Cosa non cercano più gli investitori nelle aziende AI SaaS: il nuovo focus del mercato.
Pubblicato il da Ignazio Aragona - Tecnologia
Negli ultimi anni, gli investitori hanno investito miliardi nelle aziende di intelligenza artificiale, mentre questa tecnologia continua a dominare la Silicon Valley e il mondo. Tuttavia, non tutte le aziende che si occupano di AI attirano l’attenzione degli investitori.
Quali startup di intelligenza artificiale attirano gli investimenti?
Molte aziende stanno cercando di rebrandizzarsi con l’aggiunta di “AI” nel proprio nome, ma alcuni progetti startup non riscuotono più l’interesse degli investitori. TechCrunch ha intervistato investitori di venture capital per scoprire quali caratteristiche non sono più ricercate negli startup di software come servizio (SaaS) legati all’intelligenza artificiale.
Le categorie di SaaS più popolari tra gli investitori includono startup che sviluppano infrastrutture native per l’AI, SaaS verticali con dati proprietari, sistemi di azione (che aiutano gli utenti a completare compiti), e piattaforme integrate in flussi di lavoro cruciali, secondo Aaron Holiday, managing partner di 645 Ventures.
Le idee considerate poco attraenti dagli investitori riguardano startup che creano strati di flusso di lavoro sottili, strumenti orizzontali generici, gestione del prodotto leggera e analisi superficiali — in sostanza, qualsiasi cosa che un agente AI possa già svolgere autonomamente.
Le nuove direzioni per le startup AI
Abdul Abdirahman, investitore presso F Prime, ha osservato che il software verticale generico “senza barriere di dati proprietari” sta perdendo appeal. Igor Ryabenky, fondatore e managing partner di AltaIR Capital, ha approfondito questo tema, sottolineando che gli investitori non sono interessati a progetti privi di profondità nel prodotto.
“Se la tua differenziazione si basa principalmente sull’interfaccia utente e sull’automazione, non basta più,” ha dichiarato. “La barriera all’ingresso è diminuita, il che rende più difficile costruire un vero vantaggio competitivo.”
Le nuove aziende devono focalizzarsi su “una vera proprietà del flusso di lavoro e una chiara comprensione del problema fin dal primo giorno,” ha aggiunto. “Massicci codici sorgente non sono più un vantaggio. Ciò che conta ora è la velocità, il focus e la capacità di adattamento rapido. Anche il pricing deve essere flessibile: modelli rigidi per utente saranno più difficili da difendere, mentre modelli basati sul consumo hanno più senso in questo contesto.”
Jake Saper, partner generale di Emergence Capital, ha condiviso le sue considerazioni sull’importanza di possedere i flussi di lavoro. Secondo lui, le differenze tra Cursor e Claude Code sono “un indicatore della situazione attuale.”
“Una dei due possiede il flusso di lavoro dello sviluppatore, l’altra semplicemente esegue il compito,” ha aggiunto Saper. “I sviluppatori stanno sempre più scegliendo l’esecuzione rispetto al processo.” Questa tendenza suggerisce che i prodotti focalizzati sulla “aderenza al flusso di lavoro” potrebbero trovarsi in una posizione difficile, man mano che gli agenti prendono piede nei processi di lavoro.
“Prima di Claude, far compiere il lavoro agli esseri umani all’interno del tuo software era un vantaggio competitivo, ma se gli agenti eseguono il lavoro, chi si cura del flusso di lavoro umano?” ha dichiarato Saper durante l’intervista con TechCrunch.
Inoltre, Saper ha evidenziato che le integrazioni stanno diventando meno popolari, specialmente ora che il protocollo di contesto del modello di Anthropic (MCP) semplifica notevolmente la connessione dei modelli AI a dati e sistemi esterni. In questo modo, non è più necessario scaricare molteplici integrazioni o costruire integrazioni personalizzate; si può semplicemente utilizzare il MCP.
“Essere il connettore era un vantaggio competitiv,” ha affermato Saper. “Presto diventerà una semplice utility.”
Abdirahman ha anche osservato che strumenti di automazione dei flussi di lavoro e gestione dei compiti, che prima erano essenziali per coordinare il lavoro umano, stanno diventando non più necessari man mano che gli agenti iniziano a svolgere i compiti automaticamente, portando a un aumento della competizione tra le startup AI.
Ryabenky ha notato che le aziende SaaS che stanno facendo fatica a raccogliere capitali sono quelle facilmente replicabili. “Strumenti di produttività generici, software di gestione progetti, cloni di CRM di base e wrapper di AI leggeri costruiti su API esistenti rientrano in questa categoria,” ha spiegato Ryabenky. “Se il prodotto è per lo più uno strato di interfaccia senza integrazione profonda, dati proprietari, o conoscenze di processo integrate, i team forti nel campo dell’AI possono ricostruirlo rapidamente. Questo è ciò che rende gli investitori cauti.”
In definitiva, ciò che continua ad attrarre gli investitori nel settore SaaS è la profondità e l’expertise, con strumenti integrati in flussi di lavoro critici. Le aziende dovrebbero attualmente concentrarsi sull’integrazione profonda dell’intelligenza artificiale nei propri prodotti e aggiornare il marketing per riflettere questa nuova direzione.
“Gli investitori stanno redistribuendo il capitale verso aziende che possiedono flussi di lavoro, dati e expertise di dominio,” ha dichiarato Ryabenky. “E si stanno allontanando da prodotti che possono essere copiati senza troppa difficoltà.”
Non perderti tutte le notizie di tecnologia su Blog.it