6 نکته از SaaStr: پذیرش هوش مصنوعی، تمرکز بازار و دلیل ضرر دادن مخالفان

نویسنده مشترک مت شاپیرو، معاون سرمایه گذاری و تامی وایلاس، مدیر مشارکت

هفته گذشته ما چند روز را در منطقه خلیج گذراندیم و با بنیانگذاران و شرکت های شریک ملاقات کردیم و در سالانه SaaStr شرکت کردیم. ما پرانرژی برگشتیم، کمی غرق شدیم و متقاعد شدیم که سرعت تغییر در نرم‌افزار سریع‌تر از آن چیزی است که بیشتر مردم تصور می‌کنند.

از لنز York IE، شش موضوع برجسته بود.

1. بازار هوش مصنوعی در منطقه خلیج هم منطقی و هم غیرمنطقی است

روایت رایج در خارج از سیلیکون ولی این است که همه در منطقه خلیج کورکورانه به سمت هوش مصنوعی پول می اندازند. این در بالای بازار درست است، اما کامل نیست.

یک آمار به طور مکرر مطرح می شود: تقریباً 59٪ از کل دلارهای VC مستقر در سال گذشته فقط به سه شرکت اختصاص یافته است. این غلظت گویای پویایی فعلی است. صندوق های بزرگ مایل به پرداخت بیش از حد قابل توجهی هستند تا از دست دادن پلتفرم بعدی تعیین کننده دسته بندی جلوگیری کنند، و FOMO به یک استراتژی قانونی برای ایجاد یک سبد در بالای بازار تبدیل شده است.

با این حال، بیشتر از آنچه مردم تصور می‌کنند، شک و تردید وجود داشت. سرمایه‌گذارانی که با آنها ملاقات کردیم، عمیقاً در مورد توزیع، دوام، حاشیه‌های ناخالص، هزینه‌های زیرساخت و اینکه آیا محصولات به جای اینکه صرفاً خودنمایی کنند، نقاط دردسر واقعی گردش کار را حل می‌کنند، تحلیل کردند. این ایده که “همه صندوق های منطقه خلیج یکسان فکر می کنند” به سادگی درست نیست.

2. ساختمان شرکت شرق در مقابل ساحل غربی هنوز بسیار متفاوت است

شکاف ذهنی بین سواحل مانند همیشه گسترده است. ساحل غربی بر اساس کار بزرگ یا برو به خانه عمل می کند – موفقیت به معنای درآمد چند میلیارد دلاری است، اغلب 10 میلیارد دلار یا بیشتر، و هر چیزی کمتر از آن یک رکود است. این فرهنگ که توسط VCهای قانون قدرت هدایت می شود، بنیانگذاران را به سمت برنامه های افقی در بازارهای عظیم و پررقابت سوق می دهد. یکی از سرمایه گذارانی که با او ملاقات کردیم گفت که ترجیح می دهد با صفر از 200 میلیون دلار خارج شود.

ساحل شرقی عملگراتر باقی می ماند. بنیان‌گذاران بیشتری که راه‌حل‌های عمودی می‌سازند، عمداً سرمایه کمتری را جمع‌آوری می‌کنند، و نتیجه ۲۰۰ تا ۵۰۰ میلیون دلاری همچنان به‌عنوان یک برد واقعی مورد استقبال قرار می‌گیرد. هر دو مدل کار می کنند – اما آنها توسط شرکت های بسیار متفاوتی تولید می شوند.

3. جمعیت «هنوز هوش مصنوعی به اندازه کافی خوب نیست» پشت سر خواهند ماند

این واضح ترین نکته از سفر بود.

هنوز گروه بزرگی از اپراتورها و سرمایه گذاران وجود دارند که هوش مصنوعی را رد می کنند، زیرا این هوش مصنوعی توهم می زند، تفاوت های ظریف را از دست می دهد یا نمی تواند گردش کار انتها به انتها را به طور کامل خودکار کند. در همین حال، اپراتورهای میدانی در حال طراحی مجدد کل شرکت ها در اطراف آن هستند.

جیسون لمکین در یادداشت ابتدایی خود این نکته را به وضوح بیان کرد: ساختن چیزی را که می توانید بخرید متوقف کنید. در عصر هوش مصنوعی، برندگان تیم‌هایی نیستند که بیشترین ساخت را انجام می‌دهند، بلکه تیم‌هایی هستند که سریع‌ترین کار را انجام می‌دهند و بیشترین ارزش را از ابزارهایی که استفاده می‌کنند دریافت می‌کنند.

بهترین مثال از جلسه النور دورفمن در مورد چگونگی بازسازی سازمان درآمد خود توسط آنتروپیک بدست آمد. تیتر این نبود که آنتروپیک از کلود در داخل استفاده می کند – بلکه این بود که چقدر در کل جنبش GTM جاسازی شده بود:

• 54 درصد از لوگوهای جدید شرکت ها در سال 2026 از طریق جنبش سلف سرویس شرکتی ارائه خواهند شد.
• زمان رسیدگی به اولین پیش نویس پیشنهادی از 45 دقیقه به 4 دقیقه کاهش یافت
• AE ها 10 تا 15 ساعت در هفته را از طریق آماده سازی خودکار و ارکستراسیون گردش کار بازپس گرفتند.
• کلود در Salesforce، Gong، Gmail، Slack، Ironclad، Snowflake، و Intercom نمایش داده می شود – هیچ کدام بازنشسته نیستند.

بینش بزرگ‌تر این نبود که «هوش مصنوعی جایگزین بازاریابان می‌شود». این چارچوب دورفمن بود رهبران فروش به جای اینکه استراتژیست معامله شوند، به سرعت به متفکران سیستم تبدیل می شوند. تیم‌های قدرتمند GTM سیستم‌عامل‌های داخلی را می‌سازند که در آن هوش مصنوعی به‌عنوان بافت همبند در پشته عمل می‌کند و الگوهای بهترین تکرارها به‌عنوان مهارت کدگذاری می‌شوند تا کف در سراسر سازمان افزایش یابد.

صداقت آنتروپیک در مورد آنچه که هوش مصنوعی حل نکرده است به همان اندازه تازه‌کننده بود: دقت پیش‌بینی هنوز با مشکل مواجه است (دورفمن گفت تعداد خود او در هفته گذشته 40 درصد کاهش یافته است)، معاملات پیچیده سازمانی هنوز به افراد نیاز دارند، هیچ ابزار قدیمی بازنشسته نشده است، و KPIهای عملکرد هنوز در حال اختراع هستند.

4. اهرم عملیاتی هوش مصنوعی داخلی واقعی می شود

فشرده سازی تیم یک مکالمه جانبی مکرر بود. خود تیم SaaStr درباره فشرده‌سازی بخش‌های عملیات رویداد از 23 معادل FTE به نزدیک‌تر به 3 با استفاده از عوامل هوش مصنوعی و اتوماسیون بحث کرده است.

اما آنها به همان اندازه در مورد لایه انسانی مصمم بودند. از قضا، برخی از مشهودترین شکست‌های عملیاتی کنفرانس عمیقاً انسانی بودند – لجستیک ناهار شوخی اصلی بود. این دوگانگی اهمیت دارد. هوش مصنوعی اهرم های واقعی را به حرکت در می آورد، اما انسان ها همچنان دارای اعتماد، هماهنگی، روابط و قضاوت نهایی هستند. آینده «شرکت‌های فقط هوش مصنوعی» نیستند. اینها تیم های کوچکتر و با عملکرد بالاتری هستند که توسط سیستم های هوش مصنوعی توانمند شده اند.

این همچنین نکته ای را که ما در داخل به آن اشاره کرده ایم تقویت کرد: تفاوت واقعی این نیست که چه کسی هوش مصنوعی را خریداری می کند، بلکه استعداد فنی است که می تواند آن را پیاده سازی کند. تعمیر و نگهداری عامل گران است و دائماً کمتر از ارزش گذاری شده است.

5. نرم افزار GTM در حال ورود به یک تغییر پلت فرم جدید است

روایت “AI CRM” در همه جا ظاهر شده است. پشته GTM امروزی – CRM، توالی، غنی‌سازی، هوشمندی تماس، مسیریابی، نگهداری، پیش‌بینی، تولید پیشنهاد، فعال‌سازی- به طرز بی‌رحمانه‌ای تکه‌تکه شده است، و همه قبول دارند که جریان کار شکسته شده است.

چیزی که کمتر مشخص است این است که آیا یک سیستم پشتیبان جدید مبتنی بر هوش مصنوعی ظهور می‌کند یا اینکه شرکت‌های مستقر مانند Salesforce همچنان مسلط باقی می‌مانند در حالی که لایه‌های هوش مصنوعی در بالا باقی می‌مانند. در حال حاضر، بیشتر شرکت ها افزایش را به جایگزینی ترجیح می دهند. خود Anthropic به جای جایگزینی Salesforce، آن را کپی کرد. این سیگنالی است که ارزش توجه به آن را دارد.

6. سرعت ایجاد شرکت در حال مسخره شدن است

نمونه‌های مکرری از شرکت‌هایی را دیده‌ایم که با سرعت‌هایی که قبلاً دیده نشده‌اند به مقیاس بزرگی رسیده‌اند. چیزی که در ذهن ما ماندگار شد، هوش مصنوعی هیگزفیلد بود – شرکتی که اکثر مردم هنوز نامش را نشنیده‌اند – طبق گزارش‌ها در حدود 10 ماه حدود 300 میلیون دلار است. بنیانگذار صریح بود که سفر رشد مساوی است با مجادله و آزمایش.

تیم موناکو که تازه از سری B از بنچمارک خارج شده بود، هواپیماهای بنری را در اطراف سن ماتئو به قیمت “فقط” 15 هزار دلار به پرواز درآورد. این که آیا هر داستانی از این دست ثابت می شود یا نه، مهم نیست. سرعت آزمایش، تکرار محصول، و شکل‌گیری شرکت، بر خلاف هر چیزی است که اکوسیستم نرم‌افزاری قبلا تجربه کرده است.

آینده برای هوش مصنوعی عمودی چیست؟

بزرگترین چیزی که ما در مورد آن فکر کردیم: نرم افزار دیگر فقط دیجیتالی نمی شود – به طور متفاوتی از ابتدا عملیاتی می شود.

برندگان در دهه آینده فقط شرکت هایی با بهترین مدل ها نیستند. آن‌ها کسانی هستند که سریع‌ترین دانش سازمانی را کدگذاری می‌کنند، زودتر مزیت‌های توزیع را ایجاد می‌کنند، هوش مصنوعی را عمیقاً در جریان‌های کاری ادغام می‌کنند، از پایه‌های عملیاتی پشتیبانی می‌کنند در حالی که به سرعت حرکت می‌کنند، و از هوش مصنوعی برای بالا بردن سطح سازمان استفاده می‌کنند.

در York IE، این سفر باعث شد که چرا ما در مورد هوش مصنوعی عمودی و نرم‌افزار خاص گردش کار هیجان‌زده باقی می‌مانیم. این فرصت در مدل‌های زیربنایی نیست، بلکه در کمک به کسب‌وکارهای واقعی است که در صنایع و جریان‌های کاری بسیار خاص، سریع‌تر، اقتصادی‌تر و هوشمندتر عمل کنند.

هنوز روزهای اولیه