Techniczny Due Diligence – na co zwrócić uwagę

July 29th, 2025 due diligence, startup, vcTags: due diligence, startup, venture capital

Inwestor przed inwestycją weryfikuje startup na wiele sposobów w ramach procesów due diligence (DD). Prowadzony jest DD księgowy, biznesowy, techniczny, a ich celem jest wyłapać ryzyka, “trupy w szafie” i zapewnić dane do procesu negocjacji warunków inwestycji.

DD techniczny na etapie pre-seed/seed przede wszystkim kładzie nacisk na kwestię “czy to działa” (czy daje przedsmak wartości dla klienta) i “jak się przygotować na skalowanie”. Znalazłem ostatnio bardzo przydatny deck od Kfund, który bardzo dobrze systematyzuje ten proces dzieląc go na następujące etapy (z moimi edycjami i uzupełnieniami):

1. rozmowa z CTO – celem jest poznać motywację i historię stojącą za CTO, idealnie rozmowa bez CEO
2. analiza zespołu technicznego – kompetencje, doświadczenie, wakaty
3. tech stack – weryfikacja czy technologia startupu jest adekwatna, skalowalna i przyszłościowa, analizujemy w takich obszarach:
   1. architektura rozwiązania
   2. wykorzystane technologie
   3. dokumentacja
   4. kod spadkowy – do przeróbki
   5. strategia rozwoju w perspektywie rundy finansowania
4. infrastruktura – sprzętowa i programowa, wykorzystanie chmury, dyskusja w obszarze balansowania pomiędzy kosztem, skalowalnością a niezawodnością technologii
5. dane – identyfikacja danych, które technologia przetwarza, jak je przetwarza, aspekt szczególnie ważny w kontekście startupów AI
6. bezpieczeństwo – często na etapie około-MVP bezpieczeństwo nie jest priorytetem (chyba że jest to system przetwarzający dane wrażliwe) – ale trzeba mieć przynajmiej zaplanowaną ścieżkę rozwoju w tym obszarze
7. compliance – zgodność z wymogami prawa jest o tyle istotna, że zbyt lekkie podejście do tematu może zablokować rozwój projektu, niektóre projekty compliance mają wpisany w rozwój np. uzyskanie konkretnej certyfiacji czy ochrona patentowa
8. tematy specyficzne – w zależności od projektu mogą być dodatkowe kwestie techniczne np. AI, algorytmy, prawa własności intelektualnej, integracje czy partnerstwa strategiczne – mogą one całościowo wpływać na “niekopiowalną przewagę” danego projektu w obszarze technologicznym

Takie usystematyzowane podejście pozwala inwestorowi zbudować przekonanie co do tego czy dany projekt “ogarnia technologię” i jest w stanie zbudować na niej wartość dla klienta. Moim zdaniem daje to też wartość dodaną spółce – sugestie inwestora, dotyczące obszaru technologicznego niekoniecznie muszą wynikać z głębokiego zrozumienia danej technologii (na tym polu przewagę powinien mieć jednak startup), ale głównie ze zrozumienia co w obszarze technologii powinno się zdarzyć, aby startup pozyskał kolejną rundę poprzez uporządkowanie tego obszaru, wyłapanie luk i uzupełnienie kompetencji.

Problem najpierw, startup potem

July 14th, 2025 lean startup, startup, templateTags: lean startup, startup, value proposition design

Dave McClure, to jeden z inwestorów, który ukształtował moje podejście do startupów i venture capital. Mocno mi utkwiło w pamięci to, że zawsze próbuje on zrozumieć przede wszystkim problem, który startup rozwiązuje, a samą kwestię technologii i wdrożenia uważa za drugoplanową. Paradował nawet w koszulkach ze sloganem “Your solution is not my problem“. Coś w tym jest.

Truizmem jest wspominać ponownie o tym, że 42% startupów upada ponieważ nie adresuje konkretnej potrzeby rynkowej (“no market need”). Jak być w tej mądrzejszej połowie?

Odpowiedź krótka:

wykorzystaj Value Proposition Canvas – przeczytaj książkę i zacznij stosować. End of story.

Odpowiedź długa:

Moim ulubionym frameworkiem wspierającym pracę nad startupem jest Business Model Canvas i metodyka Lean Startup. Rozszerzeniem (chyba raczej w sumie pogłębieniem) BMC jest Value Proposition Canvas, które pozwala odpowiednio zmapować występujące w BMC Value Proposition (propozycja wartości) na Customer Segments (segmenty klientów). Ale pojechałem z żargonem, poniżej ilustracja.

Dzięki takiemu mapowaniu dostajemy szczegółową metodykę do pracy z problemami klienta, która pozwala analizować i mapować wartości generowane (potencjalnie ;)) przez nasze rozwiązanie z konkretnymi problemami i pracami (“jobs to be done”), które ma klient.

Dlaczego tak trudno projektom zwalidować, czy rzeczywiście jest zapotrzebowanie na ich produkt? Mam wrażenie, że często chodzi o lęk kontaktu z klientem. Syndrom wspomniany przez Kamila Stanucha czyli “Szlachta nie sprzedaje”.

Z drugiej strony czasami jednak zaczynamy od technologii, a nie od problemu klienta i bardzo mi się spodobało, że w jednym z praktycznych przykładów książka dyskutuje jak pracować z taką sytuacją, tj. zakładając, że masz już technologię – jak iterować nad wartością dla klienta, aby stworzyć z tego biznes. Jest to więc klasyczny model “technologii, która szuka problemu (klienta)”. Okazuje się, że to też może być punkt startowy do zbudowania biznesu.

Książka pokazuje jak pracować nad wartością dla klienta (Value Proposition) i definiuje 10 cech idealnej oferty:
Great Value Propositions:

1. Are embedded in great business models
2. Focus on the jobs, pains, and gains that matter most to customers
3. Focus on unsatisfied jobs, unresolved pains, and unrealized gains
4. Target few jobs, pains, and gains, but do so extremely well
5. Go beyond functional jobs and address emotional and social jobs
6. Align with how customers measure success
7. Focus on jobs, pains, and gains that a lot of people have or that some will pay a lot of money for
8. Differentiate from competition on jobs, pains, and gains that customers care about
9. Outperform competition substantially on at least one dimension
10. Are difficult to copy

Książka daje cały wachlarz narzędzi pozwalających zmierzać do celu szybko. Pokazuje jak prototypować, badać product-solution-fit, product-market-fit i business model fit. Podstawą tego podejścia jest zrozumienie klienta i zaproponowanie mu rozwiązania z takiej perspektywy. Książka bardzo praktyczna, zawiera kompletny proces/ metodykę, przykłady użycia, gotowe do zastosowania wzory.

Jak VC analizuje projekt wykorzystujący AI?

July 9th, 2025 due diligence, startup, vcTags: AI, startup

Gdy wszyscy chcą inwestować w AI, istotne znaczenie dla inwestora ma, aby wyrobić sobie zdanie, czy AI tworzy w danym projekcie konkretną wartość dodaną, czy raczej “pudruje” rozwiązanie. Jak to sprawdzić? Z perspektywy inwestora weryfikacja komponentu AI to element DD technologicznego, celem jest więc ustalenie czy technologia jest skalowalna i efektywnie rozwiązuje problem biznesowy. Weryfikacja tego może nie być prosta bez doświadczenia technicznego, ale zebranie podstawowych danych pozwoli zbudować pewien obraz w który możemy uwierzyć lub nie (jako inwestorzy). Poniższa checklista próbuje usystematyzować zbieranie takich danych. Przygotowana na podstawie “How to assess Artificial Intelligence (AI) Startups (Part I), (Part II)”, z własnymi modyfikacjami.

Podstawowe pytania do oceny wykorzystania AI w startupie:

1. Definicja i rola AI w startupie
   • Jaką konkretnie rolę pełni AI w produkcie lub usłudze startupu?
   • Czy AI jest kluczowym elementem wartości firmy, czy tylko dodatkiem wspierającym inne procesy?
   • Jaki problem biznesowy startup rozwiązuje za pomocą AI?
   • Czy startup jest firmą core AI (tworzącą własne rozwiązania), czy operatorem AI (wykorzystującym istniejące narzędzia AI)?
2. Typ i źródło algorytmów
   • Czy startup tworzy własne algorytmy AI, czy korzysta z gotowych rozwiązań?
   • Jakie rodzaje algorytmów są wykorzystywane (np. Machine Learning, Deep Learning, LLM, inne)?
   • Jakie są ograniczenia i mocne strony wybranych algorytmów w kontekście zastosowań startupu?
3. Dane i proces uczenia
   • Skąd pochodzą dane treningowe? Czy są publiczne, komercyjne, czy własne (proprietary)?
   • Jaka jest jakość, kompletność i ilość danych treningowych?
   • Czy dane są odpowiednio oczyszczone, znormalizowane i oznaczone (labeled)?
   • Jak startup radzi sobie z problemem niedoboru lub błędów w danych? Czy wykorzystuje dane syntetyczne? Jak są one syntezowane?
   • Czy przewaga konkurencyjna wynika z unikalnych danych?
4. Zastosowanie i dobór modeli, trenowanie modelu
   • Jakie modele AI są używane i do jakich konkretnych zastosowań?
   • Czy startup korzysta z modeli pretrenowanych, czy samodzielnie je trenuje?
   • Jakie zasoby (sprzęt, chmura, koszty) są wykorzystywane do trenowania i wdrażania modeli?
   • Jak często modele wymagają ponownego trenowania i jaki jest tego koszt?
   • Gdzie odbywa się proces wnioskowania/inferencji (w chmurze, lokalnie, hybrydowo)?
5. Wydajność i skalowalność
   • Jakie są parametry wydajności modeli (np. czas odpowiedzi, precyzja, koszty operacyjne)?
   • Jak startup radzi sobie ze skalowaniem rozwiązań AI (np. wzrost liczby użytkowników, większe wolumeny danych)?
   • Jaki framework (np. PyTorch, TensorFlow) jest wykorzystywany i dlaczego wybrano właśnie ten?
6. Zespół i kompetencje
   • Kto odpowiada za rozwój i wdrożenie AI w startupie?
   • Jakie doświadczenie i kompetencje mają kluczowi członkowie zespołu (np. liczba Ph.D., doświadczenie produkcyjne w ML/AI)?
   • Jakie języki programowania i frameworki są wykorzystywane przez zespół?
7. Strategia rozwoju AI
   • Jaka jest strategia rozwoju własnych kompetencji AI w firmie?
   • Czy istnieje plan rozwoju własnych modeli lub przejścia na bardziej zaawansowane rozwiązania?
   • Jak startup planuje utrzymać przewagę technologiczną w AI?
8. Ryzyka regulacyjne
   • Czy istnieją jakieś ryzyka regulacyjne aktualnie lub w przyszłości?
   • Czy dane są pozyskiwane legalnie i zgodnie z regulacjami (np. RODO)?
   • Jakie są mechanizmy zapewnienia prywatności i bezpieczeństwa danych?
   • Jak potwierdzić, że algorytmy AI są wolne od stronniczości i dyskryminacji (tzw. algorithmic bias)?
   • Czy można prześledzić tok wnioskowania systemu AI (tzw. explainability)?

Warto pamiętać, że z perspektywy inwestora, nie powinno mieć znaczenia wykorzystanie AI w startupie, powinien on być po prostu “dobrą inwestycją”.

Minimum Viable Pitch – template w 5 zdaniach

March 26th, 2025 startup, templateTags: pitch, startup, template

Tworzenie pitchdeck’ów to temat rzeka. Pisałem jakiś czas temu na czym się skupić w pierwszej kolejności prezentując krótko projekt inwestowi lub klientowi. Dzisiaj dodam jeszcze ustrukturyzowany wzór takiego pitcha – można wykuć na blachę i voila! wszyscy są zadowoleni. Idealny icebreaker na spotkania jak np wrocławskie Tap Tech Tuesday (zawsze w ostatni wtorek miesiąca).

Analogiczny wzór bardzo często pojawia się w internetach, i nie wiem kto to pierwszy spisał, ale najlepszy artykuł opisujący taką strukturę znalazłem na Founders Institute – warto przeczytać szczegółowo. Poniżej template po polsku – moja propozycja.

Bardzo trudno nie ulec pokusie, aby jeszcze coś dodać – ale w komunikacji z inwestorem ważniejszy jest prosty przekaz niż pełny przekaz. Prosty przekaz może zainteresować, pełny może przytłoczyć.

Jak VC analizuje inwestycję

March 12th, 2025 biznesplan, vcTags: pitch, startup, venture capital

Kryteria inwestycyjne w kontekście venture capital to: zestaw warunków i czynników, które fundusze venture capital uwzględniają przy podejmowaniu decyzji inwestycyjnych w nowo powstałych lub rozwijających się firmach. Te kryteria pomagają nam wybrać najlepsze możliwości inwestycyjne, które mają potencjał na wysoką stopę zwrotu.

W ogólności kryteria, które analizuję oscylują wokół trzech głównych grup cech projektu inwestycyjnego (patrz: Minimum Viable Pitch):

• Rynek – tempo wzrostu, konkurencja, bariery wejścia itp.
• Zespół – doświadczenie na docelowym rynku, zgranie zespołu – wcześniejsza współpraca, wcześniejsze doświadczenie przedsiębiorcze itp.
• Produkt – wprowadzane innowacje, bariery wejścia itp.

Trafiłem kiedyś na model, który dodał do powyższego modelu trochę biznesowej głębi i równocześnie pozostał w miarę prosty – “Model 7+1″, który został zaprojektowany przez dr. Patricka Berbona. W skrócie framework ten rozbija powyższe aspekty projektu inwestycyjnego na bardziej szczegółowe elementy, które można badać z większą dokładnością.

Te elementy to:

1. Problem biznesowy – celem analizy tego elementu jest potwierdzić, że na docelowym rynku istnieje istotny problem biznesowy
2. Rozwiązanie – potwierdzamy, że zespół opracował doskonałe rozwiązanie dla konkretnego “punktu bólu”
3. Model biznesowy – potwierdzamy, że istnieje dochodowy sposób zastosowania rozwiązania do problemu
4. Kompetencje zespołu – udowadniamy, że zespół zdolny jest do wdrożenia planu biznesowego
5. Time to market – znajdujemy argumenty, że istnieje konkretna odpowiedź na pytanie “Dlaczego teraz?”
6. Skalowalność biznesu – dowodzimy, że można wskazać skalowaną strategię wejścia na rynek
7. Atrakcyjność inwestycyjna – potwierdzamy, że projekt ma potencjał na wysoki zwrot z relatywnie niską inwestycją

Przedstawia to poniższy diagram:

Polecam artykuł źródłowy opisujący ten model – widać tam komplet podstawowych pytań, które można sobie zadać weryfikując nasz pomysł na biznes. To w zasadzie gotowy framework który warto wykorzystać.