บทเรียนที่ Palantir มอบให้ในยุค AI ใหม่

xguru · 2024-11-14T10:17:02+09:00

Palantir เพิ่งถูกนำเข้าคำนวณในดัชนี S&P 500 เมื่อไม่นานมานี้ ในช่วงแรก Palantir ถูกประเมินผิดว่าเป็น “บริษัทที่ปรึกษา” วิศวกรจำนวนมากทำงานร่วมกับลูกค้าและทำความเข้าใจปัญหาทางธุรกิจของลูกค้าอย่างลึกซึ้ง วิศวกรของ Palantir ถูกเรียกว่า Forward Deployed Engineers โดยพวกเขาทำความเข้าใจงาน โมเดลธุรกิจ และจุดเจ็บปวดของลูกค้าอย่างลึกซึ้ง และปรับปรุงพร้อมขยายผลิตภัณฑ์ให้สอดคล้องกับความต้องการของลูกค้า แนวทางแบบบริการนี้กลายเป็นความได้เปรียบในการแข่งขันของ Palantir และนำไปสู่การพัฒนาโซลูชันเฉพาะลูกค้าจนกลายเป็นแพลตฟอร์ม หนึ่งในแนวคิดหลักของ Palantir คือ Ontology ซึ่งใช้จัดโครงสร้างข้อมูลอย่างเป็นระบบเพื่อแก้ปัญหาทางธุรกิจที่ซับซ้อน Ontology : แนวทางเฉพาะตัวในการแมปข้อมูลและกระบวนการของลูกค้า แล้วเข้ารหัสลงในโซลูชัน การเปลี่ยนแปลงของโมเดลธุรกิจที่ขับเคลื่อนด้วยบริการ เมื่อไม่นานมานี้ การนำ AI language models (LLMs) มาใช้ กำลังทำให้บริษัทบริการแบบเดิมเปลี่ยนเป็นโมเดลธุรกิจที่น่าสนใจยิ่งขึ้น AI สามารถทำงานที่ซับซ้อนซึ่งอิงกับภาษาได้แบบอัตโนมัติ และอาจมีความสามารถในการตรวจจับข้อผิดพลาดได้ดีกว่ามนุษย์ โมเดลธุรกิจแบบไฮบริดที่ผสมระหว่างบริการกับผลิตภัณฑ์กำลังเพิ่มขึ้น และช่วยแก้ปัญหาจริงของลูกค้าพร้อมจับมูลค่าได้มากขึ้น ใช้เทคโนโลยีเพื่อสร้าง operating leverage ได้สองทาง: สร้างคุณค่าเสนอขายที่แตกต่าง ด้วยบริการที่เร็วกว่า ถูกกว่า และมีคุณภาพดีกว่าผู้ให้บริการเดิม ลดแรงงานออกจากต้นทุน เปลี่ยนโครงสร้างมาร์จิน และขยายได้ง่ายกว่าคู่แข่ง AI สามารถยกระดับประสิทธิภาพการทำงานของอุตสาหกรรมบริการแบบดั้งเดิมจำนวนมากได้อย่างมาก และอาจเพิ่มผลิตภาพได้มากกว่าสองเท่า ลักษณะและโอกาสของบริษัท AI services บริษัท AI services ใช้โมเดล "Service-as-Software" และมีสตาร์ตอัปที่เติบโตเร็วจำนวนมากกำลังใช้แนวทางนี้ เมื่อประสิทธิภาพของโมเดลเพียงอย่างเดียวไม่เพียงพอ ก็จะขายโซลูชันที่ช่วยผู้ใช้แบบ Copilot เช่น AI ด้านการบัญชีเทคนิคของ Numeric เนื่องจาก AI เพียงอย่างเดียวยังทำให้กระบวนการที่ซับซ้อนเป็นอัตโนมัติได้ยาก แนวทางที่ผสานเทคโนโลยีกับความเชี่ยวชาญของมนุษย์จึงเป็นสิ่งจำเป็น ความท้าทายและโอกาสของโมเดล AI services ความเสี่ยง 1: ทุกคนสามารถใช้โมเดลได้ จึงมีความเสี่ยงที่จะมีคู่แข่งเกิดขึ้นอย่างรวดเร็วและแย่งลูกค้าเดิมไป ความเสี่ยง 2: เมื่อโมเดล AI รุ่นใหม่มีประสิทธิภาพดีขึ้น ฟังก์ชันบางส่วนของผลิตภัณฑ์เดิมอาจซ้ำซ้อน อย่างไรก็ตาม การทำให้กระบวนการที่ซับซ้อนทั้งหมดเป็นอัตโนมัติยังทำได้ยาก แนวทางที่ผสานเทคโนโลยีกับความเชี่ยวชาญของมนุษย์จึงจำเป็น วิธีดำเนินงานของบริษัท AI services คุณค่าเสนอขายที่แตกต่าง: ให้บริการที่เร็วกว่า ถูกกว่า และมีคุณภาพสูงกว่าผู้ให้บริการแบบเดิม ปรับปรุง unit economics: ลดบุคลากรซึ่งเป็นต้นทุนส่วนใหญ่ เพื่อเพิ่มความสามารถในการขยายธุรกิจและปรับปรุงโครงสร้างมาร์จิน ตัวอย่าง: Loop ออกแบบ workflow ใหม่ทั้งระบบผ่านการทำให้การตรวจสอบและการชำระเงินค่าขนส่งเป็นอัตโนมัติ เพื่อเพิ่มประสิทธิภาพสูงสุด ในมุมของลูกค้า ไม่จำเป็นต้องบริหารผู้ขายหลายรายและซอฟต์แวร์หลายตัวอีกต่อไป แต่สามารถเอาต์ซอร์สทุกฟังก์ชันผ่านโซลูชัน AI แบบรวมศูนย์ได้ 4 หลักการสำคัญของบริษัท AI services ที่ประสบความสำเร็จ แมป ontology ของธุรกิจทั้งหมดเพื่อกำหนดลำดับความสำคัญของการโฟกัส R&D โฟกัสที่ metrics เดินทั้ง organic growth และ M&A ควบคู่กัน สร้างทีมที่เหมาะสม หลักการของบริษัท AI services ที่ประสบความสำเร็จ 1. แมป ontology ของธุรกิจทั้งหมดเพื่อกำหนดลำดับความสำคัญของ R&D แนวคิดเรื่อง ontology: Palantir นิยามโครงสร้างข้อมูลและ workflow ที่รองรับการดำเนินงานทั้งหมดของบริษัทผ่าน business ontology ontology ประกอบด้วย ข้อมูล ตรรกะ การกระทำ และทำหน้าที่เสมือน business process map (BPM) ตัวอย่าง: ในอุตสาหกรรมการบิน จะกำหนดออบเจ็กต์อย่างเครื่องบิน เที่ยวบิน สายการบิน สนามบิน ความล่าช้า และความสัมพันธ์ที่เชื่อมโยงสิ่งเหล่านี้ ความสำคัญของ ontology: ontology เป็นสิ่งจำเป็นสำหรับการแมป workflow ของลูกค้าให้เป็นซอฟต์แวร์ และยิ่งสำคัญมากในบริษัทบริการที่ขับเคลื่อนด้วยเทคโนโลยี การผสานเทคโนโลยีกับการปฏิบัติการช่วยให้เข้าใจ ความสัมพันธ์สามฝ่าย ระหว่างลูกค้า พนักงาน และระบบซอฟต์แวร์ รวมถึงเปิดทางให้เกิดการทำงานอัตโนมัติและการเพิ่มประสิทธิภาพ Palantir ให้ความสำคัญกับ ontology ตั้งแต่ระยะแรก และอาศัยสิ่งนี้ขึ้นเป็นผู้นำในด้าน data integration และโซลูชัน AI การบูรณาการข้อมูลและระบบอัตโนมัติ: ในองค์กรส่วนใหญ่ ข้อมูลกระจัดกระจายอยู่ในหลายรูปแบบและหลายสถานที่ หากสร้าง ontology ก่อน ก็จะสามารถทำ data integration และ automation ได้อย่างมีประสิทธิภาพบนพื้นฐานของโครงสร้างนี้ กรณีของ Reserv: Reserv เข้าใจ workflow ของเจ้าหน้าที่ประเมินค่าสินไหมอย่างลึกซึ้ง และแยกได้อย่างแม่นยำว่าอะไรควรพัฒนาเองและอะไรควรใช้แบบไลเซนส์ ด้วยเหตุนี้จึงสามารถคว้าสัญญากับลูกค้ารายใหญ่และขยายธุรกิจได้อย่างรวดเร็ว ประโยชน์ที่เป็นรูปธรรมของ ontology: เป้าหมายของผลิตภัณฑ์ SaaS คือการแมป workflow ของลูกค้าให้เป็นซอฟต์แวร์ บริษัทบริการที่ขับเคลื่อนด้วยเทคโนโลยีต้องสร้าง ontology ที่รวมความสัมพันธ์ระหว่างลูกค้า พนักงาน และระบบซอฟต์แวร์ สิ่งนี้ช่วยสร้าง positive feedback loop ที่ซอฟต์แวร์และบุคลากรทำงานร่วมกัน ข้อดีของการทำ ontology mapping: งานด้าน ontology ในช่วงแรกมีบทบาทสำคัญต่อการกำหนดวิสัยทัศน์ การตั้งเป้าหมาย และการปรับทีมให้ไปในทิศทางเดียวกัน เปิดโอกาสให้นักลงทุนและที่ปรึกษาให้ feedback ที่ใช้งานได้จริง หากเลือกทิศทางผิด การตัดสินใจที่ผิดพลาดอาจก่อให้เกิดต้นทุนมหาศาล 2. โฟกัสที่ metrics ontology และตัวชี้วัด: เมื่อสร้าง ontology แล้ว การระบุ KPI หลักของธุรกิจก็ทำได้ง่ายขึ้น ในอุตสาหกรรม SaaS มีตัวชี้วัดมาตรฐานจำนวนมาก จึงสามารถติดตามได้ง่ายผ่านเครื่องมือวิเคราะห์การดำเนินงาน บริษัท SaaS อาจไม่เข้มงวดกับตัวชี้วัดการดำเนินงานมากนักเพราะมีมาร์จินสูง แต่ธุรกิจที่ขับเคลื่อนด้วยบริการไม่เป็นเช่นนั้น ความสำคัญของตัวชี้วัดในธุรกิจบริการ: บริษัทบริการสร้างคุณค่าได้ซับซ้อนกว่าและวัดผลได้ยากกว่าบริษัทที่เน้นผลิตภัณฑ์ เนื่องจากหาตัวชี้วัดร่วมกันระหว่างอุตสาหกรรมต่าง ๆ ได้ยาก หากเลือกตัวชี้วัดไม่ถูกต้องก็อาจลุกลามเป็นปัญหาใน P&L ตัวอย่าง: ตัวชี้วัดพื้นฐานของบริษัทบริหารสินทรัพย์คือสินทรัพย์ภายใต้การบริหาร แต่ ontology สามารถเชื่อมโยงความพึงพอใจระยะยาวของลูกค้า ผลงานพอร์ต และประสิทธิภาพของการให้คำปรึกษา เพื่อกำหนดตัวชี้วัดที่ทรงพลังยิ่งขึ้น การวิเคราะห์ตัวชี้วัดบนฐาน ontology: การวิเคราะห์ ontology อาจเผยให้เห็นจุด leverage ที่คาดไม่ถึง ตัวอย่าง: ในงานสนับสนุนลูกค้า ความแม่นยำในการจัดประเภทปัญหาอาจสำคัญกว่าความเร็วของการตอบกลับครั้งแรก Reserv ทำให้บางส่วนของกระบวนการเคลมเป็นอัตโนมัติ และวิเคราะห์ผลกระทบไม่ใช่แค่ต่อความเร็วในการประมวลผล แต่รวมถึงความพึงพอใจของลูกค้าและกระแสเงินสดด้วย ความสำคัญของตัวชี้วัด: แก่นของธุรกิจบริการที่ขับเคลื่อนด้วยเทคโนโลยีคือการยกระดับมาร์จินและคุณภาพบริการผ่านความร่วมมือระหว่างคนกับซอฟต์แวร์ ตัวชี้วัดไม่ควรเป็นแค่สิ่งที่ใส่ในรายงานรายไตรมาส แต่ต้องเป็นจุดโฟกัสของทั้งบริษัท บริษัทบริการที่ประสบความสำเร็จไม่ได้เพียงวัด metrics แต่ใช้มันขับเคลื่อนการตัดสินใจ ลำดับความสำคัญของการลงทุน และการจัดทีม พนักงานทุกคนเข้าใจตัวชี้วัดหลักของตนเองและบทบาทในการปรับปรุงมัน 3. เดินทั้ง organic growth และ M&A ควบคู่กัน ปัญหาของ M&A ในอดีต: ในช่วงทศวรรษ 2010 นักลงทุนร่วมทุนจำนวนมากมีแนวโน้มหลีกเลี่ยง M&A M&A มักถูกใช้เป็นทางออกชั่วคราวเพื่อแก้ข้อบกพร่องของผลิตภัณฑ์หรือปัญหาการขาย และไม่สามารถแก้ปัญหาพื้นฐานอย่าง การขาด product-market fit ได้ การเปลี่ยนแปลงของบริษัทบริการเทคโนโลยียุคใหม่: ปัจจุบัน บริษัทบริการเทคโนโลยีใช้ M&A อย่างมีกลยุทธ์เพื่อแก้ปัญหา “cold start” ในการเข้าสู่ตลาดช่วงแรก โดยเฉพาะในตลาดที่มีข้อกำกับดูแลมากหรืออุตสาหกรรมที่มี switching cost สูง การเข้าซื้อกิจการบริษัทเดิมเป็นวิธีที่มีประสิทธิภาพ M&A ช่วยลดภาระด้านการสรรหาบุคลากรและการขาย และทำให้โฟกัสกับการเพิ่มมาร์จินด้วยเทคโนโลยีได้มากขึ้น ข้อดีของ M&A: M&A ที่ทำได้ดีสามารถเป็นตัวเร่งการเติบโตได้ ตัวอย่างเช่น บริษัทบริการเดิมที่มีมาร์จิน 15% มักถูกประเมินมูลค่าที่ประมาณ 6-8 เท่าของกระแสเงินสด ขณะที่บริษัท AI services ที่สร้างมาดีมีมาร์จิน 60% อยู่แล้ว และมีแนวโน้มจะได้มูลค่าที่ตัวคูณสูงกว่า เมื่อผสานบริษัทที่ซื้อเข้ามา โครงสร้างเศรษฐศาสตร์ของรายได้เดิมจะดีขึ้น และความเร็วการเติบโตอาจเร่งขึ้นอีกครั้ง บริษัท AI สามารถซื้อคู่แข่งที่ราคา 1 เท่าของรายได้ และด้วยการลงทุน $100M อาจสร้างกระแสเงินสด $60M และมูลค่าหุ้น $600M ได้ กลยุทธ์ M&A แบบใหม่: แนวทางนี้ต่างจาก M&A แบบดั้งเดิม และ M&A ที่ผสานเทคโนโลยีอาจนำไปสู่ช่วงการเติบโตใหม่ของอุตสาหกรรมอเมริกัน จากภายนอกอาจดูเหมือนว่า VC กำลังทำตามกลยุทธ์ของ PE แต่ในความเป็นจริงนี่คือกลยุทธ์การเติบโตที่ขับเคลื่อนด้วยเทคโนโลยี หากเทคโนโลยีสามารถเพิ่มผลิตภาพของ workflow บริการได้อย่างมาก M&A ก็จะเป็นวิธีที่ชัดเจนในการสร้างมูลค่าจำนวนมากได้อย่างรวดเร็ว ข้อพิจารณาเรื่องกลยุทธ์ M&A: M&A ไม่เหมาะกับทุกบริษัท โดยเฉพาะเมื่อการได้มาซึ่งลูกค้าทำได้ง่าย หรือเมื่อการผสานกิจการมีความซับซ้อน หากสร้าง ontology แล้ว จะช่วยวิเคราะห์ trade-off เหล่านี้และตัดสินใจได้ว่าการเข้าซื้อครั้งแรกควรมีขนาดเท่าใด หรือควรซื้อในอุตสาหกรรมเดียวกันหรืออุตสาหกรรมใกล้เคียง แม้จะมีความกังวลจากกรณีล้มเหลวในอดีต แต่กระบวนทัศน์ M&A แบบใหม่กำลังเปิดทางสู่กลยุทธ์ใหม่ที่ให้ ROI สูงและคาดการณ์ได้ 4. สร้างทีมที่เหมาะสม ลักษณะของบริษัท SaaS ที่ประสบความสำเร็จ: มีวัฒนธรรมเทคนิคที่แข็งแกร่งและขีดความสามารถด้านวิศวกรรมที่เอื้อต่อการพัฒนาแบบวนซ้ำอย่างรวดเร็ว เมื่อซอฟต์แวร์แพร่ไปยังตลาดที่เฉพาะทางมากขึ้น ความเชี่ยวชาญโดเมนและความเข้าใจภาษาของลูกค้าจึงยิ่งสำคัญ ด้วยเหตุนี้ หลายบริษัทจึงสร้าง advisory board ด้านอุตสาหกรรมที่แข็งแรง หรือบางครั้งก็จ้างผู้เชี่ยวชาญในอุตสาหกรรมที่มีประสบการณ์ด้านเทคโนโลยีน้อย การเปลี่ยนแปลงด้านการจัดทีมของบริการที่ขับเคลื่อนด้วยเทคโนโลยี: การสร้างธุรกิจที่ประสบความสำเร็จต้องอาศัยบุคลากรด้านเทคโนโลยีและปฏิบัติการที่มีทั้ง IQ และ EQ สูง ต้องผสานวัฒนธรรมนวัตกรรมที่เปลี่ยนแปลงรวดเร็วเข้ากับแนวทางที่เน้นกระบวนการและยึดลูกค้าเป็นศูนย์กลาง บุคลากรด้านเทคโนโลยีและด้านปฏิบัติการต้องร่วมมือ เรียนรู้จากกัน และสร้างความไว้วางใจซึ่งกันและกัน บุคลากรด้านเทคโนโลยีไม่เพียงต้องมีทักษะด้าน AI และการพัฒนาซอฟต์แวร์ แต่ยังต้องมีความอยากรู้อยากเห็นและความเคารพต่อรายละเอียดของการปฏิบัติงานบริการด้วย ผู้เชี่ยวชาญด้านปฏิบัติการต้องพร้อมเปิดรับเทคโนโลยีใหม่และพร้อมทบทวนกระบวนการเดิม กรณีของ Palantir: Forward Deployed Engineers: Palantir มีทีม Forward Deployed Engineers ที่ทำงานร่วมกับลูกค้าโดยตรงเพื่อคอนฟิกแพลตฟอร์มให้ตรงกับความต้องการของลูกค้า ในเวลานั้น บริษัทเทคโนโลยีรายใหญ่ในซิลิคอนแวลลีย์มักมอบหมายการปฏิสัมพันธ์กับลูกค้าให้ทีมขายและทีม customer success แต่ Palantir เลือกจ้างคนที่มีทั้งทักษะเทคนิค การปฏิบัติการ และการสื่อสาร ทำให้สามารถตอบสนองความต้องการของลูกค้าได้โดยตรง กลยุทธ์การจ้างงานลักษณะนี้เป็นสิ่งจำเป็นสำหรับบริษัทบริการที่ขับเคลื่อนด้วยเทคโนโลยี และปัจจุบันมีอดีตพนักงานจาก Palantir จำนวนมากที่เป็นผู้ก่อตั้งหรือพนักงานยุคแรกของสตาร์ตอัปสายเทคโนโลยีบริการ องค์ประกอบสำคัญของการสร้างทีมที่เหมาะสม: ต้องสร้างวัฒนธรรมที่ให้ความสำคัญทั้งนวัตกรรมทางเทคนิคและความเป็นเลิศด้านบริการไปพร้อมกัน หากจะเดินกลยุทธ์ M&A ก็จำเป็นต้องมีบุคลากรที่มีประสบการณ์และภูมิปัญญาจากโลกของ PE ด้วย สิ่งนี้จะช่วยให้ไม่เพียงทำซ้ำบริการเดิมได้อย่างมีประสิทธิภาพขึ้น แต่ยังยกระดับการเปลี่ยนแปลงทั้งอุตสาหกรรมได้อีกด้วย มุมมองอนาคตของการปฏิวัติ AI services ความไม่แน่นอนของพัฒนาการ AI: ยากจะคาดเดาได้ว่าความก้าวหน้าอย่างรวดเร็วของเทคโนโลยี AI จะไปได้ไกลเพียงใด สมมติฐานที่ว่า AGI (Artificial General Intelligence) จะมาแก้ทุกปัญหาไม่ใช่สิ่งที่สมจริง และถึง AGI จะเกิดขึ้นจริง ผลลัพธ์ก็อาจเป็นได้ทั้งบวกมากหรือเป็นลบมาก แม้ด้วยเทคโนโลยี AI ปัจจุบันก็สร้างมูลค่าได้มากพอ: แม้การพัฒนา AI จะหยุดอยู่ที่ระดับปัจจุบัน ก็ยังสามารถเพิ่มประสิทธิภาพค่าจ้างในอุตสาหกรรมบริการมูลค่าราว $2T ได้อย่างพลิกโฉม สิ่งนี้อาจนำไปสู่การเติบโตของ GDP ตลาดแรงงานที่มีประสิทธิภาพขึ้น และผลิตภาพที่เพิ่มขึ้นเป็นสองหรือสามเท่า เมื่อการทำงานซ้ำ ๆ และงานง่าย ๆ ถูกทำให้เป็นอัตโนมัติ คนทำงานก็จะมีโอกาสใช้ทักษะที่แท้จริงของตนหรือเรียนรู้ทักษะใหม่ คลื่น AI services ยังอยู่ในระยะเริ่มต้น: ขณะนี้คลื่น AI services ยังอยู่ในช่วงแรก และศักยภาพรวมถึงอิทธิพลของมันยังไม่ถูกเปิดเผยออกมาทั้งหมด ในคลื่น SaaS ยุคแรก บทความ Smart Enterprise ได้นำเสนอกรอบการปฏิวัติอุตสาหกรรมที่ยึดแพลตฟอร์มเป็นศูนย์กลาง และแนวคิดนี้ได้กลายเป็นเรื่องทั่วไปไปแล้ว เมื่อคลื่นบริการเทคโนโลยีแข็งแกร่งขึ้น ontology mapping และกลยุทธ์อื่น ๆ จะกลายเป็นฐานแนวคิดสำคัญ มุมมองอนาคตและเป้าหมาย: การทำให้นวัตกรรมนี้เกิดขึ้นจริงต้องอาศัยผู้นำที่ยอดเยี่ยม ทีมที่ยอดเยี่ยม และความพยายามอย่างสม่ำเสมอ กรณีความสำเร็จของ Palantir มอบแรงบันดาลใจ และคาดว่าจะมีบริษัทระดับเจเนอเรชันใหม่อีกมากถือกำเนิดขึ้นจากคลื่นผลิตภาพระลอกนี้

(8vc.com)

13 คะแนน โดย xguru 2024-11-14 | 6 ความคิดเห็น | แชร์ทาง WhatsApp

Palantir เพิ่งถูกนำเข้าคำนวณในดัชนี S&P 500 เมื่อไม่นานมานี้
ในช่วงแรก Palantir ถูกประเมินผิดว่าเป็น “บริษัทที่ปรึกษา” วิศวกรจำนวนมากทำงานร่วมกับลูกค้าและทำความเข้าใจปัญหาทางธุรกิจของลูกค้าอย่างลึกซึ้ง
วิศวกรของ Palantir ถูกเรียกว่า Forward Deployed Engineers โดยพวกเขาทำความเข้าใจงาน โมเดลธุรกิจ และจุดเจ็บปวดของลูกค้าอย่างลึกซึ้ง และปรับปรุงพร้อมขยายผลิตภัณฑ์ให้สอดคล้องกับความต้องการของลูกค้า
แนวทางแบบบริการนี้กลายเป็นความได้เปรียบในการแข่งขันของ Palantir และนำไปสู่การพัฒนาโซลูชันเฉพาะลูกค้าจนกลายเป็นแพลตฟอร์ม
หนึ่งในแนวคิดหลักของ Palantir คือ Ontology ซึ่งใช้จัดโครงสร้างข้อมูลอย่างเป็นระบบเพื่อแก้ปัญหาทางธุรกิจที่ซับซ้อน
- Ontology : แนวทางเฉพาะตัวในการแมปข้อมูลและกระบวนการของลูกค้า แล้วเข้ารหัสลงในโซลูชัน

การเปลี่ยนแปลงของโมเดลธุรกิจที่ขับเคลื่อนด้วยบริการ

เมื่อไม่นานมานี้ การนำ AI language models (LLMs) มาใช้ กำลังทำให้บริษัทบริการแบบเดิมเปลี่ยนเป็นโมเดลธุรกิจที่น่าสนใจยิ่งขึ้น
AI สามารถทำงานที่ซับซ้อนซึ่งอิงกับภาษาได้แบบอัตโนมัติ และอาจมีความสามารถในการตรวจจับข้อผิดพลาดได้ดีกว่ามนุษย์
โมเดลธุรกิจแบบไฮบริดที่ผสมระหว่างบริการกับผลิตภัณฑ์กำลังเพิ่มขึ้น และช่วยแก้ปัญหาจริงของลูกค้าพร้อมจับมูลค่าได้มากขึ้น
ใช้เทคโนโลยีเพื่อสร้าง operating leverage ได้สองทาง:
1. สร้างคุณค่าเสนอขายที่แตกต่าง ด้วยบริการที่เร็วกว่า ถูกกว่า และมีคุณภาพดีกว่าผู้ให้บริการเดิม
2. ลดแรงงานออกจากต้นทุน เปลี่ยนโครงสร้างมาร์จิน และขยายได้ง่ายกว่าคู่แข่ง
AI สามารถยกระดับประสิทธิภาพการทำงานของอุตสาหกรรมบริการแบบดั้งเดิมจำนวนมากได้อย่างมาก และอาจเพิ่มผลิตภาพได้มากกว่าสองเท่า

ลักษณะและโอกาสของบริษัท AI services

บริษัท AI services ใช้โมเดล "Service-as-Software" และมีสตาร์ตอัปที่เติบโตเร็วจำนวนมากกำลังใช้แนวทางนี้
เมื่อประสิทธิภาพของโมเดลเพียงอย่างเดียวไม่เพียงพอ ก็จะขายโซลูชันที่ช่วยผู้ใช้แบบ Copilot เช่น AI ด้านการบัญชีเทคนิคของ Numeric
เนื่องจาก AI เพียงอย่างเดียวยังทำให้กระบวนการที่ซับซ้อนเป็นอัตโนมัติได้ยาก แนวทางที่ผสานเทคโนโลยีกับความเชี่ยวชาญของมนุษย์จึงเป็นสิ่งจำเป็น
ความท้าทายและโอกาสของโมเดล AI services
- ความเสี่ยง 1: ทุกคนสามารถใช้โมเดลได้ จึงมีความเสี่ยงที่จะมีคู่แข่งเกิดขึ้นอย่างรวดเร็วและแย่งลูกค้าเดิมไป
- ความเสี่ยง 2: เมื่อโมเดล AI รุ่นใหม่มีประสิทธิภาพดีขึ้น ฟังก์ชันบางส่วนของผลิตภัณฑ์เดิมอาจซ้ำซ้อน
- อย่างไรก็ตาม การทำให้กระบวนการที่ซับซ้อนทั้งหมดเป็นอัตโนมัติยังทำได้ยาก แนวทางที่ผสานเทคโนโลยีกับความเชี่ยวชาญของมนุษย์จึงจำเป็น
วิธีดำเนินงานของบริษัท AI services
- คุณค่าเสนอขายที่แตกต่าง: ให้บริการที่เร็วกว่า ถูกกว่า และมีคุณภาพสูงกว่าผู้ให้บริการแบบเดิม
- ปรับปรุง unit economics: ลดบุคลากรซึ่งเป็นต้นทุนส่วนใหญ่ เพื่อเพิ่มความสามารถในการขยายธุรกิจและปรับปรุงโครงสร้างมาร์จิน
  - ตัวอย่าง: Loop ออกแบบ workflow ใหม่ทั้งระบบผ่านการทำให้การตรวจสอบและการชำระเงินค่าขนส่งเป็นอัตโนมัติ เพื่อเพิ่มประสิทธิภาพสูงสุด
- ในมุมของลูกค้า ไม่จำเป็นต้องบริหารผู้ขายหลายรายและซอฟต์แวร์หลายตัวอีกต่อไป แต่สามารถเอาต์ซอร์สทุกฟังก์ชันผ่านโซลูชัน AI แบบรวมศูนย์ได้
4 หลักการสำคัญของบริษัท AI services ที่ประสบความสำเร็จ
- แมป ontology ของธุรกิจทั้งหมดเพื่อกำหนดลำดับความสำคัญของการโฟกัส R&D
- โฟกัสที่ metrics
- เดินทั้ง organic growth และ M&A ควบคู่กัน
- สร้างทีมที่เหมาะสม

หลักการของบริษัท AI services ที่ประสบความสำเร็จ

1. แมป ontology ของธุรกิจทั้งหมดเพื่อกำหนดลำดับความสำคัญของ R&D

แนวคิดเรื่อง ontology: Palantir นิยามโครงสร้างข้อมูลและ workflow ที่รองรับการดำเนินงานทั้งหมดของบริษัทผ่าน business ontology
- ontology ประกอบด้วย ข้อมูล ตรรกะ การกระทำ และทำหน้าที่เสมือน business process map (BPM)
- ตัวอย่าง: ในอุตสาหกรรมการบิน จะกำหนดออบเจ็กต์อย่างเครื่องบิน เที่ยวบิน สายการบิน สนามบิน ความล่าช้า และความสัมพันธ์ที่เชื่อมโยงสิ่งเหล่านี้
ความสำคัญของ ontology:
- ontology เป็นสิ่งจำเป็นสำหรับการแมป workflow ของลูกค้าให้เป็นซอฟต์แวร์ และยิ่งสำคัญมากในบริษัทบริการที่ขับเคลื่อนด้วยเทคโนโลยี
- การผสานเทคโนโลยีกับการปฏิบัติการช่วยให้เข้าใจ ความสัมพันธ์สามฝ่าย ระหว่างลูกค้า พนักงาน และระบบซอฟต์แวร์ รวมถึงเปิดทางให้เกิดการทำงานอัตโนมัติและการเพิ่มประสิทธิภาพ
- Palantir ให้ความสำคัญกับ ontology ตั้งแต่ระยะแรก และอาศัยสิ่งนี้ขึ้นเป็นผู้นำในด้าน data integration และโซลูชัน AI
การบูรณาการข้อมูลและระบบอัตโนมัติ:
- ในองค์กรส่วนใหญ่ ข้อมูลกระจัดกระจายอยู่ในหลายรูปแบบและหลายสถานที่
- หากสร้าง ontology ก่อน ก็จะสามารถทำ data integration และ automation ได้อย่างมีประสิทธิภาพบนพื้นฐานของโครงสร้างนี้
กรณีของ Reserv:
- Reserv เข้าใจ workflow ของเจ้าหน้าที่ประเมินค่าสินไหมอย่างลึกซึ้ง และแยกได้อย่างแม่นยำว่าอะไรควรพัฒนาเองและอะไรควรใช้แบบไลเซนส์
- ด้วยเหตุนี้จึงสามารถคว้าสัญญากับลูกค้ารายใหญ่และขยายธุรกิจได้อย่างรวดเร็ว
ประโยชน์ที่เป็นรูปธรรมของ ontology:
- เป้าหมายของผลิตภัณฑ์ SaaS คือการแมป workflow ของลูกค้าให้เป็นซอฟต์แวร์
- บริษัทบริการที่ขับเคลื่อนด้วยเทคโนโลยีต้องสร้าง ontology ที่รวมความสัมพันธ์ระหว่างลูกค้า พนักงาน และระบบซอฟต์แวร์
- สิ่งนี้ช่วยสร้าง positive feedback loop ที่ซอฟต์แวร์และบุคลากรทำงานร่วมกัน
ข้อดีของการทำ ontology mapping:
- งานด้าน ontology ในช่วงแรกมีบทบาทสำคัญต่อการกำหนดวิสัยทัศน์ การตั้งเป้าหมาย และการปรับทีมให้ไปในทิศทางเดียวกัน
- เปิดโอกาสให้นักลงทุนและที่ปรึกษาให้ feedback ที่ใช้งานได้จริง
- หากเลือกทิศทางผิด การตัดสินใจที่ผิดพลาดอาจก่อให้เกิดต้นทุนมหาศาล

2. โฟกัสที่ metrics

ontology และตัวชี้วัด:
- เมื่อสร้าง ontology แล้ว การระบุ KPI หลักของธุรกิจก็ทำได้ง่ายขึ้น
- ในอุตสาหกรรม SaaS มีตัวชี้วัดมาตรฐานจำนวนมาก จึงสามารถติดตามได้ง่ายผ่านเครื่องมือวิเคราะห์การดำเนินงาน
- บริษัท SaaS อาจไม่เข้มงวดกับตัวชี้วัดการดำเนินงานมากนักเพราะมีมาร์จินสูง แต่ธุรกิจที่ขับเคลื่อนด้วยบริการไม่เป็นเช่นนั้น
ความสำคัญของตัวชี้วัดในธุรกิจบริการ:
- บริษัทบริการสร้างคุณค่าได้ซับซ้อนกว่าและวัดผลได้ยากกว่าบริษัทที่เน้นผลิตภัณฑ์
- เนื่องจากหาตัวชี้วัดร่วมกันระหว่างอุตสาหกรรมต่าง ๆ ได้ยาก หากเลือกตัวชี้วัดไม่ถูกต้องก็อาจลุกลามเป็นปัญหาใน P&L
- ตัวอย่าง: ตัวชี้วัดพื้นฐานของบริษัทบริหารสินทรัพย์คือสินทรัพย์ภายใต้การบริหาร แต่ ontology สามารถเชื่อมโยงความพึงพอใจระยะยาวของลูกค้า ผลงานพอร์ต และประสิทธิภาพของการให้คำปรึกษา เพื่อกำหนดตัวชี้วัดที่ทรงพลังยิ่งขึ้น
การวิเคราะห์ตัวชี้วัดบนฐาน ontology:
- การวิเคราะห์ ontology อาจเผยให้เห็นจุด leverage ที่คาดไม่ถึง
- ตัวอย่าง: ในงานสนับสนุนลูกค้า ความแม่นยำในการจัดประเภทปัญหาอาจสำคัญกว่าความเร็วของการตอบกลับครั้งแรก
- Reserv ทำให้บางส่วนของกระบวนการเคลมเป็นอัตโนมัติ และวิเคราะห์ผลกระทบไม่ใช่แค่ต่อความเร็วในการประมวลผล แต่รวมถึงความพึงพอใจของลูกค้าและกระแสเงินสดด้วย
ความสำคัญของตัวชี้วัด:
- แก่นของธุรกิจบริการที่ขับเคลื่อนด้วยเทคโนโลยีคือการยกระดับมาร์จินและคุณภาพบริการผ่านความร่วมมือระหว่างคนกับซอฟต์แวร์
- ตัวชี้วัดไม่ควรเป็นแค่สิ่งที่ใส่ในรายงานรายไตรมาส แต่ต้องเป็นจุดโฟกัสของทั้งบริษัท
- บริษัทบริการที่ประสบความสำเร็จไม่ได้เพียงวัด metrics แต่ใช้มันขับเคลื่อนการตัดสินใจ ลำดับความสำคัญของการลงทุน และการจัดทีม
- พนักงานทุกคนเข้าใจตัวชี้วัดหลักของตนเองและบทบาทในการปรับปรุงมัน

3. เดินทั้ง organic growth และ M&A ควบคู่กัน

ปัญหาของ M&A ในอดีต:
- ในช่วงทศวรรษ 2010 นักลงทุนร่วมทุนจำนวนมากมีแนวโน้มหลีกเลี่ยง M&A
- M&A มักถูกใช้เป็นทางออกชั่วคราวเพื่อแก้ข้อบกพร่องของผลิตภัณฑ์หรือปัญหาการขาย และไม่สามารถแก้ปัญหาพื้นฐานอย่าง การขาด product-market fit ได้
การเปลี่ยนแปลงของบริษัทบริการเทคโนโลยียุคใหม่:
- ปัจจุบัน บริษัทบริการเทคโนโลยีใช้ M&A อย่างมีกลยุทธ์เพื่อแก้ปัญหา “cold start” ในการเข้าสู่ตลาดช่วงแรก
- โดยเฉพาะในตลาดที่มีข้อกำกับดูแลมากหรืออุตสาหกรรมที่มี switching cost สูง การเข้าซื้อกิจการบริษัทเดิมเป็นวิธีที่มีประสิทธิภาพ
- M&A ช่วยลดภาระด้านการสรรหาบุคลากรและการขาย และทำให้โฟกัสกับการเพิ่มมาร์จินด้วยเทคโนโลยีได้มากขึ้น
ข้อดีของ M&A:
- M&A ที่ทำได้ดีสามารถเป็นตัวเร่งการเติบโตได้
- ตัวอย่างเช่น บริษัทบริการเดิมที่มีมาร์จิน 15% มักถูกประเมินมูลค่าที่ประมาณ 6-8 เท่าของกระแสเงินสด ขณะที่บริษัท AI services ที่สร้างมาดีมีมาร์จิน 60% อยู่แล้ว และมีแนวโน้มจะได้มูลค่าที่ตัวคูณสูงกว่า
- เมื่อผสานบริษัทที่ซื้อเข้ามา โครงสร้างเศรษฐศาสตร์ของรายได้เดิมจะดีขึ้น และความเร็วการเติบโตอาจเร่งขึ้นอีกครั้ง
- บริษัท AI สามารถซื้อคู่แข่งที่ราคา 1 เท่าของรายได้ และด้วยการลงทุน $100M อาจสร้างกระแสเงินสด $60M และมูลค่าหุ้น $600M ได้
กลยุทธ์ M&A แบบใหม่:
- แนวทางนี้ต่างจาก M&A แบบดั้งเดิม และ M&A ที่ผสานเทคโนโลยีอาจนำไปสู่ช่วงการเติบโตใหม่ของอุตสาหกรรมอเมริกัน
- จากภายนอกอาจดูเหมือนว่า VC กำลังทำตามกลยุทธ์ของ PE แต่ในความเป็นจริงนี่คือกลยุทธ์การเติบโตที่ขับเคลื่อนด้วยเทคโนโลยี
- หากเทคโนโลยีสามารถเพิ่มผลิตภาพของ workflow บริการได้อย่างมาก M&A ก็จะเป็นวิธีที่ชัดเจนในการสร้างมูลค่าจำนวนมากได้อย่างรวดเร็ว
ข้อพิจารณาเรื่องกลยุทธ์ M&A:
- M&A ไม่เหมาะกับทุกบริษัท โดยเฉพาะเมื่อการได้มาซึ่งลูกค้าทำได้ง่าย หรือเมื่อการผสานกิจการมีความซับซ้อน
- หากสร้าง ontology แล้ว จะช่วยวิเคราะห์ trade-off เหล่านี้และตัดสินใจได้ว่าการเข้าซื้อครั้งแรกควรมีขนาดเท่าใด หรือควรซื้อในอุตสาหกรรมเดียวกันหรืออุตสาหกรรมใกล้เคียง
- แม้จะมีความกังวลจากกรณีล้มเหลวในอดีต แต่กระบวนทัศน์ M&A แบบใหม่กำลังเปิดทางสู่กลยุทธ์ใหม่ที่ให้ ROI สูงและคาดการณ์ได้

4. สร้างทีมที่เหมาะสม

ลักษณะของบริษัท SaaS ที่ประสบความสำเร็จ:
- มีวัฒนธรรมเทคนิคที่แข็งแกร่งและขีดความสามารถด้านวิศวกรรมที่เอื้อต่อการพัฒนาแบบวนซ้ำอย่างรวดเร็ว
- เมื่อซอฟต์แวร์แพร่ไปยังตลาดที่เฉพาะทางมากขึ้น ความเชี่ยวชาญโดเมนและความเข้าใจภาษาของลูกค้าจึงยิ่งสำคัญ
- ด้วยเหตุนี้ หลายบริษัทจึงสร้าง advisory board ด้านอุตสาหกรรมที่แข็งแรง หรือบางครั้งก็จ้างผู้เชี่ยวชาญในอุตสาหกรรมที่มีประสบการณ์ด้านเทคโนโลยีน้อย
การเปลี่ยนแปลงด้านการจัดทีมของบริการที่ขับเคลื่อนด้วยเทคโนโลยี:
- การสร้างธุรกิจที่ประสบความสำเร็จต้องอาศัยบุคลากรด้านเทคโนโลยีและปฏิบัติการที่มีทั้ง IQ และ EQ สูง
- ต้องผสานวัฒนธรรมนวัตกรรมที่เปลี่ยนแปลงรวดเร็วเข้ากับแนวทางที่เน้นกระบวนการและยึดลูกค้าเป็นศูนย์กลาง
- บุคลากรด้านเทคโนโลยีและด้านปฏิบัติการต้องร่วมมือ เรียนรู้จากกัน และสร้างความไว้วางใจซึ่งกันและกัน
- บุคลากรด้านเทคโนโลยีไม่เพียงต้องมีทักษะด้าน AI และการพัฒนาซอฟต์แวร์ แต่ยังต้องมีความอยากรู้อยากเห็นและความเคารพต่อรายละเอียดของการปฏิบัติงานบริการด้วย
- ผู้เชี่ยวชาญด้านปฏิบัติการต้องพร้อมเปิดรับเทคโนโลยีใหม่และพร้อมทบทวนกระบวนการเดิม
กรณีของ Palantir: Forward Deployed Engineers:
- Palantir มีทีม Forward Deployed Engineers ที่ทำงานร่วมกับลูกค้าโดยตรงเพื่อคอนฟิกแพลตฟอร์มให้ตรงกับความต้องการของลูกค้า
- ในเวลานั้น บริษัทเทคโนโลยีรายใหญ่ในซิลิคอนแวลลีย์มักมอบหมายการปฏิสัมพันธ์กับลูกค้าให้ทีมขายและทีม customer success
- แต่ Palantir เลือกจ้างคนที่มีทั้งทักษะเทคนิค การปฏิบัติการ และการสื่อสาร ทำให้สามารถตอบสนองความต้องการของลูกค้าได้โดยตรง
- กลยุทธ์การจ้างงานลักษณะนี้เป็นสิ่งจำเป็นสำหรับบริษัทบริการที่ขับเคลื่อนด้วยเทคโนโลยี และปัจจุบันมีอดีตพนักงานจาก Palantir จำนวนมากที่เป็นผู้ก่อตั้งหรือพนักงานยุคแรกของสตาร์ตอัปสายเทคโนโลยีบริการ
องค์ประกอบสำคัญของการสร้างทีมที่เหมาะสม:
- ต้องสร้างวัฒนธรรมที่ให้ความสำคัญทั้งนวัตกรรมทางเทคนิคและความเป็นเลิศด้านบริการไปพร้อมกัน
- หากจะเดินกลยุทธ์ M&A ก็จำเป็นต้องมีบุคลากรที่มีประสบการณ์และภูมิปัญญาจากโลกของ PE ด้วย
- สิ่งนี้จะช่วยให้ไม่เพียงทำซ้ำบริการเดิมได้อย่างมีประสิทธิภาพขึ้น แต่ยังยกระดับการเปลี่ยนแปลงทั้งอุตสาหกรรมได้อีกด้วย

มุมมองอนาคตของการปฏิวัติ AI services

ความไม่แน่นอนของพัฒนาการ AI:
- ยากจะคาดเดาได้ว่าความก้าวหน้าอย่างรวดเร็วของเทคโนโลยี AI จะไปได้ไกลเพียงใด
- สมมติฐานที่ว่า AGI (Artificial General Intelligence) จะมาแก้ทุกปัญหาไม่ใช่สิ่งที่สมจริง และถึง AGI จะเกิดขึ้นจริง ผลลัพธ์ก็อาจเป็นได้ทั้งบวกมากหรือเป็นลบมาก
แม้ด้วยเทคโนโลยี AI ปัจจุบันก็สร้างมูลค่าได้มากพอ:
- แม้การพัฒนา AI จะหยุดอยู่ที่ระดับปัจจุบัน ก็ยังสามารถเพิ่มประสิทธิภาพค่าจ้างในอุตสาหกรรมบริการมูลค่าราว $2T ได้อย่างพลิกโฉม
- สิ่งนี้อาจนำไปสู่การเติบโตของ GDP ตลาดแรงงานที่มีประสิทธิภาพขึ้น และผลิตภาพที่เพิ่มขึ้นเป็นสองหรือสามเท่า
- เมื่อการทำงานซ้ำ ๆ และงานง่าย ๆ ถูกทำให้เป็นอัตโนมัติ คนทำงานก็จะมีโอกาสใช้ทักษะที่แท้จริงของตนหรือเรียนรู้ทักษะใหม่
คลื่น AI services ยังอยู่ในระยะเริ่มต้น:
- ขณะนี้คลื่น AI services ยังอยู่ในช่วงแรก และศักยภาพรวมถึงอิทธิพลของมันยังไม่ถูกเปิดเผยออกมาทั้งหมด
- ในคลื่น SaaS ยุคแรก บทความ Smart Enterprise ได้นำเสนอกรอบการปฏิวัติอุตสาหกรรมที่ยึดแพลตฟอร์มเป็นศูนย์กลาง และแนวคิดนี้ได้กลายเป็นเรื่องทั่วไปไปแล้ว
- เมื่อคลื่นบริการเทคโนโลยีแข็งแกร่งขึ้น ontology mapping และกลยุทธ์อื่น ๆ จะกลายเป็นฐานแนวคิดสำคัญ
มุมมองอนาคตและเป้าหมาย:
- การทำให้นวัตกรรมนี้เกิดขึ้นจริงต้องอาศัยผู้นำที่ยอดเยี่ยม ทีมที่ยอดเยี่ยม และความพยายามอย่างสม่ำเสมอ
- กรณีความสำเร็จของ Palantir มอบแรงบันดาลใจ และคาดว่าจะมีบริษัทระดับเจเนอเรชันใหม่อีกมากถือกำเนิดขึ้นจากคลื่นผลิตภาพระลอกนี้

6 ความคิดเห็น

joon14 2024-11-19

ผมลองหาอ่านบทความเกี่ยวกับ Palantir มาพอสมควร แต่พวกเขามักจะอ้างเสมอว่ามีอะไรบางอย่างที่ก้าวไปอีกขั้นผ่าน ontology ทว่าสุดท้ายก็ยังไม่ค่อยเข้าใจว่าจริง ๆ แล้วสิ่งที่เพิ่มเข้ามาคืออะไร
ดูเหมือนว่าภายในองค์กรจะมีคนที่ทำ data science ได้เก่งกว่าเยอะอยู่เหมือนกัน แต่ตัวผลิตภัณฑ์เองผมยังไม่ค่อยเข้าใจครับ

roxie 2024-11-15

ถ้ามองจากไวรัลรับสมัคร FDE มันเป็นการมโนเกินไปหรือเปล่า

hilft 2024-11-15

SI ระดับสูง

savvykang 2024-11-14

นี่แหละคือภาพจริงของการทรานส์ฟอร์มสู่ดิจิทัลในยุคใหม่สินะ

9gyooo 2024-11-14

ทุกครั้งที่มีบทความเกี่ยวกับ Palantir ออกมา ผมก็มักจะอ่านอย่างตั้งใจ แต่ก็ยังไม่ค่อยเห็นภาพชัดเจนเกี่ยวกับโมเดลธุรกิจอยู่ดีครับ เศร้าจัง

xguru 2024-11-14

ย้อนมอง Palantir