen Horowitz (a16z): lideró la Serie A
• Getir: el ex-decacorn donde dirigió growth en nueve países, incluido EE.UU.
• Citibank: analytics de crédito, su primer rol
• PwC: valuación y deals que encontró aburridos antes del growth
• Shazam: background de producto del ejecutivo que se volvió un early large customer
• Reforge: educación de growth que respeta, aunque argumenta que sus playbooks no viajan del todo
• Meta y Google: los castillos de paid sobre los que siguen corriendo la mayoría de las grandes consumer companies

Datos y Referencias

• $28 millones: Serie A liderada por a16z
• $12 mil millones: valuación de Getir en la escala que describe
• Nueve países: mercados de Getir que ayudó a crecer
• Tres a cuatro años: mínimo de datos históricos que quiere Hilbert
• Cientos de millones: escala de presupuesto de las enterprises a las que vende
• Fortune 10: tamaño de un early customer cerrado pre-producto
• Unos 18 meses: edad de la empresa cuando hablaron