Bán công cụ hay bán kết quả? Các công ty AI đang hướng tới hai tương lai hoàn toàn khác nhau

Tác giả: Variant

Biên dịch: TechFlow

TechFlow Dẫn đọc: Các công ty AI đang phân nhánh thành hai loài: một loại bán công cụ cho các công ty luật, loại kia trực tiếp trở thành công ty luật. Bài viết về khung khổ này của Variant phân tích lý do tại sao một số ngành nên làm tăng cường, một số nên làm tự động hóa — chìa khóa nằm ở trách nhiệm, chi phí xác minh và sự phụ thuộc vào mối quan hệ. Đối với các nhà sáng lập và nhà đầu tư, đây là tiêu chuẩn thực tế để đánh giá giới hạn trên của các công ty AI.

Làn sóng đầu tiên các công ty AI chủ yếu làm tăng cường quy trình làm việc. Nhiều công ty trong số đó đã trở thành những doanh nghiệp thành công nhất trong lịch sử SaaS doanh nghiệp. Đến năm 2026, khả năng mô hình chạm tới điểm tới hạn, các công ty khởi nghiệp bắt đầu thay đổi chiến lược. Họ không còn bán công cụ cho những người chơi hiện có, mà trực tiếp lật đổ đối thủ thông qua tự động hóa. Nhiều công ty trong số này trông không giống SaaS, mà giống như chính dịch vụ phần mềm.

Sự đối lập giữa tăng cường và tự động hóa phù hợp với khung khổ kinh điển đó của Chris Dixon: công nghệ mạnh và công nghệ yếu. Công nghệ yếu mang tính mô phỏng, sử dụng công nghệ mới để sao chép cách làm cũ, thường chỉ hiệu quả hơn. Công nghệ mạnh thì "xuất phát từ nguyên lý first principles, tận dụng tối đa các nguồn lực hiện có, thiết kế diện mạo vốn có của công nghệ".

Lấy dịch vụ pháp lý làm ví dụ. Harvey bán gói đăng ký SaaS hàng tháng cho các công ty luật, trong khi đối thủ cạnh tranh Crosby chính là một công ty luật. AI làm công việc pháp lý, luật sư con người chỉ can thiệp ở những nơi cần con người nhất: xây dựng và duy trì quan hệ khách hàng, xác minh công việc, chịu trách nhiệm khi có sự cố.

Các công ty bán công cụ tăng cường không muốn lật đổ khách hàng và cấu trúc tổ chức, đó là nguồn sống của họ. Các công ty bán tự động hóa thì đang gợi ý rằng thế giới nên thay đổi lớn. Giống như các công ty dịch vụ, các công ty AI làm tự động hóa có xu hướng bán kết quả hơn là số lượng ghế, số lượng token hoặc đăng ký.

Chris đề cập trong bài viết rằng cả công nghệ mạnh và yếu đều có thể thành công, thường là khác nhau về dòng thời gian, cả hai con đường đều đã và sẽ tiếp tục tạo ra những kết quả lớn. Vấn đề nằm ở chỗ con đường nào phù hợp hơn với công việc cụ thể, thị trường và trạng thái tiến hóa của khả năng công nghệ.

Tại Variant, chúng tôi sử dụng một khung khổ đơn giản để đánh giá quy trình làm việc nào phù hợp với tự động hóa, quy trình nào phù hợp với tăng cường. Dựa vào đây, có thể thấy loại công ty dọc nào có thể xuất hiện, đâu sẽ là cơ hội quy mô vốn mạo hiểm. Chúng tôi xem xét ba chiều kích:

1. Trách nhiệm: AI sai sót thì nguy hiểm và đắt đỏ đến mức nào?
2. Xác minh: Người dùng kiểm tra chất lượng công việc nhanh và rẻ đến mức nào?
3. Mối quan hệ: Trải nghiệm phụ thuộc vào tương tác giữa người với người đến mức nào?

Công việc có trách nhiệm cao, chi phí xác minh cao, phụ thuộc nhiều vào mối quan hệ thì phù hợp với tăng cường. Khung khổ này rõ ràng trong sự so sánh giữa Crosby và Harvey. Bộ phận pháp chế nội bộ của các công ty lớn phù hợp với cả ba mục của khung khổ: trách nhiệm cao, chi phí xác minh cao (nhiều nhiệm vụ mở), phụ thuộc nhiều vào mối quan hệ. Các công cụ tăng cường như Harvey hoặc Claude Cowork hợp lý trong kịch bản này. Ngược lại, Crosby tập trung vào các dịch vụ pháp lý thông thường, tần suất cao như hợp đồng thương mại, trách nhiệm thường thấp hơn, dễ xác minh hơn, phụ thuộc mối quan hệ yếu hơn, đối tượng phục vụ là các công ty khởi nghiệp.

Chúng tôi học được các quy tắc tương tự khi xây dựng hệ thống tự chủ trên chuỗi công khai: hợp đồng thông minh chỉ có thể hành động đối với những thứ có thể xác minh. Bất cứ thứ gì không thể xác minh đều phải giao lại cho con người xử lý tăng cường ngoài chuỗi, thường thông qua quản trị. Token mã hóa tuân theo các quy tắc tương tự: cực kỳ giỏi thưởng cho số lượng có thể xác minh (sức mạnh tính toán, staking, thanh khoản), cực kỳ kém trong việc thưởng cho chất lượng chủ quan, đó là lý do tại sao mã hóa đã khởi động thành công thị trường tài chính nhưng chưa xử lý được Airbnb hoặc Uber. Bài học ở đây ngày càng phù hợp để đánh giá nơi mà các hệ thống tự chủ thực sự có thể mở rộng quy mô.

Hiện nay, tự động hóa thực sự bị hạn chế hơn về phạm vi ứng dụng và quy mô thị trường có thể tiếp cận. Các công ty khởi nghiệp tập trung vào quy trình làm việc tự động hóa thường phù hợp nhất với các thị trường bãi đổ bộ hẹp, bán cho các công ty khởi nghiệp hoặc các thị trường ngách ít e ngại việc thay đổi cách chơi.

Bắt đầu từ các thị trường ngách hẹp là một cách để tránh "vùng hủy diệt" của các phòng thí nghiệm AI lớn, những nơi tập trung mở rộng ngang để tăng cường các thị trường hiện có lớn hơn.

Theo thời gian, chúng tôi tin rằng các giải pháp tự động hóa sẽ dần xâm lấn những thị trường phụ thuộc nhiều vào mối quan hệ hơn, trách nhiệm cao hơn, vì khả năng mô hình đang mở rộng, chi phí xác minh đang giảm, tương tác giữa người và AI vượt qua thung lũng kỳ dị, mức độ chấp nhận văn hóa đang nâng cao. Trong trường hợp đó, lợi thế dữ liệu tiên phong có được từ thị trường bãi đổ bộ có thể tạo lãi kép, giúp công ty khởi nghiệp phát triển cùng với chính thị trường.

Cục diện và sức hấp dẫn dài hạn của tự động hóa và tăng cường trong các ngành khác nhau sẽ tiếp tục phân hóa. Lấy giáo dục làm ví dụ. Alpha School là một trường tư thục AI tích hợp dọc, sử dụng "người hướng dẫn" thay thế giáo viên, thúc đẩy một quá trình học tập cơ bản được tự động hóa. Mặc dù chúng tôi tin rằng giáo dục hỗ trợ bởi AI sẽ cực kỳ quan trọng, nhưng chúng tôi cho rằng tự động hóa quá mức và tích hợp dọc sẽ không mở rộng ra ngoài thị trường ngách, vì phụ huynh lo lắng về quan hệ thầy trò, nhà trường lo lắng về trách nhiệm. Phần lớn hệ thống giáo dục của chúng ta là các tổ chức cứng nhắc (và hầu hết là công lập), điều này khó có thể thay đổi nhanh chóng. Ngay cả các tổ chức tư thục hàng đầu cũng đối mặt với nghịch lý của kẻ đổi mới. Do đó, các giải pháp tập trung vào tăng cường dường như có nhiều khả năng tạo ra kết quả lớn, nhưng cũng sẽ đối mặt với sự cạnh tranh từ những người chơi hiện có.

Tuyển dụng thì chỉ về hướng ngược lại: chúng tôi ưa thích tự động hóa hơn. Harvey đối với Crosby trong lĩnh vực dọc này là: Juicebox bán phần mềm tìm kiếm ứng viên cho các nhà tuyển dụng, còn Prism chính là nhà tuyển dụng — cung cấp cho nó một bản mô tả công việc, nó cung cấp ứng viên sẵn sàng phỏng vấn, chỉ thu phí khi có người ký hợp đồng. Các giai đoạn then chốt của nó dễ xác minh (tỷ lệ phản hồi, hiệu suất phỏng vấn, tỷ lệ ký hợp đồng), trách nhiệm tương đối thấp. Tuyển dụng phụ thuộc nhiều vào mối quan hệ, nhưng tuyển dụng nằm ở thượng nguồn hơn (chủ yếu là tìm ứng viên và chuyển đổi thành phỏng vấn). Đây cũng là chức năng mà các công ty thường thuê ngoài, vì vậy những khách hàng đầu tiên là các công ty khởi nghiệp: họ thà mua kết quả còn hơn xây dựng đội ngũ. Các doanh nghiệp lớn nhất có nhà tuyển dụng nội bộ, sẽ chọn công cụ tăng cường, vì họ không muốn bị tự động hóa. Khách hàng mục tiêu là các công ty khởi nghiệp, đây là một mũi nhọn hẹp, cho phép giải pháp tự động hóa nhúng vào các quy trình giàu dữ liệu, cải thiện theo thời gian, phát triển cùng thị trường.

Có hai loại công ty AI: người tăng cường và người tự động hóa. Cả hai đều có thể mở rộng quyền tự chủ của con người, nhưng theo cách khác nhau. Người tăng cường giúp con người có được nhiều đòn bẩy hơn trong các tổ chức hiện có: nhiều kiến thức hơn, nhiều sản lượng hơn, nhiều quyền chủ động hơn. Người tự động hóa mở rộng tiếp cận: các dịch vụ chuyên gia mà trước đây chỉ doanh nghiệp mới mua được trở nên dễ tiếp cận với mọi người, thời gian tiêu hao được giải phóng để dùng cho những việc tham vọng hơn. Cơ hội mới nhất không chỉ là bán phần mềm, mà là trở thành chính dịch vụ.