Erik Salazar, grunnlegger og administrerende direktør i Iconic – Intervjuserie

Erik Salazar, Founder and CEO of Iconic er en seriegründer og teknologileder med mer enn to tiår med erfaring innen fusjoner og oppkjøp, bedriftsinfrastruktur, helseteknologi og oppstartsledelse. Før han lanserte Iconic i 2023, fungerte han som COO og medgründer av Kit.com, en helsetestingplattform som senere ble kjøpt opp av Ro Health Ventures. Tidligere i karrieren var Salazar medgründer av Unitas Global, og bidro til å skalere selskapet til en ledende leverandør av sky‑ og infrastrukturtjenester før det ble kjøpt opp av Digital Alpha. Han har også hatt lederroller i CoreSite og startet sin karriere innen finans hos The Carlyle (CG ) Group, hvor han fokuserte på underwriting, modellering og oppkjøp. Med denne kombinasjonen av finansiell ekspertise, operasjonelt lederskap og oppstartsutførelse grunnla Salazar Iconic for å modernisere den tradisjonelt fragmenterte M&A‑industrien gjennom teknologidrevne rådgivningstjenester, AI‑drevet kjøpermatching og forretningsvurderinger.

Iconic er en AI‑drevet M&A‑plattform designet for å hjelpe bedrifts eiere med å selge selskapene sine mer effektivt, samtidig som resultatene forbedres for både selgere og kjøpere. Selskapet kombinerer proprietær programvare med erfarne rådgivere for å strømlinjeforme hver fase av transaksjonsprosessen, fra verdivurdering og kjøperoppdagelse til avtalehåndtering og avslutning. Ved å utnytte kunstig intelligens, automatisering og dataanalyse, har Iconic som mål å bringe større transparens, hastighet og presisjon til M&A‑transaksjoner i lav‑ til mellommarkedet, en bransje som historisk har vært avhengig av manuelle prosesser og fragmenterte nettverk. Plattformens fokus på teknologidrevne rådgivningstjenester plasserer den i skjæringspunktet mellom fintech, AI og forretningsmegling, med mål om å modernisere hvordan private selskaper kjøpes og selges.

Din fars erfaring som småbedriftseier som ikke klarte å realisere verdien av det han brukte tiår på å bygge, ble inspirasjonen bak Iconic. Kan du dele den historien og forklare hvordan den påvirket din beslutning om å modernisere M&A‑prosessen for småbedrifter?

Min far tilbrakte tiår med å drive et reisebyrå. Han bygde noe ekte med kunder som stolte på ham, ansatte som var avhengige av ham, og en virksomhet som fungerte. Så ble han syk. Det kom et tidspunkt da han ikke lenger kunne drive den, og han hadde ingen anelse om hva han skulle gjøre videre. Han visste ikke at det fantes en prosess for å selge en liten bedrift. Han visste ikke at det fantes et marked for den. Han antok at hvis han ikke kunne drive den, og ingen av barna hans kunne ta over, var det bare over.

Så det var det som skjedde. Virksomheten ble avviklet, og det var ikke fordi den feilet. Det var fordi ingen visste hvordan de skulle redde den.

Det ble hos meg. Da medgründeren min Roberto og jeg begynte å grave i M&A‑markedet for småbedrifter, var den profesjonelle muligheten åpenbar. Men under markedanalysen var det alltid noe mer personlig – minnet om å se farens virksomhet forsvinne fordi den rette infrastrukturen ikke eksisterte for noen som ham. Iconic er på noen måter resultatet han aldri fikk oppleve.

Næsten seks millioner småbedrifter forventes å skifte eier i løpet av det kommende tiåret. Hvorfor mener du at dagens M&A‑infrastruktur er uforberedt på denne bølgen av eierskifte?

Infrastrukturen ble aldri bygget for M&A‑markedet for småbedrifter. Investeringsbanker, M&A‑rådgivere og institusjonell transaksjonsstøtte har tradisjonelt blitt designet for avtaler over en viss størrelse. Småbedrifter på Main Street har blitt utelatt fra ligningen.

Det som finnes for dem er for det meste manuelt og inkluderer regneark, e‑posttråder, lokale meglere som arbeider isolert uten delt data, og ingen standardiserte prosesser. Denne oppsettet vil ikke holde når millioner av transaksjoner beveger seg gjennom samtidig.

Du har en bakgrunn som spenner over private equity i Carlyle, datasenterinfrastruktur, helseteknologiske oppstartsbedrifter, og nå M&A‑teknologi. Hvilke lærdommer fra disse bransjene har vist seg mest verdifulle i byggingen av Iconic?

Det mest ærlige svaret jeg kan gi kommer fra personlig erfaring. Da Kit ble kjøpt opp, var jeg på selgersiden av en transaksjon med en hær av advokater og profesjonelle M&A‑ledere som satt på den andre siden av bordet. Jeg kan fortelle deg at hvis jeg ikke hadde hatt det rette teamet rundt meg, folk som faktisk visste hva de gjorde i M&A, ville utfallet ha vært helt annerledes.

Den erfaringen gjorde én ting klar: folk med riktig infrastruktur og tilgang vinner. Folk uten det etterlater penger på bordet, eller enda verre, blir utnyttet i det viktigste finansielle øyeblikket i livet deres.

Jeg så det samme mønsteret i private equity. Firmaene med best deal‑flyt og best data forsterker sine fordeler over tid. Alle andre fyller de hullene de får lov til å fylle. Den asymmetrien finnes like tydelig på Main Street som på Wall Street. Forskjellen er at på Main Street har vi bare normalisert den.

Eiere av småbedrifter har brukt tiår på å bygge noe ekte. De har betjent sine kunder og lokalsamfunn med egne hender. Og når tiden kommer for å selge, navigerer de en fremmed prosess uten noen veikart. Det er problemet Iconic er bygget for å løse.

Transaksjoner for småbedrifter er ofte avhengige av regneark, e‑post og manuelle prosesser. Hva er de største ineffektivitetene som AI realistisk kan eliminere i løpet av de neste fem årene?

Forberedelse av avtalen er den første reelle flaskehalsen. Å få en virksomhet klar for markedet tar uker, og mesteparten av dette er å organisere regnskap, bygge en CIM og etablere en kjøperprofil. Dette er alt strukturert, repeterbart arbeid som AI er virkelig god på.

Kjøpermatching er også avgjørende for å sikre gode resultater. Akkurat nå er prosessen i hovedsak en megler sin kontaktliste. AI kan trekke signaler som ingen enkeltmegler har tilgang til, inkludert oppkjøpshistorikk, uttalte investeringskriterier, roll‑up‑mønstre i en sektor, og søkeatferd som indikerer aktivt jakt på avtaler. Og due diligence er i bunn og grunn et dokumenthåndterings‑ og kryssreferanseproblem. Det er akkurat den typen arbeid AI kan hjelpe med å halvere sluttiden.

Om fem år vil front‑enden (forberedelse) og back‑enden (due diligence) av en transaksjon se veldig annerledes ut enn i dag. Delen i midten, hvor en selger bestemmer seg for om de skal stole på noen med det de har bygget, vil fortsatt være menneskelig. Å bruke AI til det tunge arbeidet vil frigjøre rådgivere til å gjøre den mest innvirkningsfulle delen av jobben.

Mange AI‑oppstartsbedrifter fokuserer på å erstatte menneskelig ekspertise. Iconic ser ut til å forsterke rådgivere snarere enn å eliminere dem. Hvorfor tror du fremtiden for M&A er menneske‑pluss‑AI i stedet for kun AI?

M&A er i kjernen en tillits‑transaksjon. En selger overleverer det de har brukt livet på å bygge. Det øyeblikket kan ikke automatiseres. Så snart en selger føler at de har med et system å gjøre i stedet for en person som faktisk forstår hva som står på spill, har du tapt avtalen.

Utfordringen med M&A for småbedrifter i dag er at meglere har blitt bedt om å gjøre alt manuelt, noe som begrenser hvor mange avtaler de kan håndtere og hvor mye tid de faktisk kan bruke med hver selger. Det er den reelle kostnaden. Disse eierne navigerer den største økonomiske beslutningen i livet sitt, ofte for første gang, uten veikart og med begrensninger på kvaliteten av representasjonen. I større transaksjoner løser investeringsbanker dette ved å kaste et team av analytikere på problemet. På Main Street er dette ikke mulig, men det som er mulig er hva dagens teknologi nå lar oss gjøre. Vi kan lukke gapet nå. Når en megler er begravd i regneark og kjøper‑e‑post, er det tid de ikke bruker i rommet med personen som trenger dem mest.

Det vi bygger fjerner den taket. AI håndterer den operative belastningen. Megleren håndterer forholdet, tilliten, den menneskelige dømmekraften som ingen modell kan replikere.

Det finnes også en praktisk realitet. Disse transaksjonene har reell juridisk, finansiell og skattemessig kompleksitet som krever ansvarlige fagfolk. Men utover mekanikken, en selger som bestemmer seg for om de skal overlate livsarbeidet til en fremmed, må føle seg virkelig sett og veiledet gjennom prosessen. Det er ikke et programvareproblem. Det er et menneskeproblem. Og det vil alltid være det.

Et av Iconics kjerneløfter er å redusere tiden som kreves for å fullføre en transaksjon. Hva er de spesifikke flaskehalsene som oftest forsinker avtaler, og hvordan hjelper AI med å løse dem?

Selgere kommer ofte til markedet underforberedt. Å organisere regnskap, bygge presentasjonsmateriale og fastsette et realistisk verdivurderingsintervall kan legge til uker før selve prosessen starter. Deretter er kjøperutreach for bred fordi målrettingsdataene er for tynne. Meglere kompenserer for dårlig matching ved å gå bredt, noe som betyr at de bruker tid på kjøpere som aldri var riktige for avtalen. Når noen er under LOI, blir due diligence en e‑postkjede med delte disker og versjonsforvirring. Sakte og manuelt, hver gang.

AI komprimerer hver av disse fasene. Forberedelse blir raskere når verktøy kan hente og organisere finansiell data automatisk, outreach blir tettere når du jobber med atferdssignaler og transaksjonshistorikk i stedet for en kontaktliste, og due diligence beveger seg når dokumenter er organisert og kryssreferert i sanntid i stedet for å bli gjennomgått sekvensielt for hånd.

Forretningsverdivurdering forblir en av de mest omdiskuterte aspektene ved enhver oppkjøp. Hvordan ser du for deg at AI endrer verdivurderingsmetodikk, spesielt for mindre virksomheter som ofte mangler omfattende sammenlignbare transaksjonsdata?

Utfordringen her er egentlig data. De sammenlignbare transaksjonsdataene som investeringsbanker baserer seg på for mellomstore avtaler, finnes ikke i skala her. Avtaler blir ikke rapportert, vilkår blir ikke offentliggjort, og utvalgsstørrelsene er små. Så verdivurderinger ender opp inkonsistente, og den inkonsistensen skaper friksjon på begge sider av hver avtale.

AI hjelper ved å mønstre sammen data som manuell analyse ikke kan behandle effektivt. Dette inkluderer bransjestandarder, lokale markedsforhold, eieravhengighet, kundekonsentrasjon og tilbakevendende inntekter. Du får et mer forsvarlig utgangspunkt for forhandlingene, noe som er genuint nyttig selv om det ikke løser alt. Modellene blir også bedre etter hvert som mer transaksjonsdata blir fanget over tid.

AI vil slite mest med virksomheter hvor mesteparten av verdien ligger i eierens relasjoner. Hvordan kompenserer du for det? Du kan stort sett ikke, og en algoritme som later som om den kan, vil ville villede folk.

Kjøpermatching er et annet område hvor Iconic anvender AI. Hvilke signaler eller datapunkter kan maskinlæring avdekke som tradisjonelle meglere kan gå glipp av når de identifiserer den beste strategiske eller finansielle kjøperen?

En tradisjonell megler arbeider fra et nettverk de har bygget opp gjennom år. Det nettverket kan være utmerket. Det er også lokalt og begrenset. En megler i Midtvesten som håndterer en produksjonsavtale kjenner kjøperne i sin region. De vet sannsynligvis ikke om PE‑firmaet som gjør en stille roll‑up i den sektoren, eller familie­kontoret som nylig solgte en lignende virksomhet for seks måneder siden og nå aktivt leter.

Maskinlæring opererer på et helt annet signalsett, med aktive oppkjøpssøkelser, historiske transaksjonsmønstre, uttalte investeringsmandater, nettadferd som indikerer jakt på avtaler, og bransje‑adjacenter som et menneske kanskje ikke tenker på å sjekke. Det avdekker kjøpere ingen enkeltmegler finner gjennom sin kontaktliste.

Det gjør også noe mer subtilt, nemlig vektlegging. Ikke hver kvalifisert kjøper er den rette kjøperen. Den beste matchen er vanligvis den hvor synergier er reelle, kulturell tilpasning er tilstede, og selgerens folk og arv sannsynligvis vil bli bevart. Disse signalene finnes i data. De blir bare ikke brukt ennå.

Det lavere mellommarkedet har historisk vært underbetjent av investeringsbanker. Hvorfor har dette segmentet blitt oversett så lenge, og hvilken økonomisk mulighet skaper det for teknologidrevne plattformer?

Ren enhetsøkonomi. Investeringsbanker er bygget rundt honorarstrukturer som fungerer på store avtaler. En transaksjon på 500 millioner dollar genererer inntektene som rettferdiggjør teamet og tidslinjen. En transaksjon på 3 millioner dollar gjør det ikke, i hvert fall ikke uten en helt annen kostnadsstruktur. Så bankene gikk oppover i markedet, og Main Street fikk den lokale meglerinfrastrukturen som allerede eksisterte, som var fragmentert og mesteparten underkapitalisert.

Det er ikke en svikt fra bankenes side. Det er bare matte. Og teknologi endrer matten. Når AI håndterer arbeidet som tidligere krevde betydelige arbeids‑timer, blir økonomien i en mindre avtale levedyktig. Du kan gjennomføre flere transaksjoner med bedre resultater til en brøkdel av de tidligere kostnadene. Det er det som faktisk åpner dette markedet.

Innsatsen er reell. Det er billioner av dollar i småbedrifts‑egenkapital i dette segmentet. De fleste av disse eierne har aldri hatt tilgang til ekte transaksjonsinfrastruktur. Det er muligheten vi sikter mot.

Ser du for deg en fremtid hvor AI‑agenter kan håndtere betydelige deler av M&A‑prosessen uavhengig, fra sourcing og due diligence til forhandlinger, eller vil menneskelig dømmekraft fortsatt være den avgjørende faktoren i store transaksjoner?

AI‑agenter vil håndtere mer av denne prosessen enn de fleste forventer, og raskere. Sourcing, avtaleforberedelse, data‑romstyring, due diligence‑gjennomgang og tidlig term‑strukturering. De underliggende evnene utvikler seg så raskt at betydelig AI‑involvering i alle disse områdene er en nær‑tidsrealitet.

Hvor menneskelig dømmekraft forblir, er i øyeblikkene som faktisk avgjør om en avtale skjer. En selger som bestemmer om de stoler på denne kjøperen med det de har bygget. En forhandling som kommer ned til noe ingen modell vil kunne fange, som om den nye eieren vil beholde de 30 personene som har vært der i 15 år. Dette er vurderingsbeslutninger tatt av folk med reelle interesser.

Versjonen jeg bygger mot er ikke AI som kjører prosessen mens mennesker observerer. Det er AI som absorberer den operative sliten så rådgivere kan bruke tiden sin på den delen av jobben som bare de kan gjøre. Dette er den største transaksjonen i en bedrifts eierliv, vanligvis. Å ha et troverdig menneske som veileder dem gjennom hele prosessen og hjelper med å avdekke nyanser i tilbud som AI ikke kan fange, er grunnen til at dette alltid vil være et menneskelig foretak forsterket av AI.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Iconic.