Cẩm nang Vertical AI

 (research.contrary.com)
16 điểm bởi GN⁺ 2025-09-22 | Chưa có bình luận nào. | Chia sẻ qua WhatsApp

Tóm tắt hành động

  • Sự mất cân đối trong triển khai AI đã khiến 42% sáng kiến AI của doanh nghiệp trong năm 2024 bị dừng lại, và cốt lõi của vấn đề không nằm ở mô hình mà ở cách nhúng AI vào doanh nghiệp
    • Kẻ chiến thắng không chọn chỉ cung cấp copilot đơn thuần, mà chọn thiết kế lại workflow, xem xét lại cấu trúc tổ chức, và trong một số trường hợp là sở hữu lớp dịch vụ nơi giá trị được tạo ra
  • Tiền lệ lịch sử cho thấy hiệu ứng lãi kép của phân bổ vốn có kỷ luật và M&A có thể lặp lại
    • Các trường hợp của Waste Management, United Rentals và Constellation Software cho thấy việc lựa chọn cấu trúc nhằm tối đa hóa lợi nhuận trên từng đô la và từng giờ quyết định hiệu quả dài hạn
  • SaaS dọc từng cạnh tranh bằng cách số hóa workflow theo từng ngành, nhưng AI tạo sinh mở rộng từ quản lý hồ sơ sang giai đoạn thực thi, cho phép bản thân công việc được thực hiện
    • Theo đó, không chỉ ngân sách phần mềm mà cả một phần chi tiêu lao động cũng có thể được hấp thụ, dẫn tới mở rộng tổng thị trường khả dụng (TAM)
  • Giống như các công ty tăng trưởng bằng thâu tóm trong quá khứ từng lựa chọn giữa vận hành tập trung và phân tán, các nhà sáng lập AI ngày nay cũng đối mặt với lựa chọn mang tính cấu trúc giữa bán công cụ và sở hữu lớp vận hành
    • Hai con đường này mang những hàm ý khác nhau về mức độ thâm dụng vốn, cấu trúc phân phối và khả năng phòng thủ
  • Để khởi nghiệp vertical AI, cần có lập bản đồ workflow, triển khai pilot mục tiêu, kiểm tra khả năng mở rộng của phân phối, và căn chỉnh mô hình vốn lẫn nhân sự
    • Thay vì áp đặt một đáp án duy nhất, cách tiếp cận này cung cấp quy trình ra quyết định có thể lặp lại theo hành vi khách hàng và biến động điều kiện thị trường
  • CEO thế hệ tiếp theo sẽ đóng vai trò gần với nhà phân bổ vốn hơn là kỹ sư công nghệ
    • Thách thức và cũng là cơ hội là thiết kế cấu trúc sở hữu để coi AI không phải là tính năng (feature) mà là một tầng lớp lao động, rồi triển khai nó bằng kỷ luật của doanh nghiệp thâu tóm nối tiếp nhằm biến pilot thành cỗ máy lãi kép dòng tiền

# Bối cảnh

# Bài học từ lịch sử

Làm giàu trong các thị trường ngách

Enter VC

# AI & The Vertical Stack

  • Vào những năm 1990, sự xuất hiện của SaaS đã khiến việc cung cấp các công cụ kinh doanh cốt lõi qua internet trở nên khả thi
    • Salesforce được thành lập năm 1999 và cung cấp CRM dưới dạng SaaS chạy trên trình duyệt, mang đến một cuộc đổi mới với cập nhật tự động, chi phí ban đầu thấp, loại bỏ gánh nặng IT
    • Điều này đã thay đổi một cách căn bản cách phần mềm được mua và bán, rồi mở rộng ra gần như mọi danh mục
  • Sau đó, các nhà sáng lập nhận ra rằng không phải mọi doanh nghiệp đều có cùng một vấn đề chung
    • Quy trình làm việc, quy định và kỳ vọng của khách hàng khác nhau theo từng ngành
    • Vertical SaaS được nhúng sâu vào logic và ngôn ngữ của một ngành cụ thể, cho phép hàng trăm công cụ chuyên biệt phát triển trong các thị trường nhỏ
    • Tuy nhiên, những thị trường nhỏ như vậy lại kém hấp dẫn đối với vốn đầu tư mạo hiểm, khiến việc huy động vốn ban đầu trở nên khó khăn
  • Con đường tăng trưởng của các nhà sáng lập vertical SaaS diễn ra theo nhiều hướng khác nhau
    • Một số bán cho Constellation hoặc các quỹ PE để tăng trưởng dài hạn
    • Một số khác phát triển độc lập, trở thành xương sống số của cả ngành thông qua đầu tư sản phẩm và mở rộng workflow
    • Ví dụ:
      • ServiceTitan → hạ tầng vận hành cho lĩnh vực HVAC, ống nước và điện
      • Toast → khởi đầu từ POS cho nhà hàng, rồi mở rộng sang lương, thanh toán, tồn kho và cho vay
      • Mindbody → đặt lịch, hội viên và quản lý khách hàng cho studio wellness
      • Shopify → bộ stack thương mại điện tử all-in-one cho các nhà bán hàng độc lập
      • Procore → tiêu chuẩn của phần mềm quản lý dự án xây dựng
      • Epic Systems → hệ sinh thái EMR mạnh mẽ bao phủ các bệnh viện lớn tại Mỹ
  • Tất cả những công ty này đều bắt đầu từ một thị trường ngách hẹp rồi dần mở rộng sang tài chính, hạ tầng và marketplace
    • Vertical SaaS được triển khai tốt không chỉ là công cụ tạm thời mà có thể phát triển thành một doanh nghiệp nền tảng bền vững
  • Stripe trong báo cáo thường niên năm 2024 đã phân tích rằng làn sóng startup mới có liên hệ với sự lan rộng của vertical SaaS
    • Ví dụ: các tiệm pizza ở Mỹ giảm trong giai đoạn 2005–2017, nhưng sau khi các công cụ SaaS như Slice xuất hiện thì xu hướng đảo chiều → các cửa hàng độc lập tăng lên để cạnh tranh với chuỗi nhượng quyền
  • SaaS mang lại cho các doanh nghiệp độc lập hạ tầng ở cấp độ chuỗi nhượng quyền nhưng vẫn đảm bảo tính tự chủ
    • Theo cách diễn đạt của Stripe:
      • “60% doanh nghiệp vừa và nhỏ tại Mỹ đang sử dụng vertical SaaS”
      • Ví dụ: SingleOps(quản lý cây xanh), Traxero(cứu hộ kéo xe), Transformity(cửa hàng rượu), Moxie(medspa), Clio(pháp lý), Skimmer(quản lý hồ bơi), Planning Center·Tithe.ly(nhà thờ), Shulware(hội đường Do Thái), Procede(đại lý xe tải), Meadow Memorials·Tribute Technology(dịch vụ tang lễ), v.v.

AI thay đổi điều gì

  • Vào tháng 11/2022, OpenAI ra mắt ChatGPT, và chỉ sau hai tháng đã vượt mốc 100 triệu người dùng, trở thành phần mềm tăng trưởng nhanh nhất trong lịch sử
    • Ban đầu nó được xem là chatbot, nhưng nhanh chóng cho thấy LLM có thể được sử dụng như một giao diện cho các tác vụ nhận thức đa dụng
  • Lần ra mắt này đã kích hoạt làn sóng thử nghiệm rộng khắp trong toàn ngành phần mềm, khiến nhiều công ty B2B xem xét lại chiến lược sản phẩm và bắt đầu tích hợp AI tạo sinh
    • Một số tích hợp mô hình OpenAI vào tính năng hiện có, số khác phát triển hẳn các sản phẩm mới dựa trên AI
  • SaaS truyền thống đã số hóa workflow, cấu trúc hóa và đưa lên đám mây các quy trình dựa trên giấy tờ
    • CRM, ERP và các hệ thống tương tự giúp chuẩn hóa dữ liệu, tăng cường cộng tác và hỗ trợ truy vết
    • Giờ đây, LLM đang mở rộng vượt ra ngoài ghi nhận và tổ chức công việc để tiến tới thực thi công việc
  • Sự thay đổi này có ý nghĩa rất lớn với các ngành dọc
    • Các lĩnh vực như xử lý bồi thường bảo hiểm, môi giới vận tải hàng hóa, thanh toán yêu cầu bảo hiểm y tế về mặt lịch sử đều thâm dụng lao động và có tỷ lệ thâm nhập phần mềm thấp
    • Giờ đây AI không chỉ quản lý hồ sơ mà còn có thể hấp thụ cả một phần chi phí lao động thông qua tự động hóa khâu thực thi, từ đó mở rộng TAM
  • Ví dụ tiêu biểu: tháng 6/2023, Thomson Reuters mua lại Casetext với giá 650 triệu USD
  • Khi lan rộng ra toàn ngành, quy mô thị trường sẽ tăng rất nhanh
    • Tổng tiền lương của người lao động Mỹ năm 2023 là 11 nghìn tỷ USD, trong đó hơn 4 nghìn tỷ USD có thể chịu tác động từ AI
    • Năm 2024, các startup AI đã huy động khoảng 110 tỷ USD, tăng 62% so với năm trước
    • Trong khi đó, tổng đầu tư vào công nghệ lại giảm 12%, cho thấy dòng vốn đang tập trung vào các công ty AI-native

Trí tuệ được triển khai

  • Đầu tư vào AI đang tăng vọt, nhưng giá trị chỉ được hiện thực hóa khi công nghệ này được nhúng vào vận hành hằng ngày
    • Rào cản không còn là phát triển mô hình lớn hơn, mà là nhúng chúng vào workflow thực tế
    • Điều này đòi hỏi một cách tiếp cận khác với triển khai SaaS truyền thống
  • SaaS truyền thống tích hợp thông qua onboarding, đào tạo và cấu hình, nhưng AI thường đòi hỏi viết lại workflow và lặp thử nghiệm với người dùng
    • Ngay từ đầu, Palantir) đã cử kỹ sư triển khai tại hiện trường đến khách hàng để quan sát vận hành, khái quát hóa và chuyển đổi thành logic có thể tái sử dụng
    • Chi phí ban đầu cao, nhưng đổi lại giúp tăng năng lực phòng thủ và mức độ tích hợp vận hành
  • Sẽ phù hợp hơn nếu xem AI như một giai tầng lao động mới
    • Đây không chỉ là mua phần mềm, mà là tuyển dụng AI, rồi đào tạo, giám sát và điều chỉnh workflow cho nó
    • Thành công phụ thuộc vào cách triển khai hơn là chất lượng mô hình; thiết kế giao diện, căn chỉnh logic ra quyết định và nhúng vào vận hành là những yếu tố cốt lõi
  • Theo Ramp 2025 AI Index, 72% công ty công nghệ có đăng ký trả phí, trong khi xây dựng chỉ là 28%, còn lưu trú và dịch vụ ăn uống là 22%
    • Việc sử dụng AI đang tăng, nhưng chưa rõ liệu điều đó có chuyển hóa thành cải thiện biên lợi nhuận thực chất hay không
  • Phần lớn các công ty phi công nghệ chưa sẵn sàng để triển khai AI một cách hiệu quả
    • Triển khai AI đòi hỏi kỹ thuật, thiết kế sản phẩm, kiến thức miền và quản trị thay đổi
    • Nhiều công ty kỳ vọng AI sẽ giống SaaS, nhưng AI đòi hỏi cách vận hành mang tính xác suất, học từ phản hồi và tinh chỉnh lặp đi lặp lại
  • Khoảng cách này một lần nữa củng cố tính hợp lý của mô hình tích hợp theo chiều dọc
    • Trong thập niên 2010, các công ty full-stack từng chật vật với dịch vụ biên lợi nhuận thấp, nhưng khi AI agent đảm nhiệm nhiều công việc hơn, mức độ phụ thuộc vào nhân lực giảm xuống và biên lợi nhuận được cải thiện
    • Trong RFS 2025, Y Combinator nêu rằng “Bạn có thể bán AI agent cho các hãng luật, nhưng cũng có thể trực tiếp thành lập một hãng luật AI để cạnh tranh”

Hai con đường để nắm bắt biên lợi nhuận AI trong Vertical X

  • Khi AI tái cấu trúc quy trình làm việc của các ngành truyền thống, các nhà sáng lập đang đối mặt với hai lựa chọn về cách giữ lại phần biên lợi nhuận do tự động hóa tạo ra
    • bán phần mềm cho nhà vận hành hiện có hoặc
    • trực tiếp vận hành hoặc mua lại chính nhà vận hành đó
      Path 1: Sell Software to the Operator
  • Tương tự mô hình SaaS truyền thống, nhưng theo cách phát triển copilot, lớp tự động hóa, và các công cụ dựa trên agent rồi triển khai cho các nhà vận hành hiện có
    • Các công cụ cải thiện hiệu suất phù hợp với quy trình sẵn có thường dễ được chấp nhận hơn, nên tốc độ thực thi và mở rộng nhanh
    • Tuy vậy, cách này đòi hỏi giả định rằng doanh nghiệp khách hàng có thể triển khai, vận hành, đào tạo và xử lý ngoại lệ cho phần mềm một cách hiệu quả trong nội bộ
  • Trên thực tế, khó khăn trong triển khai là yếu tố hạn chế lớn
  • Thay vì chỉ bán phần mềm, đây là cách trực tiếp xây dựng hoặc mua lại rồi vận hành chính nhà cung cấp dịch vụ
    • Loại bỏ sự phụ thuộc vào tích hợp từ phía khách hàng và nội tại hóa AI
    • Việc triển khai chậm hơn, đòi hỏi nhiều vận hành hơn và cần vốn ban đầu lớn hơn, nhưng hứa hẹn quyền kiểm soát và khả năng nắm giữ biên lợi nhuận lớn hơn
  • Khi sở hữu lớp dịch vụ, doanh nghiệp có thể tự cài đặt công cụ và thiết kế lại quy trình mà không cần thuyết phục khách hàng
    • Có thể đo lường tác động một cách chính xác và lặp lại nhanh mà không phải chờ phản hồi từ khách hàng
    • Kết quả là năng lực phòng thủ mạnh hơn và sự căn chỉnh tốt hơn giữa công nghệ và dịch vụ
  • Cuối cùng, trong kỷ nguyên AI, cả hai con đường đều đòi hỏi phải xem xét lại playbook venture truyền thống
    • Cần định nghĩa lại mô hình thương mại hóa, cấu trúc tổ chức, và xa hơn nữa là cả cách thức sở hữu

# Các nghiên cứu tình huống

  • Trên khắp các ngành công nghiệp truyền thống, mô hình triển khai AI đang hội tụ về ba hướng: (1) bán cho khách hàng, (2) mua lại nhà vận hành hiện hữu, (3) xây dựng full-stack AI native

    • Doanh nghiệp có thể bắt đầu với một mô hình rồi chuyển sang mô hình khác trong quá trình mở rộng, và lời giải phù hợp sẽ khác nhau tùy theo cấu trúc ngành, độ bền của sản phẩm và năng lực thực thi của đội ngũ

  • Bất động sản

    • EliseAI: nền tảng tự động hóa cho các đơn vị quản lý cho thuê tập trung vào nhà ở, áp dụng mô hình bán phần mềm bằng cách tích hợp bộ tác tử hội thoại suite vào PMS của khách hàng để xử lý đặt lịch tham quan, hỏi đáp của cư dân và yêu cầu bảo trì
      • Nhắm tới hơn 350 tổ chức khách hàng, và tuyên bố tự động hóa hơn 85% hội thoại
      • Đồng sáng lập Minna Song chỉ ra cái bẫy khi khách hàng chỉ chồng thêm công nghệ mới mà không có thay đổi mang tính cấu trúc
    • Metropolis: với mục tiêu nhúng hạ tầng thông minh vào ngành bãi đỗ xe, công ty khởi đầu từ app rồi triển khai ra vào không tiếp xúc bằng AI và computer vision
      • Trong bán hàng B2B, công ty trải qua tình trạng đình trệ sales do hợp đồng thuê dài hạn và vận hành, rồi chuyển sang chiến lược mua lại nhà vận hành
      • Năm 2022, sau khi mua lại Premier Parking và có được 600 bãi đỗ xe, công ty rollout công nghệ; năm 2023 tiếp tục huy động $1.7B để mua lại SP Plus với giá $1.5B
    • Wander: nhà vận hành dựa trên công nghệ trong mảng cho thuê ngắn hạn cao cấp, đã chuyển từ tích hợp dọc → vận hành asset-light
      • Ban đầu sở hữu và vận hành dưới mô hình REIT, nhưng sau khi lãi suất tăng và đường tín dụng tài chính của CS sụp đổ, công ty dừng REIT, chuyển sang mô hình Wander Operated và Wander Branded để mở rộng vận hành không sở hữu tài sản, đạt hơn 1K căn nhà được áp dụng vào tháng 5/2025
    • Long Lake: nền tảng roll-up cho ngành dịch vụ được thành lập năm 2024, bắt đầu từ các đơn vị quản lý HOA, thúc đẩy retrofit công cụ AI dựa trên bằng chứng về mức tăng năng suất 30%
      • Thông qua Thrive Holdings và các bên khác, công ty huy động hơn $600M, rồi mở rộng trên nền tảng mua lại 18 công ty và 1.4K nhân sự
    • Hàm ý: trong bất động sản, cốt lõi là thiết kế lại chính hoạt động vận hành thay vì chỉ chồng thêm công cụ; EliseAI phụ thuộc vào năng lực change management của khách hàng, trong khi Metropolis, Wander và Long Lake sở hữu tầng vận hành để tự trực tiếp thực thi thay đổi

  • Kế toán

    • Basis: thành lập tại New York năm 2023, theo mô hình bán phần mềm để tăng cường và tự động hóa workflow kế toán bằng một đội ngũ ảo dạng tác tử
    • Crete: nền tảng roll-up trong lĩnh vực kế toán ra mắt năm 2023, hợp nhất các công ty kế toán địa phương bằng M&A và cung cấp hạ tầng dùng chung
      • Chỉ trong 2 năm đã tăng trưởng lên quy mô hơn $300M doanh thu và 900 nhân sự, mua lại hơn 20 công ty, đồng thời công bố kế hoạch mua lại thêm $500M
      • Phát triển công cụ AI nội bộ cùng OpenAI và đội ngũ kỹ thuật của Thrive để hỗ trợ kiểm thử kiểm toán, viết memo và mapping dữ liệu
    • Multiplier: thành lập năm 2022, khởi đầu từ phần mềm thuế nhưng pivot sang nhúng AI sau khi mua lại công ty
      • Tại thương vụ mua lại đầu tiên là Citrine International Tax, công ty chứng minh tự động hóa các tác vụ thuế và compliance cốt lõi giúp biên lợi nhuận tăng gấp đôi và mở rộng năng lực cung cấp dịch vụ
    • Hàm ý: trong lĩnh vực kế toán, tác động lớn nhất đến từ việc thiết kế lại vận hành chứ không phải thêm công cụ; Basis đạt kết quả bằng đội ngũ hóa theo hướng số, còn Crete và Multiplier bảo đảm hiệu quả bằng nội hóa vào phía sở hữu và vận hành

  • Dịch vụ pháp lý

    • Harvey: nền tảng pháp lý AI cho hãng luật và đội ngũ in-house, kết hợp rà soát hợp đồng, soạn thảo, due diligence và nghiên cứu với LLM chuyên biệt theo miền
      • Hoạt động ngay trong workflow hiện có, cung cấp tính năng làm nổi bật điểm rủi ro và tạo bản nháp, đạt hơn 300 khách hàng và $100M+ ARR vào tháng 7/2025
    • Eudia: nền tảng AI+roll-up cho bộ phận pháp lý in-house được General Catalyst ươm tạo
      • Trong vòng gọi vốn $105M vào tháng 2/2025, $75M được cấu trúc gắn với điều kiện mua lại như vậy; đến tháng 7 công ty mua lại Johnson Hana (300 người)
      • Kết hợp tầng tri thức + tác tử để nội hóa các công việc lặp lại như compliance, hợp đồng và rủi ro

  • Hàm ý: bản chất của dịch vụ pháp lý là niềm tin·mối quan hệ·phán đoán lấy chuyên gia làm trung tâm, và trường hợp của Casetext cho thấy khả năng nâng cao hiệu quả công việc thường lệ

    • Như trường hợp của Atrium cho thấy, trong các lĩnh vực tần suất thấp·độ khó cao, việc thu hút·giữ chân luật sư hàng đầu là then chốt, còn công nghệ đóng vai trò hỗ trợ

  • Tư vấn đầu tư

    • OffDeal: ngân hàng đầu tư AI-native tập trung vào M&A lower middle market, tái cấu trúc phân khúc mà các công ty lớn bỏ sót
      • Với mô hình pod 2 người, AI hỗ trợ tìm kiếm bên mua, benchmark, soạn pitch..., được thiết kế để nhân sự junior tập trung vào phán đoán·quản lý quan hệ
    • Inven: nền tảng tự động hóa giai đoạn đầu của hoạt động sourcing cho chuyên gia đầu tư, dùng pipeline LLM để trích xuất·phân tích dữ liệu từ hàng triệu nguồn, hỗ trợ tìm kiếm mục tiêu chưa niêm yết
    • Hàm ý: Inven đạt hiệu quả thông qua nâng cấp trí tuệ cho research·sourcing, còn OffDeal thông qua chuyển đổi chính ngay trong thiết kế tổ chức
      • Ngay cả ở các IB lớn cũng đã có công cụ, nhưng việc sử dụng bị hạn chế bởi điểm nghẽn về thứ bậc·cơ chế khuyến khích; điều này chứng minh rằng thiết kế tổ chức mới mới tạo ra hiệu quả thực chất

  • Contact Centers

    • Replicant: nền tảng tự động hóa call center xử lý các yêu cầu lặp lại bằng voice·conversational AI, xử lý hàng chục triệu cuộc gọi mỗi tháng cho khách hàng enterprise
      • Là sản phẩm có tính tổng quát cao nhờ tích lũy dữ liệu hội thoại đa ngành, đồng thời cung cấp khả năng kiểm soát·tùy biến cho khách hàng muốn tự vận hành
    • Crescendo: nhà vận hành BPO AI-native do General Catalyst thành lập, theo mô hình kết hợp xây dựng công cụ nội bộ + sở hữu·vận hành call center
      • Mua lại PartnerHero vào năm 2024, được nhắc đến là đạt quy mô doanh thu $90M vào tháng 5/2025
      • Mục tiêu là nội hóa toàn bộ các lớp, từ tự động hóa yêu cầu đến thiết kế lại tương tác giữa agent·khách hàng
    • Hàm ý: nếu muốn tự vận hành, khả năng kiểm soát·tùy biến của Replicant sẽ phù hợp; nếu muốn mô hình managed hoàn toàn theo kết quả, Crescendo sẽ phù hợp hơn. Cả hai đều tái cấu trúc stack truyền thống mang tính thủ công·phân mảnh bằng AI

The Playbook

  • Trong bối cảnh AI tạo ra tác động không cân xứng, nhà sáng lập và nhà đầu tư phải chọn cấu trúc có thể chuyển công nghệ thành dòng tiền chắc chắn. Xét thực tế 42% các pilot AI tạo sinh trong năm 2024 đã bị dừng mà không mang lại kết quả, cần một tư duy phân bổ vốn như trong The Outsiders của William Thorndike: đặt vốn vào nơi mà mỗi 1 USD bổ sung tạo ra lợi nhuận điều chỉnh theo rủi ro cao nhất
  • SaaS truyền thống có xu hướng dồn nguồn lực gia tăng vào nhân sự và marketing, còn AI roll-up có hộp công cụ rộng hơn. Tuy vậy, chỉ lập bản đồ workflow và tinh chỉnh mô hình là chưa đủ; chi thêm 1 USD/1 giờ vào đâu mới là yếu tố quyết định việc hiện thực hóa giá trị
  • 3 mô hình thâm nhập của doanh nghiệp AI hiện đại: (1) cấp phép phần mềm rồi để khách hàng tự vận hành, (2) mua lại tài sản sẵn có (công ty vận hành) để cấy công nghệ vào và tái đầu tư dòng tiền, (3) tự vận hành full-stack (gom code, vốn và vận hành hằng ngày dưới một mái nhà)
  • Trên thực tế, việc pha trộn và pivot diễn ra thường xuyên, nên playbook dưới đây đưa ra một đường cơ sở theo trình tự xác định điểm kém hiệu quả → kiểm chứng tác động của AI → chọn sơ bộ giữa bán hàng/mua lại/tự xây dựng

  • I. Map The Ontology

    • Đề xuất kiểu Palantir: trước hết hãy sơ đồ hóa ontology kinh doanh của trạng thái hiện tại (đối tượng, trạng thái, chuyển trạng thái)
      • Đồ thị này sẽ phơi bày những chuyển trạng thái đang hút quá nhiều thời gian/nhân lực/vốn, từ đó làm rõ phạm vi cải thiện và JTBD
      • Nguyên tắc mô hình hóa mọi bước rồi mới code của Palantir cung cấp một bản đồ chính xác để hỗ trợ ưu tiên R&D và căn chỉnh với nhà đầu tư

  • II. Define The Terrain

    • Khi điểm kém hiệu quả đã lộ rõ, hãy kiểm tra cấu trúc thị trường xem liệu phần thưởng có đủ lớn để kiểm soát toàn bộ P&L hay không
      • Các ngách quy mô 150~200 mục tiêu, xoay quanh doanh nghiệp tầm trung và chủ kinh doanh tự thân, là đối tượng phù hợp cho roll-up
      • Những ngành biên lợi nhuận cực thấp, nơi AI can dự trực tiếp vào lớp dịch vụ cốt lõi có dư địa tăng EBITDA lớn, nên việc sở hữu là hợp lý
      • Các ngành nhạy cảm theo chu kỳ kinh tế và thân thiện với công nghệ thì SaaS thuần túy an toàn hơn
      • Nếu mật độ quy định cao, thì mua lại doanh nghiệp đã có giấy phép là đường tắt về compliance

  • III. Prove, Then Buy

    • Trước khi dùng đòn bẩy, hãy chứng minh tính hợp lệ của mô hình bằng chỉ số thực chiến
      • Cách rẻ nhất: pilot tại hiện trường khách hàng, hoặc thử nghiệm có kiểm soát bằng cách ghép các thành phần AI có sẵn
      • Slow Ventures nhấn mạnh rằng M&A chỉ nên đến sau khi đã tạo ra giá trị: chỉ khi sản phẩm được xác nhận là tạo ra giá trị mạnh mẽ thì mới mua lại (“Build → then Buy”)

  • IV. Test The Distribution Wedge

    • Nếu bán hàng SaaS chậm hoặc tốn kém vì hợp đồng dài hạn, mức độ sử dụng thấp và onboarding nặng nề, thì mua lại công ty đã sẵn có quan hệ khách hàng có thể còn rẻ hơn
      • Trong các thị trường như bất động sản/vận hành tài sản, nơi việc thay nhà cung cấp chỉ có thể diễn ra vào thời điểm gia hạn, thì mua lại đơn vị incumbent hiện tại giúp giảm CAC + biến quán tính thành hào lũy
      • Đây là trường hợp điển hình khi Metropolis trải qua nút thắt sales B2B và tháo gỡ bằng các thương vụ mua liên tiếp Premier Parking và SP Plus

  • V. Match Capital & Talent To The Path

    • Mua lại công ty vận hành và tự vận hành trực tiếp đòi hỏi thêm hai năng lực ngoài việc xây dựng sản phẩm: M&A và vận hành hằng ngày
      • Cần có khả năng xử lý cấu trúc nợ, playbook tích hợp và ngân sách HQ tinh gọn, đồng thời cần sức mạnh vốn đủ để đáp ứng covenant mà không gặp áp lực quá lớn
      • Đòn bẩy quá mức có thể bóp nghẹt dòng tiền, như trường hợp Thrasio (diễn biến phá sản)
      • Nếu nhân lực và vốn vẫn chưa đạt tới mức đó, thì duy trì chiến lược asset-light là lựa chọn hợp lý

Blurring The Lines

  • AI có thể giúp mở rộng biên lợi nhuận, nhưng quy mô và tốc độ sẽ khác nhau tùy theo mô hình thâm nhập
    • Theo thời gian, ranh giới giữa vertical SaaS, roll-up và full-stack sẽ ngày càng mờ đi, nhưng thứ tự câu hỏi để quyết định “nên chơi ở đâu” vẫn là cách tiếp cận kinh tế nhất
  • Ba bài toán khó mà giới kỹ thuật gặp phải khi dịch chuyển sang mô hình kinh doanh thiên về vận hành:
    1. Độ khó của cải thiện vận hành: trong bối cảnh công cụ AI còn chưa trưởng thành, việc giành được hiệu quả thực chất không chỉ là tích hợp mô hình mà đòi hỏi thiết kế lại quy trình một cách nghiêm ngặt
    2. Tầm quan trọng của kỷ luật về giá: thành công của các roll-up trước đây dựa trên cấu trúc mua ở bội số EBITDA thấp → bán ở bội số cao. Có AI cũng không thể thoát khỏi kỷ luật định giá; mua đắt thì câu chuyện mở rộng biên lợi nhuận sẽ sụp đổ
    3. Năng lực deal và tích hợp khan hiếm: mua lại và quản lý nợ đòi hỏi một playbook gần với private equity. Phần lớn AI roll-up cần một đội ngũ lai gồm operator, deal lead và kỹ sư để cân bằng tốc độ với rủi ro
  • Hiện tại vẫn là giai đoạn đầu của chu kỳ hợp nhất, nên nhiều công ty sẽ thử nghiệm cấu trúc hybrid
    • Khi công nghệ, chi phí vốn và hành vi khách hàng thay đổi, cũng sẽ có lúc mô hình ban đầu không còn phù hợp
    • Những đội ngũ vừa biết ghép công cụ, cấu trúc và thị trường cho khớp nhau, vừa có kỷ luật rút lui khi không phù hợp sẽ đạt kết quả tốt nhất

> “Tôi là một doanh nhân giỏi hơn vì tôi là nhà đầu tư, và là nhà đầu tư giỏi hơn vì tôi là doanh nhân.” — Warren Buffett

Bài viết liên quan

Chưa có bình luận nào.

Chưa có bình luận nào.