Erik Salazar, oprichter en CEO van Iconic – Interviewserie

Erik Salazar, oprichter en CEO van Iconic is een seriële ondernemer en technologie‑executive met meer dan twee decennia ervaring op het gebied van fusies en overnames, enterprise‑infrastructuur, gezondheidszorgtechnologie en startup‑leiderschap. Voor de lancering van Iconic in 2023 was hij COO en mede‑oprichter van Kit.com, een platform voor gezondheidszorgtesten dat later werd overgenomen door Ro Health Ventures. Eerder in zijn carrière mede‑oprichtte Salazar Unitas Global, waarmee hij het bedrijf hielp uitgroeien tot een grote cloud‑ en infrastructuur‑serviceprovider voordat het werd overgenomen door Digital Alpha. Hij bekleedde ook leidinggevende functies bij CoreSite en begon zijn loopbaan in de financiën bij The Carlyle (CG ) Group, waar hij zich richtte op underwriting, modellering en overnames. Door deze combinatie van financiële expertise, operationeel leiderschap en startup‑uitvoering heeft Salazar Iconic opgericht om de traditioneel gefragmenteerde M&A‑industrie te moderniseren via technologisch gedreven adviesdiensten, AI‑aangedreven koper‑matching en bedrijfswaarderingen.

Iconic is een AI‑aangedreven M&A platform dat is ontworpen om bedrijfseigenaren te helpen hun bedrijven efficiënter te verkopen, terwijl de resultaten voor zowel verkopers als kopers verbeteren. Het bedrijf combineert eigen software met ervaren adviseurs om elke fase van het transactietraject te stroomlijnen, van waardering en koper‑ontdekking tot deal‑beheer en afsluiting. Door kunstmatige intelligentie, automatisering en data‑analyse te benutten, wil Iconic meer transparantie, snelheid en precisie brengen naar M&A transacties in de lagere middenmarkt, een sector die historisch afhankelijk was van handmatige processen en gefragmenteerde netwerken. De focus van het platform op technologisch ondersteunde adviesdiensten plaatst het op het snijvlak van fintech, AI en bedrijfsbemiddeling, met als doel te moderniseren hoe private bedrijven worden gekocht en verkocht.

De ervaring van uw vader als kleine ondernemer die niet volledig de waarde kon realiseren van wat hij tientallen jaren had opgebouwd, werd de inspiratie voor Iconic. Kunt u dat verhaal delen en uitleggen hoe het uw beslissing heeft beïnvloed om het M&A proces voor kleine bedrijven te moderniseren?

Mijn vader runde tientallen jaren een reisbureau. Hij bouwde iets echt op met klanten die hem vertrouwden, medewerkers die op hem vertrouwden, en een bedrijf dat functioneerde. Toen werd hij ziek. Er kwam een moment waarop hij het niet meer kon runnen, en hij had geen idee wat hij daarna moest doen. Hij wist niet dat er een proces bestond om een klein bedrijf te verkopen. Hij wist niet dat er een markt voor bestond. Hij ging ervan uit dat als hij het niet kon runnen en geen van zijn kinderen kon invallen, het gewoon voorbij was.

Zo gebeurde het. Het bedrijf werd afgebouwd, en dat was niet omdat het faalde. Het was omdat niemand wist hoe het te redden.

Dat bleef bij me hangen. Toen mijn mede‑oprichter Roberto en ik begonnen te graven in de M&A‑markt voor kleine bedrijven, was de professionele kans duidelijk. Maar onder de marktanalyse zat altijd iets persoonlijks – de herinnering aan het zien verdwijnen van het bedrijf van mijn vader omdat de juiste infrastructuur voor iemand zoals hij niet bestond. Iconic is, op sommige manieren, het resultaat dat hij nooit heeft gekregen.

Nauwelijks zes miljoen kleine bedrijven zullen naar verwachting in het komende decennium van eigenaar veranderen. Waarom gelooft u dat de huidige M&A infrastructuur niet klaar is voor deze golf van eigendomsoverdrachten?

De infrastructuur is nooit gebouwd voor de M&A‑markt voor kleine bedrijven. Investeringsbanken, M&A‑adviseurs en institutionele transactiesupport zijn traditioneel ontworpen voor deals boven een bepaalde omvang. Kleine bedrijven op Main Street zijn buiten de vergelijking gelaten.

Wat er voor hen bestaat, is grotendeels handmatig en omvat spreadsheets, e‑mailthreads, lokale makelaars die in isolement werken zonder gedeelde data, en geen gestandaardiseerde processen. Deze opzet zal niet standhouden wanneer miljoenen transacties gelijktijdig doorstromen.

U heeft een achtergrond die private equity bij Carlyle, datacenter‑infrastructuur, gezondheidszorg‑startups en nu M&A‑technologie omvat. Welke lessen uit die sectoren zijn het meest waardevol gebleken bij het bouwen van Iconic?

Het eerlijkste antwoord dat ik kan geven komt uit persoonlijke ervaring. Toen Kit werd overgenomen, stond ik aan de verkoperskant van een transactie met een leger van advocaten en professionele M&A‑executives aan de andere kant van de tafel. Ik kan u vertellen dat als ik niet het juiste team om me heen had gehad, mensen die echt wisten wat ze deden in M&A, het resultaat heel anders zou zijn geweest.

Die ervaring maakte één ding duidelijk: de mensen met de juiste infrastructuur en toegang winnen. De mensen zonder die laten geld op tafel liggen, of nog erger, worden uitgebuit op het belangrijkste financiële moment van hun leven.

Ik zag hetzelfde patroon in private equity. De bedrijven met de beste dealflow en de beste data versterken hun voordelen in de loop van de tijd. Iedereen anders vult de gaten die ze mogen vullen. Die asymmetrie bestaat even duidelijk op Main Street als op Wall Street. Het verschil is dat we op Main Street het simpelweg hebben genormaliseerd.

Kleine ondernemers hebben tientallen jaren iets echt opgebouwd. Ze hebben hun klanten en gemeenschappen met eigen handen bediend. En wanneer het tijd is om te verkopen, navigeren ze een vreemd proces zonder routekaart. Dat is het probleem dat Iconic wil oplossen.

Kleine bedrijfs transacties vertrouwen vaak op spreadsheets, e‑mails en handmatige processen. Wat zijn de grootste inefficiënties die AI realistisch kan elimineren in de komende vijf jaar?

Dealvoorbereiding is de eerste echte knelpunt. Een bedrijf klaar maken om op de markt te gaan duurt weken, en het grootste deel daarvan bestaat uit het organiseren van financiële gegevens, het bouwen van een CIM en het opstellen van een koperprofiel. Dit is allemaal gestructureerd, herhaalbaar werk waar AI echt goed in is.

Koper‑matching is ook cruciaal om goede resultaten te waarborgen. Op dit moment is het proces in wezen een contactlijst van een makelaar. AI kan signalen ophalen waar geen individuele makelaar toegang toe heeft, inclusief overnamegeschiedenis, aangegeven investeringscriteria, roll‑up patronen in een sector, en zoekgedrag dat duidt op actieve dealjacht. En due diligence is fundamenteel een documentbeheer‑ en kruisverwijzingsprobleem. Dat is precies het soort werk waarbij AI kan helpen de sluitingstijd met de helft te verkorten.

Over vijf jaar zullen de front‑end (voorbereiding) en back‑end (diligence) van een transactie er heel anders uitzien dan nu. Het deel in het midden, waar een verkoper beslist of hij iemand vertrouwt met wat hij heeft opgebouwd, zal nog steeds menselijk blijven. Het inzetten van AI voor het zware werk zal adviseurs vrijmaken om het meest impactvolle deel van de taak te doen.

Veel AI‑startups richten zich op het vervangen van menselijke expertise. Iconic lijkt adviseurs te versterken in plaats van te elimineren. Waarom gelooft u dat de toekomst van M&A mens‑plus‑AI is in plaats van alleen AI?

M&A is een vertrouwens transactie in de kern. Een verkoper geeft het over wat hij zijn leven heeft opgebouwd. Dat moment wordt niet geautomatiseerd. Zodra een verkoper het gevoel heeft dat hij met een systeem te maken heeft in plaats van een persoon die echt begrijpt wat er op het spel staat, verlies je de deal.

De uitdaging bij M&A voor kleine bedrijven vandaag is dat makelaars alles handmatig moeten doen, wat het aantal deals dat ze kunnen uitvoeren beperkt en de tijd die ze daadwerkelijk met elke verkoper kunnen besteden beperkt. Dat is de werkelijke kost. Deze eigenaren navigeren de grootste financiële beslissing van hun leven, vaak voor de eerste keer, zonder routekaart en met beperkingen in de kwaliteit van de vertegenwoordiging. Bij grotere transacties lossen investeringsbanken dit op door een team van analisten op het probleem te zetten. Op Main Street is dat niet mogelijk, maar wat wel mogelijk is, is wat de huidige technologie ons nu laat doen. We kunnen de kloof nu dichten. Wanneer een makelaar begraven zit in spreadsheets en koper‑e‑mails, is dat tijd die hij niet doorbrengt in de kamer met de persoon die hem het meest nodig heeft.

Wat we bouwen verwijdert dat plafond. De AI behandelt de operationele last. De makelaar behandelt de relatie, het vertrouwen, het menselijk oordeel dat geen model kan repliceren.

Er is ook een praktische realiteit. Deze transacties brengen echte juridische, financiële en fiscale complexiteit met zich mee die verantwoorde professionals vereist. Maar naast de mechanica moet een verkoper die beslist of hij zijn levenswerk aan een vreemde overdraagt, zich echt gezien en begeleid voelen door dat proces. Dat is geen software‑probleem. Dat is een mensen‑probleem. En dat zal altijd zo blijven.

Een van Iconic’s kernbeloftes is het verkorten van de tijd die nodig is om een transactie af te sluiten. Wat zijn de specifieke knelpunten die deals het vaakst vertragen, en hoe helpt AI deze aan te pakken?

Verkopers komen vaak ondervoorbereid de markt op. Het organiseren van financiële gegevens, het maken van presentatiematerialen en het bepalen van een realistisch waarderingsbereik kan weken toevoegen voordat het eigenlijke proces zelfs start. Vervolgens is de koperbenadering te breed omdat de targetingdata te dun is. Makelaars compenseren slechte matching door breed te gaan, wat betekent dat ze tijd besteden aan kopers die nooit geschikt waren voor de deal. Zodra iemand onder een LOI valt, wordt due diligence een e‑mailketen met gedeelde schijven en versie‑verwarring. Langzaam en handmatig, elke keer.

AI comprimeert elk van deze fasen. Voorbereiding gaat sneller wanneer tools financiële data automatisch kunnen ophalen en organiseren, benadering wordt gerichter wanneer je werkt met gedrags­signalen en transactiegeschiedenis in plaats van een contactlijst, en diligence verloopt wanneer documenten in realtime worden georganiseerd en kruisverwezen in plaats van handmatig in volgorde te worden beoordeeld.

Bedrijfswaardering blijft een van de meest betwiste aspecten van elke overname. Hoe ziet u AI de waarderingsmethodologieën veranderen, met name voor kleinere bedrijven die vaak geen uitgebreide vergelijkbare transactiedata hebben?

De uitdaging hier draait echt om data. De vergelijkbare transactiedata waarop investeringsbankiers vertrouwen voor mid‑market deals bestaat hier niet op schaal. Deals worden niet gerapporteerd, voorwaarden worden niet bekendgemaakt, en de steekproefgroottes zijn klein. Hierdoor worden waarderingen inconsistent, en die inconsistentie veroorzaakt wrijving aan beide kanten van elke deal.

AI helpt door patronen te matchen over inputs die handmatige analyse niet efficiënt kan verwerken. Dit omvat branche‑benchmarks, lokale marktomstandigheden, afhankelijkheid van de eigenaar, klantconcentratie en terugkerende inkomsten. Je krijgt een beter verdedigbaar startpunt voor de onderhandeling, wat echt nuttig is, zelfs als het niet alles oplost. De modellen worden ook beter naarmate er meer transactiedata in de loop van de tijd worden vastgelegd.

AI zal het meest worstelen met bedrijven waarbij het grootste deel van de waarde in de relaties van de eigenaar zit. Hoe vergelijk je dat? Je kunt het meestal niet, en een algoritme dat iets anders doet, zal mensen misleiden.

Koper‑matching is een ander gebied waar Iconic AI toepast. Welke signalen of datapunten kan machine learning onthullen die traditionele makelaars kunnen missen bij het identificeren van de beste strategische of financiële koper? 

Een traditionele makelaar werkt vanuit een netwerk dat hij over jaren heeft opgebouwd. Dat netwerk kan uitstekend zijn. Het is ook lokaal en eindig. Een makelaar in het Midwesten die een productie‑deal runt, kent de kopers in zijn regio. Ze weten waarschijnlijk niet van het PE‑bedrijf dat stilletjes een roll‑up in die sector doet, of van de family office die zes maanden geleden een vergelijkbaar bedrijf heeft verlaten en actief op zoek is.

Machine learning werkt met een geheel andere set signalen, met actieve overnamesearches, historische transactiep­atronen, aangegeven investeringsmandaten, webgedrag dat duidt op dealjachtmodus, en branche‑adjacenties die een mens misschien niet zou controleren. Dat brengt kopers naar voren die geen individuele makelaar via hun contactlijst vindt.

Het doet ook iets subtielers, namelijk wegen. Niet elke gekwalificeerde koper is de juiste koper. De beste match is meestal degene waarbij synergieën echt zijn, culturele afstemming aanwezig is, en de mensen en erfenis van de verkoper waarschijnlijk behouden blijven. Die signalen bestaan in data. Ze worden gewoon nog niet gebruikt.

De lagere middenmarkt is historisch onderbediend door investeringsbanken. Waarom is dit segment zo lang over het hoofd gezien, en welke economische kans creëert dat voor technologisch‑gedreven platforms?

Pure unit economics. Investeringsbanken zijn gebouwd rond vergoedingsstructuren die werken bij grote deals. Een transactie van $500 miljoen genereert de inkomsten die het team en de tijdlijn rechtvaardigen. Een transactie van $3 miljoen niet, tenminste niet zonder een volledig andere kostenstructuur. Dus gingen de banken naar de hogere markt, en Main Street kreeg de lokale makelaardinfrastructuur die al bestond, die gefragmenteerd en grotendeels ondergekapitaaliseerd was.

Dat is geen falen van de banken. Het is gewoon wiskunde. En technologie verandert de wiskunde. Wanneer AI het werk afhandelt dat vroeger veel arbeidsuren vereiste, worden de economieën van een kleinere deal haalbaar. Je kunt meer transacties uitvoeren met betere resultaten tegen een fractie van de eerdere kosten. Dat is wat deze markt daadwerkelijk opent.

De inzet is reëel. Er zitten biljoenen dollars aan kleine bedrijfs‑equity in dit segment. De meeste van die eigenaren hebben nooit toegang gehad tot echte transactiestructuur. Dat is de kans die we nastreven.

Kijkend naar de toekomst, ziet u een toekomst waarin AI‑agenten zelfstandig aanzienlijke delen van het M&A‑proces kunnen afhandelen, van sourcing en diligence tot onderhandelingen, of zal menselijk oordeel de doorslaggevende factor blijven in grote transacties?

AI‑agenten zullen meer van dit proces afhandelen dan de meeste mensen verwachten, en sneller. Sourcing, dealvoorbereiding, dataroom‑beheer, diligence‑review en vroege term‑structurering. De onderliggende mogelijkheden ontwikkelen zich snel genoeg dat aanzienlijke AI‑betrokkenheid in al deze gebieden een nabije realiteit is.

Waar menselijk oordeel blijft, is in de momenten die daadwerkelijk bepalen of een deal plaatsvindt. Een verkoper die beslist of hij deze koper vertrouwt met wat hij heeft opgebouwd. Een onderhandeling die neerkomt op iets dat geen model kan vastleggen, zoals of de nieuwe eigenaar de 30 mensen die er al 15 jaar zijn, zal behouden. Dit zijn beoordelingsbeslissingen gemaakt door mensen met echte belangen.

De versie waar ik naartoe bouw, is niet AI die het proces runt terwijl mensen observeren. Het is AI die de operationele sleur absorbeert zodat adviseurs hun tijd kunnen besteden aan het deel van het werk dat alleen zij kunnen doen. Dit is doorgaans de grootste transactie in het leven van een ondernemer. Een geloofwaardige mens die hen gedurende het hele proces begeleidt en helpt nuance in aanbiedingen te ontdekken die AI niet kan opvangen, is de reden waarom dit altijd fundamenteel een menselijk streven zal blijven, aangevuld met AI.

Bedankt voor het geweldige interview, lezers die meer willen weten, kunnen een bezoek brengen aan Iconic.