Los capitalistas de riesgo están seguros de que han encontrado su próxima gran ventaja de inversión. Esto utiliza la IA para reducir los márgenes como el software de las empresas tradicionales de servicios laborales intensivos en mano de obra. Esta estrategia implica adquirir compañías de servicios profesionales maduros, automatizar tareas para implementar la IA y aumentar más empresas con un mejor flujo de efectivo.
El Catalyst General (GC) lidera el proyecto de ley. Esto se dedica a la última recaudación de fondos llamada Estrategia de «Creación», que se centra en compañías de software nativas de IA incubadas en una industria en particular, y a aquellos que se centran en comprar empresas establecidas y sus clientes en el mismo sector utilizando la compañía como vehículo de adquisición. GC tiene apuestas en siete industrias, desde servicios legales hasta gestión de TI, y planea expandirse completamente a hasta 20 sectores.
«Los servicios en todo el mundo son ingresos de $ 16 billones al año en todo el mundo», dijo Marc Bhargava en una entrevista reciente con TechCrunch, que lidera los esfuerzos relacionados de GC. «En comparación, el software es de solo $ 1 billón en todo el mundo», dijo, y agregó que el atractivo de las inversiones de software es siempre un margen más alto. «A medida que escala su software, hay muy pocos costos marginales y muchos ingresos marginales». Si puede automatizar su negocio de servicios, dijo: trabajando en el 30% al 50% de las empresas con IA, y en el caso de los centros de llamadas, incluso automatizando hasta el 70% de esas tareas principales, las matemáticas comenzarán a verse atractivas.
El flujo de efectivo mejorado proporciona municiones para adquirir compañías adicionales a un precio más alto de lo que los compradores tradicionales pueden pagar, creando lo que sus seguidores consideran un volante lucrativo.
El plan de juego parece estar funcionando. Echa un vistazo a Titan MSP, una de las compañías de cartera de General Catalyst. La compañía de inversión proporcionó $ 74 millones en dos tramos para ayudar a desarrollar herramientas de IA para proveedores de servicios administrados, y luego adquirió RFA, una conocida compañía de servicios de TI. Según Balgava, a través del programa piloto, Titan ha demostrado que el 38% de las tareas de MSP típicas se pueden automatizar. Actualmente, la compañía planea utilizar márgenes mejorados para obtener MSP adicionales con estrategias de rollo clásica.
Del mismo modo, la compañía incubó a Eudia, que se centra en el departamento legal interno en lugar del bufete de abogados. Eudia se ha inscrito en los clientes Fortune 100, incluidos Chevron, Southwest Airlines y Stripe, que ofrece servicios legales de tasa fija impulsados por AI en lugar de facturación por hora tradicional. La compañía recientemente adquirió Johnson Hanna, un proveedor de servicios legales alternativos, para expandir su alcance.
El general Catalyst espera que sea al menos el doble.
Eventos de TechCrunch
San Francisco
|
27-29 de octubre de 2025
Esta no es la única forma de pensar en una gran empresa de campo. La compañía de riesgo Mayfield dirigió la serie A para la startup de consultoría de TI Gruve, que ha abierto específicamente $ 100 millones para sus inversiones de «compañeros de equipo de IA», adquirió una firma de consultoría de seguridad de $ 5 millones y logró un margen total del 80% al tiempo que aumentó los ingresos a $ 15 millones en seis meses.
«Si la IA realiza el 80% del trabajo, puede obtener ganancias brutas del 80% al 90%», dijo el director gerente de Mayfield, Navin Chaddha, a TechCrunch este verano. «Pudimos mezclar un margen de 60% a 70% y generar una ganancia neta del 20% al 30%».
El inversor en solitario Elad Gil ha estado buscando una estrategia similar durante tres años, ayudando a las empresas a adquirir negocios maduros y transformar su IA. «Si posee un activo, puede (convertirlo) mucho más rápido que si vendiera software como proveedor», dijo Gill en una entrevista con TechCrunch esta primavera. «Y eso es un gran ascensor porque está obteniendo el margen total de la compañía de, por ejemplo, 10% a 40%».
Sin embargo, las señales de advertencia temprana sugieren que todo este pervertido de la industria de servicios puede ser más complicado de lo que se espera. Una encuesta reciente realizada por investigadores en Stanford Social Media Lab y BetterUp Labs encontró que se han encuestado 1.150 empleados a tiempo completo en toda la industria. El 40% de estos empleados están haciendo más trabajo, refinado, pero sin sustancia, produciendo más trabajo (y dolores de cabeza) porque es lo que los investigadores llaman «Lop».
Esta tendencia está llegando a la organización. Los empleados involucrados en la investigación dicen que pasan un promedio de casi dos horas lidiando con cada instancia de Workslop, descifrándolo primero y decidiendo si enviarlo y si enviarlo solo para solucionarlo.
Los autores del estudio estiman que Worklops tiene impuestos invisibles de $ 186 por persona por mes, basados en las estimaciones del tiempo dedicado a su salario autoinformado. «Dada la prevalencia estimada de Workslop, para una organización de 10,000 trabajadores, esta es una disminución de la productividad, superior a $ 9 millones al año», escribieron en un nuevo artículo de Harvard Business Review.
La implementación de IA simplemente no garantiza resultados mejorados.
Bhargava desafía la noción de que la IA es exagerada y, en cambio, argumenta que todos estos obstáculos de implementación realmente prueban el enfoque catalítico general. «Creo que muestra la oportunidad de que aplicar tecnología de IA a estos negocios no es fácil», dijo. «Si toda Fortune 100 y todas estas personas pueden traer compañías de consultoría, abofetear la IA, firmar un acuerdo con OpenAI y transformar nuestro negocio, obviamente nuestro documento (nuestros documentos son un poco menos robustos. Pero la realidad es que cambiar la IA y la compañía es realmente difícil».
Señaló que el refinamiento técnico requerido en la IA es necesario como la pieza de rompecabezas faltante más importante. «Hay una variedad de tecnologías, y es excelente en una variedad», dijo. «Realmente necesitamos a estos ingenieros de IA aplicados de lugares como Rip Rings y Ramps, Figmas and Scales, que trabajan con diferentes modelos para comprender los matices, qué se adapta a qué y cómo envolverlos en el software». La complejidad, argumentó, es la razón por la cual la estrategia general de Catalyst de combinar profesionales de IA con expertos de la industria tiene sentido.
Aún así, no se puede negar que Workslop amenaza con socavar la economía central de la estrategia. La pregunta más importante es qué tan grave es el problema y si la imagen cambia con el tiempo.
Por ahora, cuando las empresas reducen el personal, como lo sugieren los documentos de eficiencia de IA, menos personas podrán atrapar y corregir errores generados por la IA. Si mantiene los niveles actuales de personal para manejar el trabajo adicional creado por la salida problemática de IA, los grandes márgenes en los que confían los VC no se pueden realizar.
Es fácil argumentar que ambos escenarios podrían retrasar los planes de escala, que son fundamentales para las estrategias de acumulación de VCS, lo que potencialmente socava los números que hacen que estas transacciones sean atractivas. Pero seamos sinceros. Reducir la mayoría de los inversores de Silicon Valley requerirían $ 9 millones en impuestos sobre empleados frustrados y empresas de servicios.
De hecho, generalmente compran empresas con flujo de caja existente, por lo que el general Catalyst dice que su compañía de «estrategia de creación» ya es rentable.
«A medida que la tecnología de IA continúa mejorando y mientras veamos esta inversión masiva y mejoras en nuestros modelos, creemos que habrá más y más industrias que ayudarán a las empresas a ocultar», dijo Bhargava.
Source link
