La importancia de la IA vertical
- Durante la última década, el Vertical SaaS demostró el poder del software personalizado por industria, con varios casos de éxito como Toast, Shopify, Procore y ServiceTitan
- Aún hay muchos mercados que el Vertical SaaS no ha logrado atender
- Industrias base con barreras inherentes a la innovación tecnológica (por ejemplo: datos no estructurados, TAM limitado, ciclos de venta lentos, bajo valor anual de contrato y clientes existentes exigentes)
- Áreas que apenas están surgiendo o que atraviesan grandes cambios (por ejemplo: la electrificación de la energía)
- Ahora que existe inteligencia artificial capaz de procesar datos no estructurados, y gracias a avances clave que redefinen el Vertical SaaS como software vertical, se vuelve posible construir software que también atienda estos espacios
- En eras tecnológicas anteriores, el Vertical SaaS solo podía aplicarse a empresas con stacks tecnológicos modernos y datos sistematizados
- Los LLM pueden manejar datos no estructurados, por lo que la IA podría ser la pieza faltante para llevar a industrias rezagadas tecnológicamente a la era moderna
- Las startups enfocadas en verticales están adoptando estrategias que van más allá del modelo SaaS tradicional, como pagos embebidos (Toast, Shopify), publicidad (Pepper, Provi) y marketplaces B2B (Faire, Novi)
# Marco de inversión en IA vertical
Data: Better Data Over Better Models (los mejores datos importan más que los mejores modelos)
- Al construir aplicaciones de IA, los datos son probablemente la parte más importante para establecer una posición diferenciada
- Las startups deben identificar si necesitan un corpus de datos muy grande y si existe la oportunidad de construir activos de datos propietarios
- En muchas industrias, los datos son desordenados y existen en sistemas heredados aislados, por lo que resultan especialmente atractivas las empresas que enfrentan el reto de extraer esos datos
- En comparación con los avances en resumen y generación de datos, la extracción de datos sigue siendo un problema doloroso y no resuelto
- Un factor de diferenciación es contar con auditoría, etiquetado y datos en actualización continua que sean los mejores de su categoría
- Una posición de datos más sólida surge cuando el uso mismo del producto genera el dataset
- Ejemplo: cuando el cliente etiqueta sus propios datos o desarrolla un conjunto de datos a partir de sus interacciones con el producto
- El acceso inicial a los datos es importante como moat preliminar, pero en última instancia los datos que el cliente genera mientras usa el producto son los que aportan un moat de largo plazo
TAM(Total Addressable Market): Market Size vs Market Penetration (tamaño de mercado vs penetración de mercado)
- El mayor riesgo y la principal razón para no perseguir un mercado vertical es que el TAM es menor que en un enfoque horizontal, pero esto puede ser tanto desventaja como ventaja
- En mercados pequeños hay menos competidores bien capitalizados, el alcance a enfocar es más acotado, y eso permite ganar ventajas de distribución y una mayor concentración de mercado
- En industrias base altamente fragmentadas, como salud o servicios financieros, puede haber muchas oportunidades dentro del propio sector
- Para encontrar un punto de entrada a una industria, es importante identificar un subsegmento donde los competidores no hayan entrado, donde la demanda de IA ya esté demostrada, donde las herramientas basadas en LLM encajen mejor y donde uno pueda aportar más valor personalmente
ACV: Multiple Products and Revenue Streams (múltiples productos y flujos de ingresos)
- Un solo producto SaaS no es la mejor forma de alcanzar un ACV (Annual Contract Value) de seis cifras
- Las startups enfocadas en verticales pueden expandirse con múltiples productos y crear fuentes de ingreso adicionales más allá del producto principal
- Agregar nuevas líneas de producto al producto base permite, con el tiempo, hacer bundling y up-selling, hasta ocupar una posición fija en varios puntos de la organización
- Toast, una plataforma de pagos para restaurantes, ejecutó una estrategia multiproducto al agregar funciones de nómina y gestión de personal
- Los marketplaces B2B Provi y Pepper generan ingresos adicionales mediante publicidad
- Aurora Solar, una plataforma para instalación solar, genera ingresos adicionales con productos que ofrecen opciones de financiamiento
- Procore, una plataforma de servicios para construcción, recientemente comenzó a ofrecer seguros aprovechando insights de datos a lo largo de todo el ciclo de vida de los proyectos de construcción
Founder(s): Product Builders With Domain Experience (fundadores: constructores de producto con experiencia en el dominio)
- Un equipo fundador con experiencia en el dominio y formación técnica tiene ventaja para construir IA vertical frente a tecnólogos puros
- Esto se vuelve aún más evidente en startups que buscan vender a organizaciones establecidas en sectores como healthcare, donde a menudo deben cerrar contratos de largo plazo con decenas o cientos de organizaciones distintas al mismo tiempo
- Entender bien esta complejidad es clave para diseñar la estrategia correcta de go-to-market, planear los tiempos de venta y contratar personal
GTM: Create Urgency (estrategia de salida al mercado: crear urgencia)
- Los ciclos de venta verticales pueden ser largos, especialmente en industrias tradicionales grandes donde los compradores de tecnología son menos sofisticados
- Para dominar canales de distribución importantes, la estrategia GTM debe tener una forma o ruta distintiva que pueda crear urgencia
- El mayor interés por la IA creó una urgencia por probar nuevos productos, pero esto puede jugar tanto en contra como a favor
- Como todos los compradores tienen a la IA en mente, es fácil para una empresa nueva llamar a prospectos y lograr que prueben una versión de prueba. Sin embargo, puede ser especialmente difícil convertir esos pilotos en clientes cuando los usuarios ya están cansados de comparar múltiples pilotos
- En otras palabras, es importante crear una situación urgente que lleve al comprador a considerar, convertir y usar el producto
- Para una conversión rápida, hay que considerar la propuesta central de valor
- No basta con prometer mayor eficiencia laboral o “innovación”
- Es más efectivo mostrar cómo el producto puede aumentar ingresos o reducir costos de forma clara
Product: Beyond Copilot (producto: más allá de Copilot)
- El paradigma dominante actual consiste en emparejar a un humano con un AI Copilot
- El humano realiza la mayor parte del trabajo y el copiloto de IA mejora o refuerza sus capacidades
- Se espera que en los próximos años veamos más el modelo inverso, donde los agentes de IA ejecutan las tareas principales y los humanos revisan y editan los resultados
- Mientras que Copilot puede estar liderado por incumbentes que ya controlan la distribución, los agentes de IA representan una mejor puerta de entrada para startups, porque son una oportunidad para desafiar territorios más nuevos
- Este cambio de paradigma tendrá un impacto enorme en los negocios del futuro
- A medida que los agentes de IA sustituyan más trabajo calificado, el gasto en software reemplazará el costo laboral
- Se espera la aparición de nuevos modelos de precios basados en uso o desempeño, lo que será un Archetype que valdrá la pena explorar más
# Oportunidades verticales
- Se espera que la IA transforme casi todos los verticales industriales
Professional Service(servicios profesionales)
- En diversos campos con mucho trabajo manual, como servicios legales, contabilidad y consultoría, los profesionales dedican mucho tiempo a leer e interpretar información importante para responder con análisis, comunicación con clientes, notas, reportes y más
- En servicios legales, el lenguaje es el producto central, y los modelos de lenguaje a gran escala son la base del cambio de plataforma actual
- El mercado legal en Estados Unidos supera los 300 mil millones de dólares, y ya existe una demanda demostrada de adopción de IA
- Han surgido empresas AI-first como Harvey, EvenUp, Eve y Spellbook
- Incumbentes como Thomson Reuters, Relativity e Ironclad también han adquirido IA o la han integrado en productos existentes
- Consultoría y contabilidad son otro campo listo para adoptar IA
- Las firmas de consultoría Big 4 emplean, cada una, a decenas de miles de consultores y contadores, lo que representa una enorme fuerza laboral que la IA puede potenciar a gran escala
- KPMG y PwC planean invertir 2 mil millones de dólares en productos de IA durante 5 años y 1 mil millones de dólares en IA generativa durante 3 años, respectivamente
- Según un estudio conjunto de Harvard Business School y BCG, los consultores que usan GPT-4 completan tareas 25% más rápido y mejoran la calidad de sus resultados en 40%
- Los contadores dedican tiempo a entender reglas y políticas y aplicarlas a cálculos
- En entrevistas con profesionales contables, el reconocimiento de ingresos (revenue recognition) fue señalado como uno de los casos de uso más difíciles, repetitivos (cada mes) y al mismo tiempo más automatizables
Servicios financieros
- Los servicios financieros tienen varias características que los hacen adecuados para la IA
- Solo el mercado de Estados Unidos alcanza los 11 billones de dólares, y ya existe una demanda demostrada de herramientas de IA
- El lanzamiento de Bloomberg GPT, la alianza de Morgan Stanley con OpenAI, y la incorporación de herramientas de búsqueda y resumen basadas en IA en la plataforma de inteligencia de mercado de AlphaSense
- Al observar el trabajo diario de profesionales de inversión y asesores financieros, es fácil ver cómo puede aplicarse la IA
- Procesamiento de datos internos y datos de mercado en tiempo real y noticias, modelado financiero y cálculos, etc.
- Startups impulsadas por IA como Hebbia, Sixfold, Hyperexponential y Portrait Analytics están logrando avances
Healthcare
- Durante mucho tiempo se ha hablado del impacto potencial de la IA en healthcare, pero hasta ahora no había un impacto tan realista como el actual
- Los LLM pueden mejorar modelos de diagnóstico o toma de decisiones, desarrollar plataformas para automatizar reclamaciones de seguros y mejorar la gestión general de datos médicos
- Las aplicaciones basadas en LLM pueden mejorar significativamente las generaciones anteriores de herramientas de IA, y son clave para habilitar casos de uso de alto valor, como convertir datos no estructurados en datos estructurados
- Med-PaLM 2 de Google tiene capacidad para responder preguntas médicas complejas y respondió con éxito preguntas de exámenes de licencia médica
- Construir LLM médicos es una iniciativa extremadamente ambiciosa que requiere mucho tiempo y recursos
Aún no hay comentarios.