ИИ трансформирует бизнес: как венчурные фонды автоматизируют услуги

Венчурные капиталисты обнаружили новое перспективное направление для инвестиций: использование искусственного интеллекта для повышения маржинальности традиционно трудоёмких сервисных бизнесов. Стратегия заключается в приобретении зрелых компаний сферы услуг, внедрении ИИ для автоматизации задач и использовании улучшенного денежного потока для дальнейших поглощений.

Лидером этого движения выступает General Catalyst, который направил 1,5 миллиарда долларов из своего последнего фонда на так называемую «стратегию создания». Этот подход фокусируется на инкубации AI-нативных программных компаний в конкретных вертикалях с последующим использованием этих компаний как инструментов для приобретения established-фирм и их клиентской базы в тех же секторах. General Catalyst уже сделал ставки в семи отраслях — от юридических услуг до IT-менеджмента — с планами расширения до 20 секторов.

Марк Бхаргава, руководитель соответствующих инициатив в General Catalyst, отметил в недавнем интервью: «Глобальный объём рынка услуг составляет 16 триллионов долларов в год. Для сравнения, программное обеспечение — всего 1 триллион». Он подчеркнул, что привлекательность инвестиций в софт всегда заключалась в более высоких маржах: «Когда программное обеспечение масштабируется, предельные издержки минимальны, а предельный доход значителен».

Если автоматизировать и сервисный бизнес, добавил он, взяв на себя 30–50% задач с помощью ИИ и автоматизировав до 70% ключевых процессов в случае колл-центров, математика становится неотразимой.

Стратегия уже демонстрирует результаты. Например, Titan MSP, портфельная компания General Catalyst, получила 74 миллиона долларов в два транша для разработки AI-инструментов для managed-сервис провайдеров, после чего приобрела RFA, известную IT-сервисную фирму. Пилотные программы показали, что Titan может автоматизировать 38% типичных задач MSP. Компания теперь планирует использовать улучшенную маржу для приобретения дополнительных провайдеров по классической схеме консолидации.

Аналогичным образом был инкубирован Eudia, ориентированный на внутренние юридические отделы вместо юридических фирм. Eudia уже привлекла клиентов из Fortune 100, включая Chevron, Southwest Airlines и Stripe, предлагая фиксированную стоимость юридических услуг на основе ИИ вместо традиционного почасового billing. Недавно компания приобрела Johnson Hanna, альтернативного поставщика юридических услуг, чтобы расширить своё присутствие.

General Catalyst стремится как минимум удвоить маржу EBITDA приобретаемых компаний, пояснил Бхаргава.

Эта мощная фирма не одинока в своих взглядах. Венчурный фонд Mayfield выделил 100 миллионов долларов specifically на инвестиции в «AI-сотрудников», включая Gruve, стартап в области IT-консалтинга, который приобрёл security-консалтинговую компанию за 5 миллионов долларов, а затем за шесть месяцев увеличил её выручку до 15 миллионов долларов при валовой марже 80%, по словам её основателей.

«Если 80% работы будет выполняться ИИ, это может обеспечить валовую маржу в 80–90%, — заявил Навин Чаддха, управляющий директор Mayfield. — Можно получить смешанную маржу в 60–70% и производить 20–30% чистой прибыли».

Соло-инвестор Элад Гилл уже три года следует аналогичной стратегии, поддерживая компании, которые приобретают зрелые бизнесы и трансформируют их с помощью ИИ. «Если вы владеете активом, вы можете трансформировать его гораздо быстрее, чем просто продавая программное обеспечение как вендор», — сказал Гилл в интервью этой весной.

Однако ранние признаки suggest, что эта трансформация индустрии услуг может оказаться сложнее, чем anticipate венчурные инвесторы. Недавнее исследование учёных из Stanford Social Media Lab и BetterUp Labs, опросивших 1150 штатных сотрудников across индустрий, показало, что 40% сотрудников вынуждены брать на себя больше работы из-за так называемого «workslop» — работы, сгенерированной ИИ, которая выглядит polished, но lacks substance, создавая дополнительную нагрузку и головную боль для коллег.

Тренд оказывает влияние на организации. Участники опроса сообщают, что тратят в среднем почти два часа на каждый случай workslop: сначала чтобы расшифровать его, затем решить, стоит ли возвращать, и часто просто исправить самостоятельно.

На основе оценок времени и заявленных зарплат авторы исследования estimate, что workslop обходится в невидимый налог в размере 186 долларов в месяц на человека. «Для организации из 10 000 работников, учитывая estimated распространённость workslop, это приводит к потере продуктивности более чем на 9 миллионов долларов в год», — пишут они в новой статье для Harvard Business Review.

Бхаргава оспорил мнение о том, что ИИ переоценен, arguing, что все эти неудачи внедрения actually подтверждают подход General Catalyst. «Я думаю, это демонстрирует opportunity: применять AI-технологии к этим бизнесам непросто. Если бы все компании из Fortune 100 могли просто привлечь консалтинговую фирму, добавить немного ИИ, заключить контракт с OpenAI и трансформировать свой бизнес, то obviously наша thesis была бы менее robust. Но реальность такова, что трансформировать компанию с помощью ИИ действительно сложно».

Он указал на необходимую техническую sophistication в AI как на最关键 lacking элемент пазла. «Существует множество различных технологий. Они хороши для разных задач. Вам действительно нужны эти прикладные AI-инженеры из таких компаний, как Rippling, Ramp, Figma и Scale, которые работали с различными моделями, понимают их nuances, знают, какие хороши для чего, понимают, как обернуть это в программное обеспечение». Именно эта complexity объясняет, почему стратегия General Catalyst по объединению специалистов по ИИ с отраслевыми экспертами для создания компаний с нуля имеет смысл, argued он.

Тем не менее, нельзя deny, что workslop threatens подорвать — в некоторой степени — core экономику стратегии. Даже если холдинговая компания создаётся как отправная точка, приобретённые компании, сокращая штат, как предполагает thesis эффективности ИИ, будут иметь меньше людей для обнаружения и исправления ошибок, сгенерированных ИИ. Если компании сохранят текущий уровень staffing для обработки дополнительной работы, созданной проблемным AI-выводом, огромные приросты маржи, на которые рассчитывают венчурные инвесторы, могут never быть realized.

Вполне arguably, эти сценарии should, возможно, замедлить планы масштабирования, которые являются central для стратегий консолидации венчурных инвесторов и которые potentially подрывают numbers, делающие эти сделки привлекательными для них. Но let's face it: потребуется больше, чем одно или два исследования, чтобы замедлить большинство инвесторов Кремниевой долины.

Фактически, поскольку они typically приобретают бизнесы с существующим денежным потоком, General Catalyst заявляет, что его компании «стратегии создания» уже profitable — что является marked отходом от традиционной VC-практики поддержки быстрорастущих, cash-сжигающих стартапов. Это также likely долгожданное изменение для limited partners behind венчурных фирм, которые финансировали годы убытков в компаниях, never достигших profitability.

«Пока AI-технологии продолжают улучшаться, и мы видим эти massive инвестиции и улучшения в моделях, — сказал Бхаргава, — я думаю, для нас будет всё больше и больше индустрий, в которых можно помочь инкубировать компании».