Priya Saiprasad, генеральный партнер в Touring Capital — серия интервью

Когда программное обеспечение может выполнять работу, это меняет продукт, адресный рынок, модель ценообразования и экономику компании, её предоставляющей. Мы хотели построить Touring вокруг этой возможности с самого начала.

Наш фокус — компании, приближающиеся к или демонстрирующие раннее соответствие продукта рынку, когда технический потенциал начинает превращаться в принятие клиентами. Это особенно важный этап в ИИ: основатели решают, какие рабочие процессы контролировать, сколько автономии примут клиенты и как превратить ранний спрос в повторяемый рост.

Мы также хотели привнести перспективу построения компаний, основанную на нашем опыте в венчуре, слияниях и поглощениях и крупных технологических платформах. Наша цель — помочь основателям создавать бизнесы, конкурентные преимущества которых усиливаются по мере развития технологий. Для этого требуется уверенность в возможности и готовность постоянно переосмысливать лежащие в основе предположения.

Вы утверждаете, что крупнейшие возможности ИИ смещаются от простого создания более крупных базовых моделей к компаниям, применяющим ИИ в конкретных отраслях. Что изменилось технологически или экономически, сделав слой приложений столь привлекательным сейчас?

Модели стали значительно более мощными и доступными, что меняет возможности предпринимателей по созданию ценности. Теперь не требуется создавать базовый интеллект с нуля, чтобы построить что‑то мощное.

Это меняет вопрос с «Кто имеет лучшую модель?» на «Кто может применить этот интеллект для решения проблемы таким образом, который фундаментально меняет экономику или рабочий процесс?»

Самые привлекательные компании не просто размещают LLM перед существующим программным продуктом. Они используют ИИ, чтобы переосмыслить способы выполнения работы. В некоторых случаях это означает автоматизацию больших частей рабочего процесса. В других — возможность гораздо меньшей команде производить существенно больший объём работы.

Именно здесь, по моему мнению, произойдёт большая часть следующей волны создания ценности: компании, способные взять всё более мощный интеллект и превратить его в продукт, которому клиенты доверяют для выполнения значимой работы.

Когда вы рассматриваете различные сектора сегодня, какие отрасли, по вашему мнению, достигают настоящей точки перелома ИИ, когда ИИ может фундаментально перестроить рабочие процессы, а не просто сделать существующее программное обеспечение более эффективным?

Меня особенно интересуют отрасли, сочетающие значительную интеллектуальную работу, сложные существующие рабочие процессы и исторически низкий уровень внедрения программного обеспечения.

Финансовые услуги, здравоохранение, юридический сектор, промышленность и автомобилестроение являются хорошими примерами. В этих отраслях часто находятся огромные объёмы ценной информации и высокоспециализированные рабочие процессы, но большая часть работы всё ещё фрагментирована, ручная или зависит от опытных специалистов, передающих информацию между системами.

Возможность заключается не просто в том, чтобы сделать этих работников на 10 % более продуктивными. Более интересные компании перестраивают рабочий процесс вокруг того, что ИИ теперь способен делать.

Это видно на примере компаний, таких как Numa, использующей AI‑агентов для автоматизации взаимодействия с клиентами и операций автодилеров, и Daloopa, применяющей ИИ к высокочувствительным к времени данным и исследовательским рабочим процессам финансовых учреждений. Общей чертой является глубокое понимание базовой работы. ИИ мощен, но он не устраняет необходимости понимать отрасль, для которой вы создаёте решения.

Touring Capital подчеркивает важность данных‑барьеров, продуктовых маховиков и отраслевой экспертизы при оценке AI‑компаний. Как выглядит действительно защищённый вертикальный AI‑бизнес и как отличить его от компании, чьё главное преимущество — просто обёртка вокруг сторонней большой языковой модели?

По‑истине защищённый AI‑бизнес усиливается по мере своей работы.

Базовая модель может со временем улучшаться, и компания может полностью перейти на другую модель, но ценность бизнеса не должна исчезать из‑за изменения модели. Важно то, что компания владеет вокруг этой модели: отношения с клиентами, рабочий процесс, собственные данные, интеграции и доверие к выполнению всё более значимых задач.

Одно из того, на что мы уделяем особое внимание, — насколько продукт со временем глубже внедряется. Доверяют ли клиенты ему больше работы? Увеличиваются ли использование и результаты? Учится ли компания на своих развертываниях так, чтобы улучшать продукт?

Эти динамики создают гораздо более сильный бизнес, чем просто хороший интерфейс поверх сторонней модели. Функциональность в ИИ может быстро сходиться. Поддерживаемое использование и более глубокое внедрение в рабочие процессы гораздо труднее воспроизвести.

По мере того как базовые модели становятся более способными и всё более товарными, укрепляют ли они вертикальные AI‑компании, предоставляя им более дешёвый интеллект для построения, или создают риск, что сами поставщики моделей поглотят большую часть прикладного уровня?

Обе динамики могут происходить одновременно. Более качественные модели расширяют возможности компаний‑приложений, одновременно позволяя поставщикам моделей продвигаться дальше в продукты и рабочие процессы.

Вопрос при проверке — как меняется позиция компании по мере улучшения базового интеллекта. Мы задаём два вопроса одновременно: что станет возможным для этого бизнеса с поколением новых моделей и какая часть текущего ценностного предложения может превратиться в стандартную возможность модели? Это помогает отличить компании, получающие выгоду от прогресса, от тех, чья дифференциация зависит от временного ограничения.

Вертикальные бизнесы могут построить прочные позиции благодаря специализированным рабочим процессам, доступу к клиентам, интеграциям, системам оценки и операционной ответственности, которую они берут на себя. Эти преимущества требуют постоянных инвестиций; отраслевой экспертизы сама по себе не обеспечивает постоянной защиты.

Самые привлекательные компании, по моему мнению, имеют чёткий путь к выполнению более ценных задач по мере улучшения моделей. Их клиенты получают лучшие результаты, экономика доставки укрепляется, а накопленные знания становятся более полезными. Это и есть связь с прогрессом моделей, которую мы хотим поддержать.

Традиционные компании SaaS исторически оценивались по таким метрикам, как годовой повторяющийся доход, валовая маржа, удержание и расширение количества лицензий. Как ИИ меняет используемые вами метрики, особенно с ростом значимости расходов на вывод, ценообразования на основе использования и бизнес‑моделей, основанных на результатах?

ARR, удержание и валовая маржа по‑прежнему важны. Проблема в том, что сами по себе они уже не дают нам полной картины.

AI‑компания может за короткое время вырасти до десятков миллионов ARR, хотя базовое использование внутри клиентской базы уже снижается. Клиент может оставаться в контракте, но к моменту продления продукта он фактически заменён. Это то, что мы называем скрытой оттокой.

Поэтому мы всё чаще смотрим за пределы ценовой модели и задаём вопрос, какая работа действительно выполняется. Увеличивается ли количество рабочих процессов и результатов со временем? Доверяет ли клиент продукту в выполнении большего объёма работы? Продолжается ли использование после первоначального энтузиазма от внедрения?

Мы также гораздо тщательнее изучаем экономику роста. AI‑компании могут заменять человеческие ресурсы автоматизацией, но вычислительные мощности становятся реальной частью рабочей силы и структуры затрат. Поэтому мы рассматриваем такие понятия, как интенсивность рабочих процессов, коэффициенты эффективности, доход на скорректированного сотрудника и рычаги затрат.

Главный вопрос — становится ли рост со временем более прочным и эффективным. Впечатляющий рост и устойчивый рост не обязательно одно и то же.

Многие AI‑агенты разрабатываются не только для помощи сотрудникам, но и для автономного выполнения целых рабочих процессов. Как это меняет рыночные возможности корпоративного программного обеспечения и смогут ли AI‑компании в конечном итоге захватить часть бюджетов на труд, которые исторически не входили в расходы на программное обеспечение?

Я считаю, что это один из самых важных сдвигов в корпоративном программном обеспечении.

Исторически программное обеспечение в основном продавалось как инструмент, помогающий сотруднику выполнять свою работу. Сотрудник оставался ответственным за создание результата, а бюджет на программное обеспечение был отдельным от бюджета на труд.

ИИ меняет эту формулу, поскольку программное обеспечение всё чаще способно выполнять части работы самостоятельно.

Это значительно расширяет рыночные возможности. Вы больше не просто продаёте инструмент повышения продуктивности из бюджета ИТ или программного обеспечения. Если продукт может надёжно взять на себя выполнение значимой работы и обеспечить измеримый результат, он также может захватывать ценность из бюджетов на труд.

Важное различие заключается в сравнении AI‑ассистента и AI‑системы, которой клиенты доверяют фактическое выполнение задач. Последняя имеет потенциал стать гораздо более ценной, но ей также необходимо продемонстрировать реальную надёжность, подотчётность и экономическую эффективность. В конечном итоге клиентам будет всё равно, насколько сложен ИИ, если продукт не сможет постоянно предоставлять обещанный результат.

В настоящее время вы входите в совет директоров компаний, включая Numa и Daloopa, которые применяют технологии в совершенно разных отраслях, таких как автомобильные операции и финансовые данные. Чему эти компании научили вас о том, что необходимо для успешного внедрения ИИ в отрасли с глубоко устоявшимися рабочими процессами и экспертизой домена?

Главный урок заключается в том, что ИИ не устраняет важность отраслевой экспертизы. Во многих отношениях она становится ещё более значимой.

Чтобы успешно внедрить ИИ в устоявшуюся отрасль, необходимо глубоко понять рабочий процесс, чтобы знать, где автоматизация действительно создаёт ценность, а где всё ещё важен человеческий суд. Также нужно понять, как клиенты будут принимать продукт, как он вписывается в их существующие системы и цикл внедрения ИИ, и что требуется для завоевания их доверия.

Numa и Daloopa работают в совершенно разных рынках, но обе компании тесно связаны со специфической работой, которую их клиенты должны выполнить. Самые успешные вертикальные AI‑компании не начинают с вопроса «Где мы можем разместить ИИ?», а с значимой проблемы или рабочего процесса, а затем перестраивают его, учитывая то, что ИИ теперь способен делать.

Именно поэтому я считаю, что отраслевой экспертизы со временем может стать значительным преимуществом. Чем глубже вы понимаете работу, тем эффективнее можете создать продукт, на который клиенты готовы полагаться.

Недавние инвестиции Touring охватывают как отраслевые приложения, так и инфраструктуру, поддерживающую ИИ. Как вы оцениваете баланс между инвестированием в слой приложений и инфраструктуру, необходимую для их работы, и где, по вашему мнению, сегодня существует более крупная возможность получения венчурных доходов?

Мы не рассматриваем возможность как существующую исключительно в одном слое стека. Мы сосредоточены на том, где появляются важные узкие места и где компания может занять значимую позицию по мере масштабирования внедрения ИИ.

С точки зрения приложений нас вдохновляют компании, способные преобразовать ИИ в измеримую экономическую ценность, владея важными рабочими процессами и предоставляя реальные результаты. Что касается инфраструктуры, нас интересуют компании, решающие ограничения, определяющие, может ли ИИ действительно эффективно развертываться в масштабе.

Наши инвестиции в такие компании, как Infinity и Parasail, отражают эту позицию. Одна решает программную задачу подготовки различных AI‑чипов к запуску современных моделей, а другая помогает разработчикам развертывать и масштабировать AI‑нагрузки без необходимости самостоятельно управлять базовой инфраструктурой.

Лучшая возможность не обязательно определяется тем, находится ли компания в сфере приложений или инфраструктуры. Ключевой вопрос — решает ли компания важную и долговечную проблему, потенциал которой может расти по мере развития рынка ИИ.

С учётом того, что огромные объёмы капитала сейчас сосредоточены вокруг относительно небольшого числа передовых AI‑компаний, где, по вашему мнению, инвесторы всё ещё недооценивают возможности, и какие AI‑нативные категории или бизнес‑модели получают гораздо меньше внимания, чем заслуживают?

Одна область, которая меня особенно интересует, — средний сегмент рынка.

В настоящее время венчурный рынок стал всё более «барбелл‑образным». Существует огромный спрос на перспективные компании на самых ранних стадиях, особенно с выдающимися командами и убедительными технологиями. Кроме того, доступен значительный капитал для самых крупных, проверенных компаний.

Однако средний сегмент, особенно традиционные стадии Series B и C, стал значительно сложнее.

ИИ сжал ожидания. Компании теперь могут перейти от нуля к значительному доходу быстрее, чем когда-либо, что резко повысило планку, как только бизнес начинает генерировать доход. Рост, который несколько лет назад считался выдающимся, сегодня может уже не выделяться на рынке.

Это создаёт как риски, так и возможности.

Некоторые компании вынуждены оптимизировать свою деятельность под любые требования рынка привлечения капитала в данный момент: рост в 5 раз, рост в 10 раз, определённый уровень выручки, независимо от того, создаёт ли такая траектория устойчивый бизнес. Рынок может резко измениться за шесть‑девять месяцев, поэтому основателям следует быть осторожными и не строить продукт исключительно под ожидания следующего раунда финансирования.

Для инвесторов, я считаю, что существует реальная возможность выявлять компании с сильными фундаментальными показателями, которые не вписываются чётко в крайности сегодняшнего рынка. Задача состоит в том, чтобы быть достаточно дисциплинированными, чтобы отличать устойчивый рост от компании, просто ускорившейся из‑за текущего цикла финансирования ИИ.

Спасибо за отличное интервью, читатели, желающие узнать больше об этой венчурной фирме, должны посетить Touring Capital.