บริการกำลังกลายเป็นซอฟต์แวร์รูปแบบใหม่ Services: The New Software | CEO Insights

ช่วงนี้เพื่อนๆ รอบตัวคุยกันเรื่อง ETF เยอะมาก มีทั้งคนซื้อแบบเชิงรุกและเชิงรับ ครั้งหนึ่งในวงสังสรรค์ ผมถามขึ้นมาลอยๆ ว่า "รู้ไหมว่า ETF ที่ถืออยู่ มีหุ้นตัวไหนอยู่ข้างในบ้าง?" แทบไม่มีใครรู้เลย แต่นั่นไม่ได้แปลว่าทุกคนไม่ใส่ใจเงินของตัวเอง ตรงกันข้าม ทุกคนใส่ใจผลลัพธ์มาก เพียงแต่ไม่อยากศึกษาเครื่องมือเอง ไม่มีใครอยากไปซื้อคัมภีร์การลงทุนมาอ่าน นั่งอ่านงบการเงินจนขึ้นใจ แล้วค่อยเลือกหุ้นเอง สิ่งที่ทุกคนต้องการคือ ใส่เงินเข้าไป แล้วให้มันงอกเงย การซื้อ ETF ก็คือการซื้อผลลัพธ์ที่ว่า "เงินของฉันจะได้รับการดูแลอย่างดี"

จริงๆ แล้ว ไม่ว่าจะเป็นบุคคลหรือองค์กร สิ่งที่เราจ่ายเงินซื้อมาตลอดคือผลลัพธ์ ไม่ใช่เครื่องมือ

การที่องค์กรเปลี่ยนจากการจ้าง SI (System Integrator หรือผู้รับวางระบบ) มาทำระบบเฉพาะ ไปสู่การสมัครใช้บริการ SaaS โดยแก่นแท้แล้วก็เหมือนการเปลี่ยนจากการโทรสั่งซื้อหุ้นผ่านมาร์เก็ตติ้ง มาเป็นการซื้อหุ้นเองผ่านแอป เป้าหมายเดิม แต่เร็วกว่า ถูกกว่า และโปร่งใสกว่า เครื่องมือพัฒนาขึ้น กระบวนการง่ายขึ้น แต่สิ่งที่ซื้อก็ยังคือผลลัพธ์ที่ว่า "ทำให้ธุรกิจเดินได้" ตอนนี้ เรากำลังยืนอยู่ที่จุดเปลี่ยนจากยุค SaaS เข้าสู่ยุค AI และวิวัฒนาการรอบนี้ก็เหมือนการเปลี่ยนจากการศึกษาหุ้นรายตัวเอง ไปเป็นการซื้อ ETF โดยตรง คุณไม่จำเป็นต้องเข้าใจลึกอีกต่อไปว่าเครื่องมือเบื้องหลังแต่ละตัวทำงานอย่างไร คุณแค่ตั้งเป้าหมายให้ชัด คิดกลยุทธ์ให้ขาด ออกแบบเวิร์กโฟลว์ให้ถูก ที่เหลือปล่อยให้ระบบลงมือทำ

นี่ยังหมายความว่า รูปแบบของบริษัทซอฟต์แวร์กำลังเปลี่ยนไป ผู้ชนะในอนาคตจะเป็น "บริษัทซอฟต์แวร์ที่สวมเสื้อคลุมของบริษัทบริการ" ซอฟต์แวร์คือเครื่องยนต์ที่ทำให้ทั้งบริษัทเดินเครื่องอย่างมีประสิทธิภาพ ส่วนบริการคือคุณค่าที่เราส่งมอบให้ลูกค้าจริงๆ ลูกค้าไม่จำเป็นต้องรู้ว่าเครื่องยนต์หน้าตาเป็นอย่างไร สิ่งที่พวกเขาต้องการคือผลลัพธ์ที่วิ่งได้จริง

Julien Bek พาร์ทเนอร์ของ Sequoia เพิ่งเขียนบทความที่พูดถึงเรื่องนี้พอดี ด้านล่างนี้คือคำแปลของผม พร้อมมุมมองบางข้อที่น่าจับตา ขอแบ่งปันให้ทุกคนครับ

👉 อ่านบทความฉบับเต็ม "Services: The New Software" ของ Julien Bek

สารบัญ

1. บทนำ
2. ความเข้าใจและความสามารถในการลงมือทำ
3. Copilot กับ Autopilot
4. มุ่งสู่การหลอมรวม
5. กลยุทธ์เจาะตลาดของ Autopilot: เริ่มจากงานที่เอาต์ซอร์ส
6. แผนที่โอกาส

---

บริษัทมูลค่าล้านล้านดอลลาร์รายต่อไป จะเป็นบริษัทที่ดูเหมือนให้บริการ แต่แท้จริงแล้วขับเคลื่อนด้วยซอฟต์แวร์

ผู้ก่อตั้งทุกคนที่กำลังสร้างเครื่องมือ AI ต่างถามคำถามเดียวกัน: ถ้า Claude เวอร์ชันถัดไปทำให้ผลิตภัณฑ์ของฉันกลายเป็นฟีเจอร์ในตัว จะทำอย่างไร? ความกังวลนี้ไม่ใช่เรื่องเกินเหตุ

ถ้าคุณขายเครื่องมือ คุณต้องวิ่งแข่งกับโมเดลไม่หยุด แต่ถ้าคุณขาย "การทำงานให้เสร็จ" ทุกครั้งที่โมเดลเก่งขึ้น บริการของคุณจะเร็วขึ้น ถูกลง และคู่แข่งตามทันได้ยากขึ้น

บริษัทหนึ่งอาจจ่ายปีละ 10,000 ดอลลาร์สหรัฐเพื่อซื้อ QuickBooks แล้วจ่ายอีก 120,000 ดอลลาร์สหรัฐเพื่อจ้างนักบัญชีมาปิดบัญชี บริษัทระดับตำนานรายต่อไปจะไม่ได้แค่ขายเครื่องมือทำบัญชี และไม่ได้แค่ให้บริการบัญชี แต่จะปิดบัญชีให้คุณเสร็จเรียบร้อยเลย

---

ความเข้าใจและความสามารถในการลงมือทำ

การเขียนโปรแกรมอาศัยความเข้าใจและความสามารถในการลงมือทำเป็นหลัก ส่วนการรู้ว่าขั้นต่อไปควรทำอะไร อาศัยวิจารณญาณ

การแปลงสเปกเป็นโค้ด การทดสอบ การดีบัก กฎเหล่านี้ซับซ้อน แต่ท้ายที่สุดก็ยังเป็นกฎ วิจารณญาณนั้นต่างออกไป มันต้องอาศัยประสบการณ์และรสนิยม เป็นสัญชาตญาณที่สั่งสมจากการลงสนามจริงหลายปี: ควรทำฟีเจอร์ไหนก่อน ควรยอมแบกหนี้ทางเทคนิคหรือไม่ เมื่อไรควรปล่อยผลิตภัณฑ์ออกไปทั้งที่ยังไม่สมบูรณ์แบบ

เมื่อปีที่แล้ว ผู้ใช้ Cursor ส่วนใหญ่ยังใช้ AI แค่เป็นเครื่องมือเติมโค้ดอัตโนมัติ แต่วันนี้ งานจำนวนมากขึ้นเริ่มต้นโดย AI Agent แทนที่จะเริ่มโดยมนุษย์ ในบรรดาการใช้เครื่องมือ AI ของทุกสายอาชีพ วิศวกรรมซอฟต์แวร์ครองสัดส่วนเกินครึ่ง ขณะที่หมวดอื่นยังอยู่ที่ตัวเลขหลักเดียว

เหตุผลคือ วิศวกรรมซอฟต์แวร์โดยธรรมชาติเป็นงานที่พึ่งพาความเข้าใจและความสามารถในการลงมือทำอย่างสูง AI ข้ามเส้นนั้นไปแล้ว สามารถทำงานประเภทเข้าใจ แปลง และลงมือทำได้ส่วนใหญ่ด้วยตัวเอง และเหลือวิจารณญาณไว้ให้มนุษย์ วิศวกรรมซอฟต์แวร์เป็นเพียงสาขาแรกที่มาถึงจุดเปลี่ยนนี้ ต่อจากนี้ เรื่องเดียวกันจะเกิดขึ้นกับทุกสายอาชีพ

---

Copilot กับ Autopilot

Copilot (ผู้ช่วยนักบิน คือ AI ที่ช่วยคนทำงาน) ขายเครื่องมือ ส่วน Autopilot (ระบบขับเคลื่อนอัตโนมัติ คือ AI ที่รับงานไปทำจนเสร็จ) ขายการทำงานให้เสร็จ

จนกระทั่งไม่นานมานี้ ความสามารถด้านความเข้าใจ การลงมือทำ และวิจารณญาณของโมเดล AI ยังอยู่ระหว่างพัฒนา ทางเลือกที่สมเหตุสมผลกว่าจึงเป็นการสร้าง Copilot ก่อน: ส่ง AI ไปอยู่ในมือมืออาชีพ แล้วให้พวกเขาตัดสินใจเองว่าจะใช้อย่างไร Harvey ขายให้สำนักงานกฎหมาย Rogo ขายให้วาณิชธนกิจ มืออาชีพคือลูกค้า เครื่องมือช่วยให้พวกเขาทำงานได้มีประสิทธิภาพขึ้น และพวกเขาก็เป็นผู้รับผิดชอบต่อผลงานสุดท้าย

แต่วันนี้ ความสามารถของโมเดลในบางสาขาเติบโตพอแล้ว จุดเริ่มต้นที่ดีที่สุดกลับกลายเป็นการเป็น Autopilot ไปเลย ลูกค้าของ Crosby คือบริษัทที่ต้องร่างสัญญารักษาความลับ ไม่ใช่ที่ปรึกษากฎหมายภายนอก ลูกค้าของ WithCoverage คือ CFO ที่ต้องการประกันภัย ไม่ใช่นายหน้าประกันภัย สิ่งที่ลูกค้าซื้อคือผลลัพธ์โดยตรง

ไม่ว่าในสายอาชีพไหน งบประมาณสำหรับ "ทำงานให้เสร็จ" ล้วนสูงกว่างบสำหรับ "ซื้อเครื่องมือ" อย่างมาก และ Autopilot ก็เจาะเข้าไปที่งบประมาณก้อนนี้ตั้งแต่วันแรก

สาขาไหนมีสัดส่วนงานประเภทเข้าใจและลงมือทำสูงเท่าไร Autopilot ก็จะชนะในสาขานั้นเร็วเท่านั้น

---

มุ่งสู่การหลอมรวม

งานที่วันนี้ยังต้องใช้วิจารณญาณ พรุ่งนี้อาจกลายเป็นงานที่ AI เข้าใจและลงมือทำได้เอง

เมื่อระบบ AI สะสมข้อมูลเฉพาะในแต่ละสาขามากขึ้นเรื่อยๆ และค่อยๆ เรียนรู้ว่า "วิจารณญาณที่ดี" หน้าตาเป็นอย่างไร ขอบเขตความสามารถก็จะขยายออกไปเรื่อยๆ ท้ายที่สุดแล้ว Copilot กับ Autopilot จะหลอมรวมเข้าหากัน

การเปลี่ยนจาก Copilot ไปเป็น Autopilot เริ่มเกิดขึ้นแล้วในหลายสาขา แต่การเลือกว่าจะเจาะเข้าไปตรงไหนตั้งแต่แรกนั้นสำคัญมาก เพราะมันจะกำหนดว่า Autopilot จะชนะใจลูกค้าในสถานการณ์ไหนได้ก่อน และเริ่มสะสมข้อมูลได้ ข้อมูลเหล่านี้เองที่ท้ายที่สุดจะทำให้มันไม่ได้แค่จัดการงานประเภทเข้าใจและลงมือทำ แต่ยังค่อยๆ รับงานที่ต้องใช้วิจารณญาณได้ด้วย

---

กลยุทธ์เจาะตลาดของ Autopilot: เริ่มจากงานที่เอาต์ซอร์ส

ทุก 1 ดอลลาร์สหรัฐที่องค์กรใช้กับซอฟต์แวร์ จะมีอีก 6 ดอลลาร์สหรัฐที่ใช้กับบริการ

สำหรับ Autopilot ตลาดที่ให้บริการได้ทั้งหมดไม่ได้มีแค่งบเครื่องมือ แต่คือค่าใช้จ่ายทั้งหมดที่ใช้เพื่อให้งานในหมวดนั้นเสร็จ ทั้งกำลังคนภายในและบริการเอาต์ซอร์ส แต่จุดเริ่มต้นที่ดีที่สุด คืองานที่ถูกเอาต์ซอร์สออกไปอยู่แล้ว

ถ้างานไหนถูกเอาต์ซอร์สอยู่แล้ว แปลว่ามีสามเรื่อง หนึ่ง บริษัทยอมรับแล้วว่างานนี้ให้คนนอกทำได้ สอง งบประมาณก้อนนี้มีอยู่แล้ว และเปลี่ยนมือได้ง่ายกว่า สาม สิ่งที่ผู้ซื้อซื้ออยู่เดิมก็คือผลลัพธ์ที่ทำเสร็จแล้ว

การใช้ผู้ให้บริการแบบ AI-native แทนผู้รับเอาต์ซอร์สรายเดิม โดยแก่นแล้วเป็นแค่การเปลี่ยนซัพพลายเออร์ แต่การเข้าไปแทนกำลังคนภายใน เกี่ยวพันไปถึงการปรับโครงสร้างองค์กร

ดังนั้น กลยุทธ์เจาะตลาดของ Autopilot ควรเป็นแบบนี้: เริ่มจากงานที่เอาต์ซอร์สอยู่แล้วและพึ่งพาความเข้าใจกับการลงมือทำสูง เพื่อเปิดเส้นทางเข้าสู่ตลาด จากนั้นเมื่อความสามารถของ AI และข้อมูลสะสมมากขึ้น ก็ค่อยๆ ขยายเข้าไปสู่งานภายในที่พึ่งพาวิจารณญาณมากขึ้น

งานเอาต์ซอร์สคือประตูทางเข้า งานภายในคือตลาดระยะยาว

Crosby เลือกเจาะตลาดจากสัญญารักษาความลับเป็นอย่างแรก: เป็นงานที่ขอบเขตชัดเจน อาศัยความเข้าใจและการลงมือทำเป็นหลัก และบริษัทส่วนใหญ่ก็คุ้นกับการส่งให้ที่ปรึกษากฎหมายภายนอกทำอยู่แล้ว งบประมาณมีอยู่แล้ว ขอบเขตชัด เห็นผลตอบแทนจากการลงทุนเร็ว และต้นทุนการเปลี่ยนผู้ให้บริการก็ค่อนข้างต่ำ

---

แผนที่โอกาส

ถ้าเราวางบริการแต่ละประเภทไว้บนสองแกน แกนหนึ่งคือ "ความเข้าใจและความสามารถในการลงมือทำ ↔ วิจารณญาณ" อีกแกนคือ "บริการเอาต์ซอร์ส ↔ ทำภายใน" ก็จะได้แผนที่ลำดับความสำคัญออกมา ตัวเลขในวงเล็บคือขนาดตลาดของกำลังคนและบริการในหมวดนั้น

รายการด้านล่างเป็นเพียงตัวอย่างประกอบ:

นายหน้าประกันภัย (140–200 พันล้านดอลลาร์สหรัฐ)

นี่คือตลาดที่มีมูลค่าสูงที่สุดในรายการนี้ ประกันภัยเชิงพาณิชย์มาตรฐานมีความเป็นมาตรฐานสูงมาก มูลค่าเพิ่มของนายหน้าประกันโดยพื้นฐานก็คือการเทียบราคาระหว่างบริษัทประกันต่างๆ และกรอกแบบฟอร์ม ซึ่งเป็นงานประเภทเข้าใจและลงมือทำแบบฉบับ เครือข่ายการขายและบริการก็กระจัดกระจายอย่างมาก บริษัทนายหน้าขนาดเล็กนับหมื่นแห่งทำกระบวนการคล้ายๆ กัน จึงไม่มีผู้เล่นรายเดิมรายใดกุมความสัมพันธ์กับลูกค้าไว้ได้ทั้งหมด WithCoverage และ Harper เป็นผู้เล่นหน้าใหม่ที่น่าจับตา

บัญชีและการสอบบัญชี (เฉพาะตลาดเอาต์ซอร์สในสหรัฐฯ ก็มี 50–80 พันล้านดอลลาร์สหรัฐ)

ในห้าปีที่ผ่านมา สหรัฐฯ สูญเสียนักบัญชีไปราว 340,000 คน แต่ความต้องการในตลาดยังเติบโตต่อเนื่อง 75% ของ CPA กำลังใกล้วัยเกษียณ เส้นทางสู่การได้ใบอนุญาตก็ยาวนาน เงินเดือนเริ่มต้นยังตามหลังสายเทคโนโลยีและการเงิน การขาดแคลนกำลังคนเชิงโครงสร้างแบบนี้กำลังผลักให้วงการบัญชียอมรับ AI เร็วกว่าแทบทุกสายวิชาชีพ Rillet กำลังสร้าง ERP แบบ AI-native ที่ปิดบัญชีได้อัตโนมัติ ส่วน Basis เริ่มเจาะตลาดจากการเป็น Copilot ให้นักบัญชี

กระบวนการเรียกเก็บเงินทางการแพทย์ (ตลาดเอาต์ซอร์สในสหรัฐฯ 50–80 พันล้านดอลลาร์สหรัฐ)

พอได้ยินคำว่า "การแพทย์" คนมักคิดว่าเป็นงานที่ต้องพึ่งวิจารณญาณสูง แต่ในชั้นของการเรียกเก็บเงินและบัญชี แทบทั้งหมดเป็นงานประเภทเข้าใจและลงมือทำ แก่นของการลงรหัสทางการแพทย์ คือการแปลงบันทึกทางคลินิกให้เป็นรหัส ICD-10 มาตรฐานราว 70,000 รหัส กฎซับซ้อน แต่ท้ายที่สุดก็ยังเป็นกฎ การเอาต์ซอร์สในสาขานี้ค่อนข้างเติบโตเต็มที่แล้ว และส่วนใหญ่คิดราคาตามผลลัพธ์ สิ่งที่ Autopilot ต้องทำคือทำเรื่องเดียวกันด้วยต้นทุนที่ต่ำกว่า Anterior คือบริษัทที่ไปได้ไกลที่สุดในตอนนี้

การจัดการสินไหมทดแทน (รวมบริษัทบริหารจัดการสินไหมบุคคลที่สาม 50–80 พันล้านดอลลาร์สหรัฐ)

ที่อีกปลายหนึ่งของกรมธรรม์ การจัดการสินไหมก็เป็นโอกาสของ Autopilot อีกก้อนหนึ่งแยกต่างหาก การเคลมของประกันประเภทมาตรฐานส่วนใหญ่คือการเทียบเงื่อนไขกรมธรรม์กับรายการความเสียหาย แล้วตั้งเงินสำรองตามตารางคณิตศาสตร์ประกันภัย เจ้าหน้าที่พิจารณาสินไหมกำลังสูงวัยขึ้น แต่ไม่มีคนรุ่นใหม่มาแทนมากพอ ตลาดนี้ยังเอาต์ซอร์สให้บริษัทประเมินความเสียหายอิสระและบริษัทบริหารจัดการสินไหมบุคคลที่สามจำนวนมาก เช่น Crawford และ Sedgwick ในอุตสาหกรรมประกันภัยเดียวกัน มีโอกาสของ Autopilot ที่ต่างกันชัดเจนอย่างน้อยสองก้อน Pace กำลังสร้าง Autopilot สำหรับการจัดการสินไหม ส่วน Strala กำลังสร้างบริษัทบริหารจัดการสินไหมบุคคลที่สามแบบ AI-native

ที่ปรึกษาภาษี (30–35 พันล้านดอลลาร์สหรัฐ)

ใบอนุญาต CPA สร้างกำแพงทั้งด้านกฎระเบียบและวิชาชีพ แต่งานเบื้องหลัง 80–90% ยังเป็นงานประเภทเข้าใจและลงมือทำ ทุกครั้งที่ Autopilot ด้านภาษีรองรับพื้นที่หรือระบบภาษีเพิ่มอีกหนึ่งแห่ง คูเมืองด้านข้อมูลก็จะลึกขึ้นอีกชั้น ความซับซ้อนของภาษีข้ามพื้นที่นี่เองคือเหตุผลที่ SME เลือกเอาต์ซอร์ส เพราะน้อยครั้งที่นักบัญชีภายในคนเดียวจะครอบคลุมได้ทั้งหมด TaxGPT เป็นผู้เล่นรุ่นแรก ส่วนในยุโรปมี Skalar และ Ravical

งานกฎหมายเชิงธุรกรรม (20–25 พันล้านดอลลาร์สหรัฐ)

การร่างสัญญา สัญญารักษาความลับ การยื่นเอกสารตามกฎระเบียบ งานเหล่านี้พึ่งพาความเข้าใจและการลงมือทำสูง และมักถูกเอาต์ซอร์ส ผลงานมีความเป็นมาตรฐานมากพอ และตรวจสอบคุณภาพได้ค่อนข้างง่าย ผู้ซื้อจึงไม่จำเป็นต้องมีความเชี่ยวชาญทางกฎหมายลึกซึ้งก็ตัดสินได้ว่าผลลัพธ์จาก AI เชื่อถือได้หรือไม่ Harvey คือผู้นำที่กำลังมาแรงและเคลื่อนตัวไปทาง Autopilot อย่างรวดเร็ว ส่วน Crosby และ Lawhive เป็นผู้เล่นหน้าใหม่ที่ยึด Autopilot เป็นแกนหลักมาตั้งแต่ต้น

บริการ IT แบบเอาต์ซอร์ส (มากกว่า 100 พันล้านดอลลาร์สหรัฐ)

แทบทุก SME เอาต์ซอร์สงาน IT การแพตช์ระบบ การมอนิเตอร์ การตั้งค่าสิทธิ์ผู้ใช้ การคัดแยกการแจ้งเตือน ล้วนเป็นงานประเภทเข้าใจและลงมือทำที่ทำซ้ำในสภาพแวดล้อมคล้ายๆ กันนับพันแห่ง ชั้นซอฟต์แวร์เดิมอย่าง ConnectWise และ Datto ขายเครื่องมือให้ผู้ให้บริการ IT แบบเอาต์ซอร์สเป็นหลัก จนถึงวันนี้ ยังไม่มีใครขาย "IT ของคุณจะใช้งานได้ปกติ" เป็นผลลัพธ์ให้องค์กรโดยตรงจริงๆ Edra กำลังทำให้กระบวนการ IT เป็นอัตโนมัติ ส่วน Serval กำลังทำให้งานซัพพอร์ต IT เป็นอัตโนมัติ

ซัพพลายเชนและการจัดซื้อ (มากกว่า 200 พันล้านดอลลาร์สหรัฐ)

องค์กรส่วนใหญ่จะเจรจาจริงจังแค่กับซัพพลายเออร์ 20% แรกเท่านั้น ซัพพลายเออร์หางยาวที่เหลือแทบไม่ได้รับความสนใจ เพราะใช้คนไปจัดการแล้วไม่คุ้ม การรั่วไหลจากสัญญามักคิดเป็น 2–5% ของค่าใช้จ่ายจัดซื้อทั้งหมด ประตูทางเข้าตรงนี้คืองานที่เดิมถูกทิ้งไว้อยู่แล้ว ไม่ต้องโน้มน้าวให้องค์กรตั้งงบใหม่ ไม่ต้องไปแทนซัพพลายเออร์รายเดิม แค่ช่วยองค์กรเอาเงินที่เคยรั่วไหลกลับคืนมา Magentic กำลังสร้าง AI สำหรับการจัดซื้อทางตรง AskLio มุ่งที่การจัดซื้อทางอ้อม ส่วน Tacto สร้างทั้งระบบข้อมูลหลักและ Copilot ให้องค์กรขนาดกลางไปพร้อมกัน

การสรรหาและจัดหาบุคลากร (มากกว่า 200 พันล้านดอลลาร์สหรัฐ)

นี่คือตลาดบริการที่ใหญ่ที่สุดในรายการนี้ ช่วงต้นของกรวยการสรรหา เช่น การคัดกรองเรซูเม่ การจับคู่ผู้สมัคร การติดต่อเชิงรุก แทบทั้งหมดเป็นงานประเภทเข้าใจและลงมือทำ แต่การโน้มน้าวให้ผู้สมัครตอบรับข้อเสนองาน และการประเมินความเข้ากันได้ทางวัฒนธรรม ต้องพึ่งวิจารณญาณที่สั่งสมจากประสบการณ์หลายปีอย่างมาก ประตูทางเข้าของ Autopilot จะอยู่ที่ตำแหน่งงานปริมาณมากที่ใช้วิจารณญาณน้อย เพราะกระบวนการจับคู่ของตำแหน่งเหล่านี้ค่อนข้างเป็นมาตรฐานแล้ว Juicebox, Mercor และ Jack & Jill คือผู้นำที่กำลังมาแรง และต่างเจาะตลาดนี้จากคนละชั้น

ที่ปรึกษาด้านการบริหาร (300–400 พันล้านดอลลาร์สหรัฐ)

นี่เป็นตลาดที่ใหญ่มาก แต่เนื้องานส่วนใหญ่พึ่งพาวิจารณญาณสูง คำถามที่น่าสนใจจริงๆ คือ AI จะแยกงานที่ปรึกษาออกเป็นสองชั้นได้หรือไม่ ชั้นแรกเป็นงานประเภทเข้าใจและลงมือทำ เช่น การรวบรวมข้อมูล การวิเคราะห์เปรียบเทียบกับเกณฑ์มาตรฐาน อีกชั้นเป็นงานที่ต้องใช้วิจารณญาณ เช่น ข้อเสนอเชิงกลยุทธ์ ชั้นแรกถูกทำให้เป็นอัตโนมัติ ส่วนชั้นหลังยังให้มนุษย์รับผิดชอบ บริษัทที่มีโอกาสชนะมากที่สุดยังต้องรอดูกันต่อไป

ในปี 2025 บริษัท AI ที่เติบโตเร็วที่สุดคือ Copilot พอถึงปี 2026 หลายบริษัทจะพยายามเปลี่ยนตัวเองเป็น Autopilot พวกเขามีผลิตภัณฑ์อยู่แล้ว และเข้าใจความต้องการของลูกค้า แต่ก็ต้องเผชิญกับภาวะกลืนไม่เข้าคายไม่ออกของนวัตกร: ทันทีที่เริ่มขาย "การทำงานให้เสร็จ" ก็เท่ากับการรับงานที่เดิมลูกค้าทำเองเข้ามาทำแทน

และนี่คือโอกาสของสตาร์ทอัพที่เป็น Autopilot ตั้งแต่ต้นอย่างแท้จริง

---

คุณคิดเห็นอย่างไรบ้าง? มาคุยกับเราได้เลย