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, focado 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 para resolver problemas do mundo real, e não por 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 implantando $1 milhão a $10 milhões. Sua experiência em investimentos abrange todo o ciclo de vida da empresa, desde a venture inicial até o crescimento e aquisições de estágio tardio, moldada pelo tempo gasto em principais hubs de tecnologia global, incluindo São Francisco, Nova York, Londres, Berlim e Paris, e traz uma forte perspectiva transatlântica sobre tecnologia, talentos e mercados. Ele também é fluente em francês, mandarim e japonês.

RTP Global é uma empresa de capital de risco de estágio inicial global 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, Delivery Hero e Cred. A RTP Global opera com uma filosofia de investimento de longo prazo, muitas vezes apoiando empresas por muitos anos, e reinvestindo capital de sucessos passados em novas aventuras. Sua presença global e rede permitem que os fundadores escalem internacionalmente, enquanto seu foco setorial abrange áreas como IA, fintech, SaaS e infraestrutura de dados.

Você apoiou uma ampla gama de startups de IA nativa, 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 de IA nativa para pontos de dor que eles encontraram em primeira mão em setores legados (pode ser sistemas ERP ou software desajeitado em setores como 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 de IA nativa está se unindo.

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

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 modelos fundamentais e empresas de camada de aplicação?

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

Mas o apelo das ferramentas de superfície só se estende até certo ponto. Fluxos de trabalho complexos em setores regulamentados são melhor atendidos por aplicações de IA com integração profunda com ferramentas específicas da indústria que foram projetadas por equipes com conhecimento profundo da indústria. As startups de IA verticais por trás dessas aplicações têm trincheiras defensáveis e podem resistir à 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 as startups mais jovens devem tirar disso?

O problema que muitas startups de IA no estágio de Série B e C enfrentam é que seus produtos são, em sua essência, painéis para interface com LLMs que têm apenas um punhado de integrações subjacentes. Essas empresas fizeram uma tração rápida com a adoção de hobbyistas e empresas nos últimos anos e levantaram grandes quantias. Mas, avançando para hoje, as empresas de modelos fundamentais estão bem posicionadas para desafiar seu modelo de negócios.

Para novos fundadores, a lição é evitar se confortar demais 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 em commodity 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. Não posso enfatizar o suficiente a profundidade de integração necessária, no entanto. Estamos falando de integração com mais de 100 ferramentas e aplicações específicas da indústria para ser um nível de profundidade que é difícil de deslocar.

Como mencionado anteriormente, acredito que as empresas de modelos fundamentais podem apenas se estender até certo ponto. Setores regulamentados e seus fluxos de trabalho críticos são complexos demais para os modelos fundamentais, e é aqui que as startups de IA podem preencher a lacuna e construir negócios defensáveis.

Além do que você lista, 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 disruptar.

Muitos investidores agora estão dizendo que a trincheira tecnológica na 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 seu produto pode ser construído em um fim de semana, então você não tem uma trincheira tecnológica – e a arte do possível em um fim de semana com IA está se tornando cada vez 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.

De uma perspectiva de capital de risco, quais qualidades você procura em fundadores que constroem empresas de IA hoje? Existem traços específicos, experiências ou formas de pensar que se destacam quando você decide apoiar um fundador?

Pessoalmente, o traço #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 uma personalidade de fundador focada 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 setores regulamentados podem oferecer oportunidades de longo prazo mais fortes para startups de IA?

Setores como saúde, farmacêuticos, serviços financeiros, seguros e o setor público estão maduros para serem disruptados por startups de IA que são construídas do zero com as necessidades e fluxos de trabalho de cada setor em mente. O impacto dos LLMs e da IA agente é tão revolucionário que não simplesmente “passará” por setores que historicamente foram lentos para adotar tecnologia.

Esses setores são tão atraentes para startups porque ainda são dominados por incumbentes de software legado que não podem facilmente mudar seus produtos para IA. E, como mencionado, eles são menos propensos a serem disruptados por modelos fundamentais.

Houve 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 capital em múltiplos de pico em 2021-2023 e agora enfrentam a perspectiva de uma rodada de rebaixamento se voltarem ao mercado, o que torna uma aquisição estratégica mais palatável do que um repreço humilhante. Do lado do adquirente, os hyperscalers e as 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 distribuição diferenciada ou ativos de dados proprietários.

O segundo sinal é a dinâmica de moat de talentos e dados: à medida que a commoditização dos modelos fundamentais 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 estratégias de grande capital que anteriormente eram cautelosas em relação à revisão do negócio. Junte tudo 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 alcançar 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 estagnam?

A linha divisória entre os fundadores de IA que atingem tetos de receita e os fundadores que repetidamente rompem marcos é a velocidade de go-to-market. Entregar recursos e produtos guiados por um loop de feedback da comunidade de usuários. Não pensar duas vezes sobre o crescimento global. Fazer as contratações certas de vendas. Canais de distribuição à prova de balas. Esses são tenets cruciais da velocidade de go-to-market que distinguem 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 lotadas ou vulneráveis?

Estou me sentindo animado sobre as possibilidades de a IA disruptar a saúde e os farmacêuticos (cheios de fluxos de trabalho complexos e altamente regulamentados que podem ser disruptados), industriais (onde a disruptura tecnológica em geral ainda tem muito a percorrer) e financeiros (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 pode ser facilmente replicado. As trincheiras tecnológicas não são mais confiáveis.