Os capitalistas de risco se convenceram de que encontraram a próxima grande vantagem de investimentos: usando a IA para reduzir margens semelhantes a softwares de empresas de serviços tradicionalmente trabalhosos. A estratégia envolve a aquisição de empresas maduras de serviços profissionais, implementando a IA para automatizar tarefas e depois usar o fluxo de caixa aprimorado para arrecadar mais empresas em um ciclo virtuoso.
Liderando a cobrança é o Catalyst Geral (GC), que dedicou US $ 1,5 bilhão de sua última arrecadação de fundos ao que chama de estratégia de “criação” focada em incubar empresas de software program AI-nativas em verticais específicos e depois usar essas empresas como veículos de aquisição para comprar empresas estabelecidas-e seus clientes-nos mesmos setores. A GC fez apostas em sete indústrias, desde serviços jurídicos até gerenciamento de TI, com planos de expandir para até 20 setores.
“Os serviços globalmente são uma receita de US $ 16 trilhões por ano globalmente”, disse Marc Bhargavaque lidera os esforços relacionados da GC, em um Entrevista recente com TechCrunch. “Em comparação, o software program custa apenas US $ 1 trilhão em todo o mundo”, observou ele, acrescentando que o fascínio do investimento em software program sempre foi suas margens mais altas. “À medida que você obtém o software program em escala, há muito pouco custo marginal e há muita receita marginal”. Se você pode automatizar os negócios de serviços também, ele disse – abordando 30% a 50% dessas empresas com IA e até mesmo automatizando até 70% dessas tarefas principais no caso de name facilities – a matemática começa a parecer irresistível.
O fluxo de caixa aprimorado fornece munição para adquirir empresas adicionais a preços mais altos do que os compradores tradicionais podem pagar, criando o que os proponentes vêem como um ciclo virtuoso.
O plano de jogo parece estar funcionando. Pegar Titan MSPuma das empresas de portfólio da Geral Catalyst. A empresa de investimentos forneceu US $ 74 milhões em duas parcelas para ajudar a empresa a desenvolver ferramentas de IA para provedores de serviços gerenciados e adquiriu a RFA, uma conhecida empresa de serviços de TI. Por meio de programas piloto, diz Bhargava, o Titan demonstrou que poderia automatizar 38% das tarefas típicas do MSP. A empresa agora planeja usar suas margens aprimoradas para adquirir MSPs adicionais em uma estratégia clássica.
Da mesma forma, a empresa incubada Eudiaque se concentra nos departamentos jurídicos internos e não em escritórios de advocacia. A Eudia assinou clientes da Fortune 100, incluindo Chevron, Southwest Airways e Stripe, oferecendo serviços jurídicos de taxa fixa, alimentados pela IA, em vez de cobrança por hora tradicional. A empresa adquiriu recentemente Johnson Hanna, uma provedora alternativa de serviços jurídicos, para expandir seu alcance.
O Catalisador Geral procura dobrar – pelo menos – a margem EBITDA daquelas empresas que está adquirindo, explicou Bhargava.
Evento do TechCrunch
São Francisco
|
27-29 de outubro de 2025
A empresa poderosa não está sozinha nesse pensamento. A empresa de risco Mayfield conquistou US $ 100 milhões especificamente para os investimentos de “AI Teammates” e liderou a Série A para a Gruve, uma startup de consultoria de TI que adquiriu uma empresa de consultoria de segurança de US $ 5 milhões e aumentou para US $ 15 milhões em receita dentro de seis meses, enquanto alcançava uma margem bruta de 80%, de acordo com seus fundadores.
“Se 80% do trabalho for realizado pela IA, ele poderá ter uma margem bruta de 80% a 90%”, disse Navin Chaddha, diretor administrativo de Mayfield, ao TechCrunch neste verão. “Você poderia ter margens combinadas de 60% a 70% e produzir um lucro líquido de 20% a 30%”.
O investidor solo Elad Gil busca uma estratégia semelhante há três anos, apoiando empresas que adquirem negócios maduros e os transformam com a IA. “Se você possui o ativo, você pode [transform it] muito mais rapidamente do que se você estiver apenas vendendo software program como fornecedor ”, disse Gil em entrevista ao TechCrunch nesta primavera.“ E porque você toma a margem bruta de uma empresa de, digamos, 10% a 40%, isso é um grande elevador ”.
Mas os sinais de alerta antecipados sugerem que toda essa metamorfose da indústria de serviços pode ser mais complicada do que os VCs antecipam. Um estudo recente de pesquisadores do Stanford Social Media Lab e BetterUp Labs que pesquisou 1.150 funcionários em período integral de todos os setores descobriram que 40% desses funcionários estão tendo que assumir mais trabalho por causa do que os pesquisadores chamam de “tira de trabalho”-trabalho gerado pela IA que parece polido, mas não tem substância, criando mais trabalho (e dores de cabeça) para colegas.
A tendência está afetando as organizações. Os funcionários envolvidos na pesquisa dizem que estão gastando uma média de quase duas horas lidando com cada instância do Workslop, inclusive para decifrá -la primeiro, depois decidem se devem ou não enviar de volta e, muitas vezes, apenas para consertá -lo.
Com base nas estimativas dos participantes do tempo gasto, juntamente com seus salários auto-relatados, os autores da pesquisa estimam que o Worklop carrega um imposto invisível de US $ 186 por mês por pessoa. “Para uma organização de 10.000 trabalhadores, dada a prevalência estimada de Workslop. US $ 9 milhões por ano em perda de produtividade”Eles escrevem em um novo artigo de revisão de negócios de Harvard.
Simplesmente implementar a IA não garante resultados aprimorados, em resumo.
Bhargava contesta a noção de que a IA é exagerada, argumentando que todas essas falhas de implementação realmente validam a abordagem do Catalisador Geral. “Acho que isso mostra a oportunidade, o que é, não é fácil aplicar a tecnologia de IA a esses negócios”, disse ele. “Se toda a fortuna 100 e todas essas pessoas pudessem trazer uma empresa de consultoria, dar um tapa em alguma IA, conseguir um contrato com o OpenAI e transformar seus negócios, então obviamente nossa tese [would be] Um pouco menos robusto. Mas a realidade é que é realmente difícil transformar uma empresa com IA. ”
Ele apontou para a sofisticação técnica necessária na IA como a peça de quebra -cabeça mais crítica. “Há muita tecnologia diferente. É bom em coisas diferentes”, disse ele. “Você realmente precisa desses engenheiros de IA aplicados de lugares como ondulação, rampa, figma e escala, que trabalharam com os diferentes modelos, entendem suas nuances, entendem quais são boas para o que, entende como envolvê -lo no software program”. Essa complexidade é exatamente por que a estratégia do Catalisador Geral de emparelhar especialistas em IA com especialistas do setor para construir empresas desde o início faz sentido, argumentou ele.
Ainda assim, não há como negar que o Workslop ameaça minar a economia central da estratégia. A questão maior é o quão grave é o problema e se essa imagem muda ou não ao longo do tempo.
Por enquanto, se as empresas reduzirem os funcionários, pois a tese de eficiência da IA sugere que eles deveriam, terão menos pessoas disponíveis para capturar e corrigir erros gerados pela IA. Se eles mantiverem os níveis atuais de pessoal para lidar com o trabalho adicional criado pela saída problemática da IA, os enormes ganhos de margem em que os VCs contam nunca poderão ser realizados.
É fácil argumentar que qualquer um dos cenários provavelmente deve retardar os planos de escala que são centrais para a estratégia de rolagem dos VCs e que potencialmente prejudicam os números que tornam esses negócios atraentes para eles. Mas vamos ser sinceros; Serão necessários mais do que funcionários frustrados e um imposto de US $ 9 milhões em uma empresa de serviços para desacelerar a maioria dos investidores do Vale do Silício.
De fato, como eles normalmente adquirem empresas com o fluxo de caixa existente, o Catalisador Geral diz que suas empresas de “estratégia de criação” já são lucrativas.
“Enquanto a tecnologia de IA continuar melhorando, e vemos esse enorme investimento e melhoria nos modelos, acho que haverá apenas cada vez mais setores para ajudarmos a incubar empresas”, disse Bhargava.
