خیلی سپاسگزاریم که با وجود مشغله زیاد وقتتان را به ما دادید؛
ما میخواهیم با تجربیات شخصی شما آشنا شویم و نظر شما را هم دربارة توسعه فنّاوری بدانیم، لطفاً با تجربیات شخصی شما شروع کنیم.
همان زمان استاد خوبی از هاروارد آمد استنفورد در دانشکده آمار و من شروع به کار با او کردم. این کار خیلی سختی بود چون باید بیولوژی و آمار یاد میگرفتم، باید برای استاد دیگری کار میکردم و باید امتحان جامع دکتری هم میدادم! آن استاد از دانشکده آمار و کارش بیو استتیستیکس بود. بعدها رییس دانشکده آمار شد. الآن هم همراه من و یک استاد دیگر یکی از بنیانگذاران<شرکت بینا است.
یکی از بهترین تجارب دوران دانشجویی من گروه دانشجویان ایرانی استنفورد بود که از لحاظ فرهنگی محیط خوبی بود و همه دنبال کارهای بزرگ بودند. من یکی، دو دوره در هیئت اجرایی بودم و یک دوره هم رییس شدم. ایرانیهای موفق را زیاد دیدیم. PSA Business Alliance را راه انداختیم. دانشجوها خیلی به تحقیق و زندگی دانشجویی مشغول میشوند ولی جامعه دانشجویی با جامعه ایرانی خارج از استنفورد مرتبط نبود. هدف ما آن بود که دانشآموختگان را پیداکرده و به دانشجویان معرفی کنیم.
یکی از ویژگیهای من این است که همه کارها را خیلی جدی میگیرم و الآن از آن همه بحثی که در مورد مسائل مختلف میکردیم خندهام میگیرد! درعینحال آن تجربه برای من خیلی ارزشمند بود.
نرگس: کار من و استادم این بود که بفهمیم شبکه ارتباطی درون سلول چطور کار میکند و بخشهای مختلف سلول چطور با هم در ارتباط قرار میگیرند. این شبکه ارتباطی خیلی از اتفاقهای درون سلول را مدیریت میکند. خوشبختانه در آن زمان فنّاوریهایی در استنفورد بود که توسط آنها میتوانستیم فعالیت مولکولهای کوچک ازجمله پروتئینها را در سلول اندازهگیری کنیم. خلاصه آن زمان دسترسی به این امکانات بسیار محدود و در حد دانشگاههای بسیار پیشرفته بود. این حوزه بسیار سخت بود چراکه باید هم مهندسی و هم زیستشناسی و هم آمار را بهخوبی میدانستیم تا بتوانیم بهدرستی، اطلاعات بهدستآمده را تفسیر کنیم. از لحاظ محاسباتی هم کار دشواری بود چون حجم اطلاعات بهدستآمده بسیار زیاد بود و محاسبات آن طول میکشید. یک مسئله هم این بود که چگونه باید این محاسبات را سریع کنیم. در این فرایند باید متخصصانی که زیستشناسی بدانند با مهندسین همکاری کنند تا اطلاعات دیانای سلول اصطلاحاً خوانده شود و سپس متخصصان علم آمار با متخصصان رایانه همکاری کنند تا از این دادههای عظیم، اطلاعات مفید در مورد ویژگیهای سلول استخراج شود. این یک پروژه بینرشتهای بود و از چند دانشکده استنفورد و حتی با چند تا از دانشجوهای دانشگاه برکلی هم خیلی کار کردیم و نهایتاً در اثر کارهایی که من در این پروژه انجام داده بودم و پیشنهادیهای که تهیه شد توانستیم 5/7 میلیون دلار از موسسه سرطان، بودجه تحقیقاتی بگیریم. سال 2008 در شرف دانشآموختگی بودم که گروه ما این بودجه را توانست بگیرد تا در مورد سرطان تحقیق کند. استادها گفتند تو باید بیشتر بمانی چون پروژه به تو وابسته است! من سرانجام از تز دکترا در 2010 دفاع کردم ولی بهعنوان محقق پسادکتری یک سال دیگر در دانشگاه استنفورد ماندم.
اعضای گروه رایانه و اعضای گروه زیستشناسی و نیز افرادی که آمار میدانستند هر کدام با ادبیات خودشان صحبت میکردند. من درواقع پلی بین همه این گروهها شده بودم و تخصص بینرشتهای پیداکرده بودم و برای همین توانسته بودم این گروهها را به هم وابسته کنم. درواقع برای همین مجبور شدم دو سال دیگر بمانم و پروژه را مدیریت کنم. بعد از دو سال فهمیدم این مهارت که این تیمها را به هم وصل کنم خود سرمایه بزرگی است!
نرگس: کار خیلی جذاب بود. شاید به خاطر جو استنفورد همه دانشجویان یک زمانی این ایده که برای خودشان شرکت بزنند به گوششان میخورد. در این پروژه هم تیم جالبی درستشده بود. بزرگترین علت تمایل به تأسیس شرکت این بود که هر آدمی دوست دارد رشد کند. فضای آکادمیک را دیده بودم، میخواستم این حوزه ناشناخته ایجاد یک شرکت نوپا را هم بشناسم. جالبترین قسمت فعالیت کارآفرینی و کسبوکار ارتباط با افراد متنوع است و اینکه بتوانی اینها را دورهم جمع کنی.
در آن زمان من در دانشگاه مشغول کار بودم و چندین شرکت بزرگ پیشنهادهای کاری جذابی با حقوق عالی پیشنهاد کردند تا بروم همان کارها را در شرکت آنها انجام دهم ولی من مصمم بودم که شرکت خودم را تأسیس کنم. این تصمیم با وجود در نظرگرفتن خطرپذیریهای مختلف و درآمد کمتر بود. خطرپذیریهایی از قبیل موفق نشدن شرکت وجود داشت. خطرپذیری بزرگ دیگری که وجود داشت مسئله ویزا بود. اگر شما در یک شرکت بزرگ استخدام شوید آن شرکت میتواند بهراحتی برای ویزای کار شما اقدام کند اما طبق قوانین آمریکا شما نمیتوانید از طریق شرکتی که خودتان تأسیس کردهاید برای ویزای کار اقدام کنید. بهاینترتیب من مجبور بودم از طریق دیگری مسئله اقامت را حل کنم که خطرپذیری بسیار بیشتری داشت ولی خوشبختانه نهایتاً بدون دردسر انجام شد.
سال 2009 شرکت رسماً تأسیس شد و من شدم مدیرعامل! یک سال و نیم دیگر در استنفورد کار داشتم و درس گرفتم. مصطفی رونقی و فرزاد نعیمی و بابک پهلوان و بابی یزدانی آن اوایل خیلی کمک کردند؛ مثلاً بابی یزدانی یک سال با من حرف زد تا پول داد و سرمایهگذاری کرد. هر دو سه هفته یکبار میرفتم و مشق میداد! هر بار تکلیفهای جدید برای من میتراشید و من با جدیت دنبال میکردم. یکبار میگفت برنامه 5 ساله بنویس، دفعه بعد میگفت رقبا را تحلیل کن،….
بعدها زمانی که نهایتاً بهطورجدی وارد شد به من گفت که ما تصمیم گرفتیم سرمایهگذاری کنیم چون دیدیم تو بسیار مصمم، با انگیزه و جدی هستی! اینکه سرمایهگذاران را راضی کنی که پول بدهند خیلی سخت است و ده ماهی طول کشید و در ماه ژوئن 2011 که راضی شدند پول بدهند من از استنفورد استعفا دادم و رفتم شرکت بینا. خوشبختانه استادم حمایت میکرد، در شکلگیری ایده نقش داشت، الآن هم هفتهای یک روز مشاوره میدهد ولی درعینحال یک شخصیت علمی است. ما در استنفورد یک پتنت ثبت کرده بودیم که جزو داراییهای استنفورد حساب میشود و وقتی من به شرکت بینا رفتم آن پتنت را بهصورت آپشن لایسنس کردیم یعنی یک پولی به استنفورد دادیم که ما بهصورت انحصاری حق استفاده از این پتنت را داشته باشیم ولی بعد از دو سال دیدیم به دردمان نمیخورد و آن را تمدید نکردیم. اصولاً در کار نرمافزاری پتنت چندان کاربرد ندارد، آن پتنت را در زمان دانشجویی خودم در سال 2007 از طریق استنفورد پتنت کرده بودم چون میدانستم ممکن است بخواهم شرکت نوپا بزنم. دانشگاه یک اداره[4] در این زمینه دارد که مسئولیت مدیریت همه پتنتهای دانشگاه را به عهدهدارد و اجازه استفاده از آنها را به متقاضیان میفروشد. یک قانونی که در استنفورد وجود دارد این است که نمیتوانی اختراعی در استنفورد انجام بدهی و بعداً بروی بیرون از استنفورد پتنت کنی چون اگر بیرون استنفورد پتنت کنی حق انحصاری استفاده از آن فنّاوری را به دست میآوری. درعینحال حق داری که اگر نخواستی اختراع درون استنفورد را پتنت نکنی که در این صورت وقتی از دانشگاه بیرون رفتی میتوانی از آن اختراع استفاده کنی ولی هر کس دیگری هم میتواند همین کار را بکند. در همان زمان هم بعضیها میگفتند پتنت نکن تا بعداً خودت بتوانی استفاده کنی. قوانین مفصل و دقیقی در مورد اختراعات در استنفورد وجود دارد؛ مثلاً اگر اختراعی داشتی باید به استنفورد اعلام کنی ولی میتوانی برای پتنت اقدام نکنی. خیلی چیزها کپیرایت استنفورد است. در ابتدای ورود دانشجویان باید یک شهادتنامه امضا کنند که این قوانین را میدانند و رعایت میکنند.
روال ثبت پتنت در استنفورد چطور است؟
نرگس ما اختراعمان را به OTL اعلام کردیم و آنها یک بررسی کردند و به این نتیجه رسیدند که این موضوع ارزش پیگیری دارد و نهایتاً پول وکیل را دادند و وکیل متخصص، پتنت را ثبت کرد. ثبت پتنت فوتوفن خاص خودش را دارد. باید موارد زیادی را بهدقت مراعات کنی. استنفورد تعدادی وکیل مخصوص پتنت دارد و از وکلای بیرون هم استفاده میکند.
نرگس: نه خیلی به کارمان نیامد. خیلی هم واضح نیست که باید دنبال پتنت رفت یا نه. هم هزینه دارد و هم زمان و انرژی میگیرد. من خودم هنوز نمیدانم در چه زمانی در یک شرکت نوپا باید پتنت ثبت کرد. خیلی وقت میبرد. از طرفی سرمایهگذارها اهمیت میدهند. بیشتر نوعی سیاست و حرکت تدافعی است. در بعضی حوزهها ضرورت دارد ولی در نرمافزار مفید نیست. من ترجیح میدادم در شرکت نوپا همه وقت را روی فنّاوری و اجرا میگذاشتم. گفتم که سرمایهگذاران دوست دارند که پتنت را داشته باشی. از طرفی OTL هم دوست دارد با خود مخترع کار کند و لذا من مشکلی نداشتم که توافقات اولیه را با OTL به دست بیاورم که حق انحصاری استفاده از پتنت را بگیرم. این برای جلب سرمایهگذاران برای هستة اولیه سرمایه مفید بود.
نرگس: یکی از کارهای مهم در ژنتیک «تطبیق رشته های DNA»> هست یعنی دو رشته DNA را بتوانی با هم تطبیق بدهی و نقاط مشابه آنها را تطبیق بدهی و به بیان ساده آنقدر دو رشته DNA را کنار هم جابهجا کنی که نقاط مشابه آن کنار هم واقع شوند. این خیلی کار سختی است چون یک رشته DNA میلیاردها کد دارد و انواع و اقسام پیچیدگیها، جهشها و مشکلات هم ممکن است سر راه باشد و برای همین این فرایند تطبیق هیچوقت به کمال ممکن نیست و همیشه مسئله این است که تا حد امکان خطا کم شود. این مسئله یک فضای فرضیه عظیم
ما یک دانشجوی استنفورد را آوردیم و تابستان روی الگوریتم کار میکردیم تا سامانه را بهینه کنیم و برای بهینه کردن محاسبات حتی مدارهای مجتمع خودمان را با FPGA طراحی میکردیم. همه قسمتها را بهینه کردیم و میشد از کار ما 5 مقاله درآورد. همان الگوریتم را در بهترین ژورنال بهعنوان مقاله ارائه دادیم.
ما در بهینهسازیمان آرمانگرا بودیم و برای همین با مدارهای FPGA کار میکردیم ولی آنها بسیار گرانتر بودند، کار با آنها خیلی سختتر بود، نرمافزارهای مناسب را باید خودمان مینوشتیم، پشتیبانی محصول خیلی سختتر بود، قابلیت اعتماد به آنها هم کمتر بود. در فضای دانشگاهی شاید میشد با آنها سر کرد ولی وقتی شما میخواهید یک محصول را به مشتری بدهید او انتظار دارد که محصول بدون دردسر و بدون صرف وقت و انرژی کار کند. گزینه دیگر مدارهای آماده اینتل بود که کمی از لحاظ سرعت ضعیفتر بودند ولی بسیاری از آن مشکلات را نداشتند. لذا نهایتاً ما از توسعه سختافزار برای محصول صرفنظر کردیم و مبنای کارمان را گذاشتیم اینتل. بااینوجود همچنان آنقدر در بخش نرمافزاری هم بهینهسازی کرده بودیم که همان زمان تا 10، 20 برابر از رقبا سریعتر بود و الآن هم باوجوداینکه ما 3 سال است دیگر روی آن کار نکردهایم هنوز هم 10، 20 برابر سریعتر است. بههرحال محصول در طول زمان متحول شد و ما بخش سختافزاری کارمان را کنار گذاشتیم و روی نرمافزار تمرکز کردیم. الآن داریم به سمت کلاود میرویم. الآن محصول خودمان را «سامانه مدیریت ژنتیک» میدانیم. این خیلی شبیه سامانههای برنامهریزی منابع سازمانی (ERP) است. سامانههایی که اطلاعات همه سامانه را متمرکز میکند و به اعضای سازمان و مدیران اجازه میدهد که منابع سازمان را بهتر مدیریت کنند. ما مشابه آن را در ژنتیک ایجاد میکنیم. ما از زمانی که شروع کردیم صدها مرحله طی کردیم و از فضای سختافزار الآن به نرمافزار رسیدیم.
درواقع به خاطر الگوی جدید داده، فنّاوریهای جدیدی نیاز میشود و ما آن را ایجاد میکنیم. حجم این دادهها بسیار زیاد و در حدود چند صد گیگابایت است. کار کردن با این دادهها و حتی انتقال آنها از یک رایانه به رایانه دیگر کار سختی است. یک درخواست ساده از این دیتابیس کلی طول میکشد. در مؤسسات تحقیقاتی که با این دادهها کار میکنند هر محققی داده را یکجا ذخیره کرده، هر کدام با یکزبان برنامهنویسی برای آنها برنامه نوشتهاند، مدیر مجموعه معمولاً نسبت به اینکه دقیقاً چه دادهای وجود دارد و کجا هست و چکارهایی روی آن انجامشده و میشود اشراف ندارد و کاربران مختلف نمیتوانند بهراحتی با همدیگر تعامل کنند. شیوههایی که برای مواجهه با این حجم داده وجود داشت کفایت نمیکرد. ما یک سامانه یکپارچه برای مدیریت آن ایجاد میکنیم. دادههای دیانای برای آنکه قابلفهم شود از میان صدها مرحله باید رد شود. باید خوانده شود، تطبیق داده شود. یک سری الگوها شناسایی شود، باید نمایش گرافیکی مناسب پیدا کند. آنچه ما ارائه میکنیم یک زیستبوم است که کاربران مختلف میتوانند از آن استفاده کنند و آن چیزی را که میخواهند دریافت کنند.
نرگس: ما الآن 22 نفریم. همان روز اول 5 نفر را استخدام کردم که 3 نفر از آنها دانشآموختگان علوم رایانه دانشگاه برکلی بودند که بسیار قوی و پرکار هستند. 1 نفر از دانشکده پزشکی دانشگاه بیلور که یکی از بهترین مراکز در زمینه ژنتیک است و یکی هم امیرحسین کیانی است که از گوگل آمد بینا. کمکم تیم را بزرگ کردیم. همه کارمندان آپشن سهام گرفتند و در طول زمان هم به مناسبتهای مختلف زیاد شدهاند. الآن 22 نفر تماموقت هستیم که 15 نفر روی محصول کار میکنند. چند نفر هم اداری و فروش و بازاریابی داریم. نصف افراد توسعه محصول در بخش مهندسی و نرمافزار کار میکنند و نصف آنها هم روی تحقیقات علمی کار میکنند.
الآن تمرکز ما روی توسعه محصولی است به نام Bina Genomic Management System که همه تشخیصها، الگوریتمهای بهینهسازی و اجرای آن را بر عهدهدارد و از دانش زمینه استفاده میکند. ما از اول روی سرعت و دقت محاسبات و تحلیلها حساس بودهایم و سعی کردهایم همه آنها را در این سامانه بگنجانیم.
مشتریان ما قبلاً مراکز تحقیقاتی و دانشگاهی بودهاند ولی الآن با گسترش استفاده از دستگاهها، شرکتهای دارویی و بیمارستانها هم دارند وارد میشوند. استدلالی هم که برای مشتریان میآوریم این است که هر دستگاه شرکت ایلومینا چندین میلیون دلار هزینه دارد. سؤالی که مطرح میشود این است که آیا شما بهاندازه کافی مهارت و قابلیت تحلیل و درک ناشی از این سرمایهگذاری چند میلیون دلاری را دارید یا اینکه دستگاه شما صرفاً انبوهی از داده را تولید میکند و بلااستفاده میماند؟
واقعیت امر آن است که هنوز که هنوز است با وجود همه پیشرفتهای علمی، ما انسانها درک جامعی از دیانای نداریم! بیش از 90% از الگوهای قابلتشخیص و تغییرات قابلشناسایی الآن بیمعنی تلقی میشود. کاری که ما میکنیم این است که صاحبان داده دیانای را به ابزاری مجهز میکنیم که آنها بتوانند از آن داده درک بهتری پیدا کنند. یک نفر مثال جالبی میزد. در کالیفرنیا حدود سال 1848 طلا کشف شد و مردم هجوم آوردند برای کشف طلا که به آن «تب طلا» میگویند. جالب اینکه در آن چند سال، کسانی که بیش از همه ثروتمند شدند کسانی بودند که جاده کشیدند، بیل میفروختند و خلاصه به جویندگان طلا خدمات ارائه میکردند!
خلاصه اینکه الآن تحقیقات زیادی با استفاده از فنّاوریهای جدید دیانای در حال رخ دادن است و همه شرکتهای دارویی و مراکز درمانی به این سمت آمدهاند و ما میخواهیم به آنها خدمات بدهیم. هدف ما آن است که یک پلتفرم افقی فراهم کنیم که همه تحلیلها را تسریع کند. ما این سامانه جامع نرمافزاری را میفروشیم. محصول سه جور ارائه میشود، مشتریان میتوانند صرفاً سرویس را روی کلاود بخرند، یعنی دادههایشان را روی کلاود ما قرار بدهند و نتایج تحلیل را دریافت کنند. یا اینکه خود نرمافزار را بخرند و روی سامانههای رایانهای خودشان اجرا کنند یا اینکه نرمافزار همراه سختافزار را بهصورت بستة بینا بخرند.
مدل درآمدزایی ما هم از طریق پشتیبانیهای سالیانه تکرارشونده، محقق میشود. مشتریان ما میتوانند برای تعداد محدودی تحلیل دیانای، از نرمافزار استفاده کنند و بعدازآن لیسانس محصول منقضی میشود و باید آن را تمدید کنند. محصول ما پیچیده است و نیاز به پشتیبانی و آموزش و … دارد و در طول مدتی که خدمات را خریدهاند از پشتیبانی و بهروزرسانی بهرهمند میشوند.
نرگس: ما از شرکت دل آخرین سختافزارهایشان را میخریم و در یک جعبه کوچک قرار میدهیم و نرمافزارها را هم نصب میکنیم و میفروشیم. البته مشتری میتواند خودش سختافزار بخرد و نرمافزار ما را روی آن نصب کند ولی اگر از ما بخرد یک محصول آمادهبهکار تحویل میگیرد. بهطورکلی نرمافزار ما الگوریتمها را که بعضاً متنباز است، بهصورت یکپارچه کرده و یکجا قرار میدهیم. دسترسی به برخی بانکهای اطلاعاتی دیانای هم که پولی هست فراهم میکنیم و همه این مجموعه منسجم را میفروشیم. بهروزرسانی و پشتیبانی و آموزش و … هم ارائه میکنیم.
نرگس: بعضی از آنها. برای فهم این بازار درک این نکته مهم است که تا چند سال پیش دسترسی به داده دیانای بسیار محدود بوده است و چند دانشگاه و مرکز تحقیقاتی بزرگ آن را داشتهاند. این مراکز تحقیقاتی هرکدام برای خودشان سامانههای نرمافزاری متناسب خودشان را توسعه دادهاند که آنها را منتشر هم کردهاند. در بین مراکز تحقیقاتی هم نوعی رقابت در مورد کارآمدی و سرعت الگوریتمها در جریان بوده است. برای همین بعضی از الگوریتمها متنباز هستند. بهتدریج با گسترش فنّاوری تعیین توالی دیانای، اولاً حجم دادهها دارد شدیداً رشد میکند و از سوی دیگر شرکتهای زیستفناوری و دارویی هم برای شخصیسازی درمانها، مایل به بررسی ژنها هستند و بهتدریج به بستری برای تحلیل دادههای دیانای نیاز خواهند داشت. پیشبینی ما این است که بهزودی و در آینده نزدیک بیمارستانها و سایر مراکز درمانی نیز میتوانند از بیماران خود نمونه دیانای بگیرند و در نتیجه آنها هم به ابزار تحلیل نیاز خواهند داشت. هدف ما توانمندسازی محققانی است که به دادههای دیانای دسترسی مییابند. اول فکر میکردیم ما بهتر از همه این الگوریتمهای بهینهسازی و تحلیل را انجام میدهیم. بعداً فهمیدیم که نمیشود با دهها هزار نفر رقابت کرد. از طرفی هم جامعه دانشگاهی دوست ندارند یک جعبه سیاه بخرند که از یکطرف داده بدهند و از آن طرف تحلیل دریافت کنند. محققان دوست دارند بفهمند که چه اتفاقی رخ میدهد. اوایل کار ما خیلی روی برنامههایی که مینوشتیم حساس بودیم که به بیرون درز نکند و الگوریتمهای ما لو نرود. ولی بعداً به این نتیجه رسیدیم که اولاً از برنامههایی که دیگران هم نوشتهاند استفاده کنیم و ثانیاً الگوریتمهایی که خودمان مینوشتیم را هم در اختیار همه میگذاشتیم.
ما بعد از دو سال فهمیدیم که در این صنعت باید محصولی بسازیم که زیستبوم را تکمیل کند و جاهای خالی را پر کند نه اینکه با زیستبوم رقابت کنیم و بخواهیم آن را زیرورو کنیم. برای همین ما هم الگوریتمهایمان را بهصورت متنباز روی وب گذاشتیم. البته برنامههای سامانه جامع را محرمانه نگه میداریم. فلسفهمان این است که باید رقابت را کم کنیم و به دنبال توانمندسازی مشتریان خودمان باشیم و اینکه چطور از کار دیگران استفاده کنیم. ما تا همین دو ماه پیش Bioinformatics Toolset میفروختیم ولی در برابر آن مقاومت هست چون محققان احساس میکنند توسط این ابزار جایگزین میشوند. بودجه زیادی هم ندارند! فهمیدیم که باید به سمت مشارکت برویم برای همین دیگر یک جعبه سیاه نیست. برای اینکه هرکسی بتواند کار خودش را اضافه کند و API هم دادیم. الآن میتوانید درک کنید که چطور در طول چند سال ایده از بهینهسازی سطح پایین به سطح سامانه رسید.
نرگس: باید در نظر داشت که اصولاً اطلاعات ژنتیک 3، 4 سال است که بهصورت گسترده در دسترس قرارگرفته. یکی از مزیتهای ما این است که تیم علمی که من جمع کردم از بهترینهای آکادمیک در این حوزه هستند. من بسیاری از کسانی که الگوریتمهای متنباز مهم و مطرح را نوشته بودند استخدام کردهام! و ما چند سالی از آنها جلوتر هستیم و آنها نمیتوانند به این راحتی یک تیم موازی ما تشکیل بدهند. یک نکته مهم دیگر اینکه ما الآن بازیگران اصلی را میشناسیم و نیازهایشان را میدانیم. این خود یک مزیت مهم است. بازار این حوزه هنوز برای آنها جذاب نیست چون هنوز جدید است. در زمانهایی که بازار کوچک است باید محصول و نمانام را بسازی. در یک شرکت کوچک توجه به مشتری بیشتر است. درعینحال قبول دارم که رقابت دارد قوی میشود. کمپانیهای نرمافزار و باقی شرکتهای دیانای دارند وارد میشوند.
نرگس: اتفاقاً همین امروز مهلت شرکت در یک مناقصه است برای مرحله اولیه یک پروژه بزرگ است که دولت آمریکا میخواهد اطلاعات دیانای یکمیلیون کهنه سرباز آمریکایی را جمعآوری کند تا بتواند برای درمان مؤثرتر آنها در آینده از آن استفاده کند. در مرحله اول قرار است یک نمونه کوچک آن انجام شود و ما 12 ماه است روی قرارداد کار میکنیم. کار کردن با دولت همهجا دردسر زیادی دارد!
البته از یک و نیم سال پیش میدانستم نیاز دارم و دنبال افراد مناسب بودم. با هر کدام که صحبت میکردیم از محصول ما خوشش میآمد و دقیقاً به همین دلیل میترسید! چون اگر عضو هیئتمدیره من باشد نمیتواند مثلاً به دانشگاه خودش یا به بیمارستانی که در آنجا کار میکند فشار بیاورد که محصول ما را بخرند چون مسئله «تضاد منافع» پیش میآید و این مسئله در آمریکا خیلی جدی است. لذا اول باید محصول را بخرند و بعد میتوانند عضو هیئتمدیره ما بشوند. در هیئتمدیره همیشه امیدوارم بحث به رأیگیری نرسد و با گفتگو، اقناع صورت بگیرد. البته گاهی تنش هست ولی فعلاً به آن حد نرسیده است. سرمایهگذارها تجربهشان را به اشتراک میگذارند و این خیلی مهم است. اینکه دینامیک بازار، جذب سرمایه، استخدام،… چطور است.
نرگس: اگر کاری را برای شهرت و پول انجام بدهی آن کار محکوم به شکست است چون بهمحض آنکه به آن برسی تمام میشود! اینکه بنیانگذاران را قهرمان نشان میدهند خودشان باورشان میشود. انگیزه نباید موفقیت و پول و شهرت باشد؛ چون اضطراب شدید ایجاد میکند. هرروز نگران رقابت هستی، سرمایه جذب کنی، کارکنان بخواهند از شرکت بروند، پروژه را بگیری،…
من سال اول فکر میکردم اگر شکست بخوریم فاجعه است. الآن نه! احساس میکنم این کار باید انجام شود. من واقعاً میخواستم یک کار جدیدی بکنم. بعدها در این تله افتادم که شدم اولین کارآفرین زن در حوزه زیستفناوری. به نظرم اینها مرا از هدفم منحرف میکند. الآن بهنقد این فرهنگ نشستهام که بخشی از آن این است که بنیانگذاران شرکتهای نوپا بهشدت به کار کشیده میشوند به نفع سرمایهگذاران. معمولاً بعد از دو سه دور جذب سرمایه بیش از 50% شرکت مال سرمایهگذاران است و بنیانگذار نقشی ندارد. سرمایهگذاران معمولاً آن خریداری را انتخاب میکنند که پول بیشتری بدهد نه لزوماً آن کسی که فنّاوری را بهتر پیش ببرد.
سؤال دیگری که مطرح میشود این است که آینده کار چیست؟ آیا سازمانها همین سلسلهمراتب را خواهند داشت که مثلاً کارمندان هیچ سهمی در تصمیمهای کلان ندارند یا اینکه ساختار مسطح و افقی بیشتر خواهد شد؟ الآن بنیانگذاران دهها برابر کارمندان سهم دارند. چقدر از این سامانه واقعاً بهینه بوده است؟ اینهمه فشار روی بنیانگذار و از آنسو جبران مالی آن شاید بهترین شیوه نباشد.
روندهای جدیدی هم در درة سیلیکون در حال شکل گرفتن هستند؛ مثلاً Crowd Funding شاید صحنه را متحول کند. بعضی افراد هم ایدههایی برای ایجاد زیستبوم برای اشتراک زیرساختها دارند که منابع بهینهتر استفاده شود. فرایند کارآفرینی شاید میتوانست کارآمدتر باشد. درهرصورت تأسیس یک شرکت نوپا ایجاد یکچیز جدید و یافتن حس رضایت تجربه جالبی است. کسانی که شرکت نوپا میزنند شخصیتهای خاصی دارند. آدمهایی نیستند که دنبال پول و شهرت باشند. آدمهایی که پول و ثروت بخواهند میروند وال استریت و هالیوود. مثل حل کردن یک مسئله ریاضی است که جذاب است. برای هر کار بزرگی باید فداکاری کرد ولی این فداکاری باید پایدار باشد. اینکه یک عدهای فداکاری کنند و عمرشان را برای این کار بگذارند پایدار نخواهد بود.
- ۹۸/۰۳/۱۸