a16z: จุดจบของโมเดลธุรกิจ AI ไม่ใช่การขาย "ที่นั่ง" แต่คือการรับ "ส่วนแบ่งรายได้"

ผู้เขียน: David Haber, หุ้นส่วน a16z

เรียบเรียง: Deepchao TechFlow

บทนำจาก Deepchao: บทวิเคราะห์จาก a16z ชิ้นนี้ชี้ตรงจุดเปลี่ยนสำคัญที่สุดของการทำเงินจาก AI: จากการประหยัดต้นทุนรายชั่วโมง สู่การแบ่งรายได้ตามผลลัพธ์ หากคุณเป็นผู้ประกอบการ SaaS หรือนักลงทุน บทความนี้อธิบายว่าทำไมยูนิคอร์น AI รุ่นต่อไปจะไม่ขาย "ค่าที่นั่ง" อีกต่อไป แต่จะรับส่วนแบ่งจากการเติบโตของรายได้ลูกค้าโดยตรง

ตามธรรมเนียมแล้ว การโทรหาโอเปอเรเตอร์เครือข่ายเพื่อแจ้งอินเทอร์เน็ตเสียมักเป็นแบบนี้: เสียงหุ่นยนต์เรียกคุณว่า "ลูกค้าคนสำคัญ" ก่อนจะให้คุณวนเวียนอยู่ในเมนูโทรศัพท์หลายนาที: "กด 3 เพื่อติดต่อฝ่ายเทคนิค กด 2 เพื่อเลือกบริการบรอดแบนด์ และกด 4 สำหรับปัญหาอื่นๆ" จากนั้นคุณก็ถูกทิ้งไว้กับเพลงรอสาย รู้สึกเหมือนถูกหลงลืม จนในที่สุดมีพนักงานรับสาย ถามชื่อ บัญชี และรายละเอียดปัญหา ถ้ารีสตาร์ตเราเตอร์แล้วไม่หาย คุณก็ต้องรอต่อ แล้วเล่าเรื่องทั้งหมดให้พนักงานอีกคนฟังตั้งแต่ต้น สุดท้ายถึงจะนัดช่างมาซ่อมที่บ้านได้

AI กำลังเปลี่ยนฉากการบริการลูกค้าแบบนี้แล้ว คุณไม่ต้องวนเวียนกับเสียงหุ่นยนต์และพนักงานหลายคนอีกต่อไป เอเจนต์ AI หนึ่งตัวสามารถรับสายได้ทันที มันดูบัญชีของคุณได้ ตรวจสอบว่ามีผู้ใช้รายอื่นในพื้นที่ของคุณได้รับผลกระทบหรือไม่ แก้ปัญหาง่ายๆ ให้โดยตรง หรือช่วยนัดช่างซ่อมให้คุณ ไม่มีข้อความ "ขณะนี้พนักงานทุกท่านกำลังให้บริการลูกค้าท่านอื่น" และไม่มีเพลงรอสายอีกต่อไป จนกระทั่งเมื่อไม่นานมานี้ นี่คือขีดจำกัดของเทคโนโลยี

แต่ตอนนี้ ความสามารถใหม่ๆ กำลังทำให้เอเจนต์ AI ติดตามเบาะแสและทำงานข้ามช่วงเวลาที่ยาวนานขึ้นได้ เราเชื่อว่าสิ่งนี้จะทำให้บริษัท AI ก้าวข้ามการโต้ตอบกับลูกค้าแบบครั้งเดียว และคิดใหม่ว่าจะจัดการเส้นทางลูกค้าที่ซับซ้อนซึ่งกินเวลาหลายสัปดาห์หรือหลายเดือนอย่างไร AI จะนำทางลูกค้าประกันภัยตั้งแต่สายแรกจนถึงการจ่ายค่าสินไหม นำทางผู้กู้จำนองตั้งแต่การอนุมัติเบื้องต้นจนถึงการโอนกรรมสิทธิ์ และนำทางลีดการขายองค์กรตั้งแต่การสาธิตครั้งแรกจนถึงการเซ็นสัญญา สิ่งนี้ไม่เพียงให้ผลลัพธ์ที่ดีกว่ากับลูกค้า แต่ยังทำให้ผู้ให้บริการ AI ได้รับค่าตอบแทนตามการเติบโตของรายได้ แทนที่จะคิดค่าบริการจากการประหยัดต้นทุนเพียงอย่างเดียว

มูลค่าจะเกิดขึ้นเมื่อถึงเส้นชัยของการวิ่งผลัดเท่านั้น

มีธุรกิจหลายประเภทที่การสร้างมูลค่าให้ลูกค้าต้องใช้หลายขั้นตอน กินเวลาหลายสัปดาห์หรือหลายเดือน ยกตัวอย่างกระบวนการเตรียมคดีของสำนักงานกฎหมายโจทก์แบบดั้งเดิม คดีที่มีศักยภาพมักเข้ามาในรูปแบบลีดทางโทรศัพท์ เจ้าหน้าที่รับเรื่องรวบรวมข้อมูลสำคัญแล้วส่งให้ทนายประเมินว่าจะรับลูกความรายนี้หรือไม่ เมื่อสำนักงานรับคดีแล้ว การสืบสวนและรวบรวมพยานหลักฐานก็เริ่มขึ้น: ผู้ช่วยทนายดึงรายงานตำรวจ พยายามติดต่อพยาน ส่งจดหมายรักษาพยานหลักฐานถึงจำเลยเพื่อเก็บรักษาหลักฐาน พร้อมกับอัปเดตความคืบหน้าให้ลูกความอย่างต่อเนื่อง จากนั้นสำนักงานต้องรอให้ลูกความรักษาตัวเสร็จ แล้วร่างไทม์ไลน์ทางการแพทย์ ส่งเอกสารให้ทนายเพื่อทำจดหมายเรียกร้องค่าเสียหาย

กระบวนการนี้คือสิ่งที่เราเคยเรียกว่า "การวิ่งผลัด": การเดินทางอันยาวนานที่ทุกจุดส่งต่อมีความเสี่ยงต่อการสูญเสียลูกค้าหรือมูลค่าลดลง ลูกความที่มีศักยภาพมักโทรหาสำนักงานกฎหมายบาดเจ็บส่วนบุคคลหลายแห่ง และมักเซ็นสัญญากับที่ตอบกลับเร็วที่สุด ดังนั้นถ้าลูกค้าได้ยินเพียงข้อความเสียง หรือการคัดกรองคุณสมบัติช้าเกินไป คดีก็จะหลุดออกจากกรวย หลังจากลูกค้าเซ็นสัญญา การรวบรวมพยานเกี่ยวข้องกับหลายสายงานคู่ขนาน สำนักงานอาจไม่มีความอดทนพอที่จะโทรครั้งที่ห้าหลังจากสี่ครั้งไม่มีคนรับ นอกจากนี้ ข้อจำกัดด้านกำลังคนอาจทำให้สำนักงานไม่สามารถตรวจสอบหลักฐานทุกชิ้นอย่างละเอียด โดยเฉพาะคดีที่ดูธรรมดาและมูลค่าไม่สูง หากการอ่านบันทึกแพทย์อย่างละเอียดอาจพบสัญญาณการบาดเจ็บที่สมอง ซึ่งจะเพิ่มวงเงินประนีประนอมอย่างมาก แต่สำนักงานอาจยอมรับข้อเสนอแรกของอีกฝ่ายไปเลย สุดท้าย คดีอาจยืดเยื้อหลายเดือน เกี่ยวข้องกับผู้มีส่วนได้ส่วนเสียจำนวนมาก ข้อมูลกระจัดกระจายอยู่ในเอกสาร บุคลากร และระบบต่างๆ ทำให้สำนักงานแทบเป็นไปไม่ได้ที่จะมีมุมมองภาพรวมของลูกความแต่ละราย ผลลัพธ์คือ บิลสำคัญอาจไม่ถูกใส่ในจดหมายเรียกร้อง ช่วงว่างของการรักษาไม่มีใครอธิบาย สุดท้ายก็กดวงเงินประนีประนอมลง

โอกาสของเอเจนต์ระยะยาว

จนกระทั่งเมื่อไม่นานมานี้ เอเจนต์ AI ส่วนใหญ่จัดการเฉพาะงานที่มีขอบเขตชัดเจน: "ส่งอีเมลติดตามฉบับนี้" "สรุปสายโทรศัพท์นั้น" "สร้างเอกสารนี้" และการโต้ตอบในขอบเขตแคบๆ ตัวอย่างเช่น การบริการลูกค้าเป็นฉากที่ยอดเยี่ยมสำหรับการนำ AI มาใช้ในช่วงแรก เพราะพื้นที่ปัญหามีการกำหนดชัดเจน สามารถบรรลุความน่าเชื่อถือสูง และยังปรับแต่งตามนโยบายเฉพาะของบริษัทได้ เวลาโต้ตอบสั้น ผลลัพธ์ตรวจสอบได้ และถ้าเอเจนต์ AI เจอกรณีขอบที่จัดการไม่ได้ ทีมบริการลูกค้าเดิมก็ยังอยู่พร้อมสำหรับการยกระดับ

ตอนนี้ เอเจนต์ระยะยาวสามารถไล่ตามเป้าหมายข้ามหลายสิบขั้นตอน หลายโหมด และช่วงเวลาที่ยาวนานขึ้น ทำให้มันวิ่งผลัดได้ตั้งแต่ต้นจนจบ ในตัวอย่างสำนักงานกฎหมายโจทก์ เริ่มจากสายรับคดีครั้งแรก ก็สามารถมอบหมายคดีให้เอเจนต์ระยะยาว โดยมีเป้าหมายคือเพิ่มวงเงินชดเชยของลูกความให้สูงสุด เอเจนต์จะจัดเก็บและเรียกค้นข้อมูลบริบทของคดีเมื่อจำเป็น มันปลุกตัวเองตามเหตุการณ์หรือกำหนดเวลา ส่งเอเจนต์ย่อยออกไปติดต่อพยาน อัปเดตลูกความ สื่อสารกับทนายผ่านโทรศัพท์ อีเมล หรือข้อความ จากนั้นมันรวบรวมสิ่งที่ค้นพบ วางแผนขั้นตอนถัดไป ร่างเอกสารเพื่อตรวจสอบ และผลักดันคดีไปสู่ผลลัพธ์ที่ดีที่สุดเท่าที่เป็นไปได้ ในระดับข้ามลูกความ มันเรียนรู้อย่างต่อเนื่อง ข้อมูลที่เกิดจากแต่ละคดีช่วยให้มันจัดการคดีถัดไปได้ดีกว่าปัจจุบัน

เอเจนต์แก้จุดรั่วไหลของมูลค่าหลักที่สังเกตได้ในการวิ่งผลัดวันนี้ ที่จุดเริ่มต้นของการเดินทาง ลูกค้าไม่หลุดหายเพราะการประเมินคดีล่าช้าอีกต่อไป เพราะเอเจนต์ออนไลน์ตลอดเวลาไม่ว่ากี่โมงหรือวันไหน และประเมินคดีได้แทบจะทันที การรวบรวมพยานไม่ถูกจำกัดด้วยกำลังคนอีกต่อไป เพราะเอเจนต์คดีสามารถดึงเอเจนต์ย่อยเพิ่มมาอีกตัวได้ทุกเมื่อเพื่อโทรครั้งที่ห้า ครั้งที่สิบ หรือแม้แต่ครั้งที่ยี่สิบ เนื่องจากเอเจนต์ขยายขนาดได้แทบไร้ขีดจำกัด แม้แต่คดีที่ดูธรรมดาก็จะถูกจัดการอย่างละเอียด หลักฐานทุกชิ้นถูกตรวจสอบอย่างถี่ถ้วน เผยให้เห็นเบาะแสการบาดเจ็บที่สมองที่อาจถูกมองข้าม สุดท้าย เอเจนต์เก็บบันทึกคดีที่ครบถ้วน ตั้งแต่บันทึกเสียงโทรศัพท์พยาน รายงานตำรวจ ไปจนถึงบันทึกทางการแพทย์ รับประกันว่าไม่มีข้อมูลใดสูญหาย

คิดค่าบริการตามผลลัพธ์

นอกจากการอุดรอยรั่วเหล่านี้แล้ว การเป็นเจ้าของเส้นทางลูกค้าทั้งหมดยังเปลี่ยนโมเดลธุรกิจของผู้ให้บริการเอเจนต์ได้ด้วย เมื่อเอเจนต์ส่งมอบผลลัพธ์ด้วยคุณภาพที่สูงขึ้นและความเร็วที่มากขึ้น มันสามารถสร้างการเติบโตของรายได้ให้ลูกค้า ไม่ใช่แค่การลดต้นทุน ที่สำคัญกว่านั้น เนื่องจากผลกระทบสามารถสังเกตได้และระบุได้ว่าเป็นผลจากเอเจนต์ ผู้ให้บริการสามารถแบ่งปันมูลค่าส่วนเพิ่มที่ตนสร้างขึ้นได้ผ่านการตั้งราคาตามผลงานหรือผลลัพธ์ ในตัวอย่างสำนักงานกฎหมายโจทก์ คดีรายคดีเป็นหน่วยงานตามธรรมชาติ และมูลค่าของผลลัพธ์สุดท้ายคือวงเงินประนีประนอมที่ชัดเจนและระบุได้ นอกจากนี้ เนื่องจากเอเจนต์มีส่วนแบ่งในผลงานสุดท้ายมากขึ้นเรื่อยๆ ผลลัพธ์ก็ยิ่งเชื่อมโยงกับเอเจนต์ได้ง่ายขึ้น ผู้ให้บริการจึงสามารถแบ่งปันการเติบโตของรายได้ ไปถึงวงเงินสัญญาที่การลดต้นทุนเพียงอย่างเดียวไม่เคยทำได้

จริงอยู่ การเปลี่ยนไปสู่การตั้งราคาตามผลลัพธ์ไม่ได้ไร้แรงเสียดทาน ในอุตสาหกรรมทนายความโจทก์ รัฐส่วนใหญ่ห้ามผู้ที่ไม่ใช่ทนายความแบ่งค่าธรรมเนียมทางกฎหมาย ดังนั้นการตั้งราคาจึงต้องสอดคล้องกับวงเงินประนีประนอม แต่ไม่สามารถแบ่งส่วนแบ่งโดยตรงจากมันได้ ในแนวดิ่งอื่นๆ ผู้ให้บริการอาจเจอการต่อต้านจากทีมจัดซื้อ เพราะยังไม่มีแบบอย่างการเซ็นสัญญาตามผลลัพธ์ และแม้เอเจนต์จะเข้าใกล้การเป็นเจ้าของผลลัพธ์อย่างสมบูรณ์ ข้อโต้แย้งเรื่องการระบุแหล่งที่มาอาจยังเกิดขึ้นในช่วงแรก ดังนั้น การนำเอเจนต์ที่ทำงานระยะยาวไปใช้ให้สำเร็จจึงเป็นทั้งความท้าทายทางธุรกิจและทางเทคนิค

อย่างไรก็ตาม การคิดค่าบริการตามผลลัพธ์ในเส้นทางลูกค้ามูลค่าสูงไม่ใช่แนวคิดใหม่

เหตุผลสนับสนุน Red Ventures เวอร์ชัน AI-native

Red Ventures (RV) เป็นกรณีศึกษาทางประวัติศาสตร์ที่ยอดเยี่ยม RV ก่อตั้งโดย Ric Elias และ Dan Feldstein เป็นผู้บุกเบิกการดำเนินงานขายแบบครบวงจรแบบดิจิทัลสำหรับสัญญาผู้บริโภคระยะยาว ยกตัวอย่างประกันภัย RV จะเก็บข้อมูลลูกค้าเมื่อพวกเขาค้นหาผลิตภัณฑ์เหล่านี้ (ผ่านการเป็นเจ้าของเว็บไซต์อย่าง homeinsurance.com) ติดต่อลูกค้าเชิงรุก พาพวกเขาทำความเข้าใจตัวเลือกความคุ้มครอง และปิดการขายกรมธรรม์ในที่สุด เนื่องจากการเป็นเจ้าของเส้นทางนี้อย่างสมบูรณ์ RV ได้รับค่าตอบแทนจากบริษัทประกันทุกครั้งที่ปิดการขายกรมธรรม์ได้หนึ่งฉบับ โมเดลนี้เคยมีประสิทธิภาพอย่างยิ่ง: ตามข้อมูลจาก S&P Global RV สร้าง EBITDA ประมาณ $370 ล้าน จากยอดขายประมาณ $1.4 พันล้านในปี 2022

ปัจจุบัน โมเดลนี้ดูเหมือนเผชิญภัยคุกคามเชิงโครงสร้าง ที่ด้านบนของกรวย วิธีที่ผู้บริโภคค้นพบผลิตภัณฑ์กำลังเปลี่ยนไป พวกเขาไม่พึ่งพาการค้นหาของ Google หรือเว็บไซต์เปรียบเทียบราคาเพื่อสำรวจและเปรียบเทียบผลิตภัณฑ์อีกต่อไป แต่สามารถถามเอเจนต์ส่วนตัวอย่าง Muse หรือ Instinct ของ Meta เพื่อขอคำแนะนำผลิตภัณฑ์ได้โดยตรง ซึ่งลดคุณค่าของการเป็นเจ้าของเว็บไซต์แนวสำรวจในอดีต เมื่อมองลงไปตามกรวย แทนที่จะมีคนนับร้อยนับพันดำเนินกรวยเชิงเส้น เอเจนต์ที่ทำงานระยะยาวสามารถจัดการเส้นทางที่ซับซ้อนกว่าในอดีตมาก พวกมันทำงานข้ามผลิตภัณฑ์ ข้ามช่องทางการสื่อสาร แบบคู่ขนาน รองรับทุกภาษา และดำเนินการในวงกว้าง พร้อมความพากเพียรไร้ขีดจำกัด EBITDA ของ RV คาดว่าจะลดลงเหลือประมาณ $160 ล้านในปี 2025 เนื่องจากการสูญเสียลูกค้าและการใช้จ่ายโฆษณาที่อ่อนแอ ซึ่งเป็นสัญญาณเบื้องต้นของความเปราะบางของโมเดลนี้ และ AI จะยิ่งเปลี่ยนแปลงอุตสาหกรรมทั้งหมดต่อไป

สามแนวทางในการเข้าสู่ตลาด

การนำเอเจนต์ที่ทำงานระยะยาวออกสู่ตลาดมีวิธีที่แตกต่างกัน:

(1) การขายแพลตฟอร์ม: ในแนวทางนี้ ผู้ให้บริการขายเอเจนต์ที่ทำงานระยะยาวเป็นซอฟต์แวร์ สนับสนุนให้องค์กรใช้ในการดำเนินงานปัจจุบัน ในกรณีสำนักงานกฎหมายโจทก์ การผสานเอเจนต์เข้ากับทีมเดิมและเวิร์กโฟลว์ของพวกเขาเป็นตัวอย่างที่ดี การขายแพลตฟอร์มนำมาซึ่งโอกาสรายได้ที่สูงขึ้น เพราะมักไม่มีสัญญาซอฟต์แวร์หรือบริการเอาท์ซอร์สที่เทียบเคียงได้เพื่อยึดราคา แต่มันก็ยืดรอบการขาย เพราะต้องสร้างรายการงบประมาณใหม่ และเมื่อเอเจนต์โต้ตอบกับหลายแผนกขององค์กร การระบุผลลัพธ์ว่าเป็นผลจากเอเจนต์อย่างชัดเจนก็ทำได้ยาก

(2) การขายบริการ: ที่นี่ผู้ให้บริการรับช่วงบริการที่ถูกเอาท์ซอร์สอยู่แล้ว เพื่อส่งมอบผลลัพธ์ที่ต้องการอย่างมีประสิทธิภาพมากขึ้น เหมือนที่ Red Ventures เป็นเจ้าของเส้นทางการหาลูกค้าทั้งหมดให้บริษัทประกัน แนวทางนี้ย่นรอบการขาย เพราะการคำนวณ ROI ของผู้ซื้อง่าย และรายการงบประมาณของ BPO มีอยู่แล้ว อย่างไรก็ตาม โมเดลการตั้งราคาก่อนยุค AI ที่มีอยู่อาจไม่สะท้อนมูลค่าที่เอเจนต์ระยะยาวส่งมอบได้จริง และทุกวันนี้เส้นทางมูลค่าสูงจำนวนมากดำเนินการภายในองค์กร ซึ่งจำกัดการเข้าถึงของแนวทางนี้

(3) การบุกแบบฟูลสแตก: ฟูลสแตกหมายถึงการบูรณาการแนวดิ่ง กลายเป็นผู้เล่น AI-native ตัวอย่างเช่น แทนที่จะขายเอเจนต์ระยะยาวให้บริษัททวงหนี้ คุณซื้อพอร์ตหนี้มาและทวงเอง ซึ่งทำให้คุณเก็บเกี่ยวผลประโยชน์ขาขึ้นทั้งหมดที่ AI สร้าง และแก้ปัญหาการระบุแหล่งที่มา แต่นั่นก็หมายความว่าคุณต้องแบกรับส่วนงานบริการ เช่น ใบอนุญาตหรือการปฏิบัติตามกฎระเบียบ ซึ่งอยู่นอกเส้นทางลูกค้าจริง และเพิ่มสิ่งรบกวนและความซับซ้อนในการดำเนินงาน

ยังเร็วเกินไปที่จะตัดสินว่าแนวทางใดจะประสบความสำเร็จ แต่เรามั่นใจว่าเอเจนต์ที่ทำงานระยะยาวจะชนะในการวิ่งผลัดขนาดใหญ่ และขยายตลาดที่ AI เข้าถึงได้จากส่วนหนึ่งของงบประมาณแรงงาน ไปสู่ส่วนหนึ่งของรายได้ การเตรียมคดีโจทก์เป็นเพียงตัวอย่างหนึ่ง เราคาดว่าเอเจนต์จะขับเคลื่อนผลลัพธ์ในเส้นทางมูลค่าสูงอื่นๆ เช่น การปล่อยสินเชื่อจำนอง การดำเนินการเคลมประกัน การขายองค์กรที่ซับซ้อน และฉากอื่นๆ อีกนับไม่ถ้วน หากคุณกำลังคว้าโอกาสนี้ เรายินดีรับฟังข่าวสารจากคุณ!