Θωμάς Cuvelier, Εταίρος, ΗΠΑ & Ευρώπη, RTP Global – Σειρά Συνεντεύξεων

Θωμάς Cuvelier, Εταίρος, ΗΠΑ & Ευρώπη, RTP Global είναι ένας επενδυτής με έδρα τη Νέα Υόρκη, που επενδύει σε ιδρυτές σε Ηνωμένες Πολιτείες και Ευρώπη, οι οποίοιสร้างουν εταιρείες που ορίζουν κατηγορίες. Έχει μια προτίμηση για επιχειρηματίες που οδηγούνται από προσωπική εμπειρία και λύνουν πραγματικά προβλήματα, παρά από εκείνους που ξεκινούν απλώς μια επιχείρηση. Με 背景 σε Επιστήμη Υπολογιστών και Στατιστική, επενδύει σε τεχνικά ισχυρά ομάδες από το Pre-Seed έως το Series A, συνήθως αναθέτοντας 1 εκατομμύριο έως 10 εκατομμύρια δολάρια. Η εμπειρία του σε επενδύσεις καλύπτει ολόκληρο τον κύκλο ζωής της εταιρείας, από την πρώιμη επενδυτική φάση έως την ανάπτυξη και τις τελευταίες αγοραπωλησίες, διαμορφωμένη από τον χρόνο που πέρασε σε μεγάλους παγκόσμιους τεχνολογικούς κόμβους, συμπεριλαμβανομένων των Σαν Φρανσίσκο, Νέας Υόρκης, Λονδίνου, Βερολίνου και Παρισιού, και φέρει μια ισχυρή δια-ατλαντική προοπτική για την τεχνολογία, το ταλέντο και τις αγορές. Μιλά επίσης άπταιστα γαλλικά, μανδαρινικά και ιαπωνικά.

RTP Global είναι μια παγκόσμια εταιρεία επενδύσεων σε πρώιμο στάδιο, που επενδύει σε εταιρείες που οδηγούνται από την τεχνολογία σε Βόρεια Αμερική, Ευρώπη και Ασία. Ιδρυθείσα το 2000, η εταιρεία επικεντρώνεται στην υποστήριξη φιλόδοξων ιδρυτών στο στάδιο Seed και Series A, με ένα ιστορικό που περιλαμβάνει εταιρείες όπως οι Datadog (DDOG ), Delivery Hero και Cred. Η RTP Global λειτουργεί με μια μακροχρόνια φιλοσοφία επενδύσεων, συχνά υποστηρίζοντας εταιρείες για πολλά χρόνια, και επαναεπενδύει κεφάλαια από προηγούμενες επιτυχίες σε νέες επιχειρήσεις. Η παγκόσμια παρουσία και το δίκτυό της επιτρέπουν στους ιδρυτές να αναπτύσσονται διεθνώς, ενώ ο τομέας εστίασης της εταιρείας περιλαμβάνει περιοχές όπως η τεχνητή νοημοσύνη, οι финтех, οι λύσεις SaaS και η υποδομή δεδομένων.

Έχετε υποστηρίξει eine ευρεία γκάμα εταιρειών που έχουν γεννηθεί με την τεχνητή νοημοσύνη, συμπεριλαμβανομένων πλατφορμών ορχηστρικής ροής εργασιών όπως η Kestra, πλατφορμών δεδομένων ρομποτικής όπως η Mecka AI, και εταιρειών SaaS καταертиών όπως η Archy και η DualEntry. Από την εμπειρία σας στην επένδυση σε διαφορετικούς τομείς, ποια μοτίβα βλέπετε στις εταιρείες τεχνητής νοημοσύνης που κερδίζουν πραγματική έλξη σήμερα;

Ένα ενδιαφέρον μοτίβο μπορεί να παρατηρηθεί στο προφίλ των ιδρυτών πίσω από επιτυχημένες εταιρείες τεχνητής νοημοσύνης. Βλέπω ολοένα και περισσότερους επιχειρηματίες που мотιβώνονται από και οικοδομούν λύσεις που γεννιούνται από την τεχνητή νοημοσύνη για να αντιμετωπίσουν προβλήματα που έχουν συναντήσει προσωπικά σε παραδοσιακές βιομηχανίες (μπορεί να είναι συστήματα ERP ή άβολη λογισμικό σε τομείς όπως η υγεία). Υπάρχει μια ξεχωριστή ομάδα ιδρυτών που έχουν εντοπίσει μια ευκαιρία να ανατρεψουν μια παραδοσιακή πτυχή ενός παγκόσμιου επιχειρηματικού και οικοδομούν γύρω από αυτό. Η τάση είναι ότι η γενιά των ιδρυτών που γεννιούνται με την τεχνητή νοημοσύνη έρχεται μαζί.

Αξίζει επίσης να σημειωθεί ότι η έλξη παράγεται σε ένα ευρύ τοπίο. Βαρείς βιομηχανίες που ήταν κάποτε «απρόσβλητες» στην ανατροπή από startups, όπως η ρομποτική και οι κυβερνητικές υπηρεσίες, μπορούν τώρα να ανατραπούν και είναι εφικτές για επενδύσεις από κεφάλαια.

Πρόσφατες εκκινήσεις από großen providers μοντέλων όπως η Anthropic έχουν προκαλέσει συζήτηση σχετικά με το αν οι καταертиές τεχνητής νοημοσύνης εξακολουθούν να έχουν αμυντικά τείχη. Πώς βλέπετε την εξέλιξη της σχέσης μεταξύ θεμελιωδών μοντέλων και εταιρειών εφαρμογής;

Οι εκκινήσεις της Anthropic θέτουν μια απειλή για το οικοσύστημα startups, αλλά πρέπει να είμαστε ακριβείς. Οι εταιρείες που προσφέρουν λύσεις SaaS σε μικρομεσαίες επιχειρήσεις και μη ρυθμιζόμενους τομείς είναι ευάλωτες. Δεν έχουν ένα αμυντικό τείχος που οι εταιρείες θεμελιωδών μοντέλων δεν μπορούν να διασπάσουν με αποτελεσματικά εργαλεία επιφάνειας.

Αλλά η έλξη των εργαλείων επιφάνειας φθάνει μόνο μέχρι ένα σημείο. Συμπλέγματα εργασιών σε ρυθμιζόμενους τομείς είναι καλύτερα εξυπηρετούμενα από εφαρμογές τεχνητής νοημοσύνης με βαθιά ολοκλήρωση με εργαλεία ειδικά για τον τομέα, που έχουν σχεδιαστεί από ομάδες με βαθιά γνώση του τομέα. Οι καταертиές τεχνητής νοημοσύνης πίσω από τέτοιες εφαρμογές έχουν αμυντικά τείχη και μπορούν να αντέξουν την καταιγίδα.

Έχετε υποστηρίξει ότι ορισμένες εταιρείες Series B και C της τεχνητής νοημοσύνης μπορεί να αντιμετωπίσουν δομικές προκλήσεις λόγω των ταχύτατων προόδων στα θεμελιώδη μοντέλα. Ποια αρχιτεκτονικά λάθη έκαναν αυτές οι εταιρείες και ποια μαθήματα πρέπει να πάρουν οι νεότερες εταιρείες από αυτό;

Το πρόβλημα που αντιμετωπίζουν πολλές εταιρείες τεχνητής νοημοσύνης στο στάδιο Series B και C είναι ότι τα προϊόντα τους είναι, στην καρδιά τους, πίνακες ελέγχου για διεπαφή με LLMs που έχουν μόνο quelques υποκείμενες ολοκληρώσεις. Αυτές οι εταιρείες έκαναν γρήγορη πρόοδο με την υιοθέτηση από ερασιτέχνες και επιχειρήσεις τα τελευταία χρόνια και ανέβηκαν σε μεγάλα ποσά. Αλλά, προωθώντας στο σήμερα, οι εταιρείες θεμελιωδών μοντέλων είναι καλά τοποθετημένες να προκαλέσουν το μοντέλο kinh doanh τους.

Για τους νέους ιδρυτές, το μάθημα είναι να αποφύγουν να πάρουν πολύ άνεση από οποιοδήποτε αντιληπτό τεχνολογικό τείχος ή ιστορική κλειδώματος πελατών. Η τεχνητή νοημοσύνη-βοηθούμενη ανάπτυξη λογισμικού και επιχειρηματική κλιμάκωση κάνει την σημερινή επέκταση ευάλωτη να γίνει αύριο μια προσφερόμενη υπηρεσία. Η οικοδόμηση τειχών γύρω από χαρακτηριστικά που είναι ακόμη δύσκολο να αναπαραχθούν – βάθος ολοκλήρωσης, βάθος ειδικής γνώσης του τομέα και ευημερούσες κοινότητες χρηστών – είναι ένα καλύτερο παιχνίδι.

Όταν αξιολογείτε εταιρείες τεχνητής νοημοσύνης σήμερα, τι συνιστά πραγματικά αμυντικότητα; Είναι η ιδιοκτησιακή δεδομένα, η ολοκλήρωση ροής εργασιών, η ρυθμιστική сложность, η διανομή, ή κάτι άλλο;

Θα έλεγα, ναι, όλα αυτά είναι σημαντικά. Δεν μπορώ να τονίσω αρκετά το απαιτούμενο βάθος ολοκλήρωσης, ωστόσο. Μιλάμε για ολοκλήρωση με 100 και πάνω εργαλεία και εφαρμογές ειδικά για τον τομέα, για να είναι ένα επίπεδο βάθους που είναι δύσκολο να αντικατασταθεί.

Όπως αναφέρθηκε παραπάνω, πιστεύω ότι οι πωλήσεις θεμελιωδών μοντέλων σε καταертиές βιομηχανιών μπορούν να φθάσουν μόνο μέχρι ένα σημείο. Ρυθμιζόμενες βιομηχανίες και οι κρίσιμες ροές εργασιών τους είναι πολύ σύνθετες για θεμελιώδη μοντέλα, και εδώ βρίσκεται η καλύτερη ευκαιρία για εταιρείες τεχνητής νοημοσύνης να γεμίσουν και να οικοδομήσουν αμυντικά επιχειρήσεις.

Άλλα από αυτά που αναφέρονται παραπάνω, θα πρόσθετα ότι η κράτηση χρηστών και η οικοδόμηση κοινότητας παραμένουν σημαντικά δομικά στοιχεία της αμυντικότητας. Αληθινή πίστη χρηστών επειδή ένα προϊόν είναι εξαιρετικό και είναι μια χαρά να το χρησιμοποιήσετε, είναι δύσκολο να οικοδομηθεί αλλά και δύσκολο να ανατραπεί.

Πολλοί επενδυτές λένε τώρα ότι το τεχνολογικό τείχος στην τεχνητή νοημοσύνη μειώνεται. Συμφωνείτε, και αν ναι, ποια νέα μορφή ανταγωνιστικού πλεονεκτήματος εμφανίζονται;

Είναι ένα γεγονός ότι το τεχνολογικό τείχος μειώνεται. Αν το προϊόν σας μπορεί να κατασκευαστεί σε ένα σαββατοκύριακο, τότε δεν έχετε τεχνολογικό τείχος – και η τέχνη του δυνατού από ένα σαββατοκύριακο με την τεχνητή νοημοσύνη συνεχίζει να γίνεται πιο sophistici.

Σε ένα κόσμο όπου το λογισμικό είναι εύκολο να αντικατασταθεί, η πίστη του πελάτη που ενισχύεται από μια εξαιρετική εμπειρία χρήστη γίνεται κρίσιμη.

Από την πλευρά του κεφαλαίου, ποια χαρακτηριστικά ψάχνετε στους ιδρυτές που οικοδομούν εταιρείες τεχνητής νοημοσύνης σήμερα; Υπάρχουν συγκεκριμένα χαρακτηριστικά, εμπειρίες, ή τρόποι σκέψης που ξεχωρίζουν όταν αποφασίζετε να υποστηρίξετε έναν ιδρυτή;

Προσωπικά, το #1 χαρακτηριστικό είναι η απόλυτη σαφήνεια σχετικά με τους τελικούς πελάτες. Όταν οι ιδρυτές γνωρίζουν τους πελάτες σαν την πίσω πλευρά του χεριού τους, και πώς το προϊόν τους ταιριάζει στην πραγματικότητα του πελάτη, τότε άλλα σημαντικά στοιχεία για την οικοδόμηση επιτυχημένων εταιρειών τεχνητής νοημοσύνης – όπως η καθοδήγηση από βαθιά γνώση του τομέα – πέφτουν στη θέση τους.

Άλλα σημαντικά χαρακτηριστικά είναι η προσωποποίηση του ιδρυτή που επικεντρώνεται στο προϊόν και ισχυρά προσωπικά δίκτυα που περιλαμβάνουν λήπτες αποφάσεων που θα μπορούσαν να γίνουν πελάτες στο μέλλον.

Έχετε επενδύσει σε εταιρείες που λειτουργούν σε ρυθμιζόμενους τομείς, όπως τα ασφαλιστικά, η υγεία και οι χρηματοοικονομικές υπηρεσίες. Γιατί πιστεύετε ότι οι ρυθμιζόμενες βιομηχανίες μπορεί να προσφέρουν ισχυρότερες μακροχρόνιες ευκαιρίες για εταιρείες τεχνητής νοημοσύνης;

Βιομηχανίες όπως η υγεία, η φαρμακευτική, οι χρηματοοικονομικές υπηρεσίες, τα ασφαλιστικά και ο δημόσιος τομέας είναι ώριμες για ανατροπή από εταιρείες τεχνητής νοημοσύνης που οικοδομούνται από την αρχή με τις ανάγκες και τις ροές εργασιών του κάθε τομέα. Η επίδραση των LLMs και της agentic AI είναι τόσο επαναστατική που δεν θα «περάσει» από βιομηχανίες που ιστορικά ήταν αργές στην υιοθέτηση της τεχνολογίας.

Αυτές οι βιομηχανίες είναι τόσο ελκυστικές για startups επειδή είναι ακόμη κυριαρχούμενες από εταιρείες που δεν μπορούν εύκολα να πάρουν στροφή στα προϊόντα τους για την τεχνητή νοημοσύνη. Και, όπως αναφέρθηκε, είναι λιγότερο κατάλληλες για ανατροπή από θεμελιώδη μοντέλα.

Υπάρχει αυξανόμενη συζήτηση σχετικά με μια πιθανή κυματική κίνηση συγχωνεύσεων και αγορών μεταξύ μεσαίου σταδίου εταιρειών τεχνητής νοημοσύνης. Ποια σήματα βλέπετε που δείχνουν ότι η συνένωση μπορεί να επιταχύνει τα επόμενα δύο χρόνια;

Το πιο σαφές σήμα είναι η συμπίεση αξίας που συναντά την πίεση του μετρητού. Πολλές μεσαίου σταδίου εταιρείες τεχνητής νοημοσύνης ανέβηκαν σε πολλαπλάσια 2021-2023 και αντιμετωπίζουν τώρα την περιοχή των down-rounds αν επιστρέψουν στην αγορά, το οποίο καθιστά μια στρατηγική αγορά πιο απολαυστική από μια εξευτελιστική επανατιμολόγηση. Από την πλευρά του αγοραστή, οι hyperscalers και οι μεγάλες εταιρείες πλατφόρμας έχουν περάσει τα τελευταία δύο χρόνια ολοκληρώνοντας τις ικανότητες της τεχνητής νοημοσύνης και τώρα συνειδητοποιούν ότι η οικοδόμηση mọiTHING στο σπίτι είναι πιο αργή από το να αγοράσει διαφοροποιημένα στοιχεία διανομής ή ιδιοκτησιακά στοιχεία δεδομένων.

Το δεύτερο σήμα είναι η δυναμική ταλέντου και τείχους δεδομένων: καθώς η commoditization των θεμελιωδών μοντέλων επιταχύνεται, η αμυντική αξία αυξάνεται στα ιδιοκτησιακά δεδομένα και στη διανομή, παρά στη δομή του μοντέλου, η οποία είναι ακριβώς αυτό που οι αγοραπωλησίες και οι στρατηγικές συγχωνεύσεις συλλαμβάνουν αποτελεσματικά.

Τέλος, το ρυθμιστικό περιβάλλον γίνεται ήπιο. Η τρέχουσα διοίκηση των ΗΠΑ έχει δείξει μια πιο ήπια στάση αντί της ανταγωνιστικής, η οποία αφαιρεί εμπόδια για μεγάλες στρατηγικές που ήταν προηγουμένως προσεκτικές σχετικά με την εξέταση των συναλλαγών. Βάζοντας τα όλα μαζί, έχετε мотιβωμένους πωλητές, мотιβωμένους αγοραστές και einen καθαρό ρυθμιστικό δρόμο: αυτή η συνδυασμένη Historical προηγουμένως μια κυματική κίνηση συγχωνεύσεων και αγορών.

Οι εταιρείες τεχνητής νοημοσύνης μπορούν να φθάσουν σε πρώιμη έλξη γρήγορα, đôi khi φθάνοντας στο πρώτο εκατομμύριο εσόδων πιο γρήγορα από τις προηγούμενες γενιές εταιρειών SaaS. Αλλά η κλιμάκωση πέρα από αυτό φαίνεται να είναι όπου πολλές εταιρείες δυσκολεύονται. Τι ξεχωρίζει τις εταιρείες που διασπάσουν από αυτές που σταματούν;

Η γραμμή που χωρίζει τους ιδρυτές της τεχνητής νοημοσύνης που φθάνουν σε ορόφους εσόδων και τους ιδρυτές που διασπάσουν συνεχώς τα ορόφους είναι η ταχύτητα της αγοράς. Αποστολή χαρακτηριστικών και προϊόντων που καθοδηγούνται από einen βρόχο ανατροφοδότησης της κοινότητας χρηστών. Δεν σκέφτονται δύο φορές για την παγκόσμια ανάπτυξη. Κάνουν τις σωστές πωλήσεις. Αδιάβροχες κανάλια διανομής. Αυτά είναι κρίσιμα στοιχεία της ταχύτητας της αγοράς που ξεχωρίζουν τις εταιρείες τεχνητής νοημοσύνης από την πλάτη.

Κοιτάζοντας μπροστά τρία έως πέντε χρόνια, ποια είδη εταιρειών τεχνητής νοημοσύνης είστε πιο ενθουσιασμένοι να υποστηρίξετε τώρα, και ποιες κατηγορίες πιστεύετε ότι είναι ήδη γεμάτες ή ευάλωτες;

Νιώθω ενθουσιασμό για τις δυνατότητες της τεχνητής νοημοσύνης να ανατρέπει την υγεία και τη φαρμακευτική (γεμάτη από σύνθετες και ρυθμιζόμενες ροές εργασιών που μπορούν να ανατραπούν), βιομηχανίες (όπου η τεχνολογική ανατροπή γενικά έχει ακόμη μίλια για να τρέξει) και χρηματοοικονομικά (ιδιαίτερα συμμόρφωση και λογιστικό/ERP). Η αγορά για προϊόντα τεχνητής νοημοσύνης υψηλού επιπέδου, με προσανατολισμό στις μικρομεσαίες επιχειρήσεις, είναι κορεσμένη και是一个 τομέας ευαλωτότητας για startups. Είναι η ίδια περίπτωση για οποιαδήποτε εταιρεία τεχνητής νοημοσύνης με ένα προϊόν που μπορεί να αναπαραχθεί εύκολα. Τα τεχνολογικά τείχη δεν είναι πλέον αξιόπιστα.