Hilbert: a Aposta de US$ 28 mi da a16z numa IA que Não Faz Contas

O áudio e o vídeo estão em inglês. Estas notas são uma tradução.

Hoje entrevistei Nazli Tan, cofundadora e CEO da Hilbert, um motor de crescimento com IA para empresas da Fortune 500 que acaba de captar uma Série A de US$ 28 milhões liderada pela Andreessen Horowitz.

Matemática de formação, ela comandou growth na Getir enquanto a empresa escalava por nove países até um valuation de US$ 12 bilhões. A virada que torna a conversa interessante não é a rodada. É que a Hilbert se recusa a ser um produto puramente de LLM: seus agentes não podem fazer contas, os clientes são mapeados para o schema da Hilbert e não o contrário, e o pitch para empresas que gastam centenas de milhões em crescimento é que confiança vale mais que prompts espertos quando a alternativa é um sistema probabilístico decidindo para onde vai o orçamento.

Estrutura e Principais Destaques

Teoria dos Conjuntos como Primeira Pergunta

• Quando conheceu Beril, hoje sua chief of staff, uma das primeiras coisas que perguntou foi onde Beril tinha aprendido teoria dos conjuntos
• A leitura dela: essa pergunta filtra na hora o 1% de mentes do topo com quem ela quer trabalhar
• Para um engenheiro, a unidade elementar da matemática são os números. Para um matemático, são os conjuntos, porque os próprios números são definidos por conjuntos
• Por volta do terceiro ano de matemática pura, diz ela, você começa a sentir que consegue entender qualquer coisa, inclusive ideias como um conjunto que é aberto e fechado ao mesmo tempo (cloopen)

Por Que a Empresa Se Chama Hilbert

• No início do século 20, a matemática passou por uma crise de fundamentos: paradoxos e contradições abalaram a confiança na própria prática
• A resposta de David Hilbert foi o Programa de Hilbert, uma tentativa de recolocar a matemática sobre fundamentos seguros
• Esse era o nome original quando eles captaram o pre-seed. Ela vê growth da mesma forma: não “crescer três pontos mais rápido”, mas a razão fundamental pela qual uma empresa existe
• Deixada sozinha, uma empresa encolhe. A retenção cai, a concorrência chega, o inventário de anúncios fica mais caro. Estabilizar já é um esforço

Você Apostaria Um Ano de Receita que Sabe o Que Funciona?

• A pergunta favorita dela nas calls recentes: você apostaria um ano da receita da sua empresa que sabe o que funciona e o que não funciona
• Ela nunca recebe um sim
• O negócio moderno, no enquadramento dela, virou reuniões em que cada time reporta sua métrica, as metas são batidas e a empresa ainda assim não cresce de forma sustentável
• Soltar agentes nessa bagunça multiplica os erros. Definições erradas escalam mais rápido do que humanos jamais conseguiriam

Lógica como Habilidade de Negócio

• A habilidade que ela mais usa no trabalho é a lógica: prova por contradição, indução, contraexemplos que matam um argumento ruim em segundos
• Ela tem o paradoxo de Russell e o argumento diagonal de Cantor tatuados na cabeça, e trata growth como o primeiro lugar onde encontrou a mesma alegria da matemática
• Growth são usuários se comportando num espaço chamado empresa, produzindo unit economics e movimento comportamental. Uma mente treinada para o rigor percebe quando a análise está torta

Do Citibank e da PwC a um Vídeo de Alex Schultz na Turquia

• Início de carreira: análise de crédito no Citibank, depois compra e venda de empresas na PwC
• Ela achou as duas coisas chatas. Ainda na Turquia, com vinte e poucos anos, assistiu a um vídeo de Alex Schultz sobre como o Facebook conseguiu usuários e cresceu
• Schultz é físico. O jeito como ele falava de growth fez o mesmo clique que a matemática tinha feito. Anos depois ela fechou o círculo num episódio com ele no Startupeable

Quizzes, Coortes e Sentir a Empresa

• Na Getir ela treinou quase todo mundo que entrou nos times dela. Poucos chegavam já treinados
• Método: vídeos de Alex Schultz, quizzes, fazer as pessoas lerem coortes até realmente entenderem
• Depois de tempo suficiente em growth, você começa a sentir como uma empresa vai reagir a orçamentos de mídia paga, descontos, mudanças de produto. A medição continua importando. A sensação é a camada extra que ela queria que o time conquistasse

O Que Mais a Incomodava em Como Growth É Praticado

• Ela levou muito tempo para acreditar que estava certa. Mesmo quando tinha certeza na teoria, supunha que estava deixando passar alguma coisa
• O que mais a frustrava: quão desalinhadas as pessoas estão, e quanto tempo caro de C-level e de investidores vai para alinhar modelos e premissas
• Segundo: insistir numa análise errada. Se você consegue medir algo, meça ao máximo e meça direito. Se não consegue, use a lógica. Não medir não é o mesmo que lixo
• As pessoas a zoavam por se importar com cinco por cento. Em empresas gigantescas, esses cinco por cento importam muito

Adquirir um Cliente É Mais Sério do que Captar

• Costuma-se dizer que captar dinheiro é mais sério que um casamento. Ela sobe a aposta: adquirir um cliente é mais sério que captar
• Esse dado vive para sempre nas suas coortes e na sua retenção. Ela já explicou coortes do primeiro ano em empresas de vinte anos
• Um cliente fora do ICP mal adquirido é um investimento longo e triste. Os clientes parecem iguais no primeiro mês e divergem no terceiro mês, no primeiro ano, no quinto ano
• As decisões de growth são tomadas mais rápido do que a jornada do cliente merece. A aposta da Hilbert é um sistema de métricas que dá visibilidade total sem esperar seis ou doze meses

Fechar um Cliente da Fortune 10 Antes de o Produto Estar Pronto

• Eles começaram ousados desde o primeiro dia, com quatro cofundadores que ela colocaria no próprio lugar numa prova
• A credibilidade da Getir ajudou, incluindo a expansão nos EUA, mas ela não acredita que estratégias se transfiram de forma limpa entre mercados. Tabula rasa: comece com testes seguros
• Como pessoa de growth, ela não se impressiona com picos de ARR de dois dias. Eles otimizaram para aprender: ir atrás de marcas poderosas e das maiores
• A cofundadora Ceyda, que ela chama de gênio da estratégia, leva o crédito pelas primeiras abordagens. O primeiro grande cliente deu liga com um executivo tão obcecado por growth e tão frustrado quanto ela, com raízes de produto no Shazam, um terminando as frases do outro

Mid-Market Versus Grandes Empresas Complexas

• Para clientes mid-market, a Hilbert vende algo que eles quase nunca conseguiriam construir internamente: talento demais, alinhamento demais, e reinventar sistemas matemáticos voando a toda velocidade
• Ela discorda quando perguntam se a Hilbert substitui o departamento de data science. Os fundamentos já deveriam existir para que esse time trabalhe em problemas do domínio, não reconstruindo a cozinha
• Linha de cultura: um estagiário com um argumento melhor ganha. Ela lidera com lógica e contraexemplos, e muda de ideia quando é vencida

Vendas Lideradas por Especialistas, Depois “Nos Dê um Problema Caro”

• Os primeiros clientes chegaram antes do produto. Eles começaram com modelos de deep learning e construíram a plataforma por cima
• O jeito Hilbert: o cliente é mapeado para o schema da Hilbert, não o contrário. Schemas verticais necessários e suficientes, mais as fontes únicas da empresa acopladas por cima
• Ela nunca tinha vendido antes. A discovery clássica parecia errada, então ela liderava com educação, até que o curso de founder-led sales de Pete Kazanjy disse que ela estava fazendo tudo errado, embora de algum jeito funcionasse
• A virada que destravou os negócios: pedir o maior problema que eles não conseguem resolver, e pedir um caro. “Me dá ele. Mesmo que eu vá embora, vocês ficam com algo incrível”

Produto Opinativo, Opinião Aprendida com os Próprios Dados

• O que muda primeiro é o sistema de métricas: valor, risco, inatividade, insumos de personalização
• A Hilbert é opinativa, mas a opinião vem de um loop de aprendizado fechado sobre o histórico daquela empresa. Eles pedem no mínimo três a quatro anos de dados
• Eles nunca fizeram um projeto em que não encontrassem nada errado nos dados, inclusive com times orgulhosos da qualidade dos seus dados. Garbage in, garbage out, e ela se recusa a deixar que “dados ruins” vire “a Hilbert falhou”

Não É um Produto Puramente de LLM

• Primeiro diferencial: não são um produto puramente de LLM. Usam modelos onde cada um é mais forte
• As previsões de deep learning são determinísticas para o mesmo estado do cliente. Os LLMs são probabilísticos. Ela pergunta se você colocaria centenas de milhões de dólares num sistema que responde diferente todo dia
• Os agentes recebem um problema bem definido. No começo, a Hilbert deixava os agentes inventarem definições de risco, e eles produziam disparates compostos que mudavam a cada execução
• Contexto não basta. Sem um harness, os agentes cometem erros de júnior, como apontar queda no acumulado do mês quando ainda faltam dez dias

A IA que Não Pode Fazer Contas

• Os modelos fundacionais eram ruins em aritmética básica quando chegaram. A Hilbert faz as contas no banco de dados e devolve os resultados. Os agentes podem arredondar. Não podem somar dois mais três sozinhos
• A plataforma é otimizada para confiança: suítes de teste absurdas, conselhos de agentes, distância até o produto. Empresas reais que colocam centenas de milhões precisam disso mais do que de demos espertas

Causalidade, Crédito e uma Treinadora Implacável

• Todo projeto começa com um teste A/B. Se não passarem, vão embora
• Causalidade é difícil. Histórias de correlação como “clientes que chegam ao terceiro pedido retêm para sempre” são condicionais “se”, não “se e somente se”. Induzir o comportamento é o teste de verdade
• A Hilbert define como a empresa deveria ser gerida e mostra ganhos quantificados contra a forma como o orçamento é de fato aplicado. Os clientes nem sempre seguem a resposta certa
• Quando as pessoas se ofendem, ela pergunta o que esperavam de uma solução de growth: elogios, ou uma lista do que fazer diferente

Pricing sem Assentos nem Limites de Uso

• O apetite se divide entre fees por sucesso e fees fixos. Ela faz qualquer um dos dois
• O que ela não faz: pricing por assento (todo mundo na empresa deveria usar a Hilbert) ou limites de uso que punem quem usa muito
• Os fees fixos refletem a complexidade do negócio e o volume de dados. O pricing vai evoluir; agora ela otimiza para que as pessoas realmente usem o produto
• O sucesso eleva a linha de base, então no ano seguinte a régua é mais alta. Isso é growth: recursos limitados, melhor uso, loops que se acumulam em vez de gasto linear

O Que o Vale do Silício Erra Sobre Growth

• Ela respeita profundamente a Reforge e aprendeu com ela. A crítica é sobre transferência
• Playbooks de PLG feitos para apps de consumo self-serve não viajam de forma limpa para supermercado, QSR ou varejo, onde os castelos são construídos sobre Meta e Google
• Mídia paga é boa quando a margem de contribuição fecha e as jornadas são longas. Dizer “mídia paga não funciona” como regra universal é, nas palavras dela, ilógico
• Fora do Vale, listagem, qualidade de serviço e estoque importam tanto quanto o funil. Essas questões ainda carecem de especialistas

Alegria, Criatividade e Georg Cantor

• Com a Hilbert, um head de growth para de brigar sobre qual número está certo e começa a usar a criatividade do jeito que Alex Schultz queria dizer: mecânicas de indicação, coeficientes virais, hipóteses, não pixels
• Ou a Hilbert propõe ações, ou o líder de growth vende uma ideia para a Hilbert e eles executam juntos
• Perguntada sobre quem a empurrou a pensar maior, ela agradece a Georg Cantor, fundador da teoria dos conjuntos, perseguido por defender que os infinitos têm tamanhos diferentes, e que morreu num hospital psiquiátrico
• A régua dela: se alguém ousou mudar a prática da matemática a esse custo, talvez dê para mudar os negócios. Ela preferiria não acabar no hospital

Glossário do Vale do Silício

Pessoas, Empresas e Referências

Pessoas Mencionadas

• Nazli Tan: cofundadora e CEO da Hilbert; matemática; ex-líder de growth na Getir
• Beril: sua chief of staff, também matemática, questionada sobre teoria dos conjuntos no primeiro encontro
• Ceyda: cofundadora a quem ela dá o crédito pelas primeiras abordagens a grandes empresas e pela estratégia
• David Hilbert: matemático por trás do Programa de Hilbert, que dá nome à empresa
• Georg Cantor: fundador da teoria dos conjuntos; a pessoa a quem ela agradece por empurrá-la a pensar maior
• Alex Schultz: chief data officer da Meta; o vídeo no YouTube que a puxou para growth
• Pete Kazanjy: educador de founder-led sales que disse a ela que estava vendendo errado
• Enzo Cavalie: apresentador do podcast

Empresas e Organizações

• Hilbert: motor de crescimento com IA para grandes empresas de consumo; Série A de US$ 28 milhões liderada pela a16z
• Andreessen Horowitz (a16z): liderou a Série A
• Getir: a ex-decacórnio onde ela comandou growth em nove países, incluindo os EUA
• Citibank: análise de crédito, seu primeiro cargo
• PwC: trabalho de valuation e transações que ela achava chato antes de growth
• Shazam: origem de produto do executivo que virou um dos primeiros grandes clientes
• Reforge: educação em growth que ela respeita, embora argumente que seus playbooks não viajam totalmente
• Meta e Google: os castelos de mídia paga sobre os quais a maioria das grandes empresas de consumo ainda roda

Dados e Referências

• US$ 28 milhões: Série A liderada pela a16z
• US$ 12 bilhões: valuation da Getir na escala que ela descreve
• Nove países: mercados da Getir que ela ajudou a crescer
• Três a quatro anos: mínimo de dados históricos que a Hilbert quer
• Centenas de milhões: escala de orçamento das empresas para as quais ela vende
• Fortune 10: porte de um dos primeiros clientes, fechado antes do produto
• Cerca de 18 meses: idade da empresa quando conversaram