Priya Saiprasad, General Partner bij Touring Capital – Interviewreeks

Wanneer software werk kan uitvoeren, verandert dat het product, de adresseerbare markt, het prijsmodel en de economie van het bedrijf dat het levert. We wilden Touring vanaf het begin rond die kans bouwen.

Onze focus ligt op bedrijven die de vroege product‑markt‑fit naderen of aantonen, wanneer technische belofte begint te vertalen naar klantadoptie. Dat is een bijzonder cruciale fase in AI: oprichters bepalen welke werkstromen ze willen beheersen, hoeveel autonomie klanten accepteren, en hoe ze vroege vraag omzetten in herhaalbare groei.

Wij wilden ook een bedrijfsgroei‑perspectief inbrengen, gebaseerd op onze ervaring met durfkapitaal, M&A en grote technologieplatformen. Onze ambitie is oprichters te helpen bedrijven op te bouwen waarvan de concurrentievoordelen verdiepen naarmate de technologie vordert. Dat vereist overtuiging over de kans en de bereidheid om voortdurend de onderliggende aannames te herzien.

U heeft betoogd dat een deel van de grootste AI‑kansen verschuift van het simpelweg bouwen van grotere foundation‑modellen naar bedrijven die AI toepassen in specifieke sectoren. Wat is er technologisch of economisch veranderd waardoor de toepassingslaag nu zo aantrekkelijk is?

De modellen zijn dramatisch krachtiger en toegankelijker geworden, wat verandert waar ondernemers waarde kunnen creëren. Je hoeft de onderliggende intelligentie niet meer vanaf nul te bouwen om iets krachtigs te maken.

Dat verschuift de vraag van: “Wie heeft het beste model?” naar: “Wie kan die intelligentie toepassen om een probleem op te lossen op een manier die de economie of de werkstroom fundamenteel verandert?”

De meest overtuigende bedrijven plaatsen niet simpelweg een LLM voor een bestaand softwareproduct. Ze gebruiken AI om het werk opnieuw te bedenken. In sommige gevallen betekent dat het automatiseren van grote delen van een werkstroom. In andere gevallen betekent het dat een veel kleiner team aanzienlijk meer output kan leveren.

Dat is volgens mij waar een grote deel van de volgende golf van waardeschepping zal plaatsvinden: bedrijven die steeds capabelere intelligentie kunnen omzetten in een product dat klanten vertrouwen om betekenisvol werk te doen.

Als u vandaag naar verschillende sectoren kijkt, welke industrieën denkt u dat een echt AI‑inflectiepunt bereiken, waarbij AI de werkstromen fundamenteel kan herstructureren in plaats van bestaande software alleen efficiënter te maken?

Ik ben vooral geïnteresseerd in sectoren met een combinatie van aanzienlijk kenniswerk, complexe bestaande werkstromen en historisch lagere niveaus van softwarepenetratie.

Financiële dienstverlening, gezondheidszorg, juridische sector, industriële sector en automotive zijn goede voorbeelden. Deze sectoren hebben vaak enorme hoeveelheden waardevolle informatie en sterk gespecialiseerde werkstromen, maar een groot deel van het werk blijft gefragmenteerd, handmatig of afhankelijk van ervaren mensen die informatie tussen systemen verplaatsen.

De kans is niet alleen om die werknemers 10 % productiever te maken. De interessantere bedrijven herontwerpen de workflow rond wat AI nu kan doen.

Dat zie je bij bedrijven als Numa, dat AI‑agents gebruikt om klantinteracties en dealeractiviteiten te automatiseren, en Daloopa, dat AI toepast op de sterk tijdkritische data‑ en onderzoeksworkflows die financiële instellingen gebruiken. Het gemeenschappelijke element is een diep begrip van het onderliggende werk. AI is krachtig, maar het elimineert niet de noodzaak om de sector waarin je bouwt te begrijpen.

Touring Capital legt de nadruk op data‑moats, product‑flywheels en domeinspecifieke expertise bij het evalueren van AI‑bedrijven. Hoe ziet een echt verdedigbaar verticaal AI‑bedrijf eruit, en hoe onderscheid je zo’n bedrijf van een bedrijf waarvan het belangrijkste voordeel simpelweg het omhullen van een derde‑partij large language model is?

Een echt verdedigbaar AI‑bedrijf wordt sterker naarmate het opereert.

Het onderliggende model kan in de loop van de tijd verbeteren, en een bedrijf kan volledig van model wisselen, maar de waarde van het bedrijf mag niet verdwijnen omdat het onderliggende model verandert. Wat telt is wat het bedrijf bezit rondom dat model: de klantrelatie, de workflow, de propriëtaire data, de integraties en het vertrouwen om steeds belangrijker werk op zich te nemen.

Een van de zaken waar we nauwlettend op letten, is of het product na verloop van tijd dieper wordt ingebed. Vertrouwen klanten het steeds meer toe? Stijgen gebruik en resultaten cumulatief? Leert het bedrijf van zijn implementaties op een manier die het product verbetert?

Die dynamieken creëren een veel sterker bedrijf dan simpelweg een goede interface bovenop een derde‑partij model. Functies kunnen zeer snel convergeren in AI. Aanhoudend gebruik en diepere adoptie van workflows zijn veel moeilijker te repliceren.

Naarmate fundamentele modellen capabeler en steeds meer gecommoditiseerd worden, versterkt dat verticale AI‑bedrijven door hen goedkopere intelligentie te bieden om op te bouwen, of creëert het een risico dat de modelproviders zelf meer van de applicatielaag absorberen?

Beide dynamieken kunnen gelijktijdig optreden. Betere modellen breiden uit wat applicatiebedrijven kunnen leveren, terwijl ze modelproviders ook in staat stellen dieper in producten en workflows te gaan.

De vraag bij due diligence is hoe de positie van een bedrijf verandert naarmate de onderliggende intelligentie verbetert. We stellen twee vragen tegelijk: wat wordt mogelijk voor dit bedrijf met de volgende generatie modellen, en welk deel van de huidige waardepropositie kan een standaardmodel‑functionaliteit worden? Dat helpt om bedrijven die profiteren van vooruitgang te onderscheiden van bedrijven waarvan de differentiatie afhankelijk is van een tijdelijke beperking.

Verticale bedrijven kunnen duurzame posities opbouwen via gespecialiseerde workflows, klanttoegang, integraties, evaluatiesystemen en de operationele verantwoordelijkheid die ze op zich nemen. Die voordelen vereisen voortdurende investeringen; domeinexpertise op zich biedt geen permanente bescherming.

De bedrijven die ik het meest overtuigend vind, hebben een duidelijk pad om waardevoller werk op zich te nemen naarmate modellen verbeteren. Hun klanten behalen betere resultaten, hun leverings‑economics versterken, en hun opgebouwde kennis wordt nuttiger. Dat is de relatie met modelvoortgang die wij willen ondersteunen.

Traditionele software‑as‑a‑service bedrijven werden historisch geëvalueerd met behulp van metrics zoals jaarlijkse terugkerende omzet, brutomarges, retentie en uitbreiding van licenties. Hoe verandert AI de metrics waarop je vertrouwt, vooral nu inferentiekosten, gebruiksgebaseerde prijzen en resultaatgebaseerde bedrijfsmodellen belangrijker worden?

ARR, retentie en brutomarges blijven belangrijk. Het probleem is dat ze op zichzelf ons niet langer genoeg vertellen.

Een AI‑bedrijf kan in een mum van tijd groeien tot tientallen miljoenen ARR, terwijl het onderliggende gebruik binnen de klantenbasis al afneemt. De klant kan nog onder contract staan, maar tegen de tijd dat de verlenging komt, is het product feitelijk vervangen. Dat noemen we latent churn.

Daarom kijken we steeds meer onder het prijsmodel en vragen we welk werk er daadwerkelijk wordt gedaan. Stijgt het aantal workflows en resultaten in de loop van de tijd? Vertrouwt de klant erop dat het product meer werk uitvoert? Blijft het gebruik doorgaan na de aanvankelijke opwinding van de implementatie?

We kijken ook veel nauwkeuriger naar de economie achter de groei. AI‑bedrijven kunnen personeelsbestand met automatisering vervangen, maar rekenkracht wordt een echt onderdeel van de workforce en kostenstructuur. Daarom bekijken we concepten zoals workflow‑intensiteit, efficiëntiemultipliers, omzet per aangepaste werknemer en kostenhefboom.

De grotere vraag is of groei na verloop van tijd duurzamer en efficiënter wordt. Spectaculaire groei en duurzame groei zijn niet per se hetzelfde.

Veel AI‑agents worden ontworpen niet alleen om medewerkers te assisteren, maar om volledige workflows autonoom af te ronden. Hoe verandert dat de markt­kans voor enterprise‑software, en zouden AI‑bedrijven uiteindelijk een deel van de arbeidsbudgetten kunnen veroveren die historisch buiten software‑uitgaven vielen?

Ik denk dat dit een van de belangrijkste verschuivingen in enterprise‑software is.

Historisch gezien werd software grotendeels verkocht als een hulpmiddel dat een werknemer hielp zijn werk te doen. De werknemer bleef verantwoordelijk voor het produceren van het werk, en het softwarebudget stond los van het arbeidsbudget.

Dankzij AI verandert die vergelijking, omdat software steeds meer delen van het werk zelf kan uitvoeren.

Dat vergroot de markt­kans aanzienlijk. Je verkoopt niet langer alleen een productiviteitstool vanuit een IT‑ of softwarebudget. Als een product betrouwbaar eigenaarschap kan nemen over betekenisvol werk en een meetbaar resultaat kan leveren, kan het ook waarde uit arbeidsbudgetten aantrekken.

Het belangrijke onderscheid is tussen een AI‑assistent en een AI‑systeem dat klanten vertrouwen om daadwerkelijk uit te voeren. Het laatste heeft het potentieel om veel waardevoller te worden, maar moet ook echte betrouwbaarheid, verantwoordelijkheid en economische haalbaarheid aantonen. Klanten zullen uiteindelijk niet geven om hoe geavanceerd de AI is als het product niet consequent het beloofde resultaat kan leveren.

Je zit momenteel in de raden van bedrijven waaronder Numa en Daloopa, die technologie toepassen in zeer verschillende sectoren zoals automotive operaties en financiële data. Wat hebben deze bedrijven je geleerd over wat er nodig is om AI succesvol te introduceren in industrieën met diepgewortelde werkstromen en domeinexpertise?

De grootste les is dat AI het belang van domeinexpertise niet wegneemt. In veel opzichten maakt het het juist belangrijker.

Om AI succesvol te introduceren in een gevestigde sector, moet je de werkstroom diep genoeg begrijpen om te weten waar automatisering daadwerkelijk waarde creëert en waar menselijk oordeel nog van belang is. Je moet ook begrijpen hoe klanten het product zullen adopteren, hoe het past in hun bestaande systemen en AI‑adoptiecyclus, en wat er nodig is om hun vertrouwen te winnen.

Numa en Daloopa opereren in zeer verschillende markten, maar beide zijn nauw verbonden met het specifieke werk dat hun klanten moeten uitvoeren. De meest succesvolle verticale AI‑bedrijven beginnen niet met: “Waar kunnen we AI inzetten?” Ze beginnen met een betekenisvol probleem of een werkstroom en herontwerpen die vervolgens rond wat AI nu kan doen.

Dat is ook waarom ik denk dat domeinexpertise na verloop van tijd een aanzienlijk voordeel kan worden. Hoe dieper je het werk begrijpt, hoe effectiever je een product kunt bouwen waarop klanten willen vertrouwen.

De recente investeringen van Touring omvatten zowel domeinspecifieke toepassingen als het mogelijk maken van AI‑infrastructuur. Hoe denk je over de balans tussen investeren in de toepassingslaag versus de infrastructuur die nodig is om deze te laten werken, en waar zie je volgens jou vandaag de grootste kans voor venture‑scale rendementen?

We zien de kans niet als uitsluitend gelegen in één laag van de stack. We richten ons op waar belangrijke knelpunten ontstaan en waar een bedrijf een betekenisvolle positie kan opbouwen naarmate AI‑adoptie groeit.

Aan de applicatiekant zijn we enthousiast over bedrijven die AI kunnen vertalen naar meetbare economische waarde door belangrijke werkstromen te bezitten en echte resultaten te leveren. Aan de infrastructuurkant zijn we geïnteresseerd in bedrijven die de beperkingen oplossen die bepalen of AI daadwerkelijk efficiënt op schaal kan worden ingezet.

Onze investeringen in bedrijven zoals Infinity en Parasail weerspiegelen dat. De een pakt de softwareuitdaging aan om verschillende AI‑chips klaar te maken voor het draaien van moderne modellen, terwijl de ander ontwikkelaars helpt AI‑workloads te implementeren en op te schalen zonder zelf de onderliggende infrastructuur te hoeven beheren.

De betere kans wordt niet per se bepaald door of een bedrijf zich in applicaties of infrastructuur bevindt. De sleutelvraag is of het bedrijf een belangrijk en duurzaam probleem oplost met het potentieel om steeds waardevoller te worden naarmate de AI‑markt evolueert.

Met enorme hoeveelheden kapitaal die nu geconcentreerd zijn rond een relatief klein aantal frontier‑AI‑bedrijven, waar denk je dat investeerders de kans nog steeds onderschatten, en welke AI‑native categorieën of bedrijfsmodellen krijgen veel minder aandacht dan ze verdienen?

Een gebied dat ik bijzonder interessant vind, is het midden van de markt.

Op dit moment is venture steeds meer beladen. Er is een enorme honger naar veelbelovende bedrijven in de vroegste fases, met name die met uitzonderlijke teams en overtuigende technologie. Er is ook aanzienlijk kapitaal beschikbaar voor de allergrootste, meest bewezen bedrijven.

Maar het midden, met name de traditionele Series‑B‑ en C‑fasen, is veel moeilijker geworden.

AI heeft de verwachtingen samengeperst. Bedrijven kunnen nu van nul naar betekenisvolle omzet gaan sneller dan ooit tevoren, waardoor de lat aanzienlijk hoger wordt zodra een bedrijf omzet begint te genereren. Groei die een paar jaar geleden als buitengewoon zou worden beschouwd, valt tegenwoordig mogelijk niet meer op.

Dat schept zowel risico als kans.

Sommige bedrijven worden gedwongen te optimaliseren voor wat de fondsenwervingsmarkt op een bepaald moment wil: 5x groei, 10x groei, een bepaalde omzetmijlpaal, ongeacht of dat traject een duurzaam bedrijf creëert. De markt kan in zes tot negen maanden dramatisch veranderen, dus oprichters moeten oppassen dat ze niet uitsluitend bouwen voor de verwachtingen van de volgende financieringsronde.

Voor investeerders denk ik dat er echte kansen liggen in het identificeren van bedrijven met sterke onderliggende fundamentals, maar die niet netjes passen in de extremen van de huidige markt. De uitdaging is voldoende discipline hebben om duurzame groei te onderscheiden van een bedrijf dat simpelweg wordt voortgetrokken door de huidige AI-financieringscyclus.

Bedankt voor het geweldige interview, lezers die meer over dit VC-bedrijf willen weten, kunnen Touring Capital bezoeken.