风险投资家们自信已经找到了下一个重要的投资优势：利用人工智能，在传统上劳动密集型的服务业务中榨取类似软件行业的利润。该策略包括收购成熟的专业服务公司，实施人工智能以自动化任务，然后利用改善的现金流来整合更多公司。
General Catalyst（GC）走在这一趋势的前沿，该机构已从其最新募集的资金中拨出15亿美元用于其所谓的“创造”策略。该策略专注于在特定垂直领域孵化人工智能原生的软件公司，然后利用这些公司作为收购工具，收购同行业中成熟的公司及其客户。GC已在从法律服务到IT管理在内的七个行业进行了布局，并计划将覆盖范围扩大到总共多达20个行业。
“全球服务业的年收入高达16万亿美元，”负责GC相关工作的马克·巴尔加瓦（Marc Bhargava）最近接受TechCrunch采访时表示。“相比之下，全球软件行业仅为1万亿美元，”他指出，并补充说软件投资一直以来吸引人的地方在于其更高的利润率。“当软件达到规模时，边际成本非常低，而边际收入却非常可观。”
他说，如果你也能将服务业务自动化——用人工智能处理这些公司30%到50%的工作，甚至在呼叫中心这类业务中自动化高达70%的核心任务——那么这笔账就开始显得极具诱惑力。
目前看来，这个策略正在奏效。以GC的投资组合公司Titan MSP为例。该投资公司分两批提供了7400万美元，帮助该公司为托管服务提供商开发人工智能工具，随后它收购了知名的IT服务公司RFA。巴尔加瓦称，通过试点项目，Titan证明其可以将典型托管服务提供商任务的38%自动化。该公司现在计划利用其改善后的利润率，通过经典的整合策略收购更多的托管服务提供商。
同样，该公司孵化了专注于企业内部法律部门而非律师事务所的Eudia。Eudia已与包括雪佛龙（Chevron）、西南航空（Southwest Airlines）和Stripe在内的《财富》100强企业客户签约，提供由人工智能驱动、按固定费用而非传统按小时计费的法律服务。该公司最近收购了替代性法律服务提供商Johnson Hanna，以扩大其业务范围。
巴尔加瓦解释说，GC的目标是将其收购的这些公司的EBITDA利润率至少提高一倍。
这家实力雄厚的公司并非唯一持此想法的机构。风险投资公司Mayfield已专门拨出1亿美元用于“人工智能同事”领域的投资，其中包括IT咨询初创公司Gruve。据其创始人称，Gruve收购了一家价值500万美元的安全咨询公司，并在六个月内将其收入增长至1500万美元，同时实现了80%的毛利率。
“如果80%的工作将由人工智能完成，那么它就能实现80%到90%的毛利率，”梅菲尔德董事总经理纳文·查达（Navin Chaddha）今年夏天告诉TechCrunch。“你可以实现60%到70%的综合毛利率，并产生20%到30%的净收入。”
独立投资者埃拉德·吉尔（Elad Gil）三年来一直在推行类似的策略，支持那些收购成熟企业并用人工智能对其进行改造的公司。“如果你拥有这项资产，你可以比仅仅作为供应商销售软件更快地完成转型，”吉尔在今年春天接受TechCrunch采访时表示。
但早期的警示信号表明，这整个服务行业的转型可能比风险投资家们预期的更为复杂。斯坦福社交媒体实验室和BetterUp Labs的研究人员最近进行的一项研究调查了跨行业的1150名全职员工，发现其中40%的员工因研究人员所谓的“工作糟粕”而不得不承担更多工作——“工作糟粕”指那些看起来光鲜但缺乏实质内容、由人工智能生成的工作，这给同事创造了更多工作和麻烦。
这种趋势正在对这些组织造成损害。参与调查的员工表示，他们平均要花费近两个小时来处理每一例“工作糟粕”，包括首先要解读它，然后决定是否将其发回，而且很多时候只能自己动手修正。
基于参与者对花费时间的估计以及他们自我报告的工资，该调查的作者估计，“工作糟粕”带来了每人每月186美元的隐形税。“对于一个拥有1万名员工的组织，考虑到‘工作糟粕’的预估普遍程度……这每年会导致超过900万美元的生产力损失，”他们在一篇新的《哈佛商业评论》文章中写道。
巴尔加瓦反驳了人工智能被过度炒作的说法，他认为所有这些实施失败实际上验证了GC的方法。“我认为这恰恰显示了机会所在，即，将人工智能技术应用于这些企业并非易事，”他说。“如果所有《财富》100强企业和所有这些人只需引入一家咨询公司，套用一些人工智能技术，与OpenAI签个合同，就能改造他们的业务，那么显然我们的论点就会显得不那么有说服力。但现实是，用人工智能改造一家公司真的非常困难。”
他指出，人工智能所需的技术复杂性是最关键却缺失的一环。“有很多不同的技术。它们各有所长，”他说。“你确实需要那些来自像Rippling、Ramp、Figma和Scale这样的地方的应用人工智能工程师，他们接触过不同的模型，理解它们的细微差别，知道哪些模型擅长什么，懂得如何将其封装在软件中。”他认为，这种复杂性正是GC将人工智能专家与行业专家配对、从头开始构建公司的策略有意义的原因所在。
尽管如此，不可否认的是，“工作糟粕”在某种程度上可能威胁到该策略的核心经济逻辑。即使创建了一家控股公司作为起点，如果被收购的公司按照人工智能效率论所预期的那样裁员，那么他们将没有足够的人手来发现和纠正人工智能产生的错误。如果这些公司维持现有的人员配置水平来处理有问题的人工智能输出所产生的额外工作，那么风险投资家们所指望的巨大利润率增长可能永远无法实现。
可以说，这些情况或许应该放缓那些对风险投资整合策略至关重要、并且可能削弱这些交易对他们吸引力的数据的扩张计划。但让我们面对现实；要想让大多数硅谷投资者放缓脚步，仅靠一两项研究是远远不够的。
事实上，GC表示，由于其“创造策略”公司通常收购的是具有现有现金流的企业，它们已经实现盈利——这与传统风险投资支持高增长、烧钱初创公司的玩法形成了显著区别。对于风险投资公司背后的有限合伙人来说，这可能也是一个受欢迎的变化，他们多年来一直为那些从未实现盈利的公司提供资金支持。
“只要人工智能技术持续改进，并且我们看到模型得到大量投资和改进，”巴尔加瓦说，“我认为将会有越来越多的行业等待我们去帮助孵化公司。”
