- LLM tabanlı yapay zeka ve ajan iş akışlarının yükselişi, SaaS’ın ekonomik mantığını temelden çözüyor; zekâ maliyetindeki sert düşüş de kurumsal teknoloji pazarındaki değer akışını yeniden şekillendiriyor
- AI hizmetlerinde yalnızca maliyet avantajı, sürdürülebilir bir hendek kurmaya yetmez; LLM altyapısına bağımlı girişimler taksi dispatch problemi ile karşı karşıya — ödünç alınmış marjların üzerinde duran bir yapı
- Jevons Paradox uyarınca toplam AI harcaması patlayıcı biçimde artsa da bu değer mevcut pazar oyuncularının tamamına geri dönmez ve buna değer zincirinde büyük ölçekli bir yeniden yapılanma eşlik eder
- Vertical AI’da kazanan şirketler, dış hizmet sağlayıcıları değil; müşteri operasyonlarına derin biçimde gömülü sistemler kuran şirketlerdir — veri çekimi, ağ etkileri ve platform kilitlenmesi kritik önemdedir
- Düşük fiyat stratejisini kasıtlı bir kama olarak kullanıp pazardaki konumunu aldıktan sonra bileşik zekâ platformuna dönüşmek, sürdürülebilir tek stratejidir
Yapısal dönüşüm: SaaS’tan AI ajanları çağına
- Kurumsal teknoloji pazarı, on-premise’dan buluta geçişe benzer bir yapısal dönüşüm yaşıyor
- Yaklaşık 20 yıl boyunca SaaS modeli; tekrar eden gelir, koltuk bazlı lisanslama ve kullanıcı etkileşimini değer için vekil metrik olarak kullanarak trilyonlarca dolarlık piyasa değeri yarattı
- LLM tabanlı yapay zeka ve ajan iş akışlarının yükselişi, bu SaaS’ın ekonomik mantığını çözüyor
- Temel itici güç, zekâ maliyetindeki sert düşüş — aynı zekâ seviyesi için maliyet hızla azalıyor
- Ancak çıkarım karmaşıklığı arttığı için toplam token harcaması artmaya devam ediyor (token birim fiyatı düşse bile)
- OpenAI, Google, Anthropic gibi güçlü sermayeli laboratuvarlar arasındaki yoğun rekabet ve donanım-yazılım verimliliğindeki artış nedeniyle bu eğilimin yavaşlaması beklenmiyor
AI hizmetlerinde deflasyon baskısı
- Ajanlar geleneksel manuel hizmetlerin yerini aldığında, harcama olduğu gibi ele geçirilmez; bunun yerine hizmette metalaşma (commoditization) yaşanır
- Birkaç yıl önce 100 bin dolar ödenen bir hizmet, sonunda bunun yalnızca bir kısmına mal olacak bir yapıya dönüşür
- Ucuz AI nedeniyle Vertical AI ürünlerinde kalıcı deflasyon baskısı vardır
- Belgelerden veri çıkarma, gelen çağrıları yanıtlama, uyum raporu taslağı hazırlama gibi işlevler bugün altyapı ve know-how’ın kıt, benimsenmenin düşük olması nedeniyle güçlü birer kama olabilir; ancak yakında olmazsa olmaz temel özellikler haline gelecekler
- Her kategoride iyi finanse edilen ve büyüyen birçok girişim bulunduğundan, fazla marjlar rekabetle ortadan kalkacak
- O zamana kadar hendek kuramayan girişimler elenecek
AI hizmetleri vs. yazılım: hizmet sunum paradigması
- Zekânın marjinal maliyeti sıfıra yaklaştığında, kurumsal teknolojinin temel değer önerisi emek destek araçlarından emeğin yerine geçen çıktıların sunumuna kayar
- Vertical AI, tek başına Vertical SaaS’a kıyasla uçtan uca daha fazla iş akışını üstlenebilir; bu da müşteri değerini ve ödeme isteğini büyük ölçüde artırır, çok daha büyük bütçelere erişim sağlar
- Ancak hizmet sunumunun — iç platformdan ziyade dış tedarikçiye benzer bir müşteri ilişkisiyle — AI yazılımının baskın paradigması olduğu yönündeki mevcut ana akım görüşe katılmayan bir yaklaşım söz konusu
Genişleyen TAM tüm girişimleri yüzdürmez
- Zekâ maliyetinin keskin biçimde düşmesi AI hizmetleri TAM’ını ciddi ölçüde büyütse de, bu fırsat genişlemesi mutlaka değer zincirinin aynı noktasına yazılmaz
- Spreadsheet ve muhasebe sektörü örneği: Microsoft Excel’in devreye girmesinden (1987) sonra muhasebe kayıt görevlileri ve büro personelinin sayısı yaklaşık 2 milyondan 1,5 milyona düştü; buna karşılık muhasebeci ve denetçilerin sayısı yaklaşık 1,3 milyondan 1,5 milyona, yönetim analistleri ve finans yöneticilerinin sayısı ise yaklaşık 600 binden 1,5 milyona çıktı (Morgan Stanley araştırmasına atıfla)
- Spreadsheet’ler yalnızca muhasebe kaydını otomatikleştirmedi; değeri teknoloji eğrisinin üstüne taşıdı — tekrarlayan emekten daha üst düzey analize geçiş sağladı
- Uber ve ride-hailing örneği: Yalnızca değer zinciri içinde yeniden dağılım değil, tüm bir ara katmanın ortadan kalkması da yaşandı
- Küresel taksi pazarı 2019’da yaklaşık 69 milyar dolardan 2024’te yaklaşık 271 milyar dolara büyüdü; Uber öncesi geleneksel taksi pazarı ise 30–50 milyar dolar ölçeğindeydi
- “Bir araç çağırıp bir yere gitme” için yapılan toplam harcama 15 yılda yaklaşık 5–8 kat arttı, işlem başı fiyat ise yaklaşık yarıya indi (VC sübvansiyonları sonrası dönemde %10–20 geri yükselerek)
- Tarihsel olarak gelir; sahiplerde (işleten-sahipler, NYC medallion sahipleri vb.), broker’larda (taksi acenteleri, dispatch birimleri, garajlar) ve maaşlı sürücülerde toplanıyordu
- Bu paydaşların çoğu yıkıma uğradı ve acentelik geliri Uber ile Lyft tarafından emildi
- NYC medallion fiyatları 2013’te yaklaşık 1 milyon dolarlık zirveden bugün 100 bin doların altına çöktü (kamu müdahalesiyle kısmi toparlanma işaretleri olsa da)
Jevons Paradox ve kurumsal AI
- Aynı Jevons paradoksu bugün kurumsal AI’da yaşanıyor
- Model kalitesi, bağlam ve çıkarım karmaşıklığı sabit tutulduğunda, zekâ birimi başına maliyet sert biçimde düşüyor
- GPT-3.5 düzeyindeki çıkarım maliyeti, Kasım 2022 ile Ekim 2024 arasında 280 kattan fazla düştü
- 2023’te orta ölçekli bir şirketin tüm gelen e-postalarını bir LLM ile okuyup sınıflandırmak maliyetliydi; bugün milyon token başına yaklaşık $0.40 ile ihmal edilebilir düzeyde
- AI kodlama araçları sayesinde bugün kodun %41’i AI tarafından üretiliyor veya AI desteğiyle yazılıyor — bu da giriş engellerini daha da düşürüyor
- Toplam AI harcaması patlayarak artıyor: kurumsal AI geliri 2023’te 1,7 milyar dolardan 2025’te 37 milyar dolara çıkarak 2 yılda 22 kat büyüyor
- Küresel AI harcamasının 2026’da 2,5 trilyon doları aşması bekleniyor (IDC)
- Gartner, AI’ın toplam IT harcamasının üçte birini oluşturacağı tarihe dair tahminini 2 yıl öne çekti
- Temel soru pastanın büyüyüp büyümediği değil, onu kimin yiyebileceği
Taksi dispatch problemi
- AI Services’in (“Service-as-Software”) kazanan iş modeli olduğu yönünde popüler bir tez var
- Foundation Capital bunu 4,6 trilyon dolarlık fırsat olarak çerçeveliyor: IT bütçeleri GSYH’nin %1–2’sini oluştururken, emek ve geleneksel hizmetler %15’ten fazlasını oluşturuyor
- Buna göre AI, muhasebecilerin, hukuk asistanlarının ve uyum analistlerinin işini yaparsa, fiyatlama bu çalışanların tam yüklü maliyeti (fully-loaded cost) üzerinden yapılabilir
- Ancak yalnızca analog bir ürün sunmak, bu bütçeleri uzun vadede yakalamaya yetmez
- Hizmetler doğası gereği metalaşabilir
- AI alternatifi dağıtarak büyüyen girişimlerin çoğu, bu ekonomik arbitrajı mümkün kılan IP’ye (LLM) sahip değil — sahip olan laboratuvarlar
- Temel iş akışı orkestrasyonu, RAG ve alan odaklı fine-tuning, sürdürülebilir bir hendek değildir
- Taksi dispatch probleminin AI’a uygulanışı: Uber öncesi taksi dispatch acenteleri, sürüş eşleştirmesiyle marj yakalardı — arzın (yerel sürücü yoğunluğu) ve talebin (yerel bilinirlik) kümelenmesinden belli bir savunma gücü elde ederlerdi
- Ancak arz ve talebi daha verimli eşleştiren, araç sahipliğini dışsallaştırarak arzı büyük ölçüde genişleten ve kullanıcıya daha düşük maliyet sunan bir platform ortaya çıktığında dispatch yapısının rekabet gücü yok oldu
- Dispatch birimlerinin kaybetme nedeni Uber’in komisyon oranı değildi
- Uber, sürücü kazançlarının ortalama yaklaşık %30’unu alıyor; bu oran, geleneksel taksi acenteleri, medallion kiralayanlar ve dispatch yapıların birlikte çekip aldığı %30–50’den çok farklı değil
- Uber’in hendeği daha az pay alması değil; dispatch, ödeme, eşleştirme ve itibar gibi tüm aracılık işlevlerini ağı sahiplenen tek bir platformda birleştirmesiydi
- Bir AI Service şirketinin temel değeri “bu hizmeti LLM ile daha ucuza sunuyoruz” ise, bu yapı kendisine ait olmayan marjların üstünde oturan bir dispatch birimidir
- Bu maliyet eğrisi model laboratuvarları, hyperscaler’lar, çip üreticileri ve enerji üreticileri tarafından kontrol edilir
- Modeller ucuzladığında veya rakip aynı model API’sine bağlanıp daha düşük fiyat verdiğinde, maliyet avantajı sıfıra yakınsar
- Bugün dünya genelinde yaklaşık 35 bin AI wrapper uygulaması var; rekabet yoğunluğu önceki teknoloji dönemlerinden çok daha yüksek
- Hizmeti ucuza sunabilme yeteneği ile bu marjı koruyabilme yeteneği ayrı şeylerdir — zekâ maliyetinin çöküşünün yarattığı tüketici artığını kalıcı olarak kimin yakalayacağı bugün asıl sorudur
Gömülülük (Embeddedness) ve savunma gücü
- Maliyet eğrisinin ötesine geçen savunma gücü kurabilen şirketler, artığı yakalar ve korur
- Kurumsal teknolojide savunmanın tarihsel kaynakları: alan uzmanlığı, hız ve icra kabiliyeti, ortaklık ve entegrasyon ilişkileri, veri çekimi, marka ve güven, platform kilitlenmesi
- Erken aşamada: hızla zayıflayan alan uzmanlığı ile hız-icra kapasitesi başlıca avantajlardır
- Ortaklık ve entegrasyon ilişkileri kalıcı olabilir ancak ölçek büyüdükçe göreli önemleri azalır
- Büyüme aşamasındaki en kritik hendek kullanım ve veri döngüleridir
- Ölçekte savunulabilir bir Vertical AI işi için en az veri çekimi, marka-güven veya platform kilitlenmesinden biri ya da daha fazlası gerekir
- Vertical AI işlerini değerlendirmenin en önemli ekseni “hizmet vs. yazılım” değil, “iç (internal) vs. dış (external)” eksenidir
- “İç”, müşterinin her gün giriş yaptığı geleneksel SaaS arayüzünü zorunlu olarak ifade etmez — değerin doğrudan klavye kullanımına bağlı olduğu yönündeki eski sektör uzlaşısı artık geçerli değildir
- Asıl soru şudur: AI şirketi, müşteri operasyonlarına yapısal olarak sökülmesi zor bir şekilde gömülmüş mü?
- Müşterinin ürettiği özel verileri elinde tutuyor mu? Müşteriyi karşı taraflara, tedarikçilere, ekosisteme bağlayarak yeniden kurmayı acı verici hale getiriyor mu? Komşu iş akışlarına entegre olup kaldırıldığında zincirleme kesintiler yaratıyor mu?
- “Dış”, geleneksel hizmet satıcısına benzer — müşteri gerektiğinde çağırır ama daha iyi teklif bulursa gelecek hafta başka yere geçebilir
- Dış çözümler gerçek değer sunar ve maliyet farkı büyük, benimseme erken aşamadaysa hızla büyüyebilir; ancak ödünç marjların üzerinde durdukları için diğer AI Services girişimleri, iyi finanse edilen SaaS incumbent’ları ve hatta alıcının kendisiyle aynı rekabet dinamiklerine maruz kalırlar
4 kadranlı çerçeve: Vertical AI değerlendirme matrisi
- Vertical AI manzarası iki eksenle haritalanır: iç vs. dış (ürünün müşteri operasyonlarına gömülme derinliği) ve kama vs. platform (ürün kapsamı ve derinliği)
- Durable (sağ üst): iç AI platformu — bileşik hendeklere giden net yolu olan bir System of Intelligence & Action; erken bir kamadan çok ürünlü bir platforma evrilir. Abridge ve EvenUp bunun temsilci örnekleridir
- Rare (sol üst): dış platform — danışmanlık niteliğinde yüksek ACV’ye sahiptir, çoğu zaman iç AI ürününü kendi üzerinde kullanır. Yüksek müşteri yoğunlaşması ve sınırlı gömülülük nedeniyle istikrarsızdır
- Commodity Risk (sol alt): dış kama ürünü — aşırı yüksek erken büyüme potansiyeli taşır ama ödünç alınmış AI marjlarıyla rekabet ettiği için varoluşsal risk altındadır
- Precarious (sağ alt): iç kama — savunulabilir bir platforma genişleyebilecek yüksek erken büyüme potansiyeli taşır, ancak AI lideri incumbent’ların kama kopyalama riski vardır
- Değerli iki geçiş yolu vardır: dış→iç (gömülülüğü derinleştirme) ve kama→platform (ürün genişliği inşa etme)
- Kama→platform, sürdürülebilir Vertical Software kurmanın kanıtlanmış modelidir
- Bazı girişimler, dış ve yüksek ölçeklenebilir AI Services kamasıyla başlayıp iki geçişi aynı anda denemeye çalışır
Vertical AI: metalaşmaya karşı siper
- Vertical AI’ın güçlü olmasının nedeni, her sektörün kendine özgü dinamiklerinin müşteriye derinlemesine gömülen farklılaştırılmış çözümler kurmak için verimli bir zemin sunmasıdır
- En iyi Vertical SaaS şirketlerinin (Veeva, Procore, Toast, ServiceTitan vb.) kazanmasının nedeni daha ucuz olmaları değil, kullanıcının özgül ihtiyaçlarını daha doğru yansıtan bir system of record haline gelmeleriydi
- Salesforce veya NetSuite’i milyonlarca dolarlık danışmanlıkla özelleştirebilirsiniz; ama en baştan sizin için yapılmış bir sistem varken buna gerek yoktur
- Özel sektör verisini ve birinci taraf veriyi (klinik deney verisi, iş maliyeti verisi, restoran gelir verisi) biriktirip kullandıkça ürünün iyileştiği bir yapı kurarlar
- Dağınık ve sektöre özgü ekosistemleri (ilaç şirketi-klinik saha, ana yüklenici-alt yüklenici, restoran-teslimat ağı) birbirine bağlayarak ağ etkisi hendeği oluştururlar
- Kama daha ucuza sunulan bir hizmet olabilir; ancak hendek, bu kamanın üzerine kurulan sistemdir — iç konumlanmayı kullanarak özel veri, ağ etkileri, çok ürünlü platform ve sektörün “beyni”ni geliştirip basit bir satıcı değil bağımlı olunan altyapı haline gelmek
- Bu sıçramayı yapamayıp maliyet rekabeti içinde dış AI hizmet sağlayıcısı olarak kalanlar, taksi dispatch yapılarının kaderini paylaşır — pazarın %500 büyümesini izlerken marjları sıfıra yakınsar
Kazananlar metalaşmayı kucaklar
- Vertical Collective yuvarlak masa toplantısında bir kurucunun içgörüsü: “Birçok kişi dibe doğru fiyat yarışını kötü görür ama biz tersini düşünüyoruz — asıl anahtar yeni değer yaratmak”
- Sadece maliyet üzerinden rekabet etmek ölümcül olabilir; ancak yukarıda anlatılan hendekleri inşa edecek konumlanmayı elde etmek için kasıtlı bir kama olarak çok güçlüdür
- Bazı Vertical AI girişimlerinin, AI Services’in metalaşmasına bağlı taban fiyat rekabetini bilinçli biçimde benimsemesi ve hızlandırması gerekir
- Geleneksel oyuncuların eşleşemeyeceği kadar çarpıcı biçimde düşük fiyatlarla çok sayıda müşteri kazanmak
- Müşteri başına “çıktı” gelir fırsatını kısmen kendi kendine aşındırsa da, hızlı büyüme, sektör güveni ve müşteriye başka yollarla hizmet verme hakkı kazanmak
- Rekabet edemeyen pazar liderlerinin konumunu zayıflatıp rekabet boşluğu yaratarak genişleme için pole position elde etmek
- Bu strateji, “Nuking Pricing Power” stratejisinin bir türevidir: tamamlayıcı ürünün düşük fiyatlı (veya ücretsiz) sürümünü geliştirip destekleyerek hızlı benimsemeyi teşvik etmek ve tamamlayıcının fiyat belirleme gücünü zayıflatmak
- Daha basit söylersek: ürün metalaşacaksa, pazarı kapmak için onu bizzat sizin metalaştırmanız daha iyidir
Değer hipotezi (Value Hypothesis)
- Her kurumsal teknoloji paradigma değişimi, arazi kapma yarışı ve yeniden yapılanma getirir
- Bulut bilişim 2005–2015 arasında binlerce SaaS girişimi doğurdu; ancak bunların çoğu emildi, satın alındı, birleşti ya da yok oldu; yalnızca küçük bir kısmı sürdürülebilir, kategori tanımlayan platformlara dönüştü
- Vertical AI’da da aynı desen bekleniyor; fakat daha büyük pazar fırsatı, daha hızlı büyüme, daha yaratıcı gelir modelleri, daha yüksek erken sermaye verimliliği — ve tüm bunlar nedeniyle eşi görülmemiş düzeyde rekabet ile birlikte
- AI Services kurucularının tuzağı, ölçeklenebilir bir kamayı savunulabilir bir işle karıştırmalarıdır
- Kalıcı olacak şirketler; maliyet farkının büyük, benimsenmenin erken ve incumbent’ların yavaş olduğu bugünkü pencereyi kullanarak müşteri operasyonlarına, geçişin sadece zahmetli değil yapısal olarak acı verici olacağı kadar derin gömülür
- Bu yeni bir fikir değil; kurumsal yazılımın en eski fikrinin yeniden keşfidir
- Yeni olan yüzey kısmıdır: SaaS şirketleri birkaç iş akışına gömülüp kullanıcı etkileşim ekranından veri yakalayabiliyordu; AI-native platformlar ise tüm iş akışlarına gömülür, insan varlığı olsun ya da olmasın her etkileşimden veri yakalar ve çalıştıkça ürünü geliştiren bileşik zekâ kurabilir
- “Load-bearing infrastructure” kurma fırsatı hiç bu kadar büyük olmamıştı; “daha ucuz satıcı” olmakla yetinme cazibesi de aynı şekilde
- Andy Rachleff’in “değer hipotezi”: Bir girişimin neyi, kime, nasıl sunduğuna dair hipotezi ilk denemede “neredeyse asla tam doğru değildir” — kurucular, sadece ilgilendiğini söyleyenleri değil, ürüne gerçekten umutsuzca ihtiyaç duyan müşterileri bulmalıdır
- Müşteriler her zaman daha ucuz hizmetle ilgilenir; ancak gerçekten istedikleri ve elde tutmak için para ödedikleri şey, işleri kendilerinden daha iyi bilen bir sistemdir — kurumsal bilgiyi biriktiren, ekosisteme bağlanan ve her etkileşimde içsel değeri artan bir sistem
Notlar
- AI insan çalışanları daha verimli hale getirirse, Salesforce’un yaygınlaştırdığı koltuk bazlı SaaS modeli artık geçerli olmaz — ürün ne kadar iyiyse müşteri harcaması o kadar düşen bir yapı ortaya çıkar
- Otonom ajanların amacı sözleşme taslağı hazırlamak, müşteri destek biletlerini çözmek, finansal mutabakatları insan müdahalesi olmadan yapmaksa, “screen time” anlamsız hale gelir
- Yeni paradigmada verimlilik, ekran başında geçirilen sürenin yokluğu ile tanımlanabilir
- Arayüzün kendisi de ikame edilebilir hale geliyor: veri, aksiyon ve kayıtların “karar katmanı” hâlâ önemli olsa da, hiçbir müşterinin aynı UI’a sahip olmadığı bir dünyaya giriyoruz
- Platformun her kullanıcı için benzersiz biçimde otomatik ürettiği arayüzler (“inception software”)
- MCP üzerinden ajan yaklaşımıyla veya LLM’in oluşturduğu özel uygulamalarla “Bring Your-Own UI” (BYOUI)
Henüz yorum yok.