Vijay Pande: Yılda 30 Bahis Yapmıyoruz, Küçük ve Odaklı Kalıyoruz

Küçük Bahisler, Büyük Etki

Vijay Pande, geçtiğimiz yıl a16z'nin yaklaşık 4 milyar dolarlık biyoteknoloji biriminden ayrılarak kurduğu VZVC ile yatırım dünyasında farklı bir yaklaşım sergiliyor. Yılda 30'dan fazla anlaşma yapan geleneksel fonların aksine, VZVC sadece birkaç odaklı yatırım yapıyor. Pande, bu modelin kendilerine hem daha derinlemesine çalışma imkânı tanıdığını hem de girişimcilerle uzun vadeli ilişkiler kurmalarını sağladığını belirtiyor. Yatırım tarafında sadece iki kişi olmalarına rağmen, geliştirdikleri yapay zekâ ajanları sayesinde geleneksel bir fonun işleyişini sürdürebiliyorlar. Pande, bu yapıyı 'bir arkadaş eklemek' yerine 'çocuk sahibi olmak' gibi görüyor; yani her yatırım onlar için büyük bir sorumluluk ve bağlılık anlamına geliyor. Bu yoğunlaştırılmış portföy yaklaşımı, özellikle Türkiye'deki melek yatırımcı ve girişim sermayesi fonlarının son yıllarda benimsediği 'çok sayıda küçük çek' stratejisine bir alternatif oluşturuyor. Pande, bu modelin sıcak turlara girmek için rekabet etmek yerine, girişimcilerin kendilerine yer açtığını söylüyor; çünkü yatırımcı olarak sağladıkları operasyonel destek ve uzmanlık, paranın ötesinde bir değer taşıyor.

Biyolojide Mühendislik Çağı

Pande, biyolojinin artık bir 'keşif bilimi' olmaktan çıkıp 'mühendislik' disiplinine dönüştüğünü savunuyor. Geleneksel ilaç geliştirme süreçlerinde şans faktörü büyükken, yapay zekâ ve makine öğrenimi sayesinde hedef belirleme, ilaç tasarımı ve hatta klinik denemelerin planlanması artık çok daha hesaplı ve öngörülebilir hale geliyor. Özellikle klinik denemelerin maliyeti, ilaç fiyatlarının yüksek olmasının ana nedeni. Pande, bir ilacın ilk aşamadan üçüncü aşamaya geçme olasılığının sadece %20 olduğunu, yani 10 ilaçtan 8'inin başarısız olduğunu ve bu başarısızlıkların çoğunun hayvan modellerinin insanlara yeterince iyi öngörü sağlayamamasından kaynaklandığını vurguluyor. Yapay zekâ modelleri, hayvan modellerinden çok daha iyi tahminler yapabilir ve bu da ilaç geliştirme sürecinde devrim yaratabilir. Örneğin, derin öğrenme algoritmaları, protein katlanmasını tahmin etmede AlphaFold gibi araçlarla büyük ilerleme kaydetti; bu tür araçlar, hedef proteinlerin yapısını anlamayı kolaylaştırarak ilaç tasarımını hızlandırıyor. Türkiye'de de TÜBİTAK ve çeşitli üniversiteler bünyesinde benzer hesaplamalı biyoloji çalışmaları yürütülüyor; ancak bu alandaki veri altyapısı ve yetenek havuzu henüz gelişme aşamasında.

Kişiselleştirilmiş Tıp ve Veri Paylaşımı

Pande, kişiselleştirilmiş tıbbın (precision medicine) geleceğine de değiniyor. Şu anda doktorlar, hastalıkları teşhis ederken genellikle deneme yanılma yöntemine başvuruyor; ancak yapay zekâ sayesinde her birey için en uygun ilacı ilk seferde bulmak mümkün olacak. Bunun için sadece genoma değil, proteomik gibi güncel verilere de ihtiyaç var. İnsan genomu, evin ilk günkü mavi baskısı gibidir; ancak ev zamanla değişir. Bu nedenle, hastalığın anlık durumunu yansıtan protein seviyeleri ve metabolomik veriler daha kritik hale geliyor. Ancak biyolojik veriler internetten kazınamadığı için her şirket kendi veri setini oluşturuyor ve bu da veri paylaşımını engelliyor. Pande, açık kaynaklı biyoloji temel modellerinin (foundation models) yaygınlaşmasıyla birlikte, tıpkı açık kaynaklı dil modellerinin (LLM) ticari modellerle rekabet edebilmesi gibi, biyolojide de açık veri setlerinin büyük etki yaratacağını düşünüyor. Örneğin, İngiltere merkezli UK Biobank ve ABD'deki All of Us programı, geniş çaplı biyolojik veri paylaşımına öncülük ediyor. Türkiye'de ise Sağlık Bakanlığı'nın e-Nabız sistemi, sağlık verilerini dijitalleştirme yolunda önemli bir adım; ancak bu verilerin araştırmacılarla paylaşımı konusunda henüz ciddi kısıtlamalar bulunuyor. Açık veri kültürünün benimsenmesi, Türkiye'nin biyoteknoloji alanında küresel rekabette söz sahibi olması için kritik.

Yatırım Stratejisi ve Gelecek Vizyonu

Pande, yatırım yaparken iki ana alana odaklanıyor: sağlık hizmetleri sunumunda yapay zekâ ve klinik denemelerde yapay zekâ. Kurucu ortaklarda aradığı en önemli özellik ise güven ve uzun vadeli düşünme. Pande, yatırımcı olarak sadece finansal getiri değil, aynı zamanda topluma fayda sağlayacak girişimlere imza atmak istiyor. Ayrıca, yapay zekânın 'her şeyi iyileştireceği' söylemlerine temkinli yaklaşıyor; çünkü veri eksikliği durumunda yapay zekânın sihirli bir çözüm sunamayacağını belirtiyor. Örneğin, büyük dil modelleri (LLM) internetten toplanan devasa veri kümeleriyle eğitilirken, biyolojik veriler laboratuvar deneyleriyle üretiliyor ve bu süreç hem pahalı hem de zaman alıcı. Bu nedenle, veri üretimini hızlandıran otomasyon ve robotik sistemler, biyolojide yapay zekânın ilerlemesi için hayati önem taşıyor. Pande, ayrıca kurucu ortakların sadece teknolojiye değil, pazar stratejisine de odaklanması gerektiğini vurguluyor; çünkü en parlak teknoloji bile doğru pazarlama ve satış stratejisi olmadan başarıya ulaşamıyor. Bu bakış açısı, Türkiye'deki girişimciler için önemli bir ders: bilimsel mükemmelliğin yanında ticari zekâ da şart.

Neden Önemli?

Türkiye'de biyoteknoloji ve yapay zekâ alanında yatırımlar artarken, Pande'nin yaklaşımı yerel girişimciler ve yatırımcılar için önemli dersler içeriyor. Küçük ve odaklı yatırım modeli, kaynakların daha verimli kullanılmasını sağlayabilir. Ayrıca, açık veri paylaşımının önemi, Türkiye'deki araştırma kurumları ve şirketlerin iş birliği yapması gerektiğini gösteriyor. Yapay zekânın biyolojideki potansiyeli, ülkemizdeki sağlık sektörünün dönüşümü için de büyük fırsatlar sunuyor. Ancak bu potansiyelin gerçekleşmesi için veri altyapısının güçlendirilmesi ve açık bilim kültürünün benimsenmesi kritik önem taşıyor. Türkiye'nin güçlü genç nüfusu ve artan mühendislik kapasitesi, biyoteknoloji alanında küresel bir oyuncu olma potansiyeline işaret ediyor; ancak bunun için hem kamu hem özel sektörün veri paylaşımını teşvik eden politikalar geliştirmesi gerekiyor.