軟件，被看作是AI落地最重要的場景之一。紅杉資本曾提到，AI有可能用軟件取代服務，催生數十萬億美元的市場機會。
盡管機會巨大，但對于AI軟件如何實現真正的落地，仍然沒有一個清晰路徑。關于這個問題，Bessemer在不久前提出了一個很有價值的觀點：
垂直AI軟件將成為未來。
說起Bessemer，熟悉SaaS行業的人可能并不陌生。它是美國SaaS領域最專業的投資機構之一，在過去10年投資了200多家SaaS企業。
雖然垂直AI尚處于起步階段，但我們依然能夠看到，生成式AI興起后，涌現出了一批垂直AI領域的優秀公司，比如AI法律獨角獸EvenUp（成立于2019年）、AI醫療公司Subtle Medical（成立于2017年）、AI醫療公司Abridge（成立于2018年）和自動協作軟件平臺Fieldguide（成立于2020年）。
結合這些垂直AI公司的商業案例，Bessemer制定了10條垂直AI落地的路線圖，涵蓋了垂直AI功能價值、經濟價值、競爭地位和防御性等方面。
01 垂直AI落地，要從客戶實際需求出發
不同行業的核心工作流程，對自動化的需求都有不同。然而，工作流程是否具備實現自動化的基礎，并不是垂直AI公司構建業務里唯一要考慮的因素。
客戶對自動化的興趣，以及對自動化要求不同，也會對垂直AI的落地產生很大影響。
有時，這些偏好或要求可以在產品設計中得到解決。例如，如果訂單低于某個成本，牙科診所可能希望將醫療用品的采購設置為自動采訪，但金額大的采訪仍然會需要人工審核。
也就是說，AI采購的解決方案需要具備一定的靈活性，不僅需要實現部分訂單自動化采購，還能夠讓人工參與其他訂單。
再舉一個例子，一家律師事務所可能愿意完全把為客戶付款的環節自動化。但是，當涉及到編寫法律摘要等核心工作流程時，他們需要人工反饋，來創建最終輸出（例如創建初稿），因為他們希望控制最后產生的成果。
垂直AI落地，需要對垂直場景的市場與用戶需求進行充分的研究。
例如，在醫療保健領域，Abridge等AI公司提供的管理工作流程的AI解決方案被廣泛采用，原因是臨床醫生希望自動化諸如記錄等管理任務。
雖然人們對多模態AI在診斷環節的應用也很感興趣，但滲透率仍然很低，原因是醫療保健的支付模式落后于其行業技術的創新。
所以，AI在垂直場景落地不僅需要考慮其是否具備自動化的條件，更需要關注客戶的實際需求，以及他們對人工智能的期待。
02 無縫融入現有場景，才能構建產品護城河?
垂直AI解決方案不僅需要出色地執行任務，更需要建立真正的護城河。
那些很容易被復制的AI解決方案將面臨巨大的競爭壓力。
比如，在金融服務領域，應收賬款和應付賬款(AR/AP)自動化解決方案的應用案例越來越多，其中用于數據匹配和發票核對的AI功能可能會提供一些價值，但這些細微的功能很容易被集成到某個工作流工具中，被特定行業的工作流垂直AI解決方案代替。
為了降低大模型商品化的風險，最好的垂直AI應用不僅需要完整覆蓋業務全流程，還需要通過API/插件實現與現有系統的無縫對接。
許多B2B AI初創公司通過與成熟平臺（尤其是大型現有平臺）合作來實現后者，通過無縫集成創造價值。
比如，AI保險公司Sixfold，用API或插件的形式嵌入現有保單管理系統(PAS)中，保險公司保險公司無需對舊系統進行徹底改造或重新構建工作臺。這種"即插即用"的集成方式，能夠讓承保人能夠毫不費力地將Sixfold的AI功能直接引入到他們的日常工作流程中。
03 尋找生產力受限的落地機會
AI正在重塑職場分工：它不僅替代重復勞動釋放人力，更賦予企業突破性的運營能力。真正具有變革價值的垂直AI產品，往往具備兩大核心優勢——全流程自動化與海量數據處理能力，這正是人類難以企及的領域。
比如，家政領域的AI公司Rilla，通過記錄和分析銷售代表與客戶的面對面互動，能夠給銷售提供定制反饋和建議，以幫助銷售人員提高績效。如果沒有Rilla，銷售經理就必須親自陪同銷售代表進行現場訪問，但最終仍然會受到個人精力限制。
另一方面，Rilla還可以審核來自公司各地銷售代表的大量對話數據，這意味著它為銷售代表提供的指導基于的數據量比任何銷售經理掌握的數據量還大得多。
這也是為什么銷售和營銷、服務和法律等某些行業特別適合AI落地的原因：
這些領域的成功，建立在大量書面文本和實踐記錄中產生的認知。過去，這是一項耗時的工作，但現在AI能夠更好的完成，甚至徹底接管。
04 效率提升，垂直AI產品的關鍵點
通過數據，直觀向客戶展示AI解決方案所帶來的效率提升，可以大大加快銷售周期并提高客戶保留率。
這種效率提升通常來自兩個方面：控制成本和創造更多收入。
比如，Abridge可以自動記錄醫生與患者之間的對話，減少了醫生的工作負擔，提升了醫生對工作的滿意度，進而提高了醫生的留任率。
通過提高留任率，Abridge大大降低了招聘和培訓醫生的成本——這些成本每年通常高達數百萬甚至數千萬美元。
除了控制成本外，Abridge還通過為每位醫生每天節省一到兩個小時來增加收入。
這些額外的時間使醫生能夠看更多的病人，直接提高了醫院的運營效率，并產生了更多的經營收入。Abridge的每次病人就診的詳細記錄和摘要，也通過確保全面的編碼和計費來防止收入流失。
EvenUp的案例也能說明這一點。
EvenUp利用AI技術為人身傷害律師事務所生成需求包，而在過去律師助理需要花費數天時間從客戶那里收集數據、整理數百份文件、從醫療和警方報告中提取數據等。
由于EvenUp的法律運營團隊會審查每封信件，律師事務所可以保持高質量標準，同時大幅減少（或消除）其團隊在按需包上花費的時間。這些額外的時間使公司能夠承接更多案件，從而增加收入。
05 AI重塑服務交付和定價，將帶來新的商業機會
垂直AI解決方案所帶來新的交付和定價方式，正在帶來新的機會。
以前，很多垂直場景沒有足夠的TAM（總潛在市場）來建立傳統軟件業務。現在，這部分的市場空白有望被更低、成本更低、服務更標準化的AI所填補。
從歷史上看，服務業務很難盈利，因為專業工人的成本很高。而AI將徹底改變這一點。截至2024年，Bessemer的垂直AI投資組合的服務型公司，平均毛利率約為56%，平均資金消耗率為1.6倍，即每賺1美元僅需投入1.6美元運營資金。
一些AI服務產品在人工QA支持下，表現出了更好地交付效果，其他以AI產品為核心服務產品，也有不錯的表現。
06 針對被忽視的類別和工作流程進行構建
在銷售、營銷領域，已經存在規模龐大且資源豐富的競爭對手，比如Salesforce或ADP。在這種情況下，AI垂直公司更應該去尋找競爭壓力相對較小的領域。
雖然在一個廣闊市場里獲得先發優勢是理想的選擇，但大多數垂直類別至少已經有一家既有者。
但這并非沒有機會。當既有者捉襟見肘或整合人工智能的速度緩慢時，行動迅速的初創公司可以通過構建卓越、高投資回報率的人工智能產品和服務來獲得競爭優勢，這些產品和服務能夠用自動化AI解決方案優化一些有價值但并不明顯的工作流程。
07 為特定需求的客戶提供服務
垂直AI公司通過瞄準被忽視類別中的客戶來實現差異化，這些客戶往往有著復雜的要求，而這些需求無法通過AI解決方案輕易滿足。
例如，為銀行或政府承包商提供服務的AI初創公司需要構建特定行業的安全和合規工具來銷售給客戶。這種基于特定行業需求的復雜性，為AI公司的產品帶來了護城河。
為了降低LLM商品化風險，我們可能會開始看到基礎模型參與者（例如OpenAI和Anthropic）也開始為這些行業的客戶構建相應的垂直模型。
08 模型并不是可靠的護城河，但多模式可以
隨著模型基礎設施成本持續下降，模型將不再是護城河。期的垂直人工智能創始人需要問自己：“為什么我們用人工智能構建的產品會比用公開模型和數據構建的產品更優秀？”
構建新的技術架構，以解決特定問題，可能是一種方法。比如，微調LLM以更好地反映客戶的寫作風格，或使用檢索增強生成(RAG)來更好地執行信息檢索。
Bessemer認為，將RAG技術用于行業特定數據集也是建立商業壁壘的一種方法。
在能夠處理更復雜（尤其是多模式）工作流程的解決方案中，將會發現新的商業壁壘。
例如，Bessemer投資組合公司Jasper就是一個很好的例子。Jasper的AI解決方案，最終用于營銷人員基于文本的GenAI功能創建長篇博客文章。
一般來說，一旦帖子由AI生成并由營銷人員完成編輯，接下來就該去尋找合適的配圖。因此，Jasper收購了Clickdrop，以加強其Jasper Art產品，使用多模式功能（文本和圖像）來滿足營銷人員的所有需求。
09 關注模型堆棧的模塊化和可擴展性
傳統SaaS依賴標準技術堆棧的排列組合，而垂直AI公司必須構建定制化的基礎設施體系：通過自研能力整合開源模型與商業方案，靈活微調大語言模型，為客戶實現最佳的結果。
這種方法可以讓AI企業能夠在大模型快速迭代中搶占先機。同時，降低試錯成本，當開源模型經調優能達到商業模型90%效果時，無需冒險自研。
更重要的是，這種方法還可以讓企業將資源投入到最重要的事情上：為客戶提供優質的產品。
在這方面，Jasper就是一個為靈活性而構建的產品的絕佳例子。該平臺位于營銷技術堆棧的核心，充當“AI大腦”，幫助用戶制定、設計和執行所有營銷專業的計劃。
Jasper團隊設計了一個使用多個LLM的模塊化平臺，可以根據客戶需求、模型性能和成本通過多個LLM運行營銷輸入。例如，如果Claude 3.5在某個案例里的表現優于GPT-4，則Jaspe就可以支持可互換的模型基礎架構。
10 不要過分追求數據數量，數據質量更重要
專有數據集能夠構建護城河，這一點已經得到了廣泛的認可。
但對于很多早期創業公司來說，他們無法獲得他們想要的數據量。這時候就可以從數據質量入量，因為高質量的數據（無論數量多少）能產生復合效應，隨著時間的推移，公司將受益匪淺。
例如，在EvenUp成立初期，團隊曾大規模且有意識地投入法律運營，讓人工審核所有索賠信函；在這種情況下，數據規模并不像數據質量那么重要，并且隨著時間的推移，通過大量高質量的數據反饋將進一步完善模型以改進產品。
在創業早期，更重要的是打造一款高投資回報率的產品，滿足核心客戶的痛點，并迅速暢銷。后續隨著使用規模的擴大，專有數據將隨之而來，而這些高質量數據也能帶來產品的升級。
本文鏈接：http://www.020gz.com.cn/news-14-7382-0.htmlAnthropic投資人最新分享：對垂直AI落地的十個判斷
聲明：本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
點擊右上角
微信好友
朋友圈
點擊瀏覽器下方“
”分享微信好友Safari瀏覽器請點擊“
”按鈕
點擊右上角
QQ
點擊瀏覽器下方“”分享QQ好友Safari瀏覽器請點擊“”按鈕
