Para entonces, el titular será familiar para la mayoría de los lectores de Crunchbase News: El SaaS ha muerto.
El mercado cree que las empresas de software ya no pueden cobrar primas y prevé un crecimiento lento indefinido.
Hay dos razones. Primero, la IA impulsa una disminución de 10 veces en los costos de producción de software. Segundo, estas capacidades de IA permiten una gran ola de nuevos competidores, tanto startups financiadas por capital de riesgo como soluciones internas.
La reducción de los costos de producción de software y el aumento de la competencia, dicen, eliminarán el poder de fijación de precios del software. Las acciones públicas de software cotizaron con una caída del 20% este año hasta mediados de mayo, y por primera vez en la historia, el software cotiza con un descuento respecto al múltiplo promedio de ganancias del S&P500. El SaaS ha muerto.
Es cierto que la IA ha traído una disminución de costos y un aumento de la competencia. Pero no se sigue que el SaaS haya muerto. La reducción del costo de producir software no significa que los ingresos por software se reduzcan. De hecho, la historia sugiere lo contrario.
En ciertos casos, la eficiencia genera consumo. Esta es la lección de la Paradoja de Jevons. Funcionó para motores de carbón, funcionó para centros de datos y también funcionará para el software impulsado por IA.
La Paradoja de Jevons
Comencemos con el carbón. En la década de 1860 en Gran Bretaña, muchos estaban preocupados por agotar demasiado rápido los recursos de carbón del país. La sabiduría convencional decía que desarrollar motores más eficientes para quemar carbón haría que el carbón durara más tiempo.
Pero el economista William Stanley Jevons reconoció que motores más eficientes para quemar carbón provocarían un aumento en la demanda de energía de carbón, con el resultado de que los británicos consumirían su carbón más rápidamente, no menos.
Jevons tenía razón. Cuando una mayor eficiencia producía menores costos, también desbloqueaba una enorme nueva demanda. Esto consumía las reservas de carbón más rápido, no más despacio.
Hace veinticinco años, me uní a una firma de adquisiciones durante el colapso de las puntocom de 2001. Mi primer inversión fue en una empresa de centros de datos en problemas. Exodus Communication, que alcanzó un máximo de capitalización bursátil de 32.000 millones de dólares, luego pasó por bancarrota dos veces mientras la demanda de centros de datos seguía cayendo.
En 2004, recomendé que nuestra firma adquiriera ese negocio de centros de datos tras la segunda bancarrota por 200 millones de dólares y lo fusionara con un competidor llamado Savvis.
En ese momento, el mercado consideraba que los centros de datos eran una industria en declive. Las empresas puntocom retiraban bastidores de servidores de los sitios, y los pisos de los centros de datos se vaciaban. Los analistas de la industria pronosticaron que, dada la ley de Moore sobre el crecimiento exponencial de la capacidad de los chips y el aumento de la densidad de potencia de los servidores, un solo bastidor en 10 años ofrecería lo que 100 bastidores ofrecían en 2005, y que en 20 años, un bastidor ofrecería lo que 10.000 bastidores ofrecían en 2005. La sabiduría convencional decía que chips más eficientes requerirían menos espacio en los pisos de los centros de datos con el tiempo.
Nuestra tesis de que la demanda de espacio en los pisos de los centros de datos crecería no era una opinión popular en ese momento. Si 10.000 bastidores en 2005 serían reemplazados por solo un bastidor en 2025, ¿acaso Estados Unidos no tenía suficiente espacio en los pisos de los centros de datos ya?
IBM publicaba anuncios mostrando una sala llena de servidores reemplazada por un mainframe. Un miembro escéptico del comité de inversiones me dijo que este negocio había pasado por bancarrota dos veces en dos años, y que si pasaba por una tercera vez, yo debería ir con él.
Hoy en día, un solo bastidor puede ofrecer 20.000 veces la potencia de cómputo de los bastidores de 2005, y como todos saben, lejos de tener demasiado espacio en los pisos, no podemos construir nueva capacidad de centros de datos con suficiente rapidez. Se desbloqueó una demanda latente verdaderamente enorme de potencia de cómputo a medida que aumentaba la eficiencia de los bastidores. La historia de Savvis también terminó bien, vendida seis años después por 3.200 millones de dólares.
La Paradoja de Jevons fue cierta para el carbón, y fue cierta para los centros de datos. También será cierta para el trabajo de conocimiento respaldado por IA.
Trabajo de conocimiento y expansión del mercado
Hace veinticinco años, solo los ricos tenían acceso a asesoramiento personalizado en inversiones. En 1996, el Premio Nobel Bill Sharpe cofundó Financial Engines para llevar asesoramiento personalizado en inversiones a cualquiera con un 401(k).
Mi firma era inversora, y tuve el privilegio de trabajar estrechamente con la compañía. Al principio intentó vender asesoramiento sobre cómo invertir los fondos del 401(k), pero solo alrededor del 20% de los empleados estaban interesados en recibir asesoramiento y luego gestionar ellos mismos sus posiciones en el 401(k).
La innovación revolucionaria de Financial Engines fue gestionar directamente las posiciones del 401(k), no solo asesorar. Los empleados podían marcar una casilla: «hágalo por mí». La demanda de personas que antes no tenían acceso a este asesoramiento superó todas las expectativas y generó un gran beneficio. Recuerdo que uno de los primeros clientes fue JCPenney, cuyos decenas de miles de empleados con una edad promedio de 27 años tenían aproximadamente el 40% de sus fondos del 401(k) en efectivo, el 40% en acciones de JCPenney (que eventualmente se declararía en bancarrota en 2020) y el 20% en todo lo demás. Solo pasarlos a fondos mutuos sensatos y de bajo costo adecuados para su edad y otros objetivos financieros generó enormes beneficios.
Financial Engines pasó de cero a 169.000 millones de dólares en activos bajo gestión cuando fue adquirida en 2018 por 3.000 millones de dólares.
La compañía ofreció un servicio muy similar al que hoy llamaríamos IA agente. El cliente (un empleado con ahorros para la jubilación) delegaba una decisión (invertir mi dinero) a un sistema informático, y el empleado pagaba según el resultado (~50 puntos básicos sobre AUM).
Ciertamente, la tecnología para ofrecer esto era bastante diferente, y esta era una aplicación muy limitada. La lección permanece: el software permitió una eficiencia masiva en la entrega de trabajo de conocimiento (en este caso, asesoramiento individual en inversiones) y apareció un enorme mercado latente dispuesto a comprar el servicio.
El fin del racionamiento del trabajo de conocimiento
La mayor eficiencia de costos de la IA, al igual que la mayor eficiencia de costos de los algoritmos de Financial Engines, permite que la demanda aumente porque relaja una restricción de oferta en el trabajo de conocimiento.
A lo largo de la historia humana, incluso hasta hoy, el trabajo de conocimiento siempre ha estado racionado porque está limitado por la oferta.
Los trabajadores del conocimiento requieren años de educación y formación, tienden a querer vivir en lugares de alto costo, con el tiempo quieren trabajar solo en ciertos tipos de problemas que les resultan interesantes y necesitan mucha gestión para llevarse bien. Por eso les pagamos salarios tan altos y hacemos todo lo posible para que sean más productivos.
El software empresarial es una herramienta para hacer más productivos a los trabajadores del conocimiento. El mercado total de software empresarial en EE.UU. está en el orden de 0,5 billones de dólares al año, según Gartner. El mercado estadounidense para el trabajo de conocimiento, es decir, la cantidad pagada a los 100 millones de trabajadores del conocimiento en este país, es de aproximadamente 10 billones de dólares, según cifras de la Oficina de Estadísticas Laborales de EE.UU. Actualmente, gastamos alrededor del 5% del costo de los trabajadores del conocimiento en herramientas de software para ayudarlos.
La IA permite que las empresas de software no solo vendan herramientas a los trabajadores del conocimiento, sino que empiecen a vender los resultados del propio trabajo de conocimiento, como he escrito en artículos anteriores de Crunchbase.
Unamos ambas cosas: una compresión de costos del 90% en el desarrollo de software más la capacidad de vender el trabajo de conocimiento. Sabemos que existe una enorme demanda latente de trabajo de conocimiento, si solo no fuera tan cara y difícil de acceder.
Por primera vez, millones de personas y empresas que nunca han tenido acceso a un estratega, un analista, un abogado o un asesor financiero están a punto de obtenerlo.
El software está lejos de estar muerto. El aumento de eficiencia que ofrece la IA permitirá que haga mucho más por menos, y al igual que un motor de carbón o un centro de datos más eficientes, esto desbloqueará una enorme demanda latente de trabajo de conocimiento.
En última instancia, esto aumentará los ingresos y la fortaleza de las empresas de software que utilizan IA para mejorar aún más la productividad de los trabajadores del conocimiento o entregar directamente los resultados del trabajo de conocimiento. El trabajo del software hoy es resolver el problema de entregar esto de manera segura y confiable.
No fue tarea sencilla para la industria aprender a manejar a los trabajadores del conocimiento que son humanos, y será igual de grande aprender a manejar a aquellos que son trabajadores del conocimiento mecánicos. Ese es el desafío.
Pero recuerde que hoy el mercado del trabajo de conocimiento es 20 veces más grande que el mercado del software. La magnitud del premio para las empresas de software es desbloquear la demanda latente de trabajo de conocimiento que, si la historia es alguna guía, eclipsará al mercado actual de software.
El mercado hoy teme que la eficiencia que ofrece la IA reduzca la industria del software. Justamente lo contrario es cierto. La IA desbloqueará una enorme demanda latente de trabajo de conocimiento, y el mercado de software explotará. Larga vida al software.
Bob Morse cofundó Strattam Capital en 2014 y es socio gerente. Ha formado parte de numerosas juntas directivas de empresas tecnológicas privadas y públicas, y actualmente es director de CloudHesive, Contegix, Daxtra Technologies, Green Security, Resource Navigation y Trax Group. Anteriormente, fue socio y miembro del comité de inversiones en Oak Hill Capital Partners. También trabajó en GCC Investments y Morgan Stanley. Morse forma parte de la junta directiva de Austin PBS y es miembro del consejo asesor del Centro HMTF para Finanzas de Capital Privado en The University of Texas at Austin McCombs School of Business. Asistió a Princeton University, graduándose summa cum laude con un BSE, y a Stanford Graduate School of Business, donde obtuvo su MBA y fue becario Arjay Miller. Morse vive en Austin.
Leer también:
- No solo hable de IA. Mida los resultados empresariales. Así es cómo.
- El auge del ejecutivo de IA
- De la invención a la innovación: Entendiendo el momento de la IA
Ilustración: Li-Anne Dias
