Vertikal AI: Den neste logiske iterasjonen av vertikal SaaS
Paris Heymann Bidragsyter Del på Twitter Paris Heymann er partner i Index Ventures, hvor han primært investerer i B2B SaaS og data. Flere innlegg fra denne bidragsyteren
- Oppkjøp, oppbevaring, ekspansjon: Hvorfor SaaS-gründere må forstå GDR- og NDR-beregninger som betyr noe: 3 KPIer å spore på veien til lønnsomhet
Hos Index Ventures ser vi fremveksten av vertikal SaaS (vSaaS) – skybasert programvare skreddersydd for spesifikke bransjer – som en del av en bredere trend med sluttbrukere som i økende grad krever overlegne teknologiprodukter.
Forbrukere vil ha løsningsorientert programvare laget spesielt for å løse deres eksakte forretningsproblemer. I et miljø hvor vi er oversvømmet med programvare, er smalt og spesifikt godt posisjonert versus bredt og generalisert.
Konseptet er ikke nytt: Selv de største horisontale teknologiselskapene vertikaliserer sine salgsorganisasjoner og produktfunksjoner når de har nok skala innenfor hver vertikal til at det er en fornuftig tilnærming.
Skygigantene AWS, Azure og Google Cloud Platform har fremtredende vertikale industriløsninger med dedikerte salgsteam, i likhet med andre store plattformer som Salesforce, ServiceNow, Snowflake og Workday.
Disse teknologilederne vertikaliserer tilbudene sine over tid fordi det er en opplevelse av høy kvalitet for kunder og sluttbrukere når en teknologileverandør har en dyp forståelse av bransjen, har salgs- og støtterepresentanter som deltar på de samme konferansene som brukere og raskt utvikler produktet for å dekke kundenes behov .
AI-kategorien utvikler seg raskt, men utvikler seg til tre lag: grunnleggende modeller, AI-infrastruktur og AI-applikasjoner.
Når AI-plattformskiftet er over oss, tror vi at den neste logiske iterasjonen av vertikal SaaS vil være vertikal AI – vertikalt fokuserte AI-plattformer, samlet sammen med arbeidsflyten SaaS, bygget på toppen av modeller som har blitt unikt trent på bransjespesifikke datasett.
Hvorfor vertikal AI?
AI-kategorien utvikler seg raskt, men utvikler seg til tre lag: grunnleggende modeller, AI-infrastruktur og AI-applikasjoner.
Eksempler på oppstart av AI stack. (Index Ventures er en investor i Causaly, Cohere, Scale, ServiceTitan og Weaviate.) Bildekreditt: Index Ventures
Grunnleggende modeller er grunnfjellet i AI-stakken. Ledere på dette området inkluderer Anthropic, Cohere og OpenAI. Det er sannsynlig at det vil være et begrenset antall leverandører i det grunnleggende LLM-området gitt de høye kapitalkravene for å bygge og trene modeller.
“Plukkene og spadene” til AI sitter i infrastrukturlaget, en samling som inkluderer en rekke kategorier, inkludert dataforbedring, finjustering, databaser og modellopplæringsverktøy. For eksempel får vektordatabaser som Pinecone og Weaviate betydelig bruk.
Andre selskaper som Scale blir brukt til datagenerering, merking og opplæring. Hugging Face har dukket opp som en leder for modelloppdagelse og slutninger. Vekter og skjevheter er anerkjent innen MLOps. LangChain er et utviklingsrammeverk med åpen kildekode som brukes til å forenkle opprettelsen av nye applikasjoner ved hjelp av LLM-er. Dette er noen av mange selskaper som hjelper selskaper med å transformere modeller og data til produkter.
Grunnleggende modeller og infrastruktur muliggjør en eksplosjon av AI-virksomhet applikasjoner. Disse AI-drevne applikasjonene kan brukes av enhver sluttbruker, i enhver bransje, for å utføre en rekke oppgaver.