डीप-टेक स्टार्टअप संस्थापकों के लिए आवश्यक नया दृष्टिकोण

• सामान्य startup सलाह deep tech startup पर अच्छी तरह लागू नहीं होती
• पारंपरिक growth metrics के बजाय, binary milestones जो सफलता और विफलता को साफ़ तौर पर अलग करते हैं, कंपनी की value तय करते हैं
• deep tech founders को ऐसे रास्ते पर चलना पड़ता है जहाँ मौजूदा startup सलाह काम नहीं करती, और science, regulation, और market की जटिल बाधाओं को पार करने के लिए नई strategy और communication methods ज़रूरी होते हैं

Loyal संस्थापक Celine Halioua का मामला

• शुरुआती निवेश विफलता और मोड़ की शुरुआत

  • Celine Halioua ने 2022 की चौथी तिमाही में Series B फंडिंग जुटाने की कोशिश की, लेकिन असफल रहीं
  • Loyal एक deep tech bio startup है जो कुत्तों की उम्र बढ़ाने के लिए नई दवा विकसित कर रहा है
  • वैज्ञानिक डेटा, vision, और pitch सब बेहतरीन थे, लेकिन market timing सबसे खराब थी
  • SVB के दिवालिया होने जैसी घटनाओं से निवेशकों की भावना ठंडी पड़ गई, और कोई भी VC यह कहने की हिम्मत नहीं कर पा रहा था कि “मैंने कुत्तों की दवा में निवेश किया और नुकसान उठाया”
  • आखिरकार, angel investors और family offices से 6 महीनों में सिर्फ $10M जुट पाए

• सिर्फ़ एक approval document ने पूरा खेल बदल दिया

  • एक साल बाद, Loyal की पहली dog lifespan extension drug को FDA से lifespan extension drug development की संभावना पर आधिकारिक स्वीकृति मिली
  • इस approval letter की बदौलत अगली Series B कोशिश में पहले ही दिन investment term sheets आने लगे
  • फंडरेज़िंग का अनुभव पहले से बिल्कुल उलटा हो गया

• deep tech fundraising की हक़ीक़त: binary milestone का महत्व

  • deep tech में users या revenue नहीं, बल्कि FDA approval जैसे binary milestones ही value का केंद्र होते हैं
  • LOY-001 का efficacy data approval से 1.5 साल पहले से मौजूद था, लेकिन “approval कब मिलेगा” यह साफ़ नहीं था, इसलिए निवेशकों ने इसे value नहीं माना
  • efficacy साबित करना drug development का सबसे कठिन चरण है, और इसे पार करते ही निवेशकों की due diligence की मेहनत और risk तेज़ी से घट गया

• दूसरा milestone: LOY-002 efficacy approval और Series B-2

  • हाल ही में अलग-अलग आकार के बुज़ुर्ग कुत्तों के लिए chewable drug LOY-002 को FDA की दूसरी efficacy approval मिली
  • इसके साथ Series B-2 round की घोषणा हुई, और कुल निवेश $150M से अधिक हो गया

• संस्थापक के रूप में ताकत: लचीली strategic planning और milestone-based management

  • Halioua ने शुरुआती seed stage से ही सख़्त milestone-based strategy चलाई
  • हर milestone तक पहुँचने पर अगला funding deployment, hiring, development आदि आगे बढ़ाया गया
  • strategy को स्थिर रखने के बजाय, परिस्थितियों के अनुसार मौजूदा assumptions को लगातार फिर से परखने का approach रखा गया

market, team, और regulation—सब मिलकर बनती deep tech की जटिल हक़ीक़त

deep tech challenge #1: काम न करने वाली पारंपरिक startup strategy का विरोधाभास

• Loyal कुत्तों की biology, federal regulation, new drug manufacturing, consumer packaging जैसे कई क्षेत्रों को साथ लाता है
• सिर्फ consumer market, biotech, या deep tech में से किसी एक को समझकर Loyal को पूरी तरह समझना मुश्किल है
• अंतिम ग्राहक veterinarian नहीं बल्कि pet owners हैं, इसलिए prescription medical system से आता है, लेकिन marketing consumers के लिए होती है
• इस तरह के multi-domain business structure की वजह से ऐसी कंपनी बनती है जिसे biotech VC और consumer VC—दोनों के लिए आंकना मुश्किल होता है
  > “अगर deep tech founder SaaS startup सलाह को कॉपी-पेस्ट करके अपनाते हैं, तो यह कंपनी के लिए घातक हो सकता है”

• समाधान: अनपेक्षित क्षेत्रों से प्रेरणा लेना

  • aviation startup Boom के साथ बातचीत से scenario planning और milestone-based operations model अपनाया गया
  • funding deployment, hiring, और product development को specific milestones की उपलब्धि से जोड़ा गया
  • fundraising strategy भी milestone-based हिस्सों में बाँटी गई: अभी की स्थिति में fundraising बनाम milestone हासिल करने के बाद fundraising → दोनों के risk और expectations अलग किए गए
    > हर milestone के लिए 3 scenarios बनाए जाते हैं, और जब वास्तविकता किसी एक पर converge करती है, तो उसी path पर चला जाता है
    > target approval तक पहुँचने के लिए रोज़ाना के काम, risks, और हटाए जा सकने वाले blockers—सबका मानचित्र बनाया जाता है

• समाधान: अलग-अलग डोमेन experts को board में शामिल करना

  • deep tech में हर क्षेत्र की expertise बहुत गहरी होती है, इसलिए हर चीज़ समझने वाले एक unicorn advisor को ढूँढने से बेहतर है कई domain experts को साथ लाना
  • Loyal का board 9 लोगों का है, जिसमें अलग-अलग specialization वाले सदस्य शामिल हैं
    • veterinary regulation
    • deep tech operations
    • bio company building
    • consumer marketing
  • उदाहरण: FDA regulation expert वह सदस्य है जिससे मीटिंग में सबसे पहले राय ली जाती है
  • Boom के संस्थापक Blake Scholl भी board के सदस्य हैं
    > हर क्षेत्र को कवर करने वाले एक व्यक्ति से अधिक प्रभावी है ऐसा board जो नक्षत्र की तरह अलग-अलग perspectives बाँट सके

deep tech challenge #2: अप्रत्याशित delays का domino effect

• deep tech में delays अपरिहार्य होते हैं और अक्सर अप्रत्याशित तरीक़े से आते हैं
• उदाहरण: FDA ने अप्रत्याशित रूप से 6 महीने के अतिरिक्त trials माँगे, जिससे project timeline पर बड़ा असर पड़ा
• ऐसे delays founders और team—दोनों में विनम्रता की माँग करते हैं
  > “deep tech में अक्सर अजीब तरीक़े से अचानक delays हो जाते हैं, और ऐसे अनुभव इंसान को विनम्र बनाते हैं”

• समाधान: निर्णय के एक और दरवाज़े को खोलना — slow two-way door

  • Jeff Bezos के decision-making framework (one-way/two-way door) पर आधारित होकर, slow two-way door की अवधारणा लागू की गई, जहाँ समय/प्रतिष्ठा/संसाधनों की लागत बहुत बड़ी होती है
  • उदाहरण: FDA submission औपचारिक रूप से reversible हो सकता है, लेकिन व्यावहारिक रूप से यह बहुत महँगा और समय लेने वाला निर्णय है
  • ऐसे फैसलों में और अधिक विचार और सावधानी चाहिए, और इन्हें बहुत जल्दी करने से उलटे बचा जाता है
    > “हम तेज़ी से आगे बढ़ने को महत्व देते हैं, लेकिन FDA final submission हमेशा एक अतिरिक्त हफ़्ता समीक्षा के बाद ही भेजते हैं। गलती बहुत बड़ी और बहुत महँगी पड़ती है”

• समाधान: अनिश्चितता को आधार मानकर scenario-based management

  • Loyal ने संगठन-स्तर पर “अनपेक्षित घटनाओं” को default मानते हुए operating structure को फिर से डिज़ाइन किया
  • spending plans, cutback timing, और capital securing scenarios को 6 महीने की देरी, 12 महीने की देरी जैसे कई हालातों के अनुसार बारीकी से बाँटा गया
    > उदाहरण: efficacy approval package का इंतज़ार करते समय, कई drug approvals का अनुभव रखने वाले advisors के साथ संभावित risks की सूची बनाई गई और scenario-wise probability का अनुमान लगाया गया
    > - जैसे 40% probability वाला event, 20% probability वाला event
    > - फिर तय किया गया कि किन scenarios के लिए double safety net बनाना है

deep tech challenge #3: अंतहीन लगने वाली fundraising यात्रा

• software startups revenue, users जैसे metrics से risk कम करते हुए किसी स्तर का product-market fit (PMF) दिखाते हैं
• लेकिन deep tech में FDA approval जैसे milestones के आसपास risk हटाया जाता है, और यह प्रक्रिया कई साल ले सकती है
• Loyal अपनी स्थापना के 5वें साल में launch से 1 साल पहले के चरण तक पहुँचा, और deep tech मानकों से यह भी बहुत तेज़ माना जाता है

• समाधान: निवेशकों को नया mental model देना और probability-of-success आधारित communication

  • deep tech में “market कितना बड़ा है?” से ज़्यादा मुख्य risk यह है कि “क्या FDA approval मिल सकेगा?”
  • कुछ investors अब भी total addressable market (TAM) को मुद्दा बनाते हैं, लेकिन Halioua ज़ोर देती हैं कि असली समस्या वह नहीं है
    • उदाहरण: Apoquel का वार्षिक revenue $800M है, Farmer’s Dog का $1B से अधिक
    • Loyal लगभग 10 साल तक federal exclusivity भी हासिल कर सकता है
  • scientific progress को इस तरह दोबारा फ्रेम करना ज़रूरी है कि निवेशक उसे 'probabilistic success model' के रूप में समझ सकें
    > “software में निवेशकों को पता होता है कि उन्हें क्या देखना है। deep tech में हमें उन्हें यह सिखाना पड़ता है”
  • नया investment framework: हर fundraising को FDA approval probability बढ़ने वाले बिंदु से जोड़ा गया
    • उदाहरण: “हम अभी इस चरण में हैं → approval के लिए क्या चाहिए → अभी और वहाँ के बीच का gap → failure probability → success probability → हमें क्यों लगता है कि हम सफल होंगे → investment discount factors”

• समाधान: पारंपरिक VC से बाहर नए capital sources खोजना

  • शुरुआती Series B में पारंपरिक VC के बजाय HNWI और family offices के ज़रिये $10M जुटाए गए
  • इसी पूँजी ने बाद में Bain निवेश आकर्षित करने की नींव रखी
  • यह प्रक्रिया बहुत समय लेने वाली थी, लेकिन अस्थिर market में वैकल्पिक निवेश मार्गों के ज़रिये survival की संभावना बनी रही
    > “दुनिया में पैसे की कमी नहीं है। अगर पागलों की तरह समय लगाओ तो funding मिल सकती है। सिर्फ़ वही VCs पकड़कर बैठने की ज़रूरत नहीं जिन्हें सब जानते हैं”
  • family offices के साथ trust-based relationship building अहम है → सिर्फ़ लेन-देन नहीं, बल्कि लंबी बातचीत और समझ की ज़रूरत होती है

deep tech challenge #4: binary outcomes का जाल

• software startups iteration के ज़रिये सुधार कर सकते हैं, लेकिन drug development ऐसा नहीं है
• regulation इतना सख़्त है कि launch से कई साल पहले product लगभग fixed हो जाता है → अगर दवा असरदार न निकले तो फिर से शुरुआत करनी पड़ती है
• Halioua इसे इस तरह कहती हैं: “biology में पहले से मौजूद सच्चाई होती है, और founder का काम उसे जितना जल्दी हो सके उजागर करना है”
  > “deep tech में कुछ चीज़ें ऐसी होती हैं जो आप कितना भी मेहनत करें, काम नहीं करतीं। iteration या experiments से उन्हें जबरन हल नहीं किया जा सकता”

• समाधान: बड़े और छोटे backup strategies बनाना

  • शुरुआत से ही multi-product development strategy अपनाई गई ताकि failure की स्थिति में alternative products मौजूद रहें
  • उदाहरण: मौजूदा प्रमुख drug LOY-002, LOY-001 के बाद शुरू हुई, लेकिन परिणाम उससे पहले आ गए
  • यह LOY-001 की विफलता की संभावना के खिलाफ़ risk hedge बना, और सीमित शुरुआती संसाधनों के बावजूद multi-product strategy पर टिके रहना बहुत मददगार साबित हुआ

• समाधान: experiment design में भी failure की तैयारी

  • STAY study (1,000 कुत्तों पर lifespan study) 5 साल बाद एक binary result देने वाला experiment है
  • सिर्फ़ सफलता-असफलता नहीं, बल्कि यह समझने के लिए कि परिणाम execution problem है या approach failure, design में कई तरह की redundancy जोड़ी गई
    • उदाहरण: 4th-year bonus design, hospital selection criteria को मजबूत करना, participant recruitment का duplication
      > “जब technology जटिल काम करती है, तो opportunities अनगिनत होती हैं। focus बनाए रखते हुए भी नई opportunities को follow करने की जगह छोड़नी होती है”

• समाधान: learning opportunities को संरचनात्मक रूप से डिज़ाइन करना

  • शुरुआती Healthspan Study कुत्तों के aging biomarkers को मापने के लिए एक व्यवस्थित learning project थी
  • शुरुआत में यह सिर्फ़ एक pilot था, लेकिन बाद में सभी FDA submissions के core data source के रूप में काम आया
  • उस समय यह अंदाज़ा नहीं था, लेकिन अतिरिक्त संसाधन लगाकर learning infrastructure बनाना बाद में बड़ी संपत्ति साबित हुआ
    > “deep tech में focus महत्वपूर्ण है, लेकिन information discovery के लिए जगह भी चाहिए। क्या महत्वपूर्ण हो जाएगा, यह पहले से नहीं पता होता”

• counterexample: जहाँ learning के मुकाबले outcome कम मिला

  • X-Thousand Dogs project: saliva से कुत्तों की biological age मापने का experiment
  • मुफ़्त DNA kits, validation, AWS infrastructure आदि पर बहुत पैसा लगा, लेकिन व्यावहारिक insights बहुत कम मिले
  • Healthspan Study की तुलना में बहुत अधिक पैसा खर्च हुआ, लेकिन सीखा कम गया
    > experiment की value अक्सर बाद में समझ आती है, और resource efficiency हमेशा परिणाम के अनुपात में नहीं होती

deep tech challenge #5: founder की भावनात्मक रस्साकशी

• deep tech founders को असंभव को संभव मानने वाला भोला आशावाद और लगातार बना रहने वाला निराशावादी यथार्थ-बोध—दोनों साथ रखने पड़ते हैं
• लंबे development cycles और लगातार failures के बीच भी उम्मीद बनाए रखते हुए, हमेशा risks का अनुमान लगाना और तैयारी रखना ज़रूरी होता है
  > “अगर मुझे पता होता कि FDA-approved lifespan extension drug बनाना इतना मुश्किल है, तो शायद मैं शुरू ही नहीं करता”

• समाधान: तरीके से नहीं, mission से भावनात्मक रूप से जुड़ो

  • strategy या technical approach से अधिक ultimate mission से भावनात्मक लगाव रखना महत्वपूर्ण है
    • Halioua के लिए: “पहली FDA-approved lifespan extension drug बनाना” ही mission था
  • technical approach कभी भी बदल सकती है
    • उदाहरण: शुरुआत में लगा कि IGF-1 को suppress करने वाली gene therapy ही जवाब है, लेकिन team की आपत्तियों के बाद approach बदल दी गई
    • नतीजे में “बड़े कुत्ते + कम lifespan” strategy सही निकली, और “gene therapy” गलत
      > “जब तक objective data न आ जाए, किसी एक method से भावनात्मक रूप से चिपकना नहीं चाहिए”
  • Halioua हमेशा इस संभावना को खुला रखती हैं कि वह ग़लत हो सकती हैं
    • बल्कि वह “मैं मानकर चलती हूँ कि मैं ग़लत हूँ” वाले attitude से आगे बढ़ती हैं
    • बेचैनी या शक महसूस होते ही उसे टालती नहीं, बल्कि तुरंत उसी दिशा में गहराई से जाकर verify करती हैं
      > “मैं अपना ego method से नहीं, goal से जोड़ती हूँ। ग़लत साबित होना कोई समस्या नहीं है। असली बात है इसे जल्दी जान लेना”

deep tech challenge #6: ‘hammer and nail’ hiring trap

• deep tech startups को उच्च technical expertise वाले talent की ज़रूरत होती है, लेकिन बहुत ज़्यादा संकीर्ण विशेषज्ञता उलटे risk बन सकती है
• किसी एक समस्या पर वर्षों तक काम कर चुके PhD talent में अपनी approach से भावनात्मक लगाव विकसित होने की प्रवृत्ति होती है
  • इस तरह की सोच हर समस्या को अपने ही tool से हल करने वाले ‘hammer-nail’ pattern में बदल सकती है
    > “कई biotech founders PhD के तुरंत बाद startup शुरू करके इसलिए fail होते हैं”

• समाधान: domain से ज़्यादा thought process पर hiring

  • जिन लोगों के पास मजबूत thinking framework होता है, वे अनजान क्षेत्रों में भी जल्दी adapt कर लेते हैं
  • वास्तव में Loyal की शुरुआती science team में ज़्यादातर लोग neuroscience background से थे, जबकि उसका dogs’ lifespan से सीधा संबंध नहीं था
    • neuroscience जटिल और अत्यधिक अनिश्चित क्षेत्र है, इसलिए इसे पढ़ने वाले लोग गहरी analysis क्षमता और flexible thinking रखते हैं

• hiring में ऐसी thinking ability को कैसे पहचाना जाए?

  • interview questions का स्तर सबसे अहम है
    • candidate किस तरह के सवाल पूछता है, मौजूदा logic को कैसे चुनौती देता है, और सोच को कैसे फैलाता है—यह देखा जाता है
  • depth-of-understanding test
    • candidate के किसी research या project के खास हिस्से को चुनकर उसे ‘atom’ स्तर तक खोदा जाता है
    • बहुत लोग एक बिंदु पर रुक जाते हैं, लेकिन बेहतरीन प्रतिभा लगातार और गहराई तक जा सकती है
      > “सचमुच महान scientist की thinking इतनी तेज़ होनी चाहिए कि interview के दौरान वह मेरा भी मूल्यांकन कर सके”

deep tech challenge #7: technical language barrier और trust gap

• deep tech startups ऐसी technologies पर काम करते हैं जिन्हें investors सीधे evaluate करना मुश्किल पाते हैं → इसलिए trust जीतने की एक दीवार मौजूद रहती है
• इससे “मुझे ही इतना ज़्यादा process क्यों झेलना पड़ रहा है?” जैसी निराशा पैदा हो सकती है
• यहाँ तक कि investment मिलने के बाद भी board management और communication और मुश्किल हो सकते हैं
  • complex technical explanations और strategic reasoning की ज़रूरत बार-बार पड़ती है
    > “पहली board meeting इतनी खराब थी कि किसी ने कहा, ‘यह मेरे देखे गए सबसे खराब meetings में से एक थी।’ फिर भी अब लगता है कि कम-से-कम हम ‘ठीक-ठाक’ स्तर तक पहुँच गए हैं”

• समाधान: चरम पारदर्शिता

  • समस्याओं या गलतियों को तुरंत और बिना किसी मुलम्मे के साझा करना trust बनाने का सबसे तेज़ रास्ता है
    • उदाहरण: FDA delay notice मिलते ही 1 घंटे के भीतर investors को सीधे सूचित किया गया
    • चीज़ों को सजाकर या सफ़ाई देकर नहीं, बल्कि सीधे “यह हुआ है, और हम समाधान खोज रहे हैं” कहकर साझा किया गया
  • mistakes स्वीकार करना भी culture का अहम हिस्सा बना
    • किसी executive को हटाने पर investors को detailed email भेजी गई
    • team के सामने गलत hiring decision के लिए सीधे माफ़ी माँगी गई
      > “जब founder जटिल technology की ज़िम्मेदारी अकेले उठा रहा हो, तो उसे अपने सोचने के तरीके को ‘हद से ज़्यादा पारदर्शी’ रूप में साझा करना चाहिए”

• समाधान: communication का consistent format

  • board को technology समझाते समय, सब कुछ सिखाने की कोशिश नहीं बल्कि एक consistent structure में summary देना ज़्यादा अहम है
  • Halioua का format:
    1. पिछली meeting में बताई गई योजना
    2. मौजूदा स्थिति
    3. दोनों के बीच का अंतर
    4. बदलाव की वजह
  • हर meeting की शुरुआत पिछली meeting के मुख्य follow-up points की review से होती है:
    • “point 2 न करने का फैसला किया गया, वजह यह थी / point 3 पूरा हो गया, और नतीजा यह रहा”
  • महत्वपूर्ण milestones (जैसे FDA approval timeline) को risk grading के साथ बार-बार समझाया जाता है
    • “पिछली meeting का expected date → मौजूदा expected date → बदलाव का कारण → bottleneck section → high/medium/low risk”
      > “यह उम्मीद मत करो कि लोग सब याद रखेंगे। framework, progress, changes, और risks को बार-बार दोहराना ही बुनियाद है”

deep tech की ताकत: चुनौतियों को ‘entry barrier’ में बदलने की क्षमता

• Sam Altman के blog की तरह, कठिन काम करना ही कभी-कभी आसान रास्ता बन सकता है
• Loyal के मामले में, deep tech चुनने से लोगों की दिलचस्पी, जुनून, media attention, और talent inflow में जबरदस्त halo effect मिला
  • hiring acceptance rate लगभग 100% के करीब
  • WIRED, New York Times, WSJ जैसे बड़े मीडिया outlets में coverage
  • लोग ‘कुत्तों की उम्र बढ़ाने’ के विचार से भावनात्मक रूप से जुड़ते हैं

• deep tech के विशिष्ट moats

  • patents, federal incentives, key talent जैसी कई चीज़ें हैं
  • लेकिन सबसे शक्तिशाली moat है ‘समय स्वयं’
    • biology-based deep tech में भौतिक रूप से एक निश्चित समय लगना ही है
    • उदाहरण: animal drugs में FDA के हर technical section submission पर review time 6 महीने fix होता है
    • यह किसी startup पर भी उतना ही लागू होता है जितना Zoetis जैसी 70-trillion-won scale की कंपनी पर
    • ऐसा समय जिसे पैसे से कम नहीं किया जा सकता, startup के पक्ष में काम करता है
      > “मुझे कई साल पहले से यक़ीन था कि यह दवा आखिरकार approved होगी। असली सवाल सिर्फ़ यह था कि ‘इसमें कितना समय लगेगा?’”
  • आज भी milestone की ओर marathon जारी है, लेकिन 5 साल से अधिक समय बीतने के बाद अब नतीजे नज़दीक दिख रहे हैं
    > “कठिन होने की वजह से प्रतिस्पर्धा कम होती है, और वही अवसर बन जाता है” — यही इसका विरोधाभासी लाभ है

[asheswook]

दीप टेक न भी हो, तब भी हमारे देश में खासकर fintech जैसे सरकारी regulation के दायरे वाली कंपनियां ऐसी ही लगती हैं।