Gli investitori riversano ciò che non cercano più nelle società AI SaaS

Negli ultimi anni gli investitori hanno investito miliardi nelle società di intelligenza artificiale, poiché la tecnologia continua a dominare nella Valley e quindi nel mondo. Ma non tutte le società di intelligenza artificiale stanno attirando l’attenzione degli investitori.

In effetti, anche se sembra che ogni azienda in questi giorni stia rebranding per includere “AI” nel suo nome, alcune idee di startup semplicemente non sono più apprezzate dagli investitori. TechCrunch ha parlato con i VC per scoprire cosa gli investitori non cercano più nelle startup di software program come servizio di intelligenza artificiale.

Le categorie SaaS più popolari per gli investitori ora includono startup che costruiscono infrastrutture native per l’intelligenza artificiale, SaaS verticale con dati proprietari, sistemi di azione (quelli che aiutano gli utenti a completare le attività) e piattaforme profondamente combine nei flussi di lavoro mission-critical, secondo Aaron Vacation, un socio dirigente di 645 Ventures.

Ma ha anche fornito un elenco di aziende che al giorno d’oggi sono thoughtful piuttosto noiose per gli investitori: startup che costruiscono sottili livelli di flusso di lavoro, strumenti orizzontali generici, gestione leggera del prodotto e analisi a livello di superficie – in pratica, tutto ciò che un agente di intelligenza artificiale può fare ora.

Abdul Abdirahman, un investitore della società F Prime, ha aggiunto che il software program verticale generico “senza fossati di dati proprietari” non è più popolare, e Igor Ryabenky, fondatore e socio dirigente di AltaIR Capital, ha approfondito questo punto. Ha detto che gli investitori non sono interessati a nulla, in realtà, che non abbia molta profondità di prodotto.

“Se la tua differenziazione risiede principalmente nell’interfaccia utente [user interface] e l’automazione, non basta più”, ha affermato. “La barriera all’ingresso è caduta, il che rende molto più difficile la costruzione di un vero fossato”.

Le nuove aziende che entrano nel mercato ora devono basarsi su “una reale proprietà del flusso di lavoro e una chiara comprensione del problema fin dal primo giorno”, ha affermato. “Le basi di codice di grandi dimensioni non sono più un vantaggio. Ciò che conta di più è la velocità, la concentrazione e la capacità di adattarsi rapidamente. Anche i prezzi devono essere flessibili: i modelli rigidi per posto saranno più difficili da difendere, mentre i modelli basati sul consumo hanno più senso in questo ambiente.”

Anche Jake Saper, socio accomandatario di Emergence Capital, ha pensato alla proprietà. Per lui, le differenze tra Cursor e Claude Code sono il “canarino nella miniera di carbone”.

“Uno possiede il flusso di lavoro dello sviluppatore, l’altro si limita a eseguire l’attività”, ha continuato Saper. “Gli sviluppatori scelgono sempre più l’esecuzione piuttosto che il processo.”

Ha affermato che qualsiasi prodotto che abbia a che fare con la “vischiosità del flusso di lavoro” – ovvero il tentativo di attirare il maggior numero possibile di clienti umani affinché utilizzino continuamente il prodotto – potrebbe trovarsi in una dura battaglia poiché gli agenti prendono il controllo del flusso di lavoro.

“Prima di Claude, convincere gli esseri umani a svolgere il proprio lavoro all’interno del software program period un fossato potente, ma se sono gli agenti a svolgere il lavoro, a chi importa del flusso di lavoro umano?” ha detto a TechCrunch.

Ritiene inoltre che le integrazioni stiano diventando meno popolari, soprattutto perché il protocollo di contesto del modello (MCP) di Anthropic rende più semplice che mai connettere modelli di intelligenza artificiale a dati e sistemi esterni. Ciò significa che qualcuno non ha bisogno di scaricare più integrazioni o creare le proprie integrazioni per i clienti; possono semplicemente usare l’MCP.

“Essere il connettore period un fossato”, ha detto Saper. “Presto sarà un’utilità.”

Inoltre, non sono più in voga “gli strumenti di automazione del flusso di lavoro e di gestione delle attività che consentono il coordinamento del lavoro umano che diventano meno necessari se, nel tempo, gli agenti si limitano a eseguire i compiti”, ha affermato Abdirahman, citando esempi, principalmente società SaaS pubbliche le cui azioni sono in calo man mano che nuove startup native dell’intelligenza artificiale nascono con una tecnologia migliore e più efficiente.

Ryabenky ha affermato che le società SaaS che faticano a crescere in questo momento sono quelle che possono essere facilmente replicate.

“Strumenti generici di produttività, software program di gestione dei progetti, cloni CRM di base e wrapper AI basati su API esistenti rientrano in questa categoria”, ha affermato. “Se il prodotto è costituito principalmente da un livello di interfaccia senza profonda integrazione, dati proprietari o conoscenza dei processi incorporata, group forti e nativi dell’intelligenza artificiale possono ricostruirlo rapidamente. Questo è ciò che rende cauti gli investitori.”

Inoltre, ciò che rimane interessante di SaaS è la profondità e la competenza, con strumenti incorporati in flussi di lavoro critici. Ha detto che le aziende dovrebbero in questo momento cercare di integrare profondamente l’intelligenza artificiale nei loro prodotti e aggiornare il loro advertising and marketing per riflettere ciò, ha continuato Ryabenky.

“Gli investitori stanno riallocando il capitale verso aziende che possiedono flussi di lavoro, dati e competenze nel settore”, ha affermato Ryabenky. “E lontano da prodotti che possono essere copiati senza troppi sforzi.”