सेवाएं सॉफ़्टवेयर नहीं बनेंगी

 (better-tomorrow-ventures.ghost.io)
12 पॉइंट द्वारा GN⁺ 2026-03-12 | अभी कोई टिप्पणी नहीं है. | WhatsApp पर शेयर करें
  • वेंचर कैपिटल इंडस्ट्री में यह consensus फैल रहा है कि AI सेवा कंपनियों को सॉफ़्टवेयर कंपनियों में बदल देगा, लेकिन वास्तव में सेवा कंपनियां बस बेहतर सेवा कंपनियां बनती हैं, सॉफ़्टवेयर कंपनियों में नहीं बदलतीं
  • प्रोफेशनल सर्विस खर्च का बड़ा हिस्सा आउटपुट की गुणवत्ता के लिए नहीं, बल्कि जिम्मेदारी ट्रांसफर, विश्वसनीयता और credentialing के लिए दिया जाता है, और इस क्षेत्र को AI से बदलना मुश्किल है
  • AI अपनाने से होने वाला margin expansion, प्रतिस्पर्धियों के adoption और ग्राहकों की cost pass-through मांगों के कारण अस्थायी हो सकता है, और टिकाऊ margin प्रोफेशनल trust और liability layer में मौजूद है
  • AI tools उल्टे elite practitioners को मौजूदा कंपनियों में और जकड़ देने वाला paradox पैदा करते हैं, जबकि AI-native कंपनियों के बीच talent competition margin advantage को खत्म करती है
  • सेवा बाज़ार सॉफ़्टवेयर बाज़ार से 20~70 गुना बड़ा है, इसलिए भले margin सॉफ़्टवेयर स्तर का न हो, liability ownership और customer relationship के ज़रिए venture-scale outcomes हासिल किए जा सकते हैं

AI सेवाओं को सॉफ़्टवेयर में बदल देगा: वेंचर इंडस्ट्री की सहमति

  • कई प्रसिद्ध VC इसे 4.6 ट्रिलियन डॉलर के "Service as Software" अवसर के रूप में देखते हैं
  • General Catalyst ने legal, IT, accounting जैसी सेवा कंपनियों को acquire कर उन पर AI लागू करने के लिए 1.5 बिलियन डॉलर लगाए
  • Thrive Capital ने सेवा कंपनियों के acquisition और AI transformation के लिए 1 बिलियन डॉलर से अधिक का फंड लॉन्च किया, और OpenAI ने इसमें equity ली तथा portfolio कंपनियों में सीधे engineers भेजे
  • मुख्य तर्क: वैश्विक सेवा बाज़ार 16 ट्रिलियन डॉलर का है, जबकि सॉफ़्टवेयर बाज़ार 1 ट्रिलियन डॉलर का; अगर AI सेवाओं में सॉफ़्टवेयर जैसे margin (70~85%) ला सके, तो value creation बहुत बड़ी होगी
    • प्रोफेशनल सर्विस कंपनियों का margin अच्छे दिनों में 30~40% के स्तर पर होता है

TAM surplus वास्तविक है, लेकिन पूरी तरह addressable नहीं

  • लगभग हर प्रोफेशनल सर्विस category में सॉफ़्टवेयर बाज़ार, सेवा बाज़ार का केवल एक हिस्सा है, इसलिए TAM surplus का अस्तित्व कोई नई बात नहीं है
  • लेकिन TAM surplus को सीधे addressable opportunity मान लेना इस क्षेत्र की सबसे आम गलती है
  • प्रोफेशनल सर्विस खर्च का बड़ा हिस्सा आउटपुट के लिए नहीं, बल्कि अन्य कारणों पर आधारित होता है
    • कंपनियां Big Four को audit की intrinsic value के लिए नहीं, बल्कि समस्या आने पर "हमने विशेषज्ञों की सलाह मानी थी" जैसी defensible position पाने के लिए hire करती हैं
    • वे ऐसे external legal counsel रखते हैं जिन्हें regulators जानते और भरोसा करते हैं
    • वे consultants को restructuring पर स्वतंत्र सिफारिश देने के लिए लाते हैं, ताकि internal leadership की जिम्मेदारी बंट सके
  • यह inefficiency नहीं, बल्कि प्रोफेशनल सर्विस के काम करने के तरीके में built-in function है
  • विश्वसनीयता और external validation का मुद्दा भी मौजूद है
    • जब CFO compensation restructuring की घोषणा करता है, तो "हमारे internal analysis के अनुसार" कहने की तुलना में "McLagan market data के अनुसार" कहना कहीं आसान होता है
    • premium जानकारी पर नहीं, बल्कि source की credibility पर लगाया जाता है
  • AI analysis का काम कर सकता है, लेकिन liability absorb करने का function नहीं निभा सकता
    • कोई board AI model की ओर इशारा करके यह नहीं कह सकता कि "हमने विशेषज्ञ सलाह पर भरोसा किया था"
  • मुख्य सवाल यह है: सेवा TAM का कितना हिस्सा वास्तव में आउटपुट quality के लिए है, और कितना liability transfer, political shield, और credentialing के लिए
    • AI के लिए addressable सेवा बाज़ार headline numbers से काफी छोटा हो सकता है
    • साथ ही, यही बात customer relationship और liability own करने वाली सेवा कंपनियों के लिए differentiator भी बनती है

margin expansion की sustainability की समस्या

  • addressable TAM के भीतर भी margin expansion कुछ हद तक अस्थायी हो सकता है
  • जब competitors वही AI capabilities अपना लेते हैं, तो सेवाएं price-based commodity बन जाती हैं
  • जब ग्राहक समझ जाते हैं कि AI वही काम कर रहा है जो पहले junior staff करते थे, तो वे cost savings pass-through की मांग करते हैं
  • टिकाऊ margin, AI automation output के ऊपर मौजूद premium और liability layer में होता है
    • तुलना का उदाहरण: एक accounting firm जो tax work automate कर लागत बचत ग्राहक को पास कर देती है (margin 60%), बनाम एक ऐसी firm जो वही automation करने के साथ CPA से return sign करवाती है, E&O insurance रखती है, और customer relationship own करती है (margin 45%)
    • पहली कंपनी उन सभी competitors के लिए vulnerable है जिन्हें वही model मिल सकता है, जबकि दूसरी के पास प्रोफेशनल trust और liability की structural moat है जिसे सिर्फ AI से replicate नहीं किया जा सकता
  • competitive pressure सिर्फ startups से नहीं आता
    • Anthropic ने DCF modeling, comparable company analysis, diligence datapacks के लिए prebuilt agent skills और S&P Capital IQ, Moody's, PitchBook connectors के साथ Claude for Excel लॉन्च किया
    • OpenAI ने Accenture, BCG, Capgemini, McKinsey के साथ multi-year "Frontier Alliance" partnership की घोषणा की ताकि enterprise workflows में agents सीधे deploy किए जा सकें
    • foundation model कंपनियां startups के service layer बनाने का इंतज़ार नहीं कर रहीं, बल्कि सीधे workflow पर हमला कर रही हैं
    • अगर अगली पीढ़ी के models audit workpapers या legal documents को autonomously पूरा कर सकें, तो "AI-powered service" कोई अंतिम अवस्था नहीं, बल्कि एक transitional state होगी
  • foundation models output को replicate कर सकते हैं, लेकिन प्रोफेशनल relationships, E&O coverage, और regulatory credentialing को नहीं

growth अब भी लोगों पर निर्भर है

  • AI प्रति व्यक्ति handle की जा सकने वाली capacity तो बढ़ाता है, लेकिन लोगों की ज़रूरत को खत्म नहीं करता
    • एक AI-powered audit firm में CPA पहले से कहीं ज़्यादा काम संभाल सकता है, लेकिन CPA की ज़रूरत फिर भी बनी रहती है
  • margin expansion curve में diminishing returns आने की संभावना है; बड़े gains शुरुआत में मिलते हैं और फिर तेजी से flatten हो जाते हैं
    • अगर margins 55~65% पर आकर रुकते हैं, तो 87 बिलियन डॉलर या 1 ट्रिलियन डॉलर से बड़े बाज़ार में यह अब भी आकर्षक है, लेकिन यह ठीक कहां स्थिर होगा, यह अनिश्चित है और यही मुख्य जोखिम है
  • जिन प्रतिभाओं पर ये कंपनियां निर्भर हैं, वे दुर्लभ हैं और उनकी लागत बढ़ रही है
    • AI tools हालात को और खराब भी कर सकते हैं
    • legal sector का उदाहरण: Harvey, Legora जैसे vertical AI tools सीधे मौजूदा firms के elite practitioners को बेचे जा रहे हैं और उनकी वर्तमान भूमिकाओं में productivity बढ़ा रहे हैं
    • अगर Big Law partner AI की मदद से 3 गुना caseload संभाल सकता है, तो वह ज़्यादा कमाएगा, ज़्यादा रोचक काम करेगा, और छोड़ने की वजह कम हो जाएगी
    • जो tools incumbents को disrupt करने वाले थे, वही उल्टे talent को incumbents में और जकड़ देते हैं
  • कई AI-native legal firms उसी category में वही partners hire करने के लिए आपस में प्रतिस्पर्धा कर रही हैं
    • अगर 10 VC-backed AI-native कंपनियां एक ही category में बड़े फंड जुटा लें, तो supply side पर सीमित credentialed experts pool के लिए talent cost inflation होगा, और demand side पर उसी ग्राहक के लिए price pressure पैदा होगा
    • जिस margin advantage ने model को आकर्षक बनाया था, वही सिर्फ incumbents से नहीं बल्कि उसी playbook पर चलने वाले दूसरे startups से भी खत्म हो सकता है
    • consensus trade का क्लासिक paradox: जितनी अधिक पूंजी इस thesis का पीछा करती है, execution उतना ही कठिन हो जाता है

कौन-सा business model सबसे लाभकारी है

  • शुरुआती चरण के investor के रूप में असली सवाल यह नहीं है कि "क्या यह सॉफ़्टवेयर कंपनी बनेगी?", बल्कि यह है कि "क्या यह founder इतना leverage बना सकता है कि 50%+ gross margin और recurring revenue को scale पर बनाए रख सके?"
    • क्या उसके पास data moat, liability relationship, और workflow control से बनने वाली switching-cost आधारित defensibility है
    • 1 ट्रिलियन डॉलर से बड़े legal market या 650 बिलियन डॉलर के accounting market में यह संभव हो सकता है, लेकिन 3 बिलियन डॉलर की niche में मुश्किल है

  • मौजूदा सेवा कंपनियों को AI tools बेचना

    • ये कंपनियां छोटी, fragmented और change-resistant होती हैं
    • अगर वे पहले से अच्छी profitability में हैं, तो नई technology अपनाने की urgency नहीं होती
    • इसके लिए forcing function चाहिए
      • accounting इसका सबसे साफ उदाहरण है: 2020 के बाद 3 लाख से अधिक accountants ने नौकरी बदली, 75% CPA retirement age के करीब हैं, और firms काम ठुकरा रही हैं
      • जब विकल्प revenue loss हो, तब AI tools की acceptance तेज़ी से बढ़ती है
    • Basis और InScope में निवेश का कारण यही था: दोनों accounting professionals को AI tools बेचते हैं; वे खुद liability नहीं लेते, लेकिन forcing function की वजह से workflow में इतनी गहराई से embed हो जाते हैं कि switch करना operationally painful हो जाता है

  • शुरुआत से AI-native service company बनाना

    • इसमें ग्राहकों से कहा जाता है कि जिस काम के लिए वे दशकों पुरानी brand equity, regulatory relationships और professional credentials वाली firms पर भरोसा करते थे, अब उसी काम के लिए startup पर भरोसा करें
    • जिन सेवाओं में liability transfer dynamics मजबूत हैं, वहां यह बहुत कठिन चढ़ाई है
    • AI-native रास्ता उन industries में सबसे उपयुक्त है जहां unproven brand के साथ services बेचने के बजाय operations को own करके trust problem को bypass किया जा सकता है
      • insurance brokerage इसका अच्छा उदाहरण है: DocShield के मामले में insurance brokerage एक high-quality business है, जिसमें recurring customers और बहुत कम churn होता है, लेकिन छोटे scale पर भी यह महंगा है (2 मिलियन डॉलर EBITDA brokerage 10x+ multiple पर trade करती है), इसलिए rollup capital-inefficient है
      • औसत mid-sized brokerage में IT staff लगभग 0.5 व्यक्ति होता है और वह closed agency management systems में रहता है, इसलिए सॉफ़्टवेयर बेचना भी कठिन है
      • brokerage को own करना और AI systems को end-to-end बनाना ही एकमात्र तर्कसंगत रास्ता है

  • rollup strategy

    • rollup कोई खराब strategy नहीं है, लेकिन fund structure, holding period, और operating playbook के लिहाज़ से यह ऐसे asset transformation के लिए डिज़ाइन किए गए PE के लिए अधिक उपयुक्त है
    • VC timelines और capital structure के भीतर इसका execution काफी अधिक कठिन है
    • फिर भी कुछ market dynamics ऐसे होते हैं जहां rollup उपयुक्त बन जाता है
      • Meroka independent physician practices में काम करता है: solo practices structural crisis में हैं; वे बड़े operators से प्रतिस्पर्धा नहीं कर पाते, उनके पास bargaining power नहीं है, और बुज़ुर्ग doctors के retirement पर succession plan भी नहीं होता
      • Meroka practices को employee ownership trust में बदलता है ताकि PE से स्थायी स्वतंत्रता सुनिश्चित हो, और modern technology तथा AI को managed service organization के रूप में लाता है
      • इसे सिर्फ सॉफ़्टवेयर से हल नहीं किया जा सकता; बिना intervention के AI उल्टे consolidation को तेज़ कर PE problem को और बदतर बना सकता है
      • ownership trust liability relationship और defensibility बनाता है, managed service layer हर नई practice के साथ scale होने वाला recurring revenue बनाती है, और structural crisis adoption को optional नहीं बल्कि urgent बना देता है

निष्कर्ष

  • AI-powered service कंपनियों में VC निवेश से बड़े returns मिल सकते हैं, लेकिन यह मानना भ्रम है कि इन कंपनियों का margin profile सॉफ़्टवेयर जैसा हो जाएगा या service TAM AI-driven reshaping के बीच स्थिर बना रहेगा
    • इनमें स्वाभाविक रूप से एक upper bound मौजूद है
  • गलत तरीका है: इन्हें "सॉफ़्टवेयर नहीं हैं" कहकर नजरअंदाज करना, या यह दिखावा करके निवेश करना कि वे अंततः सॉफ़्टवेयर बन जाएंगी
  • सही तरीका है: इन्हें उसी रूप में underwrite करना जैसा वे हैं — बड़े बाज़ार, बेहतर होते margins, बढ़ती recurring nature, और AI-leveraged service businesses
  • शुरुआती चरण के investor के नज़रिए से मूल रूप से कुछ नहीं बदला है
    • pre-seed और seed चरण में निवेशक हमेशा मौजूदा margin पर नहीं, बल्कि margin trajectory पर दांव लगाते रहे हैं
    • फर्क बस इतना है कि AI पारंपरिक service businesses की तुलना में gross margin expansion की structural tailwind देता है
  • वही framework जिसने सॉफ़्टवेयर को investors के लिए आकर्षक बनाया: बड़ा market, high margins, recurring revenue, low expansion cost
    • AI-powered service कंपनियां इन सभी शर्तों को पूरी तरह पूरा नहीं करतीं, लेकिन अगर उनके पास सॉफ़्टवेयर peers की तुलना में 20~70 गुना बड़ा market, 50%+ margins, recurring customer relationships, और liability व customer relationship ownership पर आधारित defensibility हो, तो इतना काफ़ी है
  • सेवाएं सॉफ़्टवेयर नहीं बनेंगी, लेकिन वे सॉफ़्टवेयर के अधिक करीब ज़रूर जाएंगी, और इस आकार के बाज़ार में इतना ही पर्याप्त है

संबंधित पढ़ाई

अभी कोई टिप्पणी नहीं है.

अभी कोई टिप्पणी नहीं है.