Kỷ nguyên AI wrapper đã kết thúc: Chiến lược dọc hóa cho startup giai đoạn đầu

Khi lợi thế tạm thời của AI wrapper chỉ bổ sung một chức năng đơn lẻ lên trên các mô hình nền tảng dần biến mất, các startup giai đoạn đầu đang chuyển sang mô hình kinh doanh tích hợp theo chiều dọc, sở hữu toàn bộ workflow và chuỗi giá trị
Chiến lược thứ nhất là kết hợp tri thức miền và điều phối tác vụ để tạo ra kết quả thực tế trong ngành mà chỉ năng lực thô của mô hình nền tảng khó có thể mang lại
Chiến lược thứ hai không chỉ dừng ở việc bán phần mềm AI cho doanh nghiệp hiện hữu, mà là tái cấu trúc xoay quanh tự động hóa đối với bán hàng, thẩm định và vận hành để cải thiện cả trải nghiệm khách hàng
Chiến lược thứ ba là giành quyền kiểm soát hệ thống ghi chép tích hợp dữ liệu ngành đang phân mảnh, rồi mở rộng thành hệ thống hành động đảm nhiệm cả xử lý công việc lẫn ra quyết định
Doanh nghiệp lớn hiện hữu có thể hợp tác trực tiếp với các frontier lab, nhưng bị hạn chế bởi chi phí, việc chia sẻ tri thức độc quyền và lợi ích tổ chức; trong khi đó startup AI-native có thể xây dựng năng lực phòng thủ bằng cách dọc hóa, tập trung vào go-to-market và trải nghiệm khách hàng

Sự trỗi dậy và suy tàn của AI wrapper chức năng đơn lẻ

Sau khi ChatGPT xuất hiện, các nhà sáng lập đã tạo ra sản phẩm kết hợp mô hình với từng tác vụ trước đây do con người thực hiện như viết nội dung, dịch vụ khách hàng, nghiên cứu pháp lý hay bán hàng, rồi thu phí thuê bao hoặc phí theo công việc
Jasper đã huy động 125 triệu USD vào năm 2022 với mức định giá 1,5 tỷ USD, nhưng trong vòng một năm đã hạ dự báo ARR năm 2023 ít nhất 30%, tiến hành cắt giảm nhân sự, và cả 2 đồng sáng lập đều rời đi
- Sau đó công ty tái định nghĩa tầm nhìn thành “hệ điều hành marketing”
Các công ty xây dựng công cụ cho một tác vụ đơn lẻ từng giả định rằng năng lực của các mô hình nền tảng sẽ duy trì ở mức tương tự nhau, nhưng giả định này sụp đổ khi các frontier lab trực tiếp sản phẩm hóa mô hình
- Anthropic trực tiếp cung cấp các công cụ như Claude Code và Claude Design, những thứ mà 2 năm trước còn bị xếp vào nhóm wrapper
- Theo các số liệu được công bố, doanh thu annualized của Anthropic đã vượt từ 14 tỷ USD vào tháng 1 lên hơn 47 tỷ USD vào tháng 5, với nhu cầu doanh nghiệp là động lực tăng trưởng chính
“AI for X”, tức AI cho một tác vụ cụ thể, gần với lợi thế tạm thời hơn là một chiến lược sản phẩm bền vững
- Ngay cả các agent đa dụng không có hiệu ứng mạng hay chuyên môn ngành dọc cũng có thể trở thành “wrapper 2.0”

Những công ty sống sót là những công ty sở hữu toàn bộ dịch vụ

Các công ty tạo ra kết quả không chỉ đặt công cụ AI lên trên mô hình, mà khởi đầu bằng việc dùng AI như cơ chế cung cấp dịch vụ và sở hữu toàn bộ workflow cần thiết cho dịch vụ đó
EvenUp không bắt đầu từ AI pháp lý diện rộng mà từ một lĩnh vực hẹp và chuyên sâu là chấn thương cá nhân
- Hơn 2.000 hãng luật đang dùng nền tảng này, và 20% trong top 100 hãng luật chấn thương cá nhân tại Mỹ là khách hàng
- ARR đã tăng gấp đôi so với cùng kỳ năm trước, và vào tháng 10/2025 công ty huy động 150 triệu USD ở vòng Series E với mức định giá hơn 2 tỷ USD
- Mức định giá đã tăng hơn gấp đôi trước khi tròn 1 năm
Further AI trong bảo hiểm và Blitzy trong phát triển phần mềm doanh nghiệp cũng áp dụng cùng cách tiếp cận
Năng lực cạnh tranh không được tạo ra chỉ từ mô hình, dữ liệu hay trải nghiệm người dùng
- Toàn bộ workflow, tri thức miền, dữ liệu tích lũy theo từng case hoặc codebase, cùng năng lực thâm nhập và bán hàng vào các ngành phức tạp phải cùng vận hành
Trước đây, người ta xem trí tuệ tự thân là thứ để bán còn wrapper chỉ là cấu trúc phụ trợ, nhưng giờ đây toàn bộ nhà máy bao gồm workflow, dữ liệu và pipeline bán hàng mới là sản phẩm

Cách tiếp cận 1: Sở hữu workflow phức tạp vượt lên trên năng lực thô

Blitzy là nền tảng AI phát triển phần mềm tùy chỉnh cho các công ty Fortune 500, và gần đây đã huy động 200 triệu USD với mức định giá 1,4 tỷ USD
Trong thị trường phần mềm doanh nghiệp từng có hai lựa chọn
- Tạo công cụ như Cursor hay Codex để bán cho lực lượng phát triển thuê ngoài quy mô lớn
- Hoặc biến AI thành dịch vụ để bán trực tiếp cho doanh nghiệp, khiến chính lực lượng thuê ngoài đó không còn cần thiết
Blitzy đã chọn cách thứ hai
- Năm 2024 từng có quan điểm cho rằng mô hình của OpenAI hay Claude sẽ giải quyết mọi vấn đề, khiến startup khó cạnh tranh
- Trong môi trường doanh nghiệp thực tế, knowledge graph của toàn bộ codebase công ty, khả năng chia nhỏ công việc và lớp điều phối gọi mô hình phù hợp nhất cho từng tác vụ lại cho kết quả tốt hơn sản phẩm của frontier lab
Công ty đứng đầu với SWE-Bench Pro 66.5% nhờ hệ thống hiểu được ngữ cảnh xung quanh codebase
Dù năng lực thô có giải quyết được các nút thắt cốt lõi về kỹ thuật và hệ thống, vẫn cần quá trình vận hành hóa để chúng hoạt động trong môi trường ngành thực tế, và tích hợp dọc toàn bộ workflow đảm nhiệm vai trò đó

Cách tiếp cận 2: Thiết kế lại doanh nghiệp hiện hữu xoay quanh tự động hóa

Tomo không bán phần mềm AI cho các công ty mortgage mà tái cấu trúc chính quy trình thẩm định khoản vay và cấp mortgage theo hướng AI-first
Công ty áp dụng tự động hóa trên toàn bộ bán hàng, thẩm định và vận hành để nâng năng suất trên mỗi nhân viên xử lý khoản vay cao hơn đối thủ, rồi chuyển lợi thế đó thành mức lãi suất tốt hơn cho người tiêu dùng
- Hiện 77% người mua nhà nhận được mức lãi suất tốt hơn tại Tomo so với các nhà cung cấp truyền thống
- Tỷ lệ người mua nhận được lãi suất tốt hơn: {p:77}
So với việc chèn phần mềm vào workflow hiện hữu, thiết kế lại cả ngành từ đầu có thể dẫn đến trải nghiệm khách hàng tốt hơn
Những cải tiến phần mềm nhỏ lẻ có thể bị giới hạn tác động trong một hệ thống vốn không được thiết kế cho công nghệ đó ngay từ đầu
- Thay vì thuyết phục tổ chức hiện hữu thay đổi workflow, doanh nghiệp có thể tự tái xây dựng mô hình kinh doanh và dùng nguồn lực đó để cải thiện trải nghiệm khách hàng
Các công ty hiện hữu rất khó chọn cách này vì họ phải tự phá hủy mô hình kinh doanh và tổ chức hiện tại của chính mình
Trong thời SaaS, chiến lược đưa phần mềm vào workflow sẵn có từng hiệu quả, nhưng AI cho phép tái xây dựng các ngành truyền thống xoay quanh tự động hóa và tập trung vào trải nghiệm khách hàng thay vì triển khai nội bộ

Cách tiếp cận 3: Mở rộng từ hệ thống ghi chép sang hệ thống hành động

Seso đã xây dựng hệ thống ghi chép nhân sự cho lĩnh vực nông nghiệp tại Mỹ
Quy trình visa H-2A, vốn hỗ trợ phần lớn lực lượng lao động nông nghiệp Mỹ, trước đây bị phân tán giữa các hãng luật, sản phẩm Microsoft Office và tài liệu giấy
- Seso hợp nhất chúng vào một cơ sở dữ liệu trung tâm duy nhất để giúp các nông trại quản lý lao động thời vụ như nhân viên của một doanh nghiệp thông thường
Sau khi đưa AI vào, công ty chuyển từ một “tủ hồ sơ số” đơn thuần thành hệ thống hành động
- Nền tảng được tái tổ chức để có thể quản lý logistics nhân sự, tạo insight kinh doanh và thậm chí thực hiện các quyết định liên quan đến lao động
Các công ty nắm giữ hệ thống ghi chép có thể mở rộng thành hệ thống trực tiếp thực hiện công việc dựa trên lượng thông tin đã tích lũy
Các ví dụ áp dụng cùng cách tiếp cận còn có Rec trong lĩnh vực giải trí cộng đồng và Veras trong lĩnh vực chăm sóc y tế dài hạn

Cạnh tranh giữa doanh nghiệp hiện hữu và dịch vụ AI-native

Các doanh nghiệp hiện hữu như hãng luật lớn có thể không cần giao tri thức nội bộ cho đối thủ AI-native mà hợp tác trực tiếp với frontier lab để nội bộ hóa tự động hóa
- Freshfields đã hợp tác với Anthropic để phát triển công cụ tùy chỉnh
Chiến lược này chủ yếu dành cho các tổ chức quy mô lớn như Big Law hay các định chế tài chính lớn, và ngay cả với họ chi phí hợp tác với frontier lab cũng có thể quá cao
- Giống như trường hợp của Uber và Microsoft, chi phí token LLM đang tăng lên, và còn cộng thêm chi phí kỹ sư AI đắt đỏ
Để sự hợp tác thành hình, doanh nghiệp hiện hữu phải bớt xu hướng che giấu tri thức độc quyền có thể chỉ mang giá trị dài hạn hạn chế, còn frontier lab thì không được lạm dụng quyền định giá
Ngay cả khi đạt được thỏa thuận, tự động hóa cũng chỉ là một trong nhiều chức năng mà doanh nghiệp hiện hữu thực hiện, chứ không phải trọng tâm của hoạt động kinh doanh cốt lõi
Dịch vụ AI-native có thể giảm tương đối mức độ phụ thuộc vào frontier lab, đồng thời tập trung vào go-to-market (GTM) và cải thiện trải nghiệm khách hàng
Tomo vẫn duy trì một lựa chọn rẻ hơn và tinh gọn hơn cho khách hàng, ngay cả khi các công ty mortgage truyền thống hợp tác với frontier lab
- Vì lựa chọn này xung đột trực tiếp với lợi ích của doanh nghiệp hiện hữu, nó có thể không xóa bỏ cạnh tranh nhưng có thể giới hạn phạm vi cạnh tranh đó

Dọc hóa hướng tới kỷ nguyên AGI

Thế hệ startup tiếp theo cần thiết kế doanh nghiệp xoay quanh câu hỏi “làm thế nào để sở hữu mọi phần của chuỗi giá trị”
Tư duy dọc hóa là một trong những năng lực phòng thủ có thể tồn tại cả trong giai đoạn chuyển tiếp sang AGI
- Dù năng lực thô có mở ra các đổi mới mới, vẫn luôn cần quá trình áp dụng chúng vào vận hành thực tế và chuyển giao tới khách hàng
Những nhà sáng lập sở hữu toàn bộ ngành và workflow ngay từ đầu có thể xây dựng vị thế bền vững ngay cả trong kỷ nguyên AI hyperscaler
Ở các lĩnh vực như biotech và deeptech, nơi bản thân việc triển khai đã đòi hỏi chuyên môn hóa rất cao, năng lực thực thi chuyên sâu vẫn sẽ là một rào cản gia nhập riêng biệt

Kỷ nguyên AI wrapper đã kết thúc: Chiến lược dọc hóa cho startup giai đoạn đầu

Sự trỗi dậy và suy tàn của AI wrapper chức năng đơn lẻ

Những công ty sống sót là những công ty sở hữu toàn bộ dịch vụ

Cách tiếp cận 1: Sở hữu workflow phức tạp vượt lên trên năng lực thô

Cách tiếp cận 2: Thiết kế lại doanh nghiệp hiện hữu xoay quanh tự động hóa

Cách tiếp cận 3: Mở rộng từ hệ thống ghi chép sang hệ thống hành động

Cạnh tranh giữa doanh nghiệp hiện hữu và dịch vụ AI-native

Dọc hóa hướng tới kỷ nguyên AGI

Bài viết liên quan

1 bình luận