AI wrapper का दौर खत्म: शुरुआती startup के लिए verticalization रणनीति

 (nfx.com/post)
16 पॉइंट द्वारा GN⁺ 1 일 전 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • base model पर एक single feature जोड़ने वाले AI wrapper की अस्थायी बढ़त खत्म होने के साथ, शुरुआती startup अब ऐसे vertically integrated business की ओर बढ़ रहे हैं जो पूरे workflow और value chain के मालिक हों
  • पहली रणनीति है domain knowledge और task orchestration को जोड़कर ऐसे नतीजे बनाना, जो base model की raw intelligence भर से हासिल करना मुश्किल हो
  • दूसरी रणनीति है मौजूदा enterprises को सिर्फ AI software बेचने तक सीमित न रहना, बल्कि sales·underwriting·operations को automation-केंद्रित ढंग से फिर से बनाना ताकि customer experience भी बेहतर हो
  • तीसरी रणनीति है fragmented industry data को समेटने वाला system of record हासिल करने के बाद उसे ऐसा action system बनाना जो work processing और decision-making तक संभाले
  • बड़े incumbent enterprises frontier labs के साथ सीधे काम कर सकते हैं, लेकिन लागत·proprietary knowledge sharing·organizational interests जैसी सीमाएँ रहती हैं; वहीं AI-native startup go-to-market और customer experience पर केंद्रित verticalization से अपनी defensibility बना सकते हैं

single-feature AI wrapper का उभार और गिरावट

  • ChatGPT के आने के बाद founders ने copywriting, customer service, legal research और sales जैसे इंसानों के अलग-अलग कामों के साथ models को जोड़कर ऐसे products बनाए, जिनके लिए subscription fee या per-task payment लिया जाता था
  • Jasper ने 2022 में 1.5 अरब डॉलर valuation पर 12.5 करोड़ डॉलर जुटाए, लेकिन एक साल के भीतर 2023 ARR projection को कम से कम 30% घटाया, layoffs किए, और उसके 2 co-founders दोनों पद छोड़ गए
    • इसके बाद उसने अपनी vision को ‘marketing operating system’ के रूप में फिर से परिभाषित किया
  • single-task tools बनाने वाली कंपनियों ने यह मान लिया था कि base models की capabilities लगभग एक-जैसी ही बनी रहेंगी, लेकिन frontier labs ने models को सीधे product में बदलना शुरू किया और यह धारणा टूट गई
    • Anthropic अब Claude Code और Claude Design जैसे tools सीधे दे रहा है, जिन्हें 2 साल पहले wrapper माना जाता
    • सार्वजनिक आँकड़ों के अनुसार Anthropic का annualized revenue जनवरी में 14 अरब डॉलर से बढ़कर मई में 47 अरब dollar से ऊपर चला गया, और enterprise demand ने growth को आगे बढ़ाया
  • किसी खास task के लिए बना ‘AI for X’ टिकाऊ product strategy से ज़्यादा अस्थायी बढ़त के करीब था
    • network effect या vertical industry specialization के बिना generic agent भी ‘wrapper 2.0’ बन सकता है

जो कंपनियाँ बचीं, वे पूरी service की मालिक बनीं

  • जो कंपनियाँ performance दे रही हैं, वे model के ऊपर AI tool चढ़ाने के बजाय AI को service delivery mechanism बनाकर शुरू करती हैं और service के लिए ज़रूरी पूरे workflow की मालिक बनती हैं
  • EvenUp ने broad legal AI के बजाय personal injury जैसे संकरे और specialized क्षेत्र से शुरुआत की
    • 2,000 से अधिक law firms इस platform का उपयोग करती हैं, और अमेरिका की top 100 personal injury law firms में से 20% इसकी ग्राहक हैं
    • ARR साल-दर-साल दोगुना हुआ, और 2025 के अक्टूबर में 2 अरब डॉलर से अधिक valuation पर Series E में 15 करोड़ डॉलर जुटाए
    • कंपनी की valuation एक साल से भी कम समय में दोगुने से अधिक हो गई
  • Further AI insurance में, और Blitzy enterprise software development में यही approach अपनाते हैं
  • प्रतिस्पर्धात्मक बढ़त सिर्फ model·data·user experience में से किसी एक से नहीं बनती
    • पूरा workflow, domain knowledge, cases या codebase के साथ जमा होने वाला data, और complex industries में घुसकर बेचने की क्षमता—इन सबको साथ काम करना होता है
  • पहले intelligence को ही बिकने वाली चीज़ माना जाता था और wrapper को सहायक संरचना, लेकिन अब workflow·data·sales pipeline सहित पूरी factory ही product बन गई है

approach 1: raw intelligence से आगे बढ़कर complex workflow का मालिक बनना

  • Blitzy Fortune 500 कंपनियों के लिए custom software बनाने वाला AI platform है, जिसने हाल ही में 1.4 अरब डॉलर valuation पर 20 करोड़ डॉलर जुटाए
  • enterprise software market में दो विकल्प थे
    • Cursor या Codex जैसे tools बनाकर बड़े outsourced developer workforce को बेचना
    • या AI को service बनाकर enterprises को सीधे बेचना, ताकि outsourced workforce की ज़रूरत ही न रहे
  • Blitzy ने दूसरा रास्ता चुना
    • 2024 में यह धारणा थी कि OpenAI या Claude के models हर समस्या हल कर देंगे और startup के लिए मुकाबला करना मुश्किल होगा
    • लेकिन वास्तविक enterprise environment में पूरे company codebase का knowledge graph, tasks को छोटे हिस्सों में बाँटने की क्षमता, और हर task के लिए सबसे उपयुक्त model को बुलाने वाली orchestration layer frontier lab products से बेहतर परिणाम देती है
  • codebase के आस-पास के context को समझने वाली system के रूप में इसने SWE-Bench Pro 66.5% दर्ज कर पहला स्थान हासिल किया
  • भले ही raw intelligence core engineering और system bottlenecks को हल कर दे, फिर भी उसे industry field में काम करने लायक operationalize करना पड़ता है, और पूरे workflow की vertical integration यही भूमिका निभाती है

approach 2: मौजूदा business को automation-केंद्रित ढंग से फिर से डिज़ाइन करना

  • Tomo mortgage कंपनियों को AI software बेचने के बजाय loan underwriting और mortgage origination process को ही AI-केंद्रित तरीके से फिर से बनाता है
  • sales·underwriting·operations में automation लागू करके यह प्रति loan officer productivity को rivals से ऊपर ले जाता है, और इसका फायदा consumers को बेहतर rates के रूप में देता है
    • अभी 77% homebuyers को traditional providers की तुलना में Tomo पर बेहतर rates मिलते हैं
    • बेहतर rates पाने वाले buyers का अनुपात: {p:77}
  • मौजूदा workflow में software फिट करने की तुलना में industry को शुरू से फिर से डिज़ाइन करना बेहतर customer experience दे सकता है
  • मामूली software improvements का असर ऐसे systems के भीतर सीमित रह सकता है जो शुरू से उस technology के लिए बने ही नहीं थे
    • मौजूदा organizations को workflow बदलने के लिए मनाने के बजाय, business को सीधे फिर से बनाया जा सकता है और उन resources को customer experience सुधारने में लगाया जा सकता है
  • incumbent companies के लिए यह रास्ता चुनना बहुत मुश्किल है, क्योंकि उन्हें अपने existing business model और organization को खुद ही disrupt करना होगा
  • SaaS युग में मौजूदा workflow के भीतर software लाने की strategy असरदार थी, लेकिन AI traditional industries को automation-केंद्रित रूप में फिर से बनाने और internal adoption के बजाय customer experience पर ध्यान देने की सुविधा देता है

approach 3: system of record से action system तक विस्तार

  • Seso ने अमेरिकी agriculture sector के लिए HR system of record बनाया
  • अमेरिकी agricultural workforce के बड़े हिस्से को सहारा देने वाली H-2A visa process law firms, Microsoft Office products और paper documents में बिखरी हुई थी
    • Seso ने इसे एक central database में समेटकर farms को seasonal workers को वैसे manage करने में मदद दी जैसे सामान्य कंपनियाँ अपने employees को करती हैं
  • AI adoption के बाद यह साधारण ‘digital filing cabinet’ से action system में बदला
    • platform को इस तरह फिर से तैयार किया गया कि वह worker logistics संभाल सके, business insights बना सके और labor-related decisions भी ले सके
  • जिन कंपनियों के पास system of record होता है, वे जमा की गई जानकारी के आधार पर वास्तविक काम करने वाले systems तक विस्तार कर सकती हैं
  • यही approach अपनाने वाले उदाहरणों में recreation sector की Rec और long-term care sector की Veras शामिल हैं

incumbent companies और AI-native services की प्रतिस्पर्धा

  • बड़े law firms जैसे incumbent players, AI-native competitors को अपनी internal expertise दिए बिना frontier labs के साथ सीधे काम कर automation को in-house ला सकते हैं
    • Freshfields ने custom tools बनाने के लिए Anthropic के साथ partnership की
  • यह strategy मुख्यतः Big Law या बड़े financial institutions जैसी विशाल कंपनियों के लिए खुली है, और उनके लिए भी frontier labs के साथ काम करने की लागत बहुत अधिक हो सकती है
    • Uber और Microsoft के उदाहरणों की तरह LLM token cost बढ़ रही है, और महँगे AI engineers की लागत भी जुड़ती है
  • partnership के काम करने के लिए industry incumbents को अपनी proprietary knowledge छिपाकर रखने वाला रवैया कुछ कम करना होगा, भले उसका long-term value सीमित हो; और frontier labs को pricing power का ज़्यादा इस्तेमाल नहीं करना चाहिए
  • समझौता हो भी जाए, तब भी automation incumbent companies के कई functions में से सिर्फ एक होगा; यह उनके core business का मुख्य focus नहीं है
  • AI-native services frontier labs पर अपनी dependence अपेक्षाकृत कम रख सकती हैं, और go-to-market (GTM) तथा customer experience सुधार पर ध्यान दे सकती हैं
  • Tomo, traditional mortgage providers के frontier labs के साथ काम करने पर भी, ग्राहकों के लिए सस्ता और सरल विकल्प बना रहता है
    • यह विकल्प incumbents के हितों से सीधे टकराता है, इसलिए भले प्रतिस्पर्धा खत्म न करे, उसकी सीमा ज़रूर तय कर सकता है

AGI युग को ध्यान में रखकर verticalization

  • अगली पीढ़ी के startup को अपना business इस सवाल के इर्द-गिर्द डिज़ाइन करना चाहिए कि ‘value chain के हर हिस्से का मालिक कैसे बनें’
  • vertical thinking उन defensible गुणों में से एक है जो AGI transition के दौरान भी टिक सकते हैं
    • भले raw intelligence नई innovations संभव बनाए, उसे वास्तविक operations में लागू करना और customers तक पहुँचाना फिर भी ज़रूरी रहेगा
  • जो founders शुरुआत से ही पूरी industry और workflow के मालिक बनते हैं, वे AI hyperscaler युग में भी टिकाऊ स्थिति बना सकते हैं
  • bio और deeptech जैसे क्षेत्रों में, जहाँ execution स्वयं बेहद specialized होता है, वहाँ specialized execution अब भी अलग entry barrier बना रहता है

संबंधित पढ़ाई

1 टिप्पणियां

 
opula 17 시간 전

मैं इस बड़े तर्क से सहमत हूँ कि verticalization ही बचाव की रेखा है। लेकिन मुझे लगता है कि 'wrapper है या नहीं' को अलग करने वाली धुरी feature की मोटाई से ज़्यादा यह है कि उसके नीचे ऐसा कुछ जमा होता है या नहीं जो model अपने साथ नहीं रख सकता। लेख की तीनों रणनीतियाँ (workflow को own करना, automation-केंद्रित तरीके से फिर से डिज़ाइन करना, या record system को action system तक फैलाना) आखिरकार model के बाहर जमा होने वाली state और data बनाने की बात ही लगती हैं।

मैंने भी ऊपर से देखने पर काफ़ी हद तक एक पतला wrapper जैसा कुछ बनाया है, लेकिन जो चीज़ टिकती है वह feature नहीं, बल्कि वह हिस्सा है जो user-विशिष्ट state और data को own करता है, और वह layer जो model को हर conversation में डगमगाने के बजाय deterministic तरीके से calculate और remember करने देती है। Frontier model जितने बेहतर होते जाते हैं, इन दोनों की value उतनी ही बढ़ती है।

एक बात और जोड़ूँ तो, लेख मुख्यतः enterprise vertical (B2B) के उदाहरण देता है, लेकिन मुझे लगता है कि यही तर्क personal use पर भी लागू होता है। Raw LLM सिर्फ़ public information देखता है और मेरी state को याद नहीं रख सकता, इसलिए किसी व्यक्ति के record system को अपने हाथ में रखना ही अपने आप में moat बन जाता है। लेकिन तीसरी रणनीति में जहाँ record system को action (decision-making delegation) तक ले जाया जाता है, वहाँ भरोसा बनाए रखने के लिए यह भी ज़रूरी लगता है कि उन decisions को reproduce या verify किया जा सके।