Summary & Insights
Why point an innovation bazooka like AI at rebuilding payroll software when it could be used to attack the other 90% of enterprise budgets currently spent outside of IT? This provocative question from Anish Acharya, a general partner at Andreessen Horowitz, cuts to the heart of his optimistic rebuttal to the pervasive “SaaSpocalypse” narrative. He argues that the widespread fear of AI “vibe-coding” away established software companies is misguided. Enterprise IT spend represents only 8–12% of total budgets; the real opportunity for AI is to optimize the vast majority of non-software spend or to extend a company’s core competitive advantage, not just to rebuild existing tools. This misallocation of innovative energy is one reason he believes the market has “oversold” the doom for incumbent SaaS.
Acharya acknowledges disruption is coming, but in unexpected ways. The most significant change might be in switching costs, not displacement. Coding agents are dramatically reducing the complexity and risk of moving from one enterprise provider (like SAP) to another (like Oracle). This turns “hostage” customers back into true customers, fostering more competition and innovation. Meanwhile, he sees enduring strength in capable incumbents—many public SaaS companies have successfully raised prices post-ChatGPT, a strong signal of sustained product-market fit. The real startup opportunities, he contends, are in “native categories” that didn’t exist before this AI cycle, such as AI-assisted movie-making or contextual AI companions, which can explore deeply human needs that large corporations might find uncomfortable to address.
The discussion also delves into the layered AI ecosystem, where Acharya believes the application layer is critically underhyped. With multiple foundation models that are 80% substitutable and 20% specialized, immense value accrues to apps that can orchestrate between them—like a coding IDE that uses the best model for frontend and backend tasks, or a creative suite that aggregates access to aesthetically opinionated and neutral image models. This specialization and fragmentation create durable opportunities for startups, even as the model providers themselves compete in an oligopolistic market akin to cloud providers, not a pure, cutthroat commodity market.
Surprising Insights
- SaaS prices are rising, not falling, in the AI era: Despite fears of AI-driven obsolescence, 75% of public SaaS companies have raised their prices since ChatGPT’s release, with many increasing them by 25% or more, indicating robust, sustained demand.
- AI’s primary near-term enterprise impact may be lowering switching costs, not replacing software: Coding agents make migrating between massive systems like SAP and Oracle faster and less risky, eroding the “hostage” dynamic and forcing incumbents to compete on product quality again.
- The apps layer may capture more value than commonly believed: In a world of multiple, specialized foundation models, aggregation and orchestration become valuable services, creating defensible positions for application companies that manage the complexity for end-users.
- “Weird” human-centric AI products are a major startup opportunity: Large corporations are often structurally averse to building products involving intimacy, persuasion, or spirituality. Startups can thrive by creating “contextual companions” for gaming, elder care, or emotional exploration, areas big tech is uncomfortable touching.
- Venture-scale outcomes now require building for a ~$500 billion market: The mindset has shifted; building a “sufficient” multi-billion dollar business in a single country like the UK is no longer the goal for top-tier venture. The ambition is to create a trillion-dollar company, which requires assuming a total addressable market in the hundreds of billions from the start.
Practical Takeaways
- Apply AI to the 90%, not the 10%: When thinking about AI strategy, look beyond the IT budget. Use AI to optimize core business operations, supply chains, or customer experiences that represent the majority of your costs, not just to rebuild internal software tools.
- For developers and builders, live in the product cycle: To spot genuine opportunities and build intuition, you must be a hands-on user of the latest models and AI tools daily. Theoretical understanding is insufficient in a field moving this quickly.
- Seek “native categories” for defensibility: When starting an AI company, look for new problem spaces unlocked by the technology (e.g., AI movie-making, contextual companions) rather than directly challenging incumbents in their existing, optimized categories (e.g., CRM, word processors).
- Evaluate early-stage AI companies on Month 2 retention, not Month 1: With many products attracting free-tier “tourists,” true product-market fit is better gauged by the retention of users who come back for a second month, after the initial novelty wears off.
- As a founder, choose investors who “do stuff”: The value of a venture partner is in their operational ability to help with recruiting, customer introductions, and strategy. Validate this by talking to their other portfolio founders, not just listening to their pitch.
Acharya thừa nhận sự gián đoạn đang đến, nhưng theo những cách bất ngờ. Sự thay đổi quan trọng nhất có thể nằm ở chi phí chuyển đổi, chứ không phải sự thay thế. Các tác nhân viết mã đang giảm mạnh độ phức tạp và rủi ro khi chuyển từ nhà cung cấp doanh nghiệp này (như SAP) sang nhà cung cấp khác (như Oracle). Điều này biến những khách hàng “con tin” trở lại thành khách hàng thực sự, thúc đẩy cạnh tranh và đổi mới hơn. Trong khi đó, ông nhìn thấy sức mạnh bền bỉ ở những công ty hiện có năng lực – nhiều công ty SaaS công khai đã thành công trong việc tăng giá sau ChatGPT, một tín hiệu mạnh mẽ về sự phù hợp bền vững giữa sản phẩm và thị trường. Ông cho rằng cơ hội khởi nghiệp thực sự nằm ở các “phân khúc nguyên sinh” mà trước chu kỳ AI này chưa từng tồn tại, như làm phim có trợ lý AI hoặc bạn đồng hành AI theo ngữ cảnh, những lĩnh vực có thể khám phá nhu cầu con người sâu sắc mà các tập đoàn lớn có thể thấy khó xử khi giải quyết.
Cuộc thảo luận cũng đi sâu vào hệ sinh thái AI phân tầng, nơi Acharya tin rằng lớp ứng dụng đang bị đánh giá thấp một cách nghiêm trọng. Với nhiều mô hình nền tảng có thể thay thế 80% và chuyên biệt 20%, giá trị khổng lồ sẽ tích lũy cho các ứng dụng có thể điều phối giữa chúng – như một IDE viết mã sử dụng mô hình tốt nhất cho các tác vụ giao diện và hậu kỳ, hoặc một bộ công cụ sáng tạo tổng hợp quyền truy cập vào các mô hình hình ảnh có tính thẩm mỹ cá nhân và trung lập. Sự chuyên môn hóa và phân mảnh này tạo ra cơ hội bền vững cho các công ty khởi nghiệp, ngay cả khi các nhà cung cấp mô hình tự cạnh tranh trong một thị trường độc quyền nhóm giống như các nhà cung cấp dịch vụ đám mây, chứ không phải một thị trường hàng hóa thuần túy và cạnh tranh khốc liệt.
### Những Góc Nhìn Bất Ngờ
* **Giá SaaS đang tăng, không giảm, trong kỷ nguyên AI:** Bất chấp nỗi sợ về sự lỗi thời do AI thúc đẩy, 75% công ty SaaS công khai đã tăng giá kể từ khi ChatGPT ra mắt, với nhiều công ty tăng 25% trở lên, cho thấy nhu cầu mạnh mẽ và bền vững.
* **Tác động doanh nghiệp chính của AI trong ngắn hạn có thể là giảm chi phí chuyển đổi, không phải thay thế phần mềm:** Các tác nhân viết mã giúp việc di chuyển giữa các hệ thống lớn như SAP và Oracle nhanh hơn và ít rủi ro hơn, làm xói mòn động lực “con tin” và buộc các công ty hiện tại phải cạnh tranh lại về chất lượng sản phẩm.
* **Lớp ứng dụng có thể nắm giữ nhiều giá trị hơn thường nghĩ:** Trong một thế giới với nhiều mô hình nền tảng chuyên biệt, việc tổng hợp và điều phối trở thành dịch vụ có giá trị, tạo ra vị thế phòng thủ cho các công ty ứng dụng quản lý sự phức tạp cho người dùng cuối.
* **Sản phẩm AI lấy con người làm trung tâm “kỳ lạ” là một cơ hội lớn cho khởi nghiệp:** Các tập đoàn lớn thường có cơ cấu ngại xây dựng sản phẩm liên quan đến sự thân mật, thuyết phục hoặc tâm linh. Các công ty khởi nghiệp có thể phát triển mạnh bằng cách tạo ra “bạn đồng hành theo ngữ cảnh” cho trò chơi, chăm sóc người cao tuổi hoặc khám phá cảm xúc – những lĩnh vực mà công nghệ lớn cảm thấy không thoải mái khi chạm vào.
* **Kết quả quy mô mạo hiểm giờ đây đòi hỏi xây dựng cho một thị trường ~500 tỷ USD:** Tư duy đã thay đổi; xây dựng một doanh nghiệp “đủ tốt” trị giá hàng tỷ USD tại một quốc gia duy nhất như Anh không còn là mục tiêu của các quỹ mạo hiểm hàng đầu. Tham vọng là tạo ra một công ty nghìn tỷ đô la, đòi hỏi phải giả định một thị trường có thể tiếp cận tổng thể lên đến hàng trăm tỷ USD ngay từ đầu.
### Bài Học Thực Tiễn
* **Áp dụng AI cho 90%, không phải 10%:** Khi nghĩ về chiến lược AI, hãy nhìn xa hơn ngân sách CNTT. Sử dụng AI để tối ưu hóa hoạt động kinh doanh cốt lõi, chuỗi cung ứng hoặc trải nghiệm khách hàng – những thứ chiếm phần lớn chi phí của bạn – chứ không chỉ để tái tạo các công cụ phần mềm nội bộ.
* **Đối với nhà phát triển và người xây dựng, hãy sống trong chu kỳ sản phẩm:** Để phát hiện cơ hội thực sự và xây dựng trực giác, bạn phải là người dùng thực hành hàng ngày của các mô hình và công cụ AI mới nhất. Hiểu biết lý thuyết là không đủ trong một lĩnh vực phát triển nhanh chóng như vậy.
* **Tìm kiếm “phân khúc nguyên sinh” để có khả năng phòng thủ:** Khi bắt đầu một công ty AI, hãy tìm kiếm các không gian vấn đề mới được mở khóa bởi công nghệ (ví dụ: làm phim AI, bạn đồng hành theo ngữ cảnh) thay vì thách thức trực tiếp các công ty hiện tại trong các danh mục hiện có, đã được tối ưu hóa của họ (ví dụ: CRM, trình xử lý văn bản).
* **Đánh giá các công ty AI giai đoạn đầu dựa trên tỷ lệ giữ chân Tháng 2, không phải Tháng 1:** Với nhiều sản phẩm thu hút “khách du lịch” dùng miễn phí, sự phù hợp thực sự giữa sản phẩm và thị trường được đo lường tốt hơn bằng tỷ lệ giữ chân những người dùng quay trở lại vào tháng thứ hai, sau khi sự mới lạ ban đầu phai nhạt.
* **Với tư cách là nhà sáng lập, hãy chọn những nhà đầu tư “làm được việc”:** Giá trị của một đối tác mạo hiểm nằm ở khả năng vận hành của họ trong việc hỗ trợ tuyển dụng, giới thiệu khách hàng và chiến lược. Hãy xác thực điều này bằng cách nói chuyện với các nhà sáng lập khác trong danh mục đầu tư của họ, không chỉ nghe bài thuyết trình của họ.
为何要将AI这种创新利器对准薪酬软件的重建，而不是用它去攻克企业预算中目前IT支出之外占比高达90%的其他领域？安德森·霍洛维茨基金普通合伙人阿尼什·阿查里亚这一发人深省的问题，直指其对当前弥漫的“SaaS末世论”进行乐观反驳的核心。他认为，那种普遍存在的对于AI“氛围编码”将淘汰成熟软件公司的恐惧是错误的。企业IT支出仅占总预算的8%-12%；AI真正的机遇在于优化绝大多数的非软件支出，或是拓展企业的核心竞争优势，而非仅仅重建现有工具。他认为这种创新能量的错配，是市场对现有SaaS企业“过度唱衰”的原因之一。
阿查里亚承认颠覆即将到来，但会以意想不到的方式呈现。最重大的变化可能在于转换成本，而非替代。编码智能体正在极大降低从一个企业供应商（如SAP）迁移到另一个（如Oracle）的复杂性和风险。这将“被劫持”的客户重新变回真正的客户，从而促进更多竞争和创新。同时，他认为有实力的现有企业将保持持久优势——许多上市的SaaS公司在ChatGPT发布后成功提价，这有力证明了其产品与市场需求的持续契合。他主张，真正的初创企业机遇在于此轮AI周期前不存在的“原生类别”，例如AI辅助电影制作或情境化AI伴侣，这些领域可以深入探索人类需求，而大型企业可能因触及这些领域感到不适。
讨论还深入探讨了分层的AI生态系统。阿查里亚认为应用层被严重低估了。在多个基础模型80%可相互替代、20%各具专长的背景下，能够在它们之间进行编排的应用将积累巨大价值——例如，一个编码IDE可以为前端和后端任务分别选用最佳模型，或是一个创意套件能够聚合访问具有美学倾向性或中立的图像模型。这种专业化和碎片化即使是在模型提供商自身在类似于云服务商的寡头垄断市场（而非纯粹的残酷大宗商品市场）中竞争的情况下，也为初创企业创造了持久的机遇。
令人意外的洞见
- AI时代SaaS价格不降反升： 尽管存在对AI导致产品过时的担忧，但75%的上市SaaS公司在ChatGPT发布后提高了价格，其中许多公司涨幅达25%或以上，这表明需求依然强劲且持续。
- AI对企业近期的主要影响可能是降低转换成本，而非取代软件： 编码智能体使得在SAP和Oracle等大型系统间迁移更快、风险更低，削弱了“客户劫持”动态，迫使现有企业重新在产品质量上展开竞争。
- 应用层可能捕获的价值超出普遍认知： 在一个拥有多个专业化基础模型的世界里，聚合与编排成为有价值的服务，为那些替终端用户管理复杂性的应用公司创造了可防御的市场地位。
- “古怪”的以人为中心的AI产品是重要的初创机遇： 大型企业在结构上通常回避开发涉及亲密关系、说服或灵性层面的产品。初创企业可以通过为游戏、老年护理或情感探索等领域创造“情境化伴侣”而蓬勃发展，这些是大科技公司不愿触碰的领域。
- 风险投资规模的成功现在需要瞄准约5000亿美元的市场： 思维方式已经转变；在单一国家（如英国）建立一个“足够好”的数十亿美元业务不再是顶级风投的目标。如今的雄心是创建万亿美元市值的公司，这要求从一开始就假定可触达市场总规模达数千亿美元。
实践启示
- 将AI应用于90%，而非10%： 在思考AI战略时，目光要超越IT预算。利用AI优化代表你大部分成本的核心业务运营、供应链或客户体验，而不仅仅是重建内部软件工具。
- 对于开发者和构建者，请融入产品周期： 要发现真正的机遇并建立直觉，你必须成为最新模型和AI工具的日常实践用户。在这个飞速发展的领域，理论理解是不够的。
- 寻求“原生类别”以建立防御性： 创立AI公司时，寻找由这项技术解锁的新问题领域（例如，AI电影制作、情境化伴侣），而不是直接在现有、已优化的类别（例如，CRM、文字处理器）中挑战现有企业。
- 评估早期AI公司应看第2个月的留存率，而非第1个月： 由于许多产品吸引了免费层的“游客”，真正的产品市场契合度更好的衡量指标是，在初期新鲜感消退后，用户在第二个月是否仍然回归。
- 作为创始人，选择“动手做事”的投资者： 风险合伙人的价值在于其运营能力，能够帮助招聘、客户引荐和制定战略。通过与其投资组合中的其他创始人交谈来验证这一点，而不仅仅是听其推介。
¿Por qué apuntar una bazuca innovadora como la IA a reconstruir software de nóminas cuando podría usarse para atacar el otro 90% del presupuesto empresarial que actualmente se gasta fuera de TI? Esta pregunta provocadora de Anish Acharya, socio general en Andreessen Horowitz, llega al núcleo de su optimista refutación al extendido relato del “SaaSpocalipsis”. Él argumenta que el temor generalizado de que la IA “codifique por vibración” a las empresas de software establecidas es un error. El gasto en TI empresarial representa solo el 8-12% del presupuesto total; la verdadera oportunidad para la IA es optimizar la inmensa mayoría del gasto en no-software o extender la ventaja competitiva central de una empresa, no solo reconstruir herramientas existentes. Esta mala asignación de energía innovadora es una razón por la que cree que el mercado ha “sobregirado” el pesimismo sobre el SaaS establecido.
Acharya reconoce que se avecina una disrupción, pero de maneras inesperadas. El cambio más significativo podría estar en los costos de cambio, no en el desplazamiento. Los agentes de codificación están reduciendo drásticamente la complejidad y el riesgo de migrar de un proveedor empresarial (como SAP) a otro (como Oracle). Esto convierte a los clientes “rehenes” nuevamente en clientes genuinos, fomentando más competencia e innovación. Mientras tanto, él ve una fortaleza duradera en los incumbentes capaces—muchas empresas públicas de SaaS han aumentado exitosamente sus precios después de ChatGPT, una señal fuerte de un ajuste producto-mercado sostenido. Las verdaderas oportunidades para startups, sostiene, están en “categorías nativas” que no existían antes de este ciclo de IA, como la creación de películas asistida por IA o acompañantes contextuales de IA, que pueden explorar necesidades profundamente humanas que las grandes corporaciones podrían considerar incómodas abordar.
La discusión también profundiza en el ecosistema de IA por capas, donde Acharya cree que la capa de aplicación está críticamente infravalorada. Con múltiples modelos base que son 80% sustituibles y 20% especializados, un valor inmenso se acumula para las aplicaciones que pueden orquestar entre ellos—como un IDE de codificación que utiliza el mejor modelo para tareas de frontend y backend, o una suite creativa que agrega acceso a modelos de imagen con estética especializada y neutra. Esta especialización y fragmentación crean oportunidades duraderas para las startups, incluso cuando los propios proveedores de modelos compiten en un mercado oligopólico similar al de los proveedores de la nube, no en un mercado de pura comodidad despiadada.
Perspectivas Sorpresas
- Los precios del SaaS están subiendo, no bajando, en la era de la IA: A pesar de los temores de obsolescencia impulsada por la IA, el 75% de las empresas públicas de SaaS han aumentado sus precios desde el lanzamiento de ChatGPT, muchas incrementándolos en un 25% o más, lo que indica una demanda robusta y sostenida.
- El impacto empresarial principal de la IA a corto plazo podría ser reducir los costos de cambio, no reemplazar el software: Los agentes de codificación hacen que migrar entre sistemas masivos como SAP y Oracle sea más rápido y menos arriesgado, erosionando la dinámica de “rehén” y obligando a los incumbentes a competir nuevamente en calidad de producto.
- La capa de aplicaciones puede capturar más valor de lo comúnmente creído: En un mundo de múltiples modelos base especializados, la agregación y la orquestación se convierten en servicios valiosos, creando posiciones defendibles para las empresas de aplicaciones que gestionan la complejidad para los usuarios finales.
- Los productos de IA centrados en lo “raro” humano son una gran oportunidad para startups: Las grandes corporaciones a menudo estructuralmente evitan construir productos que involucren intimidad, persuasión o espiritualidad. Las startups pueden prosperar creando “acompañantes contextuales” para juegos, cuidado de ancianos o exploración emocional, áreas que las grandes tecnológicas se sienten incómodas tocando.
- Los resultados a escala de venture capital ahora requieren construir para un mercado de ~$500 mil millones: La mentalidad ha cambiado; construir un negocio “suficiente” de miles de millones en un solo país como el Reino Unido ya no es el objetivo para el venture capital de primer nivel. La ambición es crear una empresa de un billón de dólares, lo que requiere asumir un mercado total direccionable de cientos de miles de millones desde el principio.
Conclusiones Prácticas
- Aplica la IA al 90%, no al 10%: Al pensar en la estrategia de IA, mira más allá del presupuesto de TI. Usa la IA para optimizar las operaciones centrales del negocio, las cadenas de suministro o las experiencias del cliente que representan la mayoría de tus costos, no solo para reconstruir herramientas de software internas.
- Para desarrolladores y constructores, vive en el ciclo del producto: Para detectar oportunidades genuinas y construir intuición, debes ser un usuario práctico de los últimos modelos y herramientas de IA diariamente. La comprensión teórica es insuficiente en un campo que se mueve tan rápido.
- Busca “categorías nativas” para defensibilidad: Al iniciar una empresa de IA, busca nuevos espacios de problemas desbloqueados por la tecnología (por ejemplo, creación de películas con IA, acompañantes contextuales) en lugar de desafiar directamente a los incumbentes en sus categorías existentes y optimizadas (por ejemplo, CRM, procesadores de texto).
- Evalúa a las empresas de IA en etapa temprana por la retención del Mes 2, no del Mes 1: Con muchos productos atrayendo “turistas” de nivel gratuito, el verdadero ajuste producto-mercado se mide mejor por la retención de usuarios que regresan para un segundo mes, después de que la novedad inicial desaparece.
- Como fundador, elige inversores que “hagan cosas”: El valor de un socio de venture capital está en su capacidad operativa para ayudar con la contratación, las presentaciones a clientes y la estrategia. Valida esto hablando con otros fundadores de su cartera, no solo escuchando su presentación.
Por que apontar uma bazuca de inovação como a IA para reconstruir softwares de folha de pagamento quando ela poderia ser usada para atacar os outros 90% dos orçamentos empresariais atualmente gastos fora da TI? Esta pergunta provocativa de Anish Acharya, sócio-geral da Andreessen Horowitz, vai direto ao cerne de sua réplica otimista à narrativa pervasiva do “SaaSpocalipse”. Ele argumenta que o medo generalizado de que a IA “vibe-code” (codifique por vibração) as empresas de software estabelecidas é equivocado. Os gastos com TI corporativa representam apenas 8 a 12% dos orçamentos totais; a verdadeira oportunidade para a IA é otimizar a vasta maioria dos gastos não relacionados a software ou estender a vantagem competitiva central de uma empresa, não apenas reconstruir ferramentas existentes. Essa má alocação da energia inovadora é uma das razões pelas quais ele acredita que o mercado “supervalorizou” a ruína das empresas de SaaS estabelecidas.
Acharya reconhece que a disrupção está chegando, mas de maneiras inesperadas. A mudança mais significativa pode estar nos custos de troca, não no deslocamento. Agentes de codificação estão reduzindo drasticamente a complexidade e o risco de migrar de um fornecedor empresarial (como a SAP) para outro (como a Oracle). Isso transforma clientes “reféns” novamente em verdadeiros clientes, fomentando mais competição e inovação. Enquanto isso, ele vê força duradoura nas empresas estabelecidas e capazes – muitas empresas públicas de SaaS aumentaram seus preços com sucesso após o ChatGPT, um forte sinal de ajuste sustentado entre produto e mercado. As verdadeiras oportunidades para startups, ele afirma, estão em “categorias nativas” que não existiam antes deste ciclo de IA, como criação de filmes assistida por IA ou companheiros de IA contextuais, que podem explorar necessidades profundamente humanas que grandes corporações podem achar desconfortável abordar.
A discussão também se aprofunda no ecossistema de IA em camadas, onde Acharya acredita que a camada de aplicação está criticamente subvalorizada. Com múltiplos modelos de base que são 80% substituíveis e 20% especializados, um valor imenso se acumula para os aplicativos que podem orquestrá-los – como uma IDE de codificação que usa o melhor modelo para tarefas de frontend e backend, ou um pacote criativo que agrega o acesso a modelos de imagem com opiniões estéticas e modelos neutros. Esta especialização e fragmentação criam oportunidades duradouras para startups, mesmo enquanto os provedores de modelos competem em um mercado oligopolístico semelhante aos provedores de nuvem, e não em um mercado de commodities puro e impiedoso.
Visões Surpreendentes
- Os preços de SaaS estão subindo, não caindo, na era da IA: Apesar dos temores de obsolescência impulsionada pela IA, 75% das empresas públicas de SaaS aumentaram seus preços desde o lançamento do ChatGPT, muitas elevando-os em 25% ou mais, indicando demanda robusta e sustentada.
- O impacto empresarial primário de curto prazo da IA pode ser a redução dos custos de troca, não a substituição de software: Agentes de codificação tornam a migração entre sistemas massivos como SAP e Oracle mais rápida e menos arriscada, corroendo a dinâmica de “refém” e forçando as empresas estabelecidas a competirem novamente com base na qualidade do produto.
- A camada de aplicativos pode capturar mais valor do que comumente se acredita: Em um mundo de múltiplos modelos de base especializados, a agregação e orquestração tornam-se serviços valiosos, criando posições defensáveis para empresas de aplicativos que gerenciam a complexidade para os usuários finais.
- Produtos de IA centrados no ser humano e “estranhos” são uma grande oportunidade para startups: Grandes corporações muitas vezes são estruturalmente avessas a construir produtos envolvendo intimidade, persuasão ou espiritualidade. Startups podem prosperar criando “companheiros contextuais” para jogos, cuidados com idosos ou exploração emocional, áreas que a grande tecnologia se sente desconfortável em tocar.
- Resultados de escala de Venture Capital agora exigem construir para um mercado de ~US$ 500 bilhões: A mentalidade mudou; construir um negócio “suficiente” de vários bilhões de dólares em um único país como o Reino Unido não é mais o objetivo para o Venture Capital de primeira linha. A ambição é criar uma empresa de um trilhão de dólares, o que requer assumir um mercado total endereçável na casa das centenas de bilhões desde o início.
Lições Práticas
- Aplique a IA aos 90%, não aos 10%: Ao pensar na estratégia de IA, olhe além do orçamento de TI. Use a IA para otimizar as operações principais do negócio, cadeias de suprimentos ou experiências do cliente que representam a maioria dos seus custos, não apenas para reconstruir ferramentas de software internas.
- Para desenvolvedores e construtores, viva no ciclo do produto: Para identificar oportunidades genuínas e construir intuição, você deve ser um usuário prático dos últimos modelos e ferramentas de IA diariamente. Compreensão teórica é insuficiente em um campo que se move tão rapidamente.
- Busque “categorias nativas” para defensibilidade: Ao iniciar uma empresa de IA, procure por novos espaços de problema desbloqueados pela tecnologia (ex.: criação de filmes com IA, companheiros contextuais) em vez de desafiar diretamente as empresas estabelecidas em suas categorias existentes e otimizadas (ex.: CRM, processadores de texto).
- Avalie empresas de IA em estágio inicial pela Retenção no Mês 2, não no Mês 1: Com muitos produtos atraindo “turistas” da camada gratuita, o verdadeiro ajuste produto-mercado é melhor avaliado pela retenção de usuários que retornam para um segundo mês, após a novidade inicial passar.
- Como fundador, escolha investidores que “fazem coisas”: O valor de um sócio de Venture Capital está em sua capacidade operacional de ajudar com recrutamento, introduções a clientes e estratégia. Valide isso conversando com outros fundadores de seu portfólio, não apenas ouvindo seu pitch.
In this episode from 20VC, Harry Stebbings talks with Anish Acharya, general partner at a16z, about the future of SaaS in an AI world. Anish argues that software is completely oversold and that the general story about vibe coding everything is flat wrong. They discuss why SaaS switching costs are actually going down thanks to coding agents, where startups versus incumbents will win, and whether the apps layer or foundation models will capture more value. They also cover agent overhype, the changing UI paradigm, what defensibility looks like now, and why boring wins versus weird wins in this product cycle.
Resources:
Follow Anish Acharya on X: https://twitter.com/illscience
Follow Harry Stebbings on X: https://twitter.com/HarryStebbings
Stay Updated:
If you enjoyed this episode, be sure to like, subscribe, and share with your friends!
Find a16z on X: https://twitter.com/a16z
Find a16z on LinkedIn: https://www.linkedin.com/company/a16z
Listen to the a16z Podcast on Spotify: https://open.spotify.com/show/5bC65RDvs3oxnLyqqvkUYX
Listen to the a16z Podcast on Apple Podcasts: https://podcasts.apple.com/us/podcast/a16z-podcast/id842818711
Follow our host: https://x.com/eriktorenberg
Please note that the content here is for informational purposes only; should NOT be taken as legal, business, tax, or investment advice or be used to evaluate any investment or security; and is not directed at any investors or potential investors in any a16z fund. a16z and its affiliates may maintain investments in the companies discussed. For more details please see http://a16z.com/disclosures.
Stay Updated:
Find a16z on X
Find a16z on LinkedIn
Listen to the a16z Show on Spotify
Listen to the a16z Show on Apple Podcasts
Follow our host: https://twitter.com/eriktorenberg
Please note that the content here is for informational purposes only; should NOT be taken as legal, business, tax, or investment advice or be used to evaluate any investment or security; and is not directed at any investors or potential investors in any a16z fund. a16z and its affiliates may maintain investments in the companies discussed. For more details please see a16z.com/disclosures.
Hosted by Simplecast, an AdsWizz company. See pcm.adswizz.com for information about our collection and use of personal data for advertising.
Leave a Reply
You must be logged in to post a comment.