Priya Saiprasad, พันธมิตรทั่วไปที่ Touring Capital – ซีรีส์สัมภาษณ์

เมื่อซอฟต์แวร์สามารถทำงานแทนคนได้ มันจะเปลี่ยนแปลงผลิตภัณฑ์, ตลาดที่สามารถเข้าถึง, โมเดลการกำหนดราคาและเศรษฐศาสตร์ของบริษัทที่ให้บริการนั้น. เราต้องการสร้าง Touring รอบโอกาสนี้ตั้งแต่เริ่มต้น.

เรามุ่งเน้นที่บริษัทที่กำลังเข้าหรือแสดงให้เห็นถึง product‑market fit ระยะเริ่มต้น, เมื่อศักยภาพทางเทคนิคเริ่มแปรเปลี่ยนเป็นการยอมรับของลูกค้า. นั่นเป็นขั้นตอนที่มีความสำคัญอย่างยิ่งใน AI: ผู้ก่อตั้งกำลังตัดสินใจว่าจะครอบครองกระบวนการทำงานใด, ลูกค้าจะยอมรับอิสระระดับใด, และจะเปลี่ยนความต้องการเริ่มต้นให้กลายเป็นการเติบโตที่ทำซ้ำได้อย่างไร.

เรายังต้องการนำมุมมองการสร้างบริษัทที่ได้รับข้อมูลจากประสบการณ์ของเราผ่านการลงทุน, M&A และแพลตฟอร์มเทคโนโลยีขนาดใหญ่. ความมุ่งหมายของเราคือช่วยผู้ก่อตั้งสร้างธุรกิจที่ข้อได้เปรียบเชิงการแข่งขันของพวกเขาแข็งแกร่งขึ้นเมื่อเทคโนโลยีก้าวหน้า. สิ่งนั้นต้องอาศัยความเชื่อมั่นในโอกาสและความพร้อมที่จะทบทวนสมมติฐานพื้นฐานอย่างต่อเนื่อง.

คุณได้อ้างว่าบางโอกาส AI ที่ใหญ่ที่สุดกำลังเปลี่ยนแปลงจากการสร้างโมเดลพื้นฐานที่ใหญ่ขึ้นไปสู่บริษัทที่นำ AI ไปใช้ในอุตสาหกรรมเฉพาะ. สิ่งใดที่เปลี่ยนแปลงทางเทคโนโลยีหรือเศรษฐกิจทำให้ชั้นการประยุกต์ใช้นี้น่าสนใจอย่างมากในตอนนี้?

โมเดลเหล่านี้ได้พัฒนาขึ้นอย่างมหาศาลและเข้าถึงได้ง่ายขึ้น, ซึ่งทำให้เปลี่ยนแปลงจุดที่ผู้ประกอบการสามารถสร้างคุณค่าได้. คุณไม่จำเป็นต้องสร้างปัญญาประดิษฐ์พื้นฐานตั้งแต่ต้นเพื่อสร้างสิ่งที่มีพลัง.

สิ่งนี้ทำให้คำถามเปลี่ยนจาก “ใครมีโมเดลที่ดีที่สุด?” ไปเป็น “ใครสามารถนำปัญญานั้นไปใช้แก้ปัญหาในแบบที่เปลี่ยนแปลงเศรษฐศาสตร์หรือกระบวนการทำงานอย่างพื้นฐานได้?”

บริษัทที่น่าสนใจที่สุดไม่ได้เพียงแค่ใส่ LLM ไว้หน้าผลิตภัณฑ์ซอฟต์แวร์ที่มีอยู่แล้ว. พวกเขาใช้ AI เพื่อทบทวนวิธีการทำงาน. ในบางกรณี นั่นหมายถึงการทำงานอัตโนมัติกับส่วนใหญ่ของกระบวนการ. ในกรณีอื่น ๆ มันหมายถึงให้ทีมที่เล็กกว่ามากสามารถผลิตผลลัพธ์ได้มากขึ้นอย่างมีนัยสำคัญ.

นั่นคือจุดที่ฉันคิดว่าคลื่นคุณค่าต่อไปจะเกิดขึ้น: บริษัทที่สามารถนำปัญญาที่มีความสามารถเพิ่มขึ้นเรื่อย ๆ ไปสู่ผลิตภัณฑ์ที่ลูกค้าเชื่อถือให้ทำงานที่มีความหมายได้.

เมื่อคุณมองไปทั่วภาคส่วนในวันนี้, อุตสาหกรรมใดที่คุณเชื่อว่ากำลังมาถึงจุดเปลี่ยน AI ที่แท้จริง, ที่ AI สามารถปรับโครงสร้างกระบวนการทำงานอย่างพื้นฐานแทนที่จะทำให้ซอฟต์แวร์ที่มีอยู่เดิมมีประสิทธิภาพมากขึ้น?

ฉันสนใจเป็นพิเศษในอุตสาหกรรมที่มีการผสมผสานของงานความรู้ที่สำคัญ, กระบวนการทำงานที่ซับซ้อนและระดับการแทรกซึมของซอฟต์แวร์ที่โดยทั่วไปยังต่ำ.

บริการทางการเงิน, การดูแลสุขภาพ, กฎหมาย, อุตสาหกรรมและยานยนต์เป็นตัวอย่างที่ดี. อุตสาหกรรมเหล่านี้มักมีข้อมูลที่มีคุณค่ามหาศาลและกระบวนการทำงานที่เชี่ยวชาญสูง, แต่ส่วนใหญ่ของงานยังคงกระจัดกระจาย, ทำด้วยมือหรือพึ่งพาบุคลากรที่มีประสบการณ์ในการย้ายข้อมูลระหว่างระบบ.

โอกาสไม่ได้เพียงทำให้คนงานเหล่านั้นเพิ่มประสิทธิภาพขึ้น 10% เท่านั้น บริษัทที่น่าสนใจยิ่งกว่าจะออกแบบกระบวนการทำงานใหม่โดยอิงกับสิ่งที่ AI สามารถทำได้ในขณะนี้

คุณสามารถเห็นได้จากบริษัทเช่น Numa ที่ใช้เอเจนต์ AI เพื่ออัตโนมัติการโต้ตอบกับลูกค้าและการดำเนินงานของโชว์รูม, และ Daloopa ที่นำ AI ไปใช้กับข้อมูลที่มีความสำคัญต่อเวลาและกระบวนการวิจัยที่ใช้โดยสถาบันการเงิน เส้นใยร่วมกันคือความเข้าใจเชิงลึกในงานพื้นฐาน AI มีพลังมาก แต่ไม่ได้ขจัดความจำเป็นในการเข้าใจอุตสาหกรรมที่คุณกำลังสร้างผลิตภัณฑ์ให้

Touring Capital ให้ความสำคัญกับการสร้างค่ายข้อมูล, วงล้อผลิตภัณฑ์, และความเชี่ยวชาญเฉพาะด้านเมื่อตรวจสอบบริษัท AI ธุรกิจ AI แนวตั้งที่แท้จริงและสามารถป้องกันได้มีลักษณะอย่างไร, และคุณจะจำแนกความแตกต่างจากบริษัทที่ได้เปรียบหลักเพียงการห่อหุ้มโมเดลภาษาใหญ่ของบุคคลที่สามอย่างไร?

ธุรกิจ AI ที่สามารถป้องกันได้จริงจะยิ่งแข็งแกร่งเมื่อดำเนินการต่อไป

โมเดลพื้นฐานอาจพัฒนาได้ตามเวลาและบริษัทอาจเปลี่ยนโมเดลทั้งหมด, แต่มูลค่าของธุรกิจไม่ควรหายไปเพราะโมเดลพื้นฐานเปลี่ยนแปลง สิ่งที่สำคัญคือสิ่งที่บริษัทเป็นเจ้าของรอบโมเดลนั้น: ความสัมพันธ์กับลูกค้า, กระบวนการทำงาน, ข้อมูลที่เป็นกรรมสิทธิ์, การเชื่อมต่อและความเชื่อมั่นในการรับงานที่มีความสำคัญเพิ่มขึ้น

หนึ่งในสิ่งที่เราติดตามอย่างใกล้ชิดคือว่าผลิตภัณฑ์นั้นฝังตัวลึกขึ้นตามเวลาไหม ลูกค้าเชื่อมั่นให้ทำงานมากขึ้นหรือไม่? การใช้งานและผลลัพธ์เพิ่มพูนกันหรือไม่? บริษัทเรียนรู้จากการใช้งานจริงในวิธีที่ทำให้ผลิตภัณฑ์ดีขึ้นหรือไม่?

พลวัตเหล่านี้สร้างธุรกิจที่แข็งแกร่งกว่าการมีเพียงอินเทอร์เฟซที่ดีบนโมเดลของบุคคลที่สามอย่างเดียว ฟีเจอร์สามารถบรรจบกันได้อย่างรวดเร็วใน AI การใช้งานต่อเนื่องและการนำกระบวนการทำงานลึกซึ้งเข้ามาใช้เป็นสิ่งที่ทำสำเนายากมาก

เมื่อโมเดลพื้นฐานมีความสามารถมากขึ้นและกลายเป็นสินค้าสาธารณะมากขึ้น, สิ่งนี้ทำให้บริษัท AI แนวตั้งแข็งแกร่งขึ้นโดยให้ข้อมูลเชิงปัญญาที่ถูกลงเพื่อสร้างต่อหรือไม่, หรือมันสร้างความเสี่ยงให้ผู้ให้โมเดลเองดูดซับชั้นการประยุกต์ใช้มากขึ้น?

ทั้งสองพลวัตสามารถเกิดขึ้นพร้อมกันได้ โมเดลที่ดีกว่าสามารถขยายขอบเขตสิ่งที่บริษัทแอปพลิเคชันสามารถส่งมอบได้, พร้อมกับทำให้ผู้ให้โมเดลก้าวเข้าสู่ผลิตภัณฑ์และกระบวนการทำงานได้ลึกขึ้น

คำถามที่ต้องตรวจสอบคือว่าตำแหน่งของบริษัทเปลี่ยนแปลงอย่างไรเมื่อปัญญาพื้นฐานพัฒนา เราถามสองคำถามพร้อมกัน: สิ่งที่เป็นไปได้สำหรับธุรกิจนี้กับโมเดลรุ่นต่อไปคืออะไร, และส่วนใดของข้อเสนอคุณค่าปัจจุบันอาจกลายเป็นความสามารถมาตรฐานของโมเดล? สิ่งนี้ช่วยแยกแยะบริษัทที่ได้รับประโยชน์จากความก้าวหน้าจากบริษัทที่ความแตกต่างอิงอยู่กับข้อจำกัดชั่วคราว

ธุรกิจแนวตั้งสามารถสร้างตำแหน่งที่ทนทานได้ผ่านกระบวนการทำงานเฉพาะ, การเข้าถึงลูกค้า, การเชื่อมต่อ, ระบบการประเมินผลและความรับผิดชอบด้านการดำเนินงานที่พวกเขารับผิดชอบ ข้อได้เปรียบเหล่านี้ต้องการการลงทุนอย่างต่อเนื่อง; ความเชี่ยวชาญด้านโดเมนเพียงอย่างเดียวไม่ใช่การคุ้มครองถาวร

บริษัทที่ฉันพบว่าดึงดูดที่สุดมีเส้นทางที่ชัดเจนในการรับงานที่มีคุณค่ามากขึ้นเมื่อโมเดลพัฒนา ลูกค้าของพวกเขาได้รับผลลัพธ์ที่ดีกว่า, เศรษฐศาสตร์การส่งมอบของพวกเขาแข็งแรงขึ้น, และความรู้ที่สะสมกลายเป็นประโยชน์มากขึ้น นั่นคือความสัมพันธ์กับความก้าวหน้าของโมเดลที่เราต้องการสนับสนุน

บริษัทซอฟต์แวร์แบบบริการ (SaaS) แบบดั้งเดิมมักถูกประเมินด้วยเมตริกเช่น รายได้ประจำปีที่ต่อเนื่อง, กำไรขั้นต้น, การคงลูกค้า, และการขยายที่นั่ง. AI กำลังเปลี่ยนเมตริกที่คุณพึ่งพาอย่างไร, โดยเฉพาะเมื่อค่าใช้จ่ายการสรุปผล, การกำหนดราคาตามการใช้งาน, และโมเดลธุรกิจแบบผลลัพธ์กลายเป็นสิ่งสำคัญมากขึ้น?

ARR, การคงลูกค้าและกำไรขั้นต้นยังคงสำคัญ แต่ปัญหาคือเมื่อพิจารณาแยกกันแล้ว พวกมันไม่ให้ข้อมูลเพียงพออีกต่อไป

บริษัท AI สามารถเติบโตเป็นหลายสิบล้านดอลลาร์ใน ARR อย่างรวดเร็วแม้การใช้งานพื้นฐานในฐานลูกค้าจะลดลง ลูกค้าอาจยังอยู่ภายใต้สัญญา, แต่เมื่อถึงเวลาต่ออายุสัญญา ผลิตภัณฑ์ก็ถูกแทนที่โดยอ้อม นั่นคือสิ่งที่เราเรียกว่า churn แฝง

ดังนั้นเรากำลังมองลึกลงไปใต้โมเดลการกำหนดราคาและถามว่างานที่ทำจริงคืออะไร จำนวนกระบวนการทำงานและผลลัพธ์เพิ่มขึ้นตามเวลาไหม? ลูกค้าเชื่อมั่นให้ผลิตภัณฑ์ทำงานมากขึ้นหรือไม่? การใช้งานยังคงต่อเนื่องหลังจากความตื่นเต้นแรกของการเปิดใช้หรือไม่?

เรายังพิจารณาอย่างใกล้ชิดถึงเศรษฐศาสตร์เบื้องหลังการเติบโต บริษัท AI สามารถแทนที่จำนวนพนักงานมนุษย์ด้วยระบบอัตโนมัติ, แต่การคำนวณกลายเป็นส่วนจริงของแรงงานและโครงสร้างต้นทุน นั่นคือเหตุผลที่เรามองที่แนวคิดเช่น ความเข้มข้นของกระบวนการทำงาน, ตัวคูณประสิทธิภาพ, รายได้ต่อพนักงานที่ปรับแล้วและการใช้ประโยชน์จากต้นทุน

คำถามที่ใหญ่กว่า คือการเติบโตจะกลายเป็นทนทานและมีประสิทธิภาพมากขึ้นตามเวลาไหม การเติบโตที่น่าตื่นตาตื่นใจและการเติบโตที่ทนทานไม่ได้หมายความว่าเป็นสิ่งเดียวกันเสมอ

เอเจนต์ AI จำนวนมากกำลังถูกออกแบบไม่เพียงเพื่อช่วยพนักงานแต่เพื่อดำเนินกระบวนการทำงานทั้งหมดอย่างอัตโนมัติ สิ่งนี้เปลี่ยนโอกาสทางการตลาดสำหรับซอฟต์แวร์องค์กรอย่างไร, และบริษัท AI อาจในที่สุดจะครอบครองส่วนของงบประมาณแรงงานที่เคยอยู่นอกการใช้จ่ายซอฟต์แวร์?

ฉันคิดว่านี่เป็นหนึ่งในการเปลี่ยนแปลงที่สำคัญที่สุดในซอฟต์แวร์องค์กร

โดยประวัติศาสตร์ ซอฟต์แวร์ส่วนใหญ่ถูกขายเป็นเครื่องมือที่ช่วยพนักงานทำงานของตนเอง พนักงานยังคงรับผิดชอบในการผลิตผลงาน และงบประมาณซอฟต์แวร์จะแยกจากงบประมาณค่าแรง

AI ทำให้สมการนี้เปลี่ยนไป เพราะซอฟต์แวร์สามารถทำส่วนของงานได้ด้วยตนเองมากขึ้นเรื่อย ๆ

สิ่งนั้นขยายโอกาสทางตลาดอย่างมีนัยสำคัญ คุณไม่ได้ขายเครื่องมือเพิ่มประสิทธิภาพจากงบประมาณไอทีหรือซอฟต์แวร์อีกต่อไป หากผลิตภัณฑ์สามารถรับผิดชอบงานที่มีความหมายได้อย่างเชื่อถือได้และสร้างผลลัพธ์ที่วัดได้ มันอาจจับค่าใช้จ่ายจากงบประมาณค่าแรงได้เช่นกัน

ความแตกต่างที่สำคัญคือระหว่างผู้ช่วย AI กับระบบ AI ที่ลูกค้าไว้วางใจให้ดำเนินการจริง ระบบหลังมีศักยภาพที่จะมีคุณค่ามากกว่าอย่างมาก แต่ก็ต้องแสดงให้เห็นถึงความน่าเชื่อถือ ความรับผิดชอบ และความคุ้มค่าในเชิงเศรษฐกิจ ลูกค้าในที่สุดจะไม่สนใจว่า AI จะซับซ้อนแค่ไหน หากผลิตภัณฑ์ไม่สามารถส่งมอบผลลัพธ์ตามที่สัญญาได้อย่างต่อเนื่อง

คุณปัจจุบันเป็นสมาชิกคณะกรรมการของบริษัทต่าง ๆ รวมถึง Numa และ Daloopa ซึ่งใช้เทคโนโลยีในอุตสาหกรรมที่แตกต่างกันอย่างเช่นการดำเนินงานยานยนต์และข้อมูลการเงิน บริษัทเหล่านี้สอนอะไรคุณบ้างเกี่ยวกับสิ่งที่จำเป็นต่อการนำ AI เข้าสู่อุตสาหกรรมที่มีขั้นตอนการทำงานและความเชี่ยวชาญเฉพาะด้านที่ลึกซึ้ง?

บทเรียนที่ใหญ่ที่สุดคือ AI ไม่ได้ทำให้ความเชี่ยวชาญด้านโดเมนสูญหาย ในหลาย ๆ ด้าน มันทำให้ความสำคัญของความเชี่ยวชาญนั้นยิ่งเพิ่มขึ้น

เพื่อให้การนำ AI เข้าสู่อุตสาหกรรมที่ตั้งอยู่แล้วสำเร็จ คุณต้องเข้าใจกระบวนการทำงานอย่างลึกซึ้งพอที่จะรู้ว่าการอัตโนมัติสร้างคุณค่าได้ที่ไหนและที่ใดการตัดสินใจของมนุษย์ยังคงมีความสำคัญ นอกจากนี้คุณยังต้องเข้าใจว่าลูกค้าจะนำผลิตภัณฑ์ไปใช้อย่างไร มันสอดคล้องกับระบบที่มีอยู่และวงจรการรับ AI อย่างไร และต้องทำอย่างไรจึงจะได้รับความไว้วางใจจากพวกเขา

Numa และ Daloopa ทำงานในตลาดที่แตกต่างกันอย่างมาก แต่ทั้งสองต่างเชื่อมโยงอย่างลึกซึ้งกับงานเฉพาะที่ลูกค้าต้องทำ บริษัท AI แนวตั้งที่ประสบความสำเร็จไม่เริ่มด้วยคำว่า “เราจะใส่ AI ที่ไหน?” แต่เริ่มด้วยปัญหาหรือกระบวนการทำงานที่มีความหมาย แล้วออกแบบใหม่โดยอิงจากสิ่งที่ AI สามารถทำได้ในขณะนี้

นั่นคือเหตุผลที่ฉันคิดว่าความเชี่ยวชาญด้านโดเมนสามารถกลายเป็นข้อได้เปรียบที่สำคัญเมื่อเวลาผ่านไป ยิ่งคุณเข้าใจงานลึกซึ้งเท่าไหร่ คุณก็จะสร้างผลิตภัณฑ์ที่ลูกค้ายินดีพึ่งพาได้อย่างมีประสิทธิภาพมากเท่าไหร่

การลงทุนล่าสุดของ Touring ครอบคลุมทั้งแอปพลิเคชันเฉพาะโดเมนและโครงสร้างพื้นฐาน AI ที่สนับสนุน คุณมองสมดุลระหว่างการลงทุนในชั้นแอปพลิเคชันกับโครงสร้างพื้นฐานที่จำเป็นต่อการขับเคลื่อนอย่างไร และคุณเชื่อว่ามีโอกาสที่ใหญ่กว่าในการสร้างผลตอบแทนระดับเวนเจอร์ในวันนี้อยู่ที่ส่วนใด?

เราไม่ได้มองว่าโอกาสมีอยู่เฉพาะในชั้นใดของสแตก เรามุ่งเน้นที่จุดคอขวดสำคัญที่กำลังเกิดขึ้นและที่บริษัทสามารถสร้างตำแหน่งที่มีความหมายได้เมื่อการรับ AI ขยายตัว

ในด้านแอปพลิเคชัน เราตื่นเต้นกับบริษัทที่สามารถแปลง AI ให้เป็นมูลค่าเศรษฐกิจที่วัดได้โดยครอบครองกระบวนการทำงานสำคัญและส่งมอบผลลัพธ์จริง ในด้านโครงสร้างพื้นฐาน เราสนใจบริษัทที่แก้ไขข้อจำกัดที่กำหนดว่า AI จะสามารถนำไปใช้ได้อย่างมีประสิทธิภาพในระดับใหญ่หรือไม่

การลงทุนของเราที่บริษัทเช่น Infinity และ Parasail สะท้อนแนวคิดนั้น หนึ่งบริษัทกำลังแก้ไขความท้าทายด้านซอฟต์แวร์ในการทำให้ชิป AI ต่าง ๆ พร้อมรันโมเดลสมัยใหม่ ส่วนอีกบริษัทหนึ่งช่วยนักพัฒนาในการปรับใช้และขยายงาน AI โดยไม่ต้องจัดการโครงสร้างพื้นฐานพื้นฐานด้วยตนเอง

โอกาสที่ดีกว่าไม่ได้กำหนดโดยว่าบริษัทอยู่ในแอปพลิเคชันหรือโครงสร้างพื้นฐาน คำถามสำคัญคือบริษัทกำลังแก้ไขปัญหาที่สำคัญและยั่งยืนที่มีศักยภาพจะเพิ่มคุณค่าเมื่อตลาด AI พัฒนาไป

ด้วยปริมาณเงินทุนมหาศาลที่ตอนนี้มุ่งรวมอยู่รอบบริษัท AI แนวหน้าไม่กี่บริษัท คุณเชื่อว่าผู้ลงทุนยังคงประเมินโอกาสต่ำเกินไปในด้านใด และหมวดหมู่หรือโมเดลธุรกิจ AI‑เนทีฟใดที่ได้รับความสนใจน้อยกว่าที่ควรจะเป็น?

หนึ่งพื้นที่ที่ฉันพบว่าน่าสนใจเป็นพิเศษคือส่วนกลางของตลาด

ในขณะนี้ การลงทุนแบบเวนเจอร์กำลังกลายเป็นการต่อสู้ที่เข้มข้นมากขึ้น มีความต้องการอย่างมหาศาลสำหรับบริษัทที่มีศักยภาพในขั้นตอนแรก ๆ โดยเฉพาะอย่างยิ่งบริษัทที่มีทีมงานยอดเยี่ยมและเทคโนโลยีที่น่าสนใจ อีกทั้งยังมีเงินทุนจำนวนมากพร้อมให้กับบริษัทที่ใหญ่ที่สุดและพิสูจน์แล้ว

แต่ส่วนกลางของตลาด โดยเฉพาะขั้นตอน Series B และ C แบบดั้งเดิม กลายเป็นส่วนที่ยากขึ้นอย่างมาก

AI ได้ทำให้ความคาดหวังบีบอัดลง บริษัทสามารถเติบโตจากศูนย์สู่รายได้ที่มีความหมายได้เร็วกว่าเดิมอย่างที่ไม่เคยเห็นมาก่อน ซึ่งทำให้เกณฑ์สูงขึ้นอย่างมากเมื่อธุรกิจเริ่มสร้างรายได้ การเติบโตที่เคยถือว่าเป็นสิ่งพิเศษเมื่อหลายปีที่แล้ว อาจไม่โดดเด่นในตลาดปัจจุบัน

สิ่งนั้นสร้างทั้งความเสี่ยงและโอกาส

บางบริษัทกำลังถูกผลักดันให้ปรับตัวตามที่ตลาดระดมทุนต้องการในช่วงเวลาหนึ่ง: การเติบโต 5 เท่า, การเติบโต 10 เท่า, หรือเป้าหมายรายได้บางอย่าง, โดยไม่คำนึงว่าทิศทางนั้นจะสร้างธุรกิจที่ยั่งยืนหรือไม่. ตลาดอาจเปลี่ยนแปลงอย่างรุนแรงภายในหกถึงเก้าเดือน, ดังนั้นผู้ก่อตั้งต้องระมัดระวังไม่ให้สร้างเฉพาะเพื่อคาดหวังของรอบการระดมทุนครั้งถัดไป.

สำหรับนักลงทุน, ฉันคิดว่ามีโอกาสจริงในการระบุบริษัทที่มีพื้นฐานแข็งแกร่งแต่ไม่เข้ากับขอบเขตสุดโตของตลาดในปัจจุบัน. ความท้าทายคือการมีวินัยพอที่จะแยกแยะการเติบโตที่ยั่งยืนออกจากบริษัทที่เพียงแค่ถูกดึงไปข้างหน้าจากวงจรการระดมทุน AI ปัจจุบัน.

ขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม, ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมเกี่ยวกับบริษัท VC นี้ควรเยี่ยมชม Touring Capital.