Sequoia Capital: บริษัทล้านล้านดอลลาร์ถัดไปจะไม่ขายซอฟต์แวร์ แต่ขายผลลัพธ์โดยตรง

ผู้เขียนต้นฉบับ: Julien Bek

เรียบเรียงต้นฉบับ: TechFlow

คำนำ: Julien Bek หุ้นส่วนของ Sequoia Capital เขียนบทความที่มีโครงสร้างชัดเจน โดยมีข้อโต้แย้งหลักคือ: บริษัทที่มีมูลค่า 1 ล้านล้านดอลลาร์ถัดไปจะไม่ขายเครื่องมือซอฟต์แวร์ แต่จะขายผลลัพธ์ของการทำงานโดยตรง ทุกๆ 1 ดอลลาร์ที่ใช้ซื้อซอฟต์แวร์ ธุรกิจต้องใช้ 6 ดอลลาร์สำหรับบริการ เมื่อ AI ทำให้ต้นทุนของการ "ลงมือทำ" เข้าใกล้ศูนย์ โอกาสที่แท้จริงไม่ได้อยู่ที่ Copilot (เครื่องมือช่วยเหลือ) แต่อยู่ที่ Autopilot (ทำงานให้เสร็จอัตโนมัติ)

เขาแยกแยะโอกาสในการทำให้บริการต่างๆ เช่น ประกันภัย บัญชี การแพทย์ กฎหมาย IT การจัดซื้อ การสรรหาบุคลากร ที่ปรึกษา เป็นอัตโนมัติทีละส่วน พร้อมแนบแผนภาพเมทริกซ์โอกาสที่วาดตามสองมิติคือ "สติปัญญา vs การตัดสินใจ" และ "จ้างภายนอก vs ภายใน" บทความนี้มีคุณค่าอ้างอิงสำหรับทั้งผู้ประกอบการและนักลงทุนด้าน AI

เนื้อหาทั้งหมดมีดังนี้:

บริษัทที่มีมูลค่า 1 ล้านล้านดอลลาร์ถัดไป จะเป็นบริษัทซอฟต์แวร์ที่ปลอมตัวเป็นบริษัทบริการ

ผู้ก่อตั้งทุกคนที่ทำเครื่องมือ AI ถามคำถามเดียวกัน: จะทำอย่างไรถ้า Claude เวอร์ชันถัดไปเปลี่ยนผลิตภัณฑ์ของฉันให้เป็นเพียงฟีเจอร์หนึ่ง? ความกังวลนี้ถูกต้องแล้ว หากคุณขายเครื่องมือ คุณกำลังแข่งกับโมเดล แต่ถ้าคุณขายงานนั้นเอง ทุกๆ ความก้าวหน้าของโมเดลจะทำให้บริการของคุณเร็วขึ้น ถูกขึ้น และแข่งขันได้ยากขึ้น บริษัทหนึ่งอาจใช้เงิน 10,000 ดอลลาร์ต่อปีเพื่อซื้อ QuickBooks และใช้เงิน 120,000 ดอลลาร์เพื่อจ้างนักบัญชีมาทำบัญชี บริษัทในตำนานถัดไปจะช่วยคุณทำบัญชีให้เสร็จโดยตรง

สติปัญญา vs การตัดสินใจ

การเขียนโค้ดส่วนใหญ่เป็นเรื่องของ "สติปัญญา" (intelligence) การรู้ว่าควรทำอะไรต่อไปคือ "การตัดสินใจ" (judgement)

การแปลเอกสารข้อกำหนดเป็นโค้ด ทดสอบ แก้ไขข้อบกพร่อง: กฎซับซ้อน แต่สุดท้ายก็เป็นกฎ การตัดสินใจนั้นต่างออกไป มันต้องการประสบการณ์และรสนิยม ต้องการสัญชาตญาณที่สะสมมาจากการฝึกฝนหลายปี การตัดสินใจว่าจะทำฟีเจอร์อะไรต่อไป ควรก่อหนี้ทางเทคนิคหรือไม่ ควรเปิดตัวเมื่อยังไม่พร้อมหรือไม่

หนึ่งปีก่อน ผู้ใช้ Cursor ส่วนใหญ่ใช้ AI เป็นเครื่องมือเติมข้อความอัตโนมัติ วันนี้ งานที่เริ่มต้นโดย Agent มีมากกว่างานที่เริ่มต้นโดยมนุษย์ วิศวกรรมซอฟต์แวร์คิดเป็นสัดส่วนมากกว่าครึ่งหนึ่งของการใช้เครื่องมือ AI ในทุกอาชีพ ในขณะที่หมวดหมู่อื่นๆ ยังคงอยู่ที่ตัวเลขหลักเดียว สาเหตุคือวิศวกรรมซอฟต์แวร์ส่วนใหญ่เป็นงานที่ใช้สติปัญญา AI ได้ข้ามเส้นนั้นไปแล้ว—มันสามารถทำงานด้านสติปัญญาส่วนใหญ่ได้ด้วยตนเอง โดยปล่อยให้การตัดสินใจเป็นของมนุษย์ วิศวกรรมซอฟต์แวร์มาถึงจุดนี้ก่อน แต่มันจะแพร่กระจายไปยังทุกอาชีพ

คำอธิบายภาพ: สัดส่วนการใช้เครื่องมือ AI ตามอาชีพ วิศวกรรมซอฟต์แวร์นำหน้าหมวดหมู่อื่นๆ อย่างมาก

Copilot และ Autopilot

Copilot ขายเครื่องมือ Autopilot ขายงาน

จนกระทั่งไม่นานมานี้ โมเดล AI ยังคงพัฒนาทั้งในด้านสติปัญญาและการตัดสินใจ ดังนั้นเส้นทางที่ถูกต้องคือทำ Copilot ก่อน: วาง AI ไว้ในมือของผู้เชี่ยวชาญ ให้พวกเขาตัดสินใจว่าจะใช้อย่างไร Harvey ขายให้กับสำนักงานกฎหมาย Rogo ขายให้กับธนาคารเพื่อการลงทุน ผู้เชี่ยวชาญคือลูกค้า เครื่องมือทำให้พวกเขามีประสิทธิภาพมากขึ้น พวกเขารับผิดชอบต่อผลลัพธ์

วันนี้ โมเดลฉลาดพอแล้ว ในบางหมวดหมู่ จุดเริ่มต้นที่ดีที่สุดคือทำ Autopilot โดยตรง Crosby ขายให้กับบริษัทที่ต้องการร่าง NDA ไม่ใช่ขายให้กับที่ปรึกษากฎหมายภายนอก WithCoverage ขายให้กับ CFO ที่ต้องการประกันภัย ไม่ใช่ขายให้กับนายหน้าประกันภัย ลูกค้าซื้อผลลัพธ์โดยตรง ในทุกอาชีพ งบประมาณสำหรับงานมีมากกว่ามากเมื่อเทียบกับงบประมาณสำหรับเครื่องมือ และ Autopilot สามารถคว้างบประมาณสำหรับงานได้ตั้งแต่เริ่มต้น

ยิ่งงานในสาขาใดมีสัดส่วนของสติปัญญามากเท่าไร Autopilot ก็จะชนะเร็วขึ้นเท่านั้น

การหลอมรวม

การตัดสินใจของวันนี้จะกลายเป็นสติปัญญาของวันพรุ่งนี้ เมื่อระบบ AI สะสมข้อมูลเฉพาะทางเกี่ยวกับ "การตัดสินใจที่ดีมีลักษณะอย่างไร" ในสาขาของตนเอง ขอบเขตจะเคลื่อนที่ Copilot และ Autopilot จะมาบรรจบกัน การเปลี่ยนจาก Copilot เป็น Autopilot ได้เริ่มขึ้นแล้วในหลายหมวดหมู่ แต่จุดเริ่มต้นสำคัญ เพราะมันกำหนดว่า Autopilot สามารถชนะใจลูกค้าได้ที่ไหนในตอนนี้ และเริ่มสะสมข้อมูลที่ในที่สุดจะทำให้มันสามารถจัดการงานที่ต้องใช้การตัดสินใจได้เช่นกัน

กลยุทธ์ Autopilot: การจ้างภายนอกคือจุดเริ่มต้น

ทุกๆ 1 ดอลลาร์ที่ใช้ซื้อซอฟต์แวร์ มี 6 ดอลลาร์ที่ใช้สำหรับบริการ

TAM ของ Autopilot คือค่าใช้จ่ายด้านแรงงานทั้งหมดในหมวดหมู่หนึ่ง รวมทั้งภายในและภายนอก แต่จุดเริ่มต้นที่ถูกต้องคือที่ที่การจ้างภายนอกมีอยู่แล้ว

หากงานใดๆ ถูกจ้างภายนอกแล้ว มันบอกคุณสามสิ่ง หนึ่ง บริษัทยอมรับแล้วว่างานนี้สามารถทำโดยภายนอกได้ สอง มีหมวดงบประมาณที่มีอยู่แล้วซึ่งสามารถถูกแทนที่ได้อย่างสะอาด สาม ผู้ซื้อกำลังซื้อผลลัพธ์อยู่แล้ว การแทนที่สัญญาจ้างภายนอกด้วยผู้ให้บริการที่เกิดจาก AI คือการเปลี่ยนผู้ขาย การแทนที่พนักงานภายใน คือการปรับโครงสร้างองค์กร

กลยุทธ์คือ: เริ่มจากงานที่จ้างภายนอกและใช้สติปัญญาเข้มข้น ทำการกระจายให้สำเร็จ เมื่อ AI สะสมข้อมูล ก็ขยายไปสู่งานภายในที่ต้องใช้การตัดสินใจเข้มข้น งานที่จ้างภายนอกคือลิ่ม งานภายในคือ TAM ระยะยาว

Crosby เริ่มจาก NDA: งานที่กำหนดชัดเจน ส่วนใหญ่เป็นงานสติปัญญา บริษัทส่วนใหญ่จ้างทนายความภายนอกทำอยู่แล้ว งบประมาณพร้อม ขอบเขตชัดเจน ROI ทันที การแทนที่ไร้แรงเสียดทาน

แผนที่โอกาส

เมื่อวาดแต่ละบริการแนวตั้งตามสเปกตรัม "จากสติปัญญาสู่การตัดสินใจ" และสัดส่วน "จากจ้างภายนอกสู่จ้างภายใน" คุณจะได้แผนที่ลำดับความสำคัญ โดยในวงเล็บคือ TAM แรงงาน รายการต่อไปนี้ไม่ใช่การยกตัวอย่างทั้งหมด

คำอธิบายภาพ: เมทริกซ์โอกาส Autopilot สำหรับบริการแนวตั้งต่างๆ (กระจายตามอัตราส่วนสติปัญญา/การตัดสินใจ และอัตราส่วนจ้างภายนอก/จ้างภายใน)

นายหน้าประกันภัย (140-200 พันล้านดอลลาร์)

ตลาดที่ใหญ่ที่สุดในรายการนี้ ประกันภัยธุรกิจมาตรฐานมีความเป็นมาตรฐานสูง: คุณค่าที่เพิ่มของนายหน้าคือการเปรียบเทียบราคาและกรอกแบบฟอร์มระหว่างผู้รับประกันภัยต่างๆ โดยพื้นฐานแล้วเป็นงานสติปัญญาล้วนๆ ชั้นการกระจายตัวกระจุกตัวอย่างมาก มีนายหน้าเล็กๆ นับพันที่ดำเนินกระบวนการเดียวกัน ไม่มีใครควบคุมความสัมพันธ์กับลูกค้า WithCoverage และ Harper เป็นผู้มาใหม่ที่น่าสนใจ

บัญชีและการตรวจสอบบัญชี (เฉพาะส่วนที่จ้างภายนอกในสหรัฐฯ 50-80 พันล้านดอลลาร์)

สหรัฐฯ สูญเสียนักบัญชีประมาณ 340,000 คนในช่วงห้าปีที่ผ่านมา ในขณะที่ความต้องการเพิ่มขึ้น 75% ของ CPA ใกล้เกษียณ เส้นทางสู่ใบอนุญาตยาวนาน เงินเดือนเริ่มต้นล้าหลังอุตสาหกรรมเทคโนโลยีและการเงิน การขาดแคลนเชิงโครงสร้างนี้กำลังผลักดันให้สำนักงานบัญชียอมรับ AI เร็วกว่าอาชีพอื่นๆ เกือบทั้งหมด Rillet กำลังสร้าง ERP ที่เกิดจาก AI เพื่อทำบัญชีให้เสร็จโดยตรง Basis เริ่มจาก Copilot สำหรับนักบัญชี

การจัดการวงจรรายได้ทางการแพทย์ (ส่วนที่จ้างภายนอกในสหรัฐฯ 50-80 พันล้านดอลลาร์)

เมื่อได้ยิน "การแพทย์" ทุกคนจะคิดว่าต้องใช้การตัดสินใจเข้มข้น แต่ในระดับการออกใบแจ้งหนี้เป็นงานสติปัญญาล้วนๆ การเข้ารหัสทางการแพทย์คือการแปลบันทึกทางคลินิกเป็นรหัส ICD-10 มาตรฐานประมาณ 70,000 รหัส กฎซับซ้อน แต่สุดท้ายก็เป็นกฎ การจ้างภายนอกเป็นที่ยอมรับแล้ว และคิดค่าบริการตามผลลัพธ์ Autopilot เพียงแค่ต้องทำสิ่งเดียวกันด้วยต้นทุนที่ต่ำกว่า Anterior ก้าวไปไกลที่สุด

การประเมินค่าสินไหมทดแทน (รวม TPA 50-80 พันล้านดอลลาร์)

อีกด้านหนึ่งของกรมธรรม์ประกันภัย การประเมินค่าสินไหมทดแทนเป็นอีกหนึ่งสถานการณ์ Autopilot ที่แยกออกมา การเรียกร้องค่าสินไหมทดแทนสำหรับกรมธรรม์มาตรฐานถูกตัดสินโดยเปรียบเทียบรายการความเสียหายกับภาษาในกรมธรรม์ ใช้ตารางประกันภัยเพื่อตั้งเงินสำรอง พนักงานประเมินค่าสินไหมทดแทนกำลังมีอายุมากขึ้น และไม่มีใครมาแทนที่ ตลาดจ้างภายนอกจำนวนมากให้กับผู้ประเมินค่าสินไหมทดแทนอิสระและ TPA อย่าง Crawford, Sedgwick อุตสาหกรรมหนึ่ง มีโอกาส Autopilot ต่างกันอย่างน้อยสองโอกาส Pace กำลังทำ Autopilot สำหรับการประมวลผลการเรียกร้องค่าสินไหมทดแทน Strala กำลังทำ TPA ที่เกิดจาก AI

ที่ปรึกษาด้านภาษี (30-35 พันล้านดอลลาร์)

ระบบใบอนุญาต CPA สร้างคูเมืองด้านกฎระเบียบ แต่ 80%-90% ของงานพื้นฐานเป็นงานสติปัญญา ทุกครั้งที่ Autopilot ด้านภาษีครอบคลุมเขตอำนาจศาลเพิ่มเติม คูเมืองด้านข้อมูลก็ลึกขึ้น ความซับซ้อนของหลายเขตอำนาจศาลเป็นเหตุผลที่ SMEs จ้างภายนอก เพราะไม่มีนักบัญชีภายในคนไหนครอบคลุมได้ทั้งหมด TaxGPT เป็นผู้มาใหม่ในระยะเริ่มต้น ในยุโรปมี Skalar และ Ravical

งานธุรการทางกฎหมาย (20-25 พันล้านดอลลาร์)

การร่างสัญญา NDA การยื่นคำร้องต่อหน่วยงานกำกับดูแล: มีสัดส่วนสติปัญญาสูง จ้างภายนอกเป็นประจำ ผลลัพธ์ของงานมีมาตรฐานเพียงพอ คุณภาพสามารถตรวจสอบได้ ดังนั้นผู้ซื้อจึงสามารถเชื่อถือผลลัพธ์จาก AI ได้โดยไม่ต้องมีความเชี่ยวชาญทางกฎหมายลึกซึ้ง Harvey เป็นผู้นำที่กำลังเติบโต กำลังเปลี่ยนไปสู่ Autopilot อย่างรวดเร็ว; Crosby และ Lawhive เป็นผู้มาใหม่ที่เกิดมาเป็น Autopilot

บริการจัดการ IT (มากกว่า 100 พันล้านดอลลาร์)

ทุก SMEs จ้าง IT ภายนอก การติดตั้งแพตช์ การตรวจสอบ การกำหนดค่าผู้ใช้ การแจกจ่ายการแจ้งเตือน: งานสติปัญญาทำซ้ำในสภาพแวดล้อมที่เหมือนกันนับพันแห่ง ชั้นซอฟต์แวร์ที่มีอยู่ (ConnectWise, Datto) ขายเครื่องมือให้กับ MSP ยังไม่มีใครขายผลลัพธ์ว่า "IT ของคุณทำงานแล้ว" ให้กับบริษัทโดยตรง Edra กำลังทำให้กระบวนการ IT เป็นอัตโนมัติ Serval กำลังทำให้การสนับสนุน IT เป็นอัตโนมัติ

ห่วงโซ่อุปทานและการจัดซื้อ (มากกว่า 200 พันล้านดอลลาร์)

ธุรกิจส่วนใหญ่เจรจาอย่างจริงจังเฉพาะกับผู้ขาย 20% อันดับแรกเท่านั้น ผู้ขายส่วนท้ายถูกทิ้งไว้โดยไม่มีใครดูแล เพราะการให้คนมาทำไม่คุ้มค่า การรั่วไหลของสัญญาคิดเป็น 2%-5% ของค่าใช้จ่ายจัดซื้อทั้งหมด จุดเริ่มต้นคืองานที่ถูกทิ้ง: ไม่มีหมวดงบประมาณที่ต้องให้เหตุผล ไม่มีผู้ดำรงตำแหน่งที่ต้องแทนที่ มีเพียงเงินที่เก็บได้ฟรี Magentic กำลังทำ AI สำหรับการจัดซื้อโดยตรง AskLio ทำการจัดซื้อทางอ้อม Tacto กำลังสร้างทั้งระบบบันทึกและ Copilot สำหรับตลาดกลาง

การสรรหาบุคลากรและจัดหาบุคลากร (มากกว่า 200 พันล้านดอลลาร์)

ตลาดบริการที่ใหญ่ที่สุดในรายการนี้ ส่วนบนของกรวยการสรรหาบุคลากร (การคัดกรอง การจับคู่ การติดต่อ) เป็นงานสติปัญญาล้วนๆ แต่การปิดการขายและการประเมินความเหมาะสมทางวัฒนธรรมอาศัยการตัดสินใจที่สะสมมาจากการจดจำรูปแบบหลายปี จุดเริ่มต้นของ Autopilot อยู่ที่ตำแหน่งที่มีปริมาณสูง การตัดสินใจต่ำ ที่ซึ่งการจับคู่เป็นมาตรฐาน Juicebox, Mercor, Jack & Jill เป็นผู้นำใหม่ที่กำลังสร้างทั่วทั้งสเปกตรัม

ที่ปรึกษาด้านการจัดการ (300-400 พันล้านดอลลาร์)

ตลาดใหญ่โต แต่งานส่วนใหญ่เป็นการตัดสินใจ คำถามที่น่าสนใจคือ AI สามารถแยกงานที่ปรึกษาออกเป็นองค์ประกอบส