Priya Saiprasad, Partner Generale presso Touring Capital – Serie di Interviste

Quando il software può svolgere il lavoro, cambia il prodotto, il mercato indirizzabile, il modello di prezzo e l’economia dell’azienda che lo fornisce. Volevamo costruire Touring attorno a questa opportunità fin dall’inizio.

Il nostro focus è sulle aziende che si avvicinano o dimostrano un primo adattamento prodotto‑mercato, quando la promessa tecnica inizia a tradursi in adozione da parte dei clienti. Questa è una fase particolarmente decisiva nell’IA: i fondatori stanno decidendo quali flussi di lavoro possedere, quanta autonomia accetteranno i clienti e come trasformare la domanda iniziale in crescita ripetibile.

Volevamo inoltre portare una prospettiva di costruzione aziendale informata dalla nostra esperienza nel venture, M&A e nelle grandi piattaforme tecnologiche. La nostra ambizione è aiutare i fondatori a creare imprese i cui vantaggi competitivi si approfondiscono con l’avanzare della tecnologia. Ciò richiede convinzione sull’opportunità e la volontà di riesaminare continuamente le ipotesi alla base.

Hai sostenuto che alcune delle più grandi opportunità dell’IA si stanno spostando dal semplice sviluppo di modelli di base più grandi verso aziende che applicano l’IA a settori specifici. Cosa è cambiato dal punto di vista tecnologico o economico per rendere così allettante ora lo strato di applicazione?

I modelli sono diventati drasticamente più potenti e accessibili, il che cambia dove gli imprenditori possono creare valore. Non è più necessario costruire l’intelligenza di base da zero per realizzare qualcosa di potente.

Questo sposta la domanda da “Chi ha il modello migliore?” a “Chi può applicare quell’intelligenza per risolvere un problema in modo da cambiare fondamentalmente l’economia o il flusso di lavoro?”

Le aziende più interessanti non si limitano a mettere un LLM davanti a un prodotto software esistente. Stanno usando l’IA per ripensare il modo in cui il lavoro viene svolto. In alcuni casi, ciò significa automatizzare grandi parti di un flusso di lavoro. In altri, significa consentire a un team molto più piccolo di produrre un output significativamente maggiore.

È qui che, a mio avviso, avverrà gran parte della prossima ondata di creazione di valore: aziende che possono prendere un’intelligenza sempre più capace e trasformarla in un prodotto di cui i clienti si fidano per svolgere lavori significativi.

Guardando i settori oggi, quali industrie credi stiano raggiungendo un vero punto di inflessione dell’IA, dove l’IA potrebbe ristrutturare fondamentalmente i flussi di lavoro anziché limitarsi a rendere più efficiente il software esistente?

Sono particolarmente interessata a settori che combinano un significativo lavoro di conoscenza, flussi di lavoro complessi esistenti e storicamente bassi livelli di penetrazione del software.

I servizi finanziari, la sanità, il settore legale, l’industria e l’automotive sono buoni esempi. Questi settori spesso possiedono enormi quantità di informazioni preziose e flussi di lavoro altamente specializzati, ma gran parte del lavoro è ancora frammentato, manuale o dipendente da persone esperte che trasferiscono informazioni tra i sistemi.

L’opportunità non è semplicemente rendere quei lavoratori del 10% più produttivi. Le aziende più interessanti stanno ridisegnando il flusso di lavoro attorno a ciò che l’IA può fare ora.

Lo si può vedere in aziende come Numa, che utilizza agenti IA per automatizzare le interazioni con i clienti e le operazioni delle concessionarie, e Daloopa, che applica l’IA ai flussi di dati e ricerca ad alta sensibilità temporale usati dalle istituzioni finanziarie. Il filo conduttore è una profonda comprensione del lavoro sottostante. L’IA è potente, ma non elimina la necessità di comprendere l’industria per cui si sta costruendo.

Touring Capital enfatizza i data moat, i flywheel di prodotto e l’expertise specifica di dominio nella valutazione delle aziende IA. Che aspetto ha davvero un business verticale IA difendibile, e come si distingue da un’azienda il cui principale vantaggio è semplicemente avvolgere un modello di linguaggio di grandi dimensioni di terze parti?

Un vero business IA difendibile diventa più forte man mano che opera.

Il modello sottostante può migliorare nel tempo, e un’azienda può cambiare modello completamente, ma il valore del business non dovrebbe scomparire perché il modello alla base cambia. Ciò che conta è ciò che l’azienda possiede intorno a quel modello: la relazione con il cliente, il flusso di lavoro, i dati proprietari, le integrazioni e la fiducia per assumere lavori sempre più importanti.

Una delle cose a cui prestiamo molta attenzione è se il prodotto diventa più profondamente integrato nel tempo. I clienti gli affidano più lavoro? L’uso e i risultati si stanno moltiplicando? L’azienda sta apprendendo dalle proprie implementazioni in modi che migliorano il prodotto?

Queste dinamiche creano un business molto più forte rispetto al semplice avere una buona interfaccia sopra un modello di terze parti. Le funzionalità possono convergere molto rapidamente nell’IA. Un utilizzo sostenuto e un’adozione più profonda del flusso di lavoro sono molto più difficili da replicare.

Man mano che i modelli di base diventano più capaci e sempre più commoditizzati, questo rafforza le aziende IA verticali fornendo loro un’intelligenza più economica su cui costruire, o crea il rischio che i fornitori di modelli assorbano più del livello applicativo?

Entrambe le dinamiche possono verificarsi simultaneamente. Modelli migliori ampliano ciò che le aziende applicative possono offrire, consentendo al contempo ai fornitori di modelli di spostarsi più verso prodotti e flussi di lavoro.

La domanda nella due diligence è come cambia la posizione di un’azienda man mano che l’intelligenza sottostante migliora. Poniamo due domande insieme: cosa diventa possibile per questo business con la prossima generazione di modelli, e quale parte della sua attuale proposta di valore potrebbe diventare una capacità standard del modello? Questo aiuta a distinguere le aziende che beneficiano del progresso da quelle la cui differenziazione dipende da una limitazione temporanea.

Le aziende verticali possono costruire posizioni durevoli attraverso flussi di lavoro specializzati, accesso ai clienti, integrazioni, sistemi di valutazione e la responsabilità operativa che assumono. Questi vantaggi richiedono investimenti continui; l’expertise di dominio da sola non è una protezione permanente.

Le aziende che trovo più convincenti hanno un percorso chiaro per assumere lavori più preziosi man mano che i modelli migliorano. I loro clienti ottengono risultati migliori, l’economia della consegna si rafforza e la conoscenza accumulata diventa più utile. Questa è la relazione con il progresso dei modelli che vogliamo sostenere.

Le aziende tradizionali SaaS sono state storicamente valutate con metriche come il fatturato ricorrente annuale, i margini lordi, la ritenzione e l’espansione dei posti. Come sta cambiando l’IA le metriche su cui ti basi, soprattutto man mano che i costi di inferenza, la tariffazione basata sull’uso e i modelli di business basati sui risultati diventano più importanti?

ARR, ritenzione e margini lordi contano ancora. Il problema è che, da soli, non ci dicono più abbastanza.

Un’azienda IA può crescere fino a decine di milioni di ARR incredibilmente rapidamente mentre l’uso sottostante all’interno della sua base clienti sta già diminuendo. Il cliente può ancora essere sotto contratto, ma quando arriva il rinnovo, il prodotto è effettivamente stato sostituito. È quello che definiamo churn latente.

Quindi stiamo guardando sempre più sotto il modello di prezzo e chiedendo quale lavoro viene effettivamente svolto. Il numero di flussi di lavoro e risultati sta aumentando nel tempo? Il cliente si fida del prodotto per fare più lavoro? L’uso continua dopo l’entusiasmo iniziale dell’implementazione?

Stiamo anche esaminando molto più da vicino l’economia alla base della crescita. Le aziende IA possono sostituire il personale umano con l’automazione, ma la computazione diventa una parte reale della forza lavoro e della struttura dei costi. Per questo osserviamo concetti come intensità del flusso di lavoro, moltiplicatori di efficienza, ricavi per dipendente aggiustato e leva dei costi.

La domanda più grande è se la crescita sta diventando più durevole ed efficiente nel tempo. Una crescita spettacolare e una crescita durevole non sono necessariamente la stessa cosa.

Molti agenti IA sono progettati non solo per assistere i dipendenti ma per completare interi flussi di lavoro in modo autonomo. Come cambia questa opportunità di mercato per il software enterprise, e le aziende IA potrebbero alla fine catturare una parte dei budget di lavoro che storicamente erano al di fuori della spesa software?

Penso che questo sia uno dei cambiamenti più importanti nel software enterprise.

Storicamente, il software veniva venduto principalmente come uno strumento che aiutava un dipendente a svolgere il proprio lavoro. Il dipendente rimaneva responsabile della produzione del lavoro, e il budget del software era separato dal budget del lavoro.

L’IA cambia quell’equazione perché il software può sempre più eseguire autonomamente parti del lavoro.

Ciò amplia significativamente l’opportunità di mercato. Non si sta più semplicemente vendendo uno strumento di produttività da un budget IT o software. Se un prodotto può assumersi in modo affidabile la responsabilità di un lavoro significativo e produrre un risultato misurabile, può potenzialmente catturare valore anche dai budget del lavoro.

La distinzione importante è tra un assistente IA e un sistema IA di cui i clienti si fidano per eseguire effettivamente. Quest’ultimo ha il potenziale di diventare molto più prezioso, ma deve anche dimostrare reale affidabilità, responsabilità ed economicità. In definitiva, i clienti non si preoccupano di quanto sia sofisticata l’IA se il prodotto non riesce a fornire costantemente il risultato promesso.

Attualmente fai parte dei consigli di amministrazione di aziende tra cui Numa e Daloopa, che applicano la tecnologia a verticali molto diverse come le operazioni automobilistiche e i dati finanziari. Cosa ti hanno insegnato queste aziende su ciò che serve per introdurre con successo l’IA in settori con flussi di lavoro profondamente consolidati e competenze di dominio?

La lezione più importante è che l’IA non elimina l’importanza dell’expertise di dominio. In molti modi, la rende ancora più importante.

Per introdurre con successo l’IA in un settore consolidato, è necessario comprendere a fondo il flusso di lavoro per sapere dove l’automazione crea realmente valore e dove il giudizio umano è ancora fondamentale. È inoltre necessario capire come i clienti adotteranno il prodotto, come si inserisce nei loro sistemi esistenti e nel ciclo di adozione dell’IA, e cosa serve per guadagnare la loro fiducia.

Numa e Daloopa operano in mercati molto diversi, ma entrambe sono strettamente legate al lavoro specifico che i loro clienti devono svolgere. Le aziende di IA verticali più di successo non partono da “Dove possiamo inserire l’IA?” ma da un problema o flusso di lavoro significativo, per poi ridisegnarlo in base a ciò che l’IA può fare ora.

È anche per questo che ritengo che l’expertise di dominio possa diventare un vantaggio significativo nel tempo. Più approfondisci la comprensione del lavoro, più efficacemente puoi costruire un prodotto su cui i clienti sono disposti a fare affidamento.

Gli investimenti recenti di Touring coprono sia applicazioni specifiche di dominio sia infrastrutture abilitanti per l’IA. Come valuti l’equilibrio tra investire nello strato applicativo rispetto all’infrastruttura necessaria per alimentarlo, e dove credi che oggi esista la maggiore opportunità di ritorni su scala di venture?

Non consideriamo l’opportunità come esclusivamente presente in un unico livello dello stack. Ci concentriamo su dove emergono colli di bottiglia importanti e su dove un’azienda può costruire una posizione significativa man mano che l’adozione dell’IA si espande.

Sul lato applicativo, siamo entusiasti delle aziende che riescono a tradurre l’IA in valore economico misurabile possedendo flussi di lavoro importanti e fornendo risultati concreti. Sul lato infrastruttura, ci interessano le aziende che risolvono le limitazioni che determinano se l’IA può essere effettivamente distribuita in modo efficiente su larga scala.

I nostri investimenti in aziende come Infinity e Parasail riflettono questo approccio. Una affronta la sfida software di rendere diversi chip IA pronti a eseguire modelli moderni, mentre l’altra aiuta gli sviluppatori a distribuire e scalare carichi di lavoro IA senza dover gestire direttamente l’infrastruttura sottostante.

La migliore opportunità non è necessariamente determinata dal fatto che un’azienda operi nelle applicazioni o nell’infrastruttura. La domanda chiave è se l’azienda sta risolvendo un problema importante e duraturo con il potenziale di diventare sempre più prezioso man mano che il mercato dell’IA evolve.

Con enormi quantità di capitale ora concentrate su un numero relativamente ristretto di aziende di IA all’avanguardia, dove credi che gli investitori sottovalutino ancora l’opportunità, e quali categorie o modelli di business nativi dell’IA stanno ricevendo molto meno attenzione di quanto meritino?

Un’area che trovo particolarmente interessante è la parte centrale del mercato.

Attualmente, il venture capital è diventato sempre più affollato. C’è un’enorme domanda di aziende promettenti nelle fasi più iniziali, in particolare quelle con team eccezionali e tecnologia convincente. C’è anche un notevole capitale disponibile per le aziende più grandi e più consolidate.

Ma la parte centrale, in particolare le tradizionali fasi Series B e C, è diventata molto più difficile.

L’IA ha compresso le aspettative. Le aziende possono ora passare da zero a ricavi significativi più rapidamente di quanto si sia mai visto, il che ha innalzato notevolmente la soglia una volta che un business inizia a generare ricavi. Una crescita che qualche anno fa sarebbe stata considerata straordinaria potrebbe non distinguersi più nel mercato attuale.

Ciò genera sia rischi che opportunità.

Alcune aziende sono spinte a ottimizzare per quello che il mercato dei finanziamenti richiede in un dato momento: crescita 5x, crescita 10x, una certa soglia di fatturato, indipendentemente dal fatto che quella traiettoria crei un business durevole. Il mercato può cambiare drasticamente in sei‑nove mesi, quindi i fondatori devono fare attenzione a non costruire esclusivamente per le aspettative del prossimo round di finanziamento.

Per gli investitori, credo che vi sia una reale opportunità nell’identificare aziende che hanno fondamentali solidi, ma che non rientrano perfettamente negli estremi del mercato odierno. La sfida è essere sufficientemente disciplinati da distinguere una crescita durevole da un’azienda semplicemente spinta in avanti dal ciclo di finanziamento dell’IA.

Grazie per la splendida intervista, i lettori che desiderano saperne di più su questa società di VC dovrebbero visitare Touring Capital.