Bagaimana SaaS Produktivitas Mengatasi Gangguan AI?

Sumber Asli: Unicorn Luar Negeri

Sumber gambar: Dihasilkan oleh AI‌ Tak Terbatas

GPT adalah model produktivitas, dan OpenAI mengganggu produktivitas.

Jelas ini membuat orang SaaS produktivitas cemas. Video promosi AI Clickup secara tidak sengaja menunjukkan strategi AI saat ini dari perusahaan "lama" ini, yaitu bersaing untuk meluncurkan kasus penggunaan serupa dalam skenario produk mereka sendiri.

Meskipun kasus penggunaan ini sendiri pada dasarnya homogen, kami masih mengamati beberapa proposisi nilai yang unik-misalnya, seputar "data", SaaS yang benar-benar melayani pelanggan tingkat perusahaan tidak "menggunakan dan menyimpan dalam perangkat lunak mereka sendiri" sebagai reaksi pertama semua orang Data pelatihan LLM", tetapi lebih menekankan pada kepercayaan pengiriman cloud, kumpulan data tanpa hak cipta dan risiko hukum, dan lebih baik membantu pelanggan membuat data untuk model.

**Jadi, meskipun kami masih belum dapat mengidentifikasi SaaS mana yang menguntungkan dan mana yang merugikan dalam jangka panjang, kami sudah dapat melihat perusahaan mana yang benar-benar memiliki strategi penanganan yang berbeda. Mengikuti garis pemikiran ini, artikel ini memilih tiga metode dan beberapa kasus yang paling menonjol bagi saya di tingkat kedua dan pertama. Namun, bahkan dengan strategi ini, SaaS produktivitas masih harus menghadapi serangkaian tantangan dalam penetapan harga, persaingan dengan ChatGPT, dan peta jalan produk jangka panjang. **

Perlu dicatat bahwa SaaS produktivitas memiliki dua definisi: luas dan sempit, yang sempit biasanya hanya mengacu pada kolaborasi produksi di sekitar skenario inti seperti dokumen (seperti Notion), tugas (seperti ClickUp), video (seperti Zoom), dan tabel (seperti Airtable) SaaS, sedangkan yang luas mencakup sebagian besar SaaS yang dapat meningkatkan efisiensi operasi perusahaan, dari CRM besar hingga alat otomasi pintar seperti Zapier. SaaS produktivitas yang dibahas dalam artikel ini lebih merupakan cakupan yang luas dari yang terakhir.

Ringkasan:

1. Proposisi nilai dan strategi bisnis raksasa lapis kedua
2. "Unicorn luar negeri" sedang mencari tempat tinggal dan bekerja
3. Lima tantangan utama yang dihadapi fungsi AI SaaS pada tahap saat ini

Seperti yang kami tunjukkan dalam artikel Kick, **kami mengamati di Silicon Valley bahwa proporsi yang disebut investor "All in AI" jauh lebih rendah dari yang kami perkirakan. **Sudut pandang yang umum adalah bahwa Generative AI tidak menghadirkan grup pengguna baru dan saluran akuisisi pelanggan yang sesuai seperti Internet seluler dan cloud, sehingga pemain lama dengan keunggulan Go-To-Market memiliki keuntungan. Persepsi arus utama lainnya adalah **"Terlalu dini untuk berinvestasi dalam aplikasi AI Native, lebih hemat biaya untuk memanfaatkan GenAI dengan baik dalam portofolio Anda yang ada." **

Dari sudut pandang manajemen perusahaan "lama", setiap orang telah sepenuhnya mengalami tiga gelombang PC, Internet seluler, dan cloud. Namun, GenAI datang dengan ganas dan konsensusnya penuh.Tidak boleh ada perusahaan yang merasa gelombang peluang ini terlalu kecil, jadi mereka terutama FOMO dan memasuki pasar dengan jelas.

Namun, pada tahap ini, kasus penggunaan GenAI yang sebenarnya diluncurkan oleh berbagai perusahaan tidak buruk, itu adalah pengaturan dan kombinasi dari "pemahaman", "generasi", dan "penalaran" dalam berbagai skenario. Mudah bosan. melihat terlalu banyak. **Kami mengesampingkan kasus penggunaan khusus ini yang telah cukup dibahas, dikombinasikan dengan pengalaman mengunjungi dan meneliti di Silicon Valley, dan memilih 3 proposisi nilai dan strategi yang menurut kami lebih menarik untuk raksasa lapis kedua dan pertama -tingkat unicorn pasar Ceritakan secara detail. **

Sumber - Kerangka kasus penggunaan GenAI

oleh Alana Smith

01. Proposisi nilai dan strategi bisnis raksasa lapis kedua

Beberapa sudut untuk memutar "data"

Sudut Pertama: Tidak Menyentuh Data Pelanggan

"Data" dapat menjadi proposisi nilai yang sangat kuat, tetapi bukan reaksi pertama kami bahwa "sejumlah besar data CRM disimpan di Salesforce, dan ada sejumlah besar rekaman rapat potensial di Zoom, yang dapat digunakan untuk melatih model yang kuat". Sebaliknya, ini adalah salah satu proposisi nilai terpenting dari perusahaan semacam itu untuk memastikan bahwa data pelanggan tidak akan digunakan untuk melatih model atau mengotomatiskan tugas untuk pelanggan tanpa otorisasi, dan ini juga merupakan sudut pertama untuk bermain dengan kepercayaan pembuat data. . ** Bagi pelanggan perusahaan besar, GenAI mungkin memang menjadi artefak produktivitas, tetapi juga merupakan teknologi baru yang sulit dipercaya. Diperlukan penyedia SaaS yang pandai memberikan jaminan privasi dan keamanan bagi pelanggan perusahaan besar untuk membantu lintas GenAI celah ini. Ketika datang ke kepercayaan dan privasi baru-baru ini, "sumber terbuka + penerapan lokal" telah menjadi jawaban yang tidak masuk akal. Di atas pendekatan yang jelas ini, memberikan privasi dan keamanan di cloud adalah keterampilan dasar yang telah dikumpulkan SaaS yang dapat melayani pelanggan perusahaan besar selama 10 tahun terakhir. Ambil detail Slack sebagai contoh—untuk memperluas basis pelanggannya dari UKM dan Pasar Menengah ke perusahaan besar, Slack menghabiskan banyak uang untuk membuat penyesuaian skema enkripsi data standar yang lebih rumit. , Biarkan pelanggan mengontrol Kunci, dan Slack kemudian memanggil Kunci yang ditetapkan oleh pelanggan melalui layanan untuk mengenkripsi data pengguna. Tingkat "keamanan dan pengendalian" ini juga sangat umum di alat produktivitas berbasis Microsoft. **"Jangan sentuh data pelanggan" adalah dasar untuk membangun kepercayaan. Dalam kasus kasus penggunaan yang homogen, solusi privasi dan keamanan data yang disesuaikan untuk GenAI memiliki peluang untuk menjadi proposisi nilai yang berbeda. **Meskipun Microsoft telah mengumpulkan banyak hal pada poin ini, Microsoft belum secara agresif mempromosikan nilai jual ini ke dunia luar. Sebaliknya, Einstein GPT dari Salesforce lebih banyak menggunakan proposisi nilai ini Setelah pengumuman Einstein GPT pada bulan Maret, perkembangan terbesar baru-baru ini adalah peluncuran Lapisan Kepercayaan, mencoba membersihkan citra dirinya sebagai Penawaran GenAI yang "paling dapat dipercaya".

Sudut kedua: jangan sentuh data hak cipta

Adobe Firefly mendapat ejekan ketika pertama kali dirilis 4 bulan lalu, dan Pikachu dan Hello Kitty yang dihasilkannya sangat buruk. Tapi sekarang Firefly telah membantu pengguna Adobe menghasilkan lebih dari 1 miliar aset dalam versi Web dan Photoshop, dan telah dievaluasi oleh perusahaan sebagai "dua produk beta paling sukses dalam sejarah Adobe."

Dunia luar secara bertahap memahami proposisi nilai unik Firefly dalam beberapa bulan terakhir: **Tetap kagum dengan konten hak cipta yang tidak sah, dan bantu pengguna produk mereka menghindari risiko hukum mengkomersialkan aset yang dihasilkan ini. **Inti dari proposisi nilai ini adalah membangun kumpulan data yang benar-benar bebas dari masalah hak cipta. Stabilitas AI dan Midjourney terus mempertahankan keunggulan tipis atas Firefly dalam hal kinerja, tetapi mau tidak mau menghadapi gugatan class action karena mereka menggunakan kumpulan data LAION yang berisi 5,6 miliar gambar yang diambil dari web publik tanpa izin.

Sudut ketiga: bantu pelanggan menghubungkan data

Pemrosesan data menggunakan LLM

Sumber : a16z

Ada banyak sekali startup di jalur ini, jadi saya tidak akan mengulangi kasus penggunaan koneksi data yang paling umum. Selain itu, kemampuan untuk mengintegrasikan data lintas lokal dan cloud adalah keterampilan dasar yang membutuhkan akumulasi jangka panjang. Raksasa SaaS yang ada memiliki beberapa keuntungan yang berbeda—mereka telah mengalami periode memalukan saat beralih ke data stok pemrosesan cloud secara lokal, dan mereka memiliki pengalaman yang kaya Selain itu, Salesforce telah mengakuisisi Mulesoft, Google memiliki Apigee, dan Microsoft memiliki Power Platform, yang semuanya memiliki berbagai Konektor yang kuat untuk membantu pelanggan mengumpulkan data lintas organisasi dan lintas lokal dan cloud.

Dengan mengintegrasikan cloud, konektor data, dan skenario produknya sendiri secara vertikal, dan kemudian berkolaborasi dengan LLM mitra, SaaS yang mapan dapat memberi pelanggan tumpukan end-to-end yang sebenarnya, mengumpulkan data terlebih dahulu, kemudian mengoordinasikan data dan membuat pipa terkait data untuk membuat data tersedia dalam berbagai model dan skenario. Efek penjualan dari proposisi nilai ini saat ini tidak diketahui, tapi setidaknya kedengarannya bagus.

Tiga sudut bermain dengan data diperkenalkan di atas, tetapi tujuannya bukan untuk membuat GenAI lebih kuat, tetapi untuk membuatnya benar-benar Kelas Bisnis dan Siap Perusahaan.

Ambil kesempatan untuk menghidupkan kembali merek produk

GenAI tidak hanya dapat memainkan peran praktis, tetapi juga pembantu pemasaran yang sempurna:

• EinsteinGPT mengembalikan perhatian pada logo Einstein kecil dari Salesforce. Anda harus tahu bahwa Salesforce, merek AI Einstein, sebelumnya tidak dianggap sukses, dan tidak ada produk pemimpin pasar yang mutlak.Sebaliknya, perusahaan rintisan seperti Gong.io telah meningkat pesat dan menjadi pemain terkemuka di arah Kecerdasan Percakapan;

• Microsoft serupa dalam Bing dan memproses produk penambangan. Masih ada kesenjangan yang cukup besar antara Bing dan Google dalam hal pengalaman pencarian, dan Power Automate Processing Mining dari akuisisi Minit oleh Microsoft juga sebanding dengan pemain top independen seperti Celonis Kesenjangan tersebut, tetapi melalui Bing Chat dan Copilot, keduanya diorientasikan kembali ke pelanggan potensial dan mendapatkan gelombang perhatian;

Dalam Power Automate Processing Mining dari Microsoft

Menggunakan Kopilot

• Zoom IQ terlambat memulai jalur Kecerdasan Percakapan, tetapi berkat integrasinya dengan GenAI, Zoom dengan cepat meluncurkan kolaborasi dengan skenario produktivitas Zoom lainnya dan mendapatkan lebih banyak paparan dan perhatian dari pelanggan;

Menggunakan Zoom IQ untuk membuat dan membalas email

• Perusahaan seperti UiPath dan Five9, yang dipandang sebagai pecundang potensial jangka panjang, juga sangat aktif dalam mengintegrasikan GenAI untuk membuat lini produk mereka yang luas tampak lebih cerdas;

……

Sementara taktik ini telah membantu produk lain yang kurang berjerawat mendapatkan kembali daya tariknya, jendela itu mungkin akan ditutup. Dengan integrasi Copilot di berbagai produk Microsoft dan GenAI perusahaan lain dari Private Beta ke versi resmi untuk dikirimkan ke pelanggan, peran Penawaran GenAI akan berubah dari "meningkatkan prospek penjualan" menjadi "meningkatkan tingkat kemenangan". **

Perluas TAM untuk mempertahankan laba kotor

Ketika lingkungan ekonomi yang tidak pasti dan situasi makro bertemu dengan GenAI, yang penuh dengan konsensus, kami melihat perusahaan di pasar sekunder mencoba membuat postur "All in AI", terus-menerus menekankan bahwa ini adalah momen revolusi industri baru atau kemunculannya. PC, Namun, dalam hal strategi bisnis sebenarnya, masih mencoba menggunakan GenAI untuk memperluas TAM sambil mempertahankan laba kotor sebanyak mungkin.

Beberapa perusahaan seperti Microsoft dan Google yang masuk jauh ke lapisan model sedikit pengecualian, mereka siap memperluas investasi CapEx sambil mempertahankan laba kotor.

Di antara sejumlah besar perusahaan SaaS, pemikiran dan strategi Zoom adalah standar pada tahap ini, yaitu, Penawaran GenAI tidak dapat kehilangan uang dan menghasilkan uang, dan pelanggan harus membayar langsung atau meningkatkan paket pembayaran mereka:

AI memiliki dampak yang lebih kecil pada margin kotor. **Untuk kasus penggunaan yang lebih canggih dan canggih, kami ingin menagih pelanggan baik dengan membiarkan mereka meningkatkan paket langganan mereka atau melalui model konsumsi platform kami. Jadi secara keseluruhan, kami mencoba mengimbangi potensi tekanan. **Kami sangat yakin dengan peningkatan margin kotor jangka panjang kami.

Eric Yuan - Zoom

Dalam hal model penetapan harga, selain rangkaian produk AI M365 Copilot, Zoom IQ untuk Penjualan, dan Tenaga Penjualan, yang dibebankan secara terpisah berdasarkan kursi dan penggunaan, bundling dengan langganan berbayar telah menjadi metode penetapan harga yang sangat populer:

Sangat menantang untuk menemukan harga yang diterima secara umum oleh pelanggan sambil mempertahankan laba kotor.Sejumlah besar produk masih dalam Beta Pribadi, mengeksplorasi metode penetapan harga. Di era cloud, model pay-as-you-go yang diisi dengan kredit sedang naik daun, patut dinantikan juga apakah GenAI dapat mempromosikan munculnya jenis strategi penetapan harga baru.

02. "Unicorn luar negeri" sedang mencari landasan hidup mereka

Jembatan perantara dengan kekuatan eksekutif super

Untuk masa depan SaaS produktivitas, ada dua jenis tampilan:

• GUI tidak akan berguna dan SaaS ini hanya akan memberikan nilai database;

• GenAI adalah mesin setingkat Ferrari, tetapi Anda tetap membutuhkan mobil yang lengkap.

Secara realistis, sudut pandang pertama masih sulit dicapai dalam jangka pendek, bahkan banyak orang yang menganggap LUI mungkin UI terburuk, yang membawa kita kembali ke era command line. Tentu saja, tidak ada unicorn SaaS yang mau menerima nasib pertama, jadi semua orang masih berusaha memberi pengguna mobil yang lebih baik.

Pada titik ini, upaya Notion, ClickUp, Miro, dan perusahaan lain pada dasarnya tidak berbeda dari M365 dan Google Workspace. Namun, pada kuartal pertama ketika Bing dan M365 hampir mendominasi momentum perhatian pasar, Notion sangat memperhatikan tren OpenAI pada akhir 22 dan menjadi perusahaan SaaS produktivitas Native non-AI pertama yang meluncurkan produk AI lengkap. .Pemain, dan menerima umpan balik pasar yang bagus, dan dengan cepat menghasilkan jutaan dolar dalam ARR.

Menggunakan Notion AI untuk meringkas dan memilah literatur penelitian

Beberapa karyawan Notion yang kami ajak bicara memposisikan Notion AI sebagai jembatan dua arah - instruksi yang dikemas oleh Notion AI membantu pengguna mengurangi ambang pengumpulan dan kolokasi, dan GenAI sendiri menurunkan ambang batas bagi pengguna untuk menggunakan berbagai komponen kompleks Notion.

ClickUp, raja volume lain di bawah jalur produktivitas, sangat mirip dengan ide pemecahan masalah Notion Produknya lebih kompleks daripada Notion, menyematkan papan tulis, video, dan adegan lainnya. Sebelum Atlassian, Asana, Monday.com, dan pesaing lainnya di pasar sekunder memiliki Penawaran GenAI, ClickUp meluncurkan produk AI-nya sendiri dan menetapkan bahwa hanya Notion yang memiliki strategi penetapan harga umum, dan segera menghasilkan ARR yang cukup besar.

Manajemen tugas dengan kemampuan AI ClickUp

Bekali diri Anda dengan sumber terbuka

Untuk beberapa SaaS produktivitas, mungkin tidak cukup untuk bertindak sebagai jembatan perantara, karena teknologi swasembada mereka ditantang langsung oleh LLM - dua contoh umum adalah analisis dialog Gong.io dan pencarian kode Sourcegraph, keduanya terintegrasi dengan tradisional Model ML membuat parit teknologi, tetapi sekarang parit tersebut telah dibuka oleh LLM.

3 teknologi di balik Sourcegraph

Respon Gong cukup memuaskan, dan tidak ada reaksi di kuarter pertama. Menurut komunikasi kami dengan investor awal, sebagian alasannya mungkin karena tim percaya bahwa kemampuan model bukanlah poin yang menentukan, dan kemampuan untuk mendapatkan serta memproses data pertemuan dan percakapan pelanggan adalah pekerjaan kotor yang membutuhkan waktu untuk diakumulasikan. Baru pada awal Juni Gong mengumumkan peluncuran Call Spotlight dan Proprietary Generative AI Models.

Mungkin kemampuan ChatGPT dan Github Copilot untuk memproses kode terlalu luar biasa, dan Sourcegraph telah menjadi perusahaan yang sangat mengesankan dalam dua kuartal terakhir sebagai tanggapan atas dampak GenAI. Meskipun Sourcegraph menyadari sejak awal bahwa Jendela Konteks LLM masih cacat dalam menangani beberapa kode tingkat perpustakaan skala besar, itu tidak menghentikan inovasi produk.Pada akhir Maret, ia menghadapi persaingan dan meluncurkan asisten pengeditan kode berbasis model Anthropic. Cody, dan menjadikan kodenya open source.

Solusi teknis dibalik Cody

Karena Cody memiliki keunggulan konteks yang panjang dari Penyematan dan Berkat Grafik Kode yang unik dari Sourcegraph, Cody dengan cepat dibahas secara luas di Berita Peretas dan Twitter. Atribut open source membuat Cody tidak terbatas pada produk Sourcegraph, tetapi dapat digunakan sebagai Ekstensi IDE yang fleksibel. Sebagai perusahaan lama dan Kursor AI Native dan produk lainnya, Cody dengan cepat menjadi salah satu alternatif yang paling mungkin untuk Github Copilot.

Naik kemenangan untuk memperluas nilai

Kami menjelaskan manfaat jangka pendek Zapier di artikel Plugin ChatGPT kami:

Saat ini ChatGPT memiliki kemampuan yang kuat untuk menggunakan alat, tetapi kekurangan pengetahuan dalam agregasi api, oleh karena itu, munculnya Plugin akan menguntungkan produk agregator seperti Zapier dalam jangka pendek hingga menengah. Zapier telah mengumpulkan banyak hal di bidang ini. Sekarang jika Anda ingin melakukan beberapa operasi rumit di ChatGPT: seperti meringkas teks dan mengirimkannya ke media sosial, atau merekamnya di Google Workspace, semua orang akan memilih menggunakan ChatGPT + Zapier untuk mencapainya itu . Dalam banyak kasus penggunaan, ChatGPT hanya perlu terhubung ke agregator untuk mencapai pengalaman pengguna yang sangat baik, dan tidak perlu terhubung ke sejumlah besar API, yang setara dengan bagian yang mirip dengan SEO disediakan sepenuhnya oleh agregator.

……

Namun dalam jangka panjang, produk tersebut menghadapi dampak sebagai berikut: Di satu sisi, bentuk organisasi API dapat berubah, dan frekuensi serta frekuensi interaksi lintas produk dapat terjadi di era LLM. OpenAI baru-baru ini merilis kemampuan untuk memanggil fungsi, yang telah meningkatkan kegunaan api secara signifikan. Perubahan ini dapat melemahkan parit Zapier. Di sisi lain, agregator dapat menjadi bagian dari peluang sistem operasi Microsoft, Google, dan Apple semuanya dapat membangun kemampuan yang sesuai berdasarkan sistem mereka sendiri, dan persaingan sangat ketat.

Performa tim Zapier dalam 6 bulan terakhir sangat mengesankan, menunjukkan visi kelas satu dan kemampuan eksekusi tim. Peluncuran produk berikut dapat digambarkan sebagai stabil dan kejam:

• Memperkenalkan Tindakan Bahasa Alami Zapier pada bulan Maret, membuka kemampuan platform melalui API untuk pertama kalinya, dan juga mendukung panggilan melalui Obrolan, dengan cepat mengintegrasikan Zapier dengan ekosistem GenAI;

• Karena data di berbagai SaaS hanya dihubungkan oleh Zapier dan tidak disimpan di dalamnya, Zapier meluncurkan Zapier Tables pada bulan Mei untuk membantu pengguna menyimpan, mengedit, berbagi, dan mengotomatiskan data di berbagai SaaS, sehingga dapat terakumulasi dari data stok pengguna Bangun yang lain parit dari perspektif

• Framework Chatbot yang diluncurkannya juga dengan cepat menarik banyak perhatian di media sosial, menjadi salah satu solusi berbiaya rendah yang secara spontan diperkenalkan oleh pengguna LUI untuk berbagai SaaS.

** Dari perspektif tidak menyia-nyiakan dividen, mencegah subversi setelah dividen jangka pendek, dan membuat produk dengan baik, Zapier adalah model SaaS produktivitas terbaik tahun ini. **Dan salah satu pendirinya, Mike Knoop, telah banyak berinvestasi dalam produk terkait AI Zapier, dan telah menjadi pemimpin opini penting dalam ekosistem AI di Bay Area, yang sangat layak dipelajari dari perusahaan SaaS produktivitas lainnya.

03. Lima tantangan utama yang dihadapi oleh fungsi AI SaaS pada tahap saat ini

Meskipun kami menemukan 6 contoh positif untuk mengilustrasikan bahwa beberapa SaaS produktivitas bekerja dengan baik, mereka pasti masih jatuh ke dalam beberapa tantangan spesifik. Berikut adalah 5 yang paling umum:

Tantangan 1: Kerugian yang disebabkan oleh PR terlebih dahulu

Karena antusiasme pengguna yang tiba-tiba dipicu oleh ChatGPT, sejumlah besar perusahaan mulai mempersiapkan Penawaran AI mereka pada awal tanggal 23, dan merilis versi Private Beta dalam keadaan crash pada pertengahan hingga akhir Maret, **hal ini mengakibatkan Daftar Tunggu yang terlalu panjang, dan sejumlah besar pelanggan tahu bahwa mereka Banyak penyedia SaaS telah meluncurkan kemampuan AI, tetapi mereka tidak dapat membeli dan menggunakannya, dan harus tenang seiring waktu. **

Mengambil CRM sebagai contoh, banyak pelanggan Salesforce sangat tertarik dengan Einstein GPT dan meminta penawaran mereka berkali-kali, tetapi mereka tidak bisa mendapatkan umpan balik penjualan selama bulan April dan Mei, yang membuat banyak pelanggan menganggap serius peluncuran produk ini dianggap sebagai PR yang tidak berarti bertindak.

Salesforce sebenarnya memiliki product roadmap yang lengkap, namun terdapat perbedaan waktu 3 bulan penuh dari pengumuman resmi Einstein GPT

Tantangan 2: Konflik antara AI dan Roadmap Produk

**Investor berharap AI akan menumbangkan SaaS, tetapi sejumlah besar pengguna SaaS sebenarnya hanya ingin menggunakan dokumen, manajemen tugas, dan alat konferensi video mereka secara diam-diam. **

Pengguna ClickUp sudah menantikan peluncuran resmi ClickUp 3.0, tetapi tunggu hingga ClickUp AI, jadi ada beberapa keluhan pengguna yang sangat tajam:

Inti dari ClickUp adalah untuk bertindak sebagai alat manajemen proyek dan basis data, tetapi fungsi intinya penuh dengan bug, beberapa dasbor memerlukan waktu beberapa menit untuk disegarkan, klaim keandalan menempati 70% sumber daya dalam 18 bulan terakhir, tetapi hampir tidak ada fitur baru muncul, 3.0 memantul , Kemampuan dasar ClickUp Docs jauh dari Google Docs, dan AI sendiri tidak berguna.

ClickUp mencoba membuat AI tampak sebagai sub-item dalam peningkatan produk, tetapi semua orang menemukan bahwa prioritas mereka adalah AI, bukan 3.0.

ClickUp merasa tertipu dengan memilih untuk merilis AI daripada 3.0, 3.0 tidak lagi "sudah dekat" dan saya lebih suka melihat Asana atau Wrike lagi.

Produk lain memiliki masalah yang kurang lebih sama.Misalnya, suara pengguna dalam mode offline Notion mungkin jauh lebih kuat daripada Notion AI, sehingga semua orang dapat menghilangkan dilema karena tidak dapat menggunakan Notion saat tidak ada WiFi Namun, Notion AI adalah yang pertama diluncurkan dan Tampaknya menghabiskan lebih banyak energi dalam peta jalan produk.

Tantangan 3: Model Penetapan Harga Ditanggung oleh Pengguna

Ini sejalan dengan tantangan 2: jika kemampuan AI diberikan secara gratis, ada sedikit alasan bagi pengguna untuk tidak menyukainya. Namun, karena strategi "memperluas TAM dan mempertahankan laba kotor", pengguna seringkali harus membayar ekstra.

Baik itu $5/bulan/orang untuk ClickUp, $10/bulan/orang untuk Notion, atau $30/bulan/orang untuk M365, ini bukanlah jumlah yang besar bagi setiap pengguna untuk membayar sendiri, tetapi juga memungkinkan bagi operator untuk membeli dalam jumlah besar Ini bukan jumlah uang yang kecil - Anda harus tahu bahwa paket Bisnis Notion sendiri hanya $15/bulan/orang, dan membeli AI untuk karyawan setara dengan kenaikan tagihan sebesar 60-70%.

Tantangan 4: Raih pintu masuk dengan ChatGPT

Tantangan-tantangan ini saling terkait!

Karena adanya tantangan 1, alur kerja sejumlah besar pengguna yang terbiasa dengan ChatGPT adalah menempelkan teks ke dalam pertanyaan dan jawaban ChatGPT, lalu menyalin hasil yang diperlukan ke SaaS mereka sendiri,

Karena adanya tantangan 2-3, meski sulit untuk mengukur proporsi spesifiknya, sejumlah besar pengguna telah berlangganan ChatGPT Plus, dengan membayar tagihan 20 USD per orang per bulan. Meskipun langganan ini sedikit mahal, ini lebih umum, dan jumlah total langganan individu untuk setiap Penawaran AI SaaS mungkin jauh melebihi $20.

Oleh karena itu, logika entri yang sering dibahas oleh tim kami benar-benar terjadi.**Perusahaan SaaS Produktivitas bersaing dengan ChatGPT Plus untuk anggaran setiap karyawan.Perang ini masih belum diputuskan. **

Tantangan 5: Tidak ada CEO yang "jenius"

Sebelum kami pergi ke Amerika Serikat, kami percaya bahwa strategi Data Cloud Salesforce menyediakan panduan top-down untuk peta jalan GenAI-nya, tetapi setelah mengobrol dengan karyawan internal, kami menemukan bahwa ini hanyalah ideologi panduan tingkat tinggi, dan akhirnya kami kembali hingga cloud pemasaran, Berbagai tim bisnis seperti cloud layanan dan cloud industri mengajukan tuntutan untuk berbagai fungsi produk GenAI dari bawah ke atas.

Nyatanya, setelah diwawancarai, dari perusahaan besar hingga unicorn di pasar lapis pertama, pendekatan setiap orang terhadap inovasi AI pada dasarnya sama.**Tidak ada yang namanya CEO yang datang dengan arahan jenius, lalu menerapkannya begitu saja . Salah satu perbedaan utama antara pemain yang berbeda adalah berapa banyak total sumber daya yang bersedia dialokasikan oleh CEO untuk bagian ini. **Mengingat adanya tantangan 2 dan ketidakpastian garis waktu yang dibawa oleh AGI, ini mungkin sulit untuk diseimbangkan dan menjadi salah satu pertanyaan terpenting untuk dipikirkan oleh semua CEO SaaS dalam 5 tahun ke depan.