Redpoint Ventures Playbook: How Top VCs Are Really Investing in AI with Jacob Effron

Es sind also wirklich aufregende Zeiten. Natürlich ist es ein ziemliches, sinnloses Unterfangen, die Größe des Marktes für all das zu bestimmen. Und wie bekannt ist, lagen die Leute schon oft völlig daneben. Ich glaube, Morgan Stanley hat geschätzt, dass in den nächsten Jahren 25 Prozent der weltweiten Softwareausgaben in diese KI Anwendungsfälle fließen könnten. Das alles ist also unglaublich aufregend. Es ist natürlich die beste Zeit, um ein Risikokapitalgeber zu sein, aber es bringt sicherlich auch seine Herausforderungen mit sich, oder? Ich denke, es gibt zwei Wesen wesentliche Herausforderungen, die wir tagtäglich beobachten. Erstens werden viele KI Unternehmen gegründet und das bedeutet für uns als Investoren ein interessantes Muster. Immer wenn wir uns für eine Kategorie interessieren, tauchen sofort mehr als 10 Start-ups in dieser Kategorie. Auf. Das ist eine wirklich interessante Marktdynamik. Zweitens sehen wir und ich bin sicher, dass die Leute die Schlagzeilen und so weiter gelesen haben, dass die Preise für diese Unternehmen definitiv steigen. Die Investoren sind sehr aufgeregt. Hey Leute, Zaster Annual findet im Mai 2026 wieder statt. Das weltweit größte SAS und Key Treffen für Führungskräfte. Allein im letzten Mai hatten wir Teilnehmer, davon 68 auf VP Ebene und höher. 36 Prozent davon waren CEOs und Gründer und 25 Prozent waren Key Experten. Es sind die besten Teilnehmer und Entscheidungsträger der S Klasse, die jedes Jahr zum Zaster Annual und zum I Summit kommen. Aber so sieht die Realität Leute. Je länger man wartet, desto höher werden die Ticketpreise. Im Moment sind sie günstig. Sie sind günstig, also besorgen Sie sie sich so früh wie möglich. Sichern Sie sich noch heute Ihren Verwenden Sie meinen Code Jason für exklusive Rabatte. Sichern Sie sich ihre Tickets auf podcast.saual.com oder verwenden Sie einfach den Code Jason beim Bezahlen. Wir sehen uns dort Disaster Annual und Isummit 2026. Das wird der Hammer. Vielleicht erzähle ich Ihnen erst einmal ein paar Hintergrundinformationen zu meiner Person und dann können wir loslegen. Ich bin Jacob Efron. Ich bin Geschäftsführer bei Redpoint. Redpoint ist eine 8 Milliarden Dollar Risikokapitalgesellschaft mit Sitz im Silicon Valley. Wir haben in Unternehmen wie Snowflake, Stripe, Dwilio und Hushi Corporation investiert und ich helfe bei der Leitung vieler unserer KI investitionen Außerdem betreibe ich einen KI Podcast über betreutes Lernen. Wenn Sie also etwas davon interessant finden, sollten Sie sich das unbedingt anhören. Heute möchte ich ein wenig darüber sprechen, was wir in der KI Welt sehen, wie dies unsere heutigen Investitionen beeinflusst. Und vielleicht beginne ich mit einigen Hintergründen, die den meisten von Ihnen sicherlich bekannt sein dürften, die aber vielleicht dazu beitragen, den Kontext für das zu verdeutlichen, was wir als Risikokapitalgeber sehen. Um es auf den Punkt zu Wir sehen derzeit einen massiven Rückgang der Modellkosten. Was zeigt diese Folie? Im Grunde genommen sinken die Kosten pro Token dieser Modelle für einen bestimmten Benchmark an Modellfunktionen deutlich, und zwar viel schneller als im Cloud Zeitalter. Ich denke, für KI Anwendungsunternehmen bedeutet dies ein bekanntes Muster. Wir erhalten im Grunde eine Reihe von Pioniermodellen mit neuen Funktionen. Wir entdecken die ganzen verrückten Dinge, die Sie tun können, und dann werden diese Fähigkeiten immer günstiger, bis sie in die große Mehrheit der Produkte integriert werden können. Und selbst im letzten Jahr haben wir einige verrückte neue Fähigkeiten von Modellen gesehen. Offensichtlich sind sie beim Programmieren viel besser geworden. Ich denke, Sprachmodelle sind viel besser geworden und das hat dann eine Menge verschiedener Start-ups in diesen Bereichen hervorgebracht. Und ich denke, die Auswirkungen davon sind, dass wir uns, wenn wir über die Dinge nachdenken, sehr auf den Endanwendungsfall konzentrieren und darauf, wie leistungsstark KI ist und viel weniger auf die heutigen Bruttomargen, weil diese Modelle mit der Zeit immer günstiger werden. Ich denke, das natürliche Nebenprodukt, wenn diese Leute über einen längeren Zeitraum mit diesen Modellen herumexperimentieren, ist, dass wir immer mehr Anwendungsfälle finden und diese zugrundeliegenden Modelle immer mehr nutzen. Und so ist allein der wahnsinnige Anstieg bei der Nutzung von KI Modellen, der viel schneller voranschreitet als im Cloud Zeitalter. Wir werden später noch ein bisschen über einige der Anwendungsfälle sprechen, die dies vorantreiben. Ich glaube aber, dass in der heutigen Investment Community das Gefühl vorherrscht, dass selbst wenn man die Möglichkeiten des Modells einfriert, es Billionen und Aberbillionen von Dollar an Anwendungsmöglichkeiten gibt, die nur darauf warten, entdeckt zu werden. Und natürlich hatten wir für einige der fortschrittlichsten Argumentationsmodelle nur 69 Monate Zeit, um zu testen, was diese Modelle leisten können. Ich denke also, dass es mit der Zeit immer mehr werden. Das bedeutet im Grunde, dass die Leistungsfähigkeit dieser Modelle, ihre zunehmende Nutzung und die Tatsache, dass sie relativ günstig sind, dazu führen, dass diese Start ups, wenn sie ein marktgängiges Produkt finden, einfach viel schneller skalieren als ihre traditionellen SAß padas. Und diese großartigen Daten von Stripe zeigen, wie schnell KI Unternehmen skalieren. Und dieses Tempo der Einführung bricht mit vielen Regeln traditioneller Start ups. Bei klassischen SAS Investitionsregeln keine Zusammenarbeit mit etablierten Horizontalanbietern, keine Verkäufe an Krankenhäuser, Kanzleien oder Banken. Das sind die Kunden, die lange brauchen, um zu kaufen. Wir sehen jedoch, dass viele dieser Regeln gebrochen werden, und zwar allein durch die zehnmal besseren Produktfunktionen, die viele dieser Modelle bieten können, sowie durch die wahnsinnig schnelle Skalierung. Das bedeutet, dass diese Budgets nur noch weiter steigen werden. Ich denke, in der Anfangszeit nach JPT gab es bei Unternehmen etwas Skepsis hinsichtlich der tatsächlichen Leistung einiger dieser Modelle. Aber es gibt eine Kombination aus den tatsächlichen Auswirkungen dieser Modelle in der realen Welt und der Tatsache, dass jeder das Tempo beobachtet hat, mit dem sie besser geworden sind. Ich denke, dies hat zu einem wirklich großen Interesse bei Unternehmen geführt. Daher denke ich, dass diese Budgets nur noch größer werden und gleichzeitig die Modelle immer besser werden. Ich denke, dass wir mit jeder Generation von Modellverbesserungen eine ganze Reihe neuer Funktionen freischalten. Natürlich liegt der Fokus jetzt auf Modellen, die Aufgaben über einen längeren Zeitraum erledigen können. Bei dieser Folie geht es also im Grunde darum, wie lange man ein Modell agieren und tatsächlich etwas ausführen lassen kann oder was die Leute oft als Agenten bezeichnen. Ich denke, je besser die Modelle dazu in der Lage sind, desto mehr Anwendungen und Branchen können sie abdecken. Das sind also wirklich aufregende Zeiten. Natürlich ist es ein ziemliches Ausweichmanöver, die Größe des Marktes für all das zu bestimmen, und es ist bekannt, dass die Leute schon oft völlig daneben lagen. Aber ich denke, es gibt alle möglichen Schätzungen, die einfach nur Hey, das ist eine richtig große Chance. Ich glaube, Morgan Stanley hat geschätzt, dass in den nächsten Jahren 25 Prozent der weltweiten Softwareausgaben in diese KI Anwendungsfälle fließen könnten. Das alles ist also unglaublich aufregend. Natürlich ist es die beste Zeit, um ein Risikokapitalgeber zu sein, aber es bringt sicherlich auch seine Herausforderungen mit sich, oder? Ich denke, es gibt zwei wesentliche Herausforderungen, die wir tagtäglich beobachten. Erstens werden viele KI Unternehmen gegründet. Für ambitionierte Gründer gibt es heute keinen spannenderen Bereich als die Anwendung dieser Modelle auf diverse Endbranchen. Ich denke, YC ist ein guter Indikator dafür, welche Arten von Unternehmen gegründet werden. Sie sehen also, dass der Anteil der KI Unternehmen stark ansteigt. Für uns als Investoren bedeutet das ein interessantes Muster. Immer wenn wir uns für eine Kategorie interessieren, tauchen in dieser Kategorie mehr als zehn Start ups auf. Das ist eine wirklich interessante Marktdynamik. Zweitens sehen wir, und ich bin sicher, Sie haben das in den Schlagzeilen mitbekommen, dass die Preise für diese Unternehmen definitiv steigen. Die Investoren sind sehr begeistert. Wir haben die Daten aller B und C Serienunternehmen verglichen, die KI basiert und nicht KI basiert waren. Wie Sie sehen, erzielen die KI Unternehmen größere Finanzierungsrunden. Sie erzielen in diesen Runden höhere Preise. Zugegebenermaßen ist dies größtenteils durch die höheren Wachstumsraten dieser Unternehmen, die Art von rasantem Wandel und die Akzeptanz gerechtfertigt. Aber diese Preise und die schiere Anzahl von Unternehmen machen es heute definitiv zu einem schwierigen Investitionsumfeld. Vielleicht teile ich ein paar Beobachtungen zum breiteren Markt mit euch, bevor ich darüber spreche, wie wir mit all dem umgehen. Als erstes würde ich sagen, dass diese Produkte schwer zu entwickeln sind. Ja, es gibt viele Unternehmen in jedem Bereich, die mehr als 10 in jeder Kategorie. Aber ich würde sagen, dass ein allgemeiner Trend darin besteht, dass es in jeder Kategorie, die wir betrachten, wirklich zwei bis drei gibt, die sich an die Spitze setzen und eine bessere Benutzererfahrung bieten. Sie skalieren schneller und ich denke, der Grund dafür ist, dass es für viele dieser Probleme, die unterhalb der Linie liegen, nicht viele Werkzeuge gibt. Daher bauen Unternehmen ihr eigenes Gerüst um die Modelle herum und mit dem Tempo des Modellfortschritts muss sich dieses Gerüst sehr schnell ändern. Es ist tatsächlich ziemlich schwierig, effektive KI Anwendungen zu entwickeln und wir sehen einen echten Unterschied in dem, was einige der besten Unternehmen leisten können. Der zweite Punkt, den ich zu Investitionen in diesem Bereich ansprechen möchte, ist, dass sich unsere Vorstellungen darüber, was ein interessantes Anwendungsunternehmen ausmacht und was Anwendungsunternehmen tun müssen, im Laufe der Zeit weiterentwickelt. Ich habe das Gefühl, dass es bei der Weiterentwicklung von Modellen einen wahren Feuerschlauch gibt und es ist wichtig, dass wir eine klare Meinung darüber haben, was interessante Anwendungen ausmacht. Aber in dieser Zeit des rasanten Wandels müssen wir diese locker formulieren. Ein Beispiel dafür, das interessant sein könnte, ist meiner Meinung nach die Idee, eigene Modelle für einen bestimmten Bereich zu entwickeln und zu optimieren. Direkt nach dem JBT gab es all diese Aufregung. Unternehmen sitzen auf Unmengen von Daten, was wäre, wenn sie ein wirklich großes Modell speziell für Finanzen, Recht oder Gesundheitswesen fortreinieren würden. Bloomberg hat bekanntlich ein Modell trainiert, Bloomberg GPT, das das damals neueste OpenAI Modell übertroffen hat. Drei Monate später hat OpenAI das neue Modell ausgeliefert und es war viel besser. Ich denke, der Konsens war, dass ein umfangreiches Vortraining für einen einzelnen Bereich nicht viel Sinn macht. Eine Zeit lang war sogar die Feinabstimmung einigermaßen effektiv, wenn auch nicht besonders effektiv. Man hatte den Eindruck, dass es bei dem Spiel nur darum ging, richtig gute Workflows auf der Grundlage der Modell APIs zu erstellen. Aber der Markt entwickelt sich weiter und in den letzten Monaten hat OpenAI die Feinabstimmung durch. Verstärkung eingeführt, eine neue Art der Feinabstimmung, die sie anbieten und die tatsächlich ziemlich gut ist. Es scheint also wieder, dass es für viele dieser Anwendungsunternehmen sehr hilfreich sein könnte, Daten in einer bestimmten Domäne nicht vorab zu trainieren, sondern zu optimieren. Es handelt sich also einfach um eine sich ständig verändernde und weiterentwickelnde Landschaft und wir versuchen immer auf dem Laufenden zu bleiben. Ich denke, wenn wir darüber nachdenken, was passiert, ist eines der wichtigsten Dinge, was tatsächlich funktioniert. Um also auf das einzugehen, was wir heute als wirklich funktionierend erlebt haben, würde ich sagen, dass es im großen und ganzen vier Arten von Anwendungen. Gibt, die wirklich geeignet sind und die dann auf viele verschiedene Arten eingesetzt werden. Das erste ist der Chat, aber das ist ein großartiger Anwendungsfall für diese LLMs. Sie funktionieren wirklich gut im Bereich des Kundensupports. Das zweite ist die Möglichkeit, im Grunde genommen Dokumente zu durchsuchen und diese Dokumente zusammenzufassen. Das haben sie im horizontalen Bereich bei Unternehmen wie Glean gesehen, aber auch in vertikalen Bereichen bei juristischen KI-Unternehmen wie LoRa oder im Bauwesen bei Unternehmen wie Trunktools. Und dann sind diese Modelle wirklich gut bei der Umwandlung von Sprache in Text und Text in Sprache. Das haben Sie im Gesundheitswesen gesehen bei Unternehmen wie Abridge, die Arztbesuche transkribieren, sowie bei Unternehmen wie Liberate und Azort, die den Eingangsbereich von Versicherungsmaklern oder medizinischen Kliniken betreuen und mehr Anrufe entgegennehmen können, als die Leute es zuvor konnten. Und der letzte Bereich ist die Codierung, richtig? Diese Modelle sind beim Codieren unglaublich gut. Sie werden immer besser. Sie haben die Explosion von Unternehmen wie Cursor Cognition, poolsight, Sourcegraph und einer ganzen Reihe von Unternehmen in diesem Bereich gesehen. Ich würde sagen, dass die Kategorien, die sich bisher am besten bewährt haben, Codierung, Kundensupport, Recht und Gesundheitswesen sind. Ich denke aber, dass wir noch ganz am Anfang stehen, was die Anwendung dieser erstaunlichen Funktionen in vielen verschiedenen Branchen angeht. Es werden mit der Zeit zwangsläufig noch viele weitere Anwendungen oder Branchen entstehen, die sich hervorragend für die Funktionen dieser Modelle eignen. Wir denken immer darüber nach, dass die Modelle alle paar Monate besser werden. Welche Anwendungsfälle werden sich also ergeben, wenn diese Modelle zuverlässiger werden? Sie verfügen über ein längerfristiges Denkvermögen. Wir versuchen ständig herauszufinden, welche Anwendungsfälle das sind. Das Thema dabei war unser Investitionsrahmen und wie wir über Investitionen in die KI Welt denken. Ich dachte mir, ich stelle mal ein einfaches, dreiteiliges Framework zusammen. Als ehemaliger Berater müssen es immer drei sein. Aber es sind drei Fragen, die wir uns bei der Bewertung dieser Anwendungen immer stellen. Die erste Gibt es einen wirklich effektiven Ansatz für KI? Ich würde sagen, dass die Messlatte für die Marktgängigkeit von Produkten und die Art und Weise, wie ein effektiver Keil aussieht, im Bereich KI generell höher gelegt wurde, da Unternehmen, die über KI verfügen, gerade ein explosives Wachstum verzeichnen. Ich finde, wir beobachten heute im Bereich KI eine interessante Entwicklung, bei der Unternehmen ganz klar von oben aufgefordert werden, in KI zu investieren. Vorstände sagen ihren CEOs, was machen wir im Bereich KI? Es gibt heute also eine große Bereitschaft, mit KI Produkten zu experimentieren. Ich denke, eine der wichtigsten Dinge, die wir tun müssen, ist zu erkennen, ob es sich bei einem Unternehmen, das wirklich gut wächst, einfach nur um folgendes Hey, ein Unternehmen experimentiert mit den Möglichkeiten von KI herum und vielleicht ist es etwas, das sie übernehmen, vielleicht auch nicht, aber sie sind bereit, etwas Geld zu bezahlen, nur um zu sehen, was das Produkt kann. Oder ist es etwas, das die Endnutzer wirklich lieben? Deshalb versuchen wir immer, mit den Leuten zu sprechen, die das Produkt tatsächlich verwenden und herauszufinden, ob es ein Genscher ist oder nicht. Und man merkt wirklich, dass es Produkte gibt, die die LE absolut lieben. Wenn man über diese Art von Rennen nachdenkt, denke ich, dass es gerade ein Rennen darum gibt, der strategische Partner für Krankenhäuser, Anwaltskanzleien, Banken und andere Unternehmen zu sein. Und ich denke, der Schlüssel ist, den Bereich zu finden, wo KI ein zehnmal besseres Erlebnis liefert, einen tollen Anwendungsfall, den jeder einfach gerne nutzt. Darauf achten wir wirklich und das ist eine Grundvoraussetzung dafür, dass wir uns jede Art von Unternehmen ansehen. Als Nächstes überlegen wir, wie viel mehr ein Unternehmen mit diesem Bereich erreichen kann. Und da gibt es mehrere Gründe. Einer davon ist, dass KI meiner Meinung nach in größeren Branchen im Laufe der Zeit im Allgemeinen mehr leisten kann. Wir favorisieren große Industriezweige, Gesundheitswesen, Recht, Finanzen, Stadt, Nischen. Und dann stellt sich meiner Meinung nach auch die Ob es in dieser Branche 10 weitere Anwendungsfälle gibt, für die sich diese Modelle wirklich gut automatisieren lassen. Und daher denke ich, dass man sich das so vorstellen könnte. Es gibt viele großartige Keile, die es gibt, aber vielleicht in kleineren Märkten. Man könnte sich also vorstellen, dass ich mir eine Sache wünschen würde. Ich bin sicher, man könnte ein großartiges KI Produkt entwickeln, um Sourcing E Mails zu schreiben, um eine Reihe von Unternehmen für Risikokapitalfirmen zu erreichen. Und das wäre wahrscheinlich ein großartiger Keil, der einem ziemlich schnell eine gewisse anfängliche Skalierung verschaffen könnte. Und das Problem dabei ist natürlich, dass es nur eine begrenzte Anzahl von Risikokapitalfirmen gibt, die Diese Branche ist nur so groß, wie es nur so viele gibt. Und zumindest heute ist nicht ganz klar, welche anderen Funktionen Modelle innerhalb einer Risikokapitalfirma haben könnten. Vielleicht könnten sie eine Reihe von Funktionen übernehmen. Vieles, was wir tun, wird sich langfristig durchsetzen, Aber zumindest heute ist das meiner Meinung nach ein großartiges Beispiel für einen potenziell sehr überzeugenden Keil, der sich nicht wirklich in ein wirklich interessantes Unternehmen umsetzen lässt. In das man investieren könnte. Und der letzte Punkt, über den wir viel nachdenken, ist die Frage, inwieweit Qualität eine Rolle spielen wird. Der Grund dafür ist, dass es, wie bereits erwähnt, in jeder Kategorie, die wir betrachten, immer eine Reihe von Akteuren geben wird, die dort aufbauen. Und es wird immer jemanden geben, der hey, für zehn Prozent des Preises verkaufen wir etwas, das nur 50 Prozent so gut ist. Und die interessantesten Märkte sind diejenigen, in denen man lieber ein qualitativ hochwertigeres Produkt haben möchte. Eine interessante Beobachtung war daher, dass einige der einfachsten Dinge, an die man heute KI Produkte verkaufen oder die man automatisieren kann, Dinge sind, die möglicherweise bereits von Unternehmen für Geschäftsprozesse ausgelagert wurden. Das Interessante daran ist, dass es dabei möglicherweise zu einem regelrechten Preiswettlauf nach unten kommt. Daher konzentrieren wir uns wirklich auf Dinge, bei denen die Qualität der Endanwendung wirklich wichtig ist und die Leute bereit sind, für das Beste ihrer Art zu zahlen. Daher dachte ich mir, es wäre interessant, diese drei Fragen aufzugreifen und zu untersuchen, wie sie sich auf einige Investitionen auswirken, die wir im Bereich der KI Anwendungen getätigt haben. Ich werde über zwei davon sprechen, in deren Vorstand ich sitze. Ein KI Unternehmen im Gesundheitswesen heißt Bridge, eines im Recht heißt Labere. Fangen wir mit Bridge an. Bei Bridge haben wir die Serie C Finanzierung mit angeführt. Vor kurzem haben sie eine Serie E Finanzierung in Höhe von 5,3 Milliarden US Dollar abgeschlossen. Es ist ein unglaubliches Unternehmen. Im Grunde bieten sie ein Produkt an, das einen Arzt Patienten Besuch aufzeichnet und diesen Besuch dann in die elektronische Gesundheitsakte überträgt, so dass der Arzt nicht viel Zeit damit verbringen muss, selbst die Notiz zu schreiben. Die Versicherungsgesellschaft erhält die Informationen darüber, was passiert ist, auf eine Weise, die für die Abrechnung effektiv ist, und der Patient wird vom Arzt benachrichtigt und kann eine Zusammenfassung des Besuchsverlaufs erhalten. Wenn Sie über das Drei Fragen Framework des Wedges nachdenken, werden Sie keinen besseren Wedge als diesen finden. Es ist wirklich ein unglaublicher KI Anwendungsfall, denn früher hatten Ärzte diese sogenannte Pyjama Zeit, in der sie am Ende eines wirklich anstrengenden Tages drei Stunden damit verbrachten, spätabends zu Hause im Pyjama einen Haufen Notizen zu tippen. Und das war eines der Dinge, die einfach zu einem massiven Burnout bei den Ärzten führten. Für die Ärzte ist das wirklich eine echte Lebensrettung, diese zusätzliche Arbeit nicht machen zu müssen und sich auf die Patienten konzentrieren zu können, die vor ihnen stehen. Für die Patienten ist es eine viel bessere Erfahrung, wenn sie jemals in einer Arztpraxis waren und diese die ganze Zeit auf ihrem Computer tippen und einen nicht ansehen. Und für die Krankenhäuser selbst ist die Möglichkeit, korrekt zu dokumentieren, was vor sich geht und dann für die erbrachten Leistungen bezahlt zu werden, ebenfalls sehr interessant. Und das ist also ein Anwendungsfall, der sich wie ein Lauffeuer verbreitet hat. Und wenn Sie mit Ärzten sprechen, die Apryge verwenden, habe ich noch nie gehört, dass Leute so positiv über ein Produkt sprechen und so unglaublich wedge Was April auch zu einem wirklich interessanten Unternehmen macht, ist, dass man darauf noch viel aufbauen kann. Und der CEO von Abridge, Chevra, sagt immer, dass alles im Gesundheitswesen aus dem Gespräch zwischen Arzt und Patient entsteht. Und das stimmt absolut. Eine Brücke erzeugt im Grunde diese neuen Daten und sie haben die unglaubliche Gelegenheit, auf der Grundlage dieser Daten eine Menge interessanter Produkte zu entwickeln. Ich denke, was eine Brücke so effektiv macht, ist, dass sie dieses Schreibprodukt verkauft, das es heute gibt und das die Leute lieben und das funktioniert, aber auch eine wirklich überzeugende Zukunftsvision all der verschiedenen Dinge entwirft, die es in Zukunft bewirken kann. Und dann noch der dritte die Qualität. Ich denke, das Gesundheitswesen ist ein Bereich, in dem Qualität wirklich wichtig ist. Wer würde in ein Gesundheitssystem gehen wollen? In in dem es heiß Hey, wir verwenden die billige KI, die zu 50 Prozent gut ist, aber nur 10 Prozent so teuer ist. Das Gesundheitswesen ist wirklich ein Bereich, in dem Qualität wichtig ist. Und ich denke, eine Brücke hat wirklich großartige Arbeit geleistet, um die Wissenschaft anzuführen und zu klären, was es bedeutet, ein qualitativ hochwertiges medizinisches KI Produkt zu haben und wie man im Grunde bewertet, ob diese Produkte halluzinieren, ob sie sich richtig an alles erinnern, was während des Besuchs passiert ist. Diese Dinge haben schwerwiegende Konsequenzen, wenn sie falsch gemacht werden. Und ich denke, sie haben da wirklich großartige Arbeit geleistet. Indem sie diese Produkte frühzeitig entwickelt und sich modernste Wissenschaft zunutze gemacht haben, haben sie ein unglaubliches Vertriebsschwungrad in Gang gebracht, das faszinierend zu beobachten war. Und ich denke, es ist ein großartiges Beispiel für ein wirklich erfolgreiches KI Unternehmen. Das zweite Unternehmen, über das ich sprechen möchte, ist ein juristisches KI Unternehmen namens LoRa. Wir haben hier die Serie A Finanzierung geleitet. Sie haben vor kurzem eine großartige Serie B Finanzierung abgeschlossen. LoRa ist im Grunde eine End to End Plattform, eine Kollaborationsplattform für Anwälte, auf der Sie alle Ihre Dokumente und Ihre Arbeit überprüfen können. Sie können neue juristische Dokumente entwerfen und verfassen, sowie Recherchen zu dem Thema anstellen, mit dem sie sich befassen. Wenn man sich also noch einmal das dreiteilige Framework ansieht, denke ich, dass LORA so interessant ist, weil dieser Aspekt wirklich überzeugend ist. Es gibt einige Dinge, die Modelle wirklich gut können. Wir haben vorhin über Suche und Zusammenfassung gesprochen. Die Überprüfung von Massendokumenten eignet sich heute sehr gut für Modelle. Recherche in einer Reihe verschiedener Fälle oder Dokumente sowie das Verfassen von Entwürfen und Schreiben. Ein wichtiger Aspekt, den Anwälte heute sehr wertvoll finden. Ich denke, mit der Zeit entwickelt sich eindeutig das Gefühl, dass Text im Text im Textbereich eine Rolle spielt. Modelle können mit der Zeit immer mehr leisten und es fühlt sich an, als würde sich diese Branche mit Hilfe von KI grundlegend verändern. Ein Unternehmen wie Lora kann noch viel mehr leisten. Ähnlich wie bei einer Brücke ist bei dieser dritten Frage die Qualität wirklich wichtig. Die weltweit führenden Unternehmen, die führenden Private Equity Firmen oder Technologieunternehmen arbeiten mit Anwaltskanzleien zusammen und möchten, dass ihre Kanzleien die hochwertigsten Tools verwenden. Richtig. Und auch hier, wer das beste Produkt in diesem Bereich entwickelt, hat meiner Meinung nach wirklich ein Recht darauf, die Kategorie zu gewinnen. Und vielleicht ein interessanter Datenpunkt für unsere Zuhörer. Ich finde es faszinierend, dass LORA ein wirklich erfolgreicher Nachzügler in diesem Bereich war. Harvey war also das erste Unternehmen im Bereich der juristischen KI. LORA startete erst später, hat aber wirklich aufgeholt und ein unglaubliches Produkt entwickelt. Ich denke, das wurde durch verschiedene Dinge ermöglicht. Ein Grund ist, dass wir uns noch in den Kinderschuhen befinden, was diese juristischen KI Produkte angeht. Ich denke, dass das, was diese Produkte heute können, nur etwa 5 Prozent dessen beträgt, was sie in Zukunft können. Es besteht also wirklich die Möglichkeit, dass es einen großen Sprung nach vorn gibt, wenn sich diese Fähigkeiten weiterentwickeln. Und der zweite interessante Eine der Herausforderungen bei einer späteren Markteinführung besteht manchmal darin, dass die Leute einen in eine Schublade stecken wollen und sagen Hey, wir haben bereits eine End to End Lösung, du machst nur dies oder das. Und wenn man das tut, ist es schwierig, ein End to End Produkt zu entwickeln. LORA ist ein Team aus Schweden und hatte, da es in den nordischen Ländern gegründet wurde, schon früh in der Unternehmensgeschichte die Gelegenheit, mit diesen führenden nordischen Anwaltskanzleien zusammenzuarbeiten und dort ein End to End Produkt zu entwickeln. So konnten sie dieses wirklich effektive End to End Produkt entwickeln und es dann dem Rest der Welt anbieten. Und wenn wir darüber nachdenken, was wirklich effektive Teams im KI Bereich ausmacht, dann ist das LoRa Team meiner Meinung nach das schnellste Team, das man finden kann, wenn es darum geht, neue Dinge zu liefern, die Leistungsfähigkeit dieser Modelle in die Hände ihrer Kunden zu geben und einfach wirklich überzeugende Workflows auf der Grundlage der Modelle zu erstellen. Das sind also zwei großartige KI Unternehmen, mit denen wir zusammenarbeiten durften, die meiner Meinung nach wirklich in dieses Gesamtkonzept passen. Bevor ich nun Fragen entgegennehme, möchte ich vielleicht mit ein paar grundlegenden Gedanken zu den Dingen abschließen, die wir bisher gelernt und bei Investitionen in KI Anwendungen gesehen haben. Erstens ist es einfach erstaunlich, wie schnell Menschen Marken aufbauen und fast zu etablierten Anbietern im Bereich der KI Anwendungen werden können und welche Vorteile sich daraus ergeben. Wenn Sie jemanden auf der Straße nach einem KI Codierungsunternehmen fragen, wird er wahrscheinlich Cursor oder Support, Sierra oder Healthcare oder Bridge nennen. Es ist einfach erstaunlich, wie schnell diese Unternehmen agieren und diese Marken aufbauen können. Zweitens würde ich sagen, dass Geschwindigkeit wahrscheinlich das Wichtigste ist, worauf wir achten. Der Markt wandelt sich rasant. Es gilt, die Bandbreite der Anwendungsmöglichkeiten dieser Modelle für Endindustrien auszubauen, zugleich aber auch neue Modelle und Funktionen zu entwickeln. Wie finden wir heraus, wie wir das, was GBT leisten kann, auf eine Endbranche übertragen können? Und Teams, die einfach unglaublich schnell liefern, haben dabei einen echten Vorteil. Das steigert sich mit der Zeit. Und das Letzte, was ich sagen möchte, ist, dass es sich bei vielen dieser Produkte um die tausend kleinen Dinge handelt, die ein Produkt im Vergleich zu einem anderen zu einem besonderen Erlebnis machen. Die Benutzererfahrung ist also viel einfacher, die Latenz ist viel schneller. Jedes Mal, wenn Sie eine Bewertung vornehmen, erfolgt die Antwort schneller. Und das Interessante, das wir als Unternehmen angemerkt haben, ist, dass vieles, was KI Anwendungen wirklich stark macht, dem ähnelt, wonach wir in der Vergangenheit bei SAS Unternehmen gesucht haben. Ich denke, dass viele dieser Unternehmen diese Modelle erst seit ein oder zwei Jahren nutzen, während sie sie bereits seit vier oder fünf Jahren nutzen. Ich denke, dass viele dieser Unterschiede, die wir in der SAS Welt bei Produkten gesehen haben, die einfach angenehm zu verwenden sind und zu den Favoriten der Branche gehören, sich nur noch verstärken werden, wenn die Leute länger an ihnen arbeiten. Ich denke, dass wir so im Allgemeinen über die Dinge denken. Ich würde gerne Fragen beantworten, die die Leute haben.

Vielen Dank dafür, Jakob. Das ist sehr hilfreich. Es gibt ein paar Fragen im Chat und ich werde sie so formulieren, dass sie auch für breitere Kategorien hilfreicher sind. Sie haben hier ein paar Dinge erwähnt. Wie denken Sie jetzt über das Gleichgewicht zwischen Investitionen zwischen beispielsweise eher traditionellen B BESAS Unternehmen und solchen, die KI zuerst setzen, wie ich Laura Bridge oder KI zuerst sagen würde?

Ja, ja, ja. Nein, das ist eine interessante Frage. Ich denke, eine witzige Anekdote ist, dass wir in unserem CRM eine Zeit lang zwischen Wir sind wie KI Unternehmen und Das hier ist ein SAS Unternehmen unterschieden haben. Diese Unterscheidung haben wir jetzt aufgehoben und daher ist sie mittlerweile fast bedeutungslos. Wie jedes SAS Unternehmen entwickelt auch dieses Unternehmen seine eigenen KI Funktionen richtig. Und sicherlich gibt es Unternehmen, die in diesem KI Zeitalter erwachsen geworden sind und vielleicht schneller vorankommen oder sich stärker darauf einlassen. Aber ich denke, dass es viele traditionellere SAS Unternehmen gibt, die immer noch nach Wegen suchen, ihren Endkunden Key zur Verfügung zu stellen. Und ich denke, dass auf der Anwendungsseite fast jede Möglichkeit, die wir betrachten, ein Teil der Geschichte ist, egal ob sie nach GPT gegründet wurde und nur ein KI Unternehmen ist oder ob es sich um ein Unternehmen handelt, das vor fünf bis zehn Jahren diese Dinge in KI integriert hat. Und daher würde ich sagen, dass dies fast allgemein auf die Anwendungsunternehmen zutrifft, in die wir investieren. Und um es vielleicht etwas allgemeiner auszudrücken, ist es Ihrer Meinung nach ein Warnsignal, wenn Sie Pitches erhalten, in denen KI überhaupt nicht erwähnt wird. Sie denken sich, das werde ich mir gar nicht erst ansehen. Ich halte mich nie strikt an Regeln, die das erfordern. Aber ich würde sagen, es wäre ein Warnsignal, wenn das Team nicht gründlich darüber nachgedacht und ausprobiert hätte. Was können diese Modelle in unserem Bereich leisten? Nun, wie gesagt, es ist gut möglich, dass Sie ein wirklich anspruchsvolles, vertikales SAS Unternehmen haben. Sie haben sich eine Reihe verschiedener KI Anwendungen angesehen. Sie Einige der Dinge sind zu 10 Prozent oder 20 Prozent hilfreich, aber vielleicht gibt es in unserem Bereich noch keinen zehnfachen Anwendungsfall. Und das könnte der Fall sein. Ich denke, trotz des ganzen Hypes um KI gibt es nicht in jeder Branche bereits eine KI Anwendung, die unglaublich schnell skaliert wurde und diesen erstaunlichen Vorteil gefunden hat. Ohne Berücksichtigung dieser Aspekte droht langfristig mit besseren Modellen in nahezu jeder Branche ein zehnfacher KI Vorsprung. Und diese Unternehmen würden Gefahr laufen, von jemandem gestört zu werden, der das tut, wenn sie nicht am Puls der Zeit bleiben. Aber ich denke, es ist absolut legitim, dass diese zehnfache Chance in einer bestimmten Endbranche vielleicht noch nicht besteht. Ja, das macht Sinn. Nächste Frage aus dem Wie wichtig ist Ihrer Meinung nach heute ein Burggraben? Das ist eine gute Frage. Ich denke, die Realität ist, dass wir möglicherweise etwas unrealistische Erwartungen an die Modelle haben. Wie ich bereits sagte, wenn man über die Argumentationsmodelle nachdenkt, gibt es sie seit September. Die Leute haben neun bis zehn Monate darauf aufgebaut. In der SAS Welt würde niemand Hey, nach neun bis zehn Monaten Entwicklung eines SAS Produkts solltet ihr wirklich diesen definierten Modus haben. Ich denke, es ist wirklich wichtig, dass es einen Weg zu einem Burggraben gibt, und das ist hier nicht der Fall. Und ich denke, deshalb haben wir über Qualität und einige dieser anderen Dinge gesprochen, die einem helfen könnten. Es gibt viele andere kreative Wege, wie Leute Burggräben aufbauen. Und ich denke, es ist wichtig, dass man das am Horizont erkennt. Aber ich denke, es ist unwahrscheinlich, dass es in so kurzer Zeit dazu kommen wird. Und diese Modi sind in diesem Stadium oft die tausend kleinen Dinge, die nicht immer die intelligentesten sind. Ich würde viel lieber sagen, dass der Grund für die Existenz eines Modus darin besteht, dass sie das beste Modell trainiert haben und niemand anderes das kann oder dass sie Daten haben, die niemand anderes hat. Und ich denke, in den frühen Tagen der KI wollten alle, dass das die Geschichte ist. Eigenes Modelltraining inklusive Vortraining hilft nicht, wie sich erneut zeigte. Ja, man braucht Daten, um Feinabstimmungen vorzunehmen, aber es sind nicht wirklich Unmengen an Daten und viele Leute haben Zugriff darauf. Und so besteht die Differenzierung, die sich meiner Meinung nach weiter verstärken wird, aus diesen tausend kleinen Dingen und dem, was man tun kann, wenn man Partnerschaften und andere Dinge dieser Art eingeht.

Alles klar. Wie können dich und dein Team am besten mit Fragen erreichen?

Meine E Mail Adresse lautet Jakob rätpoint com. Das ist ganz einfach. Ich gebe dir Bescheid, wenn du etwas Interessantes gefunden hast. Ich moderiere einen Key Podcast mit dem Titel Unsupervised Learning. Du findest ihn, wenn du einfach nach Unsupervised Learning googelst, Redpoint und wir sprechen über viele dieser Dinge. Ja, das hat sehr viel Spaß gemacht.

Das hat richtig Spaß gemacht. Wir werden in ein paar Monaten ein Update machen und sehen, wo wir stehen. Vielleicht melden wir uns gegen Ende des Jahres wieder bei dir, wie es 2026 weitergeht. Vielen Dank, Jakob. Das hat super viel Spaß gemacht. Danke. Vielen lieben Dank und danke.