Os capitalistas de risco se convenceram de que encontraram a próxima grande vantagem de investimento: usar IA para extrair margens semelhantes às de software de negócios de serviços tradicionalmente intensivos em mão de obra. A estratégia envolve adquirir empresas de serviços profissionais maduras, implementar IA para automatizar tarefas e, em seguida, usar o fluxo de caixa melhorado para adquirir mais empresas em um ciclo virtuoso.
Liderando a carga está a General Catalyst (GC), que dedicou US$ 1,5 bilhão de sua mais recente captação de recursos a uma estratégia de “criação” que se concentra em incubar empresas de software nativas de IA em setores específicos, usando 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 no total.
“Os serviços geram globalmente US$ 16 trilhões em receita por ano”, disse Marc Bhargava, que lidera os esforços relacionados da GC, em uma recente entrevista ao TechCrunch. “Em comparação, o software gera apenas US$ 1 trilhão globalmente”, observou, acrescentando que o apelo do investimento em software sempre foi suas margens mais altas. “À medida que você escala o software, há muito pouco custo marginal e uma grande quantidade de receita marginal.” Se você puder automatizar os negócios de serviços também, disse ele — abordando 30% a 50% dessas empresas com IA, e até automatizando até 70% dessas tarefas principais no caso de call centers — a matemática começa a parecer irresistível.
O fluxo de caixa melhorado então fornece munição para adquirir empresas adicionais a preços mais altos do que os compradores tradicionais podem pagar, criando o que os defensores veem como um ciclo virtuoso.
O plano de jogo parece estar funcionando. Pegue a Titan MSP, uma das empresas do portfólio da General Catalyst. A firma de investimento forneceu US$ 74 milhões em duas tranches para ajudar a empresa a desenvolver ferramentas de IA para provedores de serviços gerenciados, depois adquiriu a RFA, uma conhecida empresa de serviços de TI. Através de programas piloto, diz Bhargava, a Titan demonstrou que poderia automatizar 38% das tarefas típicas de MSP. A empresa agora planeja usar suas margens melhoradas para adquirir MSPs adicionais em uma estratégia clássica de roll-up.
Da mesma forma, a firma incubou a Eudia, que se concentra em departamentos jurídicos internos em vez de escritórios de advocacia. A Eudia assinou contratos com clientes da Fortune 100, incluindo Chevron, Southwest Airlines e Stripe, oferecendo serviços jurídicos com taxa fixa impulsionados por IA em vez de cobrança horária tradicional. A empresa recentemente adquiriu a Johnson Hanna, um provedor alternativo de serviços jurídicos, para expandir seu alcance.
A General Catalyst busca dobrar — pelo menos — a margem EBITDA das empresas que está adquirindo, explicou Bhargava.
A poderosa firma não está sozinha nesse pensamento. A firma de capital de risco Mayfield reservou US$ 100 milhões especificamente para investimentos em “companheiros de IA” 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 a fez crescer para US$ 15 milhões em receita em seis meses, alcançando uma margem bruta de 80%, de acordo com seus fundadores.
“Se 80% do trabalho será feito por IA, pode ter uma margem bruta de 80% a 90%”, disse Navin Chaddha, diretor administrativo da Mayfield, ao TechCrunch neste verão. “Você poderia ter margens misturadas de 60% a 70% e produzir 20% a 30% de lucro líquido.”
O investidor solo Elad Gil tem perseguido uma estratégia semelhante por três anos, apoiando empresas que adquirem negócios maduros e os transformam com IA. “Se você possui o ativo, pode [transformá-lo] muito mais rapidamente do que se estivesse apenas vendendo software como fornecedor”, disse Gil em uma entrevista ao TechCrunch nesta primavera. “E porque você leva a margem bruta de uma empresa de, digamos, 10% para 40%, isso é um grande aumento.”
Mas sinais de alerta iniciais sugerem que toda essa metamorfose da indústria de serviços pode ser mais complicada do que os VCs antecipam. Um estudo recente realizado por pesquisadores do Stanford Social Media Lab e BetterUp Labs que pesquisou 1.150 funcionários em tempo integral de várias indústrias descobriu que 40% desses funcionários estão tendo que suportar mais trabalho devido ao que os pesquisadores chamam de “workslop” — trabalho gerado por IA que parece polido, mas carece de substância, criando mais trabalho (e dores de cabeça) para os colegas.
A tendência está afetando as organizações. Os funcionários envolvidos na pesquisa dizem que estão gastando em média quase duas horas lidando com cada instância de workslop, incluindo para primeiro decifrá-lo, depois decidir se devem ou não devolvê-lo e, muitas vezes, apenas para corrigi-lo eles mesmos.
Com base nas estimativas de tempo gasto pelos participantes, junto com seus salários autorrelatados, os autores da pesquisa estimam que o workslop gera um imposto invisível de US$ 186 por mês por pessoa. “Para uma organização de 10.000 trabalhadores, dada a prevalência estimada do workslop… isso resulta em mais de US$ 9 milhões por ano em produtividade perdida”, escrevem em um novo artigo da Harvard Business Review.
Simplesmente implementar IA não garante resultados melhorados, em resumo.
Bhargava discute a noção de que a IA está superestimada, argumentando que, na verdade, todas essas falhas de implementação validam a abordagem da General Catalyst. “Acho que isso meio que mostra a oportunidade, que não é fácil aplicar a tecnologia de IA a esses negócios”, disse ele. “Se todas as Fortune 100 e todos esses caras pudessem apenas trazer uma empresa de consultoria, colocar um pouco de IA, conseguir um contrato com a OpenAI e transformar seus negócios, então obviamente nossa tese [seria] um pouco menos robusta. Mas a realidade é que é realmente difícil transformar uma empresa com IA.”
Ele apontou a sofisticação técnica necessária em IA como o quebra-cabeça mais crítico que falta. “Há uma série de tecnologias diferentes. Elas são boas em coisas diferentes”, disse ele. “Você realmente precisa desses engenheiros de IA aplicados de lugares como Rippling e Ramp e Figma e Scale, que trabalharam com os diferentes modelos, entendem suas nuances, entendem quais são bons para o que, entendem como envolvê-los em software.” Essa complexidade é exatamente por que a estratégia da General Catalyst de emparelhar especialistas em IA com especialistas do setor para construir empresas do zero faz sentido, argumentou ele.
Ainda assim, não há como negar que o workslop ameaça minar a economia central da estratégia. A grande questão é quão severo é o problema e se essa imagem muda ao longo do tempo.
Por enquanto, se as empresas reduzirem o pessoal, como a tese de eficiência da IA sugere que deveriam, terão menos pessoas disponíveis para detectar e corrigir erros gerados pela IA. Se mantiverem os níveis atuais de pessoal para lidar com o trabalho adicional criado pela saída problemática da IA, os enormes ganhos de margem que os VCs estão contando podem nunca ser realizados.
É fácil argumentar que qualquer um dos cenários provavelmente deve desacelerar os planos de escalonamento que são centrais para a estratégia de roll-up dos VCs e que potencialmente minam os números que tornam esses negócios atraentes para eles. Mas vamos encarar; levará mais do que funcionários frustrados e um imposto de US$ 9 milhões sobre uma empresa de serviços para desacelerar a maioria dos investidores do Vale do Silício.
Na verdade, como eles normalmente adquirem negócios com fluxo de caixa existente, a General Catalyst afirma que suas empresas de “criação” já são lucrativas.
“Enquanto a tecnologia de IA continuar a melhorar, e vemos esse enorme investimento e melhoria nos modelos, acho que haverá cada vez mais indústrias para nós ajudarmos a incubar empresas”, disse Bhargava.