# Model fondasi AI menyiapkan arena perang baru bagi Big Tech
- Setiap perubahan teknologi memicu persaingan untuk mengendalikan lapisan dasar (fondasi). Era AI juga tidak terkecuali
- Model fondasi adalah “minyak (Oil)” baru yang akan mendorong aplikasi dan alat AI downstream
- Pada 2023, perusahaan model fondasi menyumbang lebih dari 60% pendanaan ventura AI
- OpenAI, Anthropic, Mistral, Cohere, dan lainnya mengumpulkan US$23 miliar dengan kapitalisasi pasar US$124 miliar
- Secara khusus, arus modal ini terutama dipimpin oleh VC korporat, yang menurut Morgan Stanley menyumbang 90% dari penggalangan dana GenAI privat pada 2023 (naik dari 40% pada 2022)
- Perusahaan Big Tech seperti Microsoft, Google, Amazon, NVIDIA, dan Oracle kini memiliki kepemilikan saham yang signifikan di perusahaan model fondasi
- Investasi ini diselaraskan secara strategis untuk memperkuat kapabilitas AI para raksasa teknologi tersebut dan mendorong konsumsi layanan cloud serta komputasi inti mereka
- Selain itu, ada juga perusahaan Big Tech yang menjalankan inisiatif model fondasi internal seperti Gemini milik Google dan Llama milik Meta AI
- Dengan begitu banyak dana mengalir ke lapisan dasar ini, persaingan memanas pada kecepatan yang belum pernah terjadi sebelumnya, mendorong inovasi dalam jumlah besar di seluruh ekosistem
- Tren utama yang diamati pada 2023:
- Model dasar meningkat dengan cepat:
- LLM serbaguna makin baik bukan hanya dari sisi kapabilitas performa dasar seperti akurasi dan latensi, tetapi juga di frontier termasuk kemampuan multimodal
- Peluncuran GPT-4o mengejutkan kita semua, dan rilis baru ini menunjukkan kemampuan untuk melihat dan memahami video serta audio dari file yang diunggah, serta kemampuan menghasilkan video pendek
- Kecepatan peningkatan model yang memusingkan menimbulkan pertanyaan tentang strategi investasi pada model yang memiliki paruh waktu hanya dalam hitungan bulan
- Pertarungan antara open source dan closed source makin memanas:
- Dengan peluncuran terbaru Llama 3, para pemimpin open source hampir menyamai performa model closed source, sehingga perdebatan open source vs closed source tetap menjadi topik panas pada 2024
- Dampak regulasi memunculkan pertanyaan baru tentang apakah pemain closed source harus membuka model lama mereka sebagai bagian dari strategi komersialisasi baru, atau apakah pemimpin open source bisa menjadi pemenang pasar ini untuk pertama kalinya dalam sejarah
- Gerakan model kecil makin besar:
- Clem Delangue, CEO sekaligus co-founder HuggingFace, menyatakan bahwa 2024 akan menjadi tahun SLM
- Contoh seperti Mistral 8x22b yang dirilis tahun ini menunjukkan bahwa model yang lebih besar tidak selalu lebih baik dari sisi performa, dan bahwa model kecil dapat memiliki keunggulan signifikan dalam biaya dan latensi
- Munculnya arsitektur baru dan model fondasi untuk tujuan khusus:
- Antusiasme meningkat terhadap kemunculan arsitektur model baru yang melampaui transformer
- Misalnya, state space model dan geometric deep learning mendorong frontier model fondasi yang lebih hemat komputasi, dapat menangani konteks yang lebih panjang, atau menunjukkan penalaran yang terstruktur
- Selain itu, jumlah tim yang melatih model untuk tujuan spesifik seperti pembuatan kode, biologi, video, gambar, suara, robotika, musik, fisika, gelombang otak, dan lainnya juga meningkat pesat
- Ini menambahkan satu lagi vektor keberagaman pada lapisan model
- Model dasar meningkat dengan cepat:
- Terlalu banyak hal yang terjadi di lapisan dasar ini hingga rasanya seperti tanah sedang bergerak
- Namun, terlepas dari besarnya dana yang diinvestasikan di sini, pemenang saat ini masih belum jelas
Prediksi: Pertarungan model AI akan tetap panas dalam waktu dekat. Sebab, ini adalah “perebutan lahan” penting yang akan menentukan perusahaan Big Tech mana yang akan menjadi yang teratas di pasar cloud dan komputasi dalam beberapa tahun ke depan
- Perkiraan realitas jangka dekat tentang siapa yang akan menangkap nilai terbesar dalam pertarungan lapisan model ini:
- Realitas 1: Lapisan model menjadi komoditas
- Apakah ratusan juta dolar modal akan terbuang ketika VC dan Big Tech mendanai derby para pemimpin AI?
- Ini tidak berarti bahwa model dengan modal terbesar akan menjadi pemenang
- Karena model open source akan terus menantang para pemain utama pasar
- Namun, masa depan di mana model AI menjadi komoditas tidak serta merta berarti nilai model menurun
- Model AI sebagai komoditas akan mirip dengan komputasi sebagai komoditas atau minyak sebagai komoditas
- Pada suatu saat, ia akan menjadi aset esensial bagi operasi bisnis global
- Dalam realitas ini, nilai utama dalam ekosistem AI akan ditangkap bukan oleh model itu sendiri, melainkan oleh penyedia layanan komputasi dan cloud, marketplace, serta aplikasi
- Namun, di dunia tempat model AI menjadi komoditas, seperti yang kita lihat di pasar minyak, bisa muncul satu atau dua perusahaan yang sangat bernilai yang menjual “komoditas” ini
- Realitas 2: Raksasa model AI membagi kue
- Mirip dengan perang cloud, beberapa perusahaan model baru yang menonjol—didukung besar-besaran oleh investor strategis Big Tech atau VC korporat—akan menguasai ekosistem model fondasi dan tumbuh menjadi raksasa
- Setiap pemenang akan menemukan wedge diferensiasi yang dapat digabungkan dengan diferensiasi teknis lewat distribusi, efisiensi harga/biaya, dampak regulasi, dan sebagainya
- Tetap bisa ada beragam pemain (terutama open source), tetapi nilainya akan jatuh ke segelintir pemain model teratas
- Yang akan menentukan raksasa AI masa depan bukan hanya teknologi unggul, tetapi juga kanal distribusi yang telah mereka bangun
- Realitas 3: Model AI menjadi seberagam dan sepopuler pasar keripik kentang
- Seperti halnya keripik kentang memiliki rasa yang tak terbatas, masa depan ekonomi model AI juga bisa sangat mirip dengan rak camilan di toko bahan makanan lokal
- Banyak perusahaan model dapat berkembang karena ada use case yang cukup terdiferensiasi (misalnya bentuk, performa, latensi, biaya, keamanan, dan lain-lain) sehingga perusahaan model lain pun bisa bertahan hidup
- Selain itu, ketika pertimbangan geopolitik masuk ke ranah model AI, geografi dan regulasi dapat berperan di sini, karena isu regulasi dan kedaulatan mendukung penyebaran keberagaman di lapisan ini
- Realitas 1: Lapisan model menjadi komoditas
Prediksi: Meskipun belum ada konsensus, sekitar setengah dari kemitraan kami memprediksi bahwa model closed source akan mendorong sebagian besar siklus komputasi LLM, dan bahwa para raksasa model AI pada akhirnya akan membagi kue ekonomi (realitas #2 di atas).
- Kami memperkirakan para raksasa cloud akan memanfaatkan akses mereka ke komputasi, chip, dan modal untuk memengaruhi pertarungan demi keuntungan mereka
- Dan para pemimpin saat ini sudah berada dalam perlombaan
- Microsoft/OpenAI, AWS/Anthropic, Google/Gemini, dan Meta/Llama adalah alternatif OSS setara Linux, bersama pemimpin Eropa Mistral
# AI membuat kita semua menjadi developer 10x
- Insinyur masa kini selalu menjadi builder sekaligus pelajar; sambil menjalankan pekerjaan utamanya, mereka juga harus terus mempelajari bahasa, framework, infrastruktur, dan lainnya yang baru
- Dengan kemunculan AI, developer kini harus menguasai toolchain dan best practice yang benar-benar baru untuk memanfaatkan LLM yang terus berevolusi, termasuk rangkaian produk infrastruktur baru untuk pengelolaan data, kurasi, prompt, pre-training, dan fine-tuning
- Di era AI, kita harus cepat menyerap pengetahuan developer baru setara 10 tahun setiap tahunnya
- Namun, AI juga dapat menawarkan solusi untuk kompleksitas ini
- Pada 2023, code copilot diadopsi secara luas,
- dan pada awal 2024, versi awal alat agent mulai muncul yang mengisyaratkan kemungkinan otomatisasi end-to-end untuk tugas pemrograman sederhana
Prediksi: Peran developer akan berubah lebih drastis oleh AI dibanding profesi lainnya. Dalam 10 tahun, setiap orang yang memiliki komputer akan memiliki kemampuan pengembangan yang signifikan, yang akan secara drastis mempercepat kecepatan pengembangan perangkat lunak dan secara signifikan menurunkan usia rata-rata pendiri startup teknologi.
- Tiga area utama yang mendorong evolusi cepat ekonomi pengembang AI:
- 1. Industri code copilot telah menjadi pusat inovasi dan persaingan, dengan pendanaan VC sebesar $3,9 miliar yang diinvestasikan ke teknologi dan alat GenAI pada 2023.
- Produk Copilot GitHub yang sudah ada telah dipasang lebih dari 14 juta kali, berbasis model GPT-4 dan Codex dari OpenAI
- Banyak startup pesaing yang didanai besar dan sedang tumbuh seperti Tabnine, Magic.dev, Augment, Poolside, Cursor AI, OpenDevin, Cognition's Devin, dan Supermaven membangun dan beriterasi bersama para pengembang
- 2. “Graduation Motion” dari copilot yang dibekali kemampuan pencarian dan generasi agentic akan menciptakan nilai yang sangat besar dalam beberapa tahun ke depan.
- Devin, SWE-agent, dan OpenDevin menunjukkan potensi alat agen end-to-end yang berinteraksi dengan lingkungan pengembang (misalnya editor file, shell bash) dan internet untuk menyelesaikan tugas pemrograman
- 3. Penalaran code-language akan tetap menjadi pusat aktivitas AI, dan akan diuntungkan baik dari inovasi di lapisan model (misalnya GPT-4, Claude 3 Opus) maupun paradigma penalaran/agen baru (misalnya Cognition's Devin, SWE-agent, OpenDevin).
- Peningkatan di lapisan model akan menghasilkan kualitas pengeditan dan pelengkapan kode yang lebih baik, yang pada akhirnya memberi nilai bagi pengembang dan organisasi perangkat lunak
- Sistem yang mendorong batas latensi, ukuran konteks, serta memperluas domain bahasa/set pra-pelatihan juga akan memberi nilai yang sangat besar bagi pengembang
- 1. Industri code copilot telah menjadi pusat inovasi dan persaingan, dengan pendanaan VC sebesar $3,9 miliar yang diinvestasikan ke teknologi dan alat GenAI pada 2023.
- AI mendorong sekaligus inovasi dan disrupsi, mempercepat kecepatan pengembang, produktivitas, dan leverage organisasi perangkat lunak
- Organisasi perangkat lunak yang berpandangan ke depan secara rutin mengevaluasi alat dan vendor yang sedang muncul, serta cepat memprioritaskan dan mengadopsi software pengembang bernilai tinggi
- Anggaran pengembang kembali mengalir, dan kemauan untuk membayar alat yang memberi dampak nyata semakin tinggi
- Bagi para entrepreneur pengembang, saat ini adalah masa yang menarik untuk membangun sesuatu. Peluangnya banyak, tidak hanya copilot tetapi juga infrastruktur, developer tools, QA, konfigurasi dan provisioning TI, pemantauan operasi keamanan, penetration testing, dan lainnya
- Copilot mungkin merupakan peluang yang paling jelas saat ini, tetapi kemungkinan juga merupakan area yang paling kompetitif
- Kita telah melihat ledakan alat di domain pengembang yang lebih spesifik, dari SecOps dalam keamanan hingga SRE, QA, dan penetration testing
- Alat-alat ini menggunakan LLM untuk mengabstraksikan kompleksitas tingkat rendah dan mengotomatisasi pekerjaan rekayasa yang memakan waktu dan menyakitkan, sehingga membebaskan sumber daya engineering untuk tugas tingkat lebih tinggi
- Integrasi AI ke dalam proses DevOps dapat meningkatkan pipeline CI/CD, pengujian otomatis, dan strategi deployment, sehingga memungkinkan pengiriman software yang lebih cepat dan lebih andal
- Refactoring kode adalah contoh hebat lain yang menunjukkan dampak AI pada workflow dan ekosistem pengembang
- Banyak tim engineering modern hanya mengalokasikan sebagian waktu FTE untuk menulis kode baru murni
- Khususnya di organisasi besar, sebagian besar waktu SWE dihabiskan untuk bagian “tidak seksi” dari peran software engineering: pemeliharaan kode, keamanan, dan pengujian
- Banyak tugas seperti refactoring kode memerlukan pengetahuan mendalam tentang stack dan sering kali menjadi proyek sulit yang dikerjakan engineer senior dengan rasa enggan
- AI memiliki potensi yang jelas untuk menyelesaikan tantangan-tantangan ini
- Startup seperti Gitar, Grit, dan ModelCode memanfaatkan model generasi kode, analisis statis, dan parser AST untuk menafsirkan struktur kode serta memigrasikan kode antarbahasa, pustaka paket, dan framework
- Sebagian dari upaya ini berfokus pada framework web modern, sementara yang lain bekerja pada stack engineering legacy yang rapuh (misalnya COBALT, PEARL, dll.) di mana engineer terampil semakin langka seiring waktu
- Banyak workflow yang berdekatan dengan fungsi inti software engineering juga memakan waktu, repetitif, dan cocok untuk otomatisasi
> Prediksi: Pada 2030, mayoritas pengembang software perusahaan akan berperan mirip reviewer software. Biaya pengembangan akan turun, dan gaji akan naik seiring meningkatnya produktivitas pengembang berpengalaman
- AI akan memengaruhi cakupan dan keterampilan yang dibutuhkan di semua pasar kerja, tetapi kemungkinan tidak ada yang terdampak sebesar pengembang
- Peningkatan AI tidak hanya akan secara signifikan meningkatkan produktivitas profesi ini, tetapi juga memperluas batas dunia pengembang
- Dalam 10 tahun, kemampuan pengembangan akan menjadi keterampilan yang dapat diakses oleh mayoritas populasi dunia
# Model multimodal dan agen AI akan mengubah hubungan manusia dengan software
- Kebangkitan model multimodal dan agen AI mendorong gelombang inovasi AI berikutnya
- Ini secara dramatis memperluas cakupan potensial penerapan AI ke use case yang jauh lebih luas dibanding model awal yang berbasis teks
- Bagi entrepreneur AI, muncul peluang baru untuk berinovasi tidak hanya di workflow agen, tetapi juga di berbagai modalitas baru seperti suara, gambar, dan video
- Modalitas-modalitas ini memberi AI kemampuan yang setara dengan kemampuan manusia seperti penglihatan, pendengaran, dan bahasa, membuka peluang bagi AI untuk membantu porsi besar pekerjaan manusia yang bergantung pada indera-indera tersebut
Suara
- Gelombang pertama perusahaan voice AI terutama memanfaatkan kemajuan dalam Automatic Speech Recognition (ASR)
- Abridge mencatat catatan percakapan dokter-pasien
- Rillavoice menangkap percakapan antara tenaga penjualan lapangan dan pelanggan untuk mendukung pelatihan penjualan
- Perusahaan voice AI baru mulai bermunculan untuk membangun produk suara percakapan yang dapat menangani workflow yang membosankan dan berulang
- Ini memungkinkan manusia untuk fokus pada pekerjaan yang lebih bernilai dalam use case penjualan, perekrutan, customer success, dan administrasi
- Ada memanfaatkan inovasi suara terbaru untuk mengintegrasikan suara percakapan ke produk dukungan pelanggan berbasis chat
- Yang menopang perkembangan ini adalah arsitektur suara baru
- Arsitektur ini dapat memproses dan menalar data audio mentah tanpa mentranskripsikan suara menjadi teks
- Pergeseran dari arsitektur bertingkat yang terlihat pada model baru seperti GPT-4o ke arsitektur native voice
- Pergeseran ini akan memungkinkan produk suara percakapan dengan latensi yang jauh lebih rendah dan pemahaman yang jauh lebih tinggi terhadap informasi nonteks seperti emosi, nada, dan sentimen
- Arsitektur ini dapat memproses dan menalar data audio mentah tanpa mentranskripsikan suara menjadi teks
- Aplikasi voice AI bermunculan di banyak industri seperti dealer mobil, toko ritel, restoran, dan layanan rumah tangga
- Sebagian besar atau mayoritas panggilan penjualan masuk yang terjadi di luar jam kerja sering kali terlewat, dan AI sangat cocok untuk mengisi celah itu
- Aplikasi voice AI dalam penjualan merupakan use case dengan ROI sangat tinggi karena AI pada dasarnya memulihkan pendapatan yang hilang bagi bisnis-bisnis ini
- Para entrepreneur yang membangun di garis depan voice AI kini dapat menghadirkan antarmuka yang lebih natural, lebih percakapan, dan hampir setara manusia daripada sebelumnya
Gambar / Video
- Model computer vision telah ada selama bertahun-tahun, tetapi hal yang menarik dari generasi baru multimodal LLM adalah kemampuannya menggabungkan pemahaman atas data gambar dan teks (di antara modalitas lainnya)
- Kombinasi ini sangat berguna untuk banyak tugas
- Gelombang awal aplikasi gambar untuk enterprise terutama berfokus pada use case ekstraksi data
- Perusahaan seperti Raft mengumpulkan dokumen pengiriman barang dan mengekstrak informasi penting untuk diisikan ke ERP pelanggan serta mengotomatisasi workflow rekonsiliasi tagihan
- Seiring model dasar terus membaik, diperkirakan akan muncul aplikasi pemrosesan gambar dan video yang spesifik per vertikal dan mampu mengumpulkan volume data yang semakin besar untuk memasok input ke aplikasi
- Ada juga aplikasi di bidang engineering dan desain seperti Flux.ai yang memanfaatkan model visi dan model generasi gambar untuk membantu penalaran atas data grafis guna menghasilkan rendering skema atau desain bangunan
Agen AI otonom
- Salah satu topik baru yang paling menarik dalam AI adalah pengembangan agen AI yang dapat menangani tugas kompleks multi-tahap secara sepenuhnya otonom
- Sebagian besar agen AI masih belum beroperasi secara andal dalam use case yang kompleks, tetapi kemajuan dalam workflow agen berlangsung sangat cepat dan kita mulai melihat sekilas apa yang mungkin dicapai
- Devin dari Cognition AI (insinyur perangkat lunak AI) menunjukkan apa yang mungkin dilakukan seiring kemampuan perencanaan dan penalaran AI terus berkembang
- Semakin banyak aplikasi mulai menerapkan agen AI pada use case yang sangat terbatas, di mana dampak kesalahan majemuk dalam proses multi-tahap dapat dibatasi
- Perusahaan memanfaatkan solusi seperti Leena AI untuk menyediakan agen AI yang mendukung tugas terkait TI, HR, dan keuangan, sehingga membantu tim-tim ini terbebas dari pekerjaan yang merepotkan dan meningkatkan pengalaman karyawan
- Selain itu, model-model baru dengan kemampuan penalaran yang kuat juga mulai muncul agar agen dapat menjalankan workflow yang lebih kompleks
- Yang lebih menarik, riset yang berfokus pada pendekatan arsitektur baru untuk meningkatkan implementasi agen tengah berlangsung aktif, termasuk melalui berbagai metode seperti penalaran chain-of-thought, refleksi diri, penggunaan alat, perencanaan, dan kolaborasi multi-agen
# Vertical AI yang menunjukkan potensi untuk melampaui SaaS legacy
- Vertical SaaS terbukti menjadi raksasa tersembunyi yang mengubah industri selama revolusi cloud pertama
- Total kapitalisasi pasar dari 20 perusahaan Vertical SaaS publik teratas di AS mencapai sekitar $300 miliar, dan lebih dari setengahnya melantai di bursa dalam 10 tahun terakhir
- Kini, dengan hadirnya large language model (LLM), gelombang berikutnya dari Vertical SaaS dimulai ketika kita melihat lahirnya perusahaan-perusahaan baru berbasis LLM yang menargetkan industri dengan kemampuan baru serta melintasi batas-batas Vertical SaaS legacy
- Aplikasi Vertical AI menargetkan tugas berbasis bahasa yang berulang dengan biaya tinggi yang mencakup banyak sektor industri dan bagian besar dari perekonomian
- Menurut Biro Statistik Tenaga Kerja AS, industri layanan bisnis dan profesional menyumbang 13% dari PDB AS
- Bahkan di sektor ini saja, yang didominasi tugas bahasa berulang, ukurannya sekitar 10 kali industri perangkat lunak
- Di luar sektor layanan profesional, tugas vertikal berbasis bahasa yang berulang juga mencakup porsi yang signifikan di seluruh industri
- Kami yakin Vertical AI akan bersaing untuk mengambil porsi yang berarti dari biaya-biaya ini, sekaligus mendorong aktivitas di area yang sebelumnya kekurangan tenaga kerja manusia
- Misalnya, EvenUp mengotomatiskan layanan hukum pihak ketiga dan workflow paralegal internal, membuka kemungkinan baru di area pekerjaan yang sebelumnya sulit diterapkan karena biaya tenaga kerja terlalu mahal atau tidak cukup konsisten
> Prediksi: Kapitalisasi pasar Vertical AI akan menjadi setidaknya 10 kali lebih besar daripada Vertical SaaS tradisional, seiring Vertical AI memimpin ekonomi layanan dan memperkenalkan model bisnis baru
Tiga model bisnis baru: Copilot, Autopilot, dan layanan berbasis AI
- Tiga model bisnis baru dalam ekonomi Vertical AI terdiri dari Copilot, Autopilot, dan layanan berbasis AI
- Vertical AI juga kemungkinan akan dihadirkan melalui beberapa model bisnis lain, sehingga lebih mungkin menyelaraskan kemampuan AI dengan kebutuhan industri tertentu
- Copilot
- Meningkatkan efisiensi pekerja dengan mengotomatiskan tugas menggunakan LLM
- Sixfold membantu underwriter asuransi menganalisis data dengan lebih baik dan memahami risiko
- Dalam model Copilot, aplikasi AI berada di sisi pengguna dan membantu pengguna menjadi lebih sukses
- Agent
- Jika Copilot membantu karyawan menyelesaikan pekerjaannya, Agent sepenuhnya mengotomatiskan workflow dan menggantikan pengguna
- Agent berfokus pada fungsi tertentu dalam perusahaan vertikal, seperti penjualan outbound atau menerima panggilan inbound
- Slang AI menangani panggilan masuk restoran untuk melakukan tugas seperti menerima reservasi dan menjawab pertanyaan
- Layanan berbasis AI
- Layanan yang umumnya di-outsourcing ke penyedia pihak ketiga, seperti akuntansi, layanan hukum, dan penagihan medis
- Karena bisnis-bisnis ini padat karya, secara tradisional marginnya rendah, sulit diskalakan, lebih sulit dibedakan dibanding bisnis teknologi, dan bernilai lebih rendah
- Dengan menggunakan perangkat lunak untuk mengotomatiskan pekerjaan, perusahaan layanan berbasis AI ini bertujuan menghadirkan layanan yang lebih murah dan lebih baik ke pasar dengan lebih cepat serta merebut pangsa dari bisnis berorientasi layanan yang ada
- SmarterDx menggunakan AI untuk mengaudit tagihan rawat inap atas nama sistem kesehatan dan rumah sakit sebelum tagihan serta dokumen klinis terkait dikirim ke payer
- Sebelumnya, pekerjaan audit ini di-outsourcing ke vendor yang melakukan audit tersebut
Sinyal awal tentang kekuatan model bisnis Vertical AI
- Kami (Bessemer) beruntung dapat mendukung pemimpin SaaS legacy di berbagai industri, dan kini memiliki salah satu portofolio Vertical AI terbesar
- Karena itu, kami sudah memiliki data yang bermakna untuk membandingkan perusahaan Vertical AI dengan perusahaan pembanding Vertical SaaS legacy
- Tiga analisis terhadap portofolio Vertical AI kami menunjukkan kekuatan kelas aplikasi baru ini
- Pemain Vertical AI memimpin pasar dengan fungsi yang tidak secara langsung bersaing dengan SaaS legacy
- Kegunaan aplikasi-aplikasi ini umumnya melengkapi produk SaaS legacy dan tidak perlu menggantikan/meniru produk yang ada
- Startup Vertical AI ini sudah mencapai sekitar 80% dari ACV sistem Vertical SaaS inti tradisional
- Ini menunjukkan kemampuan Vertical AI dengan menciptakan pengeluaran yang signifikan di dalam pasar akhir vertikal melalui penggantian belanja layanan, dan pada akhirnya menyediakan TAM yang dapat menjadi kelipatan besar dari SaaS yang ada
- Profil efisiensi dan pertumbuhan perusahaan Vertical AI dengan skala yang bermakna (ARR di atas $4 juta) juga menggembirakan
- Mereka mencatat tingkat pertumbuhan tahunan sekitar 400%, salah satu laju pertumbuhan tercepat yang pernah kami lihat
- Mereka juga menunjukkan efisiensi yang sehat dengan rata-rata margin laba kotor sekitar 65% dan rasio efisiensi BVP sekitar 1,1x (CARR bersih baru/kerugian bersih)
- Analisis terhadap porsi pendapatan yang dibelanjakan perusahaan Vertical AI untuk biaya model membantu menghilangkan kekhawatiran bahwa aplikasi-aplikasi ini hanyalah wrapper tipis
- Rata-rata, perusahaan-perusahaan ini saat ini hanya membelanjakan sekitar 10% dari pendapatan atau sekitar 25% dari total COGS untuk biaya model
- Karena itu, aplikasi vertikal yang dibangun di atas LLM ini sudah menghasilkan margin sekitar 6 kali biaya model dasarnya
- Pemain Vertical AI memimpin pasar dengan fungsi yang tidak secara langsung bersaing dengan SaaS legacy
- Secara keseluruhan, meski penciptaan nilai yang sangat besar diperkirakan terjadi di lapisan model, data ini menunjukkan bahwa seperti inovasi infrastruktur di masa lalu, sebagian besar nilai perusahaan sekali lagi akan ditangkap di lapisan aplikasi
- Para pemain lama di perangkat lunak vertikal juga tidak sepenuhnya tertidur
- Perusahaan seperti Thomson Reuters (mengakuisisi CaseText seharga $650 juta) dan DocuSign (mengakuisisi Lexion seharga $165 juta) menjadi pihak pertama yang melakukan akuisisi Vertical AI yang patut diperhatikan
- Namun, kami menilai kita masih dekat dengan garis start maraton Vertical AI
- Dalam beberapa tahun ke depan, kami memperkirakan akan lahir perusahaan Vertical AI publik baru yang bertahan lama
- Mengingat laju pertumbuhannya, kami memperkirakan setidaknya 5 Vertical AI Centaur (ARR di atas $100 juta) akan muncul dalam 2–3 tahun ke depan
> Prediksi: IPO Vertical AI pertama akan terjadi dalam tiga tahun ke depan
# Consumer cloud bangkit kembali karena AI
- Fakta bahwa consumer cloud mencatat pertumbuhan yang lesu selama 10 tahun terakhir sudah menjadi pengetahuan umum
- Consumer cloud didefinisikan sebagai perusahaan yang menyediakan storage, komputasi, dan aplikasi digital berbasis cloud langsung kepada konsumen individu (sekaligus mencakup produk B2B dan "prosumer")
- Hasil analisis data Cloud 100 yang dimulai 9 tahun lalu menunjukkan bahwa hanya 4% dari daftar kumulatif yang merupakan perusahaan dengan produk konsumen
- Sejak Dropbox melakukan IPO pada 2018, dapat dikatakan tidak ada exit dari perusahaan consumer cloud 'murni'
- Unicorn consumer cloud lahir dari dampak perubahan teknologi berskala besar
- Namun, sejak peluncuran iPhone 15 tahun lalu dan perkembangan platform media sosial setelahnya, tidak ada pergeseran tektonik yang luas dalam teknologi yang berhadapan langsung dengan konsumen
- Akan tetapi, 2 tahun lalu konsumen menghadapi gejolak besar
- Melalui kemampuan multimodal LLM yang berkembang sangat cepat, kini dimungkinkan untuk memperluas dan meningkatkan indra teks, visual, dan audio dengan cara yang sebelumnya mustahil, sehingga membuka potensi disrupsi di setiap kategori consumer cloud yang ada
- Ukuran dari daya konsumsi AI adalah seberapa besar aplikasi-aplikasi ini merebut waktu dan perhatian kita
- ChatGPT kini bersaing dengan para pemimpin Attention Economy seperti Reddit, dan asisten AI serbaguna lainnya termasuk Claude dan Gemini juga dengan cepat mendapatkan traction
- Selain asisten serbaguna, kita sudah bisa melihat contoh perusahaan AI konsumen yang mendorong inovasi di kategorinya masing-masing: Perplexity untuk pencarian, Character.ai untuk companion, Midjourney untuk kreativitas gambar, Suno dan Udio untuk pembuatan musik, serta Luma, Viggle, dan Pika untuk pembuatan video
- Perusahaan-perusahaan ini menarik dan mempertahankan basis pengguna yang berdedikasi, dan dalam beberapa kasus menunjukkan potensi aplikasi berbasis LLM untuk secara efektif menggantikan pemain mapan modern
- Saat AI mengubah cara kita berinteraksi dengan teknologi dan menikmatinya, ini menjadi salah satu masa paling menarik bagi para pembangun dan investor consumer cloud
- Dalam 5 tahun ke depan, diperkirakan akan ada beberapa IPO consumer cloud
Prediksi: Karena kebangkitan luar biasa media sintetis, aplikasi konsumen baru, dan agen AI percakapan, pada 2030 tiga bisnis teratas yang mendominasi attention economy akan berbasis konten atau produk yang dihasilkan AI
- Aktivitas tahap awal yang signifikan mulai terlihat di long tail aplikasi AI konsumen dengan fungsi spesifik (misalnya pembuatan dan pengeditan konten, pendidikan)
- Kabar baiknya, ini merupakan tanda awal bahwa konsumen mencari AI untuk meningkatkan kehidupan mereka
- Kabar buruknya, jumlah aplikasi native AI konsumen per kategori yang mampu menunjukkan kedalaman produk melampaui sekadar wrapper atau membuktikan kecintaan pelanggan yang berkelanjutan melalui retensi yang kuat belum mencapai 10
- Kami percaya masih ada peluang yang jelas untuk membangun perusahaan cloud yang berkelanjutan dengan menyelesaikan banyak kebutuhan konsumen yang belum terpenuhi
- Dua pertanyaan kunci tentang kebutuhan konsumen:
- Seberapa menyakitkan atau padat karya kondisi saat ini bagi konsumen?
- Seberapa berulang dan dapat diprediksi upaya bahasa/visual/audio yang dibutuhkan?
- AI tidak hanya akan menciptakan ulang hobi yang kita sukai seperti sosial, hiburan, belanja, dan perjalanan, tetapi juga membantu orang menemukan dan membayangkan cara baru untuk terhubung, bermain, membeli, dan menjelajahi dunia
# Kesimpulan - AI Cloud: Realitas vs. Hype
- Roy Amara mengatakan, "Kita cenderung melebih-lebihkan dampak teknologi dalam jangka pendek dan meremehkannya dalam jangka panjang"
- Ini secara akurat menangkap perhitungan VC dalam banyak gelombang teknologi masa lalu seperti dot-com, nanoteknologi, clean tech, dan blockchain
- Bahkan SaaS kuno yang membosankan pun tumbuh terlalu panas pada 2021
- Jadi, apakah hype seputar AI cloud melampaui realitasnya?
- Apakah kita ditakdirkan untuk mengakui dalam 1–2 tahun ke depan bahwa janji AI telah membanjiri cloud VC?
- Atau apakah AI mengancam untuk mematahkan "Hukum Amara"?
- Apakah ini gelombang teknologi pertama di mana realitas melampaui hype yang gila?
- Hasil survei terhadap investor Bessemer di seluruh dunia memberikan jawaban yang jelas
- Sejauh ini, hype tersebut memang layak
- Ke mana pun melihat, kita bisa menemukan bukti dampak AI pada level yang belum memiliki preseden historis
- Mayoritas portofolio kami telah mengadopsi teknologi AI secara internal dan memperbarui roadmap produk mereka untuk mengintegrasikan AI
- Perusahaan portofolio berbasis AI menunjukkan traction komersial yang bermakna dan tumbuh lebih cepat serta lebih efisien daripada kelompok mana pun yang pernah kami saksikan sampai sekarang
- Melihat kembali prediksi tahun lalu, meskipun ada optimisme dan antusiasme yang besar, kami tidak sepenuhnya mampu memprediksi kecepatan dan skala perubahan ini
- Secara spesifik, kami memprediksi bahwa perusahaan berbasis AI akan mencapai pendapatan 1 miliar dolar 50% lebih cepat daripada perusahaan cloud tradisional
- OpenAI mencatat pendapatan 2 miliar dolar pada Februari tahun ini, dan beberapa bulan kemudian dilaporkan telah melampaui annualized revenue sebesar 3,4 miliar dolar
- Anthropic diperkirakan akan membukukan pendapatan tahunan 850 juta dolar pada akhir 2024
- Menurut laporan lain, Midjourney menghasilkan pendapatan 200 juta dolar dan Character.ai juga diperkirakan berada pada skala yang serupa
- Prediksi terakhir kami adalah, saat kemungkinan besar menoleh ke belakang setahun kemudian dalam State of the Cloud 2025, AI sama sekali tidak akan kehilangan perhatian yang saat ini diterimanya
Belum ada komentar.