Ipo vs. Valore: valutazione delle startup di intelligenza artificiale di primo stadio per potenziale reale

Due anni fa, i venture capitalist investivano ampiamente in tutto ciò che era legato all’intelligenza artificiale. Ora, siamo diventati più selettivi e istruiti, cercando soluzioni a problemi reali in cui l’intelligenza artificiale aggiunge valore reale.

Quindi, facciamo la conclusione finale dall’inizio: avere “intelligenza artificiale” nel nome dell’azienda non è più un fattore decisivo. Ci sono voluti due anni al mercato per superare il Big Bang dell’intelligenza artificiale e iniziare a separare il valore reale dalle prospettive illusorie.

La vera sfida è caduta sugli investitori di pre-seed. Abbiamo dovuto affinare i nostri occhi per riconoscere le innovazioni tra centinaia di soluzioni B2B SaaS basate sull’intelligenza artificiale altrettanto brillanti e senza entrate. Ognuna di esse poteva trasformarsi in un unicorno o in un semplice involucro di intelligenza artificiale.

In Pre-Seed to Succeed (P2S), ci specializziamo nella valutazione delle startup di intelligenza artificiale allo stadio più precoce, dove la trazione è minima, i team sono snelli e la visione conta quanto il codice. Condivideremo i principi e le pratiche fondamentali che guidano le nostre decisioni di investimento in questo settore dinamico e rileveremo le imprese con alto potenziale.

I malintesi sull’intelligenza artificiale di pre-seed

Gli investitori che considerano di entrare nello spazio dell’intelligenza artificiale dovrebbero capire che sia la scala che l’unicità della soluzione contano. C’è un malinteso comune sulle startup di intelligenza artificiale di primo stadio, ovvero che aggiungere un semplice strato di intelligenza artificiale, come un’interfaccia di chatbot, sia sufficiente per costruire un’attività di successo. Il vero valore si trova nel possedere i dati, risolvere problemi specifici ed effettivamente raggiungere gli utenti.

Abbiamo visto i fondatori concentrarsi su integrazioni superficiali che potevano essere facilmente replicate. Il mercato è abbondante di copilots e assistenti, ma solo quelli radicati in una profonda competenza di dominio, con canali di distribuzione differenziati o intuizioni uniche degli utenti, hanno la possibilità di diventare attività fiorenti. Esempi includono copilots legali per l’intelligenza dei contratti, soluzioni di strategia del talento per i CHRO e copilots di cantiere – progetti complessi che richiedono esperienza pratica nel settore e una comprensione genuina dei processi che l’intelligenza artificiale può ottimizzare. Questi tipi di soluzioni detengono il valore più alto.

Un’altra tendenza è il passaggio dai copilots agli agenti – sistemi autonomi che possono non solo assistere ma agire in modo indipendente attraverso i flussi di lavoro. Questi modelli gestiscono attività multistep, ragionano attraverso i sistemi e coordinano azioni senza prompt umani. Sebbene ancora in una fase iniziale, le startup che costruiscono framework di agenti reali per settori specifici (ad esempio, reporting finanziario, operazioni legali) mostrano segni di scala ad alto impatto.

Inoltre, insieme alle infinite opportunità per le imprese, l’implementazione dell’intelligenza artificiale è arrivata con spese più elevate di quanto inizialmente previsto. I clienti B2B sono disposti a investire in soluzioni personalizzate costose solo se si integrano perfettamente nei loro flussi di lavoro esistenti e forniscono benefici finanziari o sollievo operativo.

Valutazione dell’innovazione in assenza di entrate

In assenza di entrate e trazione considerevole, l’esperienza e la competenza del team sono di gran lunga le cose più importanti in cui investiamo allo stadio di pre-seed.

Se un team di startup comprende le sfumature dell’adozione dell’intelligenza artificiale in settori ad alto rischio e può identificare con precisione sfide aziendali specifiche, è già metà della battaglia vinta. L’altra metà consiste nell’esecuzione – la capacità di costruire un’infrastruttura pensata, interfacce ibride e sfruttare l’intelligenza artificiale di bordo dove fa realmente la differenza.

Tra gli altri “fattori che parlano” che dimostrano il valore di una startup in assenza di entrate, ci sono la velocità di esecuzione e i primi segni di amore degli utenti.

Ricordate la storia della Tartaruga e della Lepre? Oggi, la velocità di esecuzione conta più che mai. I metriche di vanità non ci impressionano. Le startup che possono iterare rapidamente, incorporare il feedback degli utenti e mostrare progressi positivi entro un determinato periodo di tempo, ad esempio raggiungendo un tasso di conversione del 10% in un progetto pilota o raggiungendo pietre miliari chiave, sono probabilmente ricevere molto più interesse da parte degli investitori.

La retention degli utenti conta anche: gli utenti stanno tornando? Stanno interagendo profondamente con il prodotto? Su piattaforme alimentate da LLM, il consumo di token può essere un proxy significativo per la profondità di utilizzo.

Mentre alcune aziende di intelligenza artificiale riescono a scalare rapidamente, l’ecosistema rimane ancora volatile. I margini possono comprimere, le barriere sono difficili da sostenere e la concorrenza è feroce. In queste condizioni, l’engagement degli utenti, la trazione iniziale e la forza del tema sono le carte più forti nel mazzo della startup.

La difendibilità del mercato è fondamentale

Abbiamo rinunciato a startup che inizialmente sembravano convincenti ma mancavano di difendibilità – flussi di lavoro proprietari, vantaggi di etichettatura specifici del dominio o anelli di dati generati dagli utenti che si approfondiscono con il tempo.

Un team aveva un’interfaccia elegante ma nessun dato proprietario o profondità tecnica. Altri cavalcavano l’onda dell’hype delle prime uscite di LLM ma venivano rapidamente eclissati dalle nuove capacità delle piattaforme popolari.

Ad esempio, abbiamo visto startup che tentano di aggiungere strati di “intelligenza emotiva” alle interazioni degli utenti con ChatGPT, solo per essere interrotte pochi mesi dopo da OpenAI stessa, che rilasciava funzionalità simili in modo nativo. L’intero presupposto della startup è semplicemente scomparso. Questi casi ci hanno insegnato l’importanza di investire in aziende con nuclei tecnici indipendenti e focalizzazione sul dominio.

Segnali di allarme che monitoriamo

Nelle nostre valutazioni, alcuni segnali di allarme si presentano costantemente:

• Presentazioni piene di jargon, leggere sui dettagli
• Fondatori incapaci di identificare clienti paganti o articolare un punto dolente
• Replicazione di soluzioni standard senza uno strato tecnologico unico o una focalizzazione sul settore

Evitiamo mentalità di costruire e vendere. Siamo nel business di sostenere fondatori impegnati a risolvere problemi e diventare leader nel loro spazio.

Un altro segnale di allarme che monitoriamo: le startup che si concentrano eccessivamente su plugin di OpenAI o costruiscono interamente all’interno di Notion, Slack o Discord. Queste piattaforme possono interrompere l’accesso o assorbire il valore esse stesse. Chiediamo: cosa sopravvive se la piattaforma cambia il suo API domani?

Consigli agli investitori che entrano nell’intelligenza artificiale senza competenza tecnica

Per gli investitori non tecnici ansiosi di finanziare startup di intelligenza artificiale, il nostro consiglio è semplice:

Innanzitutto, scegliete saggiamente i vostri partner. Portate dentro consulenti, co-investitori o manager con background tecnici che possano verificare la tecnologia e il team.

In secondo luogo, sostenete fondatori che possano comunicare chiaramente il problema che stanno risolvendo e i passi per risolverlo. Se una presentazione manca di chiarezza, probabilmente manca di direzione.

In terzo luogo, diversificate. Distribuite gli investimenti attraverso settori, tipi di problemi e modelli di business. Ciò aumenta la possibilità di trovare vincitori dirompenti e limita il rischio a ribasso.

Se una startup di pre-seed in considerazione mostra chiare prove di necessità degli utenti (pubblico in crescita, forte engagement e livelli di retention) e frequenti iterazioni del prodotto basate sul feedback – questi sono gli indicatori di un’impresa ad alto potenziale con prospettive di scalabilità.

Conclusione

In un mercato di intelligenza artificiale, la tentazione di inseguire la prossima grande cosa è comprensibile. Ma gli investimenti di primo stadio richiedono disciplina, scetticismo e una profonda comprensione di ciò che separa l’ipocrisia dalla sostanza.

Gli investitori che applicano rigore, si associano con esperti e si concentrano sui fondamentali saranno meglio posizionati per navigare questo spazio ad alta velocità e emergere con un portafoglio di aziende di intelligenza artificiale durevoli e ad alto impatto.