- Semakin terfragmentasi dan kompleks secara operasional suatu industri, justru semakin optimal pasar tersebut bagi sistem AI vertikal untuk membangun moat yang kuat, namun kebanyakan pendiri dan investor mengabaikannya
- Otomatisasi tugas tunggal yang rapi mudah direplikasi, tetapi workflow yang terjalin dengan regulasi, integrasi legacy, dan penanganan pengecualian membentuk struktur yang tidak mudah dikejar oleh kompetitor, pelanggan, maupun lab AI
- Jika ukuran pasar dihitung ulang bukan berdasarkan anggaran software melainkan berdasarkan biaya layanan dan tenaga kerja, pasar vertikal yang tampak kecil ternyata merupakan area pengeluaran yang sangat besar
- Ketika produk beralih dari tahap membantu pekerjaan ke tahap menggantikan pekerjaan itu sendiri, area yang dapat dimonetisasi pada pelanggan yang sama bisa meluas puluhan kali lipat
- Dalam 5 tahun ke depan, di tiap industri akan ditentukan pendekatan mana yang menang di antara platform vertikal yang sangat spesifik tujuan, penambahan AI pada SoR yang sudah ada, atau pembangunan AI in-house
Mengapa pasar ini tersembunyi
- Dua karakteristik yang menyembunyikan pasar AI vertikal terbaik sekaligus berfungsi sebagai moat pasar tersebut
- Karakteristik pertama adalah workflow grit: lingkungan kerja kompleks yang penuh dengan penanganan pengecualian, integrasi legacy, persetujuan manusia, compliance, dan mode kegagalan berbiaya tinggi
- Tugas yang rapi dan terdefinisi baik memang mudah dibangun, didemokan, dan dijual, tetapi saat intelligence menjadi portabel, ia akan terkomoditisasi (commoditize)
- Pekerjaan yang sempit, berisiko rendah, dan mudah disisipkan ke sistem yang ada bisa direplikasi fiturnya oleh kompetitor, dibuat sendiri oleh pelanggan, atau langsung dirilis oleh frontier lab
- Workflow dengan grit tinggi memblokir ketiga ancaman itu sekaligus: lab tidak ingin menangani kompleksitas operasional, pelanggan tidak punya kapasitas teknis, dan kompetitor tidak bisa mengambil jalan pintas
- Agar AI dapat digunakan pada workflow dengan grit tinggi, diperlukan lebih dari sekadar akses model: menstrukturkan data tak terstruktur, mengintegrasikan sistem legacy, merancang loop persetujuan, mendefinisikan tingkat kesalahan yang dapat diterima, dan membangun kepercayaan di lingkungan dengan biaya kesalahan yang tinggi
- Pekerjaan ini terakumulasi secara senyap dan membentuk peta operasional workflow yang bersifat proprietary yang tidak bisa direplikasi pendatang baru hanya dengan membeli model yang sama
- Pada awalnya imbalannya tampak kecil, tetapi pekerjaan operasional yang sulit ini memberi hak untuk berekspansi ke workflow yang berdekatan dan kategori anggaran yang lebih besar
Contoh nyata: pinjaman mobil, penagihan medis, logistik kargo
- Salient: membangun agen suara AI yang menelepon peminjam pinjaman mobil yang menunggak. Sistem ini beroperasi di bawah regulasi FDCPA, TCPA, dan Reg F, dalam lingkungan di mana satu pelanggaran saja dapat memicu tindakan regulator
- AI harus menavigasi aturan negara bagian dan federal yang saling tumpang tindih, melakukan negosiasi pembayaran secara real-time, mematuhi batas frekuensi panggilan, dan mengarahkan ke agen manusia bila diperlukan
- Biaya panggilan penagihan oleh manusia adalah $4~$12, sedangkan biaya panggilan AI hanya sebagian kecilnya
- Charta Health: mengotomatiskan review chart sebelum penagihan yang harus melintasi aturan perusahaan asuransi, kode CPT, dan pola penolakan yang berbeda menurut spesialisasi dan wilayah
- Di bidang logistik kargo, HappyRobot, Pallet, dan Augment membangun agen AI yang menangani panggilan suara tanpa henti, email, dan pembaruan portal yang diperlukan untuk koordinasi antara operator, pengirim, dan gudang
- “Menelepon sopir truk untuk memeriksa status muatan” mungkin tidak terlihat seperti bisnis skala ventura, tetapi setiap muatan mencakup puluhan titik kontak manual, dan industri logistik menghabiskan lebih dari $1 triliun per tahun untuk biaya operasional non-fisik
Karakteristik kedua: struktur pasar
- Struktur pasar yang terfragmentasi di antara ribuan operator, dengan DNA teknis pembeli yang rendah
- Vendor AI horizontal membutuhkan pelanggan bernilai tinggi yang terkonsentrasi agar ekonomi deployment masuk akal, tetapi jika pendapatan tersebar di ribuan usaha kecil dan menengah yang masing-masing menjalankan sistem berbeda dan data tak terstruktur, maka pemain umum tidak bisa membenarkan upaya GTM
- Operator properti, perusahaan field service, dan klinik rehabilitasi rawat jalan tidak memiliki kapabilitas teknis untuk membangun AI produksi secara internal, dan memandang teknologi sebagai sesuatu yang dibeli, bukan dimiliki
- Fragmentasi menciptakan ruang untuk membangun, dan rendahnya kecenderungan membangun sendiri memperbesarnya, sehingga tersedia waktu untuk mengakumulasi konteks operasional secara compounding lebih dulu daripada siapa pun
Contoh: pasar pajak dan akuntansi AS
- Pasar pajak dan akuntansi AS adalah industri senilai $145 miliar, dengan long tail sekitar 46.000 firma CPA, dan 86% di antaranya memiliki kurang dari 10 karyawan
- Pada saat yang sama, pasar ini juga mencakup Big Four dan firma nasional berskala besar
- Blue J: platform riset pajak berbasis AI yang memperoleh traction di kedua ujung pasar. Saat ini melayani lebih dari 2.800 organisasi, dengan penggunaan tumbuh lebih dari 700% YoY
- Struktur long tail membuat pasar ini tidak menarik bagi pemain umum, dan workflow grit berupa hukum pajak yang tumpang tindih, pola fakta yang ambigu, serta jawaban yang diberikan para ahli dengan mempertaruhkan reputasi mereka membentuk titik masuk yang berkelanjutan bahkan dalam lingkungan pembeli yang sulit
Penguatan moat yang saling memperkuat
- Kompleksitas operasional menciptakan biaya perpindahan (switching costs): mencabut sistem berarti harus merekrut ulang tenaga kerja, membangun ulang proses, dan melepaskan konteks workflow yang telah terakumulasi selama bertahun-tahun
- Fragmentasi tidak berkurang seiring waktu, dan pembeli juga tidak tiba-tiba memperoleh DNA engineering
- Pada saat OpenAI atau Anthropic menyadari keberadaan pasar tersebut, konteks operasional dan fondasi distribusi dari sistem vertikal biasanya sudah terakumulasi secara compounding selama bertahun-tahun
TAM Goldilocks
- Alasan kebanyakan pasar AI vertikal tersembunyi adalah karena ukuran pasarnya diukur dengan keliru
- Pendekatan standar adalah menganggap belanja software pada kategori tersebut sebagai TAM, tetapi dalam industri yang terfragmentasi dan kompleks secara operasional, anggaran software biasanya kecil
- Ukuran yang benar adalah berapa banyak industri membelanjakan untuk pekerjaan itu sendiri: biaya tenaga kerja, penyedia outsourcing, agensi, kontraktor, dan pos anggaran layanan dan tenaga kerja lainnya
- Redefinisi ini juga menjelaskan mengapa kompetitor paling berbahaya mengabaikan pasar tersebut: jika melihat “AI untuk leasing properti” berdasarkan anggaran software, pasar itu tampak niche sehingga frontier lab tidak punya alasan untuk mengerahkan sumber daya
- Jika dilihat dari anggaran tenaga kerja dan layanan, pasarnya sangat besar, tetapi ketika itu mulai terlihat, sistem vertikal biasanya sudah lebih dulu terakumulasi selama bertahun-tahun
- Syarat TAM Goldilocks: cukup besar untuk menghasilkan outcome skala ventura, tetapi tersamarkan oleh permukaan software yang sederhana; terabaikan karena kompleksitas operasional; dan bisa berkembang dramatis setelah posisi sistem terbentuk
Peralihan dari membantu ke menggantikan
- Ekspansi terjadi saat produk beralih dari membantu pekerjaan menjadi melakukan pekerjaan itu sendiri
- Contoh perusahaan manajemen properti: mengeluarkan $30.000 per tahun untuk software leasing, dan $300.000 untuk staf leasing
- Jika produk mulai melakukan pekerjaan itu sendiri, maka yang dijual bukan lagi ke pos $30K, melainkan ke pos $300K
- Jika berkembang ke seluruh workflow dan operasi, maka produk dapat menjangkau total anggaran operasional sebesar lebih dari $1 juta
- Pada pelanggan dan perusahaan yang sama, area yang dapat ditagih meluas 30 kali lipat
Contoh: EliseAI
- EliseAI: platform manajemen properti AI yang memulai dari pasar proptech yang terbatas
- Awalnya mulai dari solusi otomatisasi leasing dengan SKU tunggal di ~$50K ACV
- Saat produk berkembang dari membantu pekerjaan leasing menjadi menggantikannya, cakupannya meluas, lalu diperluas lagi ke maintenance, collection, dan tur berpemandu AI, mencakup seluruh siklus hidup penyewa
- Kini melayani 1 dari 8 apartemen di AS, dan manajer serta operator properti membelanjakan lebih dari jutaan dolar untuk platform ini
- Perusahaan juga masuk ke healthcare untuk menyerang $600 miliar biaya administratif tahunan dengan playbook yang sama
- Bukan TAM yang tumbuh bersama produk, melainkan produk yang mengungkap seberapa besar TAM itu sejak awal
Apa yang terjadi jika sampai lebih dulu
- Di pasar ini, perusahaan AI vertikal yang mencapai posisi sistem bukan hanya membangun bisnis besar, tetapi juga akan menentukan cara seluruh industri beroperasi selama 10 tahun ke depan
- Anthropic dan OpenAI memang menjadi ancaman nyata di application layer, tetapi mereka juga harus menangani prioritas yang saling bertentangan sekaligus
- Mereka harus terus berinvestasi dalam kemajuan model frontier, sementara memaksimalkan pendapatan berbasis token akan menciptakan konflik kepentingan dengan pelanggan akhir seiring meluasnya adopsi agen
- Di atas itu, mereka juga harus membangun aplikasi kustom berkualitas tinggi untuk puluhan vertikal yang berbeda secara bersamaan
- Di sebagian besar pasar, AI vertikal yang sangat spesifik tujuan diperkirakan akan mengungguli lab dalam eksekusi melalui fokus murni
- Lima tahun ke depan akan menentukan pendekatan mana yang menang di tiap pasar: platform spesifik tujuan yang memperluas wedge AI menjadi sistem vertikal, SoR (System of Record) lama yang mempertahankan posisi pasar dengan menambahkan AI yang “cukup baik”, atau AI in-house yang dibangun di atas Anthropic/OpenAI
- Strategi kuncinya: pilih titik masuk yang tajam dan kompleks secara operasional di pasar yang tampak terlalu kecil, perluas ke seluruh workflow untuk memperoleh otoritas, gantikan tenaga kerja, dan jadilah sistem yang tanpanya pelanggan tidak bisa beroperasi
- “Model menang di demo, wedge menang di pilot, sistem menang di pasar”
Belum ada komentar.