- AI đã mở rộng phạm vi thực thi của startup, nhưng quan trọng hơn việc ôm toàn bộ chuỗi giá trị là nắm được điểm kiểm soát nơi dữ liệu, workflow và kết quả giá trị cao được tích lũy
- Ở giai đoạn đầu của ngành, sản phẩm tích hợp giúp tăng hiệu năng và độ tin cậy, nhưng khi thị trường trưởng thành và giao diện được chuẩn hóa, lợi nhuận sẽ dịch chuyển về các hệ thống con quyết định hiệu năng
- Năng lực phòng thủ không đến từ số lớp bạn sở hữu, mà đến từ tín hiệu độc quyền, đậm đặc và có thể lặp lại, vì vậy chỉ nên sở hữu stack tối thiểu nhưng đủ dùng để việc học hỏi có thể tích lũy
- OpenEvidence, Halter, Abridge và các hãng luật AI-native kết hợp tiếp cận, sở hữu và kiểm soát theo các cách khác nhau; ngay cả tích hợp dọc hoàn toàn cũng có thể chỉ còn lại dữ liệu phổ thông và chi phí cao nếu không có điểm kiểm soát
- Chỉ cần tích hợp khi giao diện còn bất ổn, hiệu năng chưa đạt tiêu chuẩn người mua, hoặc không thể có quyền tiếp cận nếu không sở hữu; còn lại nên thuê, cấp phép hoặc chuẩn hóa để biến bổ trợ thành hàng hóa phổ thông
Tích hợp dọc được AI gọi trở lại
- Sau một thập kỷ mô hình nhẹ tài sản được ưa chuộng trong thị trường venture, tích hợp dọc lại đang được chú ý
- Lý do là khi AI biến nhiều phần mềm hơn thành hàng hóa phổ thông, dữ liệu độc quyền, ngữ cảnh, phản hồi từ thế giới thực, niềm tin và phân phối vẫn là tài sản khan hiếm
- Xu hướng này đang mở rộng vượt ra ngoài các dịch vụ công nghệ và kinh doanh truyền thống, sang cả dịch vụ nhà ở dựa trên AI, công ty xây dựng, cơ sở lưu trú cho người cao tuổi và hệ thống bệnh viện
- “The AI Wrapper Is Dead” của NFX cho rằng thay vì wrapper mỏng, cần một tư duy dọc nhằm sở hữu toàn bộ chuỗi giá trị
- Tuy nhiên, câu nói “sở hữu mọi thứ” đang gộp nhiều chiến lược có hiệu quả kinh tế rất khác nhau thành một
- Mở rộng đa sản phẩm
- Sở hữu tài sản vật lý
- Kết hợp phần cứng và phần mềm
- Chuyển thành nhà cung cấp dịch vụ
- Tích hợp dọc sang các phần khác của thị trường
- AI mở rộng ranh giới mà startup được venture hậu thuẫn có thể thực thi, nhưng không quyết định ranh giới tối ưu
- Dù sở hữu toàn bộ stack, bạn vẫn có thể chỉ thu thập dữ liệu không khác biệt hoặc phụ thuộc vào cùng mô hình như mọi người
- Bạn cũng có thể chịu ma sát vận hành lớn hơn và hiệu quả kinh tế kém hơn đối thủ tập trung hơn
- Ngay cả các công ty vertical application trước đây cũng không hấp thụ toàn bộ doanh thu của một ngành, mà xây dựng quy mô và năng lực phòng thủ bằng cách kiểm soát những vùng công việc cụ thể nơi việc học hỏi được tích lũy
Vì sao cần tìm các điểm kiểm soát hữu hạn
- Mục tiêu của Vertical AI, cũng như SaaS, là sở hữu điểm kiểm soát (control point) trong workflow của khách hàng
- Điểm kiểm soát khác nhau theo từng ngành và dịch chuyển theo thay đổi công nghệ
- Một số lớp được khác biệt hóa bằng công nghệ
- Các lớp khác trở thành hàng hóa phổ thông
- Luận điểm tích hợp toàn phần cho rằng LLM đã biến bề mặt của mọi thị trường dọc thành điểm kiểm soát đã bỏ qua thực tế rằng trong workflow B2B, những điểm thật sự quan trọng là hữu hạn
- Cần chiếm được vị trí quyết định có thể mở rộng từ công việc của khách hàng thành hệ thống ghi nhận, chứ chỉ sở hữu nhiều lớp hơn là chưa đủ
Lý thuyết tích hợp và mô-đun hóa của Christensen
- Clay Christensen cho rằng cấu trúc phù hợp ở giai đoạn đầu và giai đoạn trưởng thành của một ngành là khác nhau
- Ở giai đoạn đầu khi chức năng và độ tin cậy của sản phẩm chưa đáp ứng nhu cầu khách hàng, giải pháp tích hợp độc quyền có thể tối ưu và kết hợp từng thành phần sẽ có lợi thế
- Khi công nghệ đủ trưởng thành, các giao diện chuẩn xuất hiện, doanh nghiệp chuyên môn hóa vào từng cấu phần riêng lẻ và sản phẩm trở nên mô-đun hóa
- Ở giai đoạn này, lợi thế của doanh nghiệp tích hợp ban đầu suy yếu và lợi nhuận chuyển về các hệ thống con quyết định hiệu năng
- Trong thị trường non trẻ, cả người mua lẫn người bán đều đối mặt với bất định
- Người mua phải quyết định nên mua, tự xây hay chờ đợi
- Người bán thì phân mảnh, thiếu nhất quán và chưa có lợi thế quy mô
- Người mua muốn trực tiếp kiểm soát công nghệ thay vì phụ thuộc nhà cung cấp nhỏ và đắt đỏ, còn người bán có động lực sở hữu nhiều phạm vi hơn trong khi giải quyết toàn bộ vấn đề bằng cách tiếp cận kiểu tư vấn
- Khi danh mục trưởng thành, khách hàng không còn muốn trả thêm cho giải pháp tích hợp mà coi trọng khả năng tương tác
- Nhà vận hành chi phí thấp sẽ kết hợp các cấu phần chuyên biệt để gây áp lực lên nhà tích hợp bằng giá và chuyên môn
- Các lựa chọn mã nguồn mở cũng xuất hiện
- Ngay cả công ty công nghệ mở rộng sang vận hành cũng phải trở thành người mua công nghệ bên ngoài nếu muốn có công nghệ tốt nhất
- AI mở rộng phạm vi có thể tự động hóa, bundling và internalize, khiến tích hợp hấp dẫn hơn, nhưng không thay đổi nguyên lý dịch chuyển lợi nhuận dài hạn
Vì sao tích hợp sớm không đảm bảo chiến thắng dài hạn
- A Guide to Disrupting Incumbents bàn về chiến lược biến bổ trợ thành hàng hóa phổ thông và dùng phần thặng dư tạo ra từ việc làm suy yếu quyền định giá để giành phân phối và niềm tin
- Đầu những năm 1980, IBM tung ra PC 5150 với kiến trúc mở dựa trên phần cứng có sẵn và đặc tả kỹ thuật công khai, đồng thời khuyến khích thẻ mở rộng
- IBM và các hãng PC đi sau rơi vào cạnh tranh giá
- Microsoft DOS, vốn là bổ trợ cốt lõi của PC, đã phát triển thành hệ điều hành được ưa chuộng
- Tích hợp có thể thắng ở giai đoạn đầu thị trường nhưng sau đó thua trong quá trình phổ thông hóa
- Nó có thể là cây cầu tạm thời để gia nhập thị trường hoặc là nhu cầu mang tính cấu trúc
- Ngược lại, nó cũng có thể là sai lầm đe dọa sự tồn tại của công ty
- NVIDIA là một phản ví dụ cho tích hợp tối đa
- Họ tích hợp chặt chẽ kiến trúc GPU, CUDA, mạng và hệ sinh thái phần mềm điện toán tăng tốc
- Việc sản xuất bán dẫn thâm dụng vốn được giao cho các công ty chuyên môn như TSMC
- Bằng cách tăng cường điểm kiểm soát qua đồng thiết kế và tận dụng hiệu quả kinh tế của doanh nghiệp chuyên môn, họ đã trở thành một trong những công ty giá trị nhất thế giới
Stack tối thiểu nhưng đủ dùng để tích lũy học hỏi
- Tích hợp chỉ tạo ra lợi thế bền vững khi nó giúp nắm được tài sản khan hiếm
- Cảm nhận thực tế
- Thu thập dữ liệu sơ cấp
- Tác động tới hành động
- Quan sát kết quả
- Cải thiện sản phẩm dựa trên đó
- Sở hữu toàn bộ vòng lặp khép kín có thể khiến đối thủ khó tiếp cận cùng ngữ cảnh, nhưng bản thân việc sở hữu toàn bộ stack không đảm bảo năng lực phòng thủ
- Giá trị dài hạn phụ thuộc vào việc tín hiệu có độc quyền, đậm đặc và khó sao chép hay không
- Ngay cả khi trực tiếp sở hữu cảm biến, bạn vẫn có thể chỉ tạo ra dữ liệu không khác biệt
- Khi đó, gánh nặng vốn và vận hành tăng lên nhưng năng lực phòng thủ dài hạn không cải thiện
- Bạn có thể rơi vào cạnh tranh giá với startup tận dụng chi phí đầu vào giảm, đến mức làm suy yếu cả sản phẩm cốt lõi
- Các công ty phần mềm vertical truyền thống tăng trưởng bằng cách nắm điểm kiểm soát trong workflow chứ không phải toàn bộ chuỗi giá trị
- Toast không sở hữu nhà hàng mà sở hữu lớp POS và giao dịch
- Veeva không sở hữu công ty dược mà sở hữu các workflow bán hàng và tuân thủ cốt lõi trong khoa học sự sống
- Các nền tảng này hiểu và kiếm tiền từ workflow mà không phải gánh toàn bộ cấu trúc chi phí của ngành
- Câu hỏi mà Vertical AI phải trả lời là: hệ thống cần kiểm soát đâu để việc học hỏi có thể tích lũy?
- Vertical AI Playbook khuyến nghị lớp authoring là điểm khởi đầu cho workflow nội bộ tạo ra ROI và doanh thu tức thì
- Startup Vertical AI giai đoạn đầu chỉ nên sở hữu stack tối thiểu nhưng đủ dùng để giành được điểm kiểm soát nơi vòng lặp học hỏi được tích lũy
Những lớp mà tiếp cận là đủ, không cần sở hữu
- Điểm kiểm soát có thể được giành bằng nhiều cách: internalize workflow, cấp phép, tích hợp, quyền theo hợp đồng, phần cứng độc quyền...
- Chỉ nên trực tiếp nắm giữ tài sản khi việc sở hữu mở ra quyền tiếp cận điểm kiểm soát; ngoài ra, sở hữu chỉ là ma sát đắt đỏ
- Với Vertical AI, câu hỏi chiến lược quan trọng hơn so với build-vs-buy truyền thống là sở hữu hay tiếp cận
- Cần xác định phần nào cần kiểm soát trực tiếp
- Và phân biệt với phần nào chỉ cần quyền tiếp cận ổn định là đủ
- Phần lớn công ty SaaS đều thuê compute và storage
- Một sản phẩm dễ tổn thương vì không có giá trị vượt quá hạ tầng phổ thông không có nghĩa là phải tự mua data center
- Lời giải là nắm lớp nơi dữ liệu và workflow tập trung, còn lại giao cho nhà cung cấp cloud
- Cảm biến, mô hình, tích hợp, dịch vụ và phần cứng chỉ có giá trị khi chúng mở đường đến điểm kiểm soát; vượt quá ngưỡng đó, sở hữu có thể chỉ làm tăng ma sát mà không tạo độ bền
Bốn tổ hợp của tiếp cận, sở hữu và kiểm soát
- Các thành phần của tích hợp dọc có thể tách thành ba biến
- Tiếp cận: có thể sử dụng tài sản mà không sở hữu
- Sở hữu: tài sản thuộc về công ty
- Kiểm soát: nắm giữ điểm kiểm soát cốt lõi
-
OpenEvidence: tiếp cận không cần sở hữu
- OpenEvidence nắm bắt các câu hỏi lâm sàng tại thời điểm khám chữa bệnh, tìm bằng chứng liên quan và cung cấp câu trả lời cho bác sĩ
- Họ tiếp cận nội dung được cấp phép thông qua các hợp đồng thương mại với nhà xuất bản tạp chí y khoa
- Điểm kiểm soát là câu hỏi lâm sàng tại thời điểm khám, và không cần sở hữu toàn bộ workflow của tạp chí, bệnh viện hay bác sĩ
- Năng lực phòng thủ phụ thuộc vào tính bền vững của quyền tiếp cận nội dung, mạng lưới phân phối đến bác sĩ, niềm tin và giá trị của nhu cầu được tổng hợp
- Trọng tâm khác biệt hóa không nằm ở bản thân nội dung, mà ở khả năng hiểu tốt hơn câu hỏi và câu trả lời của bác sĩ trong ngữ cảnh khám chữa bệnh thực tế và cung cấp trải nghiệm vượt trội
-
Halter: sở hữu để kiểm soát
- Halter thu thập dữ liệu về bò bằng thiết bị đeo ở cổ, điều hướng di chuyển bằng hàng rào ảo và cung cấp cho chủ trang trại một ứng dụng quản lý đàn
- Nếu không có phần cứng, sẽ không thể tiếp cận tín hiệu, hành động và kết quả, nên sở hữu vòng cổ là cần thiết để giành điểm kiểm soát
- Nguồn gốc năng lực phòng thủ không phải bản thân phần cứng mà là vòng lặp quan sát-hành động và workflow quản lý trang trại
- Nếu có thể mở rộng tiếp cận dữ liệu sơ cấp mà không làm suy yếu điểm kiểm soát, các cấu phần phần cứng mô-đun có thể dần được để trở thành hàng hóa phổ thông theo thời gian
-
Abridge: kiểm soát không cần sở hữu
- Abridge ghi lại cuộc hội thoại lâm sàng để tạo tài liệu và kết nối hồ sơ khám chữa bệnh với workflow lập chart, coding và doanh thu
- Cảm biến là micro, nhưng điểm kiểm soát là lớp authoring của clinical note
- Ghi chú bắt đầu từ Abridge
- Được chuyển vào hệ thống y tế qua tích hợp sâu
- Ghi nhận các chỉnh sửa/phê duyệt của bác sĩ lâm sàng, thay đổi coding và kết quả doanh thu
- Không cần sở hữu thêm các phần khác của chuỗi giá trị y tế để tạo vòng lặp học hỏi
- Ngay cả khi việc tạo hồ sơ lâm sàng trở nên phổ thông, thứ được tích lũy không phải là kỹ thuật chép lời mà là vị trí nắm giữ trong workflow phía sau nó
- Tuy vậy, việc công nghệ nền tảng có thể bảo vệ điểm kiểm soát này về dài hạn trước các incumbent áp đảo và hung hãn hay không vẫn còn là câu hỏi
-
Hãng luật AI-native: sở hữu nhưng không có kiểm soát
- Một hãng luật AI-native đưa cả quan hệ khách hàng, luật sư và khâu cung cấp dịch vụ vào nội bộ cũng có thể không giành được năng lực phòng thủ chỉ nhờ sở hữu toàn bộ chuỗi giá trị
- Nếu dữ liệu thu thập được không khác biệt và các công ty mô hình frontier, các hãng luật incumbent dùng Harvey hay các hãng luật AI-native khác đều dễ dàng tiếp cận, thì nó không tạo khác biệt
- Việc LLM cải thiện chỉ trở thành năng lực phòng thủ khi các dịch vụ cạnh tranh không thể áp dụng cùng tiến bộ đó
- Hào lũy phần mềm mạnh không đến từ hạ tầng nền tảng mà từ vòng lặp dữ liệu độc quyền, tích hợp workflow, phân phối và hiệu ứng mạng
Ba điều kiện khi tích hợp dọc thực sự cần thiết
- Tích hợp có thể giúp đảm bảo nguồn cung, giảm độ trễ, cải thiện kiểm soát chất lượng, thiết lập một nhà vận hành chịu trách nhiệm duy nhất và tránh để nhà cung cấp cốt lõi hấp thụ lợi nhuận
- Tuy nhiên, những lợi ích này chỉ là cơ chế vận hành chứ bản thân chúng không phải hào lũy
-
1. Khi danh mục còn bất ổn để mô-đun hóa
- Nếu cách kết nối giữa mô hình, workflow, phần cứng và môi trường xung quanh liên tục thay đổi, các nhà cung cấp riêng lẻ khó phối hợp đủ nhanh
- Tích hợp là cần thiết để lặp nhanh, nhưng điều đó có nghĩa là phải tích hợp các giao diện bất ổn, chứ không phải sở hữu mọi mảng kinh doanh lân cận
-
2. Khi hiệu năng chưa đạt tiêu chuẩn người mua
- Nếu hệ thống đa nhà cung cấp còn non hoặc mong manh, người mua có thể muốn một nhà vận hành duy nhất cam kết độ tin cậy
- Các công ty RLHF có thể thuộc trường hợp này
- Cần phân biệt giữa các lớp cần thiết cho triển khai hiện tại và các lớp có thể trở thành nguồn lợi nhuận có thể phòng thủ trong tương lai
-
3. Khi không thể có quyền tiếp cận bền vững nếu không sở hữu
- Nhà cung cấp có thể không cung cấp dữ liệu, hoặc cảm biến cần thiết có thể chưa tồn tại
- Nhà cung cấp phần mềm có thể khiến tích hợp trở nên khó khăn, hoặc giới hạn nghiêm ngặt những hành động mà sản phẩm có thể thực hiện
- Nếu sở hữu tài sản liên quan là cách duy nhất để có quyền tiếp cận đáng tin cậy, thì phải trực tiếp sở hữu
Lợi thế tích hợp có giới hạn thời gian
- Trong kỷ nguyên LLM, thị trường trưởng thành nhanh, cạnh tranh thúc đẩy khả năng tương tác, và người mua cũng nhanh chóng hiểu rõ nhu cầu của mình
- Sau khi nhà tích hợp định hình danh mục, đối thủ mô-đun sẽ tấn công từng lớp riêng lẻ trong stack
- Đối thủ mô-đun không phải lúc nào cũng thắng, nhưng nếu công ty tích hợp không tiếp tục sở hữu nút thắt hiệu năng hoặc điểm kiểm soát, lợi thế của việc sở hữu chỉ là tạm thời
- Thị trường hiện tại giống với thị trường non trẻ mà Christensen mô tả
- Người mua khó đánh giá nên mua hay xây cái gì, và cái gì đáng để triển khai
- Startup hành động mang tính thử nghiệm hơn, thiên về tư vấn hơn, và có thể ôm phạm vi rộng hơn bình thường để giải quyết vấn đề doanh nghiệp
- Tuy vậy, thay vì sở hữu mọi thứ ngay từ đầu, cần có kỷ luật quản trị để vừa thử các hướng mở rộng khác nhau vừa giữ được trọng tâm
Biến bổ trợ thành hàng hóa phổ thông nhưng không gánh cấu trúc chi phí
- Startup có thể làm suy yếu quyền định giá của incumbent bằng cách cung cấp sản phẩm liền kề rẻ hơn, miễn phí, embedded hoặc khiến chúng khó kiếm được biên lợi nhuận
- Việc biến bổ trợ thành hàng hóa phổ thông không có nghĩa là phải trực tiếp sở hữu chúng hoặc gánh luôn hiệu quả kinh tế và mô hình kinh doanh của cả ngành đó
- Cần làm cho bổ trợ trở nên dồi dào, chuẩn hóa và rẻ, để giá trị dịch chuyển về lớp mà mình kiểm soát
- Có thể giảm giá
- Có thể thúc đẩy chuẩn tương tác
- Phải loại bỏ nút thắt mà không thừa kế cấu trúc chi phí vĩnh viễn của bổ trợ
- Nếu công ty AI y tế xem dịch vụ là nút thắt, ban đầu có thể để con người tham gia
- Mục tiêu không phải trở thành nhà cung cấp dịch vụ chi phí thấp đơn thuần
- Mà là chuyển công việc dịch vụ lặp đi lặp lại thành quyền tiếp cận điểm kiểm soát
- Lợi thế chính của phần mềm là đòn bẩy, và dù AI mở rộng phạm vi kinh doanh, sức hấp dẫn của phần mềm và mô hình nhẹ tài sản vẫn không biến mất
- Khi trí tuệ nền tảng trở nên rẻ hơn, đòn bẩy càng quan trọng hơn, và doanh nghiệp đi sau hoặc công ty mô hình frontier có thể mô-đun hóa sản phẩm tích hợp
- Nhà sáng lập nên hỏi trước cần biến cái gì thành hàng hóa phổ thông thay vì sẽ sở hữu cái gì
- Nếu bổ trợ cản trở việc triển khai, chỉ tích hợp đến mức đủ để giảm quyền định giá, chi phí điều phối và rủi ro độ tin cậy
- Các lớp không củng cố điểm kiểm soát thì nên thuê, cấp phép hoặc cung cấp dưới dạng giao diện mô-đun
- Chuyên môn hóa về chức năng và lao động là nguyên lý kinh tế mạnh, nên cần chọn cẩn thận lĩnh vực sẽ đối đầu trực diện về dài hạn
Điểm kiểm soát xuất hiện vào năm 1841
- Sau cơn hoảng loạn năm 1837 làm lộ ra sự thiếu vắng thông tin tín dụng thương mại đáng tin cậy, Lewis Tappan đã thành lập Mercantile Agency vào năm 1841
- Công ty này lập ra một mạng lưới toàn quốc gồm các cộng tác viên được trả tiền như luật sư, chủ ngân hàng và người quan sát địa phương, đồng thời xây dựng mạng lưới tín dụng B2B đầu tiên thu thập khả năng thanh toán, danh tiếng và mức tín nhiệm của thương nhân
- Tương truyền Abraham Lincoln thời trẻ cũng là một trong những cộng tác viên ban đầu
- Khi đó, các thương nhân là những doanh nghiệp tích hợp dọc phải gánh toàn bộ hàng tồn kho, kho bãi, chuỗi cung ứng, quan hệ khách hàng cùng rủi ro vốn và vận hành
- Mercantile Agency đã nắm được lớp thông tin cần cho các quyết định tín dụng doanh nghiệp lặp đi lặp lại và có giá trị cao
- Mạng lưới cộng tác viên cung cấp dữ liệu
- Mỗi khi thêm thông tin như thanh toán và chậm trả, hệ thống ra quyết định tín dụng lại được cải thiện
- Đây là ví dụ về một doanh nghiệp nhẹ tài sản nhưng giành được điểm kiểm soát
- Về sau, Mercantile Agency trở thành Dun & Bradstreet, công ty dữ liệu doanh nghiệp lâu đời của Mỹ
- Theo định luật bảo toàn lợi nhuận hấp dẫn của Christensen, lợi nhuận không dịch chuyển về công ty có nhiều lớp nhất mà về công ty kiểm soát nút thắt hiệu năng
- Mercantile Agency không sở hữu hàng tồn kho hay kho bãi, mà sở hữu sổ cái tín dụng thương nhân, tức trung tâm trao đổi thông tin của giao dịch thương mại
- Nhà sáng lập Vertical AI cần tìm phiên bản hiện đại của sổ cái này và chỉ sở hữu phần stack đủ để làm nó chính xác, bền vững và tăng trưởng kép
- Cần chọn bundling và unbundling một cách cẩn thận, đồng thời hỗ trợ một miền cụ thể tốt đến mức khách hàng không chỉ thấy khó thay thế mà còn không cảm thấy cần phải thay thế
1 bình luận
Ít nhất cũng phải full-stack đủ dùng... ghê thật