Los inversores han invertido miles de millones en empresas de IA en los últimos abriles, mientras la tecnología sigue dominando el Valle y, por consiguiente, el mundo. Pero no todas las empresas de inteligencia sintético están atrayendo la atención de los inversores.

De hecho, aunque hoy en día parece que todas las empresas están cambiando su nombre para incluir “IA” en su nombre, algunas ideas de startups simplemente ya no gozan del satisfacción de los inversores. TechCrunch habló con capitalistas de peligro para aprender qué es lo que los inversores ya no buscan en las nuevas empresas de software como servicio de IA.

Las categorías de SaaS populares para los inversores ahora incluyen nuevas empresas que crean infraestructura nativa de IA, SaaS enhiesto con datos patentados, sistemas de bono (aquellos que ayudan a los usuarios a completar tareas) y plataformas profundamente integradas en flujos de trabajo de encomienda crítica, según Aaron Holiday, socio director de 645 Ventures.

Pero asimismo dio una inventario de empresas que los inversores consideran sobrado aburridas hoy en día: empresas emergentes que crean capas delgadas de flujo de trabajo, herramientas horizontales genéricas, diligencia de productos liviana y observación a nivel de superficie; básicamente, cualquier cosa que un agente de IA pueda hacer ahora.

Abdul Abdirahman, inversor de la firma F Prime, añadió que el software enhiesto genérico “sin fosos de datos propietarios” ya no es popular, e Igor Ryabenky, fundador y socio director de AltaIR Haber, profundizó en ese punto. Dijo que los inversores no están interesados ​​en cero que no tenga mucha profundidad de producto.

“Si su diferenciación reside principalmente en la UI (interfaz de beneficiario) y la automatización, eso ya no es suficiente”, afirmó. “La barrera de entrada ha caído, lo que hace que construir un foso actual sea mucho más difícil”.

Las nuevas empresas que ingresan al mercado ahora deben probar en “una propiedad actual del flujo de trabajo y una comprensión clara del problema desde el primer día”, dijo. “Las bases de código masivas ya no son una delantera. Lo que más importa es la velocidad, el enfoque y la capacidad de adaptarse rápidamente. Los precios asimismo deben ser flexibles: los modelos rígidos por asiento serán más difíciles de defender, mientras que los modelos basados ​​en el consumo tienen más sentido en este entorno”.

Jake Saper, socio normal de Emergence Haber, asimismo pensó en la propiedad. Para él, las diferencias entre Cursor y Claude Code son el “canario en la mina de carbón”.

“Uno es dueño del flujo de trabajo del desarrollador, el otro simplemente ejecuta la tarea”, continuó Saper. “Los desarrolladores eligen cada vez más la ejecución sobre el proceso”.

Dijo que cualquier producto que tenga que ver con la “rigidez del flujo de trabajo”, es asegurar, tratar de atraer a tantos clientes humanos como sea posible para que utilicen continuamente el producto, podría encontrarse en una batalla cuesta en lo alto a medida que los agentes se hagan cargo del flujo de trabajo.

“Antiguamente de Claude, obtener que los humanos hicieran su trabajo adentro de su software era un foso poderoso, pero si los agentes hacen el trabajo, ¿a quién le importa el flujo de trabajo humano?” le dijo a TechCrunch.

Todavía cree que las integraciones se están volviendo menos populares, especialmente porque el protocolo de contexto de maniquí (MCP) de Anthropic hace que sea más posible que nunca conectar modelos de IA a datos y sistemas externos. Esto significa que nadie necesita descargar múltiples integraciones o crear sus propias integraciones de clientes; simplemente pueden usar el MCP.

“Ser el conector solía ser un foso”, dijo Saper. “Pronto será una utilidad”.

Adicionalmente, ya no están de moda las “herramientas de automatización del flujo de trabajo y diligencia de tareas que permiten la coordinación del trabajo humano, que se vuelven menos necesarias si, con el tiempo, los agentes simplemente ejecutan las tareas”, dijo Abdirahman, citando ejemplos, principalmente empresas públicas de SaaS cuyas acciones han bajado a medida que surgen nuevas empresas nativas de IA con tecnología mejor y más válido.

Ryabenky dijo que las empresas de SaaS que luchan por levantarse en este momento son las que pueden replicarse fácilmente, afirmó.

“Las herramientas de productividad genéricas, el software de diligencia de proyectos, los clones básicos de CRM y los envoltorios de IA ligeros creados sobre las API existentes entran en esta categoría”, dijo. “Si el producto es principalmente una capa de interfaz sin una integración profunda, datos propietarios o conocimiento de procesos integrados, los equipos nativos de IA pueden reconstruirlo rápidamente. Eso es lo que hace que los inversores sean cautelosos”.

Adicionalmente, lo que sigue siendo atractivo de SaaS es la profundidad y la experiencia, con herramientas integradas en flujos de trabajo críticos. Dijo que las empresas deberían ahora considerar la posibilidad de integrar profundamente la IA en sus productos y modernizar su marketing para reflejarlo, continuó Ryabenky.

“Los inversores están reasignando haber en torno a empresas que poseen flujos de trabajo, datos y experiencia en el dominio”, dijo Ryabenky. “Y acullá de productos que puedan copiarse sin mucho esfuerzo”.