Nick Davidov, Co-fundador e Sócio Diretor da DVC – Série de Entrevistas

Nick Davidov, Co-fundador e Sócio Diretor da DVC, investiu em mais de 140 startups de inteligência artificial em estágio inicial, incluindo Perplexity AI, Etched e o Thinking Machines Lab de Mira Murati.

DVC é uma empresa de capital de risco com sede em San Francisco, focada em apoiar startups de inteligência artificial em estágio inicial e construir um ecossistema impulsionado pela comunidade em torno da inovação em IA. Fundada por Marina e Nick Davidov, a empresa combina uma rede ativa de fundadores, engenheiros e pesquisadores com fluxos de trabalho habilitados por IA para apoiar empresas desde o estágio de pré-semente até o crescimento em séries A/B, investindo $100K–$300K no estágio mais inicial e $1M–$3M em rodadas de follow-on. Seu modelo enfatiza suporte hands-on, engajamento comunitário profundo e uso de ferramentas de IA ao lado de sócios limitados experientes para encontrar negócios, realizar due diligence e ajudar os fundadores de portfólio a crescer — tudo visando criar um impacto significativo no cenário de startups de IA.

A DVC se tornou conhecida por repensar o capital de risco a partir de princípios fundamentais. Quais experiências ou frustrações no VC tradicional o inspiraram a construir um modelo que funciona inteiramente com agentes de IA e inteligência comunitária?

Primariamente, problemas com a escalabilidade de um negócio de capital de risco. Atualmente, a única maneira de crescer o negócio é aumentando os ativos sob gestão. Em algum momento, sua motivação muda — você não está mais motivado por valores, mas por taxas de gestão. E então você começa a priorizar a implantação sobre os retornos, o que não é saudável. Então, estamos tentando encontrar uma maneira alternativa de escalar uma empresa de investimentos horizontalmente, não verticalmente. E também, estamos tentando democratizar o acesso ao VC e trazer diversidade dessa maneira.

​Você disse que a DVC “demitiu seus analistas e contratou seus LPs.” Pode nos explicar como esse sistema realmente funciona — como os LPs contribuem para a fonte e a due diligence, e quais ferramentas os capacitam?

Vou começar com uma anedota aqui. Quando novos LPs se juntam a nós, pedimos que preencham um questionário, incluindo a pergunta: “Você está disposto a ajudar ativamente as startups?” Um LP — um engenheiro de teste — estava curioso para ver quais perguntas o questionário mostraria em seguida se ele selecionasse “Não”, mas nada aconteceu. Ele foi mais ou menos nosso 100º candidato, que nos fez descobrir que uma resposta positiva foi definida como obrigatória nessa pergunta — ninguém podia responder “Não.” Surpreendentemente, cem candidatos antes dele haviam clicado em “Sim” e nunca notaram.

Construímos uma “escada social” interna para nossos LPs. Na DVC, cada LP pode obter o título de Conselheiro de Negócios e então crescer em um Super Conselheiro, se ele ou ela apoiar ativamente nossas empresas de portfólio com contratação, vendas, produto e conexões, contribuindo para o crescimento da startup — e recebendo uma fatia de juros sobre o capital em troca. Além disso, se um LP nos traz um negócio, ele ou ela se torna um Capitão de Negócios. Fizemos com que fosse muito fácil para eles contribuir em todas as etapas e automatizamos a maioria dos processos.

Como os agentes de IA proprietários da DVC automatizam funções de VC centrais, como fonte de negócios, due diligence e monitoramento de portfólio? Pode descrever um ou dois fluxos de trabalho que viram a maior transformação?

Na DVC, a IA é a espinha dorsal de uma reavaliação completa de como uma empresa de venture capital opera. Ela nos ajuda a virar o processo tradicional de due diligence de cabeça para baixo. Em vez de entrar em contato com os fundadores primeiro, nossos agentes de IA constroem um memorando de negócios abrangente e realizam a maioria da due diligence preliminar antes do contato inicial. Isso é possível porque grande parte das informações necessárias (como decks de empresas, dados de mercado, análise de concorrentes e princípios de avaliação) está disponível antes da ligação, então não há necessidade de desperdiçar o tempo dos fundadores e investidores. O que costumava levar um dia inteiro para um analista caro agora pode ser feito em minutos por menos de 30 centavos.

Quando um deck de startup atinge o sistema — geralmente por meio de uma apresentação de LP — a IA analisa os materiais, enriquece-os com fontes externas, classifica os dados e expulsa um memorando de negócios. Então, podemos nos concentrar no que é difícil de automatizar — motivação do fundador, habilidades sociais, cultura e dinâmica da equipe.

​Quais são os sinais mais incomuns ou surpreendentes que sua IA rastreia ao avaliar startups em estágio inicial? Como esses diferem do que os analistas humanos tradicionalmente procuram?

Entre os sinais incomuns e difíceis de notar pelos analistas humanos, eu destacaria as demissões recentes de membros-chave da equipe da startup. No total, nosso sistema rastreia aproximadamente 120 sinais. Parte deles nos ajuda a entender o tração da startup. O segundo grupo de sinais é sobre a equipe da startup. A terceira categoria se concentra na competição potencial de investidores. O objetivo aqui é prever como rapidamente um fundador pode levantar uma rodada, pois a rede do fundador é um fator significativo.

​Com mais de 170 LPs vindo de empresas como OpenAI, Meta e Tesla (TSLA ), como você coordena essa comunidade e garante entrada de qualidade em vez de ruído?

Quando havia apenas uma dúzia de LPs, era possível gerenciá-los manualmente. Mas à medida que o número de LPs crescia, combinar o especialista certo com a startup certa no momento certo se tornou um gargalo. Então, desenvolvemos agentes de IA atuando como “superconectores”, lembrando todos os detalhes sobre a expertise e as redes dos LPs para sugerir apresentações relevantes para as empresas de portfólio. Isso torna o aspecto comunitário incrivelmente escalável.

E para garantir a qualidade, sempre entramos em contato com os fundadores para obter seu feedback. Para nós, não é suficiente, por exemplo, simplesmente fazer uma apresentação a uma empresa potencial; precisamos verificar se isso realmente funcionou. Com o tempo, reunimos dados suficientes para ver o que é realmente eficaz.

A tese do fundo enfatiza a infraestrutura de IA central e pilhas de modelo verticalmente focadas. Quais segmentos de IA você acha que estão mais subvalorizados agora — e por quê?

Não há segmentos subvalorizados, apenas subdesenvolvidos — e os segmentos subdesenvolvidos tendem a ser mais baratos. Saúde, aplicações industriais, robótica e construção estão atrasados. Há muitas aplicações, mas a adoção é horrível.

​A DVC já investiu em nomes como Perplexity AI e Etched. Como o sistema de IA da empresa ajuda a identificar essas empresas de destaque antes que elas atinjam a atenção mainstream?

A maioria dos nossos investidores são fundadores e engenheiros que são principalmente usuários e adotantes precoces de tecnologias de IA. E quando eles se tornam obcecados por algo, trazem para nossa comunidade. Nossa pilha de IA lida com a preparação. Como parceiros, nosso trabalho é ouvir nossa intuição. É exatamente assim que acabamos investindo em Perplexity.

À medida que a IA redefine o capital de risco, quais aspectos da intuição do investidor, julgamento ou conexão humana você acredita que nunca podem ser substituídos por algoritmos?

Os agentes de IA já superam nosso desempenho em memorandos de negócios, pesquisas e trabalhos preparatórios. O que eles não podem substituir é a conexão humano-humano entre um fundador e um investidor. Essa relação muitas vezes dura mais do que um casamento médio. O caminho do fundador é complexo, às vezes solitário e de alta pressão. Ter um parceiro humano é crucial — é para isso que um investidor realmente serve. E nenhum algoritmo pode substituir isso.

​Como você equilibra as vantagens da automação com a necessidade de transparência e confiança entre fundadores e LPs?

Na verdade, é o contrário — a automação fornece transparência, que, por sua vez, constrói confiança. Com a automação, você pode claramente ver quais entradas foram usadas e como as decisões foram tomadas. Isso torna o processo de tomada de decisão tão transparente e analisável quanto possível.

​Olhando para o futuro, você vislumbra um futuro em que a maioria das empresas de venture capital opera sem analistas — e, se sim, o que isso significa para a próxima geração de VC que entra na indústria?

O papel tradicional do analista é inerentemente ineficiente. A estrutura em si — ter um analista coletar e analisar dados — é propensa a erros humanos, tanto na coleta quanto na análise de dados. Usar a IA simplesmente torna o processo muito mais eficiente, então o antigo papel se torna desnecessário. No entanto, surgem novos papéis. Então, quando demitimos todos os nossos analistas, contratamos produtos e engenheiros que lidam com essas tarefas, e o julgamento humano não some — apenas muda para funções diferentes. O papel migra para onde adiciona mais valor.

Obrigado pela grande entrevista, leitores que estão interessados em aprender mais sobre esse VC devem visitar DVC.