tgoop.com/gopractice/259
Last Update:
AI-cтартапы: продавайте результат работы, а не софт
Последние 25 лет стартапы, занимающиеся разработкой B2B-продуктов, были сосредоточены на увеличении производительности сотрудников компаний, улучшении кросс-командной работы и прозрачности процессов для менеджмента.
Стоимость таких продуктов определялась количеством сотрудников, а целесообразность покупки — ростом производительности сотрудников.
Не так давно общедоступными стали большие языковые модели (Large language models, LLM). Первые успешные стартапы на основе LLM также создавались в парадигме увеличения эффективности сотрудников. Тренд «Copilot для [x]» отражает эту модель мышления.
Несмотря на то что в этой сфере есть потрясающие инновации, LLM создают возможность выйти за рамки этой парадигмы построения корпоративных продуктов.
Для этого фаундерам нужно задаться вопросом, как можно целиком выполнять определенный кусок работы сотрудников, а не только повышать их эффективность.
Рассмотрим в качестве примера стартап EvenUp.
Если вы адвокат по травмам, то для каждого клиента вы должны сформировать пакет требований, который будет направлен в страховую компанию. В этот пакет входят: медицинские расходы, утраченный заработок, рекомендации по размеру компенсации от страховой компании. Для составления таких документов юридические фирмы нанимают адвокатов, помощников адвокатов или привлекают аутсорсинговые компании.
Если мыслить в парадигме продажи софта, то на ум сразу приходит продукт в формате co-pilot, который подключается на одном из шагов процесса и помогает заполнить нужные документы. В таком случае EvenUp застряла бы в старой парадигме, продавая улучшение производительности текущих сотрудников на 10%.
Вместо этого EvenUp решила продавать результат работы адвоката над такой задачей: сам пакет требований. Когда ваш продукт выполняет всю работу по определенной задаче целиком, то его цена определяется стоимостью работы аналогичного сотрудника, а не потолком повышения его продуктивности. Конкуренция в этом случае обычно будет с международными аутсорсинговыми компаниями, которым сами сотрудники отдают такие задачи.
По сравнению с аутсорсингом, AI-driven продукты обладают двумя важными преимуществами:
1️⃣ позволяют гарантировать качество вне зависимости от человеческого фактора;
2️⃣ могут быть выгоднее более чем в 10 раз.
Хорошим тестом на жизнеспособность продажи «результата работы», созданной с помощью AI, является наличие международной аутсорсинговой компании, специализирующейся на этой услуге. Если вы можете делать их работу дешевле и лучше с помощью AI, то это открывает потенциальную возможность для построения востребованного продукта.
Несколько примеров бизнес-процессов, которые массово передаются на аутсорсинг:
📌 удаленная техническая поддержка;
📌 колл-центры;
📌 консультанты, помогающие в процессе покупки;
📌 бухгалтерия;
📌 составление саммари юридических документов;
📌 подготовка договоров;
📌 исследования рынка.
Любой из них потенциально может быть автоматизирован благодаря AI и имеет потенциал для построения бизнеса.
Может показаться, что AI со временем должен будет заменить самих сотрудников компаний, что он создает угрозу. Но такой вывод не совсем верен. Кейс EvenUp тому хороший пример: AI освобождает адвокатов и их помощников от рутинной работы. Клиент (истец) получает выгоду от качественных пакетов требований, а сотрудники юрфирмы получают выгоду от возможности переключить свое время на менее механические вещи, например на обслуживание и привлечение новых клиентов.
Оригинал поста
💎💎💎
Если вы хотите научиться видеть возможности для использования ML в своих проектах и уметь превращать их в работающие для бизнеса решения, присоединяйтесь к студентам «Симулятора управления ML/AI-проектами» от GoPractice.
Симулятор даст вам фундамент для работы над практически любым ML-проектом, а интерактивный формат позволит сразу окунуться в практику.