Hype vs. verdi: Vurdering tidlige AI-startups for reell potensial

For to år siden investerte venturekapitalister bredt i alt som hadde med AI å gjøre. Nå har vi blitt mer selektive og utdannet, og søker løsninger på virkelige problemer der AI tilfører virkelig verdi.

Så la oss gjøre den endelige konklusjonen fra starten: å ha “AI” i selskapsnavnet er ikke lenger en avgjørende faktor. Det tok markedet to år å komme over AI-Big Bang og begynne å skille virkelig verdi fra illusoriske prospekter.

Den virkelige utfordringen har falt på pre-seed-investorer. Vi måtte skarpe øynene våre for å gjenkjenne innovasjoner blant hundrevis av like lysende pre-revenue AI-baserte B2B SaaS-løsninger. Hver kunne bli enten en enhjørning eller en AI-omslag for ingenting.

Ved Pre-Seed to Succeed (P2S) spesialiserer vi oss på å vurdere AI-startups på det tidligste stadiet, der traksjon er minimal, teamene er magre, og visjonen teller like mye som kode. Vi skal dele de grunnleggende prinsippene og praksisene som guider våre investeringsbeslutninger i denne dynamiske sektoren og oppdage bedrifter med høyt potensial.

Feiloppfatninger om Pre-Seed AI

Investorer som vurdere å gå inn i AI-rommet, bør forstå at både størrelsen og unikheten til løsningen teller. Det finnes en vanlig feiloppfatning om tidlige AI-startups, nemlig at det å bare legge til et tynnt AI-lag, som en chatbot-grensesnitt, er nok til å bygge en suksessfull forretning. Den virkelige verdien ligger i å eie dataene, løse spesifikke problemer og nå brukerne effektivt.

Vi har sett grunnleggere fokusere på overfladiske integrasjoner som lett kunne replikeres. Markedet er rik på copiloter og assistenter, men bare de som er grunnfestet i dyp domene-ekspertise, med differensiert distribusjonskanaler eller unike brukerinsikt, har en sjanse til å bli blomstrende forretninger. Eksempler inkluderer juridiske copiloter for kontraktintelligens, talentstrategiløsninger for CHRO-er og byggeplass-copiloter – komplekse prosjekter som krever hånd-til-hånd-erfaring og en genuin forståelse av prosessene AI kan optimalisere. Disse typene løsninger holder den høyeste verdien.

En annen trend er skiftet fra copiloter til agenter – autonome systemer som ikke bare kan assistere, men også handle uavhengig over arbeidsflyter. Disse modellene håndterer flertrinnsoppgaver, grunner over systemer og koordinerer handlinger uten menneskelige signaler. Selv om det fortsatt er tidlig, viser startups som bygger virkelige agent-rammer for spesifikke vertikaler (f.eks. finansiell rapportering, juridiske operasjoner) tegn på høyt-leveranse-skala.

Og sammen med uendelige muligheter for bedrifter, implementeringen av AI kom sammen med høyere utgifter enn forventet. B2B-kunder er villige til å investere i dyre tilpassede løsninger bare hvis de integreres sømløst i deres eksisterende arbeidsflyter og gir enten finansielle fordeler eller operasjonelle lettelse.

Vurdering av innovasjon i fravær av omsetning

I fravær av omsetning og betydelig traksjon, er teamets ekspertise og domene-erfaring langt de viktigste tingene vi investerer i på pre-seed-stadiet.

Hvis en startup-team forstår nyansene til AI-adoptsjon i høyrisikobrancher og kan nøyaktig oppdage spesifikke forretningsutfordringer, er det allerede halve slaget vunnet. Den andre halvdelen ligger i gjennomføringen – evnen til å bygge tankefull infrastruktur, hybrid-grensesnitt og utnytte edge-AI der det virkelig gjør en forskjell.

Blant andre “taler”-faktorer som demonstrerer en startups verdi i fravær av omsetning, er hastigheten på gjennomføringen og tidlige tegn på bruker-elsk.

Husk historien om Skilpadden og Haren? I dag teller hastigheten på gjennomføringen mer enn noen gang. Vanity-målinger flytter oss ikke. Startups som kan iterere raskt, inkorporere bruker-tilbakemelding og vise positiv fremgang innen en fast tidsramme, for eksempel å oppnå en 10% konverteringsrate i et pilotprosjekt eller nå nøkkel-mål, er sannsynligvis å motta mye mer investor-interesse.

Bruker-tilbakemelding teller også: kommer brukerne tilbake? Er de engasjert dypt med produktet? I LLM-drevne plattformer kan token-forbruk være en meningsfull proxy for brukerdybde også.

Selv om noen AI-selskaper klarer å skale raskt, forblir økosystemet fortsatt volatilt. Marger kan komprimere, vollgraver er vanskelige å opprettholde og konkurransen er intens. Under disse betingelsene er bruker-engasjement, initial traksjon og tema-styrke de sterkeste kortene i startup-dekket.

Markedsforsvarbarhet er et måtte

Vi har gått glipp av startups som initialt så kompellinge ut, men manglet forsvarbarhet – egenutviklede arbeidsflyter, domene-spesifikke merkefordeler eller bruker-genererte data-løkker som dypner over tid.

Et team hadde et pent grensesnitt, men ingen egenutviklet data eller teknisk dybde. Andre redet på hype-en til tidlige LLM-utgaver, men ble raskt overskygget av nye kapasiteter i populære plattformer.

For eksempel har vi sett startups som prøver å bolt på “emotional intelligence”-lag til ChatGPT under bruker-interaksjon, bare for å bli avbrutt noen måneder senere av OpenAI selv, som lanserer lignende funksjoner naturlig. Hele premisset for startupen forsvant. Disse tilfellene lærte oss viktigheten av å investere i selskaper med uavhengige tekniske kjerne og domene-fokus.

Røde flagg vi ser etter

I våre vurderinger, dukker bestemte advarselsignaler jevnt og trutt opp:

• Jargong-tunge pitches, lett på spesifikke detaljer
• Grunnleggere som ikke kan identifisere betalende kunder eller formulere et smertepunkt
• Replikering av standardløsninger uten en unik teknologisk lag eller nisje-fokus

Vi unngår bygg-og-selg-mentaliteter. Vi er i virksomheten med å støtte grunnleggere som er dedikert til å løse problemer og bli ledere i deres rom.

Et annet rødt flagg vi ser etter: startups som over-vekter på OpenAI-tillegg eller bygger helt innen Notion, Slack eller Discord. Disse plattformene kan kutte av tilgang eller absorbere verdien selv. Vi spør: hva overlever hvis plattformen endrer sin API i morgen?

Råd til investorer som går inn i AI uten teknisk ekspertise

For ikke-tekniske investorer som er ivrige etter å finansiere AI-startups, er vårt råd enkelt:

Først, samarbeid viselt. Bring inn rådgivere, co-investorer eller ledere med teknisk bakgrunn som kan verifisere teknologien og teamet.

Andre, støtt grunnleggere som kan kommunisere tydelig problemet de løser og stegene for å løse det. Hvis en pitch mangler klarhet, mangler den sannsynligvis retning.

Tredje, diversifiser. Fordel investeringer over sektorer, problemtyper og forretningsmodeller. Dette øker sjansen for å finne gjennombruddsvinnere og begrenser nedside-risiko.

Hvis en pre-seed-startup under vurdering viser klare bevis på bruker-behov (voksende publikum, sterk engasjement og tilbakeholdenhetsnivå) og hyppige produkt-iterasjoner basert på tilbakemelding – disse er indikatorer for en høypotensial bedrift med skalerings-potensial.

Konklusjon

I en AI-marked er fristelsen til å jage det neste store ting forståelig. Men tidlig-investering krever disiplin, skeptisisme og en dyp forståelse av hva som skiller hype fra substans.

Investorer som anvender rigor, samarbeider med eksperter og fokuserer på grunnleggende prinsipper, vil være best posisjonert til å navigere dette høyhastighets-rommet og fremkomme med en portefølje av varige, høy-impakt AI-selskaper.