Thomas Cuvelier, Partner, US & Europe, RTP Global – Rozhovorová série

Thomas Cuvelier, Partner, US & Europe, RTP Global je newyorský investor, který se zaměřuje na podporu zakladatelů po celých Spojených státech a Evropě, kteří budují kategorie-definující společnosti. Je zvláště přitahován k podnikatelům, kteří jsou poháněni prvními zkušenostmi s řešením skutečných problémů, spíše než těmi, kteří se pouze snaží založit podnik. S pozadím v počítačových vědách a statistice investuje do technicky silných týmů od Pre-Seed až po Series A, obvykle nasazuje 1 milion až 10 milionů dolarů. Jeho investiční zkušenosti sahají napříč celým životním cyklem společnosti, od rané fáze venture až po růst a pozdní fázi odkupů, formované časem stráveným v hlavních globálních tech centrech, včetně San Francisca, New Yorku, Londýna, Berlína a Paříže, a přináší silný přesatlantický pohled na technologii, talent a trhy. Mluví také plynně francouzsky, mandarínsky a japonsky.

RTP Global je globální early-stage venture capital firma, která investuje do technologicky orientovaných společností napříč Severní Amerikou, Evropou a Asií. Založena v roce 2000, firma se zaměřuje na podporu ambiciózních zakladatelů ve fázi Seed a Series A, s historií, která zahrnuje společnosti jako Datadog (DDOG ), Delivery Hero a Cred. RTP Global operuje s dlouhodobou investiční filozofií, často podporuje společnosti po mnoho let, a reinvestuje kapitál z minulých úspěchů do nových podniků. Jejich globální přítomnost a síť umožňují zakladatelům mezinárodní růst, zatímco jejich sektorový focus zahrnuje oblasti jako AI, fintech, SaaS a data infrastruktura.

Máte zkušenosti s podporou širokého spektra AI-nativních startupů, včetně workflow orchestrace platforem jako Kestra, robotických datových platforem jako Mecka AI a vertikálních SaaS společností jako Archy a DualEntry. Z vašich zkušeností s investicemi napříč těmito různými sektory, jaké vzorce vidíte v typech AI startupů, které získávají skutečný tah dnes?

Zajímavý vzorec lze vidět v profilu zakladatelů za úspěšnými AI startupy. Vidím stále více podnikatelů, kteří jsou motivováni a budují AI-nativní řešení pro bolestivé body, se kterými se setkali osobně v legacy průmyslech (může to být ERP systémy nebo neohrabaný software v odvětvích, jako je zdravotnictví). Existuje samostatná skupina zakladatelů, kteří objevili příležitost narušit legacy aspekt globálního podnikání a budují kolem něj. Trendem je, že generace AI-nativních zakladatelů se sjednocuje.

Je také důležité poznamenat, že tah je generován napříč širokým krajem. Těžké průmysly, které byly dříve “neporazitelné” pro narušení ze strany startupů, jako je robotika a vládní služby, mohou nyní být narušeny a jsou životaschopné pro VC investice.

Poslední spuštění od velkých modelových poskytovatelů, jako je Anthropic, vyvolalo debatu o tom, zda vertikální AI startupy stále mají defenzivní příkopy. Jak vidíte vztah mezi základními modely a aplikací-vrstevnými společnostmi?

Spuštění Anthropic představuje hrozbu pro startup ekosystém, ale musíme být přesní. Společnosti, které nabízejí SaaS pro SMB a neregulované odvětví, jsou zranitelné. Nemají příkop, který by společnostem s základními modely nemohly prolomit s efektivní povrchovou nástrojovou technikou.

Ale přitažlivost povrchové nástrojové techniky sahá pouze tak daleko. Komplexní pracovní postupy v regulovaných odvětvích jsou nejlépe obsluhovány AI aplikacemi s hlubokou integrací s odvětví-specifickými nástroji, které byly navrženy týmy s hlubokou znalostí svého odvětví. Vertikální AI startupy za těmito aplikacemi mají defenzivní příkopy a mohou přežít bouři.

Navrhli jste, že některé Series B a C AI startupy mohou nyní čelit strukturálním výzvám kvůli rychlým pokrokům v základních modelech. Jaké architektonické chyby udělaly tyto společnosti a jaké lekce by měly mladší startupy vzít z toho?

Problém, se kterým se mnoho AI startupů ve fázi Series B a C potýká, je, že jejich produkty jsou v jádru dashboardy pro rozhraní s LLM, které mají pouze několik základních integrací. Tyto společnosti udělaly rychlý tah s adoptací hobbyistů a podniků v posledních letech a získaly velké částky. Ale pokud se posuneme dopředu do dneška, jsou hráči s základními modely dobře umístěni, aby zpochybnili jejich obchodní model.

Pro nové zakladatele je lekce, aby se nevydávali přílišné útěše z jakéhokoli vnímaného technologického příkopu nebo historického zákaznického uzamčení. AI-asistovaná softwarová vývoj a podnikový růst činí dnešní průlom zranitelným na to, aby se stal zítřejší komoditou. Budování příkopů kolem rysů, které jsou stále těžké replikovat – hloubka integrace, hloubka odvětví-specifické odbornosti a prosperující uživatelské komunity – je lepší hrou.

Když vyhodnocujete AI startupy dnes, co vlastně tvoří defenzivitu? Je to proprietární data, workflow integrace, regulatorní komplexita, distribuce nebo něco úplně jiného?

Rád bych řekl, že ano, všechny tyto jsou důležité. Nemohu dostatečně zdůraznit požadovanou hloubku integrace. Mluvíme o integraci s více než 100 odvětví-specifickými nástroji a aplikacemi, aby byl dosažen level hloubky, který je těžké nahradit.

Jako jsem již zmínil, myslím, že základních modelů push do vertikálních odvětví může sahát pouze tak daleko. Regulovaná odvětví a jejich kritické pracovní postupy jsou příliš komplexní pro základních modely a zde leží nejlepší mezera pro AI startupy, aby zaplnily a vybudovaly defenzivní podniky.

Další než to, co jste uvedli, bych také přidal, že udržení uživatele a budování komunity zůstávají důležitými stavebními kameny defenzivity. Skutečná uživatelská loajalita, protože produkt je skvělý a příjemný na použití, je těžké vybudovat, ale také těžké narušit.

Mnozí investoři nyní říkají, že technologický příkop v AI se zmenšuje. Souhlasíte a pokud ano, jaké nové formy konkurenční výhody se objevují?

Je fakt, že technologický příkop se zmenšuje. Pokud váš produkt může být postaven přes víkend, pak nemáte technologický příkop – a umění možného z víkendu s AI se stále zlepšuje.

V světě, kde je software snadno nahraditelný, zákaznická loajalita posílená úžasnou uživatelskou zkušeností se stává kritickou.

Z pohledu venture kapitálu, jaké kvality hledáte u zakladatelů budujících AI společnosti dnes? Jsou zde specifické rysy, zkušenosti nebo způsoby myšlení, které vynikají, když se rozhodnete podpořit zakladatele?

Osobně je #1 rys absolutní jasnost ohledně koncových zákazníků. Když zakladatelé znají klienty jako své vlastní ruce a jak jejich produkt zapadá do reality zákazníka, pak ostatní důležité prvky pro budování úspěšných AI společností – jako je vedení hlubokou sektorovou odborností – spadají do place.

Další důležité kvality jsou produktově orientovaný zakladatelský persona a silné osobní sítě, které zahrnují podnikové rozhodčí, kteří by mohli být zákazníky v budoucnu.

Investovali jste do společností operujících v regulovaných sektorech, jako je pojištění, zdravotnictví a finanční služby. Proč si myslíte, že regulovaná odvětví mohou nabízet silnější dlouhodobé příležitosti pro AI startupy?

Odvětví, jako je zdravotnictví, farmaceutika, finanční služby, pojištění a veřejný sektor, jsou zralá na narušení AI startupy, které jsou postaveny od základu s ohledem na potřeby a pracovní postupy každého odvětví. Dopad LLM a agentic AI je tak revoluční, že nebude pouze “projít” odvětvími, která historicky byla pomalá v přijetí technologií.

Tato odvětví jsou tak lákavá pro startupy, protože jsou stále dominována legacy softwarovými společnostmi, které nemohou snadno otočit své produkty pro AI. A, jako jsem již zmínil, nejsou vhodné pro narušení ze strany základních modelů.

Byla zde rostoucí diskuse o potenciální vlně fúzí a akvizic mezi mid-stage AI společnostmi. Jaké signály vidíte, které naznačují, že konsolidace by mohla zrychlit v příštích pár letech?

Nejbližší signál je komprese valuací setkávající se s tlakem hotovosti současně. Mnohé mid-stage AI společnosti získaly v roce 2021-2023 na vrcholu násobků a nyní čelí down-round území, pokud se vrátí na trh, což činí strategickou akvizici najednou chutnější než hanbu re-ceny. Na straně akvizitora, hyperscalers a velké platformové společnosti strávily poslední dva roky integrací AI schopností a nyní si uvědomují, že budování všeho v domě je pomalejší než nákup diferencované distribuce nebo proprietárních datových aktiv.

Druhý signál je talent a datový příkop dynamika: jakmile se urychluje komoditizace základních modelů, defenzivní hodnota se stále více nachází v proprietárních tréninkových datech a go-to-market, spíše než v modelové architektuře samotné, což je přesně to, co acqui-hire a strategické roll-upy zachycují efektivně.

Nakonec je regulační prostředí tiše se stává více permissive; současná americká administrativa signifikovala lehčí antitrust postoje, což odstraňuje bariéry pro large-cap strategie, které byly dříve opatrné ohledně prodeje zkoumání. Dejte to dohromady a máte motivované prodejce, motivované kupce a jasnou regulační dráhu: tato kombinace historicky předchází vlně fúzí a akvizic.

AI startupy mohou dosáhnout rané trakce rychle, někdy dosahují svého prvního milionu v příjmu rychleji než předchozí generace SaaS společností. Ale škálování za tento bod se zdá být tam, kde mnoho zápasí. Co odděluje společnosti, které prolomí, od těch, které uvíznou?

Rozdělující linie mezi AI zakladateli, kteří dosahují příjmových stropů, a zakladateli, kteří opakovaně prolomí milníky, je go-to-market rychlost. Expedice funkcí a produktů vedených uživatelskou komunitou zpětnou vazbou. Nemyšlení dvakrát o globálním růstu. Právní prodejní nábor. Bezpečné distribuční kanály. Tyto jsou kritické zásady go-to-market rychlosti, které AI startupy odlišují od balíku.

Pohledem na tři až pět let, jaké typy AI startupů jsou vám nejvíce zajímavé podpořit právě teď, a které kategorie se již stávají zahlcenými nebo zranitelnými?

Cítím se nadšený o možnostech AI narušit zdravotnictví a farmaceutiku (plná komplexních a vysoce regulovaných pracovních postupů, které lze narušit), průmyslové (kde technologická disrupce obecně ještě má míle, aby uběhla) a finanční (zvláště compliance a účetnictví/ERP).

Trh pro high-level, SMB-orientované AI produkty je nasycen a oblast startupové zranitelnosti. Je to stejný případ pro jakýkoli AI startup s produktem, který lze snadno replikovat. Technologické příkopy nejsou již spolehlivé.