Nick Davidov, DVC:n perustaja ja toimitusjohtaja – Haastattelusarja

Nick Davidov, DVC:n perustaja ja toimitusjohtaja, on investoinut yli 140 alkuvaiheen AI-startupiin, mukaan lukien Perplexity AI, Etched ja Mira Murati:n Thinking Machines Lab.

DVC on sanfranciskolainen venture capital -yhtiö, joka keskittyy alkuvaiheen tekoälystartuppien rahoittamiseen ja rakentaa yhteisölähtöistä ekosysteemiä tekoälyinnovaatioiden ympärille. Yhtiön perustivat Marina ja Nick Davidov, ja se yhdistää aktiivisen perustajien, insinöörien ja tutkijoiden verkoston omistamiin tekoälyohjattuihin työnkulkuihin, joiden avulla yhtiö tukee yrityksiä siemensijoituksesta sarjan A/B -kasvuvaiheisiin, investoimalla 100 000–300 000 dollaria varhaisimmassa vaiheessa ja 1–3 miljoonaa dollaria seuraavissa kierroksissa. Yhtiön malli korostaa käytännön tukea, syvää yhteisöllistä sitoutumista ja tekoälytyökalujen hyödyntämistä kokeneiden rajoitettujen yhtiöiden kanssa etsimään kauppoja, suorittamaan due diligence -tutkimuksia ja auttamaan portfolion perustajia kasvamaan — kaiken tämän tavoitteena on luoda merkityksellistä vaikutusta tekoälystartuppimaisemaan.

DVC on tullut tunnetuksi siitä, että se on miettinyt venture capital -toimintaa alusta alkaen uudelleen. Mitkä kokemukset tai pettyneisyydet perinteisessä VC:ssä innoittivat sinua luomaan mallin, joka toimii kokonaan tekoälyagenttien ja yhteisöllisen älymystön varassa?

Ensisijaisesti ongelmat venture capital -liiketoiminnan skaalautumisessa. Tällä hetkellä ainoa tapa kasvattaa liiketoimintaa on lisäämällä hallinnoitavien varojen määrää. Jossain vaiheessa motivaatiosi muuttuu — et enää ole motivoitunut arvoista, vaan hallintopalkkioista. Ja sitten aloitetaan priorisointi jakamisen sijaan tuotolla, mikä ei ole terveellistä. Niinpä yritämme löytää vaihtoehtoisen tavan skaalata sijoitusyhtiötä vaakasuoraan, ei pystysuoraan. Ja myös, yritämme demokratisoida pääsyä VC:hen ja tuoda monimuotoisuutta tällä tavoin.

​Olet sanonut, että DVC “erotti analyytikot ja palkkasi LP:t”. Voitko kertoa, miten tämä järjestelmä toimii käytännössä — miten LP:t osallistuvat etsintään ja due diligenceen, ja mitkä työkalut mahdollistavat heidän osallistumisensa?

Aloitan anekdoottisella tarinalla. Kun uudet LP:t liittyvät meihin, pyydämme heitä täyttämään kyselylomakkeen, jossa on muun muassa seuraava kysymys: “Oletko valmis auttamaan aktiivisesti startup-yrityksiä?” Yksi LP — testi-insinööri — oli utelias nähdäkseen, mitä kysymyksiä kyselylomake esittäisi, jos hän valitsisi “Ei”, mutta mitään ei tapahtunut. Hän oli noin sadas hakija, joka sai meidät löytämään, että myönteinen vastaus oli asetettu pakolliseksi tässä kysymyksessä — kukaan ei voinut vastata “Ei”. Hämmästyttävästi sata hakijaa ennen häntä oli napsauttanut “Kyllä” ja ei ollut huomannut mitään.

Rakensimme sisäisen “sosiaalisen tikapuiden” järjestelmän LP:ille. DVC:ssä jokainen LP voi saada Deal Advisor -arvonimen ja kasvaa Super Advisoriksi, jos hän aktiivisesti tukee portfolion yrityksiä palkkaamalla, myymällä, tuotteiden ja yhteyksien kautta — ja saa vastineeksi osan kannattavasta kiinnostuksesta. Ja jos LP tuo meille kaupan, hänestä tulee Deal Captain. Teimme siitä erittäin helppoa heidän osallistua jokaisessa vaiheessa, ja automatisoimme useimmat prosessit.

Miten DVC:n omistamat tekoälyagentit automatisoivat venture capital -toiminnan ydinprosesseja, kuten etsintää, due diligenceä ja portfolion seurantaa? Voitko kuvata yhden tai kaksi prosessia, jotka ovat kokeneet suurimman muutoksen?

DVC:ssä tekoäly on venture-yhtiön toiminnan uudelleenmiettimisen selkäranka. Se auttaa meitä kääntämään perinteisen due diligence -prosessin päälaelleen. Sen sijaan, että otamme yhteyttä perustajiin ensin, tekoälyagenttimme rakentavat kattavan deal-muistion ja suorittavat suurimman osan esitutkimuksista ennen aloitusta. Tämä on mahdollista, koska suurin osa tarvittavista tietoja (kuten yritysten esittelyt, markkinatiedot, kilpailijoiden analyysi ja arvostusperiaatteet) on saatavilla ennen puhelua, joten perustajien ja sijoittajien aikaa ei tarvitse haaskata. Se, mitä aiemmin vei kalliin analyytikon koko päivän, voidaan nyt tehdä muutamassa minuutissa alle 30 sentin kustannuksella.

Kun startup-yrityksen esittely tulee järjestelmään — yleensä LP-esittelyn kautta — tekoäly parsi materiaalit, täydentää niitä ulkoisilla lähteillä, lajittelee tiedot ja spittaa deal-muistion. Näin voimme keskittyä siihen, mikä on vaikeaa automatisoida — perustajan motivaatio, pehmeät taidot, kulttuuri ja tiimidynamiikka.

​Mitkä ovat epätyypillisimmät tai yllättävimmät “signaalit”, joita teidän tekoäly jäljittelee arvioitaessaan alkuvaiheen startup-yrityksiä? Miten nämä eroavat siitä, mitä ihmisanalyytikot perinteisesti etsivät?

Niistä epätyypillisistä ja ihmisanalyytikoille vaikeasti huomattavissa olevista signaaleista mainitsisin äskettäin tehtyjä avainhenkilöiden irtisanoutumisia startup-yrityksistä. Kaiken kaikkiaan järjestelmämme seuraa noin 120 signaalia. Osa niistä auttaa meitä ymmärtämään startup-yritysten vetovoimaa. Toisen ryhmän signaaleja koskee startup-yritysten tiimiä. Kolmas kategoria keskittyy potentiaaliseen sijoittajakilpailuun. Tavoitteena on ennustaa, kuinka nopeasti perustaja voi kerätä rahoituskierroksen, koska perustajan verkosto on merkittävä tekijä.

​Kuinka te koordinoitte tätä yhteisöä ja varmistatte laadukkaan syötteen sijaan melun?

Kun LP:itä oli vain muutama kymmenen, niiden hallitseminen manuaalisesti oli mahdollista. Mutta kun heidän määränsä kasvoi, oikean asiantuntijan ja oikean startup-yrityksen yhdistäminen oikeaan aikaan muodostui pullonkaulaksi. Niinpä kehittimme tekoälyagentteja, jotka toimivat “superliittymänä”, muistaen kaikki LP:iden asiantuntemuksesta ja verkostoista ja ehdottaen merkityksellisiä esittelyjä portfolion yrityksille. Tämä tekee yhteisöllisestä puolesta erittäin skaalautuvaksi.

Ja varmistamaan laadukkuuden, olemme aina yhteydessä perustajiin saadaksemme heidän palautteensa. Meille ei ole riittävää esimerkiksi vain esittää mahdollista yritystä; meidän on varmistettava, että se tosiaan toimii. Ajan myötä olemme keränneet tarpeeksi tietoja, jotta voimme nähdä, mikä on todella tehokasta.

Sijoitusyhtiön teesi korostaa tekoälyn ydininfrastruktuuria ja pystysuoraan keskittyneitä mallistakkeja. Mitkä tekoälyn osa-alueet ovat sinun mielestäsi eniten aliarvostettuja tällä hetkellä — ja miksi?

Ei ole aliarvostettuja osa-alueita, vaan kehittämättömiä — ja kehittämättömät osa-alueet ovat usein halvempia. Terveydenhuolto, teolliset sovellukset, robotiikka ja rakentaminen ovat jäljessä. On paljon sovelluksia, mutta niiden omaksuminen on huonoa.

​DVC on jo investoinut yrityksiin kuten Perplexity AI ja Etched. Miten teidän tekoälyjärjestelmä auttaa teitä tunnistamaan nämä läpimurtoyhtiöt ennen kuin ne tulevat suuren yleisön tietoisuuteen?

Useimmat meidän sijoittajistamme ovat perustajia ja insinöörejä, jotka ovat ensisijaisesti varhaisia käyttäjiä ja omaksujia tekoälytekniikoita. Ja kun heistä tulee riippuvaisia jostakin, he tuovat sen yhteisöömme. Meidän tekoälypinon tehtävä on valmistella. Kuin kumppaneina, meidän tehtävämme on kuunnella intuitionamme. Tämä on tismalli, miten päädyimme investoimaan Perplexityyn.

Miten tekoäly muuttaa venture capital -maisemaa, ja mitkä sijoittajan intuitio, arvio tai inhimillinen yhteys eivät voi koskaan korvata algoritmeilla?

Tekoälyagentit suoriutuvat jo paremmin kuin me deal-muistioista, tutkimuksesta ja valmistelutöistä. Mitä ne eivät voi korvata, on inhimillinen yhteys perustajan ja sijoittajan välillä. Tämä suhde kestää usein pidempään kuin keskimääräinen avioliitto. Perustajan polku on monimutkainen, yksinäinen ajoittain ja korkeapaineinen. Inhimillisen kumppanin on oltava tärkeä — se on sitä, mihin sijoittaja on oikeasti. Ja mikään algoritmi ei voi korvata tätä.

​Miten te tasapainotatte automaation hyödyt ja tarpeen avoimuuden ja luottamuksen perustajien ja LP:iden kesken?

Itse asiassa on päinvastoin — automaatio tarjoaa avoimuuden, joka puolestaan luo luottamusta. Automaation avulla voimme selkeästi nähdä, mitkä syötteet on käytetty ja miten päätökset on tehty. Se tekee päätöksentekoprosessista mahdollisimman avoimen ja analysoitavan.

​Miten näet tulevaisuuden, jossa useimmat venture-yhtiöt toimivat ilman analyytikoita — ja mitä se merkitsee seuraavalle sukupolvelle VC:hen tuleville?

Perinteinen analyytikon rooli on luonnostaan tehokas. Itse rakenne — analyytikon keräämä ja analysoimä data — on altis ihmisen virheille sekä datan keräämisessä että analyysissä. Tekoälyn käyttäminen tekee prosessista vain tehokkaamman, joten vanha rooli muuttuu tarpeettomaksi. Mutta uusia rooleja syntyy. Kun siis “erottimme” kaikki analyytikkomme, palkkasimme tuotteiden ja insinöörien hoitamaan nämä tehtävät, eikä inhimillinen arvio kato — se siirtyy vain toisiin tehtäviin. Rooli siirtyy siihen, missä se tuottaa eniten arvoa.

Kiitos haastattelusta, lukijat, jotka ovat kiinnostuneita oppimaan enemmän tästä VC:stä, kannattaa vierailla DVC:ssa.