ベンチャーキャピタル界では新たな投資の革命が進行中である。多くのトップVCは、次なる大きな投資機会として、AI技術を活用して伝統的な労働集約型サービス企業をソフトウェアレベルの利益率を持つ効率的なマシンに変革することを確信している。

このトレンドをリードしているのはGeneral Catalystであり、同社は最新の資金調達から15億ドルを「創造戦略」に割り当てた。この戦略の中心は、特定の垂直分野でAIネイティブなソフトウェア企業を育成し、それらを買収プラットフォームとして、業界内の成熟した企業と顧客層を取得するというものである。GCは現在、法律サービスやIT管理などの7つの業界に投資しており、最終的には20の細分化領域へ拡大する予定だ。

General Catalystで関連業務を担当するMarc Bhargava氏はTechCrunchのインタビューで、「世界中のサービス業の年間売上高は16兆ドルだが、ソフトウェア業界は1兆ドルしかない」と語った。彼はソフトウェア投資の魅力について、「ソフトウェアがスケーラブルになると、限界コストは極めて低く、限界収入は非常に高い」と指摘した。

Bhargavaによれば、サービスビジネスを自動化し、AI技術によって30％〜50％の企業業務を処理できるだけでなく、コールセンターなどの場面で70％の核心タスクを自動化できれば、投資収益は非常に魅力的になるという。

この戦略はすでに効果を発揮している。General CatalystのポートフォリオにあるTitan MSPの例を見ると、同社は2ラウンドで7400万ドルを提供し、ホスティングサービスプロバイダー向けのAIツールを開発させ、その後有名なITサービス企業RFAを買収した。Bhargava氏は、タイアッププロジェクトを通じてTitanが典型的MSPタスクの38％を自動化できることを証明したと語った。同社は今後、向上した利益率を利用して伝統的な雪だるま戦略でより多くのMSP企業を買収する計画だ。

同様に、同社は企業内法務部門に焦点を当てたEudiaを育成し、伝統的な法律事務所ではなく、企業内部の法務部門を対象にしている。Eudiaはシーバー、サウスウエスト航空、Stripeなどの財界100社の顧客に、AIベースの固定料金の法務サービスを提供しており、従来の時間単価のモデルとは異なる。同社は最近、代替法務サービスプロバイダーのJohnson Hannaを買収し、事業範囲を広げた。

Bhargavaは、General Catalystの目標は少なくとも買収会社のEBITDA利益率を倍増することだと説明した。

この投資戦略は、ベンチャーキャピタル会社だけではない。Mayfieldは1億ドルを「AIチームメンバー」への投資に専門的に割り当てており、ITコンサルティングスタートアップのGruveを含む。同社は500万ドルのセキュリティコンサルティング会社を買収し、6か月以内に収益を1500万ドルに増やし、80％の粗利益率を達成した。

今年の夏にTechCrunchに対して、Mayfieldの取締役社長Navin Chaddha氏は、「もし80％の仕事がAIで行われれば、粗利益率は80〜90％になる。総合的な利益率は60〜70％となり、純利益は20〜30％になるだろう」と述べた。

独立投資家Elad Gilは3年間、類似の戦略を追求しており、既存企業を買収し、AIで再構築する企業を支援している。Gil氏は今年春にTechCrunchに対して、「資産を持っているなら、単にソフトウェアを販売するサプライヤーよりも速く転換できる」と語った。

しかし、早期の警告信号は、このサービス業界の変化がVCの予想よりもさらに複雑である可能性があることを示している。スタンフォードのソーシャルメディアラボとBetterUpラボの最近の研究では、1150人の業界別フルタイム従業員を調査し、そのうち40％が研究者らが「仕事のゴミ」と呼ぶAI生成作業によって追加のタスクを担っていることが判明した。これらの作業は見かけ上は精巧だが実質的内容がなく、同僚にとっても追加の仕事と混乱を生んでいる。

このような傾向は組織にとって損失をもたらしている。調査参加者によると、それぞれの仕事のゴミごとに平均して2時間以上を費やすことになり、最初に内容を理解し、返却するかどうかを決定し、しばしば自ら問題を修正しなければならない。

参加者の推定時間と給与に基づき、調査の著者は、仕事のゴミによる隠れたコストは一人あたり月に186ドルであると推定した。彼らは新しい『ハーバード・ビジネス・レビュー』の記事で、「1万人規模の組織において、仕事のゴミの普及率を考慮すれば、年間で900万ドル以上の生産性の損失になるだろう」と述べた。

Bhargavaは、AIが過度にブームになっているとの意見には反論し、こうした実施上の失敗が実際にGeneral Catalystの方法の正当性を証明していると考えている。彼は、「これは機会の所在を示していると思う。つまり、AI技術をこれらのビジネスに適用するのは容易ではないということだ。もしすべての財界100社が単にコンサルティング会社に依頼し、いくつかのAIを導入し、OpenAIと契約することでビジネスを変革できるのであれば、我々の理論的基盤は弱いだろう。しかし現実には、AIで企業を変革することは本当に難しいのだ。」と語った。

彼は、AI技術の複雑さが最も重要な欠如要素であると指摘した。「多くの異なる技術があり、それぞれが異なる分野に特化している。Rippling、Ramp、Figma、Scaleなどの会社からのアプリAIエンジニアが必要で、彼らはさまざまなモデルを使っており、その違いを理解し、どのモデルがどのような用途に適しているかを知り、それをソフトウェアとしてどのようにパッケージするかを知っている必要がある。」

このような複雑さこそが、General CatalystがAI専門家と業界専門家を組み合わせてゼロから企業を構築する戦略の合理性を示している。

しかし、間違いなく、仕事のゴミの脅威はこの戦略の主要な経済論理を弱める可能性がある。たとえホールドコントロール会社を起点にしても、買収された会社がAI効率理論に基づいて従業員を減らす場合、AI生成の誤りを捉えたり修正したりする十分な人手がなくなってしまう。会社が現在の人員配置でAI出力によって生じる追加作業を処理し続ける場合、VCが期待する巨大な利益率の増加は永遠に実現できないかもしれない。

このような状況は、理論的にはVCの雪だるま戦略の拡張計画を遅らせ、これらの取引の魅力を低下させるはずである。しかし現実には、一、二の研究だけでほとんどのサンフランシスコの投資家が足踏みをするとは考えにくい。

実際、通常は既存キャッシュフローを持つ企業を買収するため、General Catalystは「創造戦略」の会社がすでに利益を上げていると述べている。これは、伝統的なVCが高成長で資金を焼くスタートアップを支援するやり方とは明らかに異なっている。これは、長期的に赤字の企業に投資するベンチャーキャピタルのパートナーにとっても好意的に受け入れられる変化かもしれない。

Bhargava氏は、「AI技術が継続的に改善され、モデルへの大規模な投資と改良が進んでいく限り、私は多くの業界が私たちが会社を育成するのを必要とするようになるだろう」と語った。