創投低估人工智慧服務轉型挑戰

風險投資者認為他們發現了下一個重大投資優勢：利用人工智慧從傳統勞動密集型服務業中實現軟體般的利潤率。其策略包括收購成熟的專業服務公司，部署人工智慧自動化營運流程，再運用由此提升的現金流採取整合收購策略，持續併購其他企業。

開創此風潮的先驅是通用催化劑（General Catalyst，GC），該公司從最新基金中撥出15億美元投入「創建」策略。 該計劃聚焦於特定領域內培育原生AI軟體公司，再以這些企業為平台，收購同業中根基穩固的企業及其客戶群。GC已進軍法律服務與IT管理等七大領域，目標最終拓展至多達20個不同產業。

「全球服務業年營收達16兆美元，」GC相關計畫負責人馬克·巴爾加瓦近期接受TechCrunch訪問時指出。「相較之下，全球軟體市場僅有1兆美元規模。」他強調軟體的吸引力始終在於其優異的利潤率：「當軟體規模擴大時，邊際成本微乎其微，邊際收益卻相當可觀。」

他進一步闡釋，若能以類比方式自動化服務業——透過人工智慧處理30%至50%的營運業務，並在呼叫中心等領域實現核心任務70%的自動化——其財務前景將極具吸引力。

此策略已初見成效。以GC投資組合公司Titan MSP為例，該投資機構分兩輪注資7400萬美元協助開發管理服務供應商專用AI工具，隨後收購知名IT服務商RFA。巴爾加瓦透露，透過試點計劃，Titan已實現38%標準MSP任務自動化。該公司現擬運用提升的利潤率，以經典產業整合策略收購更多MSP企業。

與此同時，該公司孵化的Eudia專注服務企業法務部門而非律師事務所。Eudia已成功吸引雪佛龍、西南航空及Stripe等《財富》百強企業客戶，以AI驅動的固定費用法律服務取代傳統按小時計費模式。該公司近期收購替代性法律服務供應商Johnson Hanna，進一步擴展市場版圖。

巴爾加瓦明確表示，GC的收購目標是將被收購企業的EBITDA利潤率至少提升一倍。

加入 Disrupt 2025 大會，與 10,000+ 科技與創投領袖共創成長契機

Netflix、Box、a16z、ElevenLabs、Wayve、紅杉資本、Elad Gil——逾250位頂尖人物將主持200多場專題講座，提供驅動新創成長的洞見與競爭優勢。 TechCrunch二十週年盛典不容錯過，把握向科技界頂尖思想家學習的良機。開門前搶購門票，最高可省444美元。

加入 Disrupt 2025，與 10,000+ 科技與創投領袖共創成長契機、拓展人脈網絡

Netflix、Box、a16z、ElevenLabs、Wayve、紅杉資本、Elad Gil——以上僅是250多位重量級嘉賓的冰山一角，他們將主持200多場專題講座，提供推動新創成長的洞見與強化競爭優勢的策略。 TechCrunch二十週年盛典不容錯過，把握向科技界頂尖思想家學習的良機。9月26日前購票最高可省668美元。

採用此理念的不僅是GC。創投公司Mayfield已專門撥出1億美元投資「AI團隊夥伴」，其中包括收購一家價值500萬美元安全諮詢公司的IT諮詢新創Gruve。據其創辦人表示，Gruve在收購後六個月內將該公司營收擴展至1500萬美元，同時實現80%的毛利率。

「若人工智慧能處理80%的工作，便可創造80%至90%的毛利率，」Mayfield董事總經理納文·查達今年夏天向TechCrunch表示，「企業能達成60%至70%的綜合利潤率，並產生20%至30%的淨收益。」

獨立投資人艾拉德·吉爾過去三年持續推行類似策略，支持收購成熟企業並以人工智慧進行轉型。吉爾今年春季接受TechCrunch專訪時解釋：「若擁有資產，實施變革的速度遠勝於僅作為外部供應商銷售軟體。」

然而早期跡象顯示，這項服務業轉型可能比創投業者預期更為複雜。史丹佛社群媒體實驗室與BetterUp Labs近期研究調查了跨產業1,150名全職員工，發現40%受訪者因所謂「AI垃圾產出」而承受額外工作負擔——這類AI產出看似精緻卻缺乏實質內容，反而為同事製造更多工作與困擾。

此趨勢正對企業造成負面影響。受訪者平均耗費近兩小時處理每份工作垃圾：包含解讀內容、決定是否要求修改，以及最終往往直接自行修正的時間。

根據參與者時間估算與薪資自報數據，研究作者計算出「劣質產出」每月為每位員工帶來約186美元隱性成本。他們在《哈佛商業評論》新文中指出：「以擁有10,000名員工的組織為例，考量劣質產出的普遍性...這意味著每年生產力損失超過900萬美元。」

巴爾加瓦質疑「人工智慧被過度炒作」的觀點，主張這些實施挑戰反而佐證了總法律顧問的策略。 「我認為這凸顯了關鍵契機：將人工智慧技術應用於企業並非易事，」他表示。「若《財富》百大企業只需聘請顧問公司、導入人工智慧、與OpenAI簽約就能完成轉型，我們的論點自然缺乏說服力。但現實是，以人工智慧推動企業轉型確實困難重重。」

他指出，人工智慧所需的技術專長是最關鍵的缺失環節。「人工智慧技術種類繁多，各有優勢，」他強調。 「企業真正需要的是來自Rippling、Ramp、Figma和Scale等公司的應用型AI工程師——他們具備各類模型實戰經驗，能掌握模型特性差異，明確各模型適用場景，並懂得將其整合至軟體系統。」他強調，正因這種複雜性，GC「將AI專家與產業專家配對從零創建企業」的策略才顯得極具邏輯性。

然而，工作量激增無疑將部分削弱該策略的核心經濟效益。即使控股公司已作為基礎架構建立，若被收購企業依循AI效率模型建議裁減人力，將導致能識別並修正AI錯誤的人力減少。若企業為處理AI缺陷產生的額外工作量而維持現有人力規模，創投機構寄望的顯著利潤提升恐將難以實現。

有人可能主張，這些因素應能抑制風險投資整合策略中激進的擴張計劃——這些計劃可能危及使交易具吸引力的財務指標。然而現實而言，要讓多數矽谷投資者放緩腳步，僅憑幾項研究遠遠不夠。

事實上，由於通常收購具備現有現金流的企業，GC公司聲稱其「創建策略」企業已實現盈利——這與傳統風險投資模式支持高成長、燒錢型新創公司的做法大相逕庭。對於長期承受投資組合公司虧損的有限合夥人而言，此轉變無疑是值得歡迎的改變。

巴爾加瓦表示：「只要人工智慧技術持續進步，且我們觀察到模型獲得大量投資與改進，我相信將有越來越多產業能透過我們的孵化計畫獲得發展契機。」