- แม้ AI จะขยายขอบเขตการดำเนินงานของสตาร์ทอัพ แต่สิ่งสำคัญคือการครอบครองจุดควบคุมที่สะสม ข้อมูล·เวิร์กโฟลว์·ผลลัพธ์มูลค่าสูง มากกว่าห่วงโซ่คุณค่าทั้งหมด
- ในช่วงต้นของอุตสาหกรรม ผลิตภัณฑ์แบบบูรณาการช่วยเพิ่มประสิทธิภาพและความน่าเชื่อถือ แต่เมื่อตลาดเติบโตเต็มที่และอินเทอร์เฟซเป็นมาตรฐาน กำไรจะย้ายไปยัง ระบบย่อยที่กำหนดประสิทธิภาพ
- ความสามารถในการป้องกันไม่ได้มาจากจำนวนชั้นที่เป็นเจ้าของ แต่มาจากสัญญาณที่เป็นกรรมสิทธิ์ มีความหนาแน่นสูง และทำซ้ำได้ จึงควรเป็นเจ้าของเพียง สแต็กขั้นต่ำที่เพียงพอ ซึ่งการเรียนรู้สะสมอยู่
- OpenEvidence·Halter·Abridge·สำนักงานกฎหมาย AI-native ผสมผสานการเข้าถึง·การเป็นเจ้าของ·การควบคุมในรูปแบบที่ต่างกัน และแม้การบูรณาการแนวดิ่งอย่างสมบูรณ์ หากไม่มี จุดควบคุม ก็อาจเหลือเพียงข้อมูลทั่วไปกับต้นทุนสูง
- การบูรณาการจำเป็นเฉพาะเมื่ออินเทอร์เฟซไม่เสถียร ประสิทธิภาพยังไม่ถึงเกณฑ์ของผู้ซื้อ และไม่สามารถได้สิทธิ์เข้าถึงหากไม่เป็นเจ้าของเท่านั้น ส่วนที่เหลือควรเช่า·ให้ไลเซนส์·ทำให้เป็นมาตรฐานเพื่อ ทำให้สินค้าเสริมกลายเป็นของทั่วไป จะได้เปรียบกว่า
การบูรณาการแนวดิ่งที่ AI เรียกกลับมาอีกครั้ง
- หลังจาก 10 ปีที่โมเดลแบบสินทรัพย์เบาได้รับความนิยมในตลาดเวนเจอร์ การบูรณาการแนวดิ่ง กลับมาเป็นที่จับตาอีกครั้ง
- เหตุผลคือ เมื่อ AI ทำให้ซอฟต์แวร์ส่วนต่าง ๆ เป็นของทั่วไปมากขึ้น ข้อมูลกรรมสิทธิ์ บริบท ฟีดแบ็กจากโลกจริง ความไว้วางใจ และการกระจายสินค้ายังคงเป็นสินทรัพย์ที่หาได้ยาก
- แนวโน้มนี้ขยายจากบริการเทคโนโลยี·ธุรกิจแบบดั้งเดิม ไปจนถึงบริการที่อยู่อาศัยที่ขับเคลื่อนด้วย AI บริษัทก่อสร้าง ที่พักอาศัยสำหรับผู้สูงอายุ และระบบโรงพยาบาล
- “The AI Wrapper Is Dead” ของ NFX มองว่าจำเป็นต้องคิดแบบแนวดิ่งที่พยายามเป็นเจ้าของห่วงโซ่คุณค่าทั้งหมด มากกว่าเป็นเพียง wrapper บาง ๆ
- อย่างไรก็ตาม คำว่า “เป็นเจ้าของทุกอย่าง” รวมกลยุทธ์ที่มีเศรษฐศาสตร์ต่างกันไว้เป็นเรื่องเดียว
- การขยายไปหลายผลิตภัณฑ์
- การเป็นเจ้าของสินทรัพย์กายภาพ
- การผสานฮาร์ดแวร์กับซอฟต์แวร์
- การเปลี่ยนเป็นผู้ให้บริการ
- การบูรณาการแนวดิ่งไปยังส่วนอื่นของตลาด
- AI ขยายขอบเขตที่สตาร์ทอัพซึ่งได้รับเงินทุนจากเวนเจอร์สามารถดำเนินการได้ แต่ไม่ได้กำหนดไปถึง ขอบเขตที่เหมาะสมที่สุด
- แม้เป็นเจ้าของทั้งสแต็ก ก็อาจเก็บได้เพียงข้อมูลที่ไม่แตกต่าง หรือพึ่งพาโมเดลเดียวกับทุกคน
- อาจมีแรงเสียดทานด้านปฏิบัติการมากกว่าและเศรษฐศาสตร์แย่กว่าคู่แข่งที่โฟกัสกว่า
- บริษัทแอปพลิเคชันแนวดิ่งที่มีอยู่ก็สร้างขนาดและความสามารถในการป้องกันมาได้ด้วยการควบคุมพื้นที่งานเฉพาะที่การเรียนรู้สะสมอยู่ มากกว่าดูดซับรายได้ทั้งหมดของอุตสาหกรรม
เหตุผลที่ต้องหาจุดควบคุมที่จำกัด
- เป้าหมายของ Vertical AI เช่นเดียวกับ SaaS คือการเป็นเจ้าของ จุดควบคุม (control point) ในเวิร์กโฟลว์ของลูกค้า
- จุดควบคุมแตกต่างกันไปตามอุตสาหกรรม และเคลื่อนย้ายตามการเปลี่ยนแปลงของเทคโนโลยี
- บางชั้นแตกต่างได้ด้วยเทคโนโลยี
- ชั้นอื่น ๆ กลายเป็นของทั่วไป
- แนวคิดบูรณาการเต็มรูปแบบที่ว่า LLM เปลี่ยนพื้นผิวของทุกตลาดแนวดิ่งให้เป็นจุดควบคุม มองข้ามข้อเท็จจริงว่าในเวิร์กโฟลว์ B2B จุดที่สำคัญจริงมีจำกัด
- ต้องยึดตำแหน่งชี้ขาดที่สามารถขยายไปเป็นระบบบันทึกในงานของลูกค้าได้ก่อน และการเป็นเจ้าของชั้นที่มากขึ้นเพียงอย่างเดียวไม่เพียงพอ
ทฤษฎีการบูรณาการและการทำให้เป็นโมดูลของ Christensen
- Clay Christensen มองว่าโครงสร้างที่เหมาะสมในช่วงต้นและช่วงเติบโตเต็มที่ของอุตสาหกรรมแตกต่างกัน
- ในช่วงต้นที่ฟังก์ชันและความน่าเชื่อถือของผลิตภัณฑ์ยังไม่ถึงความต้องการของลูกค้า โซลูชันบูรณาการแบบกรรมสิทธิ์ ที่สามารถปรับแต่ละองค์ประกอบให้เหมาะสมและรวมเข้าด้วยกันได้จะได้เปรียบ
- เมื่อเทคโนโลยีเติบโตเพียงพอ อินเทอร์เฟซมาตรฐานจะเกิดขึ้น บริษัทจะเชี่ยวชาญในองค์ประกอบแต่ละส่วน และผลิตภัณฑ์จะถูกทำให้เป็นโมดูล
- ในขั้นนี้ ความได้เปรียบของบริษัทบูรณาการยุคแรกจะอ่อนลง และกำไรจะย้ายไปยังระบบย่อยที่กำหนดประสิทธิภาพ
- ในตลาดอายุน้อย ทั้งผู้ซื้อและผู้ขายต่างเผชิญความไม่แน่นอน
- ผู้ซื้อต้องตัดสินใจว่าจะซื้อ สร้างเอง หรือรอ
- ผู้ขายกระจัดกระจาย ไม่สม่ำเสมอ และยังไม่มี economy of scale
- ผู้ซื้อพยายามควบคุมเทคโนโลยีเองแทนที่จะพึ่งซัพพลายเออร์รายเล็กที่ราคาแพง ส่วนผู้ขายมีแรงจูงใจให้เป็นเจ้าของพื้นที่มากขึ้นด้วยแนวทางแบบที่ปรึกษาเพื่อแก้ปัญหาทั้งหมด
- เมื่อหมวดหมู่เติบโต ลูกค้าจะไม่อยากจ่ายเพิ่มให้โซลูชันบูรณาการ และให้ความสำคัญกับ ความสามารถทำงานร่วมกัน
- ผู้ประกอบการต้นทุนต่ำจะรวมองค์ประกอบเฉพาะทางเข้าด้วยกัน และกดดันผู้บูรณาการด้วยราคาและความเชี่ยวชาญ
- ทางเลือกโอเพนซอร์สก็จะเกิดขึ้น
- บริษัทเทคโนโลยีที่ขยายไปเป็นธุรกิจปฏิบัติการ หากต้องการเทคโนโลยีที่ดีที่สุด ก็ต้องกลายเป็นผู้ซื้อเทคโนโลยีภายนอก
- AI ทำให้การบูรณาการน่าสนใจขึ้น โดยขยายขอบเขตที่สามารถทำอัตโนมัติ รวมเป็นแพ็กเกจ และทำไว้ภายในได้ แต่ไม่ได้เปลี่ยนหลักการที่กำไรระยะยาวจะเคลื่อนย้ายไป
ทำไมการบูรณาการตั้งแต่ต้นไม่รับประกันชัยชนะระยะยาว
- คู่มือทำลายบริษัทเดิม กล่าวถึงกลยุทธ์ทำให้สินค้าเสริมเป็นของทั่วไป ลดอำนาจกำหนดราคา และใช้ส่วนเกินที่เกิดขึ้นเพื่อยึดการกระจายสินค้าและความไว้วางใจ
- ต้นทศวรรษ 1980 IBM เปิดตัว PC 5150 ด้วยโครงสร้างเปิดที่อิงฮาร์ดแวร์สำเร็จรูปและสเปกเทคนิคแบบเปิด พร้อมส่งเสริมการ์ดขยาย
- IBM และผู้ผลิต PC ที่ตามมาภายหลังเข้าสู่การแข่งขันด้านราคา
- Microsoft DOS ซึ่งเป็นสินค้าเสริมหลักของ PC เติบโตขึ้นเป็นระบบปฏิบัติการที่ได้รับความนิยม
- การบูรณาการแม้ชนะในช่วงต้นตลาด ก็อาจแพ้ในกระบวนการทำให้เป็นของทั่วไปภายหลัง
- อาจเป็นสะพานชั่วคราวเพื่อเข้าสู่ตลาด หรือเป็นความจำเป็นเชิงโครงสร้าง
- ในทางกลับกัน ก็อาจเป็นข้อผิดพลาดที่คุกคามความอยู่รอดของบริษัทได้
- NVIDIA เป็นตัวอย่างตรงข้ามของการบูรณาการสูงสุด
- ผสานสถาปัตยกรรม GPU, CUDA, networking และระบบนิเวศซอฟต์แวร์ accelerated computing อย่างแน่นแฟ้น
- มอบการผลิตเซมิคอนดักเตอร์ที่ใช้ทุนสูงให้บริษัทเฉพาะทางอย่าง TSMC
- เสริมจุดควบคุมผ่านการออกแบบร่วม ขณะใช้ประโยชน์จากเศรษฐศาสตร์ของผู้เชี่ยวชาญ และกลายเป็นหนึ่งในบริษัทที่มีมูลค่าสูงที่สุดในโลก
สแต็กขั้นต่ำที่เพียงพอซึ่งสะสมการเรียนรู้
- การบูรณาการสร้างความได้เปรียบที่ยั่งยืนได้ก็ต่อเมื่อช่วยครอบครองสินทรัพย์หายาก
- รับรู้ความเป็นจริง
- เก็บข้อมูล first-party
- ส่งผลต่อการกระทำ
- สังเกตผลลัพธ์
- ปรับปรุงผลิตภัณฑ์บนฐานนั้น
- การเป็นเจ้าของ closed loop ทั้งหมดอาจทำให้คู่แข่งเข้าถึงบริบทเดียวกันได้ยาก แต่ การเป็นเจ้าของทั้งสแต็กเองไม่ได้รับประกันความสามารถในการป้องกัน
- มูลค่าระยะยาวขึ้นอยู่กับว่าสัญญาณเป็นกรรมสิทธิ์ มีความหนาแน่นสูง และยากต่อการคัดลอกหรือไม่
- แม้เป็นเจ้าของเซ็นเซอร์เอง ก็อาจสร้างได้เพียงข้อมูลที่ไม่แตกต่าง
- ในกรณีนี้ ภาระด้านทุนและการปฏิบัติการเพิ่มขึ้น แต่ความสามารถในการป้องกันระยะยาวไม่ดีขึ้น
- อาจต้องแข่งขันด้านราคากับสตาร์ทอัพที่ใช้ประโยชน์จากต้นทุนอินพุตที่ลดลง จนผลิตภัณฑ์หลักอ่อนแอลง
- บริษัทซอฟต์แวร์แนวดิ่งแบบดั้งเดิมเติบโตจากการยึดจุดควบคุมของเวิร์กโฟลว์ ไม่ใช่ห่วงโซ่คุณค่าทั้งหมด
- Toast ไม่ได้เป็นเจ้าของร้านอาหาร แต่เป็นเจ้าของ POS และชั้นธุรกรรม
- Veeva ไม่ได้เป็นบริษัทยา แต่เป็นเจ้าของเวิร์กโฟลว์การขาย·กำกับดูแลหลักของวิทยาศาสตร์ชีวภาพ
- แพลตฟอร์มเหล่านี้เข้าใจและสร้างรายได้จากเวิร์กโฟลว์โดยไม่แบกรับโครงสร้างต้นทุนทั้งหมดของอุตสาหกรรม
- คำถามที่ Vertical AI ต้องตอบคือ ระบบต้องควบคุมตรงไหนเพื่อสะสมการเรียนรู้
- Vertical AI playbook แนะนำชั้นการเขียน (authoring layer) เป็นจุดเริ่มต้นของเวิร์กโฟลว์ภายในที่สร้าง ROI และรายได้ทันที
- สตาร์ทอัพ Vertical AI ระยะต้นควรเป็นเจ้าของเพียงสแต็กขั้นต่ำที่เพียงพอสำหรับยึดจุดควบคุมที่ learning loop สะสมอยู่
ชั้นที่เข้าถึงได้ก็เพียงพอ ไม่จำเป็นต้องเป็นเจ้าของ
- จุดควบคุมสามารถได้มาหลายวิธี เช่น การฝังตัวในเวิร์กโฟลว์ ไลเซนส์ การผสานระบบ สิทธิตามสัญญา หรือฮาร์ดแวร์กรรมสิทธิ์
- ควรถือครองสินทรัพย์โดยตรงเฉพาะเมื่อการเป็นเจ้าของเปิดทางเข้าถึงจุดควบคุมเท่านั้น การเป็นเจ้าของนอกเหนือจากนั้นกลายเป็นแรงเสียดทานราคาแพง
- สำหรับ Vertical AI คำถามเชิงกลยุทธ์ที่สำคัญกว่าการสร้างเองหรือซื้อแบบเดิมคือ การเป็นเจ้าของเทียบกับการเข้าถึง
- ต้องตัดสินใจว่าส่วนใดจำเป็นต้องควบคุมโดยตรง
- และแยกออกจากส่วนที่สิทธิ์เข้าถึงอย่างมั่นคงก็เพียงพอ
- บริษัท SaaS ส่วนใหญ่เช่า compute และ storage
- แม้ผลิตภัณฑ์ที่ไม่มีคุณค่าเหนือกว่าโครงสร้างพื้นฐานทั่วไปจะเปราะบาง ก็ไม่ได้หมายความว่าต้องซื้อดาต้าเซ็นเตอร์เอง
- ทางออกคือยึดชั้นที่ข้อมูลและเวิร์กโฟลว์รวมตัวกัน แล้วปล่อยส่วนที่เหลือให้ผู้ให้บริการคลาวด์
- เซ็นเซอร์ โมเดล การผสานระบบ บริการ และฮาร์ดแวร์มีคุณค่าเมื่อทำให้เข้าถึงจุดควบคุมได้ แต่หากเกินเกณฑ์นั้น การเป็นเจ้าของอาจเพิ่มเพียงแรงเสียดทานโดยไม่มีความทนทาน
สี่รูปแบบของการเข้าถึง·การเป็นเจ้าของ·การควบคุม
- องค์ประกอบของการบูรณาการแนวดิ่งแยกได้ด้วยตัวแปรสามอย่าง
- การเข้าถึง: ใช้สินทรัพย์ได้โดยไม่ต้องเป็นเจ้าของ
- การเป็นเจ้าของ: สินทรัพย์เป็นของบริษัท
- การควบคุม: ยึดจุดควบคุมหลัก
-
OpenEvidence: การเข้าถึงโดยไม่เป็นเจ้าของ
- OpenEvidence จับคำถามทางคลินิก ณ จุดดูแลผู้ป่วย ค้นหาหลักฐานที่เกี่ยวข้อง และให้คำตอบแก่แพทย์
- เข้าถึงคอนเทนต์ที่ได้รับไลเซนส์ผ่านสัญญาเชิงพาณิชย์กับสำนักพิมพ์วารสารการแพทย์
- จุดควบคุมคือ คำถามทางคลินิก ณ จุดดูแลผู้ป่วย และไม่จำเป็นต้องเป็นเจ้าของวารสาร โรงพยาบาล หรือเวิร์กโฟลว์ทั้งหมดของแพทย์
- ความสามารถในการป้องกันขึ้นกับความต่อเนื่องของการเข้าถึงคอนเทนต์ เครือข่ายกระจายสู่แพทย์ ความไว้วางใจ และมูลค่าของอุปสงค์ที่ถูกรวมไว้
- แกนของความแตกต่างไม่ใช่ตัวคอนเทนต์เอง แต่เป็นความสามารถในการเข้าใจคำถามและคำตอบของแพทย์ในบริบทการรักษาจริงได้ดีกว่า และมอบประสบการณ์ที่เหนือกว่า
-
Halter: การเป็นเจ้าของเพื่อการควบคุม
- Halter เก็บข้อมูลวัวด้วยอุปกรณ์แบบปลอกคอ กระตุ้นการเคลื่อนที่ด้วยรั้วเสมือน และมอบแอปพลิเคชันจัดการฝูงให้เจ้าของฟาร์ม
- หากไม่มีฮาร์ดแวร์ก็เข้าถึงสัญญาณ·การกระทำ·ผลลัพธ์ไม่ได้ ดังนั้น การเป็นเจ้าของปลอกคอจึงจำเป็นต่อการยึดจุดควบคุม
- แหล่งที่มาของความสามารถในการป้องกันไม่ใช่ตัวฮาร์ดแวร์ แต่เป็นลูปการสังเกต·การกระทำและเวิร์กโฟลว์การจัดการฟาร์ม
- หากสามารถขยายการเข้าถึงข้อมูล first-party โดยไม่ทำให้จุดควบคุมอ่อนลง ก็ปล่อยให้องค์ประกอบฮาร์ดแวร์แบบโมดูลกลายเป็นของทั่วไปไปตามเวลาได้
-
Abridge: การควบคุมโดยไม่เป็นเจ้าของ
- Abridge จับบทสนทนาทางคลินิก สร้างเอกสาร และเชื่อมเวชระเบียนเข้ากับเวิร์กโฟลว์การบันทึกชาร์ต การเข้ารหัส และรายได้
- เซ็นเซอร์คือไมโครโฟน แต่จุดควบคุมคือ ชั้นการเขียนของโน้ตทางคลินิก
- โน้ตเริ่มต้นจาก Abridge
- ส่งต่อไปยังระบบสุขภาพผ่านการผสานระบบเชิงลึก
- จับการแก้ไข·อนุมัติของแพทย์ การเปลี่ยนแปลงโค้ด และผลลัพธ์ด้านรายได้
- ไม่จำเป็นต้องเป็นเจ้าของพื้นที่เพิ่มเติมของห่วงโซ่คุณค่าด้านสุขภาพเพื่อ learning loop
- แม้การเขียนบันทึกทางคลินิกจะกลายเป็นของทั่วไป สิ่งที่สะสมไม่ใช่เทคโนโลยีถอดเสียง แต่เป็นตำแหน่งในเวิร์กโฟลว์ถัดมา
- อย่างไรก็ดี ยังเป็นประเด็นว่าด้วยเทคโนโลยีพื้นฐานนี้ จะสามารถป้องกันจุดควบคุมดังกล่าวในระยะยาวเมื่อเผชิญกับผู้เล่นเดิมที่ครองตลาดและเคลื่อนไหวเชิงรุกได้หรือไม่
-
สำนักงานกฎหมาย AI-native: การเป็นเจ้าของโดยไม่มีการควบคุม
- สำนักงานกฎหมาย AI-native ที่นำความสัมพันธ์กับลูกค้า ทนายความ และการให้บริการทั้งหมดไว้ภายใน อาจไม่ได้ความสามารถในการป้องกันจากการเป็นเจ้าของห่วงโซ่คุณค่าทั้งหมดเพียงอย่างเดียว
- หากข้อมูลที่เก็บได้อยู่ในระดับที่บริษัท frontier model, สำนักงานกฎหมายเดิมที่ใช้ Harvey และสำนักงานกฎหมาย AI-native อื่น ๆ เข้าถึงได้ง่าย ก็ไม่แตกต่าง
- การพัฒนา LLM จะนำไปสู่ความสามารถในการป้องกันได้ก็ต่อเมื่อบริการคู่แข่งไม่รับเอาความก้าวหน้าเดียวกันไปใช้
- คูเมืองซอฟต์แวร์ที่แข็งแกร่งมาจาก ลูปข้อมูลกรรมสิทธิ์ การผสานเวิร์กโฟลว์ การกระจายสินค้า และ network effects ไม่ใช่โครงสร้างพื้นฐานพื้นฐาน
สามเงื่อนไขที่การบูรณาการแนวดิ่งจำเป็นจริง ๆ
- การบูรณาการสามารถช่วยรับประกันอุปทาน ลดความล่าช้า ปรับปรุงการควบคุมคุณภาพ สร้างผู้รับผิดชอบรายเดียว และป้องกันไม่ให้ซัพพลายเออร์หลักดูดซับกำไร
- แต่ข้อดีเหล่านี้เป็นเพียงกลไกการทำงาน ไม่ได้เป็นคูเมืองในตัวเอง
-
1. เมื่อหมวดหมู่ยังไม่เสถียรเกินกว่าจะทำให้เป็นโมดูล
- หากรูปแบบการเชื่อมต่อระหว่างโมเดล เวิร์กโฟลว์ ฮาร์ดแวร์ และสภาพแวดล้อมรอบข้างเปลี่ยนอยู่ตลอด ซัพพลายเออร์แต่ละรายอาจร่วมมือกันได้ไม่เร็วพอ
- การบูรณาการจำเป็นเพื่อทำซ้ำอย่างรวดเร็ว แต่นั่นหมายถึงต้องบูรณาการ อินเทอร์เฟซที่ไม่เสถียร ไม่ใช่ต้องเป็นเจ้าของธุรกิจข้างเคียงทั้งหมด
-
2. เมื่อประสิทธิภาพยังไม่ถึงเกณฑ์ของผู้ซื้อ
- หากระบบหลายซัพพลายเออร์ยังไม่สุกงอมหรือเปราะบาง ผู้ซื้ออาจต้องการให้ผู้ให้บริการรายเดียวรับประกันความน่าเชื่อถือ
- บริษัทด้าน reinforcement learning from human feedback (RLHF) อาจเข้าข่ายนี้
- ต้องแยกชั้นที่จำเป็นต่อการ deploy ในปัจจุบัน ออกจากชั้นที่จะเป็นแหล่งรายได้ที่ป้องกันได้ในอนาคต
-
3. เมื่อไม่สามารถได้สิทธิ์เข้าถึงที่ยั่งยืนหากไม่เป็นเจ้าของ
- ซัพพลายเออร์อาจไม่ให้ข้อมูล หรือเซ็นเซอร์ที่จำเป็นอาจยังไม่มีอยู่
- ผู้ให้บริการซอฟต์แวร์อาจทำให้การผสานระบบยากขึ้น หรือจำกัดการกระทำที่ผลิตภัณฑ์ทำได้อย่างรุนแรง
- หากการเป็นเจ้าของสินทรัพย์ที่เกี่ยวข้องเป็นวิธีเดียวที่จะได้สิทธิ์เข้าถึงที่เชื่อถือได้ ก็ควรเป็นเจ้าของโดยตรง
ความได้เปรียบจากการบูรณาการมีเวลาจำกัด
- ในยุค LLM ตลาดเติบโตเต็มที่อย่างรวดเร็ว การแข่งขันผลักดันความสามารถทำงานร่วมกัน และผู้ซื้อก็เข้าใจความต้องการของตัวเองได้เร็วขึ้น
- หลังจากผู้บูรณาการสร้างหมวดหมู่ขึ้นแล้ว คู่แข่งแบบโมดูลจะโจมตีแต่ละชั้นของสแต็ก
- คู่แข่งแบบโมดูลไม่ได้ชนะเสมอไป แต่หากบริษัทบูรณาการไม่สามารถเป็นเจ้าของ คอขวดด้านประสิทธิภาพหรือจุดควบคุม ต่อเนื่อง ความได้เปรียบของการเป็นเจ้าของก็เป็นเพียงชั่วคราว
- ตลาดปัจจุบันคล้ายตลาดอายุน้อยตามที่ Christensen กล่าว
- ผู้ซื้อยากจะตัดสินใจว่าควรซื้อและสร้างอะไร อะไรควรค่าแก่การนำมาใช้
- สตาร์ทอัพเคลื่อนไหวเชิงทดลองมากขึ้นและเน้นที่ปรึกษามากขึ้น และอาจรับขอบเขตกว้างกว่าปกติเพื่อแก้ปัญหาองค์กร
- แต่จำเป็นต้องมีวินัยในการบริหารที่รักษาโฟกัสไว้ แม้ทดลองการขยายหลายรูปแบบ แทนที่จะเป็นเจ้าของทุกอย่างตั้งแต่แรก
ทำให้สินค้าเสริมเป็นของทั่วไป แต่อย่าแบกรับโครงสร้างต้นทุน
- สตาร์ทอัพสามารถทำให้ผลิตภัณฑ์ข้างเคียงถูกลง ฟรี ฝังอยู่ในตัว หรือทำให้ทำมาร์จินได้ยาก เพื่อลด อำนาจกำหนดราคา ของบริษัทเดิม
- การทำให้สินค้าเสริมเป็นของทั่วไปไม่ได้หมายความว่าต้องเป็นเจ้าของโดยตรง หรือรับเศรษฐศาสตร์และโมเดลธุรกิจของอุตสาหกรรมนั้นมาด้วย
- ควรทำให้สินค้าเสริมมีมาก เป็นมาตรฐาน และราคาถูก เพื่อให้คุณค่าย้ายไปยังชั้นที่ตนควบคุม
- ลดราคาได้
- ส่งเสริมมาตรฐานความสามารถทำงานร่วมกันได้
- ต้องกำจัดคอขวดโดยไม่สืบทอดโครงสร้างต้นทุนถาวรของสินค้าเสริม
- หากบริษัท AI ด้านการแพทย์มองว่าบริการเป็นคอขวด ช่วงแรกอาจให้มนุษย์เข้ามามีส่วนร่วมได้
- เป้าหมายไม่ใช่การเป็นผู้ให้บริการต้นทุนต่ำธรรมดา
- ต้องเปลี่ยนงานบริการที่ทำซ้ำให้กลายเป็นสิทธิ์เข้าถึงจุดควบคุม
- ข้อได้เปรียบหลักของซอฟต์แวร์คือ leverage และแม้ AI จะขยายขอบเขตธุรกิจ ความน่าสนใจของซอฟต์แวร์และโมเดลสินทรัพย์เบาก็ไม่ได้หายไป
- ยิ่งสติปัญญาพื้นฐานถูกลง leverage ก็ยิ่งสำคัญ และบริษัทที่ตามมาภายหลังหรือบริษัท frontier model อาจทำให้ผลิตภัณฑ์บูรณาการแตกเป็นโมดูลได้
- ผู้ก่อตั้งควรถามก่อนว่า จะทำให้อะไรเป็นของทั่วไป มากกว่าจะถามว่าจะเป็นเจ้าของอะไร
- หากสินค้าเสริมขัดขวางการนำไปใช้ ให้บูรณาการเพียงเท่าที่ลดอำนาจกำหนดราคา ต้นทุนการประสานงาน และความเสี่ยงด้านความน่าเชื่อถือได้
- ชั้นที่ไม่เสริมจุดควบคุม ให้เช่า ให้ไลเซนส์ หรือเปิดเป็นอินเทอร์เฟซแบบโมดูล
- ความเชี่ยวชาญเฉพาะทางของฟังก์ชันและแรงงานเป็นหลักเศรษฐศาสตร์ที่แข็งแกร่ง จึงต้องเลือกอย่างระมัดระวังว่าจะเผชิญหน้าตรง ๆ ในระยะยาวกับพื้นที่ใด
จุดควบคุมที่ปรากฏในปี 1841
- หลังวิกฤตการเงินปี 1837 เผยให้เห็นการขาดข้อมูลเครดิตการค้าที่เชื่อถือได้ Lewis Tappan ก่อตั้ง Mercantile Agency ในปี 1841
- บริษัทนี้สร้างเครือข่ายทั่วประเทศด้วยผู้สื่อข่าวรับค่าจ้าง เช่น ทนายความ นายธนาคาร และผู้สังเกตการณ์ท้องถิ่น และสร้างเครือข่ายเครดิต B2B แรกที่รวบรวมความสามารถในการชำระหนี้ ชื่อเสียง และความน่าเชื่อถือของพ่อค้า
- มีการเล่าว่า Abraham Lincoln หนุ่มก็เป็นหนึ่งในผู้สื่อข่าวยุคแรกด้วย
- ในเวลานั้น พ่อค้าเป็นผู้ประกอบการบูรณาการแนวดิ่งที่แบกรับทั้งสินค้าคงคลัง คลังสินค้า ซัพพลายเชน ความสัมพันธ์ลูกค้า รวมถึงความเสี่ยงด้านทุนและปฏิบัติการ
- Mercantile Agency ยึด ชั้นข้อมูล ที่จำเป็นต่อการตัดสินใจสินเชื่อธุรกิจซึ่งเกิดซ้ำและมีมูลค่าสูง
- เครือข่ายผู้สื่อข่าวเป็นผู้ให้ข้อมูล
- ทุกครั้งที่เพิ่มข้อมูล เช่น การชำระเงินและการค้างชำระ ระบบตัดสินใจสินเชื่อก็ดีขึ้น
- เป็นตัวอย่างของผู้ประกอบการสินทรัพย์เบาที่ได้จุดควบคุม
- ต่อมา Mercantile Agency กลายเป็น Dun & Bradstreet บริษัทข้อมูลธุรกิจอายุยืนของสหรัฐฯ
- ตามกฎการรักษากำไรที่น่าดึงดูดของ Christensen กำไรจะย้ายไปหาบริษัทที่ ควบคุมคอขวดด้านประสิทธิภาพ ไม่ใช่บริษัทที่มีชั้นมากที่สุด
- Mercantile Agency ไม่ได้เป็นเจ้าของสินค้าคงคลังหรือคลังสินค้า แต่เป็นเจ้าของสมุดบัญชีเครดิตของพ่อค้า ซึ่งเป็นศูนย์กลางแลกเปลี่ยนข้อมูลของธุรกรรมการค้า
- ผู้ก่อตั้ง Vertical AI ต้องหาสิ่งเทียบเท่าสมัยใหม่ของสมุดบัญชีนี้ และเป็นเจ้าของสแต็กเท่าที่จำเป็นเพื่อให้มันแม่นยำ ยั่งยืน และเติบโตแบบทบต้น
- ต้องเลือกการ bundling และ unbundling อย่างรอบคอบ และสนับสนุนโดเมนเฉพาะให้ดีจนลูกค้าไม่เพียงรู้สึกว่าเปลี่ยนยาก แต่ถึงขั้นไม่รู้สึกว่าจำเป็นต้องเปลี่ยนเลย
1 ความคิดเห็น
ฟูลสแตกแบบขั้นต่ำที่เพียงพอ....โห