Томас Кувелье, Партнер, США и Европа, RTP Global – Серия интервью

Томас Кувелье, Партнер, США и Европа, RTP Global – это нью-йоркский инвестор, сосредоточенный на поддержке основателей по всей территории США и Европы, которые строят компании, определяющие категории. Он особенно привлечен к предпринимателям, движимым личным опытом решения реальных проблем, а не к тем, кто просто хочет начать бизнес. С опытом в области компьютерных наук и статистики, он инвестирует в технически сильные команды от Pre-Seed до Series A, обычно вкладывая от 1 до 10 миллионов долларов. Его опыт инвестирования охватывает весь жизненный цикл компании, от ранней стадии венчурного капитала до роста и поздних стадий выкупа, сформированный временем, проведенным в крупных глобальных технологических хабах, включая Сан-Франциско, Нью-Йорк, Лондон, Берлин и Париж, и приносит сильную трансатлантическую перспективу на технологии, таланты и рынки. Он также свободно говорит на французском, китайском и японском языках.

RTP Global – это глобальная венчурная фирма ранней стадии, которая инвестирует в технологические компании в Северной Америке, Европе и Азии. Основанная в 2000 году, фирма фокусируется на поддержке амбициозных основателей на стадиях Seed и Series A, с историей успехов, включая компании such as Datadog, Delivery Hero и Cred. RTP Global работает с долгосрочной инвестиционной философией, часто поддерживая компании в течение многих лет, и реинвестирует капитал из прошлых успехов в новые предприятия. Ее глобальное присутствие и сеть позволяют основателям масштабироваться на международном уровне, а ее фокус на секторе охватывает такие области, как AI, финтех, SaaS и инфраструктура данных.

Вы поддержали широкий спектр AI-родных стартапов, включая платформы оркестровки рабочих процессов, такие как Kestra, платформы робототехнических данных, такие как Mecka AI, и вертикальные компании SaaS, такие как Archy и DualEntry. Из вашего опыта инвестирования в различные сектора, какие закономерности вы видите в типах AI-стартапов, которые получают реальную поддержку сегодня?

Интересная закономерность можно увидеть в профиле основателей успешных AI-стартапов. Я все чаще вижу предпринимателей, мотивированных и строящих AI-родные решения для болевых точек, с которыми они столкнулись лично в устаревших отраслях (это может быть ERP-системы или неуклюжее программное обеспечение в отраслях, таких как здравоохранение). Есть отдельная когорта предпринимателей-основателей, которые обнаружили возможность нарушить устаревший аспект глобального бизнеса и строят вокруг этого. Тренд заключается в том, что поколение AI-родных основателей объединяется.

Также стоит отметить, что поддержка генерируется на широком ландшафте. Тяжелые отрасли, которые когда-то были “непобедимыми” для нарушения со стороны стартапов, такие как робототехника и государственные услуги, теперь могут быть нарушены и являются жизнеспособными для инвестиций венчурного капитала.

Недавние запуски крупных провайдеров моделей, таких как Anthropic, вызвали дебаты о том, могут ли вертикальные AI-стартапы еще иметь оборонительные рвы. Как вы видите эволюцию отношений между фундаментальными моделями и компаниями-приложениями?

Запуски Anthropic действительно представляют угрозу для экосистемы стартапов, но нам нужно быть точными. Компании, которые предлагают SaaS для SMB и нерегулируемых отраслей, уязвимы. У них нет рва, который фундаментальные модели не могут нарушить с помощью эффективного поверхностного инструментария.

Но привлекательность поверхностного инструментария только доходит до определенного предела. Сложные рабочие процессы в регулируемых отраслях лучше всего обслуживаются AI-приложениями с глубокой интеграцией с отраслевым инструментарием, который был разработан командами с глубоким знанием своей отрасли. Вертикальные AI-стартапы, стоящие за такими приложениями, имеют оборонительные рвы и могут пережить шторм.

Вы предположили, что некоторые стартапы AI на стадиях Series B и C могут теперь столкнуться с структурными проблемами из-за быстрого прогресса в фундаментальных моделях. Какие архитектурные ошибки допустили эти компании, и какие уроки должны молодые стартапы извлечь из этого?

Проблема, с которой сталкиваются многие AI-стартапы на стадиях Series B и C, заключается в том, что их продукты по сути являются панелями для взаимодействия с LLM, которые имеют только несколько основных интеграций. Эти компании быстро получили поддержку и были приняты предприятиями в течение последних нескольких лет и привлекли大量 средств. Но, если мы посмотрим на сегодняшний день, фундаментальные модели хорошо подготовлены к вызову их бизнес-модели.

Для новых основателей урок заключается в том, чтобы не слишком сильно полагаться на любую воспринимаемую технологическую ров или историческую блокировку клиентов. Разработка программного обеспечения с помощью AI и масштабирование бизнеса делает сегодняшний прорыв уязвимым для того, чтобы стать завтрашним товарным предложением. Построение рвов вокруг характеристик, которые все еще трудно воспроизвести – глубина интеграции, глубина отраслевого опыта и процветающие сообщества пользователей – является лучшей стратегией.

Когда вы оцениваете AI-стартапы сегодня, что на самом деле составляет оборонительность? Это ли проприетарные данные, интеграция рабочих процессов, регуляторная сложность, распределение или что-то совершенно другое?

Я бы сказал, что все это важно. Я не могу достаточно подчеркнуть необходимую глубину интеграции. Мы говорим об интеграции с более чем 100 отраслевыми инструментами и приложениями, чтобы быть уровнем глубины, который трудно заменить.

Как упоминалось выше, я думаю, что фундаментальные модели могут только доходить до определенного предела. Регулируемые отрасли и их критические рабочие процессы слишком сложны для фундаментальных моделей, и именно здесь лежит лучший разрыв для AI-стартапов, чтобы заполнить и построить оборонительные бизнесы.

Помимо того, что вы перечислили, я бы также добавил, что удержание пользователей и построение сообществ остаются важными строительными блоками оборонительности. Настоящая лояльность пользователей, потому что продукт великолепен и приятно использовать, трудно построить, но также трудно нарушить.

Многие инвесторы теперь говорят, что технологический ров в AI уменьшается. Согласны ли вы, и если да, то какие новые формы конкурентного преимущества возникают?

Это факт, что технологический ров уменьшается. Если ваш продукт может быть построен за выходные, то у вас нет технологического рва – и искусство возможного за выходные с AI становится все более изощренным.

В мире, где программное обеспечение легко заменить, лояльность клиентов, укрепленная удивительным пользовательским опытом, становится крайне важной.

С точки зрения венчурного капитала, какие качества вы ищете в основателях, строящих AI-компании сегодня? Есть ли какие-либо конкретные черты, опыт или способы мышления, которые выделяются, когда вы решаете поддержать основателя?

Лично для меня #1 черта – это кристально чистое понимание конечных клиентов. Когда основатели знают клиентов, как свои пять пальцев, и как их продукт вписывается в реальность клиента, тогда другие важные элементы для построения успешных AI-компаний – такие как руководство глубоким секторальным опытом – падают на место.

Другими важными качествами являются фокус на продукте и сильная личная сеть, которая включает в себя лиц, принимающих решения в предприятиях, которые могут стать клиентами в будущем.

Вы инвестировали в компании, работающие в регулируемых секторах, таких как страхование, здравоохранение и финансовые услуги. Почему вы считаете, что регулируемые отрасли могут предложить более сильные долгосрочные возможности для AI-стартапов?

Отрасли, такие как здравоохранение, фармацевтика, финансовые услуги, страхование и государственный сектор, созрели для нарушения AI-стартапами, которые построены с учетом потребностей и рабочих процессов каждой отрасли. Влияние LLM и агентного AI так революционно, что оно не просто “пройдет мимо” отраслей, которые исторически были медленными в принятии технологий.

Эти отрасли так привлекательны для стартапов, потому что они все еще доминируются устаревшим программным обеспечением, которое не может легко изменить свои продукты для AI. И, как упоминалось, они менее подходят для нарушения фундаментальными моделями.

Было много обсуждений о потенциальной волне слияний и поглощений среди стартапов средней стадии AI. Какие сигналы вы видите, которые указывают на то, что консолидация может ускориться в течение следующих нескольких лет?

Самый ясный сигнал – это сжатие оценок, встречающееся с давлением наличных средств. Многие стартапы средней стадии AI привлекли средства на пиковых множителях 2021-2023 годов и теперь сталкиваются с территорией down-round, если они вернутся на рынок, что делает стратегическое приобретение suddenly более привлекательным, чем унизительное переоценение. На стороне приобретателя гипермасштабируемые и крупные платформенные компании потратили последние два года на интеграцию возможностей AI и теперь понимают, что построение всего в доме медленнее, чем покупка дифференцированной дистрибуции или проприетарных данных активов.

Второй сигнал – это динамика талантов и рва данных: когда коммодитизация фундаментальных моделей ускоряется, оборонительная стоимость все больше сидит в проприетарных данных обучения и выходе на рынок, а не в архитектуре модели, что именно то, что эффективно захватывает acqui-hires и стратегические объединения.

Наконец, регуляторная среда тихо становится более пермиссивной; текущая администрация США сигнализировала о более легком антимонопольном положении, что удаляет барьеры для крупных стратегических компаний, которые ранее были осторожны с отношением к проверке сделок. Положите все вместе, и у вас есть мотивированные продавцы, мотивированные покупатели и более ясный регуляторный коридор: эта комбинация исторически предшествует волне M&A.

AI-стартапы могут достичь ранней поддержки быстро, иногда достигая своего первого миллиона дохода быстрее, чем предыдущие поколения компаний SaaS. Но масштабирование за это似乎 является тем, где многие борются. Что отделяет компании, которые прорываются, от тех, кто застревает?

Разделительная линия между AI-основателями, достигающими потолка дохода, и основателями, которые повторно прорываются через вехи, – это скорость выхода на рынок. Отгрузка функций и продуктов, руководимая обратной связью пользовательского сообщества. Не думая дважды о глобальном росте. Сделав правильные продажи наймов. Непробиваемые каналы дистрибуции. Это крайне важные принципы скорости выхода на рынок, которые выделяют AI-стартапы из толпы.

Оглядываясь вперед на три-пять лет, какие типы AI-стартапов вы наиболее взволнованы поддержать прямо сейчас, и какие категории, по вашему мнению, уже становятся переполненными или уязвимыми?

Я чувствую волнение от возможностей для AI нарушить здравоохранение и фармацевтику (полные сложных и высокорегулируемых рабочих процессов, которые можно нарушить), индустрию (где технологическое нарушение в целом еще имеет много места для роста) и финансовые услуги (особенно в области соблюдения и бухгалтерского учета/ERP).

Рынок высокоуровневых AI-продуктов, ориентированных на SMB, насыщен и является областью уязвимости стартапов. Это то же самое для любого AI-стартапа, у которого продукт можно легко воспроизвести. Технологические рвы больше не надежны.