Fondos inversores apuestan por transformar empresas de servicios con inteligencia artificial
Fondos como General Catalyst o Mayfield invierten miles de millones en aplicar IA a sectores tradicionales
El capital riesgo parece haber encontrado su nueva mina de oro: aplicar inteligencia artificial a negocios de servicios tradicionalmente intensivos en mano de obra para convertirlos en máquinas de márgenes comparables a los del software. La estrategia consiste en adquirir compañías maduras, automatizar buena parte de sus tareas con IA y aprovechar el aumento de flujo de caja para comprar más empresas en un ciclo de consolidación. Sobre el papel, la idea promete cifras irresistibles; en la práctica, no está exenta de riesgos y dilemas.
Cómo funciona la apuesta de los fondos
El caso más ambicioso lo lidera General Catalyst (GC), que ha destinado 1.500 millones de dólares de su último fondo a lo que denomina estrategia de “creación”. Su planteamiento es incubar empresas de software nativas de IA en sectores concretos (como servicios legales o gestión de TI) y utilizarlas como vehículos para adquirir compañías establecidas en los mismos ámbitos. Según Marc Bhargava, al frente de la iniciativa, el mercado global de servicios genera 16 billones de dólares anuales, frente al billón del software. Si se logra automatizar entre un 30 % y un 70 % de las tareas en sectores como los centros de llamadas, el atractivo económico es enorme.
Los ejemplos empiezan a multiplicarse. Titan MSP, uno de los vehículos de GC, recibió 74 millones de dólares para desarrollar herramientas de IA aplicadas a proveedores de servicios gestionados. Tras adquirir RFA, una firma consolidada, ha demostrado en pruebas piloto que puede automatizar hasta un 38 % de las tareas habituales, mejorando sus márgenes y preparando nuevas adquisiciones. En el ámbito legal, la compañía incubada Eudia ofrece servicios con tarifas fijas respaldados por IA a clientes de la talla de Chevron o Stripe, rompiendo con la facturación por horas y expandiéndose mediante adquisiciones como la de Johnson Hanna. El objetivo de GC es al menos duplicar los márgenes de EBITDA de estas empresas.
No están solos en esta apuesta. El fondo Mayfield ha reservado 100 millones para “compañeros de IA”, como Gruve, que adquirió una consultora de ciberseguridad por 5 millones y la llevó a 15 millones de ingresos en seis meses, con un margen bruto del 80 %. Incluso inversores individuales como Elad Gil llevan años financiando compañías que compran negocios maduros para transformarlos con inteligencia artificial.
Sin embargo, empiezan a aparecer señales de advertencia. Un estudio conjunto de Stanford y BetterUp Labs, con 1.150 empleados encuestados, revela que muchos trabajadores sufren lo que llaman “workslop”: tareas generadas por IA que parecen bien presentadas pero carecen de sustancia, obligando a compañeros a revisarlas, corregirlas o rehacerlas. Según los cálculos, cada empleado pierde casi dos horas al mes con este fenómeno, lo que equivale a un “impuesto invisible” de 186 dólares por persona. En una empresa de 10.000 trabajadores, las pérdidas superarían los 9 millones de dólares anuales.
Los defensores de esta estrategia argumentan que precisamente ahí radica la oportunidad: transformar con éxito una empresa mediante IA es complejo y exige la combinación de ingenieros expertos en modelos y profesionales del sector. Según Bhargava, no basta con “enchufar un contrato con OpenAI” para conseguir resultados; hace falta sofisticación técnica y un diseño adaptado a cada negocio. Pero la contradicción persiste: si se reducen plantillas para mejorar márgenes, habrá menos capacidad para detectar errores de la IA; y si se mantienen los equipos humanos para corregirlos, los beneficios extraordinarios que seducen a los inversores podrían evaporarse.
Pese a estas tensiones, el modelo tiene un atractivo que encaja bien en la nueva etapa del capital riesgo: las empresas adquiridas ya son rentables desde el inicio, a diferencia del clásico patrón de invertir en startups que queman dinero durante años sin garantizar beneficios. Para los socios limitados que financian estos fondos, cansados de pérdidas crónicas, la fórmula es especialmente atractiva.
En última instancia, el futuro de esta estrategia dependerá de si la IA logra superar el problema del “workslop” y se convierte en un motor real de productividad. Si los modelos siguen mejorando y los ingenieros encuentran maneras efectivas de integrarlos en negocios de servicios, es probable que cada vez más sectores sean candidatos a esta metamorfosis. Pero si los errores y la sobrecarga de trabajo siguen presentes, los márgenes soñados podrían no llegar nunca. Lo que está claro es que, para Silicon Valley, la posibilidad de transformar con IA un mercado de 16 billones de dólares es demasiado tentadora como para dejarla pasar.