Priya Saiprasad, Socia General en Touring Capital – Serie de Entrevistas

Cuando el software puede realizar trabajo, cambia el producto, el mercado direccionable, el modelo de precios y la economía de la empresa que lo entrega. Queríamos construir Touring alrededor de esa oportunidad desde el principio.

Nuestro enfoque está en empresas que se acercan o demuestran un ajuste temprano producto‑mercado, cuando la promesa técnica comienza a traducirse en adopción por parte de los clientes. Esa es una etapa particularmente decisiva en la IA: los fundadores están decidiendo qué flujos de trabajo poseer, cuánta autonomía aceptarán los clientes y cómo convertir la demanda temprana en un crecimiento repetible.

También queríamos aportar una perspectiva de construcción de empresas informada por nuestra experiencia en capital de riesgo, M&A y grandes plataformas tecnológicas. Nuestra ambición es ayudar a los fundadores a crear negocios cuyas ventajas competitivas se profundicen a medida que avanza la tecnología. Eso requiere convicción sobre la oportunidad y disposición para reexaminar continuamente los supuestos subyacentes.

Ha argumentado que algunas de las mayores oportunidades de IA están desplazándose de simplemente construir modelos de base más grandes hacia empresas que aplican IA a industrias específicas. ¿Qué ha cambiado tecnológica o económicamente para que la capa de aplicación sea tan atractiva ahora?

Los modelos se han vuelto dramáticamente más capaces y accesibles, lo que cambia dónde los emprendedores pueden crear valor. Ya no es necesario construir la inteligencia subyacente desde cero para crear algo potente.

Eso cambia la pregunta de, “¿Quién tiene el mejor modelo?” a, “¿Quién puede aplicar esa inteligencia para resolver un problema de una manera que cambie fundamentalmente la economía o el flujo de trabajo?”

Las empresas más atractivas no se limitan a colocar un LLM frente a un producto de software existente. Están usando IA para replantear cómo se realiza el trabajo. En algunos casos, eso significa automatizar grandes partes de un flujo de trabajo. En otros, permite que un equipo mucho más pequeño produzca una salida significativamente mayor.

Ahí es donde creo que ocurrirá gran parte de la próxima ola de creación de valor: empresas que pueden tomar una inteligencia cada vez más capaz y convertirla en un producto en el que los clientes confíen para realizar trabajo significativo.

Al observar los sectores hoy, ¿qué industrias cree que están alcanzando un verdadero punto de inflexión de IA, donde la IA podría reestructurar fundamentalmente los flujos de trabajo en lugar de simplemente hacer más eficiente el software existente?

Me interesan particularmente las industrias que combinan un trabajo de conocimiento significativo, flujos de trabajo existentes complejos y niveles históricamente bajos de penetración de software.

Los servicios financieros, la salud, el sector legal, la industria y el automotriz son buenos ejemplos. Estas industrias a menudo poseen enormes cantidades de información valiosa y flujos de trabajo altamente especializados, pero gran parte del trabajo sigue estando fragmentado, es manual o depende de personas experimentadas que trasladan información entre sistemas.

La oportunidad no consiste simplemente en hacer que esos trabajadores sean un 10 % más productivos. Las empresas más interesantes están rediseñando el flujo de trabajo en torno a lo que la IA puede hacer ahora.

Puede observarse en empresas como Numa, que está utilizando agentes de IA para automatizar interacciones con clientes y operaciones de concesionarios, y Daloopa, que aplica IA a los flujos de datos y de investigación altamente sensibles al tiempo que utilizan las instituciones financieras. El hilo conductor es una comprensión profunda del trabajo subyacente. La IA es poderosa, pero no elimina la necesidad de entender la industria para la que se está construyendo.

Touring Capital enfatiza fosos de datos, bucles de producto y experiencia específica del dominio al evaluar empresas de IA. ¿Cómo se ve un negocio de IA vertical verdaderamente defensible, y cómo se distingue de una compañía cuya principal ventaja es simplemente envolver un modelo de lenguaje grande de terceros?

Un negocio de IA verdaderamente defensible se fortalece a medida que opera.

El modelo subyacente puede mejorar con el tiempo, y una empresa puede cambiar de modelo por completo, pero el valor del negocio no debería desaparecer porque cambie el modelo subyacente. Lo que importa es lo que la empresa posee alrededor de ese modelo: la relación con el cliente, el flujo de trabajo, los datos propietarios, las integraciones y la confianza para asumir trabajos cada vez más importantes.

Una de las cosas a las que prestamos mucha atención es si el producto se integra más profundamente con el tiempo. ¿Los clientes confían en él para realizar más trabajo? ¿El uso y los resultados se están acumulando? ¿La empresa está aprendiendo de sus implementaciones de manera que mejore el producto?

Esas dinámicas crean un negocio mucho más sólido que simplemente tener una buena interfaz sobre un modelo de terceros. Las características pueden converger muy rápidamente en IA. El uso sostenido y la adopción más profunda del flujo de trabajo son mucho más difíciles de replicar.

A medida que los modelos de base se vuelven más capaces y cada vez más commoditizados, ¿fortalece eso a las empresas de IA vertical al proporcionarles inteligencia más barata sobre la que construir, o crea el riesgo de que los propios proveedores de modelos absorban más la capa de aplicación?

Ambas dinámicas pueden ocurrir simultáneamente. Los mejores modelos amplían lo que las empresas de aplicaciones pueden ofrecer, al mismo tiempo que permiten a los proveedores de modelos avanzar más en productos y flujos de trabajo.

La pregunta para la diligencia es cómo cambia la posición de una empresa a medida que mejora la inteligencia subyacente. Hacemos dos preguntas a la vez: ¿qué se vuelve posible para este negocio con la próxima generación de modelos, y qué parte de su propuesta de valor actual podría convertirse en una capacidad estándar del modelo? Eso ayuda a distinguir a las empresas que se benefician del progreso de aquellas cuya diferenciación depende de una limitación temporal.

Los negocios verticales pueden construir posiciones duraderas mediante flujos de trabajo especializados, acceso a clientes, integraciones, sistemas de evaluación y la responsabilidad operativa que asumen. esas ventajas requieren inversión continua; la experiencia en el dominio por sí sola no es una protección permanente.

Las empresas que encuentro más atractivas tienen una ruta clara para asumir trabajos de mayor valor a medida que los modelos mejoran. Sus clientes obtienen mejores resultados, la economía de entrega se fortalece y el conocimiento acumulado se vuelve más útil. Esa es la relación con el progreso del modelo que queremos respaldar.

Las empresas tradicionales de software como servicio se han evaluado históricamente con métricas como ingresos recurrentes anuales, márgenes brutos, retención y expansión de asientos. ¿Cómo está cambiando la IA las métricas en las que confía, particularmente a medida que los costos de inferencia, la tarificación basada en uso y los modelos de negocio basados en resultados se vuelven más importantes?

ARR, retención y márgenes brutos siguen siendo relevantes. El problema es que, por sí solos, ya no nos dicen lo suficiente.

Una empresa de IA puede crecer a decenas de millones en ARR increíblemente rápido mientras el uso subyacente dentro de su base de clientes ya está disminuyendo. El cliente puede seguir bajo contrato, pero cuando llega la renovación, el producto se ha reemplazado efectivamente. Eso es lo que describimos como churn latente.

Así que cada vez miramos más allá del modelo de precios y preguntamos qué trabajo se está realizando realmente. ¿Aumenta el número de flujos de trabajo y resultados con el tiempo? ¿El cliente confía en que el producto haga más trabajo? ¿El uso continúa después del entusiasmo inicial de la implementación?

También estamos analizando mucho más de cerca la economía detrás del crecimiento. Las empresas de IA pueden reemplazar la plantilla humana con automatización, pero la computación se convierte en una parte real de la fuerza laboral y de la estructura de costos. Por eso observamos conceptos como intensidad de flujo de trabajo, multiplicadores de eficiencia, ingresos por empleado ajustado y apalancamiento de costos.

La gran pregunta es si el crecimiento se vuelve más duradero y eficiente con el tiempo. Un crecimiento espectacular y un crecimiento duradero no son necesariamente lo mismo.

Muchos agentes de IA se están diseñando no solo para asistir a los empleados sino para completar flujos de trabajo completos de forma autónoma. ¿Cómo cambia eso la oportunidad de mercado para el software empresarial, y podrían las empresas de IA capturar finalmente una parte de los presupuestos de mano de obra que históricamente estaban fuera del gasto en software?

Creo que este es uno de los cambios más importantes en el software empresarial.

Históricamente, el software se vendía principalmente como una herramienta que ayudaba a un empleado a realizar su trabajo. El empleado seguía siendo responsable de producir el trabajo, y el presupuesto del software estaba separado del presupuesto laboral.

La IA cambia esa ecuación porque el software puede, cada vez más, realizar partes del trabajo por sí mismo.

Eso amplía la oportunidad de mercado de manera significativa. Ya no solo se está vendiendo una herramienta de productividad desde un presupuesto de TI o de software. Si un producto puede asumir de forma fiable un trabajo significativo y producir un resultado medible, también podría capturar valor de los presupuestos laborales.

La distinción importante es entre un asistente de IA y un sistema de IA en el que los clientes confían para ejecutar realmente. Este último tiene el potencial de volverse mucho más valioso, pero también debe demostrar verdadera fiabilidad, responsabilidad y viabilidad económica. En última instancia, a los clientes no les importará cuán sofisticada sea la IA si el producto no puede cumplir de forma constante el resultado que prometió.

Actualmente formas parte de los consejos de administración de empresas como Numa y Daloopa, que aplican tecnología a verticales muy diferentes, como operaciones automotrices y datos financieros. ¿Qué te han enseñado estas compañías sobre lo que se necesita para introducir con éxito la IA en industrias con flujos de trabajo profundamente establecidos y experiencia de dominio?

La lección más importante es que la IA no elimina la importancia de la experiencia de dominio. En muchos sentidos, la hace aún más importante.

Para introducir con éxito la IA en una industria establecida, es necesario comprender el flujo de trabajo lo suficientemente a fondo como para saber dónde la automatización realmente crea valor y dónde el juicio humano sigue siendo relevante. También es necesario entender cómo los clientes adoptarán el producto, cómo encaja en sus sistemas existentes y en el ciclo de adopción de IA, y qué se requiere para ganar su confianza.

Numa y Daloopa operan en mercados muy diferentes, pero ambas están profundamente vinculadas al trabajo específico que sus clientes necesitan realizar. Las compañías de IA vertical más exitosas no comienzan con “¿Dónde podemos colocar la IA?”. Comienzan con un problema o flujo de trabajo significativo y luego lo rediseñan en torno a lo que la IA puede hacer ahora.

Por eso también creo que la experiencia de dominio puede convertirse en una ventaja significativa con el tiempo. Cuanto más profundo sea el entendimiento del trabajo, más eficazmente se puede crear un producto en el que los clientes estén dispuestos a confiar.

Las inversiones recientes de Touring abarcan tanto aplicaciones específicas de dominio como infraestructura que habilita la IA. ¿Cómo consideras el equilibrio entre invertir en la capa de aplicación versus la infraestructura necesaria para impulsarla, y dónde crees que hoy existe la mayor oportunidad de retornos a escala de capital de riesgo?

No vemos la oportunidad como exclusiva de una sola capa del stack. Nos enfocamos en dónde están surgiendo cuellos de botella importantes y dónde una empresa puede construir una posición significativa a medida que la adopción de IA escala.

En el lado de las aplicaciones, nos entusiasman las empresas que pueden traducir la IA en valor económico medible al poseer flujos de trabajo importantes y ofrecer resultados reales. En el lado de la infraestructura, nos interesan las compañías que resuelven las limitaciones que determinan si la IA puede desplegarse de manera eficiente a gran escala.

Nuestras inversiones en compañías como Infinity y Parasail reflejan eso. Una aborda el desafío de software de preparar diferentes chips de IA para ejecutar modelos modernos, mientras que la otra ayuda a los desarrolladores a desplegar y escalar cargas de trabajo de IA sin tener que gestionar la infraestructura subyacente ellos mismos.

La mejor oportunidad no está necesariamente determinada por si una empresa se sitúa en aplicaciones o infraestructura. La pregunta clave es si la compañía está resolviendo un problema importante y duradero con el potencial de volverse cada vez más valioso a medida que el mercado de IA evoluciona.

Con enormes cantidades de capital ahora concentradas en un número relativamente pequeño de empresas de IA de vanguardia, ¿dónde crees que los inversores siguen subestimando la oportunidad, y qué categorías o modelos de negocio nativos de IA están recibiendo mucho menos atención de la que merecen?

Una zona que encuentro particularmente interesante es la parte media del mercado.

En este momento, el capital de riesgo se ha vuelto cada vez más cargado. Hay un enorme apetito por compañías prometedoras en las etapas más tempranas, particularmente aquellas con equipos excepcionales y tecnología atractiva. También hay un capital sustancial disponible para las empresas más grandes y más consolidadas.

Pero la parte media, particularmente las etapas tradicionales de Serie B y C, se ha vuelto mucho más difícil.

La IA ha comprimido las expectativas. Las empresas ahora pueden pasar de cero a ingresos significativos más rápido de lo que jamás habíamos visto, lo que ha elevado el listón de manera drástica una vez que un negocio comienza a generar ingresos. Un crecimiento que habría sido considerado extraordinario hace unos años puede ya no destacar en el mercado actual.

Eso genera tanto riesgo como oportunidad.

Algunas empresas están siendo presionadas para optimizar según lo que el mercado de recaudación de fondos desea en un momento dado: crecimiento de 5x, crecimiento de 10x, un determinado hito de ingresos, sin importar si esa trayectoria crea un negocio duradero. El mercado puede cambiar drásticamente en seis a nueve meses, por lo que los fundadores deben tener cuidado de no construir exclusivamente para las expectativas de la próxima ronda de financiación.

Para los inversores, creo que existe una verdadera oportunidad en identificar empresas que tienen fundamentos subyacentes sólidos pero que no encajan perfectamente en los extremos del mercado actual. El desafío es ser lo suficientemente disciplinado para distinguir el crecimiento duradero de una empresa que simplemente está siendo adelantada por el ciclo actual de financiación de IA.

Gracias por la excelente entrevista, los lectores que deseen saber más sobre esta firma de capital de riesgo deben visitar Touring Capital.