Como o SaaS de produtividade pode lidar com a interrupção da IA?

Fonte Original: Overseas Unicorns

Fonte da imagem: Gerada por Unbounded AI‌

O GPT é um modelo de produtividade e o OpenAI está interrompendo a produtividade.

Obviamente, isso deixa o pessoal de SaaS de produtividade ansioso. O vídeo promocional da Clickup AI apontou acidentalmente a atual estratégia de IA dessas empresas "antigas", ou seja, competindo para lançar casos de uso semelhantes em seus próprios cenários de produtos.

Embora esses casos de uso sejam basicamente homogêneos, ainda observamos algumas proposições de valor únicas - por exemplo, em torno de "dados", SaaS que realmente atende clientes de nível corporativo não "usa e armazena em seu próprio software" como a primeira reação de todos Os dados training LLM", mas mais ênfase na confiança da entrega em nuvem, conjuntos de dados sem direitos autorais e riscos legais, e melhor ajudar os clientes a criar dados para modelos.

**Portanto, embora ainda não possamos identificar quais SaaS estão se beneficiando e quais estão prejudicando a longo prazo, já podemos ver quais empresas têm estratégias de enfrentamento verdadeiramente diferenciadas. Seguindo essa linha de pensamento, este artigo seleciona os três métodos e casos múltiplos que mais me destacam no segundo e primeiro nível, respectivamente. No entanto, mesmo com essas estratégias em vigor, o SaaS de produtividade ainda precisa enfrentar uma série de desafios de preço, concorrência com o ChatGPT e roteiros de produtos de longo prazo.A batalha pela entrada da produtividade está em um estágio final feroz. **

Deve-se notar que a produtividade SaaS tem duas definições: ampla e restrita. A estreita geralmente se refere apenas à colaboração de produção em torno de cenários principais, como documentos (como Notion), tarefas (como ClickUp), vídeos (como Zoom), e tabelas (como Airtable) SaaS, enquanto o amplo inclui a maioria dos SaaS que podem melhorar a eficiência operacional da empresa, desde um enorme CRM até ferramentas de automação inteligentes como Zapier. O SaaS de produtividade discutido neste artigo é mais um escopo amplo deste último.

Resumo:

1. A proposta de valor e estratégia de negócios dos gigantes de segundo nível
2. "Unicórnios do exterior" estão procurando um lugar para morar e trabalhar
3. Cinco grandes desafios encontrados pela função de IA de SaaS no estágio atual

Como apontamos no artigo de Kick, **observamos no Vale do Silício que a proporção dos chamados investidores "All in AI" é muito menor do que esperávamos. **Um ponto de vista comum é que A IA generativa não traz novos grupos de usuários e canais de aquisição de clientes correspondentes, como Internet móvel e nuvem, portanto, players antigos com vantagens Go-To-Market têm uma vantagem. Outra percepção popular é **"É muito cedo para investir em aplicativos AI Native, é mais econômico fazer bom uso do GenAI em seu portfólio existente." **

Do ponto de vista da administração de empresas "antigas", todos experimentaram plenamente as três ondas de PC, Internet móvel e nuvem. Coisas superdimensionadas. No entanto, o GenAI está chegando ferozmente e o consenso é total. Nenhuma empresa deve sentir que essa onda de oportunidades é muito pequena, por isso são particularmente FOMO e entram no mercado com clareza.

No entanto, nesta fase, os casos reais de uso do GenAI lançados por várias empresas não são ruins. É o arranjo e a combinação de "entendimento", "geração" e "raciocínio" em vários cenários. É fácil se cansar de vendo demais. **Deixamos de lado esses casos de uso específicos que já foram bastante discutidos, combinados com a experiência de visitar e pesquisar no Vale do Silício, e selecionamos 3 propostas de valor e estratégias que achamos mais interessantes para os gigantes de segundo nível e os de primeiro unicórnios de mercado de nível superior. Conte-me em detalhes. **

Fonte - Frameworks de casos de uso GenAI

por Alana Smith

01. A proposta de valor e estratégia de negócios dos gigantes de segundo nível

Vários ângulos para reproduzir "dados"

Primeiro ângulo: sem tocar nos dados do cliente

"Dados" podem se tornar uma proposta de valor muito poderosa, mas não é nossa primeira reação que "uma grande quantidade de dados de CRM seja armazenada no Salesforce e haja um grande número de registros de reuniões em potencial no Zoom, que podem ser usados para treinar um modelo poderoso". Pelo contrário, é uma das propostas de valor mais importantes dessas empresas garantir que os dados dos clientes não sejam usados sem autorização para treinar modelos ou automatizar tarefas para os clientes. ** Para grandes clientes corporativos, GenAI pode de fato se tornar um artefato de produtividade, mas também é uma nova tecnologia difícil de ser confiável. esta lacuna. Quando se trata de confiança e privacidade recentemente, "código aberto + implantação local" tornou-se uma resposta sem cérebro. Além dessa abordagem óbvia, fornecer privacidade e segurança na nuvem é a habilidade básica que o SaaS que pode atender a grandes clientes corporativos acumulou nos últimos 10 anos. Veja um detalhe do Slack como exemplo - para expandir sua base de clientes de SMB e Mid-Market para grandes empresas, ela gastou muito dinheiro para fazer personalizações mais complexas de esquemas de criptografia de dados padrão. Integrando-se com o AWS Key Management Service , deixe o cliente controlar a chave e o Slack chama a chave definida pelo cliente por meio do serviço para criptografar os dados do usuário. Esse nível de "segurança e capacidade de controle" também é muito comum em ferramentas de produtividade baseadas na Microsoft. **"Não toque nos dados do cliente" é a base para construir confiança.No caso de casos de uso homogêneos, as soluções de privacidade e segurança de dados personalizadas para GenAI têm a oportunidade de se tornar uma proposta de valor diferenciada. **Embora a Microsoft tenha acumulado muito sobre esse ponto, ela não promoveu agressivamente esse ponto de venda para o mundo exterior. Pelo contrário, o Einstein GPT da Salesforce usa mais essa proposta de valor. Após o anúncio do Einstein GPT em março, o maior desenvolvimento recente é o lançamento da Trust Layer, tentando limpar a imagem de si mesmo como a oferta GenAI "mais confiável".

Segundo ângulo: não toque nos dados de direitos autorais

O Adobe Firefly foi ridicularizado quando foi lançado pela primeira vez, 4 meses atrás, e seu Pikachu e Hello Kitty gerados eram horríveis. Mas agora o Firefly ajudou os usuários da Adobe a gerar mais de 1 bilhão de ativos na versão da Web e no Photoshop e foi avaliado pela empresa como "os dois produtos beta de maior sucesso na história da Adobe".

O mundo exterior compreendeu gradualmente a proposição de valor única da Firefly nos últimos meses: **Permaneça em respeito ao conteúdo de direitos autorais não autorizado e ajude os usuários de seus produtos a evitar os riscos legais de comercializar esses ativos gerados. **O núcleo desta proposta de valor é construir um conjunto de dados completamente livre de questões de direitos autorais. Stability AI e Midjourney continuam a manter uma pequena vantagem sobre Firefly em termos de desempenho, mas inevitavelmente enfrentam ações coletivas porque usam o conjunto de dados LAION contendo 5,6 bilhões de imagens extraídas da web pública sem permissão.

Terceiro ângulo: ajude os clientes a conectar dados

Processamento de dados usando LLM

Fonte: a16z

Existem inúmeras startups nesta trilha, então não vou repetir os casos de uso de conexão de dados mais típicos. Além disso, a capacidade de integrar dados locais e na nuvem é uma habilidade básica que requer acumulação de longo prazo. Os gigantes SaaS existentes têm algumas vantagens diferenciadas - eles passaram pelo período embaraçoso de mudança no local para dados de estoque de processamento em nuvem, Além disso, a Salesforce adquiriu a Mulesoft, a Google adquiriu a Apigee e a Microsoft possui a Power Platform, todas com vários conectores poderosos para ajudar os clientes a coletar dados entre organizações, locais e na nuvem.

Ao integrar verticalmente sua própria nuvem, conectores de dados e cenários de produtos e, em seguida, colaborar com o LLM dos parceiros, o SaaS estabelecido pode fornecer aos clientes uma verdadeira pilha de ponta a ponta, coletando dados primeiro, depois coordenando os dados e criando pipeline relacionado a dados disponibilizar dados em diferentes modelos e cenários. O efeito de vendas dessa proposição de valor é atualmente desconhecido, mas pelo menos parece maravilhoso.

Os três ângulos de jogar com dados são apresentados acima, mas o objetivo não é tornar o GenAI mais poderoso, mas torná-lo verdadeiramente Business Class e Enterprise Ready.

Aproveite para reviver a marca do produto

GenAI não só pode desempenhar um papel prático, mas também um auxiliar de marketing perfeito:

• EinsteinGPT traz de volta a atenção para o pequeno logotipo Einstein da Salesforce. Você deve saber que a Salesforce, a marca de IA do Einstein, não era considerada bem-sucedida antes e não havia nenhum produto líder de mercado absoluto. Inteligência de Conversação;

• A Microsoft é semelhante no Bing e nos produtos de mineração de processos. Ainda há uma lacuna considerável entre o Bing e o Google em termos de experiência de pesquisa, e o Power Automate Processing Mining da aquisição da Minit pela Microsoft também é comparável aos principais players independentes, como Celonis The gap, mas por meio do Bing Chat e do Copilot, ambos se reorientaram para clientes em potencial e ganharam uma onda de atenção;

No Power Automate Processing Mining da Microsoft

Usando copiloto

• Zoom IQ começou tarde na trilha de Conversation Intelligence, mas em virtude de sua integração com GenAI, lançou rapidamente a colaboração com outros cenários de produtividade Zoom e ganhou mais exposição e atenção dos clientes;

Usando o Zoom IQ para gerar e responder e-mails

• Empresas como UiPath e Five9, vistas como perdedoras em potencial a longo prazo, também têm sido muito ativas na integração da GenAI para fazer suas amplas linhas de produtos parecerem mais inteligentes;

……

Embora essas táticas tenham ajudado outros produtos que não têm fugas a recuperar a tração, essa janela pode estar se fechando. Com a integração do Copilot em vários produtos da Microsoft e GenAI de outras empresas, desde o Private Beta até a versão oficial para entrega aos clientes, o papel da GenAI Offers mudará de "aumentar os leads de vendas" para "aumentar a taxa de vitórias". **

Expandir o TAM para manter o lucro bruto

Quando o ambiente econômico incerto e a conjuntura macro se encontram com a GenAI, que está repleta de consensos, vemos empresas do mercado secundário tentando fazer uma postura "All in AI", enfatizando constantemente que este é o momento da nova revolução industrial ou do surgimento de PCs, no entanto, em termos de estratégia de negócios real, ainda tenta usar o GenAI para expandir o TAM, mantendo o lucro bruto o máximo possível.

Algumas empresas, como Microsoft e Google, que se aprofundam na camada de modelo são uma pequena exceção, pois estão prontas para expandir o investimento CapEx, mantendo o lucro bruto.

Entre o grande número de empresas SaaS, o pensamento e as estratégias da Zoom são padrão nesta fase, ou seja, a Oferta GenAI não pode perder dinheiro e ganhar dinheiro, e os clientes devem pagar diretamente ou atualizar seus planos de pagamento:

AI tem menos impacto na margem bruta. **Para casos de uso mais avançados e sofisticados, gostaríamos de cobrar dos clientes permitindo que eles atualizassem seu plano de assinatura ou por meio do modelo de consumo de nossa plataforma. Portanto, no geral, estamos tentando compensar qualquer pressão potencial. **Estamos muito confiantes em nossa melhoria de margem bruta de longo prazo.

Eric Yuan - Zoom

Em termos de modelo de preços, além de uma série de produtos AI do M365 Copilot, Zoom IQ for Sales e Salesforce, que são cobrados separadamente por assento e uso, o agrupamento com assinaturas pagas tornou-se um método de preços muito popular:

É muito desafiador encontrar um preço que seja geralmente aceito pelos clientes, mantendo o lucro bruto. Um grande número de produtos ainda está em Beta Privado, explorando métodos de precificação. Na era da nuvem, o modelo de pagamento conforme o uso e cheio de créditos está em ascensão.Também vale a pena esperar para ver se a GenAI pode promover o surgimento de um novo tipo de estratégia de preços.

**02. "Unicórnios no exterior" estão procurando a base de suas vidas **

Ponte intermediária com poder super executivo

Para o futuro do SaaS de produtividade, existem dois tipos de visualizações:

• GUIs serão inúteis e esses SaaS acabarão fornecendo apenas valor de banco de dados;

• GenAI é um motor de nível Ferrari, mas você precisa de um carro completo de qualquer maneira.

Do ponto de vista realista, o primeiro ponto de vista ainda é difícil de alcançar no curto prazo, muitas pessoas até pensam que a LUI pode ser a pior interface do usuário, o que nos traz de volta à era da linha de comando. Claro, nenhum unicórnio SaaS está disposto a aceitar o primeiro destino, então todos ainda estão tentando fornecer aos usuários um carro melhor.

Neste ponto, as tentativas da Notion, ClickUp, Miro e outras empresas não são fundamentalmente diferentes do M365 e do Google Workspace. No entanto, no primeiro trimestre, quando o Bing e o M365 quase dominaram o ímpeto da atenção do mercado, a Notion prestou muita atenção à tendência do OpenAI no final de 22 e se tornou a primeira empresa SaaS de produtividade nativa não AI a lançar um produto AI completo. .Jogadores, e recebeu um bom feedback do mercado, e rapidamente criou milhões de dólares em ARR.

Usando o Notion AI para resumir e classificar uma literatura de pesquisa

Alguns funcionários da Notion com quem conversamos posicionaram o Notion AI como uma ponte de mão dupla - as instruções empacotadas pelo Notion AI ajudam os usuários a reduzir o limite para coleta e colocação, e o próprio GenAI reduz o limite para os usuários usarem vários componentes complexos do Notion.

O ClickUp, outro rei do volume na faixa de produtividade, é muito semelhante às ideias de solução de problemas do Notion.Seus produtos são mais complexos do que o Notion, incorporando quadros brancos, vídeos e outras cenas. Antes que a Atlassian, Asana, Monday.com e outros concorrentes no mercado secundário tivessem a oferta GenAI, a ClickUp lançou seu próprio produto de IA e determinou que apenas a Notion tinha uma estratégia geral de preços e logo produziu um ARR considerável.

Gerenciamento de tarefas com os recursos de IA do ClickUp

Arme-se com código aberto

Para alguns SaaS de produtividade, pode não ser suficiente atuar como uma ponte intermediária, porque sua tecnologia de autossuficiência é diretamente desafiada pelo LLM - dois exemplos típicos são a análise de diálogo do Gong.io e a pesquisa de código do Sourcegraph, ambos integrados com A ML Models construiu fossos tecnológicos, mas agora esses fossos foram abertos pelo LLM.

As 3 tecnologias por trás do Sourcegraph

A resposta de Gong foi bastante satisfatória e não houve reação no primeiro quarto. De acordo com nossa comunicação com os primeiros investidores, parte do motivo pode ser que a equipe acredita que os recursos do modelo não são o ponto decisivo, e a capacidade de obter e processar dados de reuniões e conversas com clientes é um trabalho sujo que leva tempo para ser acumulado. Não foi até o início de junho que Gong anunciou o lançamento de Call Spotlight e Proprietary Generative AI Models.

Pode ser que a capacidade do ChatGPT e do Github Copilot de processar código seja incrível demais, e a Sourcegraph se tornou uma empresa muito impressionante nos últimos dois trimestres em resposta ao impacto do GenAI. Embora a Sourcegraph tenha percebido cedo que a Janela de Contexto do LLM ainda era falha em lidar com vários códigos em nível de biblioteca em grande escala, ela não impediu a inovação do produto.No final de março, ela enfrentou a concorrência e lançou o assistente de edição de código orientado a modelos da Anthropic. Cody, e tornou seu código aberto.

Solução técnica por trás da Cody

Como Cody tem a longa vantagem de contexto dos Embeddings e a bênção exclusiva do Code Graph do Sourcegraph, ele foi rapidamente discutido amplamente no Hacker News e no Twitter. O atributo de código aberto torna Cody não limitado a produtos Sourcegraph, mas pode ser usado como uma extensão de IDE flexível. Como uma empresa antiga e Cursor de AI Native e outros produtos, rapidamente se tornou uma das alternativas mais prováveis para o Github Copilot.

Acompanhe a vitória para expandir o valor

Descrevemos os benefícios de curto prazo do Zapier em nosso artigo ChatGPT Plugin:

Atualmente, o ChatGPT tem uma forte capacidade de usar ferramentas, mas carece de know-how em agregação de API. Portanto, o surgimento do Plugin beneficiará produtos agregadores como o Zapier no curto e médio prazo. O Zapier acumulou muito nesse campo. Agora, se você quiser fazer algumas operações complexas no ChatGPT: como resumir o texto e enviá-lo para a mídia social, ou gravá-lo no Google Workspace, todos escolherão usar o ChatGPT + Zapier para conseguir isso . Em muitos casos de uso, o ChatGPT só precisa estar conectado ao agregador para obter uma experiência de usuário muito boa e não precisa se conectar a um grande número de APIs, o que equivale a que a parte semelhante ao SEO seja totalmente fornecida por o agregador.

……

Mas, a longo prazo, esses produtos enfrentam os seguintes impactos: por um lado, a forma organizacional das APIs pode mudar e a frequência e a frequência das interações entre produtos podem ocorrer na era LLM. A OpenAI lançou recentemente a capacidade de chamar funções, o que melhorou significativamente a usabilidade da API. Essas mudanças podem enfraquecer o fosso do Zapier. Por outro lado, os agregadores podem se tornar parte das oportunidades do sistema operacional. Microsoft, Google e Apple podem construir recursos correspondentes com base em seus próprios sistemas, e a concorrência é acirrada.

O desempenho da equipe Zapier nos últimos 6 meses foi muito impressionante, mostrando a visão de primeira classe e a capacidade de execução da equipe. Os seguintes lançamentos de produtos podem ser descritos como estáveis e implacáveis:

• Apresentamos o Zapier Natural Language Actions em março, abrindo os recursos da plataforma por meio de API pela primeira vez, e também oferece suporte a chamadas por chat, integrando rapidamente o Zapier ao ecossistema GenAI;

• Como os dados em vários SaaS são conectados apenas pelo Zapier e não armazenados nele, o Zapier lançou o Zapier Tables em maio para ajudar os usuários a armazenar, editar, compartilhar e automatizar dados em vários SaaS, para que possam ser acumulados a partir dos dados de estoque do usuário Construir outro fosso na perspectiva de

• A estrutura Chatbot lançada também atraiu rapidamente muita atenção nas mídias sociais, tornando-se uma das soluções de baixo custo que os usuários introduzem espontaneamente LUI para vários SaaS.

** Do ponto de vista de não desperdiçar dividendos, evitando a subversão após dividendos de curto prazo e solidificando os produtos, o Zapier é o melhor modelo SaaS de produtividade deste ano. **E seu cofundador Mike Knoop investiu pesadamente nos produtos relacionados à IA da Zapier e se tornou um importante líder de opinião no ecossistema de IA na Bay Area, o que vale muito a pena aprender com outras empresas SaaS de produtividade.

03. Cinco grandes desafios encontrados pela função IA de SaaS no estágio atual

Embora tenhamos encontrado 6 exemplos positivos para ilustrar que alguns SaaS de produtividade estão indo bem, eles inevitavelmente ainda caem em alguns desafios específicos. Aqui estão os 5 mais comuns:

Desafio 1: A perda causada pelo PR primeiro

Devido ao súbito entusiasmo do usuário desencadeado pelo ChatGPT, um grande número de empresas começou a se preparar para sua oferta de IA no início de 23 e lançou a versão Beta Privada em um crash em meados do final de março, **isso resultou em uma lista de espera excessivamente longa e um grande número de clientes sabiam que eram Muitos provedores de SaaS lançaram recursos de IA, mas não conseguiram comprá-los e usá-los e precisam se acalmar com o tempo. **

Tomando o CRM como exemplo, muitos clientes da Salesforce estão muito interessados no Einstein GPT e pediram cotações a suas vendas muitas vezes, mas não conseguiram obter feedback de vendas durante abril e maio, o que fez com que muitos clientes levassem isso a sério O lançamento do produto é considerado um PR sem sentido agir.

Na verdade, a Salesforce tem um roteiro de produto completo, mas há uma diferença de tempo de 3 meses em relação ao anúncio oficial do Einstein GPT

Desafio 2: Conflito entre IA e Roteiro de Produto

**Os investidores esperam que a IA subverta o SaaS, mas um grande número de usuários de SaaS, na verdade, deseja apenas usar seus documentos, gerenciamento de tarefas e ferramentas de videoconferência silenciosamente. **

Os usuários do ClickUp já estão ansiosos pelo lançamento oficial do ClickUp 3.0, mas espere até o ClickUp AI, então há algumas reclamações de usuários muito fortes:

O núcleo do ClickUp é atuar como uma ferramenta de gerenciamento de projetos e banco de dados, mas as funções principais estão cheias de bugs, alguns painéis demoram alguns minutos para atualizar, a confiabilidade ocupa 70% dos recursos nos últimos 18 meses, mas quase nenhum novos recursos aparecem, 3.0 saltou , Os recursos básicos do ClickUp Docs estão longe do Google Docs e a própria IA é inútil.

O ClickUp tentou fazer a IA parecer um subitem na atualização do produto, mas todos descobriram que sua prioridade era IA em vez de 3.0.

O ClickUp se sente enganado ao escolher lançar AI em vez de 3.0, 3.0 não está mais "ao virar da esquina" e prefiro olhar para Asana ou Wrike novamente.

Outros produtos têm problemas mais ou menos semelhantes. Por exemplo, a voz dos usuários no modo Notion offline pode ser muito mais forte que a do Notion AI, para que todos possam se livrar do dilema de não poder usar o Notion quando não há WiFi. No entanto, o Notion AI foi o primeiro a lançar e parece consumir mais energia no roteiro do produto.

Desafio 3: Modelos de preços suportados pelos usuários

Isso anda de mãos dadas com o desafio 2: se os recursos de IA são fornecidos gratuitamente, há poucos motivos para os usuários não gostarem deles. No entanto, devido à estratégia de "expandir TAM e manter o lucro bruto", muitas vezes os usuários precisam pagar a mais.

Seja $ 5/mês/pessoa para ClickUp, $ 10/mês/pessoa para Notion ou $ 30/mês/pessoa para M365, não é uma quantia grande para cada usuário pagar sozinho, mas não é um grande negócio para os operadores comprarem a granel. Não é uma quantia pequena - você deve saber que o plano de negócios da própria Notion custa apenas US$ 15/mês/pessoa, e a compra de IA para funcionários equivale a um aumento de 60-70% na conta.

Desafio 4: Pegue a entrada com ChatGPT

Esses desafios estão interligados!

Devido à existência do desafio 1, o fluxo de trabalho de um grande número de usuários acostumados ao ChatGPT é colar texto nas perguntas e respostas do ChatGPT e, em seguida, copiar os resultados necessários em seu próprio SaaS,

Devido à existência dos desafios 2-3, embora seja difícil mensurar a proporção específica, um grande número de usuários tem se inscrito no ChatGPT Plus, arcando com a fatura de 20 USD por pessoa por mês. Embora essa assinatura seja um pouco cara, ela é mais geral, e o valor total de assinaturas individuais para cada oferta SaaS AI pode exceder em muito US$ 20.

Portanto, a lógica de entrada que nossa equipe frequentemente discute está realmente acontecendo **Empresas SaaS de produtividade estão competindo com ChatGPT Plus pelo orçamento de cada funcionário.Essa guerra ainda não foi decidida. **

Desafio 5: Não existe CEO "gênio"

Antes de irmos para os Estados Unidos, acreditávamos que a estratégia de Nuvem de Dados da Salesforce fornecia orientação de cima para baixo para seu roteiro GenAI, mas depois de conversar com funcionários internos, descobrimos que essa era apenas uma ideologia orientadora de alto nível e, finalmente, voltamos para a nuvem de marketing, várias equipes de negócios, como nuvem de serviço e nuvem industrial, apresentam demandas para várias funções de produto GenAI de baixo para cima.

Na verdade, após entrevistas, de grandes empresas a unicórnios no mercado de primeira linha, a abordagem de todos para a inovação da IA é basicamente a mesma. **Não existe um CEO apresentando uma direção genial e depois implementá-la . Uma das principais diferenças entre diferentes participantes é quantos recursos totais o CEO está disposto a alocar para esta parte. **Dada a existência do desafio 2 e a incerteza do cronograma trazido pela AGI, isso pode ser difícil de equilibrar e se tornar uma das questões mais importantes para todos os CEOs de SaaS pensarem nos próximos 5 anos.