Các nhà đầu tư Anthropic chia sẻ suy nghĩ mới nhất của họ về việc triển khai AI theo chiều dọc

Với việc công nghệ AI được ứng dụng rộng rãi trong nhiều ngành công nghiệp, việc triển khai AI theo chiều dọc đã trở thành chìa khóa cho quá trình chuyển đổi số của doanh nghiệp. Tuy nhiên, thành công của AI theo chiều dọc không chỉ dựa vào công nghệ mà còn đòi hỏi sự hiểu biết sâu sắc và nắm bắt chính xác nhu cầu của ngành. Bài viết này tóm tắt mười đánh giá của các nhà đầu tư Anthropic về việc triển khai AI theo chiều dọc để bạn tham khảo.

Phần mềm được coi là một trong những kịch bản quan trọng nhất để triển khai AI. Sequoia Capital từng đề cập rằng AI có tiềm năng thay thế các dịch vụ bằng phần mềm, tạo ra các cơ hội thị trường có giá trị hàng chục nghìn tỷ đô la.

Mặc dù có nhiều cơ hội lớn, vẫn chưa có con đường rõ ràng nào để phần mềm AI có thể thực sự được triển khai. Bessemer gần đây đã đưa ra một quan điểm rất có giá trị về vấn đề này:

Phần mềm AI theo chiều dọc sẽ là tương lai.

Nói đến Bessemer, những người quen thuộc với ngành SaaS có thể không còn xa lạ gì với nó. Đây là một trong những tổ chức đầu tư chuyên nghiệp nhất trong lĩnh vực SaaS tại Hoa Kỳ và đã đầu tư vào hơn 200 công ty SaaS trong 10 năm qua.

Mặc dù AI theo chiều dọc vẫn còn trong giai đoạn sơ khai, chúng ta vẫn có thể thấy rằng sau sự trỗi dậy của AI tạo sinh, một số công ty xuất sắc trong lĩnh vực AI theo chiều dọc đã xuất hiện, chẳng hạn như kỳ lân pháp lý AI EvenUp (thành lập năm 2019), công ty y tế AI Subtle Medical (thành lập năm 2017), công ty y tế AI Abridge (thành lập năm 2018) và nền tảng phần mềm cộng tác tự động Fieldguide (thành lập năm 2020).

Dựa trên các trường hợp kinh doanh của các công ty AI theo chiều dọc này, Bessemer đã xây dựng 10 lộ trình triển khai AI theo chiều dọc, bao gồm các khía cạnh như giá trị chức năng AI theo chiều dọc, giá trị kinh tế, vị thế cạnh tranh và khả năng phòng thủ.

01 Việc triển khai AI theo chiều dọc phải bắt đầu từ nhu cầu thực tế của khách hàng

Quy trình làm việc cốt lõi của các ngành công nghiệp khác nhau có nhu cầu tự động hóa khác nhau. Tuy nhiên, liệu quy trình làm việc có nền tảng cho tự động hóa hay không không phải là yếu tố duy nhất mà các công ty AI theo chiều dọc cần cân nhắc khi xây dựng doanh nghiệp của mình.

Sự quan tâm của khách hàng đối với tự động hóa và các yêu cầu khác nhau về tự động hóa cũng sẽ có tác động lớn đến việc triển khai AI theo chiều dọc.

Đôi khi những sở thích hoặc yêu cầu này có thể được giải quyết trong quá trình thiết kế sản phẩm. Ví dụ, một phòng khám nha khoa có thể muốn thiết lập chế độ xem xét tự động cho các giao dịch mua vật tư y tế nếu đơn hàng có giá dưới một mức nhất định, nhưng vẫn yêu cầu xem xét thủ công đối với số lượng lớn hơn.

Nói cách khác, giải pháp mua sắm AI cần có mức độ linh hoạt nhất định, không chỉ để đạt được mục tiêu mua sắm tự động một số đơn hàng mà còn cho phép con người tham gia vào các đơn hàng khác.

Một ví dụ khác, một công ty luật có thể muốn tự động hóa hoàn toàn quy trình thu tiền từ khách hàng. Tuy nhiên, khi nói đến quy trình làm việc cốt lõi như viết bản tóm tắt pháp lý, họ cần phản hồi của con người để tạo ra sản phẩm cuối cùng (ví dụ: tạo bản thảo đầu tiên) vì họ muốn kiểm soát những gì được tạo ra.

Việc triển khai AI theo chiều dọc đòi hỏi phải nghiên cứu kỹ lưỡng về thị trường và nhu cầu của người dùng theo các kịch bản theo chiều dọc.

Ví dụ, trong chăm sóc sức khỏe, các giải pháp AI để quản lý quy trình làm việc do các công ty AI như Abridge cung cấp đang được áp dụng rộng rãi khi các bác sĩ lâm sàng tìm cách tự động hóa các nhiệm vụ hành chính như lưu trữ hồ sơ.

Mặc dù cũng có sự quan tâm đến việc ứng dụng AI đa phương thức vào chẩn đoán, nhưng mức độ thâm nhập vẫn còn thấp vì các mô hình thanh toán chăm sóc sức khỏe tụt hậu so với sự đổi mới trong công nghệ chăm sóc sức khỏe.

Do đó, việc triển khai AI trong các kịch bản dọc không chỉ cần xem xét liệu nó có đủ điều kiện để tự động hóa hay không mà còn cần chú ý đến nhu cầu thực tế của khách hàng và kỳ vọng của họ đối với trí tuệ nhân tạo.

02 Chỉ bằng cách tích hợp liền mạch vào các kịch bản hiện có, chúng ta mới có thể xây dựng được một hào sản phẩm

Các giải pháp AI theo chiều dọc không chỉ cần thực hiện nhiệm vụ một cách xuất sắc mà còn phải xây dựng được một hào nước thực sự.

Các giải pháp AI dễ sao chép sẽ phải đối mặt với áp lực cạnh tranh rất lớn.

Ví dụ, trong lĩnh vực dịch vụ tài chính, ngày càng có nhiều trường hợp ứng dụng giải pháp tự động hóa các khoản phải thu và phải trả (AR/AP), trong đó khả năng AI để đối chiếu dữ liệu và xác minh hóa đơn có thể mang lại một số giá trị, nhưng những chức năng tinh tế này có thể dễ dàng được tích hợp vào công cụ quy trình làm việc và thay thế bằng các giải pháp AI theo chiều dọc quy trình làm việc dành riêng cho ngành.

Để giảm thiểu rủi ro thương mại hóa mô hình lớn, các ứng dụng AI theo chiều dọc tốt nhất không chỉ cần bao phủ toàn bộ quy trình kinh doanh mà còn phải đạt được sự tích hợp liền mạch với các hệ thống hiện có thông qua API/phần bổ trợ.

Nhiều công ty khởi nghiệp AI B2B đạt được mục tiêu sau bằng cách hợp tác với các nền tảng đã được khẳng định, đặc biệt là các nền tảng lớn hiện hữu, để tạo ra giá trị thông qua tích hợp liền mạch.

Ví dụ, công ty bảo hiểm AI Sixfold được nhúng vào hệ thống quản lý chính sách (PAS) hiện có dưới dạng API hoặc plug-in, do đó, các công ty bảo hiểm không cần phải chuyển đổi hoàn toàn hệ thống cũ hoặc xây dựng lại quy trình làm việc. Sự tích hợp “cắm và chạy” này cho phép các bên bảo hiểm dễ dàng đưa khả năng AI của Sixfold trực tiếp vào quy trình làm việc hàng ngày của họ.

03 Tìm kiếm cơ hội để thực hiện các giải pháp hạn chế năng suất

AI đang định hình lại sự phân công lao động tại nơi làm việc: nó không chỉ thay thế công việc lặp đi lặp lại và giải phóng nhân lực mà còn mang lại cho các công ty khả năng hoạt động đột phá. Các sản phẩm AI theo chiều dọc thực sự mang tính chuyển đổi thường có hai lợi thế cốt lõi: tự động hóa toàn bộ quy trình và khả năng xử lý dữ liệu khổng lồ, đây là những lĩnh vực mà con người khó có thể tiếp cận.

Ví dụ, Rilla, một công ty AI trong lĩnh vực quản gia, có thể cung cấp phản hồi và đề xuất tùy chỉnh cho bộ phận bán hàng bằng cách ghi lại và phân tích các tương tác trực tiếp giữa nhân viên bán hàng và khách hàng để giúp nhân viên bán hàng cải thiện hiệu suất làm việc. Nếu không có Rilla, các giám đốc bán hàng sẽ phải đích thân đi cùng nhân viên bán hàng đến thăm thực địa, nhưng cuối cùng vẫn bị hạn chế bởi năng lượng cá nhân của họ.

Mặt khác, Rilla cũng có thể xem xét lượng lớn dữ liệu hội thoại từ các nhân viên bán hàng trên toàn công ty, nghĩa là hướng dẫn mà Rilla cung cấp cho các nhân viên bán hàng dựa trên lượng dữ liệu lớn hơn nhiều so với bất kỳ người quản lý bán hàng nào có trong tay.

Đây là lý do tại sao một số ngành công nghiệp nhất định, chẳng hạn như bán hàng và tiếp thị, dịch vụ và luật pháp, đặc biệt phù hợp để triển khai AI:

Sự thành công trong những lĩnh vực này được xây dựng dựa trên kiến ​​thức thu thập được từ một lượng lớn văn bản viết và hồ sơ thực hành. Trước đây, đây là một nhiệm vụ tốn thời gian, nhưng hiện nay AI có thể làm tốt hơn hoặc thậm chí thay thế hoàn toàn.

04 Nâng cao hiệu quả, điểm mấu chốt của sản phẩm AI theo chiều dọc

Bằng cách sử dụng dữ liệu để trực quan cho khách hàng thấy những cải tiến về hiệu quả do các giải pháp AI mang lại, bạn có thể tăng tốc đáng kể chu kỳ bán hàng và cải thiện khả năng giữ chân khách hàng.

Sự cải thiện hiệu quả này thường xuất phát từ hai khía cạnh: kiểm soát chi phí và tạo ra nhiều doanh thu hơn.

Ví dụ, Abridge có thể tự động ghi lại các cuộc trò chuyện giữa bác sĩ và bệnh nhân, giúp giảm khối lượng công việc của bác sĩ, cải thiện sự hài lòng trong công việc của bác sĩ và do đó tăng tỷ lệ giữ chân bác sĩ.

Bằng cách cải thiện tỷ lệ giữ chân nhân viên, Abridge giảm đáng kể chi phí tuyển dụng và đào tạo bác sĩ - chi phí thường lên tới hàng triệu hoặc thậm chí hàng chục triệu đô la mỗi năm.

Ngoài việc kiểm soát chi phí, Abridge còn tăng doanh thu bằng cách tiết kiệm cho mỗi bác sĩ một đến hai giờ mỗi ngày.

Khoảng thời gian thêm này cho phép bác sĩ khám được nhiều bệnh nhân hơn, cải thiện trực tiếp hiệu quả hoạt động của bệnh viện và tạo ra nhiều doanh thu hơn. Hồ sơ và tóm tắt chi tiết của Abridge về mọi lần khám bệnh cũng ngăn ngừa thất thoát doanh thu bằng cách đảm bảo mã hóa và lập hóa đơn toàn diện.

Trường hợp của EvenUp cũng minh họa cho quan điểm này.

EvenUp sử dụng công nghệ AI để tạo ra các gói nhu cầu cho các công ty luật thương tích cá nhân, trong khi trước đây, các trợ lý luật sư phải mất nhiều ngày để thu thập dữ liệu từ khách hàng, phân loại hàng trăm tài liệu, trích xuất dữ liệu từ các báo cáo y tế và cảnh sát, v.v.

Vì nhóm hoạt động pháp lý của EvenUp xem xét mọi lá thư nên các công ty luật có thể duy trì các tiêu chuẩn chất lượng cao trong khi giảm đáng kể (hoặc loại bỏ) thời gian mà nhóm của họ dành cho các gói theo yêu cầu. Khoảng thời gian bổ sung này cho phép công ty có thể giải quyết nhiều vụ việc hơn, do đó tăng doanh thu.

05 AI định hình lại việc cung cấp dịch vụ và giá cả, mang lại cơ hội kinh doanh mới

Các phương pháp giao hàng và định giá mới do các giải pháp AI theo chiều dọc mang lại đang tạo ra những cơ hội mới.

Trước đây, nhiều kịch bản theo chiều dọc không có đủ TAM (tổng thị trường tiềm năng) để xây dựng một doanh nghiệp phần mềm truyền thống. Hiện nay, khoảng trống thị trường này dự kiến ​​sẽ được lấp đầy bằng AI với hiệu suất thấp hơn, chi phí thấp hơn và dịch vụ chuẩn hóa hơn.

Theo truyền thống, các doanh nghiệp dịch vụ khó có thể tạo ra lợi nhuận vì chi phí thuê nhân công chuyên môn cao. AI sẽ thay đổi hoàn toàn điều này. Đến năm 2024, các công ty dịch vụ trong danh mục đầu tư AI theo chiều dọc của Bessemer sẽ có biên lợi nhuận gộp trung bình khoảng 56% và tỷ lệ tiêu thụ vốn trung bình là 1,6 lần, nghĩa là chỉ cần 1,6 đô la vốn hoạt động cho mỗi 1 đô la kiếm được.

Một số sản phẩm dịch vụ AI đã chứng minh được kết quả phân phối tốt hơn với sự hỗ trợ của QA thủ công, và các sản phẩm dịch vụ khác có sản phẩm AI làm cốt lõi cũng hoạt động tốt.

06. Xây dựng cho các danh mục và quy trình công việc bị bỏ quên

Trong lĩnh vực bán hàng và tiếp thị, đã có những đối thủ cạnh tranh lớn và có nguồn lực tốt như Salesforce hoặc ADP. Trong trường hợp này, các công ty AI theo chiều dọc nên tìm kiếm những lĩnh vực có áp lực cạnh tranh tương đối ít.

Mặc dù việc giành được lợi thế đi đầu trong một thị trường rộng lớn là điều lý tưởng, nhưng hầu hết các danh mục theo chiều dọc đều đã có ít nhất một công ty đương nhiệm.

Nhưng vẫn còn cơ hội. Khi những công ty đương nhiệm đang gặp khó khăn hoặc chậm tích hợp AI, các công ty khởi nghiệp hành động nhanh có thể giành được lợi thế cạnh tranh bằng cách xây dựng các sản phẩm và dịch vụ AI vượt trội, có ROI cao, giúp tối ưu hóa quy trình làm việc có giá trị nhưng không rõ ràng bằng các giải pháp AI tự động.

07 Cung cấp dịch vụ cho khách hàng có nhu cầu đặc biệt

Các công ty AI theo chiều dọc tạo sự khác biệt bằng cách nhắm mục tiêu vào những khách hàng thuộc các danh mục bị bỏ qua, những người thường có các yêu cầu phức tạp mà các giải pháp AI không thể dễ dàng đáp ứng được.

Ví dụ, một công ty khởi nghiệp AI phục vụ các ngân hàng hoặc nhà thầu chính phủ sẽ cần xây dựng các công cụ tuân thủ và bảo mật dành riêng cho ngành để bán cho khách hàng. Sự phức tạp dựa trên nhu cầu cụ thể của ngành này tạo ra lợi thế cho các sản phẩm của công ty AI.

Để giảm nguy cơ LLM trở thành hàng hóa, chúng ta có thể bắt đầu thấy những đơn vị cung cấp mô hình nền tảng (như OpenAI và Anthropic) cũng bắt đầu xây dựng các mô hình dọc tương ứng cho khách hàng trong các ngành này.

08 Các mô hình không phải là một hào nước đáng tin cậy, nhưng nhiều mô hình có thể là

Khi chi phí cho cơ sở hạ tầng mô hình tiếp tục giảm, các mô hình sẽ không còn là rào cản nữa. Những người sáng lập AI theo chiều dọc ở giai đoạn đầu cần tự hỏi: “Tại sao các sản phẩm chúng ta xây dựng bằng AI lại tốt hơn những sản phẩm được xây dựng bằng mô hình và dữ liệu công khai?”

Xây dựng một kiến ​​trúc kỹ thuật mới để giải quyết một vấn đề cụ thể có thể là một cách tiếp cận. Ví dụ, tinh chỉnh LLM để phản ánh tốt hơn phong cách viết của khách hàng hoặc sử dụng thế hệ tăng cường truy xuất (RAG) để thực hiện truy xuất thông tin tốt hơn.

Bessemer tin rằng việc áp dụng công nghệ RAG vào các tập dữ liệu cụ thể của ngành cũng là một cách để thiết lập các rào cản thương mại.

Các thị trường kinh doanh mới sẽ xuất hiện trong các giải pháp có thể xử lý các quy trình làm việc phức tạp hơn (đặc biệt là đa phương thức).

Ví dụ, công ty danh mục đầu tư Bessemer Jasper là một ví dụ điển hình. Giải pháp AI của Jasper về cơ bản là giúp các nhà tiếp thị tạo ra các bài đăng blog dài dựa trên khả năng GenAI dạng văn bản.

Nói chung, sau khi bài đăng được tạo ra bởi AI và được nhà tiếp thị chỉnh sửa, bước tiếp theo là tìm hình ảnh phù hợp để đăng. Do đó, Jasper đã mua lại Clickdrop để củng cố sản phẩm Jasper Art của mình, sử dụng các khả năng đa phương thức (văn bản và hình ảnh) để đáp ứng mọi nhu cầu của các nhà tiếp thị.

09 Tập trung vào tính mô-đun và khả năng mở rộng của ngăn xếp mô hình

SaaS truyền thống dựa vào sự sắp xếp và kết hợp các ngăn xếp công nghệ tiêu chuẩn, trong khi các công ty AI theo chiều dọc phải xây dựng một hệ thống cơ sở hạ tầng tùy chỉnh: tích hợp các mô hình nguồn mở và các giải pháp thương mại thông qua các khả năng tự phát triển, tinh chỉnh linh hoạt các mô hình ngôn ngữ lớn và đạt được kết quả tốt nhất cho khách hàng.

Cách tiếp cận này cho phép các công ty AI nắm bắt sáng kiến ​​trong việc lặp lại nhanh chóng các mô hình lớn. Đồng thời, nó làm giảm chi phí thử nghiệm và sai sót. Khi mô hình nguồn mở có thể đạt được 90% hiệu quả của mô hình thương mại sau khi điều chỉnh thì không cần phải chịu rủi ro trong việc tự phát triển.

Quan trọng hơn, cách tiếp cận này còn cho phép các công ty đầu tư nguồn lực vào điều quan trọng nhất: cung cấp cho khách hàng những sản phẩm chất lượng.

Về mặt này, Jasper là ví dụ tuyệt vời về sản phẩm được thiết kế hướng đến tính linh hoạt. Nền tảng này nằm ở cốt lõi của công nghệ tiếp thị, hoạt động như một “bộ não AI” giúp người dùng phát triển, thiết kế và thực hiện kế hoạch cho mọi lĩnh vực tiếp thị.

Nhóm Jasper đã thiết kế một nền tảng mô-đun sử dụng nhiều LLM có thể chạy dữ liệu tiếp thị thông qua nhiều LLM dựa trên nhu cầu của khách hàng, hiệu suất mô hình và chi phí. Ví dụ, nếu Claude 3.5 hoạt động tốt hơn GPT-4 trong một trường hợp cụ thể, Jaspe có thể hỗ trợ cơ sở hạ tầng mô hình có thể hoán đổi cho nhau.

10. Đừng theo đuổi quá nhiều dữ liệu; chất lượng dữ liệu quan trọng hơn

Người ta đã công nhận rộng rãi rằng các tập dữ liệu độc quyền có thể xây dựng nên hào nước.

Nhưng đối với nhiều công ty khởi nghiệp giai đoạn đầu, họ không có quyền truy cập vào lượng dữ liệu họ mong muốn. Đây là lúc bạn có thể bắt đầu với chất lượng dữ liệu, vì dữ liệu chất lượng cao (bất kể số lượng) có thể tạo ra hiệu ứng gộp và công ty sẽ được hưởng lợi rất nhiều theo thời gian.

Ví dụ, trong những ngày đầu của EvenUp, nhóm đã đầu tư rất nhiều và có chủ đích vào các hoạt động pháp lý để có người xem xét tất cả các thư yêu cầu bồi thường; trong trường hợp này, kích thước dữ liệu không quan trọng bằng chất lượng dữ liệu và theo thời gian, lượng lớn phản hồi dữ liệu chất lượng cao sẽ tiếp tục tinh chỉnh mô hình để cải thiện sản phẩm.

Trong giai đoạn đầu của một doanh nghiệp, điều quan trọng hơn là tạo ra một sản phẩm có lợi tức đầu tư cao, đáp ứng được nhu cầu của khách hàng cốt lõi và bán chạy nhanh chóng. Khi quy mô sử dụng mở rộng, dữ liệu độc quyền sẽ theo sau và những dữ liệu chất lượng cao này cũng sẽ mang lại sự nâng cấp sản phẩm.

Văn bản/Lin Bai