Thomas Cuvelier, Partner, US & Eropa, RTP Global – Seri Wawancara

Thomas Cuvelier, Partner, US & Eropa, RTP Global adalah seorang investor yang berbasis di New York yang fokus mendukung pendiri perusahaan di Amerika Serikat dan Eropa yang membangun perusahaan yang mendefinisikan kategori. Ia tertarik pada wirausaha yang didorong oleh pengalaman langsung dalam memecahkan masalah dunia nyata, bukan mereka yang hanya ingin memulai bisnis. Dengan latar belakang di Ilmu Komputer dan Statistik, ia berinvestasi pada tim yang kuat secara teknis dari tahap Pra-Benih hingga Seri A, biasanya menggelontorkan $1 juta hingga $10 juta. Pengalaman investasinya mencakup seluruh siklus hidup perusahaan, dari ventura awal hingga pertumbuhan dan akuisisi tahap akhir, yang dibentuk oleh waktu yang dihabiskan di pusat-pusat teknologi global utama termasuk San Francisco, New York, London, Berlin, dan Paris, dan membawa perspektif yang kuat tentang teknologi, bakat, dan pasar. Ia juga fasih berbahasa Perancis, Mandarin, dan Jepang.

RTP Global adalah sebuah firma modal ventura tahap awal global yang berinvestasi pada perusahaan yang didorong oleh teknologi di Amerika Utara, Eropa, dan Asia. Didirikan pada tahun 2000, firma ini fokus pada mendukung pendiri ambisius pada tahap Benih dan Seri A, dengan catatan yang mencakup perusahaan seperti Datadog (DDOG ), Delivery Hero, dan Cred. RTP Global beroperasi dengan filosofi investasi jangka panjang, sering mendukung perusahaan selama bertahun-tahun, dan menginvestasikan kembali modal dari keberhasilan masa lalu ke dalam ventura baru. Kehadiran global dan jaringannya memungkinkan pendiri untuk berkembang secara internasional, sementara fokus sektornya mencakup area seperti AI, fintech, SaaS, dan infrastruktur data.

Anda telah mendukung berbagai startup AI-native, termasuk platform orkestrasi alur kerja seperti Kestra, platform data robotik seperti Mecka AI, dan perusahaan SaaS vertikal seperti Archy dan DualEntry. Dari pengalaman Anda berinvestasi di berbagai sektor ini, apa pola yang Anda lihat dalam jenis startup AI yang mendapatkan traksi nyata hari ini?

Sebuah pola menarik dapat dilihat dalam profil pendiri di balik startup AI yang sukses. Saya semakin melihat wirausaha yang termotivasi oleh, dan membangun, solusi AI-native untuk titik nyeri yang mereka temui secara langsung di industri warisan (bisa jadi sistem ERP atau perangkat lunak yang kuno di industri seperti perawatan kesehatan). Ada kelompok terpisah dari pendiri wirausaha yang telah menemukan kesempatan untuk mengganggu aspek warisan dari bisnis global dan membangun di sekitarnya. Trennya adalah bahwa generasi pendiri AI-native sedang berkumpul.

Ini juga patut disebutkan bahwa traksi sedang dihasilkan di seluruh lanskap. Industri berat yang dulunya ‘tak terkalahkan’ dari gangguan startup, seperti robotika dan layanan pemerintah, sekarang dapat diganggu dan layak untuk investasi ventura.

Peluncuran baru dari penyedia model besar seperti Anthropic telah memicu debat tentang apakah startup AI vertikal masih memiliki parit yang dapat dipertahankan. Bagaimana Anda melihat hubungan antara model dasar dan perusahaan lapisan aplikasi berkembang?

Peluncuran Anthropic memang mengancam ekosistem startup, tetapi kita perlu tepat. Perusahaan yang menawarkan SaaS kepada SMB dan industri yang tidak diatur rentan. Mereka tidak memiliki parit yang perusahaan model dasar tidak bisa tembus dengan tooling permukaan yang efektif.

Namun, daya tarik tooling permukaan hanya mencapai sejauh itu. Alur kerja yang kompleks di industri yang diatur paling baik dilayani oleh aplikasi AI dengan integrasi yang dalam dengan tooling khusus industri yang dirancang oleh tim dengan pengetahuan yang mendalam tentang industri mereka. Startup AI vertikal di balik aplikasi tersebut memang memiliki parit yang dapat dipertahankan dan dapat bertahan dari badai.

Anda telah menyarankan bahwa beberapa startup AI Seri B dan C mungkin sekarang menghadapi tantangan struktural karena kemajuan cepat dalam model dasar. Apa kesalahan arsitektur yang dilakukan perusahaan tersebut, dan apa pelajaran yang harus diambil oleh startup yang lebih muda?

Masalah yang dihadapi banyak startup AI pada tahap Seri B dan C adalah bahwa produk mereka pada intinya adalah dasbor untuk antarmuka dengan LLM yang hanya memiliki beberapa integrasi dasar. Perusahaan tersebut membuat traksi cepat dengan adopsi hobi dan perusahaan selama beberapa tahun terakhir dan mengumpulkan jumlah besar. Namun, maju ke hari ini, dan pemain model dasar berada dalam posisi untuk menantang model bisnis mereka.

Untuk pendiri baru, pelajaran yang dapat diambil adalah untuk menghindari mengambil terlalu banyak kenyamanan dari teknologi parit atau kunci pelanggan sejarah. Pengembangan perangkat lunak yang dibantu AI dan penskalaan bisnis membuat terobosan hari ini rentan menjadi penawaran komoditas besok. Membangun parit di sekitar sifat yang masih sulit untuk direplikasi – kedalaman integrasi, kedalaman keahlian khusus industri, dan komunitas pengguna yang berkembang – adalah langkah yang lebih baik.

Ketika Anda mengevaluasi startup AI hari ini, apa yang sebenarnya merupakan defensibilitas? Apakah itu data proprietary, integrasi alur kerja, kompleksitas regulasi, distribusi, atau sesuatu yang sama sekali berbeda?

Saya akan mengatakan, ya, semua itu penting. Saya tidak bisa menekankan kedalaman integrasi yang diperlukan cukup. Kami berbicara tentang integrasi dengan lebih dari 100 alat dan aplikasi khusus industri untuk menjadi tingkat kedalaman yang sulit untuk digantikan.

Sebagaimana disebutkan di atas, saya pikir bahwa dorongan model dasar ke industri vertikal hanya dapat mencapai sejauh itu. Industri yang diatur dan alur kerja kritis mereka terlalu kompleks untuk model dasar, dan di sinilah terletak celah terbaik untuk startup AI untuk mengisi dan membangun bisnis yang dapat dipertahankan.

Hal lain yang saya tambahkan adalah retensi pengguna dan pembangunan komunitas tetap menjadi blok bangunan defensibilitas yang penting. Kesetiaan pengguna yang tulus karena produk yang hebat dan menyenangkan untuk digunakan sulit untuk dibangun, tetapi juga sulit untuk diganggu.

Banyak investor sekarang mengatakan bahwa parit teknologi di AI menyusut. Apakah Anda setuju, dan jika demikian, apa bentuk keunggulan kompetitif baru yang muncul?

Ini adalah fakta bahwa parit teknologi menyusut. Jika produk Anda dapat dibangun selama akhir pekan, maka Anda tidak memiliki parit teknologi – dan kemungkinan yang mungkin dengan AI selama akhir pekan terus menjadi lebih canggih.

Di dunia di mana perangkat lunak mudah untuk digantikan, kesetiaan pelanggan yang diperkuat oleh pengalaman pengguna yang luar biasa menjadi sangat penting.

Dari perspektif modal ventura, apa kualitas yang Anda cari pada pendiri yang membangun perusahaan AI hari ini? Apakah ada sifat, pengalaman, atau cara berpikir tertentu yang menonjol ketika Anda memutuskan untuk mendukung seorang pendiri?

Secara pribadi, sifat #1 adalah kejelasan yang sangat jelas tentang pelanggan akhir. Ketika pendiri mengetahui klien seperti punggung tangan mereka, dan bagaimana produk mereka sesuai dengan kenyataan pelanggan, maka elemen penting lainnya untuk membangun perusahaan AI yang sukses – seperti dipandu oleh keahlian sektor yang mendalam – jatuh ke tempatnya.

Sifat lain yang penting adalah persona pendiri yang berfokus pada produk dan jaringan pribadi yang kuat yang mencakup pengambil keputusan perusahaan yang dapat menjadi pelanggan di masa depan.

Anda telah berinvestasi pada perusahaan yang beroperasi di sektor yang diatur seperti asuransi, perawatan kesehatan, dan jasa keuangan. Mengapa Anda percaya bahwa industri yang diatur mungkin menawarkan kesempatan jangka panjang yang lebih kuat untuk startup AI?

Industri seperti perawatan kesehatan, farmasi, jasa keuangan, asuransi, dan sektor publik sangat rentan terhadap gangguan oleh startup AI yang dibangun dari awal dengan kebutuhan dan alur kerja industri yang spesifik. Dampak LLM dan AI agenik sangat revolusioner sehingga tidak akan hanya ‘melewati’ industri yang secara historis lambat untuk mengadopsi teknologi.

Industri ini sangat menarik bagi startup karena mereka masih didominasi oleh perusahaan incumbent yang tidak dapat dengan mudah beralih ke produk AI. Dan, sebagaimana disebutkan, mereka kurang cocok untuk diganggu oleh model dasar.

Telah ada diskusi yang meningkat tentang gelombang potensial penggabungan dan akuisisi di antara perusahaan AI tahap menengah. Apa sinyal yang Anda lihat yang menunjukkan bahwa konsolidasi dapat dipercepat dalam beberapa tahun ke depan?

Sinyal yang paling jelas adalah kompresi valuasi yang bertemu dengan tekanan kas yang bersamaan. Banyak perusahaan AI tahap menengah mengumpulkan dana pada puncak multiple 2021-2023 dan sekarang menghadapi down-round jika mereka kembali ke pasar, yang membuat akuisisi strategis lebih dapat diterima daripada re-pricing yang memalukan. Di sisi akuisitor, hyperscaler dan perusahaan platform besar telah menghabiskan dua tahun terakhir untuk mengintegrasikan kemampuan AI dan sekarang menyadari bahwa membangun semua hal di dalam rumah lebih lambat daripada membeli aset data atau distribusi yang berbeda.

Sinyal kedua adalah dinamika parit bakat dan data: karena komoditisasi model dasar dipercepat, nilai yang dapat dipertahankan semakin berada di data pelatihan proprietary dan go-to-market daripada arsitektur model itu sendiri, yang tepatnya adalah apa yang ditangkap oleh akuisisi dan penggabungan strategis dengan efisien.

Akhirnya, lingkungan regulasi secara diam-diam menjadi lebih permisif; administrasi AS saat ini telah menandakan sikap antitrust yang lebih ringan, yang menghapus hambatan bagi strategi besar yang sebelumnya berhati-hati tentang pengawasan kesepakatan. Letakkan semua ini bersama-sama dan Anda memiliki penjual yang termotivasi, pembeli yang termotivasi, dan landasan regulasi yang lebih jelas: kombinasi ini secara historis mendahului gelombang M&A.

Startup AI dapat mencapai traksi awal dengan cepat, terkadang mencapai pendapatan pertama mereka dalam waktu yang lebih singkat daripada generasi sebelumnya dari perusahaan SaaS. Namun, penskalaan di luar itu tampaknya merupakan tempat di mana banyak perusahaan mengalami kesulitan. Apa yang membedakan perusahaan yang berhasil dari mereka yang terjebak?

Garis pemisah antara pendiri AI yang mencapai plafon pendapatan dan pendiri yang terus-menerus menghancurkan batasan adalah kecepatan go-to-market. Mengirimkan fitur dan produk yang dipandu oleh umpan balik komunitas pengguna. Tidak berpikir dua kali tentang pertumbuhan global. Membuat keputusan penjualan yang tepat. Saluran distribusi yang anti-bocor. Ini adalah prinsip-prinsip kecepatan go-to-market yang membedakan startup AI dari yang lain.

Melihat ke depan tiga hingga lima tahun, apa jenis startup AI yang paling Anda antusias untuk dukung sekarang, dan kategori mana yang Anda percaya sudah menjadi ramai atau rentan?

Saya merasa antusias tentang kemungkinan AI untuk mengganggu perawatan kesehatan dan farmasi (penuh dengan alur kerja yang kompleks dan diatur yang dapat diganggu), industri (di mana gangguan teknologi secara umum masih memiliki jalan panjang untuk dijalani) dan keuangan (terutama kepatuhan dan akuntansi/ERP). Pasar untuk produk AI tingkat tinggi yang menghadap SMB jenuh dan merupakan area kerentanan startup. Ini adalah kasus yang sama untuk startup AI mana pun dengan produk yang dapat dengan mudah direplikasi. Parit teknologi tidak lagi dapat diandalkan.