Thomas Cuvelier, Partner, US & Europe, RTP Global – Wywiad

Thomas Cuvelier, Partner, US & Europe, RTP Global to nowojorski inwestor, który wspiera założycieli na terenie Stanów Zjednoczonych i Europy, budujących firmy definiujące swoje branże. Jest szczególnie zainteresowany przedsiębiorcami, którzy są zmotywowani doświadczeniami zdobytymi w trakcie rozwiązywania prawdziwych problemów, a nie tymi, którzy zaczynają biznes tylko po to, by go prowadzić. Z wykształcenia w dziedzinie informatyki i statystyki, inwestuje w zespoły o silnych podstawach technicznych, od etapu pre-seed do serii A, zwykle inwestując od 1 do 10 milionów dolarów. Jego doświadczenie inwestycyjne obejmuje cały cykl życia firmy, od wczesnego etapu venture do wzrostu i późniejszych wykupów, ukształtowane przez czas spędzony w głównych globalnych centrach technologicznych, w tym San Francisco, Nowy Jork, Londyn, Berlin i Paryż, i posiada silne doświadczenie transatlantyckie w dziedzinie technologii, talentów i rynków. Jest również biegle włada językiem francuskim, mandaryńskim i japońskim.

RTP Global to globalna firma venture capital, która inwestuje w firmy napędzane technologią na terenie Ameryki Północnej, Europy i Azji. Założona w 2000 roku, firma koncentruje się na wspieraniu ambitnych założycieli na etapie seed i serii A, z rekordem obejmującym firmy takie jak Datadog (DDOG ), Delivery Hero i Cred. RTP Global działa z długoterminową filozofią inwestycyjną, często wspierając firmy przez wiele lat, i reinwestuje kapitał z poprzednich sukcesów w nowe przedsięwzięcia. Jej globalna obecność i sieć umożliwiają założycielom skalowanie na arenie międzynarodowej, a jej fokus branżowy obejmuje obszary takie jak AI, fintech, SaaS i infrastruktura danych.

Wspierałeś szeroki zakres startupów AI, w tym platformy workflow orchestration, takie jak Kestra, platformy danych robotycznych, takie jak Mecka AI, oraz firmy SaaS pionowe, takie jak Archy i DualEntry. Jakie wzorce widzisz w typach startupów AI, które zyskują prawdziwy impet dzisiaj?

Ciekawy wzorzec można zaobserwować w profilu założycieli założycieli udanych startupów AI. Coraz częściej widzę przedsiębiorców, którzy są zmotywowani budowaniem AI-nativnych rozwiązań do bólów, które spotkali w branżach legacy (mogą to być systemy ERP lub niewydajne oprogramowanie w branżach takich jak opieka zdrowotna). Istnieje oddzielna grupa założycieli, którzy zauważyli okazję do zakłócenia legacy aspektu globalnego biznesu i budują wokół niego. Trendem jest, że pokolenie założycieli AI-nativnych łączy się.

Warto również zauważyć, że impet jest generowany na szerokim krajobrazie. Ciężkie branże, które kiedyś były „niepokonane” przez zakłócenia ze strony startupów, takie jak robotyka i usługi rządowe, mogą teraz być zakłócane i są odpowiednie dla inwestycji VC.

Ostatnie premiery od dużych dostawców modeli, takich jak Anthropic, wywołały debatę na temat tego, czy startupy AI pionowe nadal mają defensywną przewagę. Jak widzisz ewolucję relacji między modelami podstawowymi a firmami warstwy aplikacji?

Premiery Anthropic stanowią zagrożenie dla ekosystemu startupów, ale musimy być precyjni. Firmy, które oferują SaaS dla SMB i nieuregulowanych branż, są podatne. Nie mają przewagi, którą firmy modeli podstawowych nie mogą naruszyć za pomocą skutecznych narzędzi powierzchniowych.

Ale atrakcyjność narzędzi powierzchniowych sięga tylko tak daleko. Złożone przepływy pracy w branżach regulowanych są najlepiej obsługiwane przez aplikacje AI z głęboką integracją z narzędziami branżowymi, które zostały zaprojektowane przez zespoły z głęboką znajomością swojej branży. Startupy AI za tymi aplikacjami mają defensywną przewagę i mogą przetrwać burzę.

Zaznaczyłeś, że niektóre startupy AI w seriach B i C mogą teraz stawić czoła strukturalnym wyzwaniom z powodu szybkich postępów w modelach podstawowych. Jakie błędy architektoniczne popełniły te firmy, a jakie lekcje powinny wziąć od tego młodsze startupy?

Problem, z którym borykają się wiele startupów AI na etapie serii B i C, polega na tym, że ich produkty są w swojej istocie pulpity do interfejsu z LLM, które mają tylko garstkę podstawowych integracji. Te firmy zrobiły szybki postęp z adopcją hobbystów i przedsiębiorstw w ciągu ostatnich kilku lat i podniosły duże kwoty. Ale teraz, w dzisiejszych czasach, firmy modeli podstawowych są dobrze przygotowane do wyzwania ich modelu biznesowego.

Dla nowych założycieli lekcja polega na unikaniu zaufania do jakiejkolwiek postrzeganej przewagi technologicznej lub historycznego zabezpieczenia klientów. Rozwój oprogramowania wspomaganego przez AI i skalowanie biznesu sprawia, że dzisiejsze przełomy stają się jutrzejszymi ofertami komercyjnymi. Budowanie przewagi wokół cech, które są nadal trudne do replikacji – głębokiej integracji, głębokiej wiedzy branżowej i kwitnących społeczności użytkowników – jest lepszą grą.

Gdy oceniasz startupy AI dzisiaj, co tak naprawdę stanowi defensywną przewagę? Czy to dane własnościowe, integracja przepływu pracy, złożoność regulacyjna, dystrybucja, czy coś zupełnie innego?

Powiem, tak, wszystkie te elementy są ważne. Nie mogę wystarczająco podkreślić wymaganej głębokości integracji. Mówimy o integracji z ponad 100 narzędziami i aplikacjami branżowymi, aby osiągnąć poziom głębokości, który jest trudny do usunięcia.

Jak wspomniałem powyżej, uważam, że pchnięcia modeli podstawowych do branż pionowych mogą sięgać tylko tak daleko. Branże regulowane i ich krytyczne przepływy pracy są zbyt złożone dla modeli podstawowych, a tu leży najlepsza luka dla startupów AI, aby wypełnić ją i zbudować defensywny biznes.

Ponadto, retencja użytkowników i budowanie społeczności pozostają ważnymi elementami budowania defensywnego biznesu. Prawdziwa lojalność użytkowników, ponieważ produkt jest wspaniały i przyjemny w użyciu, jest trudna do zbudowania, ale także trudna do zakłócenia.

Wiele inwestorów mówi teraz, że przewaga technologiczna w AI maleje. Czy zgadzasz się z tym, a jeśli tak, to jakie nowe formy przewagi konkurencyjnej się pojawiają?

To fakt, że przewaga technologiczna maleje. Jeśli twój produkt może być zbudowany w weekend, to nie masz przewagi technologicznej – a sztuka możliwości z weekendu z AI staje się coraz bardziej wyrafinowana.

W świecie, w którym oprogramowanie jest łatwe do zastąpienia, lojalność klienta wspierana przez niesamowite doświadczenie użytkownika staje się kluczowa.

Z perspektywy venture capital, jakie cechy szukasz u założycieli budujących firmy AI dzisiaj? Czy są specyficzne cechy, doświadczenia lub sposoby myślenia, które wyróżniają się, gdy decydujesz o wspieraniu założyciela?

Osobiście, cecha numer jeden to klarowność co do końcowych klientów. Gdy założyciele znają klientów jak swoją własną skórę i wiedzą, jak ich produkt wpisuje się w rzeczywistość klienta, wtedy inne ważne elementy budowania udanych firm AI – takie jak bycie kierowanym przez głęboką wiedzę branżową – wpadają na miejsce.

Inne ważne cechy to założyciel zorientowany na produkt i silne sieci osobiste, które obejmują decydentów przedsiębiorstw, którzy mogą stać się klientami w przyszłości.

Zainwestowałeś w firmy działające w regulowanych sektorach, takich jak ubezpieczenia, opieka zdrowotna i usługi finansowe. Dlaczego uważasz, że regulowane branże mogą oferować silniejsze długoterminowe możliwości dla startupów AI?

Branże takie jak opieka zdrowotna, farmaceutyka, usługi finansowe, ubezpieczenia i sektor publiczny są dojrzałe do zakłócenia przez startupy AI, które są zbudowane od podstaw z myślą o potrzebach i przepływach pracy każdej branży. Wpływ LLM i AI agenty jest tak rewolucyjny, że nie po prostu „przejdzie” obok branż, które historycznie były wolne w przyjmowaniu technologii.

Te branże są tak atrakcyjne dla startupów, ponieważ są nadal dominowane przez legacy oprogramowanie, które nie może łatwo zmienić swoje produkty, aby uwzględnić AI. I, jak wspomniałem, są mniej podatne na zakłócenia ze strony modeli podstawowych.

Istnieje coraz więcej dyskusji na temat potencjalnej fali połączeń i przejęć wśród firm AI w średnim stadium. Jakie sygnały widzisz, które sugerują, że konsolidacja może przyspieszyć w ciągu najbliższych kilku lat?

Najwyraźniejszym sygnałem jest kompresja wyceny spotykająca się z presją gotówkową. Wiele firm AI w średnim stadium podniosło kapitał w latach 2021-2023 przy szczytowych wielokrotnościach i teraz stoi w obliczu terytorium down-round, jeśli wrócą na rynek, co sprawia, że strategiczne przejęcie staje się bardziej przyjemne niż upokarzające ponowne wycenienie. Po stronie nabywcy, hiper skalery i duże firmy platformowe spędziły ostatnie dwa lata na integrowaniu możliwości AI i teraz zdają sobie sprawę, że budowanie wszystkiego wewnętrznie jest wolniejsze niż kupowanie różnicowanych aktywów dystrybucyjnych lub danych własnościowych.

Drugim sygnałem jest dynamika talentów i przewagi danych: w miarę jak komodyzacja modeli podstawowych przyspiesza, defensywna wartość coraz bardziej leży w danych szkoleniowych własnościowych i marketingu, a nie w samej architekturze modelu, co jest dokładnie tym, co przejęcia i strategiczne konsolidacje efektywnie przechwytują.

Wreszcie, środowisko regulacyjne staje się coraz bardziej permissive; obecna administracja USA sygnalizuje lżejsze podejście do antymonopolowego, co usuwa bariery dla dużych firm strategicznych, które wcześniej były ostrożne wobec kontroli transakcyjnej. Wziąwszy to wszystko razem, mamy zmotywowanych sprzedawców, zmotywowanych nabywców i jaśniejszą drogę regulacyjną: to połączenie historycznie poprzedza falę połączeń i przejęć.

Startupy AI mogą osiągnąć wczesny impet szybko, czasem osiągając pierwszy milion przychodu szybciej niż poprzednie generacje firm SaaS. Ale skalowanie poza tym wydaje się być tam, gdzie wiele z nich się zatrzymuje. Co odróżnia firmy, które przełamują ten pułap, od tych, które zatrzymują się?

Granica między założycielami AI, którzy osiągają pułap przychodu, a tymi, którzy wielokrotnie przekraczają kamienie milowe, to prędkość wejścia na rynek. Wprowadzanie funkcji i produktów kierowanych przez pętlę informacji zwrotnej od społeczności użytkowników. Niezastanawianie się nad globalnym wzrostem. Robienie odpowiednich wynajmów sprzedażowych. Bezpieczne kanały dystrybucyjne. Są to kluczowe elementy prędkości wejścia na rynek, które wyróżniają startupy AI spośród innych.

Spójrzając w przyszłość, trzy do pięciu lat, jakie typy startupów AI są Ci najbardziej interesujące do wspierania teraz, a które kategorie są już zatłoczone lub podatne?

Czuję się podekscytowany możliwościami AI do zakłócenia opieki zdrowotnej i farmaceutyki (pełnych złożonych i ściśle regulowanych przepływów pracy, które mogą być zakłócane), przemysłu (gdzie technologiczne zakłócenia ogólnie jeszcze mają miles do przebiegnięcia) i finansów (szczególnie zgodności i ERP). The market for high-level, SMB-facing AI products is saturated and an area of startup vulnerability. It’s the same case for any AI startup with a product that can be easily replicated. Technology moats aren’t dependable anymore.