Vijay Pande deja US$4.000M en a16z para hacer menos apuestas al año

Vijay Pande pasó la última década construyendo una de las prácticas de biotech más grandes del venture capital: cerca de US$4.000 millones bajo gestión en Andreessen Horowitz. En junio de 2025, dejó todo eso para fundar VZVC junto a Zach Werner, un fondo que hace puñado de apuestas concentradas al año en lugar de docenas, no tiene associates, y usa IA intensivamente para sus operaciones diarias.

La movida sorprendió al ecosistema. Pande había sido reclutado por Marc Andreessen y Ben Horowitz hace 12 años cuando a16z decidió finalmente apostar por healthcare y life sciences. Antes era profesor de química en Stanford, conocido por crear Folding@home, el proyecto de computación distribuida que convirtió millones de PCs caseras en una supercomputadora para investigación de enfermedades.

Por qué menos apuestas, mejor

"No estamos haciendo 30 apuestas al año", explicó Pande en conversación con TechCrunch. El modelo de VZVC apunta a inversiones concentradas en startups de biotech que usan IA para acelerar el desarrollo de drogas. Sin el aparato de un fondo gigante, el equipo puede enfocarse en tesis específicas en lugar de distribuir capital por volumen.

El contexto importa: la probabilidad de que una droga pase exitosamente del primer ensayo clínico al final del tercero es solo 20%. Con costos que escalan a cientos de millones de dólares por trial, 8 de cada 10 drogas fallan. Históricamente, el problema no es incompetencia científica sino que los modelos animales (ratones, principalmente) no predicen bien cómo reaccionarán los humanos.

Pande apuesta a que los modelos de IA, aunque imperfectos, cruzarán pronto la barra de ser mejores predictores que cualquier modelo animal. Eso puede comprimir drásticamente tiempo y costo pre-clínico.

El problema de los datos en biotech

A diferencia del texto o las imágenes, los datos biológicos no se pueden scrapear de internet. Cada compañía de AI-biotech termina construyendo su propio dataset propietario y amurallado. Esto genera una dinámica distinta a la de otros sectores de IA: no hay pre-entrenamiento universal, no hay destilación de modelos entre competidores.

Pande reconoce la paradoja: esta fragmentación replica el problema histórico de la medicina, donde especialistas operan en silos que no se sincronizan. "Si tenés un tipo de cáncer que cruza oncología y endocrinología, esos dos médicos realmente no sincronizan bien", dice. Los datos biológicos cerrados amplifican eso a escala de industria.

La apuesta de VZVC es que, aun con datos fragmentados, la automatización robótica de mediciones (proteómica, genómica) combinada con IA permite avanzar hacia medicina de precisión: el primer fármaco que te recetan debería ser el correcto para vos, no el tercero después de dos intentos fallidos.

Por qué importa

La decisión de Pande de achicarse después de gestionar miles de millones señala un cambio táctico en cómo los inversores experimentados están mirando la ola de AI-biotech. Más concentración, menos spray-and-pray. Para fundadores buscando financiación, el mensaje es claro: los cheques grandes van a ir a tesis muy específicas, no a pitch decks genéricos sobre "IA para drogas".

Para empresas fuera de biotech pero adoptando IA, la lección sobre datos propietarios es directa: en dominios donde no podés scrapear internet, tu ventaja competitiva está en los datos que generás y cómo los usás. La fragmentación puede ser un bug o un moat, dependiendo de qué tan bien ejecutes la captura y el modelado.

Y si estás pensando en aplicar IA a procesos con alta tasa de falla y costo por iteración (manufactura compleja, logística, I+D), la tesis de Pande sobre reemplazar modelos malos (ratones) con modelos mejores (IA) es un manual: el retorno no viene de la perfección del modelo sino de cruzar el umbral donde es menos malo que la alternativa actual.