Томас Кувелье, Партнер, США и Европа, RTP Global – Интервью

Томас Кувелье, Партнер, США и Европа, RTP Global – это нью-йоркский инвестор, специализирующийся на поддержке основателей в США и Европе, которые создают 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 стадии Pre-Seed до Series A, обычно выделяя 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 центрах, 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, включающей компании such as Datadog (DDOG ), 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 проекты. Ее глобальное присутствие и сеть позволяют основателям расширять свой бизнес на международном уровне, а ее фокус на секторах охватывает такие области, как ИИ, финтех, SaaS и инфраструктура данных.

Вы поддержали широкий спектр AI-родных стартапов, включая платформы оркестровки рабочих процессов, такие как Kestra, платформы робототехники и ИИ, такие как Mecka AI, и вертикальные компании SaaS, такие как Archy и DualEntry. Из вашего опыта инвестирования в эти разные секторы, 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, движимых личным опытом решения проблем в устаревших отраслях (это может быть система ERP или неуклюжее программное обеспечение в отраслях, таких как здравоохранение). Есть отдельная группа основателей, которые заметили 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 распространяется только так далеко. 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 сейчас столкнуться с структурными проблемами из-за быстрого развития фундаментальных моделей. Какие архитектурные ошибки допустили эти компании, и какие уроки должны извлечь из этого более молодые стартапы?

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 привлекли внимание в последние годы и привлекли большие средства. Но сейчас фундаментальные модели могут бросить вызов их бизнес-модели.

Для новых основателей урок заключается в том, чтобы не слишком сильно полагаться на любую воспринимаемую технологическую защиту или историческую блокировку клиентов. Разработка программного обеспечения с помощью ИИ и масштабирование бизнеса делает сегодняшний прорыв уязвимым для завтрашнего предложения. Построение защитных сооружений 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 оборонительную способность? Это 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 достичь уровня глубины, который трудно заменить.

Как упоминалось выше, я думаю, что фундаментальные модели могут проникнуть только так далеко в вертикальные отрасли. 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 сообщества остаются важными строительными блоками оборонительной способности. Подлинная лояльность пользователей, потому что продукт великолепен и приятно использовать, трудно построить, но также трудно нарушить.

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

Это факт, что технологический ров сокращается. Если ваш продукт можно построить за выходные, то у вас нет технологического рва – и искусство возможного за выходные с ИИ становится все более изощренным.

В мире, где программное обеспечение легко заменить, лояльность клиентов, укрепленная великолепным пользовательским опытом, становится решающей.

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 главной чертой является кристальная ясность относительно 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 отраслевым опытом – падают на место.

Другими важными качествами являются ориентированный на продукт образ основателя и сильные личные сети, которые включают в себя руководителей предприятий, 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, готовы к нарушению со стороны AI-стартапов, которые строятся с учетом потребностей и рабочих процессов каждой отрасли. Воздействие LLM и агентного ИИ 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 устаревшими программными инкубаторами, которые не могут легко изменить свои продукты для ИИ. И, как упоминалось, они менее подходят для нарушения со стороны фундаментальных моделей.

Было увеличение обсуждения о потенциальной волне слияний и поглощений среди стартапов средней стадии. Какие сигналы вы видите, которые предполагают, что консолидация может ускориться в течение следующих нескольких лет?

Самый ясный сигнал – это сжатие оценок, встречающееся с давлением денежных средств. Многие стартапы средней стадии привлекли средства на пиковых коэффициентах в 2021-2023 годах и теперь сталкиваются с территорией down-round, если они вернутся на рынок, что делает стратегическое приобретение более привлекательным, чем унижающий переоценку. С другой стороны, гипермасштабные и крупные платформенные компании потратили последние два года на интеграцию возможностей ИИ и теперь понимают, что построение всего в-house медленнее, чем покупка дифференцированного распределения или проприетарных данных.

Второй сигнал – это динамика талантов и защитного рва: по мере ускорения коммодитизации фундаментальных моделей защитная ценность все больше лежит в проприетарных данных обучения и маркетинговых каналах, 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 подходе, который удаляет барьеры для крупных стратегических компаний, которые ранее были осторожны с отношением к сделкам. Таким образом, у нас есть мотивированные продавцы, мотивированные покупатели и более ясный регуляторный путь: эта комбинация исторически предшествует волне слияний и поглощений.

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

Разделительная линия между AI-основателями, достигающими потолка дохода, и основателями, которые постоянно прорываются через рубежи, – это скорость выхода на рынок. Отгрузка функций и продуктов, руководствующихся обратной связью пользовательского сообщества. Не думая дважды о глобальном росте. Сделав правильные продажи. Непробиваемые каналы распределения. Это 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 сейчас, и какие категории, по вашему мнению, уже становятся переполненными или уязвимыми?

Я взволнован возможностями ИИ нарушить здравоохранение и фармацевтику (полные сложных и сильно регулируемых рабочих процессов, которые можно нарушить), индустрию (где технологическое нарушение в целом еще имеет miles to run) и финансовые услуги (особенно соблюдение правил и учет/ERP). Рынок высокоуровневых, ориентированных на SMB AI-продуктов насыщен и является областью уязвимости стартапов. Это то же самое для любого AI-стартапа с продуктом, который можно легко воспроизвести. Технологические рвы больше не надежны.