Erik Salazar, Iconic के संस्थापक और सीईओ – साक्षात्कार श्रृंखला

Erik Salazar, Iconic के संस्थापक और सीईओ, दो दशकों से अधिक के अनुभव वाले एक क्रमिक उद्यमी और प्रौद्योगिकी कार्यकारी हैं, जिनका अनुभव विलय एवं अधिग्रहण, एंटरप्राइज़ इन्फ्रास्ट्रक्चर, हेल्थकेयर प्रौद्योगिकी और स्टार्टअप नेतृत्व तक फैला हुआ है। Iconic को 2023 में लॉन्च करने से पहले, उन्होंने Kit.com के COO और सह-संस्थापक के रूप में कार्य किया, जो एक हेल्थकेयर परीक्षण प्लेटफ़ॉर्म था जिसे बाद में Ro Health Ventures ने अधिग्रहित किया। अपने करियर के शुरुआती चरण में, Salazar ने Unitas Global की सह-स्थापना की, जिससे कंपनी को एक प्रमुख क्लाउड और इन्फ्रास्ट्रक्चर सेवाओं के प्रदाता के रूप में स्केल करने में मदद मिली, इससे पहले कि इसे Digital Alpha ने अधिग्रहित किया। उन्होंने CoreSite में भी नेतृत्व पद संभाले और The Carlyle (CG ) Group के साथ वित्त में अपना करियर शुरू किया, जहाँ उनका ध्यान अंडरराइटिंग, मॉडलिंग और अधिग्रहण पर था। वित्तीय विशेषज्ञता, संचालनात्मक नेतृत्व और स्टार्टअप निष्पादन के इस संयोजन को ध्यान में रखते हुए, Salazar ने Iconic की स्थापना की ताकि प्रौद्योगिकी-चालित सलाहकार सेवाओं, AI-संचालित खरीदार मिलान और व्यवसाय मूल्यांकन के माध्यम से पारंपरिक रूप से बिखरे हुए M&A उद्योग को आधुनिक बनाया जा सके।

Iconic एक AI-संचालित M&A प्लेटफ़ॉर्म है जिसे व्यवसाय मालिकों को अपनी कंपनियों को अधिक कुशलता से बेचने में मदद करने के लिए डिज़ाइन किया गया है, साथ ही विक्रेताओं और खरीदारों दोनों के परिणामों को सुधारता है। कंपनी स्वामित्व सॉफ़्टवेयर को अनुभवी सलाहकारों के साथ मिलाकर लेनदेन प्रक्रिया के हर चरण को सरल बनाती है, मूल्यांकन और खरीदार खोज से लेकर डील प्रबंधन और समापन तक। कृत्रिम बुद्धिमत्ता, स्वचालन और डेटा विश्लेषण का उपयोग करके, Iconic निचले-मध्य-मार्केट M&A लेनदेन में अधिक पारदर्शिता, गति और सटीकता लाने का लक्ष्य रखता है, एक उद्योग जो ऐतिहासिक रूप से मैन्युअल प्रक्रियाओं और बिखरे हुए नेटवर्क पर निर्भर रहा है। प्लेटफ़ॉर्म का प्रौद्योगिकी-सक्षम सलाहकार सेवाओं पर ध्यान इसे फिनटेक, AI और व्यवसाय ब्रोकरज के संगम पर रखता है, जिसका उद्देश्य निजी कंपनियों के खरीदे और बेचे जाने के तरीके को आधुनिक बनाना है।

आपके पिता का एक छोटे व्यवसाय के मालिक के रूप में अनुभव, जिन्होंने दशकों में निर्मित मूल्य को पूरी तरह से नहीं समझा, Iconic की प्रेरणा बना। क्या आप वह कहानी साझा कर सकते हैं और समझा सकते हैं कि इसने छोटे व्यवसायों के लिए M&A प्रक्रिया को आधुनिक बनाने के आपके निर्णय को कैसे प्रभावित किया?

मेरे पिता ने दशकों तक एक ट्रैवल एजेंसी चलाई। उन्होंने ग्राहकों के भरोसे, कर्मचारियों की निर्भरता और एक सफल व्यवसाय के साथ कुछ वास्तविक बनाया। फिर उन्हें बीमारी हुई। एक बिंदु आया जब वह इसे और संचालित नहीं कर सके, और उन्हें आगे क्या करना है, इसका कोई अंदाज़ा नहीं था। उन्हें यह नहीं पता था कि छोटे व्यवसाय को बेचने की कोई प्रक्रिया है। उन्हें यह नहीं पता था कि इसके लिए कोई बाजार है। उन्होंने मान लिया कि यदि वह इसे नहीं चला सकते और उनके बच्चों में से कोई भी इसे संभाल नहीं सकता, तो सब खत्म हो गया।

ऐसा ही हुआ। व्यवसाय धीरे-धीरे बंद हो गया, और यह इसलिए नहीं कि वह विफल हुआ। यह इसलिए हुआ क्योंकि कोई नहीं जानता था कि इसे कैसे बचाया जाए।

यह बात मेरे साथ रही। जब मेरे सह-संस्थापक Roberto और मैं छोटे व्यवसाय M&A बाजार में गहराई से खोज करने लगे, तो पेशेवर अवसर स्पष्ट था। लेकिन बाजार विश्लेषण के नीचे हमेशा कुछ अधिक व्यक्तिगत था – मेरे पिता के व्यवसाय को गायब होते देखना क्योंकि उनके जैसे व्यक्ति के लिए सही बुनियादी ढांचा मौजूद नहीं था। Iconic कुछ हद तक वह परिणाम है जो उन्हें कभी नहीं मिला।

आने वाले दशक में लगभग छह मिलियन छोटे व्यवसायों के स्वामित्व का परिवर्तन होने की उम्मीद है। आप क्यों मानते हैं कि वर्तमान M&A बुनियादी ढांचा इस स्वामित्व परिवर्तन की लहर के लिए तैयार नहीं है?

बुनियादी ढांचा कभी छोटे व्यवसाय M&A बाजार के लिए नहीं बनाया गया था। निवेश बैंक, M&A सलाहकार और संस्थागत लेनदेन समर्थन पारंपरिक रूप से एक निश्चित आकार से बड़े सौदों के लिए डिजाइन किए गए हैं। मुख्य सड़क पर छोटे व्यवसायों को समीकरण से बाहर रखा गया है।

उनके लिए जो मौजूद है वह मुख्यतः मैन्युअल है और इसमें स्प्रेडशीट, ईमेल थ्रेड, स्थानीय ब्रोकर जो अलग-अलग डेटा के बिना अलग-थलग काम करते हैं, और कोई मानकीकृत प्रक्रिया नहीं शामिल है। यह सेटअप तब टिक नहीं पाएगा जब मिलियन लेनदेन एक साथ चल रहे हों।

आपका पृष्ठभूमि Carlyle में प्राइवेट इक्विटी, डेटा सेंटर इन्फ्रास्ट्रक्चर, हेल्थकेयर स्टार्टअप और अब M&A प्रौद्योगिकी तक फैला हुआ है। उन उद्योगों से कौन से सबक Iconic बनाने में सबसे अधिक मूल्यवान साबित हुए हैं?

सबसे ईमानदार उत्तर जो मैं दे सकता हूँ वह व्यक्तिगत अनुभव से आता है। जब Kit का अधिग्रहण हुआ, मैं एक लेनदेन की बिक्री पक्ष पर था, जहाँ एक सेना वकीलों और पेशेवर M&A कार्यकारियों के साथ टेबल के पार बैठा था। मैं आपको बता सकता हूँ कि यदि मेरे आसपास सही टीम नहीं होती, जो वास्तव में M&A में क्या कर रहे हैं, तो परिणाम बहुत अलग होता।

उस अनुभव ने एक बात स्पष्ट कर दी: सही बुनियादी ढांचे और पहुंच वाले लोग जीतते हैं। जिनके पास यह नहीं है, वे टेबल पर पैसा छोड़ देते हैं, या उससे भी बुरा, अपने जीवन के सबसे महत्वपूर्ण वित्तीय क्षण में उनका शोषण किया जाता है।

मैंने यह पैटर्न प्राइवेट इक्विटी में भी देखा। जिन फर्मों के पास सबसे अच्छा डील फ्लो और सबसे अच्छा डेटा होता है, वे समय के साथ अपने लाभ को बढ़ाते हैं। बाकी सभी वही अंतराल भरते हैं जो उन्हें भरने की अनुमति है। यह असिमेट्री मुख्य सड़क पर भी उतनी ही स्पष्ट है जितनी वॉल स्ट्रीट पर। अंतर यह है कि मुख्य सड़क पर, हमने इसे सामान्य बना दिया है।

छोटे व्यवसाय मालिक दशकों तक कुछ वास्तविक बनाने में लगे रहे हैं। उन्होंने अपने ग्राहकों और समुदायों की सेवा अपने हाथों से की है। और जब बेचने का समय आता है, तो वे बिना किसी रोडमैप के एक विदेशी प्रक्रिया में नेविगेट कर रहे होते हैं। यही वह समस्या है जिसे Iconic हल करने के लिए बना है।

छोटे व्यवसाय लेनदेन अक्सर स्प्रेडशीट, ईमेल और मैन्युअल प्रक्रियाओं पर निर्भर होते हैं। अगले पाँच वर्षों में AI कौन सी सबसे बड़ी अक्षमताओं को वास्तविक रूप से समाप्त कर सकता है?

डील तैयारी पहला वास्तविक बाधा है। एक व्यवसाय को बाजार में लाने के लिए तैयार करने में हफ्तों लगते हैं, और इसका अधिकांश हिस्सा वित्तीय डेटा को व्यवस्थित करना, CIM बनाना और खरीदार प्रोफ़ाइल स्थापित करना है। यह सब संरचित, दोहराने योग्य काम है जिसमें AI वास्तव में अच्छा है।

खरीदार मिलान भी अच्छे परिणाम सुनिश्चित करने के लिए महत्वपूर्ण है। वर्तमान में, प्रक्रिया मूलतः एक ब्रोकर की संपर्क सूची है। AI ऐसे संकेत निकाल सकता है जो कोई व्यक्तिगत ब्रोकर नहीं रखता, जिसमें अधिग्रहण इतिहास, घोषित निवेश मानदंड, किसी सेक्टर में रोल‑अप पैटर्न, और खोज व्यवहार शामिल हैं जो सक्रिय डील‑हंटिंग को दर्शाते हैं। और ड्यू डिलिजेंस मूलतः एक दस्तावेज़ प्रबंधन और क्रॉस‑रेफ़रेंसिंग समस्या है। यही वह काम है जहाँ AI मदद कर सकता है और क्लोज़ समय को आधा कर सकता है।

पाँच साल बाद, लेनदेन का फ्रंट एंड (तैयारी) और बैक एंड (ड्यू डिलिजेंस) आज से बहुत अलग दिखेगा। मध्य भाग, जहाँ विक्रेता यह तय कर रहा है कि वह अपने निर्मित चीज़ को किस पर भरोसा करे, अभी भी मानव रहेगा। AI को ग्रंट कार्यों के लिए उपयोग करने से सलाहकारों को सबसे प्रभावशाली भाग पर समय मिलेगा।

कई AI स्टार्टअप मानव विशेषज्ञता को बदलने पर ध्यान केंद्रित करते हैं। Iconic सलाहकारों को हटाने के बजाय उन्हें बढ़ाने जैसा दिखता है। आप क्यों मानते हैं कि M&A का भविष्य मानव+AI है, न कि केवल AI?

M&A मूल रूप से एक भरोसे का लेनदेन है। एक विक्रेता वह चीज़ सौंप रहा है जिसे उसने अपने जीवन में बनाया है। वह क्षण स्वचालित नहीं होता। जैसे ही एक विक्रेता महसूस करता है कि वह एक सिस्टम से बात कर रहा है न कि उस व्यक्ति से जो वास्तव में समझता है कि क्या दांव पर है, तो आप सौदा खो देते हैं।

आज छोटे व्यवसाय M&A में चुनौती यह है कि ब्रोकरों से सब कुछ हाथ से करने को कहा गया है, जिससे वे कितने सौदे चलाते हैं और प्रत्येक विक्रेता के साथ कितना समय बिता सकते हैं, यह सीमित हो जाता है। यही वास्तविक लागत है। ये मालिक अपने जीवन के सबसे बड़े वित्तीय निर्णय को नेविगेट कर रहे हैं, अक्सर पहली बार, बिना रोडमैप के और प्रतिनिधित्व की गुणवत्ता पर सीमाओं के साथ। बड़े लेनदेन में, निवेश बैंक इस समस्या को कई विश्लेषकों की टीम को समस्या पर लगाकर हल करते हैं। मुख्य सड़क पर यह संभव नहीं है, लेकिन जो संभव है वह वर्तमान तकनीक हमें करने की अनुमति देती है। हम अब अंतर को पाट सकते हैं। जब एक ब्रोकर स्प्रेडशीट और खरीदार ईमेल में डूबा होता है, तो वह समय वह व्यक्ति के साथ कमरे में नहीं बिता रहा है जिसे सबसे अधिक जरूरत है।

हम जो बना रहे हैं वह उस सीमा को हटाता है। AI संचालनात्मक भार को संभालता है। ब्रोकर संबंध, भरोसा, वह मानवीय निर्णय जो कोई मॉडल दोहरा नहीं सकता, संभालता है।

एक व्यावहारिक वास्तविकता भी है। ये लेनदेन वास्तविक कानूनी, वित्तीय और कर जटिलता रखते हैं जो उत्तरदायी पेशेवरों की आवश्यकता होती है। लेकिन यांत्रिकी से परे, एक विक्रेता जो तय कर रहा है कि वह अपना जीवन कार्य एक अजनबी को सौंपे, उसे वास्तव में देखा जाना चाहिए और उस प्रक्रिया में मार्गदर्शन किया जाना चाहिए। यह सॉफ़्टवेयर समस्या नहीं है। यह लोगों की समस्या है। और यह हमेशा रहेगा।

Iconic के मुख्य वादों में से एक है लेनदेन को बंद करने में लगने वाले समय को कम करना। कौन से विशिष्ट बाधाएँ अक्सर सौदों को देर कर देती हैं, और AI उन्हें कैसे संबोधित करता है?

विक्रेता अक्सर अपर्याप्त तैयारी के साथ बाजार में आते हैं। वित्तीय डेटा को व्यवस्थित करना, प्रस्तुति सामग्री बनाना, और एक वास्तविक मूल्यांकन सीमा पर पहुँचना वास्तविक प्रक्रिया शुरू होने से पहले हफ्तों जोड़ सकता है। फिर खरीदार आउटरीच बहुत व्यापक हो जाता है क्योंकि लक्ष्य डेटा बहुत पतला है। ब्रोकर खराब मिलान को कवर करने के लिए व्यापक रूप से काम करते हैं, जिसका मतलब है उन खरीदारों पर समय खर्च करना जो कभी सौदे के लिए सही नहीं थे। एक बार कोई LOI के तहत आ जाता है, ड्यू डिलिजेंस ईमेल श्रृंखला, साझा ड्राइव और संस्करण भ्रम में बदल जाता है। धीमा और मैन्युअल, हर बार।

AI इन प्रत्येक चरणों को संक्षिप्त करता है। तैयारी तेज़ हो जाती है जब उपकरण स्वचालित रूप से वित्तीय डेटा को खींच और व्यवस्थित कर सकते हैं, आउटरीच सटीक हो जाता है जब आप व्यवहारिक संकेतों और लेनदेन इतिहास से काम कर रहे होते हैं न कि संपर्क सूची से, और ड्यू डिलिजेंस तब चलता है जब दस्तावेज़ वास्तविक समय में व्यवस्थित और क्रॉस‑रेफ़रेंस होते हैं, न कि हाथ से क्रम में समीक्षा किए जाते हैं।

व्यवसाय मूल्यांकन किसी भी अधिग्रहण का सबसे अधिक बहस वाला पहलू बना रहता है। आप कैसे देखते हैं कि AI मूल्यांकन पद्धतियों को बदल रहा है, विशेष रूप से छोटे व्यवसायों के लिए जो अक्सर व्यापक तुलनीय लेनदेन डेटा की कमी रखते हैं?

यहाँ चुनौती वास्तव में डेटा की है। तुलनीय लेनदेन डेटा जो निवेश बैंक मध्य‑मार्केट सौदों के लिए उपयोग करते हैं, यहाँ बड़े पैमाने पर मौजूद नहीं है। सौदे रिपोर्ट नहीं होते, शर्तें प्रकट नहीं होतीं, और नमूना आकार बहुत छोटे होते हैं। इसलिए मूल्यांकन असंगत हो जाते हैं, और यह असंगति प्रत्येक सौदे के दोनों पक्षों में घर्षण पैदा करती है।

AI मदद करता है इनपुट्स के बीच पैटर्न मिलान करके, जो मैन्युअल विश्लेषण कुशलता से नहीं कर सकता। इसमें उद्योग बेंचमार्क, स्थानीय बाजार स्थितियाँ, मालिक की निर्भरता, ग्राहक एकाग्रता, और आवर्ती राजस्व शामिल हैं। आपको बातचीत के लिए एक अधिक ठोस शुरुआती बिंदु मिलता है, जो वास्तव में उपयोगी है भले ही यह सब कुछ हल न करे। मॉडल भी बेहतर होते जाते हैं क्योंकि अधिक लेनदेन डेटा समय के साथ कैप्चर होता है।

AI उन व्यवसायों में सबसे अधिक संघर्ष करेगा जहाँ मूल्य का अधिकांश हिस्सा मालिक के संबंधों में निहित है। आप इसे कैसे तुलना करेंगे? आप अधिकांशतः नहीं कर सकते, और एक एल्गोरिद्म जो ऐसा दिखावा करता है, लोगों को गुमराह करेगा।

खरीदार मिलान वह दूसरा क्षेत्र है जहाँ Iconic AI लागू कर रहा है। कौन से संकेत या डेटा बिंदु मशीन लर्निंग उजागर कर सकते हैं जो पारंपरिक ब्रोकर सबसे अच्छे रणनीतिक या वित्तीय खरीदार की पहचान करते समय चूक सकते हैं? 

एक पारंपरिक ब्रोकर उन नेटवर्क से काम करता है जो उन्होंने वर्षों में बनाया है। वह नेटवर्क उत्कृष्ट हो सकता है। यह स्थानीय और सीमित भी है। मिडवेस्ट में एक ब्रोकर जो एक विनिर्माण सौदा चला रहा है, अपने क्षेत्र के खरीदारों को जानता है। उन्हें शायद उस प्राइवेट इक्विटी फर्म के बारे में पता नहीं है जो उस सेक्टर में एक शांत रोल‑अप कर रही है, या उस फैमिली ऑफिस के बारे में जो छह महीने पहले समान व्यवसाय से बाहर निकला था और सक्रिय रूप से खोज रहा है।

मशीन लर्निंग पूरी तरह अलग संकेत सेट पर चलती है, जिसमें सक्रिय अधिग्रहण खोजें, ऐतिहासिक लेनदेन पैटर्न, घोषित निवेश मानदंड, वेब व्यवहार जो डील‑हंटिंग मोड को दर्शाता है, और उद्योग समीपता शामिल हैं जो कोई मानव जांच नहीं कर सकता। यह ऐसे खरीदारों को सामने लाता है जिन्हें कोई व्यक्तिगत ब्रोकर अपनी संपर्क सूची से नहीं पा सकता।

यह कुछ अधिक सूक्ष्म भी करता है, जो वेटिंग है। हर योग्य खरीदार सही खरीदार नहीं होता। सबसे अच्छा मिलान आमतौर पर वह होता है जहाँ सिनर्जी वास्तविक होती है, सांस्कृतिक संरेखण मौजूद होता है, और विक्रेता के लोग और विरासत संभवतः संरक्षित रहती है। ये संकेत डेटा में मौजूद होते हैं। वे अभी तक उपयोग नहीं किए गए हैं।

निचला‑मध्य बाजार ऐतिहासिक रूप से निवेश बैंकों द्वारा कम सेवा प्राप्त रहा है। यह खंड इतने लंबे समय तक क्यों अनदेखा रहा, और इससे प्रौद्योगिकी‑चालित प्लेटफ़ॉर्म के लिए कौन सा आर्थिक अवसर उत्पन्न होता है?

शुद्ध इकाई अर्थशास्त्र। निवेश बैंक बड़े सौदों पर काम करने वाले शुल्क संरचनाओं के आसपास निर्मित होते हैं। $500 मिलियन का लेनदेन वह राजस्व उत्पन्न करता है जो टीम और समयसीमा को उचित ठहराता है। $3 मिलियन का लेनदेन नहीं करता, कम से कम बिना पूरी तरह अलग लागत संरचना के। इसलिए बैंक अपमार्केट गए, और मुख्य सड़क को वही स्थानीय ब्रोकर इन्फ्रास्ट्रक्चर मिला जो पहले से मौजूद था, जो बिखरा हुआ और अधिकांशतः अपर्याप्त पूंजी वाला था।

यह बैंकों की विफलता नहीं है। यह सिर्फ गणित है। और प्रौद्योगिकी इस गणित को बदलती है। जब AI वह काम संभालता है जो पहले महत्वपूर्ण श्रम घंटे की आवश्यकता रखता था, तो छोटे सौदे की अर्थव्यवस्था व्यवहार्य हो जाती है। आप कम लागत पर बेहतर परिणामों के साथ अधिक लेनदेन चला सकते हैं। यही वास्तव में इस बाजार को खोलता है।

दांव वास्तविक हैं। इस खंड में छोटे व्यवसाय इक्विटी में ट्रिलियन डॉलर की राशि बैठी है। इन मालिकों में से अधिकांश को कभी वास्तविक लेनदेन बुनियादी ढांचा नहीं मिला। यही वह अवसर है जिसे हम चाहते हैं।

आगे देखते हुए, क्या आप एक भविष्य की कल्पना करते हैं जहाँ AI एजेंट M&A प्रक्रिया के महत्वपूर्ण हिस्सों को स्वतंत्र रूप से संभाल सकें, स्रोतिंग और ड्यू डिलिजेंस से लेकर बातचीत तक, या प्रमुख लेनदेन में मानवीय निर्णय निर्णायक कारक बना रहेगा?

AI एजेंट इस प्रक्रिया के अधिक हिस्से को संभालेंगे जितना अधिकांश लोग उम्मीद करते हैं, और तेज़ी से। स्रोतिंग, डील तैयारी, डेटा रूम प्रबंधन, ड्यू डिलिजेंस समीक्षा, और प्रारंभिक शर्त संरचना। अंतर्निहित क्षमताएँ इतनी तेज़ी से विकसित हो रही हैं कि इन सभी क्षेत्रों में महत्वपूर्ण AI भागीदारी निकट भविष्य की वास्तविकता है।

जहाँ मानवीय निर्णय बना रहता है, वह उन क्षणों में है जो वास्तव में तय करते हैं कि डील होगी या नहीं। एक विक्रेता यह तय कर रहा है कि वह इस खरीदार पर भरोसा करे जो उसने बनाया है। एक बातचीत जो ऐसी चीज़ पर आती है जिसे कोई मॉडल नहीं पकड़ सकता, जैसे कि नया मालिक 30 लोगों को रखेगा जो 15 साल से वहाँ हैं। ये निर्णय वास्तविक दांव वाले लोगों द्वारा किए जाते हैं।

मैं जिस संस्करण की ओर निर्माण कर रहा हूँ वह AI को प्रक्रिया चलाते हुए नहीं, बल्कि मानवों को देखरेख में नहीं देखता। यह AI को संचालनात्मक बोझ को अवशोषित करने देता है ताकि सलाहकार अपना समय उस काम के हिस्से में लगा सकें जो केवल वे कर सकते हैं। यह सबसे बड़ा लेनदेन है जो एक व्यवसाय मालिक के जीवन में होता है, सामान्यतः। उन्हें एक विश्वसनीय मानव द्वारा पूरे प्रक्रिया में मार्गदर्शन किया जाना और AI उन ऑफ़रों में निहित बारीकियों को उजागर करने में मदद करना, यह कारण है कि यह हमेशा मूल रूप से एक मानव प्रयास रहेगा, जिसे AI द्वारा बढ़ाया गया है।

उत्कृष्ट साक्षात्कार के लिए धन्यवाद, जो पाठक अधिक जानना चाहते हैं उन्हें Iconic पर जाना चाहिए।