•
軟體，被看作是AI落地最重要的場景之一。紅杉資本曾提到，AI有可能用軟體取代服務，催生數十兆美元的市場機會。
儘管機會巨大，但對於AI軟體如何實現真正的落地，仍然沒有一個清晰路徑。關於這個問題，Bessemer在不久前提出了一個很有價值的觀點：
垂直AI軟體將成為未來。
說起Bessemer，熟悉SaaS行業的人可能並不陌生。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尚處於起步階段，但我們依然能夠看到，生成式AI興起後，湧現出了一批垂直AI領域的優秀公司，比如AI法律獨角獸EvenUp（成立於2019年）、AI醫療公司Subtle Medical（成立於2017年）、AI醫療公司Abridge（成立於2018年）和自動協作軟體平台Fieldguide（成立於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、競爭地位和防禦性等方面。
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，並不是垂直AI公司建構業務裡唯一要考慮的因素。
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，如果訂單低於某個成本，牙科診所可能希望將醫療用品的採購設定為自動採訪，但金額大的採訪仍然會需要人工稽核。
也就是說，AI採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採購，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願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，來建立最終輸出（例如建立初稿），因為他們希望控制最後產生的成果。
垂直AI落地，需要對垂直場景的市場與使用者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解決方案被廣泛採用，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後於其行業技術的創新。
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，以及他們對人工智慧的期待。
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。
那些很容易被覆制的AI解決方案將面臨巨大的競爭壓力。
比如，在金融服務領域，應收帳款和應付帳款(AR/AP)自動化解決方案的應用案例越來越多，其中用於資料匹配和發票核對的AI功能可能會提供一些價值，但這些細微的功能很容易被整合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/外掛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台（尤其是大型現有平台）合作來實現後者，通過無縫整合創造價值。
比如，AI保險公司Sixfold，用API或外掛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建構工作台。這種"即插即用"的整合方式，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。
AI正在重塑職場分工：它不僅替代重複勞動釋放人力，更賦予企業突破性的營運能力。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資料處理能力，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，能夠給銷售提供定製反饋和建議，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還可以稽核來自公司各地銷售代表的大量對話資料，這意味著它為銷售代表提供的指導基於的資料量比任何銷售經理掌握的資料量還大得多。
這也是為什麼銷售和行銷、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，建立在大量書面文字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。
通過資料，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並提高客戶保留率。
這種效率提升通常來自兩個方面：控製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。
除了控製成本外，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，直接提高了醫院的營運效率，並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裡收集資料、整理數百份檔案、從醫療和警方報告中提取資料等。
由於EvenUp的法律營運團隊會審查每封信件，律師事務所可以保持高品質標準，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。
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）來建立傳統軟體業務。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美元營運資金。
一些AI服務產品在人工QA支援下，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。
在銷售、行銷領域，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裡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。
但這並非沒有機會。當既有者捉襟見肘或整合人工智慧的速度緩慢時，行動迅速的初創公司可以通過建構卓越、高投資回報率的人工智慧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解決方案最佳化一些有價值但並不明顯的工作流程。
垂直AI公司通過瞄準被忽視類別中的客戶來實現差異化，這些客戶往往有著複雜的要求，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初創公司需要建構特定行業的安全和合規工具來銷售給客戶。這種基於特定行業需求的複雜性，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建構相應的垂直模型。
隨著模型基礎設施成本持續下降，模型將不再是護城河。期的垂直人工智慧創始人需要問自己：“為什麼我們用人工智慧建構的產品會比用公開模型和資料建構的產品更優秀？”
建構新的技術架構，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)來更好地執行資訊檢索。
Bessemer認為，將RAG技術用於行業特定資料集也是建立商業壁壘的一種方法。
在能夠處理更複雜（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，最終用於行銷人員基於文字的GenAI功能建立長篇部落格文章。
一般來說，一旦帖子由AI生成並由行銷人員完成編輯，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（文字和圖像）來滿足行銷人員的所有需求。
傳統SaaS依賴標準技術堆疊的排列組合，而垂直AI公司必須建構定製化的基礎設施體系：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佔先機。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建構的產品的絕佳例子。該平台位於行銷技術堆疊的核心，充當“AI大腦”，幫助使用者制定、設計和執行所有行銷專業的計畫。
Jasper團隊設計了一個使用多個LLM的模組化平台，可以根據客戶需求、模型性能和成本通過多個LLM運行行銷輸入。例如，如果Claude 3.5在某個案例裡的表現優於GPT-4，則Jaspe就可以支援可互換的模型基礎架構。
專有資料集能夠建構護城河，這一點已經得到了廣泛的認可。
但對於很多早期創業公司來說，他們無法獲得他們想要的資料量。這時候就可以從資料質量入量，因為高品質的資料（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營運，讓人工稽核所有索賠信函；在這種情況下，資料規模並不像資料質量那麼重要，並且隨著時間的推移，通過大量高品質的資料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，並迅速暢銷。後續隨著使用規模的擴大，專有資料將隨之而來，而這些高品質資料也能帶來產品的升級。 (烏鴉智能說)