Análisis de Alphasense, el motor de búsqueda de información industrial en el que Alphabet invirtió 130 mil millones

Análisis de Alphasense, el motor de búsqueda de información industrial en el que Alphabet invirtió 130 mil millones

1. thesis
   ○ La investigación de negocios es una tarea central del trabajo moderno del conocimiento
   ○ En comparación, las herramientas que la apoyan no son lo suficientemente inteligentes (¡mucho trabajo repetitivo!)
   ○ Para resolver esto nació Alphasense, un motor de búsqueda especializado en investigación e inteligencia de negocios
   ○ Con una recaudación agresiva de capital, ha sido valorada en 3.2 billones de wones. ¿Podrá convertirse en el Google de la información industrial?

2. founding story
   ○ Jack Kokko, que trabajaba en Morgan Stanley, conoció a Raj Neervannan, quien cursaba un MBA en Wharton, y ambos conectaron fuertemente con las dificultades del proceso de investigación
   ○ Para resolverlo, fundaron Alphasense en 2011
   ○ Su GTM inicial fue con hedge funds (pequeños en escala, con gran poder de compra); después, mediante cold calls, captaron firmas financieras de Wall Street y lograron un rápido crecimiento

3. product
   -> problema: los motores de búsqueda tradicionales no ofrecen más que una lista de materiales y no entregan insights, además de mezclar información inexacta
   -> solución: filtrar solo información confiable y, sobre esa base, ofrecer resultados de búsqueda. A partir de eso, amplió su propuesta a cuatro funciones clave: búsqueda, resumen, monitoreo y workflow
   ○ Búsqueda: desarrollo de un motor de búsqueda especializado en el dominio de información industrial y corporativa + creación de una base de datos altamente confiable acumulada durante años
   ○ Resumen: como extensión de la búsqueda, ofrece vistas previas para identificar temas y palabras clave principales
   ○ Monitoreo: al registrar temas de interés, envía alertas sobre novedades relacionadas
   ○ Workflow: un workspace donde se puede guardar, registrar y compartir lo descubierto

4. market
   ○ El perfil de cliente de la empresa está distribuido en múltiples mercados
   ○ Debido al conservadurismo de la industria financiera (donde seguridad y confianza son la prioridad), en vez de concentrarse por completo en la industria de datos financieros avanzó hacia otros verticales
   ○ Expandió su TAM hacia la industria de investigación de mercado, así como a encuestas y entrevistas con clientes
   ○ Al expandirse a otros verticales (p. ej., bio/farma), hoy los clientes no financieros representan el 75% del total

5. traction
   ○ Principales inversiones dentro de un total acumulado de 440 mil millones de wones
   ○ Ronda de extensión de Alphabet: valuación de 1.8B, 100M
   ○ Goldman Sachs, Wells Fargo, Morgan Stanley, Citi y otras firmas de Wall Street: 180M
   ○ Innovation Endeavors de Eric Schmidt: 50M
   ○ Algunas de sus empresas clientes también son inversionistas (p. ej., Google, Goldman Sachs)

6. business model
   ○ Como otros SaaS, genera ingresos a través de ARR y soluciones personalizadas
   ○ Se estima un cobro por usuario de entre $5000 y $7000
   ○ Podría alcanzar rentabilidad, pero por ahora aún no es rentable; se espera que después los costos se destinen a actualizar la base de datos y al entrenamiento de LLM

7. valuation
   ○ Su PSR es alto en comparación con empresas pares públicas y privadas (Factset 8, S&P Global 10, Bloomberg 5, Alphasense 12)
   ○ Para justificar su alta valuación, necesita expandirse con éxito a verticales no financieros y volverse indispensable para una base de usuarios más amplia. Para ello, aumenta la necesidad de usar GenAI/LLM de forma efectiva

8. competition
   ○ Servicios de datos financieros: Bloomberg, Refenitiv Eikon, S&P Capital IQ, FactSet
   ○ Startups B2B de motores de conocimiento con LLM: Hebbia, Glean
   ○ La empresa competirá expandiéndose del exterior de la empresa hacia el interior, mientras que las startups de motores de conocimiento con LLM competirán expandiéndose del interior hacia el exterior

9. key opportunities
   ○ Visión: el Google de la investigación de negocios. Más allá del enfoque de perseguir P, también podría ofrecer un servicio más masivo y ligero al perseguir Q
   ○ Es suficientemente sobria y tan rápida como se necesita (más de 10 años de trayectoria en finanzas + reacción ágil a la tendencia GenAI)
   ○ Expansión fuera de Norteamérica (APAC)
   ○ Atractiva oportunidad de exit (posibilidad de adquisición por parte de clientes que también son inversionistas)
   ○ GenAI/LLM (ofrece la oportunidad de captar atención mediática y financiamiento; luego habrá que pensar cómo crear valor para el cliente)

10. key risks
    ○ Competidores fuertes: existen fosos cualitativos en datos, capacidad técnica, reputación y gestión de clientes, pero en AI / búsqueda el foso tecnológico es débil
    ○ Pocos ICP (ideal customer profile): no es un producto que usará toda la empresa, y aunque los clientes de la empresa crezcan, eso no implica crecimiento en sus ingresos

11. conclusion
    ○ Alphasense podría convertirse en el Google de la información industrial; observemos de cerca cómo evolucionan su producto y estrategia, y cuánta riqueza logran crear