Richard de Silva considera que la reducción del coste de crear software gracias a las herramientas de generación de código y diseño de productos basadas en inteligencia artificial está devolviendo relevancia al modelo de las empresas autofinanciadas, o lo que se conoce como empresas basadas en ingresos propios (bootstrapped businesses). En lugar de reunir primero una gran cantidad de capital y buscar después el encaje entre producto y mercado, un equipo pequeño puede empezar con un problema que los clientes ya pagan por resolver, construir un producto inicial y decidir más adelante si necesita inversión adicional.
Esta es una opinión que de Silva escribió como colaborador invitado de Crunchbase News. Es fundador, socio gerente y presidente del comité de inversiones de Lateral Investment Management; también trabajó anteriormente como director gerente en Highland Capital Partners y participó en la fundación de IronPlanet. Por ello, el planteamiento debe leerse como la opinión de un inversor con experiencia en capital de riesgo y empresas del mercado medio, no como el resultado de un estudio cuantitativo independiente.
Dos modelos diferentes para construir una empresa
de Silva critica el recorrido habitual de Silicon Valley, en el que la empresa comienza con una idea ambiciosa, reúne financiación inicial, contrata equipos grandes y después gasta para llegar rápidamente a un mercado amplio y probar el encaje entre producto y mercado. Afirma que este recorrido puede funcionar en casos excepcionales, pero que con frecuencia conduce a cambios repetidos de sector o a la desaparición de la empresa cuando pierde atractivo ante los inversores.
En cambio, la empresa autofinanciada comienza con un cliente o un sector que el fundador ya conoce. El proceso consiste en resolver un problema existente a un coste inferior a los ingresos que genera, encontrar después a otros clientes que afronten el mismo problema y mejorar gradualmente las operaciones. Según el autor, este modelo sitúa al cliente y los ingresos antes que la expansión, y hace que la contratación del equipo se financie con los beneficios en lugar de ser una apuesta por una demanda que aún no ha sido demostrada.
El artículo señala que los fundadores de estas empresas suelen encontrarse a mitad de su trayectoria profesional, con experiencia sectorial y relaciones existentes con clientes. Esto puede significar un crecimiento más lento y lineal durante años, pero centra la atención en la rentabilidad desde el principio. El autor cita a Atlassian y Basecamp como ejemplos de empresas que comenzaron fuera del recorrido tradicional del capital de riesgo y lograron una presencia importante en el sector tecnológico.
¿Qué cambia en la práctica con la inteligencia artificial?
Anteriormente, el fundador no técnico a menudo necesitaba financiación externa temprana para contratar ingenieros y construir un producto utilizable antes de contar con ingresos suficientes. Hoy, de Silva considera que las herramientas de generación de código y diseño de productos reducen el tamaño del equipo y el gasto necesarios para llegar a una aplicación funcional y desplegarla entre clientes reales.
Esto no significa que la inteligencia artificial haya eliminado la necesidad de capital. Sin embargo, según el argumento planteado, ha trasladado el cuello de botella de la construcción del producto a demostrar que existe una demanda sostenible para él. El autor también considera que parte de la financiación inicial se utiliza, en cambio, para comprar tiempo adicional, acelerar las ventas y el marketing, o respaldar operaciones de despliegue que no resultan económicas para los clientes sin subsidization. Por tanto, probar el mercado antes de reunir una gran ronda podría convertirse en una opción más realista para un número mayor de fundadores.
El artículo menciona el ejemplo de Medvi, que describe como una empresa que ofrece un tratamiento relacionado con medicamentos GLP-1 y que alcanzó unos ingresos de mil millones de dólares con un solo fundador, como un ejemplo extremo de lo que pueden lograr los equipos pequeños. El texto no ofrece detalles suficientes para verificar esta descripción ni para generalizarla, por lo que no debe considerarse una prueba de que el tamaño reducido garantice el éxito.
Límites y preguntas abiertas
de Silva no aboga por eliminar el capital de riesgo. Reconoce que las ideas no probadas e intensivas en capital, especialmente cuando el fundador no cuenta con una base de clientes, siguen necesitando financiación externa para financiar la búsqueda de un mercado. Además, reducir el coste del desarrollo de software no resuelve automáticamente los desafíos de adquisición de clientes, cumplimiento normativo, soporte, seguridad de los productos ni construcción de una ventaja difícil de imitar.
La conclusión más importante para el lector técnico es que la inteligencia artificial puede ampliar el grupo de empresas capaces de llegar a un producto inicial sin una ronda de financiación temprana, pero no demuestra el encaje entre producto y mercado. El valor práctico del modelo autofinanciado depende del conocimiento que el fundador tenga del problema, de su disposición a crecer de acuerdo con los ingresos y de su capacidad para convertir las herramientas de inteligencia artificial en un servicio del que los clientes realmente dependan. En cuanto a si esto dará lugar a una ola amplia de nuevos líderes de mercado, sigue siendo una hipótesis de opinión que la fuente no resuelve.