Transformasi Layanan AI mungkin lebih sulit dari yang dipikirkan VC

Kapitalis ventura telah meyakinkan diri mereka sendiri bahwa mereka telah menemukan keunggulan investasi besar berikutnya: menggunakan AI untuk meremas margin seperti perangkat lunak dari bisnis jasa yang secara tradisional padat karya. Strategi ini melibatkan perolehan perusahaan jasa profesional yang matang, menerapkan AI untuk mengotomatisasi tugas, kemudian menggunakan arus kas yang lebih baik untuk menggulung lebih banyak perusahaan dalam siklus yang baik.

Memimpin biaya adalah General Catalyst (GC), yang telah mendedikasikan $ 1,5 miliar dari penggalangan dana terbaru untuk apa yang disebutnya strategi “penciptaan” yang berfokus pada inkubasi perusahaan perangkat lunak asli AI dalam vertikal tertentu, kemudian menggunakan perusahaan-perusahaan tersebut sebagai kendaraan akuisisi untuk membeli perusahaan yang mapan-dan pelanggan mereka-di sektor yang sama. GC telah menempatkan taruhan di tujuh industri, dari layanan hukum hingga manajemen TI, dengan rencana untuk memperluas hingga 20 sektor sama sekali.

“Layanan secara global adalah pendapatan $ 16 triliun setahun secara global,” kata Marc Bhargavayang memimpin upaya terkait GC, dalam a Wawancara Terbaru dengan TechCrunch. “Sebagai perbandingan, perangkat lunak hanya $ 1 triliun secara global,” katanya, menambahkan bahwa daya pikat investasi perangkat lunak selalu menjadi margin yang lebih tinggi. “Saat Anda mendapatkan skala perangkat lunak, ada sangat sedikit biaya marjinal dan ada banyak pendapatan marjinal.” Jika Anda dapat mengotomatiskan bisnis layanan juga, katanya – menangani 30% hingga 50% dari perusahaan -perusahaan dengan AI, dan bahkan mengotomatiskan hingga 70% dari tugas -tugas inti dalam kasus pusat panggilan – matematika mulai terlihat tak tertahankan.

Arus kas yang ditingkatkan kemudian memberikan amunisi untuk mengakuisisi perusahaan tambahan dengan harga lebih tinggi daripada yang mampu dibeli oleh pembeli tradisional, menciptakan apa yang dilihat oleh para pendukung sebagai siklus yang baik.

Rencana permainan tampaknya berfungsi. Mengambil Titan MSPsalah satu perusahaan portofolio General Catalyst. Perusahaan investasi menyediakan $ 74 juta selama dua tahap untuk membantu perusahaan mengembangkan alat AI untuk penyedia layanan terkelola, kemudian mengakuisisi RFA, sebuah perusahaan jasa TI yang terkenal. Melalui program percontohan, kata Bhargava, Titan menunjukkan bahwa ia dapat mengotomatiskan 38% dari tugas MSP yang khas. Perusahaan sekarang berencana untuk menggunakan margin yang ditingkatkan untuk memperoleh MSP tambahan dalam strategi roll-up klasik.

Demikian pula, perusahaan diinkubasi Eudiayang berfokus pada departemen hukum internal daripada firma hukum. Eudia telah mendaftar klien Fortune 100 termasuk Chevron, Southwest Airlines, dan Stripe, menawarkan layanan hukum biaya tetap yang ditenagai oleh AI daripada tagihan per jam tradisional. Perusahaan baru -baru ini mengakuisisi Johnson Hanna, penyedia layanan hukum alternatif, untuk memperluas jangkauannya.

General Catalyst terlihat menggandakan – setidaknya – margin EBITDA dari perusahaan -perusahaan yang diperolehnya, Bhargava menjelaskan.

Perusahaan pembangkit tenaga listrik tidak sendirian dalam pemikiran ini. Perusahaan ventura Mayfield telah mengukir $ 100 juta khusus untuk investasi “rekan satu tim AI” dan memimpin Seri A untuk Gruve, startup konsultasi TI yang mengakuisisi perusahaan konsultan keamanan $ 5 juta dan menumbuhkannya menjadi $ 15 juta dalam pendapatan dalam enam bulan sambil mencapai margin kotor 80%, menurut para pendiri.

“Jika 80% pekerjaan akan dilakukan oleh AI, ia dapat memiliki margin kotor 80% hingga 90%,” Navin Chaddha, direktur pelaksana Mayfield, mengatakan kepada TechCrunch musim panas ini. “Anda bisa memiliki margin campuran 60% menjadi 70% dan menghasilkan laba bersih 20% hingga 30%.”

Investor solo Elad Gil telah mengejar strategi serupa selama tiga tahun, mendukung perusahaan yang mengakuisisi bisnis dewasa dan mengubahnya dengan AI. “Jika Anda memiliki aset, Anda dapat (mengubahnya) jauh lebih cepat daripada jika Anda hanya menjual perangkat lunak sebagai vendor,” kata Gil dalam sebuah wawancara dengan TechCrunch musim semi ini. “Dan karena Anda mengambil margin kotor dari sebuah perusahaan dari, katakanlah, 10% hingga 40%, itu adalah peningkatan besar.”

Tetapi tanda-tanda peringatan dini menunjukkan seluruh metamorfosis industri layanan ini mungkin lebih rumit daripada yang diantisipasi VCS. Sebuah studi baru-baru ini oleh para peneliti di Stanford Social Media Lab dan Lab BetterUp yang mensurvei 1.150 karyawan penuh waktu di seluruh industri menemukan bahwa 40% dari karyawan tersebut harus memikul lebih banyak pekerjaan karena apa yang oleh para peneliti disebut sebagai “worklop”-pekerjaan yang dihasilkan AI yang tampaknya dipoles tetapi tidak memiliki zat, menciptakan lebih banyak pekerjaan (dan sakit kepala) untuk kolega.

Tren ini berdampak pada organisasi. Karyawan yang terlibat dalam survei mengatakan mereka menghabiskan rata -rata hampir dua jam berurusan dengan setiap contoh worklop, termasuk untuk pertama menguraikannya, kemudian memutuskan apakah akan mengirimkannya kembali atau tidak, dan seringkali hanya untuk memperbaikinya sendiri.

Berdasarkan perkiraan waktu peserta yang dihabiskan, bersama dengan gaji mereka yang dilaporkan sendiri, penulis perkiraan survei bahwa WorkLop membawa pajak yang tidak terlihat $ 186 per bulan per orang. “Untuk organisasi yang terdiri dari 10.000 pekerja, mengingat perkiraan prevalensi workslop. $ 9 juta per tahun dalam produktivitas yang hilang”Mereka menulis dalam artikel Ulasan Bisnis Harvard baru.

Cukup menerapkan AI tidak menjamin hasil yang lebih baik, singkatnya.

Bhargava membantah gagasan bahwa AI overhyped, sebaliknya dengan alasan bahwa semua kegagalan implementasi ini sebenarnya memvalidasi pendekatan katalis umum. “Saya pikir itu semacam menunjukkan peluang, yaitu, tidak mudah untuk menerapkan teknologi AI untuk bisnis ini,” katanya. “Jika semua Fortune 100 dan semua orang ini bisa membawa perusahaan konsultan, menampar AI, mendapatkan kontrak dengan Openai, dan mengubah bisnis mereka, maka jelas tesis kami (akan) sedikit kurang kuat. Tetapi kenyataannya adalah, sangat sulit untuk mengubah perusahaan dengan AI.”

Dia menunjuk kecanggihan teknis yang diperlukan dalam AI sebagai bagian puzzle yang paling kritis. “Ada banyak teknologi yang berbeda. Ini bagus dalam hal yang berbeda,” katanya. “Anda benar -benar membutuhkan insinyur AI terapan ini dari tempat -tempat seperti Ripping dan Ramp dan Figma dan Skala, yang telah bekerja dengan model yang berbeda, memahami nuansa mereka, memahami mana yang baik untuk apa, pahami cara membungkusnya dalam perangkat lunak.” Kompleksitas itu adalah mengapa strategi General Catalyst dalam memasangkan spesialis AI dengan para pakar industri untuk membangun perusahaan dari bawah ke atas masuk akal, menurutnya.

Namun, tidak dapat disangkal bahwa worklop mengancam untuk merusak ekonomi inti strategi. Pertanyaan yang lebih besar adalah seberapa parah masalahnya dan apakah gambar itu berubah dari waktu ke waktu atau tidak.

Untuk saat ini, jika perusahaan mengurangi staf karena tesis efisiensi AI menunjukkan bahwa mereka harus, mereka akan memiliki lebih sedikit orang yang tersedia untuk menangkap dan memperbaiki kesalahan yang dihasilkan AI. Jika mereka mempertahankan tingkat kepegawaian saat ini untuk menangani pekerjaan tambahan yang dibuat oleh output AI yang bermasalah, kenaikan margin yang sangat besar yang dihitung VC mungkin tidak akan pernah terwujud.

Sangat mudah untuk berpendapat bahwa skenario salah satu mungkin harus memperlambat rencana penskalaan yang merupakan pusat dari strategi roll-up VC dan yang berpotensi merusak angka-angka yang membuat kesepakatan ini menarik bagi mereka. Tapi mari kita hadapi itu; Dibutuhkan lebih dari karyawan yang frustrasi dan pajak $ 9 juta untuk perusahaan jasa untuk memperlambat sebagian besar investor Silicon Valley.

Faktanya, karena mereka biasanya memperoleh bisnis dengan arus kas yang ada, General Catalyst mengatakan perusahaan “strategi penciptaan” sudah menguntungkan.

“Selama teknologi AI terus membaik, dan kami melihat investasi besar -besaran ini dan peningkatan model, saya pikir akan ada semakin banyak industri bagi kami untuk membantu menginkubasi perusahaan,” kata Bhargava.