Vấn đề tích hợp của Vertical AI và các chiến lược giải quyết mà nhà sáng lập đang thực sự áp dụng

(insights.euclid.vc)

10 điểm bởi GN⁺ 2025-06-25 | Chưa có bình luận nào. | Chia sẻ qua WhatsApp

Trong vô số phần mềm theo ngành dọc (Vertical), yếu tố cản trở mở rộng lớn nhất là tính đóng của các hệ thống quản lý hiện có (ERP/SOR) và chính sách chặn tích hợp từ bên ngoài
Phần lớn dữ liệu cốt lõi bị khóa trong các ERP legacy hoặc chỉ cho phép truy cập một phần, khiến các startup Vertical AI mới gần như không thể kết nối với hệ thống trọng yếu dù khách hàng có nhu cầu
SaaS mới dựa trên AI có nhu cầu tích hợp dữ liệu đặc biệt lớn, và đang đối mặt với bài toán mới: không chỉ tích hợp API truyền thống mà còn phải tích hợp cả dữ liệu phi cấu trúc (email, ảnh hiện trường, cuộc gọi, v.v.)
Để giải quyết, các nhà sáng lập đang thực tế thử 5 chiến lược gồm “tận dụng thông tin đăng nhập”, “quan hệ đối tác”, “nhắm tới SMB”, “AI không phụ thuộc ERP”, “tận dụng hạ tầng AI”
Các framework agent AI được chuẩn hóa (như MCP) và mô hình RPA/operator dựa trên AI được dự báo sẽ trở thành phương thức tích hợp mới trong tương lai

Phần mềm theo ngành dọc và bài toán tích hợp

Theo Bộ Lao động Mỹ, có hơn 1.000 ngành nghề, và trong mỗi ngành, ERP/SOR (hệ thống quản trị kinh doanh) đóng vai trò là “trung tâm dữ liệu”
Phần lớn ERP theo ngành dọc hạn chế cung cấp API tích hợp/kết nối với bên ngoài hoặc chỉ cho phép theo cách tốn kém và phức tạp
- Ví dụ: Epic trong y tế, Yardi trong bất động sản, Dentrix trong nha khoa đều duy trì quyền kiểm soát dữ liệu rất mạnh, từ đó chặn hoặc chỉ cho phép một phần việc tích hợp của các SaaS mới
- Cấu trúc này, dù gây bất mãn cho khách hàng (NPS giảm), vẫn dẫn tới hiệu ứng khóa chặt khiến khách hàng khó rời bỏ ERP

Ngay cả khách hàng đầu tiên cũng thường yêu cầu: “Nếu không tích hợp với ERP thì không thể dùng được”
Các nhà cung cấp legacy vì cạnh tranh hoặc thiếu năng lực kỹ thuật nên không muốn mở API/cơ chế tích hợp
Đội ngũ IT doanh nghiệp (đặc biệt là CIO/lãnh đạo) cũng dè chừng việc cho AI bên ngoài hoặc SaaS mới truy cập dữ liệu

So với SaaS truyền thống, sản phẩm dựa trên AI còn đòi hỏi khai thác cả dữ liệu phi cấu trúc bên ngoài ERP như email, giấy tờ, ảnh, tri thức truyền miệng
Chính các giải pháp AI lại càng làm nổi bật khó khăn của bài toán tích hợp dữ liệu
Phạm vi tích hợp được mở rộng từ “API chính thức” sang “đường không chính thức + dữ liệu phi cấu trúc bên ngoài”

Nhận tài khoản đăng nhập/quyền truy cập ERP từ khách hàng để agent AI trực tiếp đọc và ghi dữ liệu
Tận dụng các cách vòng như crawl tự động, chèn trực tiếp vào DB
Trường hợp thực tế: phán quyết RTMS vs PointClickCare (dựa trên luật cải cách thông tin y tế của Mỹ, phán quyết bất lợi cho EHR đã hạn chế truy cập của AI)
Ưu điểm: cho kết quả nhanh
Nhược điểm: rủi ro pháp lý, tuân thủ (HIPAA, GDPR, v.v.), vấn đề bảo mật, không thể mở rộng dài hạn

Thiết lập quan hệ đối tác chính thức với ERP/nền tảng legacy, để AI cùng vận hành trên lớp ERP
Thuyết phục ERP rằng: “AI đang là xu hướng, hãy hợp tác với chúng tôi, cung cấp dữ liệu và chia sẻ một phần doanh thu”
Ưu điểm: khả năng mở rộng có thể nhanh hơn so với tự đối đầu ERP, có thể chốt các thương vụ lớn
Nhược điểm: rào cản gia nhập và tốc độ tùy theo từng ngành, cùng khả năng ERP tự tỉnh ngộ và kiềm chế đối tác

Nhắm tới doanh nghiệp vừa và nhỏ (SMB) với các ERP cởi mở API hơn hoặc dễ thay thế hơn
Thị trường SMB có mức khóa chặt legacy yếu hơn; cạnh tranh gay gắt nhưng rào cản gia nhập thấp hơn
Lưu ý: quy mô của thị trường SMB đó phải đủ lớn

Tập trung vào Vertical AI ở những mảng không cần tích hợp với ERP/SOR
- Ví dụ: AI sales theo ngành, AI hỗ trợ khách hàng
Cũng có thể tính phí dựa trên hiệu quả (tạo lead, khối lượng ticket xử lý, v.v.)
Sử dụng cách khách hàng tự nhập dữ liệu vào ERP (handoff trực tiếp)

Sự xuất hiện của framework tiêu chuẩn cho tích hợp AI (ví dụ: Anthropic Model Context Protocol, MCP)
- Giúp giảm gánh nặng tích hợp một lần cho nhiều SaaS/API khác nhau và hỗ trợ mở rộng theo mô-đun
Khái niệm “người dùng máy tính” dựa trên AI (Operator, CUA, v.v.): AI hóa RPA truyền thống, mở rộng từ tự động bấm click đơn giản sang thao tác dựa trên nhận diện hình ảnh/ngữ cảnh
- Ví dụ: OpenAI ChatGPT Operator (tự động hóa trình duyệt web), Adept (AI RPA cho doanh nghiệp)
Dù vẫn còn ở giai đoạn đầu, hướng này được kỳ vọng sẽ đóng vai trò đáng kể trong Vertical AI cho doanh nghiệp

Bài toán tích hợp ERP/SOR của AI theo ngành dọc không chỉ là vấn đề kỹ thuật hay API, mà còn là vấn đề cấu trúc ngành và chiến lược gia nhập thị trường
Cần xây dựng chiến lược đa tầng và linh hoạt tùy theo khách hàng, ERP, dữ liệu và phạm vi ứng dụng AI
Trong tương lai, các framework agent AI chuẩn hóa và công nghệ RPA/Operator dựa trên AI có thể trở thành phương thức tích hợp mới
Việc kết hợp và áp dụng các chiến lược (mẹo lách, quan hệ đối tác, SMB, AI không tích hợp, tiêu chuẩn hạ tầng) là chìa khóa của các trường hợp thành công thực tế