Thomas Cuvelier, Sócio, EUA & Europa, RTP Global – Série de Entrevistas

Thomas Cuvelier, Sócio, EUA & Europa, RTP Global é um investidor com sede em Nova York que se concentra em apoiar fundadores nos Estados Unidos e Europa que estão construindo empresas que definem categorias. Ele é particularmente atraído por empreendedores impulsionados por experiências em primeira mão ao resolver problemas do mundo real, e não aqueles que simplesmente pretendem iniciar um negócio. Com formação em Ciência da Computação e Estatística, ele investe em equipes tecnicamente fortes desde a fase de pré-semente até a Série A, geralmente investindo de $1 milhão a $10 milhões. Sua experiência em investimentos abrange todo o ciclo de vida da empresa, desde a fase inicial de venture até o crescimento e as compras de empresas de estágio tardio, moldada pelo tempo passado em principais hubs de tecnologia globais, incluindo São Francisco, Nova York, Londres, Berlim e Paris, e traz uma forte perspectiva transatlântica sobre tecnologia, talento e mercados. Ele também é fluente em francês, mandarim e japonês.

RTP Global é uma empresa de capital de risco de estágio inicial que investe em empresas impulsionadas por tecnologia em toda a América do Norte, Europa e Ásia. Fundada em 2000, a empresa se concentra em apoiar fundadores ambiciosos nas fases de semente e Série A, com um histórico que inclui empresas como Datadog (DDOG ), Delivery Hero e Cred. A RTP Global opera com uma filosofia de investimento de longo prazo, frequentemente apoiando empresas por muitos anos e reinvestindo capital de sucessos passados em novas empresas. Sua presença global e rede permitem que os fundadores escalonem internacionalmente, enquanto seu foco setorial abrange áreas como IA, fintech, SaaS e infraestrutura de dados.

Você apoiou uma ampla gama de startups nativas de IA, incluindo plataformas de orquestração de fluxo de trabalho como Kestra, plataformas de dados de robótica como Mecka AI e empresas de SaaS verticais como Archy e DualEntry. A partir de sua experiência em investir em diferentes setores, quais padrões você está vendo nos tipos de startups de IA que estão ganhando tração real hoje?

Um padrão interessante pode ser visto no perfil dos fundadores por trás das startups de IA bem-sucedidas. Estou cada vez mais vendo empreendedores motivados por e construindo soluções nativas de IA para pontos de dor que encontraram em primeira mão em indústrias legadas (pode ser sistemas ERP ou software desajeitado em indústrias como a saúde). Há um grupo separado de fundadores empreendedores que identificaram uma oportunidade de disruptar um aspecto legado de um negócio global e estão construindo em torno disso. A tendência é que a geração de fundadores nativos de IA está se unindo.

É importante notar que a tração está sendo gerada em um amplo cenário. Indústrias pesadas que eram uma vez “invencíveis” à disruptura de startups, como robótica e serviços governamentais, agora podem ser disruptadas e são viáveis para investimento de capital de risco.

Lançamentos recentes de grandes provedores de modelos, como Anthropic, desencadearam debates sobre se as startups de IA verticais ainda têm trincheiras defensáveis. Como você vê a relação evoluindo entre os modelos fundamentais e as empresas de aplicação em camada?

Os lançamentos da Anthropic representam uma ameaça ao ecossistema de startups, mas precisamos ser precisos. Empresas que oferecem SaaS para PMEs e indústrias não regulamentadas são vulneráveis. Elas não têm uma trincheira que as empresas de modelos fundamentais não possam violar com ferramentas de superfície eficazes.

No entanto, o apelo das ferramentas de superfície só se estende até certo ponto. Fluxos de trabalho complexos em indústrias regulamentadas são melhor atendidos por aplicações de IA com integração profunda com ferramentas específicas da indústria que foram projetadas por equipes com conhecimento profundo de sua indústria. As startups de IA verticais por trás de tais aplicações têm trincheiras defensáveis e podem suportar a tempestade.

Você sugeriu que algumas startups de IA em série B e C podem enfrentar desafios estruturais devido aos avanços rápidos nos modelos fundamentais. Quais erros arquitetônicos essas empresas cometeram e quais lições os startups mais jovens devem tirar disso?

O problema que muitas startups de IA na fase de série B e C enfrentam é que seus produtos são, em sua essência, painéis para interfacear com LLMs que têm apenas um punhado de integrações subjacentes. Essas empresas fizeram uma grande tração com a adoção de hobbyistas e empresas nos últimos anos e levantaram grandes quantias. No entanto, avançando para hoje, os jogadores de modelos fundamentais estão bem posicionados para desafiar seu modelo de negócios.

Para novos fundadores, a lição é evitar se sentir muito confortável com qualquer trincheira tecnológica percebida ou bloqueio de cliente histórico. O desenvolvimento de software assistido por IA e a escalabilidade dos negócios tornam a inovação de hoje vulnerável a se tornar a oferta comoditizada de amanhã. Construir trincheiras em torno de características que ainda são difíceis de replicar – profundidade de integração, profundidade de expertise específica da indústria e comunidades de usuários prósperas – é uma jogada melhor.

Quando você avalia startups de IA hoje, o que realmente constitui defensibilidade? É dados proprietários, integração de fluxo de trabalho, complexidade regulatória, distribuição ou algo completamente diferente?

Eu diria que sim, todos esses são importantes. Eu não posso enfatizar o suficiente a profundidade de integração necessária, no entanto. Estamos falando de integração com mais de 100 ferramentas e aplicativos específicos da indústria para ser um nível de profundidade que é difícil de deslocar.

Como mencionado acima, eu acho que a pressão dos modelos fundamentais em direção a indústrias verticais pode se estender apenas até certo ponto. Indústrias regulamentadas e seus fluxos de trabalho críticos são muito complexos para os modelos fundamentais, e é aqui que as startups de IA podem preencher e construir negócios defensáveis.

Além disso, eu também adicionaria que a retenção de usuários e a construção de comunidades permanecem blocos de construção importantes da defensibilidade. Lealdade genuína do usuário porque um produto é ótimo e um prazer de usar é difícil de construir, mas também difícil de interromper.

Muitos investidores agora estão dizendo que a trincheira tecnológica em IA está encolhendo. Você concorda e, se sim, quais novas formas de vantagem competitiva estão surgindo?

É um fato que a trincheira tecnológica está encolhendo. Se o seu produto pode ser construído em um fim de semana, então você não tem uma trincheira tecnológica – e a arte do possível com IA em um fim de semana continua se tornando mais sofisticada.

Em um mundo onde o software é fácil de substituir, a lealdade do cliente reforçada por uma experiência de usuário incrível se torna crucial.

Do ponto de vista do capital de risco, quais são as qualidades que você procura em fundadores que constroem empresas de IA hoje? Existem traços, experiências ou formas de pensar específicas que se destacam quando você decide apoiar um fundador?

Pessoalmente, o traço número 1 é clareza cristalina sobre os clientes finais. Quando os fundadores conhecem os clientes como a palma da mão e como o produto se encaixa na realidade do cliente, então outros elementos importantes para construir empresas de IA bem-sucedidas – como ser guiado por expertise setorial profunda – caem no lugar.

Outras qualidades importantes são um perfil de fundador focado no produto e redes pessoais fortes que incluem tomadores de decisão de empresas que podem se tornar clientes no futuro.

Você investiu em empresas que operam em setores regulamentados, como seguros, saúde e serviços financeiros. Por que você acredita que indústrias regulamentadas podem oferecer oportunidades de longo prazo mais fortes para startups de IA?

Indústrias como saúde, farmacêutica, serviços financeiros, seguros e setor público estão maduras para serem disruptadas por startups de IA que são construídas do zero, tendo em mente as necessidades e fluxos de trabalho de cada indústria. O impacto dos LLMs e da IA agente é tão revolucionário que não simplesmente “passará” por indústrias que historicamente foram lentas para adotar tecnologia.

Essas indústrias são tão atraentes para startups porque ainda são dominadas por incumbentes de software legado que não podem facilmente pivotar seus produtos para IA. E, como mencionado, elas são menos propensas a serem disruptadas por modelos fundamentais.

Tem havido uma discussão crescente sobre uma onda potencial de fusões e aquisições entre empresas de IA de estágio médio. Quais sinais você está vendo que sugerem que a consolidação pode acelerar nos próximos dois anos?

O sinal mais claro é a compressão de valorização encontrando pressão de caixa simultaneamente. Muitas empresas de IA de estágio médio levantaram em múltiplos de pico em 2021-2023 e agora enfrentam território de rebaixamento se voltarem ao mercado, o que torna uma aquisição estratégica mais atraente do que um repreço humilhante. No lado do adquirente, as empresas de hiperscalabilidade e grandes empresas de plataforma passaram os últimos dois anos integrando capacidades de IA e agora estão percebendo que construir tudo internamente é mais lento do que comprar ativos de distribuição ou dados proprietários diferenciados.

O segundo sinal é a dinâmica de trincheira de talento e dados: à medida que a commoditização do modelo fundamental acelera, o valor defensável cada vez mais reside em dados de treinamento proprietários e go-to-market, e não na arquitetura do modelo em si, o que é exatamente o que as aquisições e roll-ups estratégicos capturam de forma eficiente.

Finalmente, o ambiente regulatório está se tornando mais permissivo; a atual administração dos EUA sinalizou uma postura antitruste mais leve, o que remove barreiras para as estratégias de grande capital que anteriormente eram cautelosas com a revisão de negócios. Coloque tudo junto e você tem vendedores motivados, compradores motivados e uma via regulatória mais clara: essa combinação historicamente precede uma onda de fusões e aquisições.

As startups de IA podem atingir uma tração inicial rapidamente, às vezes atingindo seu primeiro milhão de receita mais rápido do que as gerações anteriores de empresas de SaaS. Mas escalar além disso parece ser onde muitas lutam. O que separa as empresas que rompem a barreira daquelas que param?

A linha divisória entre os fundadores de IA que atingem tetos de receita e os fundadores que repetidamente rompem as marcas é a velocidade de go-to-market. Envio de recursos e produtos guiados por um loop de feedback da comunidade de usuários. Não pensar duas vezes sobre o crescimento global. Fazer as contratações de vendas certas. Canais de distribuição à prova de balas. Esses são princípios cruciais da velocidade de go-to-market que separam as startups de IA do resto.

Olhando para os próximos três a cinco anos, quais tipos de startups de IA você está mais animado para apoiar agora e quais categorias você acredita que já estão se tornando congestionadas ou vulneráveis?

Estou animado com as possibilidades de a IA disruptar a saúde e a farmacêutica (cheias de fluxos de trabalho complexos e altamente regulamentados que podem ser disruptados), industriais (onde a disruptura tecnológica em geral ainda tem milhas para correr) e financeiras (particularmente conformidade e contabilidade/ERP). O mercado para produtos de IA de nível superior, voltados para PMEs, está saturado e é uma área de vulnerabilidade para startups. É o mesmo caso para qualquer startup de IA com um produto que possa ser facilmente replicado. As trincheiras tecnológicas não são mais confiáveis.