- พาร์ตเนอร์ของ Y Combinator วิเคราะห์ กรณีศึกษาสตาร์ตอัปที่ประสบความสำเร็จจากตลาดที่ไม่เป็นที่นิยมและไอเดียสวนกระแส ท่ามกลางการแข่งขันที่รุนแรงขึ้นในยุค AI พร้อมย้ำว่าควรโฟกัสที่การแก้ปัญหาลูกค้าอย่างแท้จริง แทนการวิ่งตามเทรนด์เพียงอย่างเดียว
- ในวงการ AI โอกาสแบบ greenfield ในช่วงเริ่มต้นกำลังลดลง และในแต่ละ vertical เช่น ประกันภัย ธนาคาร ก็มีสตาร์ตอัปจำนวนมากแข่งขันกันอยู่แล้ว ทำให้มุมมองเชิงลึกที่แตกต่างและแนวทางสวนกระแสกลายเป็นสิ่งจำเป็น
- DoorDash, Lyft/Uber, Coinbase, Flock Safety, OpenAI, SpaceX ล้วนเคยถูก ประเมินในแง่ลบและรายงานข่าวเชิงลบจากสื่อ ในช่วงเปิดตัว แต่ก็เติบโตเป็นบริษัทมูลค่าหลายพันล้านดอลลาร์ได้ด้วยการโฟกัสที่ความต้องการเชิงลึกของลูกค้าและยืนหยัดในทิศทางของตนเอง
- ผู้ก่อตั้งที่ประสบความสำเร็จค้นพบ product-market fit ผ่าน การพูดคุยโดยตรงกับผู้ใช้จริง ไม่ใช่ตามเทรนด์ของสื่อ อย่าง X (Twitter) หรือ TechCrunch และเมื่อจำเป็นก็พร้อมปรับโมเดลธุรกิจและกลยุทธ์การกระจายสินค้าอย่างเด็ดขาด
- เช่นเดียวกับอินเทอร์เน็ตและสมาร์ตโฟน แพลตฟอร์มเทคโนโลยีใหม่จะมีไอเดียที่ชัดเจนอิ่มตัวหลังช่วงตื่นทองราว 2 ปีแรก จากนั้นการจะประสบความสำเร็จได้ต้องค้นหา secret ที่ลึกกว่าเดิม และไล่ตามไอเดียที่อาจมีเพียง 1 ใน 10 คนเท่านั้นที่เห็นด้วย
การแข่งขันที่รุนแรงขึ้นในตลาด AI vertical
- เมื่อราว 1 ปีก่อน การหาไอเดียสตาร์ตอัปด้าน AI ยังทำได้ง่าย โดยมีทั้ง การพัฒนาแบบก้าวกระโดดของโมเดลและ vertical ที่ยังไม่ถูกบุกเบิก อยู่มาก ทำให้การลองหาไอเดียผ่านการ pivot ทำได้ไม่ยาก
- ปัจจุบันในแต่ละ vertical เช่น ประกันภัยหรือธนาคาร มี หลายสตาร์ตอัปแข่งขันกันอยู่แล้ว และความเร็วของนวัตกรรมด้านโมเดลก็ชะลอลง ทำให้มุมมองเชิงลึกที่แตกต่างมีความสำคัญยิ่งขึ้น
- การเสนอแค่ระบบอัตโนมัติสำหรับ workflow อย่างเดียวไม่เพียงพออีกต่อไป และต้องโดดเด่นเหนือคู่แข่งด้วย การเดิมพันแบบสวนกระแสที่เป็นเอกลักษณ์
- เช่นเดียวกับยุคอินเทอร์เน็ตและสมาร์ตโฟน แพลตฟอร์มเทคโนโลยีใหม่จะผ่าน ช่วงตื่นทอง ราว 2 ปี ก่อนที่ไอเดียที่ชัดเจนจะถูกใช้จนหมด และหลังจากนั้นต้องมองหา secret ที่ซ่อนลึกกว่าเดิม
ความเสี่ยงและโอกาสของไอเดียที่ไม่ชัดเจนในสายตาคนทั่วไป
- ไอเดียที่ไม่ชัดเจนในสายตาคนทั่วไปฟังดูเป็นกลาง แต่ในความเป็นจริงกลับ ให้ความรู้สึกเสี่ยงและน่ากลัว พร้อมกับความหวาดกลัวว่าอาจทุ่มเวลาไป 10 ปีแล้วจบลงโดยไม่มีอะไรเกิดขึ้น
- กรอบความคิดที่รับมาโดยไม่ตั้งคำถาม จากสื่อหรือบทสนทนารอบตัว อาจรบกวนการตัดสินใจของผู้ก่อตั้งได้
- ผู้ก่อตั้งรายหนึ่งในสายมาร์เก็ตติ้งเคยลังเลเพราะคิดว่า “ไม่มีใครสร้างบริษัทใหญ่ในสายนี้ได้” แต่สุดท้ายก็ตัดสินใจเดินหน้าต่อด้วยเหตุผลจาก ความสามารถใหม่ของ AI และเสียงตอบรับเชิงบวกจากลูกค้าจริง จนกำลังเติบโต
- การที่มีกรณีล้มเหลวจำนวนมากในอดีต อาจกลับกลายเป็นสัญญาณว่าแทบไม่มีการแข่งขันอยู่เลย
- เสียงตอบรับจากลูกค้าว่า “พรุ่งนี้ก็อยากใช้เลย” คือสัญญาณของ product-market fit
- การพึ่งพา สัญญาณภายนอก อย่างปฏิกิริยาบน X (Twitter), TechCrunch หรือคำวิจารณ์จากเพื่อนในงานปาร์ตี้นั้นอันตราย และควรโฟกัสกับเสียงตอบรับจากตลาดจริง
กรณีศึกษา 1: DoorDash—บุกพื้นที่ชานเมือง
- หลัง iPhone เปิดตัว ในช่วงแรกไอเดียที่ ดูชัดเจน อย่างแอปแต่งรูปเช่น Instagram ได้รับความสนใจมาก แต่ความสำเร็จขนาดใหญ่จริงกลับมาจากไอเดียที่ไม่ชัดเจนอย่าง Uber, DoorDash และ Instacart
- แม้จะมีบทความและโพสต์บนโซเชียลมีเดียจำนวนมากพูดถึงธุรกิจที่เป็นไปได้หลัง iPhone เปิดตัว แต่ แทบไม่มีใครคาดการณ์ไอเดียแบบ Uber ได้
- DoorDash เข้าสู่ ตลาดส่งอาหารที่แข่งขันดุเดือดอยู่แล้ว โดยตอนนั้น Postmates, Grubhub และ Seamless ต่างก็กลายเป็นบริษัทใหญ่ไปแล้ว
- มือถือทำหน้าที่เป็นตัวเร่งสำคัญของแอปส่งอาหาร และในตอนที่ DoorDash เปิดตัว ตลาดก็ดูเหมือนอิ่มตัวแล้ว
- ใน Y Combinator เองก็มีบริการรับอาหารชื่อ Order Ahead อยู่แล้ว ซึ่งในตอนนั้นยังดูเป็นตลาดที่ใหญ่กว่า
- ช่วงแรกพวกเขาไป เข้าหาร้านอาหารด้วยตัวเองใน Palo Alto เพื่อเสนอพาร์ตเนอร์ด้านการจัดส่ง แต่ส่วนใหญ่ถูกปฏิเสธ และต้องใช้เวลานานกว่าจะมีออเดอร์แรกเข้ามา
- ลูกค้ารายแรกคือเพื่อน และหลังจากนั้นจึงเริ่มมีออเดอร์เข้ามาทีละประมาณหนึ่งออเดอร์ต่อชั่วโมง
- นักลงทุนยุคแรกจำนวนมากมองอย่างไม่มั่นใจ โดยมีปฏิกิริยาเช่น “ตลาดนี้แข่งขันกันหนักเกินไปแล้ว” และ “มี Grubhub กับ Seamless อยู่แล้ว จะต้องมีสิ่งนี้ไปทำไม”
- จุดแตกต่างที่ผู้ก่อตั้งค้นพบคือการ เจาะพื้นที่ชานเมือง (suburban area)
- Grubhub และ Seamless มุ่งเน้นแมนฮัตตันและพื้นที่เมืองใหญ่ที่มีความหนาแน่นสูง
- DoorDash มองเห็นว่าพื้นที่ชานเมือง มีความต้องการเดลิเวอรีสูง แต่ยังไม่มีใครให้บริการ
- ชานเมืองมีความหนาแน่นของร้านอาหารต่ำ จึงดูไม่น่าสนใจสำหรับแพลตฟอร์มเดิม แต่ในความเป็นจริงกลับเป็นตลาดขนาดมหาศาล
- กลยุทธ์ชานเมืองในตอนแรกดูเหมือนเป็น “ไอเดียที่แย่อย่างเห็นได้ชัด”
- ร้านอาหารถูกกระจายตัว ระยะทางส่งไกล และคาดกันว่า unit economics จะไม่ดี
- แต่เมื่อทดลองทำจริงกลับพบว่าในชานเมือง การแข่งขันน้อยและมีดีมานด์สูง ทำให้เติบโตได้อย่างรวดเร็ว ก่อนจะขยายเข้าสู่เขตเมืองในภายหลัง
- เมื่อนำมาย้อนดูทีหลังมันอาจดูเหมือนชัดเจน แต่ในเวลานั้นมันคือ การเดิมพันที่สวนกระแสและดูเสี่ยง
กรณีศึกษา 2: Lyft/Uber—พื้นที่สีเทาด้านกฎหมายและประโยชน์ต่อผู้ใช้
-
Pivot จาก Zimride ไปสู่ Lyft
- เดิมที Lyft คือบริการคาร์พูลระยะไกลชื่อ Zimride
- ใน Y Combinator ก็มีบริการคู่แข่งแบบเดียวกันชื่อ Ridejoy และแข่งขันกันอย่างหนัก
- ทั้งสองฝ่ายหาผู้ใช้จาก Craigslist เช่น “สุดสัปดาห์นี้ฉันขับรถไป LA มีใครจะไปด้วยไหม?”
- กระบวนการซับซ้อนมาก ทั้งการส่งอีเมลโต้ตอบยาว ๆ การนัดเวลาเจอกัน และการหารค่าน้ำมัน
- เมื่อ อัตราการใช้งานสมาร์ตโฟนแตะ 70–80% Zimride จึงเปลี่ยนกลยุทธ์
- หันมาโฟกัสที่ การเดินทางระยะสั้นในชีวิตประจำวัน แทนระยะไกล
- เปลี่ยนเป็นบริการที่ใช้งานได้ทุกวัน
- นี่คือช่วงแรกที่มีการใช้แรงงานผ่านมือถืออย่างแท้จริง
- Uber ก็เริ่มจากบริการรถหรูสีดำในช่วงเวลาใกล้กัน แต่ใช้แนวทางที่ต่างออกไป
-
ปัญหาด้านกฎหมายและความกล้าของผู้ก่อตั้ง
- ในช่วง office hour กับผู้ก่อตั้ง Ridejoy เมื่อมีการพูดถึงความสำเร็จของ Zimride (Lyft) คำตอบที่ได้คือ “มันดูมีปัญหาทางกฎหมายและเหมือนผิดกฎหมาย เลยไม่อยากทำ”
- และความกังวลนั้นก็ไม่ใช่เรื่องผิด
- ผู้ก่อตั้ง Lyft เองก็ กังวลอย่างหนักก่อนเปิดตัวหนึ่งสัปดาห์ว่าอาจต้องติดคุก แต่สุดท้ายก็ตัดสินใจเสี่ยงและเปิดตัวอยู่ดี
- เหตุผลสำคัญที่ไม่มีใครเปิดตัว Lyft หรือ Uber ก่อนหน้านั้นก็คือ โดยพื้นฐานแล้วมันผิดกฎหมาย และผู้คนกลัวว่าจะต้องติดคุก
- Apoorva Mehta แห่ง Instacart ก็พยายามทำสิ่งคล้ายกันในเวลาใกล้เคียงกันด้วยบริการส่งของชำ และ ตลาดเองก็กำลังดึงบริการแบบนี้ออกมาจากสตาร์ตอัปเหล่านี้
-
ผู้ใช้ปลายทางสามารถเปลี่ยนกฎระเบียบได้
- เรื่องนี้พิสูจน์ให้เห็นแล้วว่า เมื่อผู้บริโภคปลายทางได้รับประโยชน์อย่างท่วมท้น โลกก็จะเปลี่ยนกฎหมายตาม
- ไอเดียสตาร์ตอัปที่ยิ่งใหญ่จำนวนมากอยู่ใน พื้นที่สีเทาทางกฎหมาย
- คือไม่ได้ชัดเจนเต็มร้อยว่าถูกหรือผิดกฎหมาย และมีความกำกวมอยู่พอสมควร
- OpenAI ก็เป็นกรณีคล้ายกัน: ไล่เก็บข้อมูลจากเว็บทั้งอินเทอร์เน็ตโดยไม่ได้รับอนุญาต
- จะอ้างว่าเป็น fair use ก็ได้ หรือจะมองว่าเป็นการละเมิดลิขสิทธิ์ครั้งใหญ่ก็ได้
- ความเป็นไอเดียที่ไม่ชัดเจนในสายตาคนทั่วไป ไม่ได้หมายถึงแค่ ไม่แน่ใจทางปัญญาว่าจะสำเร็จไหม แต่ยังรวมถึงความรู้สึกที่ละเอียดอ่อนกว่านั้น เช่น “มันดูเสี่ยงนิด ๆ” หรือ “มันทำให้รู้สึกไม่ค่อยสบายใจ”
- ผู้ก่อตั้งที่ยอดเยี่ยมจริง ๆ กลับมองความรู้สึกแบบนี้เป็นสัญญาณ
-
การเปลี่ยนแปลงคุณภาพชีวิตในซานฟรานซิสโก
- หลัง Uber X และ Lyft เปิดตัว ก็ เห็นได้ชัดภายในไม่กี่เดือนแรก โดยเฉพาะในซานฟรานซิสโก
- ซานฟรานซิสโกขึ้นชื่อเรื่อง ระบบแท็กซี่ที่แย่มากและขนส่งสาธารณะที่ใช้งานลำบาก
- จึงเป็นบริการที่เกิดขึ้นจากความจำเป็น
- คุณภาพชีวิตในซานฟรานซิสโกดีขึ้นอย่างมาก
- ไม่ต้องเจอกับความไม่แน่นอนของการเรียกแท็กซี่ที่ ครึ่งหนึ่งไม่โผล่มา อีกต่อไป
- เมื่อเดินทางได้อย่างอิสระ ชีวิตในเมืองก็น่าอยู่ขึ้น 10 เท่า
- บทเรียนไม่ใช่ว่า ให้ไปทำเรื่องผิดกฎหมาย แต่คือให้คิดจาก first principles เพื่อค้นหาว่าตลาดและผู้คนต้องการอะไรกันแน่
กรณีศึกษา 3: Coinbase—การเลือกสวนกระแสด้านอารมณ์ในโลกคริปโต
-
แนวโน้มของชุมชนคริปโตยุคแรก
- Coinbase ดำเนินงานอยู่ใน พื้นที่สีเทาทางกฎหมาย แต่ใช้แนวทางที่ต่างจาก Uber/Lyft
- คริปโต ยังไม่ได้รับการทำความเข้าใจมากพอ จึงยากจะบอกว่าถูกกฎหมายอย่างชัดเจน
- Coinbase จำเป็นต้อง หาพันธมิตรด้านธนาคาร เพื่อเปิดให้บริการจริง จึงไม่สามารถใช้แนวทางแบบ Uber ที่ว่า “เปิดก่อนแล้วค่อยว่ากัน” ได้
-
แนวทางสวนทางของ Brian Armstrong
- กรณีใช้งาน Bitcoin ยุคแรก ๆ ถูกขับเคลื่อนโดยกลุ่มไซเฟอร์พังก์ (cypherpunk)
- กลุ่มเสรีนิยมสุดโต่ง
- ต่อต้านระบบธนาคารแบบรวมศูนย์
- ต้องการ ตัวตนที่ไม่เปิดเผยโดยสมบูรณ์
- Bitcoin ในยุคแรก ใกล้กับ Silk Road มากกว่าปัจจุบันมาก
- Brian Armstrong เลือกใช้ แนวทางสวนทางที่ตรงกันข้ามอย่างสิ้นเชิง
- ในช่วงปี 2010~2012 คนส่วนใหญ่ที่สนใจ Bitcoin อย่างจริงจังคือกลุ่มไซเฟอร์พังก์
- จุดยืนของพวกเขาคือ “ช่างรัฐ ช่างกฎหมาย และอิสรภาพสุดขั้วผ่าน Bitcoin”
- Brian Armstrong เลือก ทำธุรกิจกับบริษัทการเงินและร่วมมือกับหน่วยงานกำกับดูแล
- นี่คือการเดิมพันแบบสวนทางของเขา
-
งานเพิ่มเติมในช่วงที่ตลาดยังไม่ต้องการ
- เขามองว่ามัน คุ้มค่าที่จะรับภาระงานเพิ่มเติมทั้งหมด ในช่วงที่ยังไม่แน่ชัดด้วยซ้ำว่าตลาดต้องการหรือไม่
- กลุ่มไซเฟอร์พังก์และ Silk Road ต้องการคริปโตและการชำระเงินแบบไม่เปิดเผยตัวตนอย่างชัดเจน
- แต่ ยังไม่แน่ชัดว่าคนทั่วไปจะต้องการหรือไม่
- ดังนั้น การคุยกับธนาคาร การทำพาร์ตเนอร์ชิป และการ ปฏิบัติตามกฎ KYC (การยืนยันตัวตนลูกค้า) และ AML (การป้องกันการฟอกเงิน) จึงดูไม่ใช่สิ่งที่คุ้มค่าในเวลานั้น
- จะมีเหตุผลให้ทำสิ่งเหล่านี้ก็ต่อเมื่อเชื่อว่าในอนาคตคนทั่วไปจะอยากซื้อขายคริปโต
-
การต่อต้านอย่างรุนแรงจากตลาดเดิม
- สิ่งอย่าง KYC ทำให้ตัวผลิตภัณฑ์แย่ลงจริง ๆ
- หากบังคับให้ผู้ใช้ผ่าน KYC จะเพิ่มแรงเสียดทานอย่างมาก
- นี่คือ สิ่งที่ตรงข้ามกับสิ่งที่ตลาดในตอนนั้นต้องการ
- ตลาดในตอนนั้น (กลุ่มไซเฟอร์พังก์) โกรธอย่างรุนแรง ต่อแนวทางคริปโตของ Brian และ Coinbase
- คุณจะได้ยินคำว่า “มันไม่มีวันเวิร์ก”
- เมื่อ ตลาดยังใหม่มากและอยู่ในระยะเริ่มต้น สิ่งที่ถูกมองว่า “ชัดเจนอยู่แล้ว” มักจะ ผิดอย่างชัดเจนในความเป็นจริง
- นี่อาจเป็นเวอร์ชันที่ลึกมากของปรากฏการณ์นั้น
-
กับดักของ TAM
- ตอนที่ Coinbase เริ่มต้น ขนาดตลาดรวมของ Bitcoin ยังไม่ใช่ระดับหลายแสนล้านดอลลาร์ แต่เป็นเพียงหลักหลายสิบล้านถึงหลายร้อยล้านดอลลาร์
- Flock Safety ก็เช่นกัน: หากเอาจำนวนกลุ่มเพื่อนบ้านคูณกับ ACV แล้ว TAM จะอยู่ที่ สูงสุดเพียงราว $50M~$60M ต่อปี
- คำแนะนำในมุมมอง VC: อย่าใช้ TAM เป็นเพียงเช็กลิสต์
- มันมีประโยชน์ในฐานะตัวชี้วัด แต่ทั้งนักลงทุนและผู้ก่อตั้งไม่ควรตัดไอเดียทิ้งเพียงเพราะเรื่องนี้อย่างเดียว
- ยิ่งมีกฎการลงทุนมากเท่าไร ก็ยิ่งมีวิธีปิดกั้นโอกาสทำเงินก้อนใหญ่ในโลกเวนเจอร์ด้วยมือตัวเองมากขึ้นเท่านั้น
กรณีศึกษา 4: Flock Safety—การขายให้รัฐบาลท้องถิ่นและฮาร์ดแวร์
-
เริ่มต้นจากประสบการณ์ส่วนตัว
- Flock Safety ให้บริการ ระบบกล้องอ่านป้ายทะเบียนอัตโนมัติเพื่อความปลอดภัยของชุมชน
- ผู้ก่อตั้ง Garrett Langley มาจากแอตแลนตาและเคยมีประสบการณ์ exit ที่ประสบความสำเร็จมาก่อน แต่ ครั้งนี้เป็นฮาร์ดแวร์
- ประสบการณ์ส่วนตัวของพาร์ตเนอร์ (Diana): ที่ Noe Valley ในซานฟรานซิสโก รถทุกคันบนถนนถูกทุบในคราวเดียว
- เป็นฝีมือขององค์กรอาชญากรรมมืออาชีพที่ลงมืออย่างแม่นยำราวกับปฏิบัติการทางทหาร
- กล้อง Nest บันทึกภาพทั้งหมดไว้ แต่ตำรวจตอบว่า “ถ้าไม่มีป้ายทะเบียน ก็แทบทำอะไรไม่ได้”
- ประสบการณ์นี้ทำให้ การตัดสินใจลงทุนแบบ first-principles ใน Flock Safety เป็นเรื่องง่าย
-
เทคโนโลยีสแตกและผลิตภัณฑ์เริ่มต้น
- ฮาร์ดแวร์ที่ติดกล้องเข้ากับ Raspberry Pi และเพิ่ม แผงโซลาร์
- สามารถ รันคอมพิวเตอร์วิชันบนเอดจ์ ที่อิงกับ ImageNet ได้
- เทคโนโลยีพลังงานแสงอาทิตย์มาถึงจุดที่ ใช้งานได้ต่อเนื่องแทบไม่จำกัด
- เริ่มขายให้กับ กลุ่มเพื่อนบ้านและ HOA (สมาคมเจ้าของบ้าน) ใน Piedmont และเขตมหานครแอตแลนตา
-
3 องค์ประกอบที่ VC ไม่ชอบ
- ฮาร์ดแวร์: VC ไม่ชอบฮาร์ดแวร์
- ตลาดเล็ก: หากเอาจำนวนกลุ่มเพื่อนบ้านคูณกับ ACV แล้ว TAM จะอยู่ที่ สูงสุดเพียง $50M~$60M ต่อปี
- ตั้งอยู่ที่แอตแลนตา รัฐจอร์เจีย: ไม่ใช่ซิลิคอนแวลลีย์
- ทั้งสามอย่างนี้ทำให้บริษัท แทบระดมทุนไม่ได้โดยพื้นฐาน
-
การ pivot โมเดลธุรกิจและการเติบโต
- ช่วงแรก ขายให้กลุ่มเพื่อนบ้าน แต่โตช้าและรายได้ค้างอยู่ที่ราว $600K ต่อเดือน
- pivot โมเดลธุรกิจไปเป็น ขายตรงให้สถานีตำรวจและรัฐบาลเมือง
- มองย้อนจากเป้าหมายการเติบโตแล้วจึงตระหนักถึงความจำเป็น
- ถ้าขายให้กลุ่มเพื่อนบ้านอย่างเดียวจะโตได้ไม่พอ
- ตอนแรกดูเหมือนเป็นไปไม่ได้ แต่ทำได้จริง
- ในกรณีจริง บริษัทมีส่วนช่วย ไขคดีอาชญากรรมร้ายแรง เช่น การจับกุมผู้ลักพาตัว
- เมื่อคดีที่ไขได้ ถูกนำเสนอในข่าวภาคค่ำ ก็เกิดการบอกต่อในวงกว้าง
- เมื่อเมืองหนึ่งไขคดีได้ หัวหน้าตำรวจเมืองใกล้เคียงก็จะพูดว่า “นี่มันอะไร? เราต้องมีเดี๋ยวนี้”
- สร้างทีมมีเดีย: ส่งข้อมูลให้ผู้ประกาศข่าวพร้อมวิดีโอ B-roll ว่า Flock Safety ช่วยไขคดีได้
- จึงแพร่กระจายอย่างรวดเร็วด้วยพลังไวรัล
-
ผลลัพธ์ในปัจจุบัน
- ปัจจุบันมี มูลค่าบริษัท $7.5B
- รายได้ต่อปีสูงกว่า $60M มาก
- กำลัง ช่วยไขคดี 10% ของอาชญากรรมที่มีการแจ้งความทั่วสหรัฐฯ (เป็นตัวเลขที่น่าทึ่ง)
- เทคโนโลยีหลักแทบไม่ต่างจากตอน Demo Day แต่ โมเดลธุรกิจ pivot มาหลายครั้ง
- บริษัทยังขายให้กลุ่มเพื่อนบ้านอยู่ แต่ การขายอย่างเป็นทางการให้สถานีตำรวจคือหัวใจของการเติบโต
-
บทเรียนที่นำไปใช้ได้ทั่วไป
- เมื่อมีไอเดียสตาร์ตอัปแล้วไป คุยกับ VC หลายราย คุณจะได้รับฟีดแบ็กมากมาย
- ถ้า Garrett ไปคุยกับ VC หลายราย เขาน่าจะได้ยินว่า “มันไม่ใช่ธุรกิจที่ VC ลงทุนได้ ขายให้รัฐบาลท้องถิ่น ทำฮาร์ดแวร์ ไปทำ B2B SaaS ดีกว่า”
- สิ่งที่ดีคือการเข้าสู่ ตลาดที่แทบไม่มีคู่แข่ง เพราะคนอื่นมองว่ามันแปลกเกินไป
- หาก โฟกัสที่ลูกค้าและความต้องการจริง ทุกอย่างจะชัดเจนขึ้น
- คุณเรียนรู้สิ่งนี้จากบล็อก, X หรือ ChatGPT ไม่ได้ แต่ต้อง ลงมือทดลองหลายอย่างจริง ๆ
- เรื่องราวของแต่ละคนต่างกันมาก แต่ Garrett และทีม Flock มีความโดดเด่นจาก การคิดแบบ first-principles
- จะสร้างอะไร
- จะหาลูกค้าอย่างไร
- โมเดลธุรกิจควรเป็นแบบไหน
โมเดล Forward Deployed Engineer และ Giga ML
-
การผงาดขึ้นมาของ Forward Deployed Engineer
- ช่วงหลังมานี้มันกลายเป็น เพลย์บุ๊กเริ่มต้นของสตาร์ตอัปโดยปริยาย
- เป็นงานแปลงสคีมาและ business logic ของลูกค้า ให้มาอยู่ในสคีมาและลอจิกของตัวเอง
- โดยแก่นแท้แล้วมันคือ งานคอนซัลติ้ง
- บริษัทที่ใช้โมเดลนี้กำลังแสดง อัตราการเติบโตที่ดุดัน
- แต่หากมันกลายเป็น เพลย์บุ๊กมาตรฐานที่ฝังลึกที่สุด แล้ว ก็เป็นโอกาสให้ใช้แนวทางสวนทางเช่นกัน
-
AI Forward Deployed Engineer ของ Giga ML
- บริษัทสร้าง AI Forward Deployed Engineer ของตัวเอง โดยใช้ การสร้างโค้ดแทน FD ที่เป็นมนุษย์
- FD ที่เป็นมนุษย์ยังคงใช้เวลา หลายสัปดาห์ (แม้จะยังเร็วเมื่อเทียบกับคอนซัลติ้งองค์กรแบบดั้งเดิม)
- AI FD สามารถทำเสร็จได้ ภายในไม่กี่นาที
- นี่เป็นเหตุผลสำคัญที่ทำให้บริษัท ปิดดีลได้เร็วกว่าคู่แข่ง
- ในความเป็นจริงแล้วมันไม่ใช่ FD เลย แต่คือ ตัวผลิตภัณฑ์นั้นเอง
- เมื่อลูกค้ากรอกสเปกเข้าไป ก็จะได้รับผลิตภัณฑ์ทันที
- นี่คือตัวอย่างของ การเดิมพันแบบสวนทางที่พลิกเกม ซึ่งสามารถสร้างผลลัพธ์มหาศาลได้
ผู้ก่อตั้งสาย SF (นิยายวิทยาศาสตร์) และไอเดียยักษ์ใหญ่ที่ "เป็นไปไม่ได้"
-
กรณีของ OpenAI
- ตอนที่ Sam Altman ซึ่งมาจาก Y Combinator เริ่มต้น OpenAI นั้น ยังไม่แน่ชัดด้วยซ้ำว่า AI จะทำให้เกิดขึ้นได้จริงหรือไม่
- ในช่วงแรกมันดูเหมือนเป็นหลัก โปรเจกต์ทดลองของนักวิจัย
- มีทั้งการเผยแพร่งานวิจัย ตัวแก้ Rubik's Cube, AI สำหรับเกม Dota และโปรเจกต์ย่อยอีกหลากหลาย
- ยังไม่ชัดเจนว่าสิ่งเหล่านี้ทั้งหมดจะหลอมรวมจนกลายเป็น OpenAI ในปัจจุบันได้อย่างไร
- ตอนเปิดตัวได้รับ กระแสข่าวเชิงลบเป็นส่วนใหญ่
- มีเพียงนักมองโลกในแง่ดีด้านเทคโนโลยีส่วนน้อยที่ตอบรับในทางบวก
- นักวิจัย AI ในแวดวงวิชาการและบริษัทอื่น ๆ ส่วนใหญ่ มองในแง่ลบอย่างมาก
- มีเสียงวิจารณ์ว่า "คนวัย 20-30 จะสร้าง AGI ได้เป็นเรื่องเหลวไหล"
- มีปฏิกิริยาว่า "พวกเราวิจัยมา 50 ปีแล้ว ถ้ามีวิธีก็คงทำไปนานแล้ว"
- การที่ "ไม่เผยแพร่งานวิจัย" เป็นจุดวิจารณ์สำคัญ
- มีคำวิจารณ์ว่าการทุ่ม ค่า GPU ระดับหลายล้านดอลลาร์ ไปกับ scaling laws ไม่ได้ทำให้มีงานวิจัยออกมามากขึ้น
- งานวิจัยคือ เป้าหมายการเพิ่มประสิทธิภาพที่ผิด (paperclip optimization)
- ผู้สร้างตัวจริงจะเพิ่มประสิทธิภาพเพื่อ ผลลัพธ์สำหรับลูกค้าและผู้ใช้
- ยืนหยัดในทิศทางนั้นต่อไป จนกลายมาเป็นความสำเร็จในปัจจุบัน
-
กรณีของ SpaceX
- Elon Musk เป็น มหาเศรษฐีคนที่ห้า ที่เริ่มบริษัทด้านการบินอวกาศ
- มหาเศรษฐี 4 คนก่อนหน้านั้นล้มเหลวไปแล้ว
- สื่อเยาะเย้ยว่า "มหาเศรษฐีอีกคนกำลังเผาทรัพย์สินไปกับจรวด"
- แนวคิดเรื่อง จรวดที่นำกลับมาใช้ซ้ำได้ ถูกมองว่าเป็นไอเดียที่เหมือนลบหลู่ความเชื่อ (blasphemous)
- ตอนขอคำแนะนำจากนักวิทยาศาสตร์จรวด ก็มักได้คำตอบว่า "เป็นไปไม่ได้"
- มีความพยายามปล่อยจรวดที่ล้มเหลวหลายครั้งตลอดหลายปี
- ทุกครั้งที่จรวดระเบิด ก็จะมี ระลอกข่าวเชิงลบอีกระลอก
- ทั้งสองบริษัท (OpenAI, SpaceX) ต่างก็ต้องให้ผู้ก่อตั้งยึดมั่นในความเชื่อของตนเอง ท่ามกลางการถูกคนส่วนใหญ่บอกอยู่นานว่า โง่หรือบ้า
-
แม่เหล็กสำหรับคน 1 ใน 10
- คน 9 ใน 10 อาจบอกว่าคุณโง่หรือบ้า แต่ 1 ใน 10 อาจเห็นด้วยกับความเชื่อของคุณ
- เหตุผลที่ต้องมีสิ่งที่สวนกระแสแต่ภายหลังพิสูจน์ได้ว่าถูกต้อง ก็เพื่อให้มันทำหน้าที่เป็น แม่เหล็กดึงดูดทุกคนที่คิดเหมือนกัน
วิธีตัดสินความจริง
- ต้องทบทวนใหม่ว่าเราจะรู้ได้อย่างไรว่าอะไรในโลกนี้ จริงและถูกต้อง
- ทบทวนแหล่งที่มาของข้อมูลทั้งหมด และตรวจสอบว่ามาจากไหน
- ถ้ามันมาจาก ผู้ใช้ จากประสบการณ์ส่วนตัว หรือจากประสบการณ์ของคนที่คุณได้คุยด้วยโดยตรง นั่นคือฐานความจริงที่ดีและตรวจสอบได้
- การ doomscrolling บน X หรือการฟังคำพูดของคนดัง (พูดกันตรง ๆ รวมถึงคู่สนทนาเหล่านี้ด้วย) ล้วนเป็นแค่ N=1
- สิ่งสำคัญคือคนที่มีปัญหาเฉพาะที่คุณสนใจ
- ความสามารถในการแก้ปัญหานั้น
- ความสามารถในการดึงดูดคนอื่นทั้งหมดที่อยากให้ปัญหานั้นถูกแก้
คำแนะนำสำคัญ: โฟกัสที่ปัญหาของลูกค้า
- อย่าพยายามทำสิ่งผิดกฎหมาย แต่จงหาสิ่งที่มนุษย์ต้องการและจำเป็นอย่างยิ่ง
- แล้วที่เหลือจะคลี่คลายไปเอง
- ถ้าคุณโฟกัสกับปัญหาของผู้คนและ ความรุนแรงของปัญหานั้น อย่างแท้จริง ที่เหลือจะค่อย ๆ ลงตัวเอง
- คุณจะหาวิธีทำโมเดลธุรกิจได้
- คุณจะหาวิธีทำ distribution ได้
- นั่งอยู่หน้าคอมพิวเตอร์แล้วรู้เรื่องพวกนี้ราวกับเป็นคำพยากรณ์นั้นทำไม่ได้
- คุณต้องออกจากบ้านไปจริง ๆ
- ต้องคุยกับลูกค้า
- เหตุผลที่การตั้งเป้าหมายของ Y Combinator ช่วยได้
- คือการ ไล่ย้อนจากเป้าหมายการเติบโต เพื่อหาว่าต้องทำอะไรบ้าง
กับดักของสิ่งที่ได้รับความนิยม
- ถ้า พยายามทำแต่สิ่งที่กำลังนิยม คุณจะไปยึดติดกับไอเดียที่เป็นของต่อยอดและเห็นได้ชัด ซึ่งมีคู่แข่งอยู่แล้ว 5 ราย 10 ราย หรือ 100 ราย
- มันดีสำหรับอันดับ 1 และอันดับ 2 แต่สำหรับ อันดับ 3 ไปจนถึง 98 สตาร์ตอัปจะตาย
1 ความคิดเห็น
มุมมองต่อกฎหมายฟังดูอันตรายอยู่นะ
แม้จะไม่ใช่ว่าจะไม่มีเหตุผลเลยก็ตาม