Manual de estrategia de IA vertical

 (research.contrary.com)
16 puntos por GN⁺ 2025-09-22 | Aún no hay comentarios. | Compartir por WhatsApp

Resumen accionable

  • La desigualdad en la adopción de IA provocó la cancelación del 42% de las iniciativas empresariales de IA en 2024; el problema de fondo no está en el modelo, sino en cómo se integra en el negocio
    • Los ganadores no se limitan a ofrecer un copilot, sino que optan por el rediseño de flujos de trabajo y el replanteamiento de la estructura organizacional; en algunos casos, incluso por poseer la capa de servicio donde se crea el valor
  • Los precedentes históricos muestran el efecto compuesto de una asignación disciplinada de capital y un M&A repetible
    • Los casos de Waste Management, United Rentals y Constellation Software muestran que la elección de la estructura, orientada a maximizar el rendimiento de cada dólar y cada hora, determina el desempeño de largo plazo
  • El SaaS vertical compitió mediante la digitalización de flujos de trabajo por industria, pero la IA generativa se expande desde la gestión de registros hasta la fase de ejecución, haciendo posible realizar el trabajo en sí
    • Como resultado, no solo absorbe presupuesto de software, sino también parte del gasto laboral, lo que provoca una expansión del mercado total direccionable (TAM)
  • Así como las empresas de adquisiciones del pasado eligieron entre operación centralizada vs. descentralizada, los fundadores de IA de hoy también enfrentan una decisión estructural entre vender herramientas y poseer la capa operativa
    • Ambos caminos tienen implicaciones distintas en intensidad de capital, estructura de distribución y defensibilidad
  • Para crear una startup de IA vertical se necesitan mapeo de flujos de trabajo, ejecución de pilotos dirigidos, pruebas de escalabilidad de la distribución y alineación del modelo con capital y talento
    • En lugar de prescribir una única respuesta, ofrece un proceso de toma de decisiones repetible adaptado a los cambios en el comportamiento del cliente y en las condiciones del mercado
  • El CEO de la próxima generación desempeña un papel más cercano al de un asignador de capital que al de un tecnólogo
    • El reto y la oportunidad están en diseñar una estructura de propiedad que trate a la IA no como una función (feature) sino como una clase laboral, y que, con la disciplina de una empresa de adquisiciones en cadena, convierta los pilotos en un motor compuesto de flujo de caja

# El terreno

# Lecciones de la historia

Riquezas en los nichos

Entran los VC

# IA y la pila vertical

  • En la década de 1990, con la aparición del SaaS, se hizo posible ofrecer herramientas clave de negocio a través de internet
    • Salesforce se fundó en 1999 y ofreció CRM como SaaS basado en navegador, introduciendo la innovación de actualizaciones automáticas, bajo costo inicial y eliminación de la carga de TI
    • Esto cambió de forma fundamental la manera de comprar y vender software, y se expandió a casi todas las categorías
  • Después, los fundadores reconocieron que no todas las empresas tienen problemas en común
    • Según la industria, cambian los flujos de trabajo, las regulaciones y las expectativas de los clientes
    • El SaaS vertical está profundamente integrado en la lógica y el lenguaje de una industria específica, lo que permitió que cientos de herramientas especializadas crecieran en mercados pequeños
    • Sin embargo, estos mercados pequeños tienen menor atractivo para la inversión de VC, por lo que era difícil captar capital inicial
  • Las trayectorias de crecimiento de los fundadores de SaaS vertical fueron diversas
    • Algunos se vendieron a Constellation o a firmas de PE y siguieron creciendo a largo plazo
    • Otros evolucionaron de forma independiente hasta convertirse en la columna vertebral digital de su industria mediante inversión en producto y expansión del flujo de trabajo
    • Ejemplos:
      • ServiceTitan → infraestructura operativa para HVAC, plomería y electricidad
      • Toast → comenzó con POS para restaurantes y se expandió a nómina, pagos, inventario y préstamos
      • Mindbody → reservas, membresías y gestión de clientes para estudios de wellness
      • Shopify → stack de comercio electrónico todo en uno para comerciantes independientes
      • Procore → estándar del software de gestión de proyectos de construcción
      • Epic Systems → poderoso ecosistema de EMR que abarca a los principales hospitales de EE. UU.
  • Todos ellos comenzaron en nichos estrechos y se expandieron gradualmente hacia finanzas, infraestructura y marketplaces
    • Un SaaS vertical bien ejecutado puede crecer no como una herramienta pasajera, sino como un negocio base sostenible
  • En su informe anual de 2024, Stripe analizó que el auge de nuevas startups está vinculado a la expansión del SaaS vertical
    • Ejemplo: en EE. UU., las pizzerías disminuyeron entre 2005 y 2017, pero la tendencia se revirtió con la aparición de herramientas SaaS como Slice → aumento de locales independientes frente a las franquicias
  • El SaaS ofrece a los negocios independientes infraestructura al nivel de una franquicia mientras garantiza autonomía
    • En palabras de Stripe:
      • “El 60% de las pequeñas y medianas empresas en Estados Unidos usa SaaS vertical”
      • Ejemplos: SingleOps(manejo de árboles), Traxero(remolque), Transformity(tiendas de licores), Moxie(med spa), Clio(servicios legales), Skimmer(mantenimiento de piscinas), Planning Center·Tithe.ly(iglesias), Shulware(sinagogas), Procede(concesionarios de camiones), Meadow Memorials·Tribute Technology(servicios funerarios), entre otros

Qué cambia con la IA

  • En noviembre de 2022, OpenAI lanzó ChatGPT, y en apenas dos meses superó los 100 millones de usuarios, convirtiéndose en el software de más rápido crecimiento de la historia
    • Al principio se consideró un chatbot, pero pronto quedó claro que los LLM podían usarse como una interfaz de trabajo cognitivo de propósito general
  • Este lanzamiento desató una experimentación generalizada en toda la industria del software, y muchas empresas B2B revisaron su estrategia de producto para empezar a integrar IA generativa
    • Algunas integraron modelos de OpenAI en funciones existentes, mientras que otras desarrollaron productos totalmente nuevos basados en IA
  • El SaaS tradicional digitalizó flujos de trabajo y estructuró y llevó a la nube procesos basados en papel
    • CRM, ERP y otros sistemas estandarizaron datos, fortalecieron la colaboración y habilitaron la trazabilidad
    • Ahora los LLM se extienden más allá de registrar y organizar trabajo para pasar también a ejecutarlo
  • Este cambio tiene grandes implicaciones para las industrias verticales
    • Los reclamos de seguros, la intermediación de carga y la facturación médica, entre otros, han sido históricamente intensivos en mano de obra y con baja penetración de software
    • Ahora la IA puede absorber incluso parte del costo laboral mediante la automatización de la ejecución, no solo de la gestión de registros, ampliando el TAM
  • Caso representativo: en junio de 2023, Thomson Reuters adquirió Casetext por 650 millones de dólares
  • Si esto se extiende a toda la industria, el tamaño del mercado crecerá con rapidez

Inteligencia desplegada

  • La inversión en IA se está disparando, pero el valor solo se materializa cuando la tecnología se integra en las operaciones cotidianas
    • La limitación no es desarrollar modelos más grandes, sino incrustarlos en flujos de trabajo reales
    • Esto exige un enfoque distinto al despliegue tradicional de SaaS
  • El SaaS tradicional se integra con onboarding, capacitación y configuración, pero la IA a menudo requiere reescribir flujos de trabajo y experimentación iterativa con usuarios
    • Desde sus inicios, Palantir envió ingenieros de despliegue en sitio a los clientes para observar operaciones, abstraerlas y convertirlas en lógica reutilizable
    • El costo inicial fue alto, pero eso terminó fortaleciendo la capacidad defensiva y la integración operativa
  • Conviene entender la IA como una nueva clase laboral
    • No se trata solo de comprar software, sino de contratar IA, entrenarla, monitorearla y ajustar los flujos de trabajo en torno a ella
    • El éxito depende menos de la calidad del modelo que de cómo se despliega, y son clave el diseño de interfaces, la alineación de la lógica de decisión y la integración operativa
  • Según el Ramp 2025 AI Index, 72% de las empresas tecnológicas tienen suscripciones pagadas, mientras que en construcción la cifra es 28%, y en hotelería y servicios de alimentos apenas 22%
    • El uso de IA está aumentando, pero no está claro si eso se traduce en mejoras reales de margen
  • La mayoría de las empresas no tecnológicas no están preparadas para desplegar IA de forma efectiva
    • El despliegue de IA requiere ingeniería, diseño de producto, conocimiento de dominio y gestión del cambio
    • Muchas empresas esperan que la IA funcione como SaaS, pero la IA exige operación probabilística, aprendizaje por retroalimentación y ajuste iterativo
  • Esta brecha vuelve a reforzar la validez del modelo de integración vertical
    • En la década de 2010, las empresas full-stack batallaron con servicios de bajo margen, pero a medida que los agentes de IA realizan más trabajo, la dependencia de personal disminuye y los márgenes mejoran
    • En su RFS de 2025, Y Combinator planteó: “Podrías vender agentes de IA a bufetes de abogados, pero también podrías fundar directamente un bufete impulsado por IA y competir”

Dos caminos para capturar el margen de la IA en la vertical X

  • A medida que la IA reconfigura los flujos de trabajo de las industrias tradicionales, los fundadores se enfrentan a dos opciones sobre cómo capturar el margen generado por la automatización
    • Vender software al operador existente, o
    • Operar o adquirir directamente al propio operador
      Camino 1: Vender software al operador
  • Similar al modelo tradicional de SaaS, pero consiste en desarrollar copilotos, capas de automatización y herramientas basadas en agentes para implementarlas en operadores ya existentes
    • Las herramientas de mejora de rendimiento adaptadas a flujos de trabajo existentes tienen alta aceptación, por lo que la velocidad de ejecución y escalamiento es rápida
    • Sin embargo, esto parte de la premisa de que el cliente puede adoptar, operar, capacitar y gestionar excepciones del software de forma efectiva internamente
  • En la práctica, la dificultad de despliegue es una limitante importante
  • En lugar de limitarse a vender software, este enfoque consiste en construir o adquirir directamente a un proveedor de servicios y operarlo
    • Elimina la dependencia de la integración del cliente e internaliza la IA
    • La implementación es más lenta, intensiva en operaciones y exige más capital inicial, pero promete mayor control y captura de margen
  • Al poseer la capa de servicio, se pueden instalar las herramientas directamente y rediseñar los flujos de trabajo sin tener que convencer al cliente
    • Se pueden medir los efectos con precisión e iterar rápido sin esperar feedback del cliente
    • Como resultado, se logra mayor defensibilidad y una mejor alineación entre tecnología y servicio
  • En última instancia, en la era de la IA, ambas rutas obligan a reconsiderar el playbook tradicional de venture
    • Será necesario redefinir el modelo de comercialización, la estructura organizacional e incluso la forma de propiedad

# Casos de estudio

  • En las industrias tradicionales, los modelos de despliegue de IA convergen en tres enfoques: (1) vender al cliente, (2) adquirir operadores existentes, y (3) construir una empresa nativa de IA full-stack

    • Una empresa puede comenzar con un modelo y cambiar a otro durante su expansión, y la solución adecuada varía según la estructura de la industria, la durabilidad del producto y la capacidad de ejecución del equipo

  • Real Estate

    • EliseAI: plataforma de automatización para administradoras de alquiler residencial, que adopta un modelo de venta de software al integrar su suite de agentes conversacionales con el PMS del cliente para gestionar reservas de recorridos, consultas de inquilinos y solicitudes de mantenimiento
    • Metropolis: con el objetivo de incorporar infraestructura inteligente en la industria del estacionamiento, comenzó desde una app y materializó entradas y salidas sin contacto usando IA y visión por computadora
      • En ventas B2B experimentó estancamiento comercial por contratos de arrendamiento y operación de largo plazo, y cambió a una estrategia de adquisición de operadores
      • Tras asegurar 600 estacionamientos con la adquisición de Premier Parking en 2022, desplegó su tecnología, y en 2023 recaudó $1.7B para adquirir SP Plus por $1.5B
    • Wander: operador impulsado por tecnología que pasó de la integración vertical a una operación asset-light en alquileres vacacionales premium
      • Al principio poseía y operaba activos como REIT, pero con el alza de tasas y el colapso de la línea financiera de CS cerró ese REIT; luego pasó a los modelos Wander Operated y Wander Branded para ampliar la operación sin propiedad, y en mayo de 2025 alcanzó más de 1K viviendas adoptadas
    • Long Lake: plataforma de roll-up de servicios fundada en 2024 que comenzó con administradoras de HOA y promueve el retrofit de herramientas de IA con base en casos de 30% de mejora en productividad
    • Implicación: en real estate, la clave no es superponer herramientas, sino rediseñar la operación misma; EliseAI depende de la capacidad de change management del cliente, mientras que Metropolis, Wander y Long Lake ejecutan directamente el cambio al poseer la capa operativa

  • Accounting

    • Basis: fundada en Nueva York en 2023, sigue un modelo de venta de software que amplía y automatiza flujos de trabajo contables con un equipo virtual basado en agentes
    • Crete: roll-up de plataforma contable lanzado en 2023 que integra por M&A firmas contables regionales y les proporciona infraestructura común
      • En dos años creció hasta más de $300M en ingresos y 900 personas, realizó más de 20 adquisiciones y anunció un plan de $500M adicionales en compras
      • Desarrolla herramientas internas de IA junto con OpenAI y el equipo de ingeniería de Thrive para apoyar pruebas de auditoría, redacción de memorandos y mapeo de datos
    • Multiplier: fundada en 2022, comenzó en software fiscal, pero pivoteó hacia la incorporación de IA tras adquirir firmas
      • En su primera adquisición, Citrine International Tax, demostró que automatizar el núcleo fiscal y de compliance permitía duplicar el margen y expandir la capacidad de servicio
    • Implicación: en contabilidad, el mayor impacto no viene de agregar herramientas, sino del rediseño operativo; Basis lo logra con equipos digitalizados, mientras que Crete y Multiplier aseguran resultados al internalizar propiedad y operación

  • Legal Services

    • Harvey: plataforma legal de IA para bufetes e in-house que combina revisión y redacción de contratos, due diligence e investigación con LLM especializados por dominio
      • Opera dentro de los flujos de trabajo existentes, ofrece resaltado de puntos de riesgo y generación de borradores, y alcanzó más de 300 clientes y $100M+ de ARR en julio de 2025
    • Eudia: plataforma AI + roll-up para equipos legales in-house incubada por General Catalyst
      • En febrero de 2025 estructuró una ronda de $105M en la que $75M estaban condicionados a adquisiciones estructura, y en julio adquirió Johnson Hana (300 personas)
      • Combina una capa de conocimiento + agentes para internalizar tareas repetitivas como compliance, contratos y riesgo

  • Implicación: la esencia de los servicios legales es la confianza, relación y criterio centrados en expertos, y el caso de Casetext muestra la eficiencia en tareas rutinarias

    • Como muestra el caso de Atrium, en áreas de baja frecuencia y alta dificultad la clave es captar y retener abogados de primer nivel, y la tecnología cumple un papel de apoyo

  • Asesoría de inversión

    • OffDeal: un banco de inversión AI-native enfocado en M&A del lower middle market, que reconfigura un segmento que las grandes firmas suelen pasar por alto
      • Con un modelo de pod de 2 personas, la IA apoya la búsqueda de compradores, benchmarking y redacción de pitches, diseñado para que los perfiles junior se concentren en criterio y gestión de relaciones
    • Inven: plataforma para automatizar la etapa inicial de sourcing de profesionales de inversión, que extrae y analiza datos con un pipeline de LLM desde millones de fuentes para apoyar el descubrimiento de objetivos privados
    • Implicación: Inven logra eficiencia mediante la inteligencia aplicada a research y sourcing, y OffDeal mediante una transformación del propio diseño organizacional
      • Incluso en grandes IB ya existen herramientas, pero su uso se ve limitado por cuellos de botella jerárquicos y de incentivos; esto demuestra que un nuevo diseño organizacional es lo que genera eficiencia real

  • Contact centers

    • Replicant: plataforma de automatización de call centers que procesa consultas repetitivas con voz e IA conversacional, y gestiona decenas de millones de llamadas al mes con clientes enterprise
      • Como producto de uso general que acumula datos conversacionales de múltiples industrias, ofrece control y personalización a clientes que quieren operarlo por cuenta propia
    • Crescendo: un operador BPO AI-native lanzado por General Catalyst, con un modelo híbrido de construcción de herramientas propias + propiedad y operación de call centers
      • En 2024 adquirió PartnerHero, y en mayo de 2025 se mencionó una escala de ingresos de $90M
      • Su objetivo es internalizar todas las capas, desde la automatización de solicitudes hasta el rediseño de la interacción entre agentes y clientes
    • Implicación: si se busca operar internamente, el control y la personalización de Replicant encajan mejor; si se busca un modelo totalmente gestionado y orientado a resultados, Crescendo es más adecuado. Ambos reconfiguran con IA un stack tradicional fragmentado y centrado en trabajo manual

The Playbook

  • En medio del impacto desigual de la IA, fundadores e inversionistas deben elegir estructuras que conviertan la tecnología en flujo de caja tangible. Considerando la realidad de que el 42% de los pilotos de IA generativa de 2024 fueron cancelados sin resultados, hace falta una mentalidad de asignar capital, como muestra The Outsiders de William Thorndike, donde el rendimiento ajustado por riesgo de cada dólar adicional sea mayor
  • El SaaS tradicional tiende a invertir los recursos incrementales en personal y marketing, pero los roll-ups con IA tienen una caja de herramientas más amplia. Aun así, mapear flujos de trabajo y refinar modelos no basta; en qué se gasta cada dólar u hora adicional determina si el valor realmente se materializa
  • Tres modelos de entrada en los negocios modernos de IA: (1) licenciar software y dejar la operación al cliente, (2) comprar activos existentes (empresas operativas) para insertar tecnología y reinvertir el efectivo, (3) operar directamente en modo full-stack (código, capital y operación diaria bajo un mismo techo)
  • En la práctica, las combinaciones y pivotes son frecuentes, por lo que el playbook de abajo propone una línea base: identificar ineficiencias → validar el impacto de la IA → elegir inicialmente entre vender, comprar o construir de forma directa

  • I. Map The Ontology

    • Propuesta al estilo Palantir: primero diagramar la ontología del negocio actual (objetos, estados y transiciones)
      • Ese grafo revela las transiciones que absorben en exceso tiempo, personal y capital, y aclara el alcance de mejora y los JTBD
      • El principio de Palantir de modelar todas las etapas antes de programar ofrece un mapa preciso que ayuda a definir prioridades de I+D y la alineación con inversionistas

  • II. Define The Terrain

    • Una vez expuesta la ineficiencia, hay que revisar la estructura del mercado para ver si existe recompensa por controlar el P&L completo

  • III. Prove, Then Buy

    • Antes de usar apalancamiento, hay que probar la validez del modelo con métricas del mundo real
      • La forma más barata: un piloto en el sitio del cliente y un experimento controlado que conecte componentes de IA ya existentes
      • Slow Ventures enfatiza que la creación de valor debe venir antes que el M&A: solo después de confirmar que el producto genera valor contundente se debe comprar (“Build → then Buy”)

  • IV. Test The Distribution Wedge

    • Si las ventas SaaS son lentas o costosas por contratos largos, bajo uso o un onboarding pesado, puede resultar más barato comprar una empresa que ya tenga la relación
      • En mercados como bienes raíces / operación de activos, donde cambiar de proveedor solo es posible en el momento de renovación, adquirir al incumbent actual reduce el CAC y convierte la inercia en un foso defensivo
      • Ese fue el caso típico de Metropolis, que sufrió un cuello de botella en ventas B2B y lo resolvió con las adquisiciones consecutivas de Premier Parking y SP Plus

  • V. Match Capital & Talent To The Path

    • Adquirir una empresa operativa u operar directamente exige, además de construir producto, dos capacidades adicionales: M&A y operación diaria
      • Hay que poder manejar estructuración de deuda, playbooks de integración y un presupuesto de HQ austero, y contar con la fortaleza de capital para cumplir los covenants sin sobresaltos
      • El apalancamiento excesivo puede asfixiar el flujo de caja, como mostró el caso de Thrasio (proceso de quiebra)
      • Si el equipo y el capital aún no están a ese nivel, mantener una estrategia asset-light es una decisión razonable

Blurring The Lines

  • La IA permite expandir márgenes, pero la escala y la velocidad dependen del modelo de entrada
    • Con el tiempo, las fronteras entre SaaS vertical, roll-up y full-stack se irán difuminando, pero el orden de preguntas para decidir “dónde jugar” sigue siendo el camino más económico
  • Tres desafíos que enfrentan los tecnólogos al pasar a negocios centrados en la operación:
    1. La dificultad de mejorar operaciones: con herramientas de IA todavía inmaduras, lograr eficiencia real exige no solo integrar modelos, sino una reingeniería rigurosa de procesos
    2. La importancia de la disciplina de precios: el éxito histórico de los roll-ups se basó en comprar con múltiplos bajos de EBITDA → vender con múltiplos altos. Aunque haya IA de por medio, no se puede escapar de la disciplina de valuación; si se compra caro, la expansión de margen se derrumba
    3. Capacidades escasas para deals e integración: las adquisiciones y la gestión de deuda requieren un playbook más cercano al private equity. La mayoría de los roll-ups con IA necesitarán equipos mixtos de operadores, deal leads y tecnólogos que equilibren velocidad y riesgo
  • Hoy estamos en una etapa temprana del ciclo de integración, por lo que muchas empresas experimentarán con estructuras híbridas
    • A medida que cambien la tecnología, el costo del capital y el comportamiento del cliente, también habrá casos en que el modelo inicial deje de encajar
    • Los equipos con capacidad para hacer coincidir herramientas, estructura y mercado, y al mismo tiempo con la disciplina para retirarse cuando no encaje, serán los que logren mejores resultados

> “Soy mejor empresario porque soy inversionista, y mejor inversionista porque soy empresario.” — Warren Buffett

Lecturas relacionadas

Aún no hay comentarios.

Aún no hay comentarios.