Pentingnya Vertical AI
- Selama 10 tahun terakhir, Vertical SaaS telah membuktikan kekuatan perangkat lunak yang disesuaikan per industri, dengan banyak kisah sukses seperti Toast, Shopify, Procore, dan ServiceTitan
- Masih ada banyak pasar yang belum terlayani oleh Vertical SaaS
- Industri dasar yang memiliki hambatan inheren terhadap inovasi teknologi (misalnya data tidak terstruktur, TAM terbatas, siklus penjualan lambat, nilai kontrak tahunan rendah, pelanggan lama yang sulit)
- Bidang yang baru muncul atau sedang mengalami perubahan besar (misalnya elektrifikasi energi)
- Kini AI yang mampu memproses data tidak terstruktur telah hadir, dan berkat perkembangan utama yang mendefinisikan ulang Vertical SaaS menjadi perangkat lunak vertikal, menjadi mungkin membangun perangkat lunak yang dapat melayani area-area ini
- Pada era teknologi sebelumnya, Vertical SaaS hanya dapat diterapkan pada perusahaan dengan tech stack modern yang memiliki data terstruktur
- Karena LLM dapat menangani data tidak terstruktur, AI bisa menjadi bagian yang selama ini hilang untuk membawa industri yang tertinggal secara teknologi ke era modern
- Startup yang berfokus pada vertikal mengadopsi strategi yang melampaui model SaaS tradisional, seperti embedded payments (Toast, Shopify), iklan (Pepper, Provi), dan marketplace B2B (Faire, Novi)
# Kerangka investasi Vertical AI
Data: Better Data Over Better Models (Data yang lebih baik lebih penting daripada model yang lebih baik)
- Dalam membangun aplikasi AI, data kemungkinan merupakan bagian terpenting untuk membangun posisi yang terdiferensiasi
- Startup harus mengidentifikasi apakah mereka membutuhkan korpus data yang sangat besar dan apakah ada peluang untuk membangun aset data proprietari
- Di banyak industri, data berantakan dan berada dalam sistem lama yang tersilo, sehingga perusahaan yang menantang ekstraksi data sangat menarik
- Dibandingkan kemajuan pada kemampuan ringkasan dan generasi data, ekstraksi data adalah masalah yang menyakitkan dan belum terselesaikan
- Faktor pembeda adalah memiliki data audit, pelabelan, dan pembaruan berkelanjutan yang terbaik di kelasnya
- Posisi data yang lebih kuat tercipta ketika penggunaan produk itu sendiri menghasilkan dataset
- Contoh: ketika pelanggan memberi label pada data mereka sendiri atau mengembangkan dataset dari interaksi dengan produk
- Akses awal terhadap data penting sebagai moat awal, tetapi pada akhirnya data yang dihasilkan saat pelanggan menggunakan produklah yang memberikan moat jangka panjang
TAM (Total Addressable Market): Market Size vs Market Penetration (Ukuran pasar vs penetrasi pasar)
- Risiko terbesar sekaligus alasan utama untuk tidak mengejar pasar vertikal adalah TAM yang lebih kecil dibanding pendekatan horizontal, tetapi ini bisa menjadi kelemahan sekaligus keunggulan
- Karena semakin kecil pasar, semakin sedikit pesaing bermodal kuat, dan ruang lingkup yang perlu difokuskan menjadi lebih sempit, sehingga memungkinkan keuntungan distribusi dan konsentrasi pasar yang lebih tinggi
- Dalam industri dasar yang sangat terfragmentasi seperti layanan kesehatan/keuangan, bisa ada banyak peluang di dalam satu sektor
- Untuk menemukan titik masuk ke suatu industri, penting untuk mengidentifikasi subbidang yang belum dimasuki pesaing, memiliki permintaan AI yang terbukti, paling cocok untuk alat berbasis LLM, dan paling mampu Anda layani secara pribadi
ACV: Multiple Products and Revenue Streams (Banyak produk dan aliran pendapatan)
- Satu produk SaaS tunggal bukanlah pendekatan terbaik untuk mencapai ACV (Annual Contract Value) enam digit
- Startup yang berfokus pada vertikal dapat berkembang ke banyak produk dan menciptakan sumber pendapatan tambahan di luar produk inti
- Menambahkan lini produk baru ke produk inti memungkinkan bundling dan upsell seiring waktu, yang pada akhirnya dapat menempatkan perusahaan pada posisi yang melekat di berbagai titik dalam organisasi
- Toast, platform pembayaran restoran, mengeksekusi strategi multi-produk dengan menambahkan fungsi payroll dan manajemen tenaga kerja
- Marketplace B2B Provi dan Pepper menciptakan sumber pendapatan tambahan melalui iklan
- Aurora Solar, platform instalasi tenaga surya, menciptakan pendapatan tambahan melalui produk yang menawarkan opsi pembiayaan
- Procore, platform layanan konstruksi, baru-baru ini mulai menawarkan asuransi dengan memanfaatkan insight data di seluruh siklus hidup proyek konstruksi
Founder(s): Product Builders With Domain Experience (Pendiri: pembangun produk dengan pengalaman domain)
- Tim pendiri yang memiliki pengalaman domain sekaligus latar belakang teknis berada dalam posisi yang lebih baik untuk membangun Vertical AI dibanding teknolog murni
- Hal ini semakin menonjol bagi startup yang ingin menjual ke organisasi lama di industri seperti healthcare, yang sering kali menandatangani kontrak jangka panjang dengan puluhan hingga ratusan organisasi berbeda sekaligus
- Memahami kompleksitas ini dengan baik sangat penting untuk menyusun strategi go-to-market yang tepat, merencanakan jadwal penjualan, dan merekrut karyawan
GTM: Create Urgency (Strategi masuk pasar: menciptakan urgensi)
- Siklus penjualan vertikal bisa panjang, terutama di industri lama berskala besar dengan pembeli teknologi yang kurang canggih
- Untuk menguasai saluran distribusi penting, strategi GTM harus memiliki cara atau jalur unik yang dapat menciptakan rasa urgensi
- Meningkatnya minat terhadap AI menciptakan dorongan untuk mencoba produk baru, tetapi ini bisa menjadi hambatan sekaligus pendorong
- Karena semua pembeli memikirkan AI, perusahaan baru lebih mudah menelepon calon pelanggan dan mendorong mereka mencoba versi percobaan. Namun, mengubah pilot menjadi pelanggan bisa sangat sulit bagi pengguna yang sudah lelah membandingkan banyak pilot
- Artinya, penting menciptakan situasi mendesak agar pembeli mempertimbangkan, berkonversi, dan menggunakan produk
- Untuk konversi yang cepat, proposisi nilai inti harus dipertimbangkan
- Hanya menjanjikan efisiensi tenaga kerja atau 'inovasi' saja tidak cukup
- Lebih efektif menunjukkan bagaimana produk dapat meningkatkan pendapatan atau menurunkan biaya secara nyata
Product: Beyond Copilot (Produk: melampaui Copilot)
- Paradigma dominan saat ini adalah manusia dipasangkan dengan AI Copilot
- Manusia melakukan sebagian besar pekerjaan dan AI copilot meningkatkan/memperkuat kemampuan manusia
- Dalam beberapa tahun ke depan, diperkirakan kita akan melihat lebih banyak model kebalikan, di mana agen AI melakukan tugas utama dan manusia memeriksa serta menyunting hasilnya
- Sementara Copilot bisa dipimpin oleh pemain lama yang sudah memiliki distribusi, agen AI cocok sebagai titik masuk bagi startup karena memberi peluang untuk menantang area yang lebih baru
- Pergeseran paradigma ini akan berdampak besar pada bisnis masa depan
- Seiring agen AI menggantikan lebih banyak tenaga kerja terampil, pengeluaran untuk perangkat lunak akan menggantikan biaya tenaga kerja
- Model harga baru berbasis penggunaan atau kinerja diperkirakan akan muncul, dan ini akan menjadi archetype yang layak dieksplorasi lebih lanjut
# Peluang vertikal
- AI diperkirakan akan membawa transformasi di hampir semua vertikal industri
Professional Service (Layanan profesional)
- Di berbagai bidang dengan banyak pekerjaan manual seperti layanan hukum, akuntansi, dan konsultasi, para profesional menghabiskan banyak waktu untuk membaca dan menafsirkan informasi penting lalu meresponsnya dalam bentuk analisis, komunikasi dengan klien, memo, laporan, dan lainnya
- Di bidang layanan hukum, bahasa adalah produk inti, dan large language model menjadi fondasi perubahan platform saat ini
- Pasar layanan hukum di AS bernilai lebih dari $300 miliar, dan minat terhadap adopsi AI telah terbukti
- Perusahaan AI-first seperti Harvey, EvenUp, Eve, dan Spellbook telah muncul
- Perusahaan lama seperti Thomson Reuters, Relativity, dan Ironclad juga telah mengakuisisi AI atau mengintegrasikannya ke produk yang ada
- Konsultasi dan akuntansi adalah bidang lain yang siap mengadopsi AI
- Masing-masing perusahaan konsultasi Big 4 mempekerjakan puluhan ribu konsultan dan akuntan, yang merupakan tenaga kerja besar yang bisa ditingkatkan secara masif dengan AI
- KPMG dan PwC masing-masing berencana menginvestasikan $2 miliar dalam produk AI selama 5 tahun, dan $1 miliar dalam AI generatif selama 3 tahun
- Menurut studi bersama Harvard Business School dan BCG, konsultan yang menggunakan GPT-4 menyelesaikan pekerjaan 25% lebih cepat dan kualitas hasilnya meningkat 40%
- Akuntan menghabiskan waktu untuk memahami aturan dan kebijakan serta menerapkannya pada perhitungan
- Dalam wawancara dengan profesional akuntansi, revenue recognition disebut sebagai salah satu use case yang paling berat, repetitif (setiap bulan), namun juga paling bisa diotomatisasi
Layanan keuangan
- Layanan keuangan memiliki berbagai karakteristik yang cocok untuk AI
- Ukuran pasar di AS saja mencapai $11 triliun, dan permintaan terhadap alat AI telah terbukti
- Peluncuran Bloomberg GPT, kemitraan Morgan Stanley dengan OpenAI, serta penambahan alat pencarian dan peringkasan berbasis AI pada platform market intelligence AlphaSense
- Jika melihat pekerjaan sehari-hari para profesional investasi dan penasihat keuangan, mudah untuk melihat bagaimana AI bisa diterapkan
- Pemrosesan data internal, data pasar real-time, dan berita, serta financial modeling dan perhitungan
- Startup berbasis AI seperti Hebbia, Sixfold, Hyperexponential, dan Portrait Analytics sedang membuat kemajuan
Healthcare
- Potensi dampak AI terhadap healthcare telah lama dibahas, tetapi belum pernah memiliki dampak nyata seperti sekarang
- LLM dapat meningkatkan model diagnosis atau pengambilan keputusan, mengembangkan platform yang mengotomatisasi klaim asuransi, serta meningkatkan pengelolaan data medis secara keseluruhan
- Aplikasi berbasis LLM dapat secara signifikan meningkatkan alat AI generasi sebelumnya, dan penting untuk membuka use case bernilai tinggi seperti mengubah data tidak terstruktur menjadi data terstruktur
- Med-PaLM 2 dari Google memiliki kemampuan menjawab pertanyaan medis yang kompleks, dan berhasil menjawab soal dalam ujian lisensi kedokteran
- Membangun medical LLM adalah upaya yang sangat ambisius dan membutuhkan waktu serta sumber daya yang besar
Belum ada komentar.