Transformasi Layanan AI Lebih Sulit dari yang Dipikirkan Modal Ventura

Modal ventura menghadapi tantangan dalam mengimplementasikan AI untuk meningkatkan margin di bisnis layanan.

Peluang dan Tantangan dalam Transformasi Layanan AI

Modal ventura telah meyakinkan diri mereka bahwa mereka telah menemukan keunggulan investasi besar berikutnya: menggunakan AI untuk mencapai margin seperti perangkat lunak dalam bisnis layanan yang secara tradisional padat karya. Strategi ini melibatkan akuisisi perusahaan layanan profesional yang matang, menerapkan AI untuk mengotomatisasi tugas, dan menggunakan arus kas yang meningkat untuk mengakuisisi lebih banyak perusahaan.

Baca juga : Preview Aston Villa vs Fulham, Perkiraan Line Up dan Prediksi

General Catalyst (GC) memimpin upaya ini dengan mendedikasikan $1,5 miliar dari penggalangan dana terbaru mereka untuk strategi 'penciptaan' yang berfokus pada menginkubasi perusahaan perangkat lunak yang berorientasi AI di sektor-sektor tertentu, kemudian menggunakan perusahaan-perusahaan tersebut sebagai kendaraan akuisisi untuk membeli perusahaan mapan dan pelanggan mereka di sektor yang sama.

Implementasi AI: Lebih dari Sekadar Teknologi

GC telah menempatkan investasi di tujuh industri, mulai dari layanan hukum hingga manajemen TI, dengan rencana untuk memperluas hingga 20 sektor. 'Layanan secara global adalah pendapatan $16 triliun per tahun secara global,' kata Marc Bhargava, yang memimpin upaya terkait GC, dalam sebuah wawancara baru-baru ini dengan TechCrunch. 'Sebagai perbandingan, perangkat lunak hanya $1 triliun secara global,' tambahnya, menyoroti daya tarik investasi perangkat lunak yang selalu memiliki margin lebih tinggi.

Jika Anda dapat mengotomatisasi bisnis layanan, katanya – menangani 30% hingga 50% dari perusahaan-perusahaan tersebut dengan AI, dan bahkan mengotomatisasi hingga 70% dari tugas inti tersebut dalam kasus pusat panggilan – matematikanya mulai terlihat tak tertahankan.

Rencana permainan ini tampaknya berhasil. Ambil contoh Titan MSP, salah satu perusahaan portofolio General Catalyst. Firma investasi ini menyediakan $74 juta dalam dua tahap untuk membantu perusahaan mengembangkan alat AI untuk penyedia layanan terkelola, kemudian mengakuisisi RFA, sebuah perusahaan layanan TI yang terkenal.

Melalui program percontohan, kata Bhargava, Titan menunjukkan bahwa mereka dapat mengotomatisasi 38% dari tugas MSP tipikal. Perusahaan sekarang berencana menggunakan margin yang ditingkatkan untuk mengakuisisi MSP tambahan dalam strategi roll-up klasik.

Demikian pula, firma ini menginkubasi Eudia, yang berfokus pada departemen hukum internal daripada firma hukum. Eudia telah mendaftar klien Fortune 100 termasuk Chevron, Southwest Airlines, dan Stripe, menawarkan layanan hukum dengan biaya tetap yang didukung oleh AI daripada penagihan per jam tradisional.

Perusahaan baru-baru ini mengakuisisi Johnson Hanna, penyedia layanan hukum alternatif, untuk memperluas jangkauannya. General Catalyst berencana untuk menggandakan – setidaknya – margin EBITDA dari perusahaan-perusahaan yang diakuisisi, jelas Bhargava.

Firma kuat ini tidak sendirian dalam pemikirannya. Firma modal ventura Mayfield telah mengalokasikan $100 juta khusus untuk investasi 'rekan AI', termasuk Gruve, sebuah startup konsultasi TI yang mengakuisisi perusahaan konsultasi keamanan senilai $5 juta, kemudian menumbuhkannya menjadi $15 juta dalam pendapatan dalam enam bulan sambil mencapai margin kotor 80%, menurut para pendirinya.

'Jika 80% dari pekerjaan akan dilakukan oleh AI, itu dapat memiliki margin kotor 80% hingga 90%,' kata Navin Chaddha, direktur pelaksana Mayfield, kepada TechCrunch musim panas ini. 'Anda bisa memiliki margin campuran 60% hingga 70% dan menghasilkan pendapatan bersih 20% hingga 30%.'

Investor solo Elad Gil telah mengejar strategi serupa selama tiga tahun, mendukung perusahaan yang mengakuisisi bisnis matang dan mentransformasikannya dengan AI. 'Jika Anda memiliki aset, Anda dapat [mentransformasikannya] jauh lebih cepat daripada jika Anda hanya menjual perangkat lunak sebagai vendor,' kata Gil dalam sebuah wawancara dengan TechCrunch musim semi ini.

Namun, tanda-tanda peringatan awal menunjukkan bahwa seluruh metamorfosis industri layanan ini mungkin lebih rumit daripada yang diantisipasi oleh modal ventura. Sebuah studi baru-baru ini oleh peneliti di Stanford Social Media Lab dan BetterUp Labs yang mensurvei 1.150 karyawan penuh waktu di berbagai industri menemukan bahwa 40% dari karyawan tersebut harus menanggung lebih banyak pekerjaan karena apa yang disebut peneliti sebagai 'workslop' – pekerjaan yang dihasilkan AI yang tampak rapi tetapi kurang substansi, menciptakan lebih banyak pekerjaan (dan sakit kepala) bagi rekan kerja.

Tren ini berdampak pada organisasi. Karyawan yang terlibat dalam survei mengatakan mereka menghabiskan rata-rata hampir dua jam untuk menangani setiap contoh workslop, termasuk untuk pertama-tama memahaminya, kemudian memutuskan apakah akan mengirimkannya kembali, dan sering kali hanya untuk memperbaikinya sendiri.

Berdasarkan perkiraan waktu yang dihabiskan oleh peserta tersebut, bersama dengan gaji yang mereka laporkan sendiri, penulis survei memperkirakan bahwa workslop membawa pajak tak terlihat sebesar $186 per bulan per orang. 'Untuk organisasi dengan 10.000 pekerja, mengingat prevalensi workslop yang diperkirakan... ini menghasilkan lebih dari $9 juta per tahun dalam produktivitas yang hilang,' tulis mereka dalam artikel baru Harvard Business Review.

Bhargava membantah anggapan bahwa AI terlalu dibesar-besarkan, berpendapat bahwa semua kegagalan implementasi ini sebenarnya memvalidasi pendekatan General Catalyst. 'Saya pikir ini menunjukkan peluang, yaitu, tidak mudah menerapkan teknologi AI ke bisnis-bisnis ini,' katanya.

'Jika semua Fortune 100 dan semua orang ini bisa membawa firma konsultasi, menempelkan beberapa AI, mendapatkan kontrak dengan OpenAI, dan mentransformasikan bisnis mereka, maka jelas tesis kami [akan] sedikit kurang kuat. Tapi kenyataannya adalah, sangat sulit untuk mentransformasikan perusahaan dengan AI.'

Dia menunjukkan kecanggihan teknis yang diperlukan dalam AI sebagai bagian teka-teki yang paling kritis yang hilang. 'Ada banyak teknologi berbeda. Ini bagus dalam hal-hal yang berbeda,' katanya. 'Anda benar-benar membutuhkan insinyur AI terapan dari tempat-tempat seperti Rippling dan Ramp dan Figma dan Scale, yang telah bekerja dengan model-model berbeda, memahami nuansa mereka, memahami mana yang bagus untuk apa, memahami cara membungkusnya dalam perangkat lunak.'

Kompleksitas itulah yang membuat strategi General Catalyst untuk memasangkan spesialis AI dengan pakar industri untuk membangun perusahaan dari awal masuk akal, dia berpendapat. Namun, tidak dapat disangkal bahwa workslop mengancam untuk merusak — sampai batas tertentu — ekonomi inti dari strategi tersebut.

Bahkan jika perusahaan induk dibuat sebagai titik awal, jika perusahaan yang diakuisisi mengurangi staf seperti yang disarankan oleh tesis efisiensi AI, mereka akan memiliki lebih sedikit orang yang tersedia untuk menangkap dan memperbaiki kesalahan yang dihasilkan AI. Jika perusahaan mempertahankan tingkat staf saat ini untuk menangani pekerjaan tambahan yang dihasilkan oleh output AI yang bermasalah, keuntungan margin besar yang diandalkan oleh modal ventura mungkin tidak pernah terwujud.

Arguably, skenario-skenario ini mungkin seharusnya memperlambat rencana skala yang menjadi inti dari strategi roll-up modal ventura dan yang berpotensi merusak angka-angka yang membuat kesepakatan ini menarik bagi mereka. Tapi mari kita hadapi; akan membutuhkan lebih dari satu atau dua studi untuk memperlambat sebagian besar investor Silicon Valley.

Faktanya, karena mereka biasanya mengakuisisi bisnis dengan arus kas yang ada, General Catalyst mengatakan perusahaan 'strategi penciptaan' mereka sudah menguntungkan — sebuah perubahan yang signifikan dari buku pedoman VC tradisional yang mendukung startup yang tumbuh tinggi dan membakar uang tunai. Ini juga mungkin perubahan yang disambut baik bagi mitra terbatas di balik firma ventura, yang telah mendanai bertahun-tahun kerugian di perusahaan-perusahaan yang tidak pernah mencapai profitabilitas.

'Selama teknologi AI terus meningkat, dan kami melihat investasi besar-besaran dan peningkatan dalam model-model tersebut,' kata Bhargava, 'Saya pikir akan ada lebih banyak dan lebih banyak industri bagi kami untuk membantu menginkubasi perusahaan.'