Layanan tidak akan menjadi perangkat lunak

• Meski konsensus di industri venture capital makin meluas bahwa AI akan mengubah perusahaan jasa menjadi perusahaan perangkat lunak, kenyataannya perusahaan jasa hanya menjadi perusahaan jasa yang lebih baik, bukan berubah menjadi perusahaan perangkat lunak
• Sebagian besar belanja jasa profesional dibayar bukan untuk kualitas output, melainkan untuk pelimpahan tanggung jawab, keandalan, dan sertifikasi kredensial, dan area ini sulit digantikan oleh AI
• Pelebaran margin akibat adopsi AI bisa bersifat sementara, karena pesaing juga akan mengadopsinya dan pelanggan akan menuntut pengalihan penghematan biaya; margin yang berkelanjutan berada pada lapisan kepercayaan profesional dan tanggung jawab
• Muncul paradoks bahwa alat AI justru mengikat para praktisi elite ke perusahaan lama, sementara persaingan perekrutan talenta di antara perusahaan AI-native menggerus keunggulan margin
• Pasar jasa berukuran 20~70 kali pasar perangkat lunak, sehingga meski marginnya tidak setingkat software, hasil berskala venture tetap mungkin dicapai lewat kepemilikan tanggung jawab dan hubungan pelanggan

---

Konsensus industri venture bahwa AI akan mengubah layanan menjadi perangkat lunak

• Sejumlah VC ternama memposisikan ini sebagai peluang "Service as Software" senilai USD 4,6 triliun
• General Catalyst mengalokasikan USD 1,5 miliar untuk mengakuisisi perusahaan jasa seperti hukum, TI, dan akuntansi lalu menerapkan AI
• Thrive Capital meluncurkan dana lebih dari USD 1 miliar untuk mengakuisisi dan meng-AI-kan perusahaan jasa; OpenAI mengambil kepemilikan saham dan langsung mengirim insinyur ke perusahaan portofolio
• Logika utamanya: pasar jasa global bernilai USD 16 triliun, sementara pasar perangkat lunak bernilai USD 1 triliun; bila AI bisa membawa margin setingkat software (70~85%) ke layanan, nilai yang tercipta akan sangat besar
  • Margin perusahaan jasa profesional pada hari yang baik berada di kisaran 30~40%

Surplus TAM itu nyata, tetapi tidak semuanya bisa diakses

• Di hampir semua kategori jasa profesional, pasar perangkat lunak hanyalah sebagian kecil dari pasar jasa, dan surplus TAM itu sendiri memang fakta yang sudah dikenal
• Namun, menyamakan surplus TAM dengan peluang yang langsung dapat diakses adalah kesalahan paling umum di bidang ini
• Sebagian besar belanja jasa profesional didasarkan pada alasan selain output itu sendiri
  • Perusahaan mempekerjakan Big Four bukan karena nilai audit itu sendiri, tetapi untuk memperoleh posisi yang bisa dipertahankan jika ada masalah: "kami mengikuti panduan profesional"
  • Mempekerjakan penasihat hukum eksternal yang dikenal dan dipercaya regulator
  • Menggunakan konsultan agar restrukturisasi direkomendasikan secara independen, sehingga tanggung jawab pimpinan internal tersebar
• Ini bukan inefisiensi, melainkan fungsi yang tertanam dalam cara kerja jasa profesional
• Ada juga persoalan keandalan dan validasi eksternal
  • Ketika CFO mengumumkan restrukturisasi kompensasi, jauh lebih mudah mengatakan "menurut data pasar McLagan" daripada "menurut analisis internal kami"
  • Premi dibebankan bukan pada informasinya, melainkan pada kredibilitas sumbernya
• AI dapat melakukan pekerjaan analitis, tetapi tidak bisa menjalankan fungsi penyerapan tanggung jawab
  • Dewan direksi tidak bisa menunjuk model AI lalu berkata, "kami mengandalkan panduan profesional"
• Pertanyaan kuncinya: dari TAM jasa, berapa porsi yang benar-benar dibayar untuk kualitas output, dan berapa yang dibayar untuk pelimpahan tanggung jawab, tameng politik, dan sertifikasi kredensial
  • Pasar jasa yang benar-benar bisa diakses AI mungkin jauh lebih kecil daripada angka headline
  • Di saat yang sama, ini menjadi faktor diferensiasi bagi perusahaan jasa yang memiliki hubungan pelanggan dan tanggung jawab tersebut

Masalah keberlanjutan pelebaran margin

• Bahkan dalam TAM yang bisa diakses, pelebaran margin mungkin sebagian hanya sementara
• Saat pesaing mengadopsi kemampuan AI yang sama, layanan akan terkomoditisasi berdasarkan harga
• Begitu pelanggan menyadari bahwa AI menjalankan pekerjaan yang sebelumnya dilakukan staf junior, mereka akan menuntut pengalihan penghematan biaya
• Margin yang berkelanjutan berada pada lapisan premi dan tanggung jawab di atas output otomatisasi AI
  • Contoh perbandingan: perusahaan akuntansi yang mengotomatisasi pekerjaan pajak dan meneruskan penghematan ke pelanggan (margin 60%) versus perusahaan yang melakukan otomatisasi sama tetapi juga memiliki CPA yang menandatangani pelaporan, memegang asuransi E&O, dan memiliki hubungan pelanggan (margin 45%)
  • Yang pertama rentan terhadap semua pesaing yang bisa mengakses model yang sama, sedangkan yang kedua memiliki parit struktural berupa kepercayaan profesional dan tanggung jawab yang tidak bisa direplikasi AI saja
• Tekanan persaingan datang bukan hanya dari startup
  • Anthropic meluncurkan Claude for Excel dengan teknologi agen siap pakai untuk pemodelan DCF, analisis perusahaan pembanding, dan datapack due diligence, serta konektor ke S&P Capital IQ, Moody's, dan PitchBook
  • OpenAI mengumumkan kemitraan "Frontier Alliance" multi-tahun dengan Accenture, BCG, Capgemini, dan McKinsey untuk langsung men-deploy agen ke workflow perusahaan
  • Perusahaan model fondasi tidak menunggu startup membangun lapisan layanan, tetapi langsung menyerang workflow
  • Jika model generasi berikutnya dapat menyelesaikan kertas kerja audit atau dokumen hukum secara otonom, maka "layanan berbasis AI" bukan tujuan akhir, melainkan fase transisi
• Model fondasi dapat mereplikasi output, tetapi tidak dapat mereplikasi hubungan profesional, jaminan E&O, dan sertifikasi regulasi

Pertumbuhan tetap bergantung pada manusia

• AI memang menaikkan batas kapasitas per orang, tetapi tidak menghilangkan kebutuhan akan manusia itu sendiri
  • Di firma audit berbasis AI, seorang CPA bisa mengelola jauh lebih banyak pekerjaan daripada sebelumnya, tetapi CPA tetap dibutuhkan
• Kurva pelebaran margin kemungkinan menghadapi diminishing returns; keuntungan besar terjadi di awal lalu cepat mendatar
  • Jika margin mentok di 55~65%, itu tetap sangat menarik di pasar senilai USD 87 miliar atau bahkan lebih dari USD 1 triliun, tetapi titik mentok pastinya belum jelas dan itulah risiko utamanya
• Talenta yang diandalkan perusahaan-perusahaan ini bersifat langka dan makin mahal
  • Alat AI justru bisa memperburuk keadaan
  • Contoh di bidang hukum: alat AI vertikal seperti Harvey dan Legora dijual langsung ke praktisi elite di firma lama dan meningkatkan produktivitas mereka di posisi sekarang
  • Jika partner Big Law dapat menangani beban perkara 3 kali lebih besar dengan AI, mereka akan berpenghasilan lebih tinggi, mengerjakan pekerjaan yang lebih menarik, dan alasan untuk hengkang pun berkurang
  • Alat yang seharusnya merusak firma lama justru mengunci talenta di perusahaan lama
• Banyak firma hukum AI-native saling bersaing merekrut partner yang sama
  • Jika 10 perusahaan AI-native yang didukung VC menghimpun modal besar di kategori yang sama, maka dari sisi pasokan akan muncul inflasi biaya talenta untuk kumpulan profesional bersertifikat yang terbatas, dan dari sisi permintaan akan muncul tekanan harga karena berebut pelanggan yang sama
  • Keunggulan margin yang membuat model ini menarik akan terkikis bukan hanya oleh firma lama, tetapi juga oleh startup lain yang menjalankan playbook serupa
  • Ini adalah paradoks klasik dari consensus trade: makin banyak modal mengejar tesis ini, makin sulit eksekusinya

Model bisnis mana yang paling diuntungkan

• Bagi investor tahap awal, pertanyaan kuncinya bukan "apakah ini akan menjadi perusahaan perangkat lunak?", melainkan "apakah pendiri ini bisa membangun leverage yang cukup untuk mempertahankan margin kotor di atas 50% dan pendapatan berulang dalam skala besar?"
  • Apakah ada pertahanan berbasis switching cost lewat parit data, hubungan tanggung jawab, dan kontrol workflow
  • Ini mungkin di pasar hukum bernilai lebih dari USD 1 triliun atau pasar akuntansi USD 650 miliar, tetapi sulit di niche USD 3 miliar

• Menjual alat AI ke perusahaan jasa yang sudah ada

  • Perusahaan-perusahaan ini kecil, terfragmentasi, dan resisten terhadap perubahan
  • Jika mereka sudah cukup menguntungkan, tidak ada urgensi untuk mengadopsi teknologi baru
  • Diperlukan forcing function
    • Akuntansi adalah contoh paling jelas: sejak 2020, lebih dari 300.000 akuntan telah pindah kerja, 75% CPA mendekati usia pensiun, dan perusahaan sampai menolak pekerjaan
    • Ketika alternatifnya adalah kehilangan pendapatan, penerimaan terhadap alat AI meningkat tajam
  • Alasan berinvestasi di Basis dan InScope: keduanya menjual alat AI ke profesional akuntansi, tidak memikul tanggung jawab langsung, tetapi berkat forcing function mereka tertanam sangat dalam di workflow hingga memiliki pertahanan setingkat beralih menjadi menyakitkan secara operasional

• Membangun perusahaan jasa AI-native dari nol

  • Ini berarti meminta pelanggan mempercayakan pekerjaan yang selama puluhan tahun mereka berikan kepada perusahaan dengan aset merek, hubungan regulator, dan kualifikasi profesional, kepada sebuah startup
  • Hambatannya sangat curam, terutama di layanan dengan dinamika pelimpahan tanggung jawab yang kuat
  • Jalur AI-native paling cocok di industri tempat masalah kepercayaan bisa diakali dengan memiliki operasinya secara langsung, alih-alih menjual layanan lewat merek yang belum teruji
    • Broker asuransi adalah contoh yang baik: untuk DocShield, broker asuransi adalah bisnis berkualitas tinggi dengan pelanggan berulang dan churn sangat rendah, tetapi terlalu mahal bahkan pada skala kecil (broker dengan EBITDA USD 2 juta diperdagangkan pada multiple di atas 10x) sehingga strategi roll-up menjadi tidak efisien dari sisi modal
    • Rata-rata broker menengah hanya punya sekitar 0,5 staf TI dan hidup dalam sistem manajemen agensi tertutup, sehingga menjual software juga sulit
    • Memiliki broker dan membangun sistem AI end-to-end adalah satu-satunya jalur yang masuk akal

• Strategi roll-up

  • Roll-up bukan strategi buruk, tetapi lebih cocok untuk PE yang struktur dana, periode kepemilikan, dan playbook operasionalnya dirancang untuk transformasi aset semacam ini
  • Dalam timeline dan struktur modal VC, eksekusinya jauh lebih sulit
  • Namun ada juga dinamika pasar yang membuat roll-up menjadi tepat
    • Meroka beroperasi di praktik dokter independen: praktik perorangan menghadapi krisis struktural, tidak bisa bersaing dengan operator besar, tak punya daya tawar, dan tidak memiliki rencana suksesi saat dokter senior pensiun
    • Meroka mengubah praktik menjadi employee ownership trust untuk menjamin kemandirian permanen dari PE, lalu memperkenalkan teknologi modern dan AI melalui organisasi layanan manajemen
    • Ini tidak bisa diselesaikan dengan software saja; tanpa intervensi, AI justru akan mempercepat konsolidasi dan memperburuk masalah PE
    • Trust kepemilikan membentuk hubungan tanggung jawab dan pertahanan, sementara lapisan layanan manajemen menciptakan pendapatan berulang yang meluas ke setiap praktik baru, dan krisis struktural menjadi forcing function yang mengubah adopsi dari pilihan menjadi keharusan yang mendesak

Kesimpulan

• Investasi VC pada perusahaan jasa berbasis AI tetap bisa menghasilkan keuntungan besar, tetapi tidak ada ilusi bahwa perusahaan ini akan memiliki profil margin yang sama dengan software, atau bahwa TAM jasa akan tetap statis di tengah restrukturisasi oleh AI
  • Secara inheren ada batas atas
• Pendekatan yang salah adalah mengabaikan perusahaan ini karena "bukan software", atau berinvestasi sambil berpura-pura bahwa pada akhirnya mereka akan menjadi software
• Pendekatan yang benar adalah mengevaluasinya apa adanya: pasar besar, margin yang membaik, makin berulang, dan sebagai perusahaan jasa berleverage AI
• Dari sudut pandang investor tahap awal, secara esensial tidak ada yang berubah
  • Pada tahap pre-seed dan seed, investor selalu berinvestasi pada trajektori margin, bukan margin saat ini
  • Bedanya, AI memberi tailwind struktural untuk ekspansi margin kotor yang tidak dimiliki perusahaan jasa tradisional
• Kerangka yang membuat software menarik bagi investor adalah: pasar besar, margin tinggi, pendapatan berulang, dan biaya ekspansi rendah
  • Perusahaan jasa berbasis AI mungkin tidak memenuhi semua syarat itu, tetapi jika mereka punya margin di atas 50%, hubungan pelanggan yang berulang, dan pertahanan berbasis kepemilikan tanggung jawab serta hubungan pelanggan di pasar yang 20~70 kali lebih besar daripada software sejenis, itu sudah cukup
• Layanan tidak akan menjadi software, tetapi akan menjadi lebih mirip software, dan pada skala pasar sebesar ini, itu sudah cukup

[xguru]

Layanan adalah software yang baru
Jadi ini ditulis sebagai sanggahan terhadap artikel yang ditulis Sequoia itu.

[aer0700]

Jika alasan memakai perusahaan konsultan adalah agar bisa berkata, konsultan A yang berwibawa menyuruh kami melakukannya seperti itu (ini bukan salah saya), maka untuk saat ini tampaknya hal seperti ini belum bisa digantikan hanya dengan AI.
Namun, beberapa tahun lagi, ketika melihat ada sesuatu yang berjalan aneh lalu memanggil seseorang dan bertanya, apa-apaan commit ini, akan terasa mengerikan jika bawahan menjawab, Claude yang menulisnya seperti itu (ini bukan salah saya).

[ybjan]

Sepertinya ini bukan fenomena yang akan muncul beberapa tahun lagi, tapi sudah terjadi di mana-mana sekarang hehe