- Di banyak perangkat lunak vertikal berdasarkan industri, faktor terbesar yang menghambat ekspansi adalah tertutupnya sistem manajemen yang sudah ada (ERP/SOR) dan kebijakan yang memblokir integrasi eksternal
- Sebagian besar data inti terkunci di ERP legacy, atau hanya mengizinkan akses sebagian, sehingga startup Vertical AI baru tidak dapat terhubung ke sistem inti meskipun ada permintaan dari pelanggan
- SaaS baru berbasis AI memiliki kebutuhan integrasi data yang sangat besar, dan menghadapi tantangan baru untuk mengintegrasikan data tidak terstruktur (email, foto lapangan, telepon, dll.) selain API tradisional
- Untuk mengatasinya, para pendiri benar-benar mencoba 5 strategi seperti 'memanfaatkan kredensial login', 'kemitraan', 'menargetkan SMB', 'AI yang tidak bergantung pada ERP', dan 'memanfaatkan infrastruktur AI'
- Framework agen AI yang terstandarisasi (seperti MCP) dan model RPA/operator berbasis AI diperkirakan akan menjadi metode integrasi baru ke depan
Perangkat lunak vertikal berdasarkan industri dan masalah integrasi
- Menurut Departemen Tenaga Kerja AS, ada lebih dari 1.000 industri, dan untuk tiap industri, ERP/SOR (sistem manajemen bisnis) berperan sebagai 'pusat data'
- Sebagian besar ERP vertikal industri membatasi penyediaan API integrasi/konektivitas eksternal atau hanya mengizinkan metode yang mahal/rumit
- Contoh: Epic di layanan kesehatan, Yardi di real estat, Dentrix di kedokteran gigi, dan lain-lain memblokir integrasi startup SaaS baru melalui monopoli data yang kuat atau hanya mengizinkan sebagian
- Struktur seperti ini, meskipun memicu ketidakpuasan pelanggan (NPS turun), tetap menghasilkan efek penguncian yang membuat pelanggan sulit meninggalkan ERP
Hambatan integrasi yang dihadapi Vertical AI
- Bahkan pelanggan awal pun sering menuntut, “kalau tidak terintegrasi dengan ERP, kami tidak bisa memakainya”
- Penyedia legacy enggan membuka API publik/integrasi karena persaingan atau keterbatasan kemampuan teknis
- Tim TI perusahaan (terutama CIO/eksekutif) juga waspada terhadap akses data oleh AI eksternal/startup SaaS baru
Hal yang bisa diubah AI dan batasannya
- Dibanding SaaS lama, produk berbasis AI menuntut pemanfaatan data tidak terstruktur di luar ERP (email, kertas, foto, pengetahuan lisan, dll.)
- Solusi AI justru makin menonjolkan kesulitan integrasi data
- Cakupan integrasi meluas dari 'API resmi' ke 'jalur tidak resmi + data tidak terstruktur eksternal'
5 strategi yang benar-benar dicoba para pendiri
1. Kludge (akal-akalan/integrasi tidak resmi)
- Menerima akun login/izin ERP dari pelanggan lalu agen AI langsung membaca dan menulis data
- Memakai cara pintas seperti crawling otomatis, injeksi langsung ke DB, dan sebagainya
- Contoh nyata: putusan RTMS vs PointClickCare (berdasarkan hukum keterbukaan informasi medis AS, dengan putusan yang tidak menguntungkan EHR yang membatasi akses AI)
- Kelebihan: hasil cepat
- Kekurangan: risiko hukum, kepatuhan (HIPAA, GDPR, dll.), isu keamanan, dan tidak dapat diskalakan dalam jangka panjang
2. Kemitraan
- Menjalin kemitraan resmi dengan ERP/platform legacy, sehingga AI berjalan bersama di atas ERP
- Membujuk ERP dengan logika, “AI sedang menjadi tren, jadi bermitralah dengan kami, berikan akses data, dan bagikan sebagian pendapatan”
- Kelebihan: potensi ekspansi lebih cepat dibanding ERP, peluang transaksi besar
- Kekurangan: hambatan masuk/kecepatan yang berbeda per industri, serta kemungkinan ERP tersadar lalu melakukan pembatasan
3. Segmentation (segmentasi pasar: fokus SMB)
- Menargetkan usaha kecil dan menengah (SMB) dengan ERP yang lebih terbuka API-nya atau lebih mudah diganti
- Pasar SMB memiliki penguncian legacy yang lebih lemah, dan meskipun persaingan ketat, hambatan masuknya lebih rendah
- Catatan: ukuran pasar SMB tersebut harus cukup besar
4. Wedge Selection (AI yang tidak bergantung pada ERP)
- Fokus pada Vertical AI di area yang tidak memerlukan integrasi ERP/SOR
- Contoh: AI sales khusus industri, AI customer support, dan sebagainya
- Penagihan berbasis hasil juga dimungkinkan (generasi lead, volume tiket yang diproses, dll.)
- Menggunakan pendekatan di mana pelanggan memasukkan data langsung ke ERP (hand-off)
5. Memanfaatkan infrastruktur dan standar AI
- Munculnya framework standar integrasi AI (misalnya Anthropic Model Context Protocol, MCP)
- Mengurangi beban integrasi satu kali untuk berbagai SaaS/API dan mendukung ekspansi modular
- Konsep 'pengguna komputer' berbasis AI (Operator, CUA, dll.): menjadikan RPA lama lebih berorientasi AI, berkembang dari otomatisasi klik sederhana ke operasi berbasis pengenalan gambar/konteks
- Contoh: OpenAI ChatGPT Operator (otomatisasi browser berbasis web), Adept (AI RPA untuk enterprise)
- Masih dalam tahap awal, tetapi diharapkan berperan penting dalam Vertical AI untuk enterprise
Kesimpulan dan insight
- Masalah integrasi ERP/SOR pada AI vertikal per industri bukan sekadar persoalan teknis atau API, melainkan persoalan struktur industri dan strategi masuk pasar
- Perlu menyusun strategi yang berlapis dan fleksibel sesuai pelanggan, ERP, data, dan cakupan pemanfaatan AI
- Ke depan, framework agen AI yang terstandarisasi serta teknologi RPA/Operator berbasis AI berpotensi menjadi metode integrasi baru
- Kombinasi/penerapan tiap strategi (akal-akalan, kemitraan, SMB, AI non-integrasi, standar infrastruktur) menjadi kunci pada contoh keberhasilan nyata
Belum ada komentar.