Cara Membina Syarikat Perkhidmatan AI-Native

Ringkasan Utama

Beberapa syarikat terbesar dalam dekad akan datang ialah syarikat perkhidmatan AI-native yang “berwajah perkhidmatan tetapi digerakkan oleh perisian”.
Pilih pasaran berdasarkan empat ciri: kepercayaan rendah, pertimbangan rendah di peringkat tugasan, ambang kecerdasan tinggi, dan peraturan sebagai parit pertahanan.
Produk yang benar-benar bagus bukan sekadar menjimatkan masa, tetapi membolehkan seorang melakukan kerja yang dahulunya memerlukan beberapa orang.
Pertaruhan teras: gunakan leveraj operasi AI untuk menolak margin kasar daripada ~30% tahap industri perkhidmatan ke tahap perisian 50%+, sambil menyasarkan pasaran yang 2–3 kali lebih besar.

Dalam artikel sebelum ini, “Perkhidmatan Sedang Menjadi Perisian Baharu”, saya membincangkan soal “mengapa”: mengapa gergasi seterusnya akan terdiri daripada syarikat yang berwajah perkhidmatan tetapi pada terasnya digerakkan oleh perisian. Kali ini saya akan menyambung dengan soal “bagaimana”.

Y Combinator baru-baru ini menyiarkan satu episod Startup School yang disampaikan oleh YC Visiting Partner Charlie Warren, bertajuk “How to Build an AI-Native Services Company”. Ia sebuah playbook yang sangat praktikal: cara memilih pasaran, mengapa “varians” lebih cepat meruntuhkan perniagaan ini berbanding apa-apa perkara lain, dan formula penyata untung rugi yang akan mengubah model perniagaan anda sepenuhnya.

Di bawah, saya merumuskan keseluruhan kandungan sesi tersebut, setia kepada setiap hujah beliau, dan berkongsi pandangan kami sendiri.

👉 Sumber asal: Y Combinator “How to Build an AI-Native Services Company”, disampaikan oleh Charlie Warren

Kandungan

Pasaran apa yang patut dipilih oleh syarikat perkhidmatan AI-native? Empat ciri yang berlawanan dengan gerak hati
Pasukan pengasas yang tepat: tiga kefasihan yang wajib ada
Membina produk: manusia ialah antara muka, varians ialah garis hidup mati
Jualan: berhati-hati dengan “perangkap permintaan awal”
Penetapan harga dan penyata untung rugi: pertaruhan leveraj operasi AI
Jangan cuba ambil jalan pintas dengan “membeli”
Pandangan penulis
FAQ

Beberapa syarikat terbesar dalam dekad akan datang mungkin langsung bukan syarikat perisian, sebaliknya syarikat insurans, firma guaman, firma percukaian dan seumpamanya dalam “industri perkhidmatan”. Bezanya, mereka membina semula dari kosong dan menyerahkan sebahagian besar kerja kepada AI. Charlie Warren menggelar syarikat seperti ini “syarikat perkhidmatan AI-native”.

Pasaran ini bernilai trilion dolar AS: percukaian, audit, insurans, guaman, sebahagian penjagaan kesihatan dan sebahagian logistik. Peluang ini belum wujud dua tahun lalu. Lonjakan keupayaan model yang membuka satu bentuk perniagaan baharu: menyerahkan “hasil” terus kepada pelanggan, bukannya membina Copilot untuk digunakan sendiri oleh pelanggan secara dalaman. Disebabkan itu, syarikat seperti ini berbeza daripada kebanyakan startup hari ini, dari segi rasa mahupun rupa.

Playbook di bawah ditulis untuk mereka yang “sedang menimbang sama ada mahu memulakan syarikat”, bukan untuk mereka yang sudah mengendalikan syarikat.

1. Pasaran apa yang patut dipilih oleh syarikat perkhidmatan AI-native? Empat ciri yang berlawanan dengan gerak hati

Prinsip umum memilih pasaran tetap terpakai di sini: pilih bidang yang anda sanggup berkecimpung lebih sepuluh tahun. Jika anda tidak mempunyai minat yang mendalam terhadap pelanggan, pasaran atau masalah teknikal tersebut, anda tidak akan bertahan. Namun menurut Charlie, pasaran yang paling sesuai untuk perkhidmatan AI mempunyai empat lagi ciri unik yang berlawanan dengan gerak hati.

Ilustrasi konsep berwarna ungu menunjukkan seseorang menyerahkan hasil, gear yang menggerakkan aliran proses dan perisai pelindung, melambangkan penyerahan automatik dan kebolehpercayaan syarikat perkhidmatan AI-native.

1. Kepercayaan rendah (Low Trust).

Maksudnya, kerja jenis ini memang sudah pun disumber luar, dan pelanggan mementingkan hasil akhir, bukan cara anda menghasilkannya. Anda menggantikan pembekal sedia ada, bukan meminta pelanggan mengubah tingkah laku; anda cuma muncul di tempat yang “bajetnya memang sudah wujud” dan mengambil alih kerja itu. Ini sangat penting kerana anda tidak perlu mendidik semula pasaran.

2. Pertimbangan rendah di peringkat tugasan (Low Judgment).

Jika sesuatu kerja dipecahkan dan setiap langkah memerlukan seseorang membuat pertimbangan sebenar, anda tidak akan dapat berkembang secara berskala. Keadaan ideal ialah: kebanyakan langkah boleh diautomasikan, dan pertimbangan hanya ditumpukan pada beberapa langkah yang masih memerlukan manusia dalam gelung.

3. Ambang kecerdasan tinggi (High Intelligence Threshold).

Ini kedengaran bercanggah dengan perkara sebelumnya, tetapi sebenarnya tidak. Kerja itu secara keseluruhan mesti cukup sukar, sehingga memerlukan “model ditambah manusia” untuk menghasilkan sesuatu yang pelanggan sanggup bayar. Kerja yang terlalu mudah sebaliknya tidak mampu membina parit pertahanan.

4. Peraturan sebenarnya perkara yang baik.

Industri yang dikawal ketat mempunyai jangkaan kualiti yang lebih tinggi dan melibatkan liabiliti undang-undang, dan ini sebenarnya menaikkan halangan kemasukan serta membina parit pertahanan untuk pengasas. Charlie memberi contoh syarikat YC, Panacea: ia menyediakan perkhidmatan peraturan FDA kepada syarikat bioteknologi dan peranti perubatan dengan mengambil perunding FDA kanan dan menggandingkan mereka dengan platform AI, menjadikan kelulusan FDA lebih pantas dan lebih berkualiti.

Jadi pasaran mana yang sudah terbukti sesuai? Beliau menyenaraikan: percukaian, audit, insurans, pinjaman perumahan, sebahagian penjagaan kesihatan dan sebahagian logistik. Namun beliau juga mengingatkan bahawa masih banyak pasaran yang belum disentuh sesiapa, jadi jangan hadkan diri anda kepada bidang yang jelas atau yang asyik diperkatakan orang di X.

Ada dua lagi semakan semasa memilih pasaran. Yang pertama beliau namakan “ujian Sam Altman”: tanya diri sendiri, apabila model menjadi lebih hebat, adakah perkhidmatan anda turut menjadi lebih hebat, atau dikomoditikan oleh model itu sendiri? Anda mahu berada di pihak yang pertama. Yang kedua perlu diberi perhatian: berhati-hati dengan perniagaan yang melibatkan peralatan dan tenaga kerja di lapangan. Apabila anda perlu benar-benar memiliki dan mengendalikan aset fizikal, formula margin kasar perisian tidak lagi terpakai dan sukar untuk mencipta leveraj sebenar (walaupun ia mungkin masih perniagaan yang bagus, bahagian itu biarlah untuk pengasas robotik).

Akhir sekali, satu semakan diri yang jujur: adakah anda menggunakan manusia kerana kerja itu benar-benar memerlukan pertimbangan, atau kerana anda menggunakan tenaga manusia untuk menutup kelemahan produk? Anda perlu cukup jujur dengan diri sendiri supaya tidak menggunakan manusia untuk menampal lubang produk. Syarikat hebat yang benar-benar memerlukan manusia dalam gelung memang wujud, tetapi jangan keliru antara kedua-duanya.

2. Pasukan pengasas yang tepat: tiga kefasihan yang wajib ada

Sama seperti semua startup, cari ahli pasukan dalam kalangan orang yang anda sudah kenal dan pernah bekerja bersama. Jika anda bersendirian, fikirkan orang paling hebat yang pernah bekerja dengan anda sepanjang hidup, dan terus ajak mereka menyertai anda. Bilangan yang bersetuju mungkin melebihi jangkaan anda.

Untuk perkhidmatan AI pula, Charlie memerhatikan bahawa pengasas terbaik mempunyai tiga jenis “kefasihan”.

1. Kefasihan domain (Domain Fluency)

Pengalaman secara langsung adalah yang terbaik, tetapi yang dipelajari kemudian juga boleh. Oleh sebab anda berdepan pembeli yang penuh keraguan dan sering kali dikawal selia, anda mesti memancarkan kredibiliti; dari mana kredibiliti itu datang sebenarnya tidak begitu penting.

2. Kefasihan model (Model Fluency).

Anda perlu tahu dengan jelas apa yang mampu dilakukan oleh model paling termaju hari ini, dan mereka bentuk produk supaya ia terus “mendaki lengkung” seiring model yang semakin hebat. Tiada jalan pintas di sini; keupayaan teknikal yang mantap tidak boleh diganti, dan ramai orang memandang rendah perkara ini.

3. Disiplin operasi (Operational Rigor)

Varians, kapasiti, masa kitaran, SOP... perkataan ini langsung tidak menarik bagi kebanyakan pengasas, tetapi pada hakikatnya anda sedang “menjalankan sebuah operasi”. Anda perlu menguasai kemahiran ini dan menikmatinya, atau sekurang-kurangnya menghormatinya, kerana dalam perniagaan ini, produk itu sendiri ialah operasi. Beliau memberi contoh General Legal Team (firma guaman AI-native yang baru dilabur oleh YC): pengasasnya mempunyai pengalaman sebenar di firma guaman (Cooley, Fenwick) serta latar belakang teknikal di CaseText. Lebih penting, mereka berfikir secara mendalam tentang kapasiti dan penempatan tenaga kerja, memperkenalkan sistem syif ke dalam aliran perkhidmatan untuk memendekkan masa kitaran sambil menarik peguam terbaik untuk menyertai mereka. Ini menang-menang untuk pengembangan berskala.

3. Membina produk: manusia ialah antara muka, varians ialah garis hidup mati

Dalam perkhidmatan AI, pemikiran reka bentuk produk adalah bertentangan dengan kebanyakan perisian: manusialah antara muka yang berdepan pelanggan, bukan produk. Peranan produk ialah membantu manusia itu menggandakan kerjanya secara “tidak linear”. Premis ini mengubah hampir segala-galanya tentang cara membina produk.

Sebelah kiri imej memaparkan papan pemuka prestasi, manakala di sebelah kanan seorang individu berdepan rangkaian keupayaan AI, menggambarkan bagaimana produk menggandakan kerja perkhidmatan manusia.

Pertama, gunakan pemikiran operasi: kenal pasti kesesakan, dan bina berdasarkan kesesakan itu. Kapasiti dan masa kitaran kini ialah metrik produk anda; pantau ia seperti anda memantau pengguna aktif harian (DAU).

Varians ialah garis hidup mati perniagaan ini.

Varians (Variance) bermaksud output perkhidmatan anda tidak konsisten. Pelanggan akan memecat anda kerana varians, malah lebih cepat berbanding jika anda sedikit lambat atau sedikit mahal. Mereka perlu boleh mempercayai output anda; ketidakkonsistenan memusnahkan kepercayaan, dan apabila kepercayaan runtuh, pelanggan akan pergi.

Satu lagi perkara: manusia yang kekal dalam gelung mesti boleh berkembang secara “tidak linear”. Jika hasil anda berkembang secara linear mengikut bilangan orang yang ditambah, itu masalah besar. Tambahan pula, mereka juga pengguna perisian anda, jadi mereka mesti selesa menggunakannya. Pada mulanya, tidak mengapa melakukan perkara yang tidak boleh diskalakan, tetapi akhirnya anda mesti berkembang secara berskala. Mengautomasikan proses itu sendiri ialah produk.

4. Jualan: berhati-hati dengan “perangkap permintaan awal”

Cabaran terbesar pengasas dalam peringkat jualan dan kejayaan pelanggan dinamakan oleh Charlie sebagai “perangkap permintaan awal” (Early Demand Trap).

Pada peringkat awal, ketika anda belum ada apa-apa, sangat mudah untuk menandatangani sekali gus sejumlah besar pelanggan perintis. Namun ini akan cepat melumpuhkan keupayaan penyerahan anda, memaksa anda bergantung pada tenaga manusia semata-mata, dan produk anda tidak akan pernah sampai ke tahap boleh diskalakan. Ini benar-benar satu perangkap.

Cadangan beliau: hadkan pelanggan perintis awal kepada beberapa syarikat sahaja, dan tahan keinginan untuk menandatangani terlalu banyak atau terlalu cepat. Selain itu, rupa pra-jualan dan selepas jualan juga berbeza daripada perisian. Anda menjual “hasil”, bukan bilangan tempat duduk (Seats) atau penggunaan (Tokens); projek perintis itu sendiri ialah produk. Untuk beberapa pelanggan pertama ini, jangan terlalu cepat menyeragamkan; sebaliknya gunakan projek perintis untuk belajar: cari di mana AI memberikan anda leveraj yang unik, dan bahagian mana yang sekadar mengautomasikan perkara yang jelas. Setelah jelas, bina produk berdasarkannya, dan lakukannya dengan pantas.

5. Penetapan harga dan penyata untung rugi: pertaruhan leveraj operasi AI

Penetapan harga: anda bersaing dengan “kos tenaga kerja”

Penetapan harga lebih sukar berbanding perisian tradisional, kerana pesaing anda bukan pembekal perisian lain, tetapi “kos tenaga kerja” itu sendiri, sama ada tenaga kerja dalaman pelanggan atau tenaga kerja sumber luar.

Beberapa kaedah penetapan harga: harga mengikut unit (Per-unit, contohnya setiap penyata cukai, setiap tuntutan, setiap pinjaman) paling kemas dan paling mudah dijelaskan; harga berasaskan hasil (Outcome-based) menyelaraskan insentif kedua-dua pihak dengan cantik, tetapi menyukarkan unjuran hasil anda sendiri. Panacea yang disebut tadi mengenakan harga berdasarkan “kajian perundingan yang disiapkan”, bukan kadar sejam yang lazim dalam industri.

Ada dua strategi harga yang perlu dielakkan: kos tambah (Cost-plus) akan menekan siling keuntungan anda secara kekal; manakala perang harga yang berterusan akan menjadikan perkhidmatan anda kelihatan murahan, malah menimbulkan keraguan tentang kualiti. Tetapkan harga berdasarkan “nilai”.

Penyata untung rugi: pertaruhan leveraj operasi AI

Seterusnya ialah penyata untung rugi (P&L), medan hidup mati sebenar bagi syarikat jenis ini. Struktur asasnya: hasil tolak kos barangan dijual (COGS) memberikan untung kasar, dan untung kasar tolak perbelanjaan operasi (OPEX) memberikan untung operasi.

Hasil ialah bahagian yang agak mudah: anda boleh mendapatkan kontrak, tetapi sama ada anda dapat menyerahkan secara “berulang” bergantung pada produk dan proses anda. Dalam jangka panjang, anda mahu pertumbuhan yang lancar dan boleh dijangka, tetapi pada peringkat awal, turun naik dari bulan ke bulan adalah perkara biasa.

Kos barangan dijual pula mesti dipantau rapi sejak hari pertama. Ia terdiri daripada tiga komponen utama: kos model, kos pengehosan (Hosting), dan manusia yang kekal dalam gelung. Ketiga-tiganya perlu ada satu angka, satu garis aliran, dan seorang yang bertanggungjawab. Berwaspadalah terhadap projek perintis dengan “margin sifar atau negatif”. Ia boleh digunakan untuk belajar, tetapi berbahaya apabila anda mula ketagih.

Pertaruhan teras perniagaan ini ialah: semakin lengkap produk, semakin rendah kos barangan dijual, dan semakin baik margin kasar. Charlie menggelarnya “leveraj operasi AI”. Perbelanjaan operasi pula merangkumi R&D (membina produk), jualan, serta pentadbiran am (kewangan, perundangan, gaji pengurusan atasan), semuanya item standard. Untung operasi ialah hasil tolak kos barangan dijual tolak perbelanjaan operasi; dalam perniagaan jenis ini, anda akan dinilai berdasarkan untung operasi lebih cepat daripada yang anda sangka. Untung bersih pula (untung operasi selepas cukai dan faedah) sebenarnya tidak begitu penting dalam jangka sederhana.

Peluang untung rugi sebenar terletak di sini: margin kasar industri perkhidmatan tradisional biasanya tersekat sekitar 30%; syarikat perisian tulen dan Agent tulen mempunyai margin kasar lebih tinggi, tetapi pasarannya (TAM) biasanya lebih kecil. Pertaruhan syarikat perkhidmatan AI pula ialah menggunakan leveraj operasi AI untuk menolak margin kasar mendekati tahap perisian (contohnya 50% ke atas), sambil menyasarkan pasaran yang dua hingga tiga kali lebih besar daripada perisian. Anda tidak perlu mencapainya dari awal, tetapi trajektori pertumbuhan itu mesti meyakinkan.

Carta bar membandingkan margin kasar industri perkhidmatan tradisional sekitar 30%, perisian tulen dengan margin tinggi tetapi pasaran lebih kecil, dan peluang syarikat perkhidmatan AI mengejar margin kasar 50% ke atas sambil memasuki pasaran dua hingga tiga kali lebih besar.

6. Jangan cuba ambil jalan pintas dengan “membeli”

Perkara terakhir: jangan cuba mengambil jalan pintas melalui pemerolehan. Charlie memerhatikan satu godaan, terutamanya dalam kalangan pengasas berlatar belakang operasi, iaitu terus membeli syarikat perkhidmatan sedia ada, menambah lapisan AI di atasnya, dan melangkau proses dari sifar ke hasil.

Ini biasanya satu perangkap. Satu-satunya alasan yang masih boleh diterima ialah jika anda perlu mendapatkan parit pertahanan dari segi peraturan dengan cepat (contohnya lesen insurans); selain itu, hampir tidak menjadi. Sebabnya: anda tidak boleh membeli “kesesuaian produk dengan pasaran” (Product-market Fit). Syarikat perkhidmatan lama tetap syarikat lama; jangkaan mereka dari segi metrik, pengambilan pekerja dan prestasi semuanya berbeza, dan menambah selapis AI tidak akan serta-merta mengubah realiti ini. Membina dari kosong hampir sentiasa lebih baik daripada membeli.

Kesimpulannya, syarikat perkhidmatan AI-native ialah peluang besar bagi pengasas hari ini, tetapi ia sejenis startup yang berbeza secara asasnya. Selagi anda mengelak perangkap-perangkap ini dan menganggap “proses sebagai produk, produk sebagai proses”, anda berpeluang membina syarikat yang menentukan sesuatu generasi.

Pandangan Penulis

Selepas membaca Playbook Charlie ini, perasaan paling langsung saya ialah: apa yang beliau gambarkan bukan eksperimen Silicon Valley yang jauh, tetapi perkara yang kami lakukan di OakMega setiap hari. Setiap perkara yang beliau senaraikan, iaitu memilih pasaran kepercayaan rendah yang kerjanya memang sudah disumber luar, menumpukan pertimbangan pada beberapa langkah, menjadikan peraturan sebagai parit pertahanan, menjual hasil dan bukan alat, mengawal varians dengan ketat, serta menetapkan harga mengikut unit atau hasil, hampir sama dengan prinsip reka bentuk perkhidmatan OakMega FDE (Forward-Deployed Engineering).

Saya tambah tiga pemerhatian yang amat dirasai dalam pasaran B2B Taiwan dan Asia:

“Manusia ialah antara muka, bukan produk” amat benar bagi kami yang bergerak dalam ekosistem LINE.

Dalam senario pembuatan dan B2B di Taiwan, hubungan pelanggan sering tersekat dalam akaun peribadi seorang jurujual. Produk sebenar ialah sistem yang membolehkan “orang” ini digandakan secara tidak linear, bukan menggantikannya. Inilah yang kami lihat berulang kali dalam projek sebenar: kunci kejayaan pelaksanaan bukanlah “menggantikan manusia”, tetapi “menggandakan manusia”.

“Varians ialah garis hidup mati” sangat dipandang rendah dalam penyerahan berasaskan perkhidmatan.

Pelanggan sanggup memaafkan anda jika sedikit lambat, tetapi tidak akan memaafkan anda jika kali ini bagus dan kali seterusnya teruk. Menyeragamkan proses penyerahan dan menstabilkan kualiti ialah prasyarat untuk berkembang secara berskala.

“Jangan cuba ambil jalan pintas dengan membeli” juga menjadi peringatan kepada pihak pembeli.

Sekadar menindih perisian siap pakai di atas proses lama tidak akan menghasilkan keputusan dengan sendirinya. Nilai sebenar datang daripada mereka bentuk dengan betul “di mana pertimbangan patut kekal dan apa yang diserahkan kepada sistem”. Itulah sebabnya kami lebih rela menggunakan FDE untuk memantapkan setiap senario satu demi satu, daripada menjual alat yang memaksa anda mencari jalan sendiri.

Kumpulan syarikat bernilai trilion seterusnya akan kelihatan seperti penyedia perkhidmatan, tetapi pada terasnya digerakkan oleh perisian. Ini bukan hanya berlaku di Amerika Syarikat; ia sedang berlaku dalam industri di sekeliling kita.

Apa pandangan anda? Jom berbual dengan kami 👉 Hubungi kami

FAQ

S1: Apakah itu “syarikat perkhidmatan AI-native”? Apa bezanya dengan SaaS?
Syarikat perkhidmatan AI-native menyerahkan “hasil” terus kepada pelanggan (contohnya menyiapkan satu penyata cukai atau satu tuntutan), dengan AI melaksanakan sebahagian besar kerja dan manusia hanya kekal pada beberapa langkah yang memerlukan pertimbangan. SaaS tradisional pula menjual alat untuk digunakan sendiri oleh pelanggan secara dalaman. Yang pertama menjual hasil, yang kedua menjual alat.

S2: Pasaran mana yang paling sesuai untuk perkhidmatan AI?
Pasaran yang sudah terbukti menurut Charlie Warren termasuk percukaian, audit, insurans, pinjaman perumahan, sebahagian penjagaan kesihatan dan logistik. Ciri sepunya: kerja memang sudah disumber luar (kepercayaan rendah), kebanyakan langkah boleh diautomasikan (pertimbangan rendah di peringkat tugasan), kerja secara keseluruhan cukup sukar (ambang kecerdasan tinggi), dan dikawal oleh peraturan (halangan kemasukan sebagai parit pertahanan).

S3: Apakah “ujian Sam Altman”?
Satu soalan untuk menilai pasaran: apabila model menjadi lebih hebat, adakah perkhidmatan anda turut menjadi lebih hebat, atau dikomoditikan oleh model? Anda patut memilih yang pertama, iaitu bidang di mana kemajuan model menguatkan anda, bukan menggantikan anda.

S4: Mengapa “varians” menjadi garis hidup mati perniagaan ini?
Varians bermaksud output perkhidmatan yang tidak konsisten. Pelanggan pergi kerana output yang tidak stabil lebih cepat berbanding kerana anda sedikit lambat atau sedikit mahal; ketidakkonsistenan memusnahkan kepercayaan, sedangkan kepercayaan ialah asas perniagaan berasaskan perkhidmatan.

S5: Mengapa tidak disarankan untuk masuk melalui “pemerolehan syarikat perkhidmatan sedia ada”?
Kerana anda tidak boleh membeli kesesuaian produk dengan pasaran. Syarikat perkhidmatan lama mempunyai budaya yang berbeza dari segi metrik, pengambilan pekerja dan prestasi, dan menambah selapis AI tidak akan mengubah realiti ini. Satu-satunya pengecualian yang munasabah ialah apabila anda perlu mendapatkan lesen peraturan dengan cepat (seperti lesen insurans). Membina dari kosong biasanya lebih baik daripada membeli.

S6: Setinggi mana margin kasar syarikat perkhidmatan AI boleh dicapai?
Margin kasar industri perkhidmatan tradisional biasanya tersekat sekitar 30%. Pertaruhan syarikat perkhidmatan AI ialah menggunakan “leveraj operasi AI” (semakin lengkap produk, semakin rendah kos barangan dijual) untuk menolak margin kasar mendekati tahap perisian, iaitu 50% ke atas, sambil menyasarkan pasaran yang dua hingga tiga kali lebih besar daripada perisian. Tidak perlu mencapai sasaran dari awal, tetapi trajektori pertumbuhan mesti meyakinkan.