a16z: 30% công ty trong danh sách Fortune 500 đã chi tiền cho AI, ứng dụng đầu tiên là viết mã và hỗ trợ khách hàng
Tuyển chọn TechFlowTuyển chọn TechFlow
a16z: 30% công ty trong danh sách Fortune 500 đã chi tiền cho AI, ứng dụng đầu tiên là viết mã và hỗ trợ khách hàng
Báo cáo dài 23.928 từ này, dựa trên dữ liệu nội bộ, tiết lộ những kịch bản AI nào thực sự tạo ra giá trị và những kịch bản nào vẫn chỉ là chiêu thức quảng bá mang tính khái niệm.
Chuyên sâu báo cáo Web3Tác giả: a16z
Biên dịch: TechFlow
Giới thiệu của TechFlow: MIT tuyên bố 95% các dự án thử nghiệm AI tạo sinh trong doanh nghiệp thất bại trong việc chuyển đổi thành ứng dụng thực tế; tuy nhiên, a16z phản bác trực tiếp khẳng định này bằng dữ liệu sơ cấp từ các công ty trong danh mục đầu tư của mình. 29% số công ty thuộc danh sách Fortune 500 và 19% số công ty thuộc danh sách Global 2000 hiện đã là khách hàng trả phí của các công ty khởi nghiệp AI hàng đầu; các công cụ lập trình giúp năng suất của những kỹ sư giỏi nhất tăng lên 10–20 lần. Báo cáo dài 23.928 từ này dựa trên dữ liệu nội bộ, tiết lộ những tình huống ứng dụng AI nào thực sự tạo ra giá trị và những tình huống nào vẫn chỉ là chiêu bài炒作.
Có rất nhiều suy đoán về mức độ tiến triển của AI trong các tập đoàn lớn, nhưng phần lớn thông tin hiện có chỉ dựa trên báo cáo tự nguyện về việc sử dụng AI hoặc các khảo sát nhằm nắm bắt cảm xúc định tính từ người mua thay vì dữ liệu khách quan. Ngoài ra, một số ít nghiên cứu hiện có lại khẳng định AI hoạt động kém hiệu quả trong doanh nghiệp — nổi bật nhất là nghiên cứu của MIT, cho rằng 95% các dự án thử nghiệm AI tạo sinh không thể chuyển đổi thành ứng dụng thực tế.
Dựa trên dữ liệu nội bộ và các cuộc trao đổi với các nhà điều hành doanh nghiệp, chúng tôi thấy con số thống kê này khó tin cậy. Chúng tôi đã theo dõi sát sao nơi AI được áp dụng mạnh nhất và ROI rõ ràng nhất, đồng thời tổng hợp dữ liệu khách quan về những ứng dụng AI thực sự hiệu quả trong doanh nghiệp.
Mức độ thâm nhập AI trong doanh nghiệp
Theo phân tích của chúng tôi, 29% số công ty trong danh sách Fortune 500 và khoảng 19% số công ty trong danh sách Global 2000 hiện là khách hàng trả phí đang hoạt động của các công ty khởi nghiệp AI hàng đầu.
Để đáp ứng tiêu chí thống kê này, các doanh nghiệp nói trên phải ký hợp đồng toàn diện (từ cấp cao nhất) với các công ty khởi nghiệp AI, hoàn tất chuyển đổi từ giai đoạn thử nghiệm sang triển khai chính thức và đưa sản phẩm vào vận hành trong tổ chức của họ.
Việc đạt được mức độ thâm nhập như vậy trong một khoảng thời gian ngắn là đáng kể, bởi các công ty Fortune 500 vốn không nổi tiếng là những người đi đầu trong việc áp dụng công nghệ mới. Về mặt lịch sử, nhiều công ty khởi nghiệp buộc phải bán sản phẩm trước tiên cho các công ty khởi nghiệp khác để tạo đà phát triển ban đầu; phải mất vài năm sau đó mới ký được hợp đồng đầu tiên với doanh nghiệp, và còn cần thêm thời gian cùng doanh thu để cuối cùng có thể ký hợp đồng với khách hàng quy mô Fortune 500.
AI đã phá vỡ chuẩn mực này. OpenAI ra mắt ChatGPT vào tháng 11 năm 2022, ngay lập tức phô bày tiềm năng của AI đối với cả người tiêu dùng lẫn doanh nghiệp. Sự kiện này đã kích hoạt “cơn bão” quan tâm đến AI—một hiện tượng chưa từng xuất hiện ở bất kỳ thế hệ công nghệ nào trước đây—và khiến các tập đoàn lớn sẵn sàng đặt cược sớm hơn bao giờ hết vào các sản phẩm mới. Kết quả: Chỉ hơn ba năm sau, gần một phần ba số công ty Fortune 500 và một phần năm số công ty Global 2000 đã triển khai AI thực tế trong tổ chức của mình.
Những ứng dụng AI nào thực sự hiệu quả trong doanh nghiệp?
Việc áp dụng này diễn ra nhanh nhất ở đâu, và nó tương quan thế nào với những nhiệm vụ mà mô hình AI vốn dĩ làm tốt hơn?
Chúng tôi nhận thấy phương pháp đánh giá mang tính chỉ báo nhất là chồng lấp xu hướng doanh thu của từng trường hợp sử dụng lên khả năng lý thuyết của mô hình do GDPval định nghĩa—GDPval là một bộ tiêu chuẩn nổi tiếng của OpenAI, dùng để đánh giá khả năng của mô hình trong các nhiệm vụ mang giá trị kinh tế thực tế. Đối với chúng tôi, hai yếu tố này vừa tóm lược giới hạn tối đa mà mô hình có thể đạt được, vừa phản ánh mức độ giá trị mà chúng đã chứng minh được trong thực tế ngày nay. Điều này khiến chúng trở thành chỉ báo rất hữu ích về nơi AI đang được áp dụng hôm nay, nơi nó có thể tiến tới trong tương lai, cũng như những lĩnh vực còn tồn tại “khoảng trống AI” dù khả năng mô hình ngày càng trưởng thành.
AI đang tạo ra giá trị lớn nhất ở đâu trong doanh nghiệp hôm nay?
Xét về xu hướng doanh thu, việc áp dụng AI trong doanh nghiệp được dẫn dắt rõ ràng bởi một nhóm trường hợp sử dụng và ngành nghề nhất định. Lập trình, hỗ trợ khách hàng và tìm kiếm (search) hiện chiếm phần lớn các trường hợp ứng dụng (riêng lập trình thậm chí vượt trội hơn hẳn một bậc)—trong khi các ngành công nghệ, pháp lý và chăm sóc sức khỏe là những lĩnh vực háo hức áp dụng AI nhất.
Lập trình: Lập trình là trường hợp ứng dụng chủ đạo của AI, thậm chí vượt trội hơn hẳn một bậc. Điều này rõ ràng qua tốc độ tăng trưởng bùng nổ được báo cáo bởi các công ty như Cursor, cũng như tốc độ tăng trưởng vượt bậc của các công cụ như Claude Code và Codex. Những tốc độ tăng trưởng này vượt xa mọi dự báo lạc quan nhất, và đến nay phần lớn việc áp dụng công cụ AI của các công ty Fortune 500/Global 2000 đều tập trung vào lĩnh vực mã nguồn.
Về nhiều phương diện, lập trình đại diện cho trường hợp ứng dụng lý tưởng của AI—cả về năng lực kỹ thuật lẫn mức độ chấp nhận của thị trường doanh nghiệp. Mã nguồn là loại dữ liệu dày đặc, nghĩa là trên mạng có lượng lớn mã chất lượng cao để huấn luyện mô hình. Nó cũng dựa trên văn bản, nên mô hình dễ dàng phân tích. Nó mang tính chính xác và rõ ràng, với cú pháp nghiêm ngặt và kết quả có thể dự đoán được. Quan trọng hơn cả, nó có thể kiểm chứng được: bất kỳ ai cũng có thể chạy mã và biết ngay liệu nó có hoạt động hay không—điều này tạo ra vòng phản hồi khép kín để mô hình học hỏi và cải thiện.
Về góc độ thương mại, đây cũng là một ứng dụng rất tốt. Các công ty trong danh mục đầu tư của chúng tôi liên tục chia sẻ rằng năng suất của những kỹ sư giỏi nhất tăng lên 10–20 lần nhờ các công cụ lập trình AI. Việc tuyển dụng kỹ sư luôn khó khăn và tốn kém, nên bất kỳ giải pháp nào nâng cao năng suất của họ đều mang lại ROI rõ ràng—mức tăng năng suất mà các công cụ lập trình AI mang lại tạo ra động lực mạnh mẽ cho việc áp dụng. Kỹ sư cũng thường là những người đi đầu trong việc áp dụng các công cụ tốt nhất, bởi lập trình là một nhiệm vụ cá nhân hơn nhiều so với các công việc doanh nghiệp khác, nên họ dễ dàng tự tìm và áp dụng công cụ tốt nhất mà không bị vướng mắc bởi các rào cản phối hợp và quan liêu thường cản trở nhiều chức năng khác trong doanh nghiệp.
Hơn nữa, các công cụ lập trình không cần hoàn thành toàn bộ nhiệm vụ từ đầu đến cuối với độ chính xác 100% mới tạo ra giá trị gia tăng, vì bất kỳ sự gia tốc nào (ví dụ: tìm lỗi, sinh mã mẫu) đều tiết kiệm thời gian và hữu ích. Do quy trình làm việc lập trình luôn có sự giám sát chặt chẽ của con người, các nhà phát triển hiện vẫn kiểm soát toàn bộ quá trình phát triển, nên những công cụ này vừa tăng tốc đầu ra vừa vẫn dành không gian cho đánh giá, chỉnh sửa và lặp lại bởi con người. Điều này vừa gia tăng niềm tin của doanh nghiệp, vừa làm cho lộ trình áp dụng trở nên thuận lợi hơn.
Khả năng lập trình của AI đang tăng theo cấp số mũ, với mỗi phòng thí nghiệm đều tập trung rõ ràng vào việc giành chiến thắng trong lĩnh vực này. Điều này có tác động to lớn. Mã nguồn là thành phần nền tảng của mọi ứng dụng khác, bởi nó là khối xây dựng cốt lõi của mọi phần mềm; do đó, việc AI đẩy nhanh việc viết mã sẽ thúc đẩy tăng tốc ở mọi lĩnh vực khác. Rào cản để xây dựng các ứng dụng trong những lĩnh vực này giảm xuống, mở ra những cơ hội mới để giải quyết vấn đề bằng AI—nhưng cùng lúc, sự dễ tiếp cận này khiến việc xây dựng lợi thế cạnh tranh bền vững cho các công ty khởi nghiệp trở nên quan trọng hơn bao giờ hết.
Hỗ trợ khách hàng: Hỗ trợ khách hàng nằm ở đầu còn lại của thanh cân, trái ngược hoàn toàn với lập trình. Trong khi kỹ sư phần mềm thường nhận được nhiều đầu tư và chú ý nhất trong tổ chức, thì bộ phận hỗ trợ lại thường bị bỏ qua. Công việc trong bộ phận hỗ trợ thường là hậu cần, cấp nhập môn, và thường được thuê ngoài cho các công ty nước ngoài hoặc công ty chuyên cung cấp dịch vụ xử lý quy trình nghiệp vụ (BPO), vì các doanh nghiệp cho rằng tự quản lý sẽ quá phiền hà và phức tạp.
AI đã chứng minh hiệu quả xuất sắc trong việc quản lý công việc này vì nhiều lý do. Thứ nhất, phần lớn tương tác hỗ trợ mang tính thời hạn và có mục đích rõ ràng (ví dụ: xử lý hoàn tiền), từ đó tạo ra các vấn đề được định nghĩa rõ ràng để các tác nhân AI xử lý. Hỗ trợ cũng là một trong số ít chức năng doanh nghiệp mà các nhiệm vụ liên quan đều được xác định rõ ràng. Đội ngũ hỗ trợ thường đông đảo và tỷ lệ luân chuyển cao, nên yêu cầu đào tạo nhân viên mới một cách nhanh chóng và chuẩn hóa. Để đáp ứng nhu cầu này, họ có các Quy trình Thao tác Chuẩn (SOP) được trình bày rõ ràng để hướng dẫn từng đại diện. Những SOP này tạo ra các quy tắc và hướng dẫn cụ thể mà các tác nhân AI có thể bắt chước—điều này phân biệt rõ chức năng hỗ trợ với hầu hết các công việc doanh nghiệp khác, vốn thường kéo dài hơn, định nghĩa mơ hồ hơn và liên quan đến nhiều bên liên quan hơn ngoài khách hàng và nhân viên hỗ trợ.
Hỗ trợ cũng là một trong những chức năng doanh nghiệp có thể thể hiện ROI rõ ràng nhất. Hỗ trợ vận hành dựa trên các chỉ số định lượng: số vé hỗ trợ được giải quyết, điểm hài lòng khách hàng (CSAT) và tỷ lệ giải quyết. Bất kỳ thử nghiệm A/B nào giữa trạng thái hiện tại và tác nhân AI đều cho kết quả có lợi cho AI: nó giải quyết được nhiều vé hơn, nâng cao tỷ lệ giải quyết và cải thiện điểm hài lòng của người tiêu dùng—tất cả đều với chi phí thấp hơn. Vì phần lớn hỗ trợ đã được thuê ngoài cho BPO, nên việc áp dụng giải pháp AI chỉ đòi hỏi quản lý thay đổi ở mức tối thiểu, giúp lộ trình áp dụng trở nên dễ dàng hơn.
Hỗ trợ cũng không cần độ chính xác tuyệt đối 100% mới có giá trị, vì nó có “lối thoát tự nhiên” sang con người (ví dụ: “Tôi sẽ chuyển bạn sang quản lý”). Điều này cho phép chu kỳ bán hàng tiến triển nhanh hơn và khiến việc thử nghiệm tác nhân hỗ trợ AI tương đối ít rủi ro; trong trường hợp xấu nhất, 100% các trường hợp sẽ đơn giản được chuyển lên và xử lý bởi con người.
Cuối cùng, hỗ trợ mang tính giao dịch. Khách hàng không quan tâm thực tế ai đang ở đầu dây bên kia, nghĩa là hỗ trợ không đòi hỏi bất kỳ mối quan hệ con người nào—điều mà AI khó có thể tái tạo. Những đặc điểm này giải thích vì sao các công ty như Decagon và Sierra tăng trưởng nhanh đến vậy, cũng như sự trỗi dậy của nhiều công ty hỗ trợ chuyên biệt theo ngành như Salient, HappyRobot, v.v.
Tìm kiếm (Search): Danh mục thứ ba có sức kéo rõ ràng từ thị trường doanh nghiệp là tìm kiếm. Trường hợp sử dụng chính của ChatGPT bản thân nó chính là tìm kiếm, nên ảnh hưởng của tìm kiếm có thể đã được tích hợp sâu vào doanh thu và mức độ sử dụng của ChatGPT—và do đó có thể bị đánh giá thấp nghiêm trọng ở đây.
Tìm kiếm AI là một danh mục quá rộng lớn, đến mức đã nuôi dưỡng sự ra đời của nhiều công ty khởi nghiệp quy mô lớn độc lập. Một trong những điểm đau chính trong nội bộ doanh nghiệp là khả năng giúp nhân viên dễ dàng định vị và trích xuất thông tin liên quan từ nhiều hệ thống khác nhau. Glean đã phát triển mạnh mẽ như nhà cung cấp khởi nghiệp hàng đầu cho trường hợp sử dụng này. Nhiều ngành lớn cũng vận hành dựa trên các thông tin ngành rất cụ thể (cả nội bộ và bên ngoài), nên các công ty như Harvey (bắt đầu từ tìm kiếm pháp lý) và OpenEvidence (bắt đầu từ tìm kiếm y khoa) đã phát triển mạnh nhờ xây dựng sản phẩm cốt lõi xoay quanh lĩnh vực này.
Các ngành nghề
Công nghệ: Ngành nghề phổ biến nhất áp dụng AI cho đến nay là ngành công nghệ. Chính ChatGPT báo cáo rằng 27% người dùng thương mại của nó đến từ ngành công nghệ, và nhiều khách hàng đầu tiên của các công ty như Cursor, Decagon và Glean đều là các công ty công nghệ. Xét rằng ngành công nghệ gần như luôn là người đi đầu trong việc áp dụng công nghệ mới, và cũng chính là ngành đã khơi mào làn sóng AI, điều này hoàn toàn không gây ngạc nhiên.
Điều gây ngạc nhiên hơn là những thị trường vốn không được coi là người đi đầu trong việc áp dụng công nghệ truyền thống lần này lại chứng tỏ sự háo hức đáng kể.
Pháp lý: Pháp lý một cách đáng ngạc nhiên lại là một trong những ngành tiên phong trong lĩnh vực AI. Trong lịch sử, pháp lý được xem là thị trường “khó” đối với phần mềm doanh nghiệp, với chu kỳ bán hàng kéo dài và người mua ít am hiểu công nghệ.
Lý do là phần mềm doanh nghiệp truyền thống mang lại giá trị hạn chế cho luật sư: các công cụ quy trình làm việc tĩnh không thể đẩy nhanh công việc phi cấu trúc và tinh tế mà luật sư thường thực hiện. Nhưng AI đã làm rõ hơn giá trị mà công nghệ mang lại cho luật sư. AI giỏi trong việc phân tích văn bản dày đặc, lập luận trên khối lượng lớn văn bản, cũng như tóm tắt và soạn thảo phản hồi—tất cả đều là những công việc luật sư thường xuyên thực hiện. Hiện nay AI thường đóng vai trò “phó lái” để nâng cao năng suất của từng luật sư, nhưng đã bắt đầu mở rộng vượt ra ngoài phạm vi này: trong một số trường hợp, nó thực sự có thể tạo ra doanh thu bằng cách cho phép các văn phòng luật xử lý nhiều vụ việc hơn (như trường hợp Eve, chuyên về luật nguyên đơn).
Kết quả là rõ ràng. Harvey báo cáo doanh thu thường niên (ARR) khoảng 200 triệu đô la Mỹ sau 3 năm thành lập, trong khi các công ty như Eve sở hữu hơn 450 khách hàng và đạt mức định giá 1 tỷ đô la Mỹ vào mùa thu năm nay.
Chăm sóc sức khỏe: Chăm sóc sức khỏe là một thị trường khác phản ứng với AI theo cách chưa từng thấy với phần mềm truyền thống. Các công ty như Abridge, Ambience Healthcare, OpenEvidence và Tennr đang tăng trưởng doanh thu rất nhanh dựa trên các trường hợp sử dụng riêng biệt (ví dụ: lưu trữ hồ sơ y tế, tìm kiếm y khoa hoặc tự động hóa hậu cần liên quan đến quy tắc phức tạp về cách cung cấp và thanh toán dịch vụ chăm sóc sức khỏe).
Trong lịch sử, chăm sóc sức khỏe là thị trường chậm áp dụng phần mềm vì hai lý do: 1) công việc đòi hỏi kỹ năng cao và phức tạp, không khớp tốt với các vấn đề mà phần mềm quy trình làm việc truyền thống có thể giải quyết; 2) sự thống trị của các hệ thống như Epic trong việc ghi chép hồ sơ sức khỏe điện tử (EHR) đã bóp nghẹt các nhà cung cấp phần mềm mới. Tuy nhiên, với AI, các công ty có thể đảm nhận các công việc thủ công rời rạc—bằng cách thay thế nhân lực hành chính (ví dụ: nhân viên ghi chép hồ sơ y tế) hoặc tăng cường công việc có giá trị cao hơn mà bác sĩ đang thực hiện—mà không cần “xé bỏ và thay thế” toàn bộ hệ thống EHR. Công việc này đủ đặc thù để không cần thay thế toàn bộ hệ thống EHR, cho phép các công ty này mở rộng nhanh chóng mà không cần thay thế nhà cung cấp phần mềm hiện tại.
Một vài ghi chú về phương pháp phân tích
Các ước tính này là những ước tính tốt nhất có thể. Chúng có thể đánh giá thấp lượng doanh thu được tạo ra trong từng danh mục và đồng thời phóng đại khả năng của mô hình.
Chúng tôi có thể đánh giá thấp doanh thu vì:
Phân tích doanh thu hoàn toàn dựa trên các bộ phận và trường hợp sử dụng nào đủ thành công để tạo ra các doanh nghiệp AI doanh nghiệp quy mô lớn và độc lập, và loại trừ các trường hợp sử dụng “đuôi dài” mà các công ty khởi nghiệp khác đang xử lý.
Nhiều thị trường này cũng có sự hiện diện đáng kể của các công ty phi-khởi nghiệp tạo ra doanh thu đáng kể (ví dụ: Codex/Claude Code trong lập trình, CoCounsel của Thomson Reuters trong lĩnh vực pháp lý), nhưng chúng tôi tập trung phân tích vào các công ty khởi nghiệp độc lập.
Nhiều nhiệm vụ công việc được trình bày trong phân tích này có thể đã được tích hợp vào sản phẩm cốt lõi của các công ty mô hình (ví dụ: tìm kiếm trong ChatGPT và OpenAI), nhưng chưa được tách riêng và đưa vào phân tích này.
Phân tích này tập trung vào nghiệp vụ doanh nghiệp chứ không phải nghiệp vụ tiêu dùng hoặc chuyên nghiệp dành cho người tiêu dùng. Có những doanh nghiệp thành công (ví dụ: Replit và Gamma trong lĩnh vực tạo ứng dụng và thiết kế) sở hữu số lượng người dùng thương mại đáng kể, nhưng hiện chủ yếu tập trung vào người tiêu dùng hoặc người tiêu dùng chuyên nghiệp. Vì phân tích này tập trung vào AI doanh nghiệp và nơi doanh nghiệp thu được giá trị, nên chúng tôi loại trừ các doanh nghiệp chủ yếu phục vụ người tiêu dùng.
Về khả năng, việc đo lường ảnh hưởng của AI đối với các ngành kinh tế khác nhau là cực kỳ khó khăn, dù nhiều nhà kinh tế học đang nỗ lực thực hiện điều này. Công việc về bản chất thường được định nghĩa mơ hồ và có “đuôi dài”, nên việc tự động hóa hoàn toàn là điều gần như bất khả thi. Hiện vẫn chưa rõ doanh nghiệp có thể thu được bao nhiêu giá trị từ việc tự động hóa một phần—nếu AI chỉ có thể thực hiện 50% công việc của con người, thì tầm quan trọng của các nhiệm vụ không thể tự động hóa có thể tăng lên, bởi chúng trở thành “nút thắt cổ chai”, từ đó làm tăng giá trị tương đối của chúng. Do đó, chúng tôi có thể đã đánh giá cao mức độ khả năng hiện tại, vì mỗi bước tăng 1% khả năng không tương ứng với 1% giá trị kinh tế, nhưng việc theo dõi khả năng tương đối và cách chúng cải thiện qua từng phiên bản mô hình mới vẫn mang tính chỉ báo rất cao.
AI đang tiến vào mọi thị trường
Phân tích này đo lường tỷ lệ chiến thắng của các mô hình đánh giá hàng đầu so với chuyên gia con người trên các nhiệm vụ mang giá trị kinh tế, dựa trên bộ tiêu chuẩn GDPval. Dựa trên kết quả này, rõ ràng là kể từ mùa thu năm 2025, các mô hình đã trở nên tốt hơn đáng kể trong các nhiệm vụ mang giá trị kinh tế.
Vậy tại sao chúng ta lại không thấy tất cả các ngành có xếp hạng cao trong đánh giá này đều có xu hướng doanh thu tương đương nhau?
Các ngành nhiệt tình áp dụng AI cho đến nay đều có một số điểm chung: chúng dựa trên văn bản, liên quan đến công việc cơ học và lặp đi lặp lại, có sự tham gia tự nhiên của con người trong vòng phản hồi để đưa ra đánh giá, có mức độ quản lý và giám sát hạn chế, và có đầu ra cuối cùng rõ ràng, có thể kiểm chứng (ví dụ: mã chạy được, vé hỗ trợ được giải quyết). Nhiều ngành khác lại thiếu những đặc điểm này. Hoặc chúng xử lý thế giới vật lý, hoặc phụ thuộc nặng nề vào mối quan hệ con người, hoặc có chi phí phối hợp rõ ràng giữa nhiều bên liên quan, hoặc gặp rào cản quản lý/phù hợp quy định, hoặc thiếu đầu ra có thể kiểm chứng. Mặc dù xu hướng doanh thu và khả năng mô hình có mối tương quan rõ ràng, nhưng ngay cả trong những lĩnh vực mà khả năng mô hình lý thuyết vẫn dưới 50% so với con người (như trong lĩnh vực pháp lý), các công ty như Harvey vẫn có thể nhanh chóng chiếm thị phần thông qua sản phẩm “phó lái” nhằm tăng cường công việc pháp lý cá nhân, rồi liên tục cải tiến sản phẩm cốt lõi khi mô hình tiến hóa.
Phát hiện nổi bật nhất ở đây là khả năng của mô hình đang tăng nhanh chóng. Một số lĩnh vực đã cho thấy sự cải thiện đáng kể trong 4 tháng qua—kế toán và kiểm toán cho thấy bước nhảy gần 20% trên GDPval, thậm chí cả lĩnh vực cảnh sát/diễn giải cũng cho thấy cải thiện gần 30%. Chúng tôi kỳ vọng những bước nhảy vọt này sẽ dẫn đến sự ra đời của các sản phẩm và công ty mới đầy ấn tượng trong các lĩnh vực liên quan. Ngoài ra, các công ty mô hình đã công bố rõ ràng ý định cải thiện khả năng cốt lõi trong các nhiệm vụ mang giá trị kinh tế—tập trung vào bảng tính và quy trình tài chính, sử dụng máy tính để xử lý các hệ thống cũ và các công việc chuyên ngành phức tạp, cũng như cải thiện có ý nghĩa đối với các nhiệm vụ dài hạn—từ đó mở ra cả một lớp công việc mới không thể dễ dàng chia nhỏ thành các đoạn ngắn, dễ tiêu hóa.
Bài học dành cho những người xây dựng sản phẩm
Hiểu rõ nơi doanh nghiệp thu được giá trị và cách họ suy nghĩ về ROI—cũng như những ngành nào đang có sức kéo rõ ràng và những ngành nào sắp tới—giúp chúng ta nhìn rõ hơn về cơ hội dành cho những người xây dựng sản phẩm AI.
Phục vụ khách hàng trong các ngành công nghệ, pháp lý và chăm sóc sức khỏe hiện rõ ràng là mảnh đất màu mỡ, nhưng chúng tôi không tin rằng mỗi ngành sẽ chỉ có một “người chiến thắng”. Ví dụ, trong lĩnh vực pháp lý, có nhiều loại luật sư—luật sư tư vấn nội bộ, văn phòng luật, luật sư chuyên về bằng sáng chế, luật sư nguyên đơn…—với các quy trình làm việc và nhu cầu khác nhau, nên các công ty có thể giải quyết riêng biệt. Chăm sóc sức khỏe cũng tương tự, do sự đa dạng của các loại bác sĩ, cơ sở chăm sóc sức khỏe, v.v.
Ngoài những ngành này, một cách tư duy hiệu quả khác là xác định những lĩnh vực mà khả năng đang tăng mạnh nhưng vẫn chưa xuất hiện công ty đột phá về mặt doanh thu. Hiện nay, nhiều doanh nghiệp đã được xây dựng trước khi khả năng mô hình thực sự “mở khóa” sản phẩm, nhưng họ đã xây dựng đủ cơ sở hạ tầng công nghệ và nhận thức thị trường/khách hàng để khi “khóa mở” xảy ra, họ sẽ ở vị thế thuận lợi nhất.
Cuối cùng, điều quan trọng là theo dõi các phòng thí nghiệm đang tập trung nghiên cứu mới nhất vào những khía cạnh nào của các nhiệm vụ mang giá trị kinh tế. Cùng với sự cải thiện nhanh chóng của các tác nhân (agent) dài hạn, đầu tư mạnh vào khả năng sử dụng máy tính, và nghiên cứu về giao diện đáng tin cậy với các phương thức ngoài văn bản (ví dụ: bảng tính, bài trình bày), một loạt công ty khởi nghiệp mới sẽ sớm sở hữu cơ sở hạ tầng hỗ trợ cần thiết để tạo ra giá trị doanh nghiệp thực chất.
Phương pháp dữ liệu: Dữ liệu này được tổng hợp từ các công ty khởi nghiệp AI doanh nghiệp hàng đầu, bao gồm dữ liệu riêng tư do các công ty chia sẻ với mục đích báo cáo này, dữ liệu công khai và dữ liệu ẩn danh được phân tích từ hàng nghìn cuộc trao đổi của chúng tôi tại a16z với các công ty khởi nghiệp và các tập đoàn lớn.
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
a16z
