- ความผิดพลาดที่อันตรายที่สุดของวงการ Venture Capital คือการตัดสินว่าเป็น “ตลาดเล็ก” จนพลาดโอกาสลงทุนในบริษัทระดับมหาศาล และแนวปฏิบัติในการวัดตลาดจากข้อมูลย้อนหลังนั้นไม่เหมาะอย่างยิ่ง โดยเฉพาะกับนวัตกรรมที่พลิกตลาด
- ยุค AI กำลังสร้างโอกาสใหม่ที่สามารถ ขยายได้ทั้งอัตราการเจาะตลาดและขนาดสัญญา (ACV) ในตลาด Vertical และทำให้สร้างธุรกิจระดับกำหนดนิยามของคนทั้งยุคได้ ซึ่งก่อนหน้านี้ไม่เคยมีมาก่อน
- 5 อุตสาหกรรม ได้แก่ วิทยาศาสตร์ชีวภาพ, อสังหาริมทรัพย์, ยานยนต์, ประกันภัย, บริการภายในบ้าน มีความเหมาะสมกับ AI สูง และมีมูลค่าตลาดซอฟต์แวร์เดิมมากกว่า 1 หมื่นล้านดอลลาร์ พร้อมศักยภาพรองรับบริษัท Vertical AI มูลค่ามากกว่า 5 พันล้านดอลลาร์
- ROI สองชั้น ของแอป Vertical AI (ลดต้นทุนการดำเนินงานและเพิ่มรายได้) สร้างผลตอบแทนจากการลงทุน 1–10 เท่าได้ตั้งแต่ปีแรกของการนำไปใช้ และก่อให้เกิดวงจรป้อนกลับเชิงบวกที่ผลักให้อุตสาหกรรมทั้งกลุ่มต้องเร่งรับเทคโนโลยี
- ผ่าน การขยายตลาดด้วยระบบอัตโนมัติด้านบริการ (TPA ประกันภัย 4 แสนล้านดอลลาร์, BPO/CRO ด้านวิทยาศาสตร์ชีวภาพ 1–4 แสนล้านดอลลาร์) และกลยุทธ์การขยายแบบแพลตฟอร์ม ทำให้สามารถเพิ่มทั้งขนาดสัญญาและอัตราการเจาะตลาดได้อย่างมาก แม้จำนวนลูกค้าจะคงที่
ทำไมตลาด Vertical จึงล้าหลัง
- ในบรรดาบริษัท B2B SaaS มูลค่ามากกว่า 5 พันล้านดอลลาร์ มีเพียง ราว 19% เท่านั้นที่อยู่ในตลาด Vertical และคาดว่าสัดส่วนนี้จะสูงขึ้นในยุค AI
- เหตุผลที่ซอฟต์แวร์แนวนอนประสบความสำเร็จ
- คลื่นเทคโนโลยีก่อนหน้านี้สร้างบน ฐานข้อมูลเป็นหลัก และฐานข้อมูลสามารถเก็บข้อมูลแบบมีโครงสร้างและกึ่งมีโครงสร้างได้อย่างมีประสิทธิภาพ
- บริษัทที่มีฟังก์ชันแนวนอนขนาดใหญ่สามารถ จัดระเบียบและวิเคราะห์ข้อมูลจำนวนมหาศาล ได้ ทำให้ ROI ดีและขนาดของปัญหาก็ใหญ่
- ลักษณะของตลาด Vertical
- กระจัดกระจาย: เป็นธุรกิจขนาดเล็กที่ไม่มีข้อมูลมหาศาลแบบองค์กรใหญ่
- ข้อมูลซับซ้อน: ตลาด Vertical ขนาดใหญ่อย่างกฎหมายและการแพทย์มี ข้อมูลที่ซับซ้อน จนไม่สามารถเก็บด้วยฐานข้อมูลได้อย่างมีประสิทธิภาพ เมื่อเทียบกับชุดข้อมูลด้านการขาย, HR, IT ที่เป็นระเบียบและเป็นฐานให้เกิด Salesforce, Workday, ServiceNow
- ผลลัพธ์คือ แม้อุตสาหกรรมอย่างการแพทย์และกฎหมายจะมีขนาดใหญ่ แต่ อัตราการเจาะของซอฟต์แวร์ยังจำกัด และมูลค่าสัญญาก็เล็ก
- หาก คลื่นเทคโนโลยีก่อนหน้าตั้งอยู่บนฐานข้อมูลแบบมีโครงสร้าง คลื่นนี้กลับตั้งอยู่บน workflow แบบไร้โครงสร้าง และธุรกิจขนาดเล็กรวมถึงตลาด Vertical เต็มไปด้วย workflow ลักษณะนี้
จุดเริ่มต้นของการวัดขนาดตลาด
- ตัวชี้วัด 2 ประการ
- การสร้างมูลค่าซอฟต์แวร์ ของตลาดเดิม: วัดว่าตลาดใดมีขนาดใหญ่พอจะรองรับบริษัทซอฟต์แวร์มูลค่ามากกว่า 5 พันล้านดอลลาร์ได้ในอดีต
- ความเข้มข้นของเสียงและข้อความ ใน workflow ของอุตสาหกรรม (ใช้เป็นตัวชี้วัดแทนความพร้อมด้าน AI)
- ดึงบริษัทซอฟต์แวร์ Vertical B2B ทุกแห่งที่มีมูลค่ามากกว่า 5 พันล้านดอลลาร์ และใช้ Claude เพื่อวัด “ความพร้อมด้าน AI” ของอุตสาหกรรม
- ตลาดการแพทย์และกฎหมาย เป็น 2 ตลาดที่ชัดเจนที่สุดสำหรับการสร้างมูลค่า แต่มีบริษัทระดับหลายพันล้านดอลลาร์อย่าง Abridge, Harvey, OpenEvidence อยู่แล้ว
- 5 ตลาดที่ถูกพูดถึงน้อยกว่าในชุมชน AI แต่มี ความพร้อมด้าน AI สูงและมูลค่าตลาดซอฟต์แวร์เดิมมากกว่า 1 หมื่นล้านดอลลาร์
-
วิทยาศาสตร์ชีวภาพ (Life Sciences)
- บริษัทในอดีตที่มีมูลค่ามากกว่า 5 พันล้านดอลลาร์: Veeva (4.6 หมื่นล้านดอลลาร์)
- ความพร้อมด้าน AI: การประมวลผลเอกสารกำกับดูแล, เอกสารการทดลองทางคลินิก, รายงานด้าน compliance, การสื่อสารกับผู้ขาย ล้วนเป็น workflow การจัดการที่เข้มข้นด้านข้อความ ซึ่งเหมาะอย่างยิ่งกับระบบอัตโนมัติด้วย AI
- ตัวอย่าง AI-native: Bluenote, Collate
-
อสังหาริมทรัพย์ (Real Estate)
- บริษัทในอดีตที่มีมูลค่ามากกว่า 5 พันล้านดอลลาร์: RealPage (ถูกซื้อกิจการที่ 1 หมื่นล้านดอลลาร์), CoStar (3.5 หมื่นล้านดอลลาร์), Zillow (1.7 หมื่นล้านดอลลาร์)
- ความพร้อมด้าน AI: สัญญา, เอกสารเปิดเผยข้อมูล, การสื่อสารกับผู้เช่า, เอกสารบริหารทรัพย์สิน, การดำเนินการเช่า เป็น workflow ที่เข้มข้นทั้งเอกสารและการสื่อสาร
- ตัวอย่าง AI-native: EliseAI, HouseWhisper
-
ยานยนต์ (Automotive)
- บริษัทในอดีตที่มีมูลค่ามากกว่า 5 พันล้านดอลลาร์: CDK Global (7 พันล้านดอลลาร์), Cox Automotive (รายได้มากกว่า 9 พันล้านดอลลาร์), Reynolds and Reynolds (ไม่ได้จดทะเบียนในตลาดหลักทรัพย์)
- ความพร้อมด้าน AI: การจัดตารางบริการ, การสั่งอะไหล่, การสื่อสารกับลูกค้า, การดำเนินงานของดีลเลอร์ เป็น workflow ที่เข้มข้นทั้งเสียงและข้อความ
- ตัวอย่าง AI-native: Mia, Toma
-
ประกันภัย (Insurance)
- บริษัทในอดีตที่มีมูลค่ามากกว่า 5 พันล้านดอลลาร์: Guidewire (มูลค่าตลาด 2.1 หมื่นล้านดอลลาร์), CCC Information Services (มูลค่าตลาด 6 พันล้านดอลลาร์)
- ความพร้อมด้าน AI: การประมวลผลเคลม, เอกสาร underwriting, สายบริการลูกค้า เหมาะอย่างยิ่งต่อการทำงานอัตโนมัติด้วย AI
- ตัวอย่าง AI-native: Pace, Strala, Reserv
-
บริการภายในบ้าน (Home Services)
- บริษัทในอดีตที่มีมูลค่ามากกว่า 5 พันล้านดอลลาร์: ServiceTitan (9 พันล้านดอลลาร์)
- ความพร้อมด้าน AI: การจัดตาราง, การสื่อสารกับลูกค้า, การบันทึกงานบริการ, การปฏิบัติงานภาคสนาม เป็น workflow ที่เข้มข้นด้านเสียงและการทำงาน
- ตัวอย่าง AI-native: Avoca, Netic, ProBook
ROI สองชั้นของแอป Vertical AI
- ข้อสังเกตสำคัญของบริษัทแอปพลิเคชัน AI ที่ประสบความสำเร็จที่สุดคือ ทำได้พร้อมกันทั้งลดต้นทุนการดำเนินงานและเพิ่มรายได้
- สิ่งนี้ทำให้การนำแอปพลิเคชัน Vertical AI ไปใช้สามารถสร้าง ROI 1–10 เท่า ได้ตั้งแต่ปีแรก
- กรณีของ Assort Health
- ขาย AI voice agent ให้ผู้ให้บริการทางการแพทย์และคลินิก
- โดยเฉลี่ยแล้ว คลินิกในอุตสาหกรรมการแพทย์มี อัตราสายที่ไม่ได้รับ 20–40% และ Assort ลดตัวเลขนี้ลงจนเกือบเป็น 0%
- ทุกสายที่ไม่ได้รับหมายถึง การสูญเสียลูกค้าใหม่ที่อาจหันไปโทรหาคลินิกอื่น (รายได้ที่หายไป)
- คลินิกขนาดใหญ่ใช้จ่าย หลายแสนถึงหลักล้านดอลลาร์ ไปกับต้นทุนคอลเซ็นเตอร์
- Assort สามารถ เพิ่ม inbound leads ได้สูงสุด 20% และลดค่าใช้จ่ายได้หลายแสนดอลลาร์
- วงจรป้อนกลับเชิงบวก
- หากบริษัทหนึ่งเพิ่ม inbound leads ได้ 20% อย่างฉับพลัน ก็จะ บังคับให้ทุกบริษัทในหมวดเดียวกันต้องรับเทคโนโลยีนี้ไปใช้ (ไม่เช่นนั้นก็จะยิ่งตามหลัง)
- การนำบริษัทบริหารจัดการสุขภาพแบบ AI-native ไปเทียบกับกลุ่มบริษัทจดทะเบียนด้านซอฟต์แวร์จัดตารางแพทย์หรือคอลเซ็นเตอร์จึงไม่มีความหมาย
- เนื่องจาก ROI สำหรับคลินิกการแพทย์แข็งแรงมาก จึงคาดว่า ในอีก 10 ปีข้างหน้า เทคโนโลยีนี้จะมีอัตราการเจาะในคลินิกการแพทย์มากกว่า 50–90%
- พลวัตของ ROI สองชั้นแบบนี้พบได้ใน สตาร์ตอัป voice AI ในอุตสาหกรรมที่เข้มข้นด้านเสียง เช่น ธนาคารชุมชน, บริษัทประกัน, บริการภายในบ้าน, ตัวแทนจำหน่ายรถยนต์
- เมื่อนำมูลค่าทางเศรษฐกิจที่สตาร์ตอัปเหล่านี้สร้างได้ * จำนวนลูกค้าเป้าหมายมาพิจารณา จะเห็นว่า โอกาสทางตลาดมีขนาดใหญ่กว่าที่เห็นผิวเผินมาก และวัดได้ในระดับหลายพันล้านดอลลาร์
- ข้อถกเถียงเรื่องขนาดตลาด Uber ระหว่าง Bill Gurley และ Aswath Damodaran
- Damodaran ตั้งสมมติฐานผิดทั้งเรื่องขนาดตลาดและอัตราการเจาะ
- ตลอด 10 ปีที่ผ่านมา พิสูจน์แล้วว่า Gurley ถูกทั้งสองเรื่อง
- เทคโนโลยีพลิกเกมอย่าง มือถือในอดีตและ AI ในปัจจุบัน มีพลังในการขยายตลาดแบบก้าวกระโดด
ระบบอัตโนมัติด้านบริการเพื่อขยายตลาด
- อีกตัวแปรที่ต้องคำนึงถึงในการวัดขนาดตลาด Vertical AI คือ โอกาสในการดึงรายได้จากบริการหรือแรงงานเข้ามา
- จุดที่ AI ประสบความสำเร็จที่สุดคือ การทำ workflow ที่อิงข้อความและเสียงให้เป็นอัตโนมัติ และบริการเอาต์ซอร์สมากมายก็อยู่ในกลุ่มนี้
- เป็นงานประจำที่มูลค่าเพิ่มต่ำและเหมาะกับการทำอัตโนมัติด้วย AI
- ตัวอย่างค่าใช้จ่ายด้านบริการในตลาด Vertical ที่ AI อาจเข้ายึดได้ในอีก 10 ปีข้างหน้า ซึ่งใหญ่จนแทบจินตนาการไม่ออก
- ค่าใช้จ่ายผู้ดูแลบุคคลที่สาม (TPA) ในประกันภัย: มากกว่า 4 แสนล้านดอลลาร์ต่อปี
- ค่าใช้จ่าย BPO/CRO ในวิทยาศาสตร์ชีวภาพ: ประเมินว่ามากกว่า 1–4 แสนล้านดอลลาร์ต่อปี
- ช่องว่างระหว่างค่าใช้จ่ายด้านบริการกับค่าใช้จ่ายด้านซอฟต์แวร์
- Veeva เป็นผู้ให้บริการซอฟต์แวร์ด้านวิทยาศาสตร์ชีวภาพรายใหญ่ที่สุด และสร้างรายได้ราว 3 พันล้านดอลลาร์
- Guidewire และ CCC เป็น 2 ผู้ให้บริการซอฟต์แวร์ด้านประกันภัยรายใหญ่ที่สุด และมีรายได้รวมกันราว 2.2 พันล้านดอลลาร์ต่อปี
- แม้จะเป็นธุรกิจที่ยอดเยี่ยม แต่ก็ยัง เล็กกว่าโอกาสในแรงงานเอาต์ซอร์สถึง 100 เท่า
- การแค่ค้นหา “กลุ่มบริษัทจดทะเบียนที่เทียบเคียงได้ของผู้ให้บริการซอฟต์แวร์ประกันภัย” ใน Google นั้นไม่เพียงพออีกต่อไป
- ยังไม่แน่ชัดว่า AI จะดึงรายได้จากบริการเอาต์ซอร์สมาได้ในสัดส่วนที่มีนัยสำคัญหรือไม่ แต่ข้อดีของกรอบวัดตลาดนี้คือ หาก AI ดึงรายได้นี้มาได้ในสัดส่วนสำคัญ ก็จะเกิดการสร้างมูลค่าอย่างมหาศาล
บริษัทที่ดีที่สุดขยายตัวผ่านแพลตฟอร์ม
- บริษัทที่ดีที่สุดสามารถ ขยายขนาดสัญญาผ่านแพลตฟอร์ม
- กรณีศึกษาซอฟต์แวร์ Vertical ชื่อดังของ Toast
- ครอบครองระบบ POS และจึงครอบครองข้อมูลที่สำคัญที่สุดของเจ้าของร้านอาหาร (คำสั่งซื้อ)
- จากนั้นขยายไปสู่การทำ workflow สำคัญรอบข้อมูลที่เพิ่งถูกทำให้เป็นอัตโนมัติ เช่น ระบบจัดการออเดอร์, การสั่งอาหารออนไลน์
- ต่อมาขยายอีกครั้งจนกลายเป็น system of record ของร้านอาหาร (ปัจจุบันมากกว่า 140,000 สาขา)
- บริษัท Vertical AI ชั้นนำก็จะทำเช่นเดียวกัน
- ทำ workflow ให้เป็นอัตโนมัติและเข้าถึง ข้อมูลที่สำคัญที่สุด สำหรับกลุ่มลูกค้าเฉพาะ
- ใช้ข้อมูลนั้นเพื่อ ทำ workflow สำคัญรอบข้อมูลให้เป็นอัตโนมัติ
- ขยายความสามารถตลอด 10 ปีข้างหน้า และสุดท้ายแข่งขันเพื่อเป็น system of record ของลูกค้า
สรุป: 3 เส้นทางในการขยายขนาดสัญญาและอัตราการเจาะ แม้ชุดลูกค้าจะคงที่
- มอบ ROI สองชั้น จากการลดต้นทุนและเพิ่มรายได้ จนกลายเป็นโอกาสที่ยากจะปฏิเสธ
- หลังจากยึดหัวหาดแรกได้แล้ว ให้ ขยายเป็นแพลตฟอร์มด้วยข้อมูลที่เพิ่งถูกทำให้เป็นอัตโนมัติ เพื่อเพิ่มการใช้จ่าย
- เจาะตลาดค่าใช้จ่ายด้านบริการ — ซึ่งวัดได้ระดับหลายแสนล้านดอลลาร์ในอุตสาหกรรมอย่างประกันภัย, วิทยาศาสตร์ชีวภาพ, การแพทย์, กฎหมาย
- ด้วยเส้นทางการขยายเหล่านี้ คาดว่าจะได้เห็นทั้ง ตลาดใหม่ที่มีบริษัทมูลค่ามากกว่า 5 พันล้านดอลลาร์ และ ตลาดเดิมที่มีบริษัท AI มูลค่ามากกว่า 5 พันล้านดอลลาร์เพิ่มขึ้น
บทสรุป
- Vertical AI มีความท้าทายอยู่จริง
- การประเมินอย่างสมจริง ยังสำคัญต่อทั้งนักลงทุนและผู้ก่อตั้ง
- การปกป้องมูลค่าส่วนเพิ่มจาก ROI นี้ไม่ใช่เรื่องง่าย โดยเฉพาะเมื่อการแข่งขันรุนแรง
- ในหลายตลาด มีช่วงเวลาแบบแย่งชิงพื้นที่สำหรับผู้ที่ คว้าต้นทุนการเปลี่ยนผ่านของลูกค้าได้มากที่สุดในเวลาสั้นที่สุด
- อย่างไรก็ตาม มูลค่าของบริษัทเป็นผลลัพธ์ต่อเนื่องจากมูลค่าที่ส่งมอบให้ลูกค้า และการสร้างมูลค่าระดับนี้แทบไม่เคยเห็นมาก่อน
- หากคุณกำลังสร้างบริษัทในหนึ่งในตลาดที่ดูเหมือน “เล็ก” เหล่านี้ คุณอาจกำลัง มองเห็นโอกาสที่คนอื่นมองข้าม
ยังไม่มีความคิดเห็น