Dikey AI'ın Önemi
- Son 10 yılda dikey SaaS (Vertical SaaS), sektöre özel yazılımların gücünü kanıtladı ve Toast, Shopify, Procore, ServiceTitan gibi birçok başarı örneği ortaya çıktı
- Hâlâ dikey SaaS'ın yeterince hizmet veremediği birçok pazar var
- Teknolojik yeniliğe doğası gereği engel oluşturan temel sektörler (ör. yapılandırılmamış veri, sınırlı TAM, yavaş satış döngüleri, düşük yıllık sözleşme değeri, zorlayıcı mevcut müşteriler)
- Henüz yeni ortaya çıkan veya büyük dönüşüm geçiren alanlar (ör. enerjide elektrifikasyon)
- Artık yapılandırılmamış veriyi işleyebilen yapay zekanın ortaya çıkması ve dikey SaaS'ı dikey yazılım olarak yeniden tanımlayan önemli gelişmeler sayesinde, bu alanlar için de hizmet verilebilir yazılım kurmak mümkün hâle geldi
- Önceki teknoloji dönemlerinde dikey SaaS yalnızca yapılandırılmış veriye ve modern teknoloji yığınına sahip şirketlere uygulanabiliyordu
- LLM'ler yapılandırılmamış veriyi işleyebildiği için, AI'ın teknolojik olarak geride kalmış sektörleri modern döneme taşımasını sağlayan eksik parça olabilir
- Dikey odaklı girişimler, geleneksel SaaS modelinin ötesine geçerek gömülü ödemeler (Toast, Shopify), reklam (Pepper, Provi), B2B pazar yeri (Faire, Novi) gibi stratejileri benimsiyor
# Dikey AI yatırım çerçevesi
Data: Better Data Over Better Models (Daha iyi modellerden çok daha iyi veri önemlidir)
- AI uygulamaları kurarken veri, farklılaşmış bir konum oluşturmanın muhtemelen en önemli parçasıdır
- Girişimler, çok büyük bir veri külliyatına ihtiyaç olup olmadığını ve özel/veriye dayalı mülkiyet avantajı sağlayacak veri varlıkları oluşturma fırsatı bulunup bulunmadığını belirlemelidir
- Birçok sektörde veri dağınık ve silo hâlindeki legacy sistemlerde bulunduğundan, veri çıkarma sorununu ele alan şirketler özellikle dikkat çekicidir
- Veri özetleme ve üretme yeteneklerindeki ilerlemeye kıyasla veri çıkarma hâlâ sancılı ve çözülmemiş bir problemdir
- Fark yaratan unsur, sınıfının en iyisi denetim, etiketleme ve sürekli güncellenen verilere sahip olmaktır
- Daha güçlü bir veri pozisyonu ise ürün kullanımının bizzat veri seti üretmesi durumunda ortaya çıkar
- Ör: müşterilerin kendi verilerini etiketlemesi veya ürünle etkileşimlerine dair veri setleri geliştirmesi
- Veriye erken erişim, başlangıçta bir hendek (moat) olarak önem taşısa da, nihayetinde müşterilerin ürünü kullanırken ürettiği verinin uzun vadeli hendeği sağladığı düşünülüyor
TAM(Total Addressable Market): Market Size vs Market Penetration (Pazar büyüklüğü ve pazar penetrasyonu)
- Dikey pazarlara yönelmemenin en büyük riski ve gerekçesi, yatay yaklaşıma kıyasla TAM'in daha küçük olmasıdır; ancak bu hem dezavantaj hem de avantaj olabilir
- Çünkü pazar küçüldükçe güçlü finansmana sahip rakip sayısı azalır, odaklanılacak alan daralır ve bu da dağıtım avantajı ile daha yüksek pazar yoğunluğu sağlayabilir
- Sağlık ve finansal hizmetler gibi yüksek derecede parçalı temel sektörlerde, sektör içinde çok sayıda fırsat bulunabilir
- Bir sektöre girmek için giriş noktası bulmak adına, rakiplerin henüz girmediği, AI talebinin kanıtlandığı, LLM tabanlı araçlara en uygun ve kişisel olarak en iyi hizmet verilebilecek alt alanı belirlemek önemlidir
ACV: Multiple Products and Revenue Streams (Birden çok ürün ve gelir akışı)
- Tek bir SaaS ürününün altı haneli ACV'ye (Annual Contract Value) ulaşması en iyi yaklaşım değildir
- Dikey odaklı girişimler, çok ürünlü yapıya genişleyebilir ve çekirdek ürünün ötesinde ek gelir kaynakları yaratabilir
- Çekirdek ürüne yeni ürün hatları eklemek, zaman içinde paketleme ve yukarı satışa olanak tanır; sonuçta organizasyonun birden fazla noktasında kalıcı bir yer edinilebilir
- Restoran ödeme platformu Toast, bordro ve iş gücü yönetimi özellikleri ekleyerek çok ürünlü stratejiyi hayata geçirdi
- B2B pazar yeri Provi ve Pepper, reklam yoluyla ek gelir kaynakları yarattı
- Güneş enerjisi kurulum platformu Aurora Solar, finansman seçenekleri sunan ürünlerle ek gelir elde etti
- İnşaat hizmetleri platformu Procore ise son dönemde inşaat projelerinin yaşam döngüsü boyunca elde edilen veri içgörülerini kullanarak sigorta sunmaya başladı
Founder(s): Product Builders With Domain Experience (Kurucu(lar): Alan deneyimine sahip ürün geliştiriciler)
- Hem alan deneyimine hem de teknik geçmişe sahip kurucu ekipler, saf teknik ekiplerden daha avantajlıdır
- Bu durum, özellikle sağlık gibi bir seferde onlarca hatta yüzlerce farklı kuruluşla uzun vadeli sözleşme yapılan sektörlerdeki mevcut kurumlara satış yapmaya çalışan girişimlerde daha belirgindir
- Bu karmaşıklığı iyi anlamak, doğru pazara giriş stratejisini oluşturmak, satış takvimini planlamak ve ekip kurmak açısından kritik önemdedir
GTM: Create Urgency (Pazara giriş stratejisi: Aciliyet yaratmak)
- Dikey satış döngüleri uzun olabilir; özellikle teknoloji alıcılarının daha az olgun olduğu büyük geleneksel sektörlerde bu daha da belirgindir
- Kritik dağıtım kanallarını ele geçirmek için GTM stratejisinde aciliyet yaratabilecek özgün yöntemler veya yollar bulunmalıdır
- AI'a olan ilginin artması, yeni ürünleri deneme baskısı oluşturdu; ancak bu hem ters rüzgâr hem de arka rüzgâr olabilir
- Tüm alıcıların gündeminde AI olduğu için, yeni şirketlerin potansiyel müşterileri arayıp deneme sürümünü kullandırması kolaydır. Ancak birden fazla pilotu karşılaştırmaktan yorulan kullanıcıları müşteriye dönüştürmek özellikle zor olabilir
- Yani alıcının ürünü değerlendirmesi, dönüşmesi ve kullanmaya başlaması için acil bir durum yaratmak önemlidir
- Hızlı dönüşüm için temel değer önerisi dikkatle ele alınmalıdır
- İş gücü verimliliğini artırma ya da "inovasyon" vaat etmek tek başına yeterli değildir
- Ürünün geliri nasıl artırabileceğini veya maliyeti nasıl net biçimde azaltabileceğini göstermek daha etkilidir
Product: Beyond Copilot (Ürün: Copilot'un ötesi)
- Bugünün baskın paradigması, insan ile AI Copilot'un eşleştiği modeldir
- İnsan işin büyük bölümünü yapar, AI yardımcı pilot ise insanın kapasitesini geliştirir/güçlendirir
- Önümüzdeki birkaç yıl içinde, ana işi AI ajanlarının yaptığı ve insanların sonuçları kontrol edip düzenlediği ters modeli daha sık göreceğimiz öngörülüyor
- Copilot yaklaşımı, dağıtımı zaten elinde tutan mevcut oyuncular tarafından domine edilebilirken; AI ajanları daha yeni alanlara meydan okuma fırsatı sunduğu için girişimler açısından daha uygun bir giriş noktasıdır
- Paradigma değişimi geleceğin iş dünyası üzerinde çok büyük etki yaratacaktır
- AI ajanları daha fazla nitelikli emeğin yerini aldıkça, yazılıma yapılan harcama iş gücü maliyetinin yerini alacaktır
- Yeni kullanım veya performans bazlı fiyatlandırma modellerinin ortaya çıkması bekleniyor; bu da daha yakından incelenmesi gereken bir archetype olacaktır
# Dikey fırsatlar
- AI'ın neredeyse tüm sektör dikeylerinde dönüşüm yaratması bekleniyor
Professional Service (Profesyonel hizmetler)
- Hukuk hizmetleri, muhasebe, danışmanlık gibi manuel iş yükünün yüksek olduğu birçok alanda uzmanlar; önemli bilgileri okuyup yorumlamak, ardından analiz, müşteri iletişimi, notlar ve raporlar şeklinde yanıt üretmek için önemli zaman harcar
- Hukuk hizmetleri alanında dil, temel üründür ve büyük dil modelleri bugünkü platform değişiminin temelini oluşturur
- ABD'deki hukuk pazarı 300 milyar doların üzerindedir ve AI benimsenmesine yönelik ilgi kanıtlanmıştır
- Harvey, EvenUp, Eve, Spellbook gibi AI öncelikli şirketler ortaya çıktı
- Thomson Reuters, Relativity, Ironclad gibi yerleşik şirketler de AI şirketleri satın aldı veya AI'ı mevcut ürünlerine entegre etti
- Danışmanlık ve muhasebe, AI'ı benimsemeye hazır diğer alanlardır
- Big 4 danışmanlık şirketlerinin her biri on binlerce danışman ve muhasebeci istihdam ediyor; bu da AI ile büyük ölçekte desteklenebilecek devasa bir iş gücü anlamına geliyor
- KPMG ve PwC, sırasıyla 5 yıl içinde AI ürünlerine 2 milyar dolar ve 3 yıl içinde üretken AI'a 1 milyar dolar yatırım yapmayı planlıyor
- Harvard Business School ile BCG'nin ortak araştırmasına göre GPT-4 kullanan danışmanlar işleri %25 daha hızlı tamamlıyor ve çıktı kalitesi %40 artıyor
- Muhasebeciler, kuralları ve politikaları anlamaya ve bunları hesaplamalara uygulamaya zaman harcar
- Muhasebe profesyonelleriyle yapılan görüşmelerde gelir tahakkuku (revenue recognition), en zorlayıcı ve tekrarlı (aylık) ama aynı zamanda en otomasyona uygun kullanım senaryolarından biri olarak gösteriliyor
Finansal hizmetler
- Finansal hizmetler, AI için uygun birçok özelliğe sahiptir
- Yalnızca ABD'deki pazar büyüklüğü 11 trilyon dolara ulaşıyor ve AI araçlarına talep kanıtlanmış durumda
- BloombergGPT'nin lansmanı, Morgan Stanley'nin OpenAI ile ortaklığı, AlphaSense'in pazar istihbaratı platformuna AI destekli arama ve özetleme araçları eklemesi
- Yatırım profesyonelleri ve finansal danışmanların günlük iş akışına bakıldığında, AI'ın nasıl uygulanabileceğini görmek kolaydır
- İç verilerin ve gerçek zamanlı piyasa verileri ile haberlerin işlenmesi, finansal modelleme ve hesaplamalar vb.
- Hebbia, Sixfold, Hyperexponential, Portrait Analytics gibi AI tabanlı girişimler ilerleme kaydediyor
Sağlık
- AI'ın sağlık üzerindeki potansiyel etkisi uzun süredir tartışılıyor; ancak bugüne kadar bu ölçekte somut bir etki görülmemişti
- LLM'ler, teşhis veya karar verme modellerini iyileştirebilir, sigorta talebi işlemlerini otomatikleştiren platformlar geliştirebilir ve sağlık verilerinin genel yönetimini iyileştirebilir
- LLM tabanlı uygulamalar, önceki nesil AI araçlarını önemli ölçüde iyileştirebilir ve yapılandırılmamış veriyi yapılandırılmış veriye dönüştürmek gibi yüksek katma değerli kullanım senaryolarının önünü açmada kritik rol oynar
- Google'ın Med-PaLM 2 modeli, karmaşık tıbbi soruları yanıtlama yeteneğine sahiptir ve tıp lisans sınavındaki soruları başarıyla yanıtlamıştır
- Tıbbi LLM geliştirmek, önemli zaman ve kaynak gerektiren son derece iddialı bir iştir
Henüz yorum yok.