Як Productivity SaaS може вирішити проблеми зі штучним інтелектом?

Джерело: Overseas Unicorns

Джерело зображення: створено Unbounded AI‌

GPT — це модель продуктивності, а OpenAI руйнує продуктивність.

Очевидно, це викликає занепокоєння у людей, які займаються продуктивністю SaaS. Рекламне відео Clickup AI випадково вказало на поточну стратегію штучного інтелекту цих «старих» компаній, тобто змагання за запуск подібних випадків використання у власних сценаріях продуктів.

Незважаючи на те, що самі ці варіанти використання в основному однорідні, ми все ж спостерігали деякі унікальні ціннісні пропозиції, наприклад, навколо «даних», SaaS, який дійсно обслуговує клієнтів на рівні підприємства, не «використовує та зберігає у своєму власному програмному забезпеченні» як першу реакцію кожного. підготовка LLM", але більше уваги приділяється довірі хмарної доставки, наборам даних без авторських і юридичних ризиків, а також кращій допомозі клієнтам створювати дані для моделей.

**Тож хоча ми все ще не можемо визначити, які SaaS приносять користь, а які шкодять у довгостроковій перспективі, ми вже бачимо, які компанії мають справді диференційовані стратегії подолання. Дотримуючись цієї лінії думок, у цій статті вибрано три методи та кілька випадків, які найбільше виділяються на другому та першому рівнях відповідно. Однак, навіть за наявності цих стратегій, SaaS для підвищення продуктивності все ще має зіткнутися з низкою проблем у ціноутворенні, конкуренції з ChatGPT і довгостроковими дорожніми картами продукту.Битва за вихід на продуктивність перебуває у запеклій стадії нокауту. **

Слід зазначити, що продуктивність SaaS має два визначення: широке та вузьке. Вузьке зазвичай стосується лише виробничої співпраці навколо основних сценаріїв, таких як документи (такі як Notion), завдання (такі як ClickUp), відео (такі як Zoom), і таблиці (наприклад, Airtable).SaaS, тоді як широкий включає більшість SaaS, які можуть покращити операційну ефективність компанії, від величезної CRM до розумних інструментів автоматизації, таких як Zapier. Продуктивність SaaS, розглянута в цій статті, є більш широкою сферою останнього.

Резюме:

1. Ціннісна пропозиція та бізнес-стратегія гігантів другого ешелону
2. «Заморські єдинороги» шукають житло та роботу
3. П’ять основних проблем, з якими стикається функція AI SaaS на поточному етапі

Як ми зазначали в статті Kick, **ми спостерігали в Силіконовій долині, що частка так званих інвесторів «All in AI» набагато нижча, ніж ми очікували. **Поширена точка зору полягає в тому, що Generative AI не створює нових груп користувачів і відповідних каналів залучення клієнтів, таких як мобільний Інтернет і хмара, тому старі гравці з перевагами виходу на ринок мають перевагу. Інше поширене сприйняття: **«Занадто рано інвестувати у власні програми штучного інтелекту, рентабельніше ефективно використовувати GenAI у вашому існуючому портфоліо». **

З точки зору керівництва «старих» компаній, усі повністю відчули три хвилі ПК, мобільного Інтернету та хмари. Однак GenAI активно йде назустріч, і консенсус повний.Жодна компанія не повинна вважати цю хвилю можливостей замалою, тому вони особливо FOMO та чітко виходять на ринок.

Однак на даному етапі фактичні випадки використання GenAI, запущені різними компаніями, непогані. Це систематизація та поєднання «розуміння», «генерування» та «міркування» в різних сценаріях. Від цього легко втомитися. бачити занадто багато. **Ми залишили осторонь ці конкретні випадки використання, які вже достатньо обговорювалися, у поєднанні з досвідом відвідування та дослідження в Кремнієвій долині, і вибрали 3 ціннісні пропозиції та стратегії, які, на нашу думку, є більш цікавими для гігантів другого рівня та першого рівня. -рівневий ринок єдинорогів. Розкажіть детальніше. **

Джерело - Frameworks of GenAI use cases

Алана Сміт

01. Ціннісна пропозиція та бізнес-стратегія гігантів другого ешелону

Кілька ракурсів для відтворення "даних"

Перший ракурс: дані клієнта не торкаються

«Дані» можуть стати дуже потужною цінною пропозицією, але це не перша наша реакція на те, що «велика кількість даних CRM зберігається в Salesforce, а в Zoom є велика кількість потенційних записів зустрічей, які можна використовувати для навчання потужна модель». Навпаки, це одна з найважливіших ціннісних пропозицій таких компаній, щоб гарантувати, що дані клієнтів не будуть використовуватися для навчання моделей або автоматизації завдань для клієнтів без авторизації, і це також перший кут для гри з довірою, що створює дані. . ** Для великих корпоративних клієнтів GenAI дійсно може стати артефактом продуктивності, але це також нова технологія, якій важко довіряти. Необхідно, щоб постачальники SaaS, які добре забезпечують конфіденційність і безпеку для великих корпоративних клієнтів, допомагали GenAI подолати це розрив. Коли мова йде про довіру та конфіденційність останнім часом, «відкритий код + локальне розгортання» стало безглуздим рішенням. На додаток до цього очевидного підходу, забезпечення конфіденційності та безпеки в хмарі є основним навиком, який SaaS, який може обслуговувати великих корпоративних клієнтів, накопичив за останні 10 років. Візьмемо для прикладу деталь Slack: щоб розширити свою клієнтську базу від SMB і Mid-Market до великих підприємств, компанія витратила багато грошей на створення складніших налаштувань стандартних схем шифрування даних. Завдяки інтеграції зі службою керування ключами AWS , Дозвольте клієнту контролювати ключ, а потім Slack викликає ключ, встановлений клієнтом через службу, щоб зашифрувати дані користувача. Цей рівень «безпеки та керованості» також дуже поширений у інструментах продуктивності на основі Microsoft. **«Не торкайтеся даних клієнтів» є основою для зміцнення довіри. У випадку однорідних варіантів використання рішення щодо конфіденційності та безпеки даних, налаштовані для GenAI, мають можливість стати диференційованою цінною пропозицією. **Хоча корпорація Майкрософт накопичила багато з цього приводу, вона не агресивно просувала цю позицію продажу зовнішньому світу. Навпаки, Einstein GPT від Salesforce більше використовує цю ціннісну пропозицію.Після анонсу Einstein GPT у березні, найбільшою нещодавньою подією є запуск Trust Layer, який намагається очистити імідж себе як «найнадійнішої» пропозиції GenAI.

Другий кут: не торкайтеся даних про авторські права

Adobe Firefly викликав глузування, коли він був уперше випущений 4 місяці тому, а створені нею Пікачу та Хелло Кітті були жахливими. Але тепер Firefly допоміг користувачам Adobe створити понад 1 мільярд активів у веб-версії та Photoshop, і компанія оцінила його як «два найуспішніші бета-продукти в історії Adobe».

Протягом останніх кількох місяців зовнішній світ поступово зрозумів унікальну цінну пропозицію Firefly: **Залишайтеся в захваті від несанкціонованого вмісту, захищеного авторським правом, і допомагайте користувачам їхніх продуктів уникнути юридичних ризиків комерціалізації цих створених активів. **Суть цієї ціннісної пропозиції полягає в створенні набору даних, який повністю не містить проблем з авторським правом. Stability AI і Midjourney продовжують незначно випереджати Firefly з точки зору продуктивності, але неминуче стикаються з груповими позовами, оскільки вони використовують набір даних LAION, що містить 5,6 мільярда зображень, взятих із загальнодоступної мережі без дозволу.

Третій кут: допомога клієнтам підключати дані

Обробка даних за допомогою LLM

Джерело: a16z

На цьому шляху є незліченна кількість стартапів, тому я не буду повторювати найбільш типові випадки використання з’єднання даних. Крім того, здатність інтегрувати дані в локальних і хмарних мережах є базовою навичкою, яка потребує тривалого накопичення.Існуючі гіганти SaaS мають певні переваги: вони пережили незручний період локального переходу на хмарну обробку даних, Крім того, Salesforce придбала Mulesoft, Google — Apigee, а Microsoft — Power Platform, і всі вони мають різноманітні потужні конектори, які допомагають клієнтам збирати дані між організаціями, локальними та хмарними мережами.

Завдяки вертикальній інтеграції власної хмари, з’єднувачів даних і сценаріїв продукту, а потім співпраці з LLM партнерів, створена SaaS може надати клієнтам справжній наскрізний стек, спочатку збираючи дані, потім координуючи дані та створюючи конвеєр, пов’язаний з даними. щоб зробити дані доступними в різних моделях і сценаріях. Наразі невідомий ефект продажів від цієї ціннісної пропозиції, але принаймні це звучить чудово.

Три кути гри з даними представлені вище, але мета полягає не в тому, щоб зробити GenAI потужнішим, а в тому, щоб зробити його справді готовим до бізнес-класу та підприємства.

Скористайтеся можливістю відродити товарний бренд

GenAI може не тільки відігравати практичну роль, але й бути ідеальним маркетинговим помічником:

• EinsteinGPT повертає увагу до маленького логотипу Ейнштейна Salesforce. Ви маєте знати, що Salesforce, бренд ШІ Ейнштейна, раніше не вважався успішним, і не було абсолютно лідируючого продукту на ринку. Натомість такі стартапи, як Gong.io, піднялися на весь шлях і стали провідними гравцями в напрямку Інтелект розмови;

• Корпорація Майкрософт схожа в продуктах Bing і процесу видобутку. Між Bing і Google все ще існує значний розрив з точки зору досвіду пошуку, а Power Automate Processing Mining від придбання Microsoft Minit також можна порівняти з незалежними провідними гравцями, такими як Celonis The gap, але через Bing Chat і Copilot, обидва переорієнтовані на потенційних клієнтів і привернули хвилю уваги;

У Microsoft Power Automate Processing Mining

Використання Copilot

• Zoom IQ почав працювати пізно на шляху Conversation Intelligence, але завдяки інтеграції з GenAI він швидко запустив співпрацю з іншими сценаріями продуктивності Zoom і привернув більше уваги та уваги клієнтів;

Використання Zoom IQ для створення електронних листів і відповідей на них

• Такі компанії, як UiPath і Five9, які в довгостроковій перспективі вважаються потенційними невдахами, також були дуже активними в інтеграції GenAI, щоб зробити свої широкі лінійки продуктів розумнішими;

……

Незважаючи на те, що ця тактика допомогла іншим продуктам, у яких відсутні висипання, відновити тягу, це вікно може закриватися. Завдяки інтеграції Copilot у різноманітні продукти Microsoft і GenAI інших компаній від приватної бета-версії до офіційної версії для доставки клієнтам, роль пропозиції GenAI зміниться зі «збільшення продажів» на «збільшення коефіцієнта виграшу». **

Розширте TAM, щоб зберегти валовий прибуток

Коли невизначене економічне середовище та макроситуація зустрічаються з GenAI, який сповнений консенсусу, ми бачимо, як компанії на вторинному ринку намагаються прийняти позицію «Все в ШІ», постійно наголошуючи, що це момент нової промислової революції або появи ПК, однак, з точки зору фактичної бізнес-стратегії, він все ще намагається використовувати GenAI для розширення TAM, зберігаючи при цьому валовий прибуток, наскільки це можливо.

Декілька компаній, таких як Microsoft і Google, які глибоко заглиблюються в модельний рівень, є невеликим винятком.Вони готові збільшити капітальні інвестиції, зберігаючи валовий прибуток.

Серед величезної кількості компаній SaaS мислення та стратегії Zoom є стандартними на даному етапі, тобто GenAI Offering не може втрачати гроші та заробляти гроші, а клієнти мають платити безпосередньо або оновлювати свої платіжні плани:

ШІ менше впливає на валову маржу. **Для більш просунутих і висококласних випадків використання ми хотіли б виставляти рахунки клієнтам, дозволяючи їм оновити свій план підписки або через модель споживання нашої платформи. Тож загалом ми намагаємося компенсувати будь-який потенційний тиск. **Ми дуже впевнені в довгостроковому покращенні валової прибутковості.

Ерік Юань - Zoom

З точки зору моделі ціноутворення, окрім серії продуктів штучного інтелекту M365 Copilot, Zoom IQ for Sales і Salesforce, які оплачуються окремо за місце та використання, пакет із платними підписками став дуже популярним методом ціноутворення:

Дуже складно знайти ціну, яку загалом приймають клієнти, зберігаючи при цьому валовий прибуток. Велика кількість продуктів все ще перебуває на приватній бета-версії, вивчаючи методи ціноутворення. В епоху хмарних технологій модель оплати за використання кредитів зростає. Варто також з нетерпінням чекати, чи зможе GenAI сприяти появі нового типу цінової стратегії.

02. «Заморські єдинороги» шукають основу свого життя

Проміжний міст із супер виконавчою владою

Для майбутнього продуктивності SaaS існує два типи представлень:

• Графічні інтерфейси будуть марними, і ці SaaS в кінцевому підсумку забезпечуватимуть лише цінність бази даних;

• GenAI — це двигун рівня Ferrari, але все одно вам потрібна повна машина.

З реалістичної точки зору, першої точки зору все ще важко досягти в короткостроковій перспективі. Багато людей навіть думають, що LUI може бути найгіршим інтерфейсом користувача, що повертає нас до ери командного рядка. Звичайно, жоден SaaS-єдиноріг не погодиться на першу долю, тому всі намагаються надати користувачам кращу машину.

На даний момент спроби Notion, ClickUp, Miro та інших компаній принципово не відрізняються від M365 і Google Workspace. Однак у першому кварталі, коли Bing і M365 майже домінували над імпульсом уваги ринку, Notion звернула пильну увагу на тенденцію OpenAI наприкінці 22 року та стала першою компанією SaaS, що не використовує штучний інтелект, яка випустила повний продукт штучного інтелекту. Гравці отримали хороші відгуки ринку та швидко створили мільйони доларів ARR.

Використання Notion AI для узагальнення та сортування дослідницької літератури

Деякі співробітники Notion, з якими ми спілкувалися, позиціонують Notion AI як двосторонній міст — інструкції, надані Notion AI, допомагають користувачам знизити поріг для збору та спільного розміщення, а сам GenAI знижує поріг для користувачів, щоб використовувати різні складні компоненти Notion.

ClickUp, ще один «король обсягів» у сегменті продуктивності, дуже схожий на ідеї Notion щодо вирішення проблем. Його продукти є складнішими, ніж Notion, вбудовуючи дошки, відео та інші сцени. До того, як Atlassian, Asana, Monday.com та інші конкуренти на вторинному ринку отримали пропозицію GenAI, ClickUp запустив власний продукт штучного інтелекту та визначив, що лише Notion має загальну стратегію ціноутворення, яка незабаром принесла значний ARR.

Керування завданнями за допомогою можливостей ШІ ClickUp

Озбройтеся відкритим кодом

Для деяких продуктивних SaaS може бути недостатньо, щоб діяти як проміжний міст, тому що їхня технологія самодостатності безпосередньо заперечується LLM - двома типовими прикладами є аналіз діалогів Gong.io та пошук коду Sourcegraph, обидва з яких інтегровані з традиційними ML Models побудували технологічні рови, але тепер ці рови були розриті LLM.

3 технології, що стоять за Sourcegraph

Відповідь Гонга була цілком задовільною, а в першій чверті реакції не було. Згідно з нашим спілкуванням із першими інвесторами, частково причиною може бути те, що команда вважає, що можливості моделі не є вирішальним моментом, а здатність отримувати й обробляти дані про зустрічі та розмови клієнтів — це брудна робота, для накопичення якої потрібен час. Лише на початку червня компанія Gong оголосила про запуск Call Spotlight і пропрієтарних генеративних моделей AI.

Можливо, здатність ChatGPT і Github Copilot обробляти код надто приголомшлива, і Sourcegraph став дуже вражаючою компанією за останні два квартали у відповідь на вплив GenAI. Хоча Sourcegraph на ранній стадії зрозумів, що контекстне вікно LLM все ще має недоліки в обробці кількох великомасштабних кодів на рівні бібліотеки, це не зупинило інноваційний продукт.Наприкінці березня він зіткнувся з конкуренцією та запустив помічника Anthropic для редагування коду на основі моделі. Коді, і зробив свій код відкритим кодом.

Технічне рішення за Коді

Оскільки Коді має перевагу тривалого контексту вбудовування та унікальне благословення Code Graph у Sourcegraph, це швидко широко обговорювалося в Hacker News і Twitter. Атрибут відкритого вихідного коду робить Cody не обмеженим продуктами Sourcegraph, але його можна використовувати як гнучке розширення IDE. Як стара компанія та AI Native Cursor та інші продукти, він швидко став однією з найімовірніших альтернатив Github Copilot.

Розвивайте перемогу, щоб збільшити цінність

Ми описали короткострокові переваги Zapier у нашій статті плагіна ChatGPT:

Наразі ChatGPT має потужні навички використання інструментів, але йому бракує ноу-хау в агрегації API. Тому поява плагіна принесе користь таким продуктам-агрегаторам, як Zapier, у коротко- та середньостроковій перспективі. Zapier накопичив чимало в цій галузі. Тепер, якщо ви хочете виконувати деякі складні операції на ChatGPT: як-от узагальнення тексту та надсилання його в соціальні мережі чи запис у Google Workspace, кожен вибере використання ChatGPT + Zapier для досягнення це . У багатьох випадках використання ChatGPT потрібно лише підключити до агрегатора, щоб досягти дуже хорошої взаємодії з користувачем, і йому не потрібно підключатися до великої кількості API, що еквівалентно тому, що частина, подібна до SEO, повністю забезпечується агрегатор.

……

Але в довгостроковій перспективі такі продукти стикаються з такими наслідками: з одного боку, організаційна форма API може змінитися, а частота та частота взаємодій між продуктами може виникнути в епоху LLM. OpenAI нещодавно випустив можливість виклику функцій, що значно покращило зручність використання API. Ці зміни можуть послабити рів Zapier. З іншого боку, агрегатори можуть стати частиною можливостей операційної системи. Microsoft, Google і Apple можуть створювати відповідні можливості на основі своїх власних систем, і конкуренція є жорсткою.

Результати роботи команди Zapier за останні 6 місяців були дуже вражаючими, демонструючи першокласне бачення та вміння команди виконувати. Наступні випуски продуктів можна охарактеризувати як стабільні та нещадні:

• Представлені Zapier Natural Language Actions у березні, які вперше відкрили можливості платформи через API, а також підтримують дзвінки через чат, швидко інтегруючи Zapier з екосистемою GenAI;

• Оскільки дані в різних SaaS об’єднуються лише Zapier, а не зберігаються в ньому, Zapier запустив Zapier Tables у травні, щоб допомогти користувачам зберігати, редагувати, обмінюватися та автоматизувати дані в різних SaaS, щоб вони могли накопичуватися з даних користувачів. Створіть інший рів з точки зору

• Фреймворк Chatbot, який він запустив, також швидко привернув велику увагу в соціальних мережах, ставши одним із недорогих рішень, які користувачі спонтанно запроваджують LUI для різних SaaS.

** З точки зору невитрати дивідендів, запобігання підриву після короткострокових дивідендів і стабільного виробництва продуктів, Zapier є найкращою продуктивною моделлю SaaS цього року. **А її співзасновник, Майк Нооп, вклав значні кошти в продукти Zapier, пов’язані зі штучним інтелектом, і став важливим лідером громадської думки в екосистемі штучного інтелекту в Bay Area, чому варто повчитися в інших компаній SaaS.

03. П’ять основних проблем, з якими стикається функція штучного інтелекту SaaS на поточному етапі

Незважаючи на те, що ми знайшли 6 позитивних прикладів, які демонструють, що деякі продуктивні SaaS працюють добре, вони неминуче стикаються з певними проблемами. Ось 5 найбільш типових:

Завдання 1: спочатку втрати, спричинені PR

Через раптовий ентузіазм користувачів, викликаний ChatGPT, велика кількість компаній почали готуватися до своєї пропозиції штучного інтелекту на початку 23 року та випустили приватну бета-версію через збій у середині-кінці березня, **це призвело до занадто довгий список очікування, і велика кількість клієнтів знали, що вони є. Багато постачальників SaaS запустили можливості штучного інтелекту, але вони не змогли їх придбати та використовувати, і з часом їм доводиться заспокоюватися. **

Візьмемо CRM як приклад: багато клієнтів Salesforce дуже зацікавлені в Einstein GPT і багато разів запитували у своїх відділів продажів цінові пропозиції, але вони не могли отримати відгук від продажів протягом квітня та травня, що змусило багатьох клієнтів сприйняти цей серйозний запуск продукту як безглуздий піар. діяти.

Насправді Salesforce має повну дорожню карту продукту, але існує різниця в 3 місяці від офіційного оголошення Einstein GPT

Завдання 2: Конфлікт між штучним інтелектом і дорожньою картою продукту

**Інвестори сподіваються, що ШІ підірве SaaS, але велика кількість користувачів SaaS насправді просто хочуть тихо використовувати свої документи, інструменти керування завданнями та відеоконференції. **

Користувачі ClickUp вже з нетерпінням чекають офіційного запуску ClickUp 3.0, але зачекайте до ClickUp AI, тому є кілька дуже різких скарг користувачів:

Основою ClickUp є інструмент управління проектами та база даних, але основна функція повна помилок, деякі інформаційні панелі оновлюються за кілька хвилин, за останні 18 місяців надійність займає 70% ресурсів, але майже нових функцій не з’являється, 3.0 відскочив , Основні можливості ClickUp Docs далекі від Google Docs, а сам ШІ марний.

ClickUp намагався зробити так, щоб штучний інтелект став підпунктом оновлення продукту, але всі виявили, що їхнім пріоритетом є штучний інтелект замість 3.0.

ClickUp відчуває себе обдуреним, вирішивши випустити штучний інтелект замість 3.0, 3.0 більше не «за рогом», і я б краще знову подивився на Asana або Wrike.

Інші продукти мають більш-менш подібні проблеми.Наприклад, голос користувачів у автономному режимі Notion може бути набагато сильнішим, ніж голос Notion AI, тому кожен може позбутися дилеми неможливості використання Notion, коли немає Wi-Fi. Проте Notion AI був першим, хто запустив і, схоже, споживає більше енергії в дорожній карті продукту.

Завдання 3: Моделі ціноутворення, встановлені користувачами

Це йде рука об руку з завданням 2: якщо можливості штучного інтелекту надаються безкоштовно, у користувачів немає причин не любити їх. Однак через стратегію «розширення TAM і збереження валового прибутку» користувачам часто потрібно доплачувати.

Незалежно від того, чи це 5 доларів США на місяць на людину для ClickUp, 10 доларів США на місяць на людину для Notion чи 30 доларів США на місяць на людину для M365, це невелика сума для кожного користувача, яку потрібно платити самостійно, але це не велика проблема для операторів. Це не малі гроші – ви повинні знати, що власний бізнес-план Notion коштує лише 15 доларів на місяць на людину, а придбання ШІ для співробітників еквівалентно збільшенню рахунку на 60-70%.

Завдання 4: захопіть вхід за допомогою ChatGPT

Ці виклики пов’язані між собою!

Через існування проблеми 1 робочий процес великої кількості користувачів, які звикли до ChatGPT, полягає в тому, щоб вставити текст у запитання та відповіді ChatGPT, а потім скопіювати необхідні результати у свій власний SaaS,

Через наявність викликів 2-3, хоча важко виміряти конкретну частку, велика кількість користувачів підписалися на ChatGPT Plus, маючи рахунок у розмірі 20 доларів США на людину на місяць. Хоча ця підписка трохи дорожча, вона більш загальна, і загальна сума окремих підписок для кожної пропозиції SaaS AI може значно перевищувати 20 доларів США.

Таким чином, логіка входу, яку наша команда часто обговорює, насправді має місце.**Компанії продуктивності SaaS конкурують із ChatGPT Plus за бюджет кожного співробітника. Ця війна ще не вирішена. **

Завдання 5: Не існує такого поняття, як «геніальний» генеральний директор

До того, як ми поїхали до Сполучених Штатів, ми вважали, що стратегія Salesforce Data Cloud забезпечує низхідне керівництво для її дорожньої карти GenAI, але після спілкування з внутрішніми співробітниками ми виявили, що це лише керівна ідеологія дуже високого рівня, і ми нарешті повернулися до маркетингової хмари, різні бізнес-групи, такі як сервісна хмара та промислова хмара, висувають вимоги до різних функцій продукту GenAI від низу до верху.

Насправді, після співбесід, від великих компаній до єдинорогів на ринку першого рівня, підхід усіх до інновацій штучного інтелекту в основному однаковий.**Немає такого поняття, як генеральний директор придумує геніальний напрямок, а потім просто реалізує його . Однією з основних відмінностей між різними гравцями є те, скільки загальних ресурсів генеральний директор готовий виділити на цю частину. **Враховуючи наявність виклику 2 і невизначеність часових рамок, створених AGI, це може бути важко збалансувати, і це стане одним із найважливіших питань для всіх керівників SaaS, над якими слід думати в наступні 5 років.