Los inversores revelan lo que ya no buscan en las empresas SaaS de IA

Los inversores han invertido miles de millones en empresas de inteligencia artificial en los últimos años, ya que la tecnología continúa dominando el Valle y, por lo tanto, el mundo. Pero no todas las empresas de IA atraen la atención de los inversores.

De hecho, aunque parece que hoy en día todas las empresas están cambiando su nombre para incluir “IA” en su nombre, algunas ideas de startups ya no son del agrado de los inversores. TechCrunch habló con los capitalistas de riesgo para saber qué es lo que los inversores ya no buscan en las nuevas empresas de software como servicio de IA.

Las categorías de SaaS populares para los inversores ahora incluyen nuevas empresas que construyen infraestructura de IA nativa, verticales de SaaS con datos propietarios, sistemas de acción (aquellos que ayudan a los usuarios a completar tareas) y plataformas profundamente integradas en flujos de trabajo de misión crítica, según Aaron Holiday, socio gerente de 645 Ventures.

Pero también dio una lista de empresas que hoy en día se consideran demasiado aburridas para los inversores: startups que crean capas delgadas de flujo de trabajo, herramientas horizontales genéricas, gestión de productos liviana y análisis a nivel de superficie; básicamente, cualquier cosa que un agente de IA pueda hacer en este momento.

Abdul Abdirahman, inversor de la empresa F Prime, añadió que el software vertical genérico “sin fosos de datos propietarios” ya no es popular, e Igor Ryabenky, fundador y socio director de AltaIR Capital, profundizó en este punto. Dijo que los inversores no están interesados ​​en nada que no tenga mucha profundidad de producto.

“Si tu diferenciación radica principalmente en la UI [user interface] y la automatización, eso ya no es suficiente”, afirmó. “La barrera de entrada ha caído, lo que hace que construir un verdadero foso sea mucho más difícil”.

Las nuevas empresas que ingresan al mercado ahora deben basarse en “una propiedad real del flujo de trabajo y una comprensión clara del problema desde el primer día”, dijo. “Las enormes bases de código ya no son una ventaja. Lo que más importa es la velocidad, el enfoque y la capacidad de adaptarse rápidamente. Los precios también deben ser flexibles: los modelos rígidos por usuario serán más difíciles de defender, mientras que los modelos basados ​​en el consumo tienen más sentido en este entorno”.

Jake Saper, socio general de Emergence Capital, también pensó en propiedades. Para él, las diferencias entre Cursor y Claude Code son el “canario en la mina de carbón”.

“Uno es responsable del flujo de trabajo del desarrollador, el otro simplemente realiza la tarea”, continuó Saper. “Los desarrolladores eligen cada vez más la ejecución sobre el proceso”.

Dijo que cualquier producto que se ocupe de la “rigidez del flujo de trabajo” (es decir, tratar de atraer a tantos clientes humanos como sea posible para que utilicen continuamente el producto) podría encontrarse en una batalla cuesta arriba a medida que los agentes toman el control del flujo de trabajo.

“Antes de Claude, lograr que los humanos hicieran su trabajo dentro de su software era un obstáculo poderoso, pero si los agentes hacen el trabajo, ¿a quién le importa el flujo de trabajo humano?” le dijo a TechCrunch.

También cree que las integraciones se están volviendo menos populares, especialmente porque el Protocolo de contexto de modelo (MCP) de Anthropic hace que sea más fácil que nunca conectar modelos de IA a datos y sistemas externos. Esto significa que nadie necesita descargar múltiples integraciones o crear sus propias integraciones de clientes; simplemente pueden usar MCP.

“Ser el conector solía ser un foso”, dijo Saper. “Pronto será un vehículo utilitario”.

Además, la inclusión de “herramientas de automatización del flujo de trabajo y gestión de tareas que permiten la coordinación del trabajo humano ya no está de moda y se vuelve menos necesaria si, con el tiempo, los agentes simplemente hacen las tareas”, dijo Abdirahman, citando ejemplos, particularmente empresas públicas SaaS cuyas acciones caen a medida que surgen nuevas empresas nativas de IA con tecnología mejor y más eficiente.

Ryabenky dijo que las empresas SaaS que están luchando por crecer ahora son las que pueden replicarse fácilmente, afirmó.

“Las herramientas de productividad genéricas, el software de gestión de proyectos, los clones básicos de CRM y los envoltorios de IA ligeros creados sobre las API existentes entran en esta categoría”, dijo. “Si el producto es principalmente una capa de interfaz sin una integración profunda, datos propietarios o conocimiento de procesos integrados, los equipos de IA nativos fuertes podrán reconstruirlo rápidamente. Eso es lo que hace que los inversores sean cautelosos”.

Además, lo que sigue siendo atractivo de SaaS es la profundidad y la experiencia, con herramientas integradas en flujos de trabajo críticos. Dijo que las empresas ahora deberían considerar la integración profunda de la IA en sus productos y actualizar su marketing para reflejar eso, continuó Ryabenky.

“Los inversores están reasignando capital a empresas que tienen flujos de trabajo, datos y experiencia en el campo”, dijo Ryabenky. “Y lejos de productos que puedan copiarse sin mucho esfuerzo”.