אני רוצה להתכונן לגיוס.

גיוס הוא לא הישג בפני עצמו. הוא אמור לקחת את החברה מנקודה אחת לנקודה שבה היא פחות מסוכנת, יותר מוכחת או יותר מסוגלת לגדול.

דווקא כאן כדאי להשתמש בו כמי שמנסה לשכנע אתכם לא לגייס. אם תכתבו שאנחנו רוצים לגייס $2M, תעזור לנו להסביר למה, כנראה תקבלו הסבר די טוב. זה בדיוק מה שאנחנו לא רוצים.

הסבר שאפשר להגיד בקול בלי לפתוח מצגת: אנחנו מגייסים X כדי להגיע ל-Y בתוך Z חודשים. בסוף התקופה אנחנו צריכים להוכיח A, B ו-C.

הרבה פעמים המספר מגיע קודם. מגייסים מיליון וחצי דולר. אחר כך פותחים Excel ומתחילים לחלק את הסכום בין R&D, Marketing, Sales ו-Operations. אנחנו מעדיפים הפוך.

AI יכול לקחת כל סכום כמעט ולבנות סביבו Use of Funds שנראה הגיוני. לכן חשוב לבנות את התקציב לפני המספר.

לא ברמה של עורך דין. כן ברמה שבה אתם יודעים לענות כמה מהחברה נשאר אצל המייסדים, איך נראה הדילול בתרחישים שונים, מה קורה כשמגדילים Option Pool ואיך SAFEs שונים משפיעים על הסיבוב הבא.

להסביר את המכניקה ולעזור בחישובים. לא לתת ייעוץ משפטי.

טבלת תרחישים שאתם באמת מבינים. לא רק אחוז סופי.

בחישובים האלה שורה חסרה אחת יכולה להיות יותר משמעותית מטעות מתמטית. SAFE נוסף. Option Pool שלא נלקח בחשבון. מנגנון המרה. זכויות קיימות של משקיעים.

כשיש שילוב של חברה ישראלית, חברה אמריקאית, משקיעים זרים או SAFE אמריקאי, יש גם שאלות משפטיות ומיסויות. לא פותרים אותן עם Prompt.

לא מתחילים בשקפים. מתחילים בשאלה: אילו דברים משקיע חייב להאמין בהם כדי לרצות להמשיך את השיחה? רק אחרי שהטיעון ברור, בונים ממנו Deck.

Deck קצר יותר ממה שכנראה תכננתם. וזה בדרך כלל דבר טוב. Pitch Deck הוא לא המקום להראות את כל מה שאתם יודעים.

AI יכול לעזור ליזם לבנות Deck, Market Research או Financial Model שנראים ברמה גבוהה מאוד. ואז משקיע שואל: מאיפה הגיע המספר? למה בחרתם דווקא את ה-ICP הזה? למה המתחרה הגדול לא יכול לעשות אותו דבר? על מה מבוסס ה-Pricing? מה בדיוק הפיילוט הוכיח?

ופה פתאום נהיה קשה. AI יכול לכתוב לכם חומר מצוין. הוא לא יכול ללמוד אותו במקומכם. אם החומרים מכירים את החברה יותר טוב מהמייסדים, זו בעיית אמון.

ליטוש שמסתיר חולשה. AI יודע לקחת טענה חלשה ולנסח אותה כמו טענה חזקה. הניסוח לא הופך את הטענה למוכחת.

Pitch Deck הוא לא Data Room. אם השקף דורש שלוש דקות קריאה כדי להבין מה רציתם להגיד, כנראה יש בו יותר מדי.

בוחרים מקור אמת אחד. ממנו מייצרים את כל החומרים. הרעיון הוא לא לבנות עוד מערכת מורכבת, אלא לוודא שאותו סיפור נשאר עקבי בכל המקומות שבהם משקיע פוגש את החברה.

פה אפשר לתת לו הרבה עבודה. זו משימה שהוא טוב בה מאוד, בתנאי שהמקור שממנו הוא עובד נכון ועדכני.

מסמכים שונים שמספרים את אותה חברה. ההבדל ביניהם צריך להיות ברמת העומק, לא בעובדות.

AI אוהב לפתור סתירות בשבילכם. אם בקובץ אחד כתוב 8 לקוחות ובאחר 10, הוא עלול פשוט לבחור מספר. אנחנו לא רוצים שהוא יחליט. אנחנו רוצים שהוא יעצור ויגיד שיש פה סתירה שצריך לבדוק.

בדיקת נאותות לא בודקת אם יש קובץ עם השם הנכון. היא בודקת אם המסמכים מספרים סיפור עקבי. האם ה-Cap Table מתאים למסמכי ההשקעה. האם ה-Revenue שאתם מציגים מתאים לחוזים. האם ה-IP באמת שייך לחברה. האם יש התחייבויות שאתם לא מציגים במקום אחר. האם ה-Traction מגובה במה שקיים בפועל.

בהתחלה Google Drive מסודר יכול להספיק לגמרי. אם התהליך מתקדם ויש צורך בהרשאות, Analytics או ניהול מתקדם יותר, אפשר לעבור לפלטפורמת Data Room ייעודית. הפלטפורמה היא החלק הפחות חשוב.

לבנות Index, Checklist ורשימת חוסרים. לא צריך להעלות אליו את כל החוזים, מסמכי ה-IP וה-Cap Table רק כדי שימיין אותם.

Data Room שאפשר להבין במהירות. שמות ברורים. גרסאות עדכניות. מבנה פשוט. הרשאות מתאימות. ובעיקר, פחות הפתעות.

אפשר לבנות Data Room מסודר להפליא ועדיין להחזיק בתוכו מסמכים שסותרים אחד את השני. ארגון הוא לא Due Diligence.

כדאי לעשות בדיקת נאותות עוינת (Hostile Diligence). לעבור על החומר כאילו המטרה היא למצוא סיבה לעצור את ההשקעה. האם ה-Cap Table מסתדר? האם כל ה-IP עבר לחברה? האם לקוח שמופיע כלקוח באמת משלם? האם המספרים במודל תואמים למסמכים המסחריים? האם יש התחייבות מהותית שה-Deck לא מספר עליה?

Data Room הוא אחד המקומות שבהם הכי פחות כדאי להתנהג כאילו כל כלי AI הוא תיקייה פרטית. חוזים, Cap Table, פרטי משקיעים, מידע תחת NDA, IP לא פומבי ומסמכים משפטיים רגישים צריכים לקבל טיפול אחר ממחקר שוק ציבורי.