Dikey Yapay Zeka Oyun Kitabı

 (research.contrary.com)
16 puan yazan GN⁺ 2025-09-22 | Henüz yorum yok. | WhatsApp'ta paylaş

Uygulanabilir Özet

  • Yapay zeka benimsemedeki dengesizlik nedeniyle 2024’te kurumsal yapay zeka girişimlerinin %42’si durduruldu; sorunun özü model değil, işe nasıl gömüldüğü
    • Kazananlar yalnızca copilot sunmuyor; iş akışlarını yeniden tasarlamayı, organizasyon yapısını yeniden düşünmeyi ve bazı durumlarda değerin üretildiği hizmet katmanını sahiplenmeyi seçiyor
  • Tarihsel örnekler, disiplinli sermaye tahsisi ile tekrarlanabilir M&A stratejisinin bileşik etkisini gösteriyor
    • Waste Management, United Rentals ve Constellation Software örnekleri, bir doların ve bir saatin getirisini maksimize etmeye odaklı yapı seçimlerinin uzun vadeli performansı belirlediğini gösteriyor
  • Dikey SaaS, sektöre özgü iş akışlarının dijitalleştirilmesiyle öne çıktı; ancak üretken yapay zeka, kayıt yönetiminden icra aşamasına uzanarak işin bizzat yapılmasını mümkün kılıyor
    • Bu da yalnızca yazılım bütçesini değil, iş gücü harcamasının bir kısmını da içine alarak toplam adreslenebilir pazarı (TAM) genişletiyor
  • Geçmişte satın alma odaklı şirketlerin merkeziyetçi mi yoksa dağıtık mı işleyeceğine karar vermesi gibi, bugünün yapay zeka girişimcileri de araç satmak ile operasyon katmanını sahiplenmek arasında yapısal bir tercihle karşı karşıya
    • Bu iki yolun sermaye yoğunluğu, dağıtım yapısı ve savunulabilirlik açısından farklı sonuçları var
  • Dikey yapay zeka girişimi kurmak için iş akışı haritalama, hedef pilot uygulamalar yürütme, dağıtımın ölçeklenebilirliğini test etme ve sermaye ile yeteneği modele hizalama gerekiyor
    • Tek bir doğruyu dayatmak yerine, müşteri davranışı ve pazar koşullarındaki değişime uyum sağlayan tekrarlanabilir bir karar alma süreci sunuluyor
  • Yeni nesil CEO, teknologdan çok sermaye tahsisçisi gibi hareket ediyor
    • Asıl görev ve fırsat, yapay zekayı bir özellik (feature) olarak değil bir emek sınıfı olarak ele alıp, onu seri satın alma yapan şirketlerin disipliniyle konumlandırarak pilotları nakit akışı bileşikleşme motoruna dönüştüren mülkiyet yapısını tasarlamak

# Zemin

# Tarihten Dersler

Nişlerdeki Zenginlik

VC devreye giriyor

# AI ve Dikey Yığın

  • 1990'larda SaaS'ın ortaya çıkışı ile internet üzerinden temel iş araçlarını sunmak mümkün hale geldi
    • Salesforce 1999'da kuruldu ve CRM'i tarayıcı tabanlı SaaS olarak sunarak otomatik güncellemeler, düşük başlangıç maliyeti ve IT yükünü ortadan kaldırma gibi yenilikler getirdi
    • Bu, yazılımın satın alınma ve satılma biçimini kökten değiştirdi ve neredeyse tüm kategorilere yayıldı
  • Daha sonra kurucular, her şirketin aynı ortak sorunlara sahip olmadığını fark etti
    • Sektöre göre iş akışları, düzenlemeler ve müşteri beklentileri farklıdır
    • Dikey SaaS, belirli bir sektörün mantığına ve diline derinlemesine yerleşerek, yüzlerce uzmanlaşmış aracın küçük pazarlarda büyümesini mümkün kıldı
    • Ancak bu tür küçük pazarlar, VC'ler için yatırım cazibesini düşürdüğü için ilk sermayeyi çekmek zor oldu
  • Dikey SaaS kurucularının büyüme yolları çeşitlilik gösterdi
    • Bazıları Constellation veya PE firmalarına satış yaparak uzun vadeli büyüme sağladı
    • Bazıları ise bağımsız kalarak ürüne yatırım yapma ve iş akışlarını genişletme yoluyla sektörün dijital omurgasına dönüştü
    • Örnekler:
      • ServiceTitan → HVAC, tesisat ve elektrik alanları için operasyon altyapısı
      • Toast → restoran POS'u olarak başlayıp bordro, ödeme, envanter ve krediye kadar genişledi
      • Mindbody → wellness stüdyoları için rezervasyon, üyelik ve müşteri yönetimi
      • Shopify → bağımsız satıcılar için hepsi bir arada e-ticaret yığını
      • Procore → inşaat proje yönetimi yazılımında standart
      • Epic Systems → ABD'nin önde gelen hastanelerini kapsayan güçlü bir EMR ekosistemi
  • Bunların hepsi dar bir niş pazarda başlayıp zamanla finans, altyapı ve pazaryeri alanlarına genişledi
    • İyi uygulanmış bir dikey SaaS, geçici bir araç değil, sürdürülebilir bir temel iş haline gelebilir
  • Stripe, 2024 yıllık raporunda yeni girişim patlamasının dikey SaaS'ın yayılmasıyla bağlantılı olduğunu analiz etti
    • Örnek: ABD'deki pizza dükkanları 2005-2017 arasında azalırken, Slice gibi SaaS araçlarının ortaya çıkmasıyla bu trend tersine döndü → franchise'lara karşı bağımsız mağazalarda artış
  • SaaS, bağımsız işletmelere franchise seviyesinde altyapı sunarken aynı zamanda özerkliklerini korumalarını sağlar
    • Stripe'ın ifadesiyle:
      • “ABD'deki küçük ve orta ölçekli işletmelerin %60'ı dikey SaaS kullanıyor”
      • Örnekler: SingleOps(ağaç bakımı), Traxero(çekici hizmetleri), Transformity(alkollü içki mağazaları), Moxie(med spa), Clio(hukuk), Skimmer(havuz bakımı), Planning Center·Tithe.ly(kiliseler), Shulware(sinagoglar), Procede(kamyon bayileri), Meadow Memorials·Tribute Technology(cenaze hizmetleri) vb.

AI ile Ne Değişiyor

  • Kasım 2022’de OpenAI, ChatGPT’yi kullanıma sundu ve iki ay içinde 100 milyon kullanıcıyı aşarak tarihin en hızlı büyüyen yazılımı oldu
    • Başlangıçta bir chatbot olarak görülse de, kısa sürede LLM’lerin genel amaçlı bilişsel iş arayüzü olarak kullanılabileceği ortaya çıktı
  • Bu lansman, yazılım sektörünün genelinde geniş çaplı deneyleri tetikledi ve çok sayıda B2B şirketi ürün stratejisini yeniden gözden geçirerek üretken yapay zekayı entegre etmeye başladı
    • Bazıları OpenAI modellerini mevcut özelliklere entegre etti, bazıları ise tamamen yeni yapay zeka tabanlı ürünler geliştirdi
  • Mevcut SaaS, iş akışlarını dijitalleştirerek kağıt tabanlı süreçleri yapılandırdı ve buluta taşıdı
    • CRM, ERP vb. sistemler verileri standartlaştırdı, iş birliğini güçlendirdi ve izlenebilir hale getirdi
    • LLM’ler artık işi kaydetme ve düzenlemenin ötesine geçerek işin yürütülmesine kadar uzanıyor
  • Bu değişim, dikey sektörler için büyük anlam taşıyor
    • Sigorta hasarları, yük komisyonculuğu, tıbbi faturalama gibi alanlar tarihsel olarak emek yoğundu ve yazılım penetrasyonu düşüktü
    • Artık yapay zeka, kayıt yönetimi değil icranın otomasyonu yoluyla TAM’i genişletebilir ve iş gücü maliyetinin bir kısmını üstlenebilir
  • Temsili örnek: Haziran 2023’te Thomson Reuters, Casetext’i 650 milyon dolara satın aldı
  • Bu dönüşüm sektör geneline yayıldığında pazar büyüklüğü hızla artıyor

Sahaya İndirilmiş Zeka

  • Yapay zeka yatırımları hızla artsa da değer, teknoloji günlük operasyonlara içkin hale geldiğinde ortaya çıkıyor
    • Kısıt, daha büyük modeller geliştirmekten çok bunları gerçek iş akışlarına gömmek
    • Bu da geleneksel SaaS dağıtımından farklı bir yaklaşım gerektiriyor
  • Geleneksel SaaS, onboarding, eğitim ve yapılandırma ile entegre edilir; yapay zeka ise çoğu zaman iş akışının yeniden yazılmasını ve kullanıcıyla yinelemeli deneyleri gerektirir
  • Yapay zekayı yeni bir emek sınıfı olarak görmek daha uygun
    • Burada sadece yazılım satın alınmıyor; yapay zeka işe alınıyor, eğitiliyor, izleniyor ve iş akışına göre ayarlanıyor
    • Başarı, model kalitesinden çok nasıl deploy edildiğine bağlı; arayüz tasarımı, karar mantığının hizalanması ve operasyonel gömme kritik önem taşıyor
  • Ramp 2025 AI Index’e göre teknoloji şirketlerinin %72’sinin ücretli aboneliği bulunurken, bu oran inşaatta %28, konaklama ve yiyecek hizmetlerinde ise yalnızca %22
    • Yapay zeka kullanımı artsa da bunun gerçek marj iyileşmesine dönüşüp dönüşmediği belirsiz
  • Teknoloji dışı şirketlerin çoğu, yapay zekayı etkili biçimde devreye almaya hazır değil
    • Yapay zekanın devreye alınması; mühendislik, ürün tasarımı, alan bilgisi ve değişim yönetimi gerektiriyor
    • Birçok şirket yapay zekayı SaaS gibi değerlendiriyor; oysa yapay zeka olasılıksal çalışma, geri bildirimle öğrenme ve yinelemeli ince ayar gerektiriyor
  • Bu boşluk, dikey entegrasyon modelinin geçerliliğini yeniden güçlendiriyor
    • 2010’larda full-stack şirketler düşük marjlı hizmetler nedeniyle zorlandı, ancak AI agent’lar daha fazla işi üstlendikçe insan gücüne bağımlılık azalıyor ve marjlar iyileşiyor
    • Y Combinator, 2025 RFS’de şu görüşü sundu: “AI agent’ları hukuk bürolarına satabilirsiniz ama doğrudan bir AI hukuk firması kurup onlarla rekabet de edebilirsiniz.”

Vertical X'te Yapay Zeka Marjını Yakalamak İçin İki Yol

  • Yapay zeka geleneksel sektörlerin iş akışlarını yeniden şekillendirirken, girişimciler otomasyonla oluşan marjı nasıl elde edecekleri konusunda iki seçenekle karşı karşıya kalıyor
    • mevcut operatöre yazılım satmak
    • ya da operatörün kendisini doğrudan işletmek veya satın almak
      Yol 1: Yazılımı Operatöre Satmak
  • Geleneksel SaaS modeline benzer, ancak mevcut operatörlere dağıtılmak üzere copilot, otomasyon katmanı ve ajan tabanlı araçlar geliştirmeye dayanır
    • mevcut iş akışlarına uygun performans iyileştirme araçları daha kolay benimsenir; bu da uygulama hızını ve ölçeklenebilirliği artırır
    • ancak bunun için müşterinin yazılımı içeride etkili biçimde devreye alabilmesi, işletebilmesi, eğitebilmesi ve istisnaları yönetebilmesi gerekir
  • Pratikte en büyük kısıt dağıtımın zorluğudur
  • Yazılım satmanın ötesine geçip hizmet sağlayıcıyı doğrudan kurmak ya da satın alıp işletmek anlamına gelir
    • müşteri entegrasyonuna bağımlılığı ortadan kaldırır ve yapay zekayı doğrudan işin içine gömer
    • uygulaması daha yavaş, operasyon açısından daha yoğun ve başlangıç sermayesi ihtiyacı daha yüksek olsa da daha fazla kontrol ve daha yüksek marj vaat eder
  • Hizmet katmanına sahip olmak, araçları doğrudan kurmayı ve müşteriyi ikna etmeye gerek kalmadan iş akışlarını yeniden tasarlamayı mümkün kılar
    • etkiyi hassas biçimde ölçebilir ve müşteri geri bildirimini beklemeden hızlı iterasyon yapabilirsiniz
    • sonuç olarak daha güçlü savunulabilirlik ve teknoloji-hizmet uyumu elde edilir
  • Sonuçta yapay zeka çağında her iki yol da klasik girişim playbook'unun yeniden düşünülmesini gerektiriyor
    • gelir modeli, organizasyon yapısı ve hatta mülkiyet biçimi yeniden tanımlanmalı

# Vaka Çalışmaları

  • Geleneksel sektörler genelinde yapay zeka dağıtım modelleri üç başlıkta toplanıyor: (1) müşteriye satış, (2) mevcut operatörü satın alma, (3) tam yığın yapay zeka yereli inşa etme

    • Şirketler tek bir modelle başlayıp ölçeklenme sürecinde başka bir modele geçebiliyor; ayrıca uygun çözüm, sektör yapısı·ürün dayanıklılığı·ekibin uygulama kabiliyetine göre değişiyor

  • Gayrimenkul

    • EliseAI: Konut odaklı kiralama yöneticileri için bir otomasyon platformu olarak, konuşma tabanlı ajan paketini müşterinin PMS’ine entegre ederek tur rezervasyonu, kiracı soruları ve bakım taleplerini yöneten bir yazılım satış modeli benimsiyor
    • Metropolis: Otopark sektöründe akıllı altyapıyı içselleştirmeyi hedefleyerek, bir uygulamayla başlayıp yapay zeka ve bilgisayarlı görüyle temassız giriş-çıkışı hayata geçirdi
      • B2B satışta uzun vadeli kira ve işletme sözleşmeleri nedeniyle satış tıkanıklığı yaşadı ve operatör satın alma stratejisine geçti
      • 2022’de Premier Parking’i satın alarak 600 otoparka ulaştı ve ardından teknolojiyi yaygınlaştırdı; 2023’te ise SP Plus’ı $1.5B karşılığında satın almak için $1.7B fon topladı gerçekleştirdi
    • Wander: Premium kısa dönem kiralamada dikey entegrasyondan → asset-light operasyona geçen bir teknoloji odaklı operatör
      • Başlangıçta REIT olarak varlık sahibi ve işletmeciydi; ancak faiz artışları ve CS finansman hattının çökmesiyle REIT’i kapattı, Wander Operated ve Wander Branded modellerine geçerek sahip olmadan işletmeyi büyüttü; Mayıs 2025 itibarıyla 1K+ benimsenen konut
    • Long Lake: 2024’te kurulan bir hizmet sektörü roll-up platformu olarak HOA yöneticileriyle başlayıp, %30 verimlilik artışı örneklerini dayanak göstererek yapay zeka araçlarının retrofit edilmesini ilerletiyor
      • Thrive Holdings vb. üzerinden $600M+ fon çekti, 18 şirket satın alımı ve 1.4K çalışan temeliyle ölçeklendi
    • Çıkarım: Gayrimenkulde kilit nokta araçları üstüne eklemekten çok operasyonun kendisini yeniden tasarlamak; EliseAI müşterinin değişim yönetimi kabiliyetine dayanırken, Metropolis·Wander·Long Lake operasyon katmanına sahip olarak dönüşümü doğrudan uyguluyor

  • Muhasebe

    • Basis: 2023’te New York’ta kuruldu; muhasebe iş akışlarını ajan tabanlı sanal ekiplerle güçlendiren ve otomatikleştiren bir yazılım satış modeli
    • Crete: 2023’te başlayan bir muhasebe platform roll-up’ı olarak yerel muhasebe firmalarını M&A ile birleştiriyor ve ortak altyapı sağlıyor
      • İki yılda $300M+ gelir ve 900 kişi ölçeğine ulaştı, 20+ satın alma yaptı ve ek $500M satın alma planını açıkladı
      • OpenAI ve Thrive mühendisliğiyle kurum içi yapay zeka araçları geliştirerek denetim testleri, not yazımı ve veri eşleme işlerini destekliyor
    • Multiplier: 2022’de kuruldu; vergi yazılımıyla başladı ancak firma satın alıp yapay zekayı içselleştirerek pivot etti
      • İlk satın alımı Citrine International Tax içinde çekirdek vergi ve uyum işlerini otomatikleştirerek marjı 2 katına çıkardığını ve hizmet kapasitesini genişlettiğini kanıtladı
    • Çıkarım: Muhasebede en büyük etki araç eklemekten değil, operasyonu yeniden tasarlamaktan geliyor; Basis dijital takımlaşma, Crete·Multiplier ise sahiplik ve operasyona içkinleşme ile sonuç alıyor

  • Hukuk Hizmetleri

    • Harvey: Hukuk büroları ve şirket içi hukuk ekipleri için bir yapay zeka hukuk platformu olarak sözleşme inceleme-yazımı, due diligence ve araştırmayı alana özgü LLM’lerle birleştiriyor
      • Mevcut iş akışlarının içinde çalışıyor, risk noktalarını öne çıkarıyor ve taslak üretimi sağlıyor; 300+ müşteri ve Temmuz 2025 itibarıyla $100M+ ARR seviyesine ulaştı
    • Eudia: General Catalyst tarafından kuluçkaya alınan şirket içi hukuk için bir AI+roll-up platformu
      • Şubat 2025’te topladığı $105M’nin $75M’ini satın alma koşuluna bağlı bir yapıda kurdu, Temmuz’da Johnson Hana’yı (300 kişi) satın aldı
      • Bilgi katmanı + ajanları birleştirerek uyum, sözleşme ve risk gibi tekrar eden işleri içselleştiriyor

  • Çıkarım: Hukuk hizmetlerinin özü uzman merkezli güven·ilişki·muhakemedir ve Casetext örneği rutin işlerin verimlileştirilmesini gösteriyor

    • Atrium örneğinin gösterdiği gibi düşük sıklıklı·yüksek zorluklu alanlarda kritik unsur üst düzey avukatları kazanmak ve elde tutmak; teknoloji ise yardımcı bir rol oynar

  • Yatırım Danışmanlığı

    • OffDeal: alt orta pazar M&A odaklı AI native yatırım bankası; büyük oyuncuların gözden kaçırdığı segmenti yeniden kurguluyor
      • 2 kişilik pod modeli ile yapay zeka alıcı arama·benchmarking·pitch hazırlama gibi işleri destekliyor; yapı, genç çalışanların muhakeme·ilişki yönetimine odaklanması için tasarlandı
    • Inven: yatırım profesyonellerinin sourcing sürecinin ilk aşamasını otomatikleştirmeye yönelik bir platform; yüz milyonlarca kaynaktan LLM pipeline ile veri çıkarıp analiz ederek özel şirket hedeflerinin bulunmasını destekliyor
    • Çıkarım: Inven araştırma·sourcing zekasını artırarak, OffDeal ise organizasyon tasarımının kendisini dönüştürerek verimlilik sağlıyor
      • Büyük IB'lerde de araçlar mevcut, ancak hiyerarşi·teşvik darboğazları nedeniyle kullanım sınırlı kalıyor; yeni organizasyon tasarımının gerçek verimlilik yarattığını kanıtlıyor

  • Contact Centers

    • Replicant: sesli·konuşmaya dayalı yapay zeka ile tekrarlayan talepleri işleyen bir çağrı merkezi otomasyon platformu; kurumsal müşteriler için ayda on milyonlarca çağrıyı işliyor
      • Birden çok sektörde konuşma verisi biriktiren, genel kullanım değeri yüksek bir ürün olarak, operasyonu kendisi yürütmek isteyen müşterilere kontrol·özelleştirme sunuyor
    • Crescendo: General Catalyst'in başlattığı AI native BPO operatörü; kendi araçlarını geliştirme + çağrı merkezine sahip olma ve işletme karışımından oluşan bir model
    • Çıkarım: Operasyonu kendi içinde yürütmek isteyenler için Replicant'ın kontrol·özelleştirme yaklaşımı, sonuç odaklı tam yönetilen bir model isteyenler içinse Crescendo uygun; her ikisi de manuel emeğe dayalı·parçalı mevcut stack'i yapay zeka ile yeniden düzenliyor

The Playbook

  • Yapay zekanın dengesiz etkisi içinde kurucular ve yatırımcılar, teknolojiyi kesin nakit akışına dönüştürecek yapıyı seçmek zorunda. 2024’te üretken yapay zeka pilotlarının %42’sinin sonuç almadan durdurulduğu gerçeği düşünüldüğünde, William Thorndike’ın The Outsiders kitabının gösterdiği gibi sermayeyi eklenen 1 doların riske göre getirisi en yüksek olduğu yere ayıran bir düşünce biçimi gerekiyor
  • Geleneksel SaaS, artan kaynakları çoğunlukla insan gücü ve pazarlamaya yönlendirme eğilimindeyken, AI roll-up daha geniş bir araç setine sahiptir. Ancak yalnızca iş akışı haritalama ve model iyileştirme yeterli değildir; ek 1 doların / 1 saatin nereye harcandığı değerin gerçekleşmesini belirler
  • Modern yapay zeka işlerinin 3 giriş modeli: (1) yazılım lisanslanır, ardından operasyonu müşteri yürütür, (2) mevcut varlıklar (işletme şirketi) satın alınır, teknoloji yerleştirilir ve nakit yeniden yatırılır, (3) full-stack biçimde doğrudan operasyon yürütülür (kod, sermaye ve günlük operasyon tek çatı altında)
  • Gerçekte hibritleşme ve pivot sık görüldüğünden, aşağıdaki oyun kitabı verimsizliği belirleme → yapay zeka etkisini doğrulama → satış / satın alma / doğrudan kurulum arasında ilk seçimi yapma akışına uzanan bir temel çerçeve sunar

  • I. Ontolojiyi Haritalayın

    • Palantir tarzı öneri: önce mevcut durumdaki iş ontolojisini (nesneler, durumlar, geçişler) görselleştirin
      • Bu grafik, zamanı / insan gücünü / sermayeyi aşırı tüketen geçişleri ortaya çıkarır ve iyileştirme alanını ile JTBD’yi netleştirir
      • Palantir’in kodlamadan önce tüm aşamaları modelleme ilkesi, Ar-Ge önceliklendirmesi ve yatırımcı uyumu için hassas bir harita sağlar

  • II. Zemini Tanımlayın

    • Verimsizlik ortaya çıktıysa, pazar yapısını inceleyip toplam P&L’yi kontrol etmenin ödülünün olup olmadığına bakın
      • 150~200 hedef ölçeğindeki, orta ölçekli ve serbest meslek sahibi odaklı nişler roll-up için uygundur
      • Çok düşük marjlı ve yapay zekanın doğrudan temel hizmet katmanına müdahil olduğu sektörlerde EBITDA artış alanı büyük olduğundan sahiplenme gerekçelendirilebilir
      • Ekonomik döngüye duyarlı ve teknoloji dostu sektörlerde saf SaaS daha güvenlidir
      • Regülasyon yoğunluğu yüksekse, lisans sahibi şirket satın almak uyumluluk için kestirme yol olabilir

  • III. Kanıtla, Sonra Satın Al

    • Kaldıraç kullanmadan önce modelin geçerliliğini saha verileriyle kanıtlayın
      • En ucuz yöntem: müşteri sahasında pilot, hazır yapay zeka bileşenlerini bir araya getiren kontrollü deney
      • Slow Ventures, değer yaratımı M&A’den önce gelmeli diye vurgular: ürünün güçlü değer ürettiği doğrulandıktan sonra satın alma yapılmalı (“Build → then Buy”)

  • IV. Dağıtım Kamasını Test Edin

    • Uzun süreli sözleşmeler, düşük kullanım ve ağır onboarding nedeniyle SaaS satışları yavaş ya da pahalıysa, ilişkiye zaten sahip olan bir şirketi satın almak hatta daha ucuz olabilir
      • Gayrimenkul / varlık operasyonu gibi tedarikçi değişiminin yalnızca yenileme döneminde mümkün olduğu pazarlarda, mevcut incumbent’ı satın almak = CAC düşüşü + atalet → hendek
      • Bu, Metropolis’in B2B satış darboğazını yaşayıp bunu Premier Parking ve SP Plus’ı art arda satın alarak çözmesinin tipik bir örneğidir

  • V. Sermaye ve Yeteneği Yola Uydurun

    • İşletme satın alma ve doğrudan operasyon yürütme, ürün geliştirmeye ek olarak M&A ve günlük operasyon olmak üzere iki ek yetkinlik gerektirir
      • Borç yapılandırması, entegrasyon oyun kitabı ve yalın bir merkez ofis bütçesi yönetilebilmeli; ayrıca covenant yükümlülüklerini zorlanmadan karşılayacak sermaye gücü gerekli
      • Aşırı kaldıraç, Thrasio örneğinde olduğu gibi nakit akışını boğabilir (iflas süreci)
      • İnsan kaynağı ve sermaye henüz bu düzeyde değilse, asset-light stratejiyi korumak mantıklı bir seçimdir

Çizgilerin Bulanıklaşması

  • Yapay zeka marj genişlemesini mümkün kılsa da ölçek ve hız giriş modeline göre değişir
    • Zamanla dikey SaaS, roll-up ve full-stack arasındaki sınırlar bulanıklaşacaktır, ancak “nerede oynanacağına” karar verme sırası hâlâ en ekonomik yaklaşımdır
  • Teknik ekiplerin operasyon odaklı işlere geçerken karşılaştığı üç zorluk:
    1. Operasyonel iyileştirmenin zorluğu: Yapay zeka araçlarının henüz olgunlaşmadığı bir ortamda gerçek verimlilik sağlamak, basit model entegrasyonundan değil sıkı süreç yeniden tasarımından geçer
    2. Fiyat disiplininin önemi: Geçmişte başarılı roll-up’lar, düşük EBITDA çarpanıyla alım → yüksek çarpanla satış yapısına dayanıyordu. Yapay zeka olsa bile değerleme disiplininden kaçmak mümkün değildir; pahalı alım yapılırsa marj genişlemesi çöker
    3. Nadir bulunan deal ve entegrasyon yetkinliği: Satın alma ve borç yönetimi için private equity’ye yakın bir oyun kitabı gerekir. AI roll-up’ların çoğu, hız ve risk arasında denge kuran operatör + deal lead + teknolog karışımından oluşan ekiplere ihtiyaç duyar
  • Şu an konsolidasyon döngüsünün erken aşamasındayız ve birçok şirket hibrit yapıları deneyecek
    • Teknoloji, sermaye maliyeti ve müşteri davranışı değiştikçe ilk modelin uymadığı durumlar da ortaya çıkacaktır
    • Araç, yapı ve pazar eşleşmesini kurarken aynı zamanda uymadığında geri çekilebilecek disipline sahip ekipler en iyi performansı gösterecektir

> “Ben bir yatırımcı olduğum için daha iyi bir iş insanıyım, iş insanı olduğum için de daha iyi bir yatırımcıyım.” — Warren Buffett

İlgili okumalar

Henüz yorum yok.

Henüz yorum yok.