Priya Saiprasad, generální partner ve společnosti Touring Capital – série rozhovorů

Když software dokáže vykonávat práci, mění to produkt, adresovatelný trh, cenový model i ekonomiku společnosti, která jej poskytuje. Chtěli jsme vybudovat Touring kolem této příležitosti od samého začátku.

Naše zaměření je na společnosti, které se blíží nebo prokazují první produktově-tržní přizpůsobení, kdy technický potenciál začíná přecházet do adopce zákazníky. Jedná se o zvláště rozhodující fázi v AI: zakladatelé rozhodují, které workflow si osvojí, jakou míru autonomie zákazníci akceptují a jak přeměnit počáteční poptávku na opakovatelný růst.

Také jsme chtěli přinést perspektivu budování společností, podloženou našimi zkušenostmi ve venture, M&A a velkých technologických platformách. Naším cílem je pomoci zakladatelům budovat podniky, jejichž konkurenční výhody se prohlubují s postupujícím vývojem technologií. To vyžaduje přesvědčení o příležitosti a ochotu neustále přehodnocovat předpoklady, na nichž je postavena.

Argumentujete, že některé z největších příležitostí v AI se posouvají od pouhého budování větších základních modelů k firmám, které aplikují AI na konkrétní odvětví. Co se technologicky nebo ekonomicky změnilo, že je aplikační vrstva nyní tak přitažlivá?

Modely se staly dramaticky výkonnějšími a přístupnějšími, což mění, kde mohou podnikatelé vytvářet hodnotu. Už není nutné budovat základní inteligenci od nuly, abyste vytvořili něco výkonného.

To posouvá otázku z \”Kdo má nejlepší model?\” na \”Kdo dokáže tuto inteligenci aplikovat k řešení problému způsobem, který zásadně mění ekonomiku nebo workflow?\”

Nejzajímavější společnosti neumisťují jen LLM před existující softwarový produkt. Využívají AI k přehodnocení způsobu, jakým se práce vykonává. V některých případech to znamená automatizaci velkých částí workflow. V jiných to umožňuje mnohem menšímu týmu produkovat výrazně vyšší výstup.

To je místo, kde podle mě nastane velká část další vlny tvorby hodnoty: společnosti, které dokážou převzít stále schopnější inteligenci a proměnit ji v produkt, kterému zákazníci důvěřují při vykonávání smysluplné práce.

Když se dnes podíváte napříč sektory, které odvětví podle vás dosahují skutečného AI inflexního bodu, kdy by AI mohla zásadně přestrukturovat workflow místo pouhého zefektivnění stávajícího softwaru?

Zvláště mě zajímají odvětví, která kombinují významnou znalostní práci, složitá existující workflow a historicky nižší úroveň pronikání softwaru.

Finanční služby, zdravotnictví, právní sektor, průmyslová odvětví a automobilový průmysl jsou dobrými příklady. Tato odvětví často disponují obrovským množstvím cenných informací a vysoce specializovanými workflow, avšak velká část práce je stále roztříštěná, manuální nebo závisí na zkušených lidech, kteří přenášejí informace mezi systémy.

Příležitost nespočívá jen v tom, že by se těmto pracovníkům zvýšila produktivita o 10 %. Zajímavější společnosti přetvářejí pracovní postupy tak, aby odpovídaly tomu, co AI nyní dokáže.

To můžete vidět u firem jako Numa, která používá AI agenty k automatizaci interakcí se zákazníky a provozu prodejen, a Daloopa, která nasazuje AI na vysoce časově citlivé datové a výzkumné workflowy používané finančními institucemi. Společným prvkem je hluboké porozumění základní práci. AI je výkonná, ale neodstraňuje potřebu rozumět odvětví, pro které budujete.

Touring Capital zdůrazňuje datové příkopy, produktové setrvačnosti a odborné znalosti v daném oboru při hodnocení AI společností. Jak vypadá skutečně odolný vertikální AI podnik a jak odlišit takový od společnosti, jejíž hlavní výhoda spočívá jen v obalení modelu velkého jazyka třetí strany?

Skutečně odolný AI podnik sílí s tím, jak funguje.

Základní model se může v průběhu času zlepšovat a společnost může model úplně změnit, ale hodnota podniku by neměla zmizet jen proto, že se model pod ní mění. Důležité je, co společnost vlastní kolem toho modelu: vztah se zákazníky, workflow, proprietární data, integrace a důvěru k převzetí stále důležitějších úkolů.

Jedna z věcí, na kterou věnujeme velkou pozornost, je, zda se produkt v průběhu času stává hlouběji zakotveným. Důvěřují mu zákazníci s více úkoly? Zvyšuje se používání a výsledky kumulativně? Učí se společnost ze svých nasazení tak, že to zlepšuje produkt?

Tyto dynamiky vytvářejí mnohem silnější podnik než pouhá dobrá rozhraní nad modely třetích stran. Funkce se v AI mohou velmi rychle sblížit. Trvalé používání a hlubší přijetí workflow jsou mnohem obtížnější k napodobení.

Jakmile se základní modely stávají výkonnějšími a stále více komodifikovanými, posiluje to vertikální AI společnosti tím, že jim poskytuje levnější inteligenci k výstavbě, nebo to představuje riziko, že poskytovatelé modelů sami absorbují větší část aplikační vrstvy?

Obě dynamiky mohou nastat současně. Lepší modely rozšiřují, co mohou aplikace poskytovat, a zároveň umožňují poskytovatelům modelů pronikat hlouběji do produktů a workflowů.

Otázkou při due diligence je, jak se mění pozice společnosti, když se základní inteligence zlepšuje. Pokládáme dva související dotazy: co se pro tento podnik stane možné s další generací modelů a která část jeho současné hodnotové nabídky by mohla přejít na standardní schopnost modelu? To pomáhá odlišit společnosti těžící z pokroku od těch, jejichž odlišení závisí na dočasném omezení.

Vertikální podniky mohou vybudovat trvalé postavení díky specializovaným workflowům, přístupu ke zákazníkům, integracím, hodnotícím systémům a operativní odpovědnosti, kterou převzaly. Tyto výhody vyžadují kontinuální investice; odborné znalosti v daném oboru samy o sobě nejsou trvalou ochranou.

Společnosti, které považuji za nejzajímavější, mají jasnou cestu k převzetí hodnotnějších úkolů s tím, jak se modely zlepšují. Jejich zákazníci dosahují lepších výsledků, ekonomika dodávek se posiluje a nasbírané znalosti se stávají užitečnějšími. To je vztah k pokroku modelů, který chceme podpořit.

Tradiční společnosti poskytující software jako službu (SaaS) byly historicky hodnoceny pomocí ukazatelů, jako jsou roční opakující se příjmy, hrubé marže, retence a rozšiřování licencí. Jak AI mění metriky, na které se spoléháte, zejména když se náklady na inferenci, cenová struktura založená na využití a obchodní modely založené na výsledcích stávají důležitějšími?

ARR, retence a hrubé marže jsou stále důležité. Problém spočívá v tom, že samy o sobě nám již neposkytují dostatek informací.

AI společnost může během velmi krátké doby dosáhnout desítek milionů v ARR, i když se základní využití v její zákaznické základně již snižuje. Zákazník může stále mít smlouvu, ale když nastane obnova, produkt byl v podstatě nahrazen. To nazýváme latentním odlivem.

Proto se stále častěji díváme pod cenu a ptáme se, jaká práce se ve skutečnosti vykonává. Zvyšuje se počet workflowů a výsledků v průběhu času? Důvěřuje zákazník produktu, aby vykonával více úkolů? Pokračuje používání po počátečním nadšení z nasazení?

Také se podrobněji zaměřujeme na ekonomiku růstu. AI společnosti mohou nahradit lidské pracovníky automatizací, ale výpočetní výkon se stává skutečnou součástí pracovní síly a nákladové struktury. Proto zkoumáme pojmy jako intenzita workflowu, násobiče efektivity, výnos na upraveného zaměstnance a nákladová páka.

Větší otázkou je, zda se růst v průběhu času stává odolnějším a efektivnějším. Ohromný růst a trvalý růst nejsou nutně totéž.

Mnoho AI agentů je navrhováno nejen k podpoře zaměstnanců, ale k autonomnímu dokončování celých workflowů. Jak to mění tržní příležitost pro podnikovou software a mohou AI společnosti nakonec získat část rozpočtů na pracovní sílu, které historicky spadaly mimo výdaje na software?

Myslím, že se jedná o jeden z nejdůležitějších posunů v podnikovém softwaru.

Historicky byl software převážně prodáván jako nástroj, který pomáhal zaměstnanci vykonávat jeho práci. Zaměstnanec zůstával zodpovědný za vytvoření výstupu a rozpočet na software byl oddělený od rozpočtu na pracovní sílu.

AI mění tuto rovnici, protože software může stále častěji vykonávat části práce sám.

To výrazně rozšiřuje tržní příležitost. Už neprodáváte jen nástroj pro zvýšení produktivity z rozpočtu na IT nebo software. Pokud produkt dokáže spolehlivě převzít odpovědnost za smysluplnou práci a vytvořit měřitelný výsledek, může také zachytit hodnotu z rozpočtů na pracovní sílu.

Důležitý rozdíl je mezi AI asistentem a AI systémem, kterému zákazníci důvěřují, že skutečně provede úkol. Ten druhý má potenciál stát se mnohem hodnotnějším, ale musí také prokázat skutečnou spolehlivost, odpovědnost a ekonomiku. Zákazníci nakonec nebudou zajímat, jak sofistikovaná AI je, pokud produkt nedokáže konzistentně dodat slíbený výsledek.

V současné době sedíte v představenstvech společností včetně Numa a Daloopa, které aplikují technologie v naprosto odlišných vertikálách, jako jsou automobilové operace a finanční data. Co vás tyto společnosti naučily o tom, co je potřeba k úspěšnému zavedení AI do odvětví s hluboce zakořeněnými pracovními postupy a odborností?

Největší lekcí je, že AI neodstraňuje význam odborných znalostí. V mnoha ohledech je dokonce zvyšuje.

Aby bylo možné úspěšně zavést AI do zavedeného odvětví, musíte workflow dostatečně dobře pochopit, abyste věděli, kde automatizace skutečně vytváří hodnotu a kde je stále potřeba lidský úsudek. Také musíte rozumět tomu, jak zákazníci produkt přijmou, jak zapadá do jejich stávajících systémů a cyklu adopce AI, a co je potřeba k získání jejich důvěry.

Numa a Daloopa působí na velmi odlišných trzích, ale obě jsou úzce spjaty se specifickou prací, kterou jejich zákazníci potřebují vykonat. Nejúspěšnější vertikální AI společnosti nezačínají otázkou „Kam můžeme AI nasadit?“, ale výchozím bodem je smysluplný problém nebo workflow, který pak přepracují s ohledem na to, co AI nyní dokáže.

Proto také věřím, že odborné znalosti mohou v čase získat významnou výhodu. Čím hlouběji rozumíte práci, tím efektivněji můžete vytvořit produkt, na který budou zákazníci ochotni spoléhat.

Nedávné investice Touring zahrnují jak doménově specifické aplikace, tak i umožňující AI infrastrukturu. Jak uvažujete o rovnováze mezi investicemi do aplikační vrstvy a infrastruktury potřebné k jejímu napájení a kde podle vás dnes leží větší příležitost pro výnosy v rozsahu venture kapitálu?

Nevidíme příležitost jako výhradně existující v jedné vrstvě stacku. Soustředíme se na to, kde se objevují důležité úzká místa a kde může společnost vybudovat smysluplnou pozici, jak se adopce AI rozšiřuje.

Na straně aplikací nás těší společnosti, které dokážou převést AI na měřitelnou ekonomickou hodnotu tím, že ovládají důležité workflow a přinášejí skutečné výsledky. Na straně infrastruktury nás zajímají firmy řešící omezení, která určují, zda může být AI skutečně nasazena efektivně ve velkém měřítku.

Naše investice do společností jako Infinity a Parasail to odrážejí. Jedna řeší softwarovou výzvu připravit různé AI čipy na běh moderních modelů, zatímco druhá pomáhá vývojářům nasazovat a škálovat AI pracovní zátěže, aniž by museli sami spravovat podkladovou infrastrukturu.

Lepší příležitost není nutně určena tím, zda společnost působí v aplikacích nebo infrastruktuře. Klíčová otázka je, zda společnost řeší důležitý a trvalý problém s potenciálem stát se čím dál hodnotnější, jak se trh s AI vyvíjí.

S obrovským množstvím kapitálu nyní soustředěným kolem relativně malého počtu špičkových AI společností, kde podle vás investoři stále podceňují příležitost a které AI‑nativní kategorie nebo obchodní modely dostávají mnohem méně pozornosti, než si zaslouží?

Jedna oblast, kterou považuji za zvláště zajímavou, je střed trhu.

V současnosti se venture kapitál stal stále více rozděleným. Existuje obrovská poptávka po slibných společnostech v nejranějších fázích, zejména těch s výjimečnými týmy a přesvědčivou technologií. K dispozici je také značný kapitál pro ty největší a nejosvědčenější firmy.

Avšak střed, zejména tradiční fáze Series B a C, se stal mnohem obtížnějším.

AI zkrátilo očekávání. Společnosti nyní mohou přejít z nuly na smysluplné příjmy rychleji než kdy předtím, což výrazně zvýšilo laťku, jakmile podnik začne generovat příjmy. Růst, který by před několika lety byl považován za výjimečný, už v dnešním trhu nemusí vynikat.

To vytváří jak riziko, tak příležitost.

Některé společnosti jsou tlačeny k optimalizaci podle toho, co trh s fundraisingem v daném okamžiku požaduje: 5‑násobný růst, 10‑násobný růst, určitý milník v příjmech, a to bez ohledu na to, zda tato trajektorie vytváří udržitelný podnik. Trh se může během šesti až devíti měsíců dramaticky změnit, takže zakladatelé musí být opatrní, aby nebudovali výhradně pro očekávání dalšího kola financování.

Pro investory si myslím, že existuje skutečná příležitost v identifikaci společností, které mají silné základní fundamenty, ale nehodí se přesně do extrémů dnešního trhu. Výzvou je být dostatečně disciplinovaný, aby se odlišil udržitelný růst od společnosti, která je jen posunuta dopředu současným cyklem financování AI.

Děkujeme za skvělý rozhovor, čtenáři, kteří se chtějí o této VC firmě dozvědět více, by měli navštívit Touring Capital.