ณ ตอนนี้ หัวข้อข่าวจะคุ้นเคยสำหรับผู้อ่านส่วนใหญ่ของ Crunchbase News: SaaS ตายแล้ว
ตลาดเชื่อว่าธุรกิจซอฟต์แวร์ไม่สามารถเรียกเก็บค่าธรรมเนียมพิเศษได้อีกต่อไป และคาดการณ์ว่าการเติบโตจะชะลอตัวลงอย่างไม่มีกำหนด
มีเหตุผลสองประการ ประการแรก ปัญญาประดิษฐ์ช่วยลดต้นทุนการผลิตซอฟต์แวร์ลงถึง 10 เท่า ประการที่สอง ความสามารถของ AI ทำให้เกิดการแข่งขันครั้งใหม่อย่างมหาศาล ทั้งบริษัทสตาร์ทอัพที่ได้รับเงินทุนจาก VC และโซลูชันภายในองค์กร
พวกเขาบอกว่าต้นทุนการผลิตซอฟต์แวร์ที่ลดลงและการแข่งขันที่เพิ่มขึ้นจะทำให้กำลังในการกำหนดราคาของซอฟต์แวร์หมดไป หุ้นซอฟต์แวร์สาธารณะซื้อขายลดลง 20% ในปีนี้จนถึงกลางเดือนพฤษภาคม และเป็นครั้งแรกในประวัติศาสตร์ที่หุ้นซอฟต์แวร์ซื้อขายต่ำกว่าค่าเฉลี่ยของค่าสัดส่วน P/E ของ S&P500 SaaS ตายแล้ว
จริงอยู่ที่ AI ได้นำมาซึ่งต้นทุนที่ลดลงและการแข่งขันที่เพิ่มขึ้น แต่ไม่ได้หมายความว่า SaaS จะตาย การลดต้นทุนการผลิตซอฟต์แวร์ไม่ได้หมายความว่ารายได้จากซอฟต์แวร์จะลดลง อันที่จริง ประวัติศาสตร์กลับแสดงให้เห็นตรงกันข้าม
ในบางกรณี ประสิทธิภาพนำไปสู่การบริโภค นี่คือบทเรียนจาก กฎของเจวอนส์ มันใช้ได้กับเครื่องยนต์ถ่านหิน ใช้ได้กับศูนย์ข้อมูล และจะใช้ได้กับซอฟต์แวร์ที่ขับเคลื่อนด้วย AI เช่นกัน
กฎของเจวอนส์
เรามาเริ่มกันที่ถ่านหิน ในช่วงทศวรรษ 1860 ที่อังกฤษ หลายคนกังวลว่าจะเผาผลาญทรัพยากรถ่านหินของประเทศเร็วเกินไป ภูมิปัญญาแบบดั้งเดิมบอกว่าการพัฒนาเครื่องยนต์ที่ใช้ถ่านหินมีประสิทธิภาพมากขึ้นจะช่วยให้ถ่านหินใช้ได้นานขึ้น
แต่นักเศรษฐศาสตร์วิลเลียม สแตนลีย์ เจวอนส์ตระหนักว่าเครื่องยนต์ที่ประหยัดพลังงานมากขึ้นจะทำให้ความต้องการพลังงานจากถ่านหินเพิ่มขึ้น ส่งผลให้ชาวอังกฤษเผาผลาญถ่านหินเร็วขึ้น ไม่ใช่ช้าลง
เจวอนส์พูดถูก เมื่อประสิทธิภาพที่สูงขึ้นทำให้ต้นทุนลดลง มันยังปลดล็อกความต้องการใหม่ที่มหาศาลอีกด้วย สิ่งนี้ทำให้แหล่งถ่านหินถูกใช้ไปเร็วขึ้น ไม่ใช่ช้าลง
ยี่สิบห้าปีที่แล้ว ผมเข้าร่วมกับบริษัทซื้อขาดในช่วงวิกฤตดอทคอมปี 2001 การลงทุนครั้งแรกของผมคือบริษัทศูนย์ข้อมูลที่ประสบปัญหา Exodus Communication ซึ่งมีมูลค่าตลาดสูงสุดถึง 32,000 ล้านดอลลาร์ จากนั้นก็ล้มละลายถึงสองครั้งขณะที่ความต้องการศูนย์ข้อมูลยังคงลดลง
ในปี 2004 ผมแนะนำให้บริษัทของเราเข้าซื้อกิจการศูนย์ข้อมูลนั้นจากการล้มละลายครั้งที่สองในราคา 200 ล้านดอลลาร์ และรวมเข้ากับคู่แข่งที่ชื่อ Savvis
ในเวลานั้น ตลาดมองว่าศูนย์ข้อมูลเป็นอุตสาหกรรมที่กำลังหดตัว บริษัทดอทคอมถอนแร็คเซิร์ฟเวอร์ออกจากไซต์ และพื้นที่ศูนย์ข้อมูลก็ว่างเปล่า นักวิเคราะห์อุตสาหกรรมคาดการณ์ว่าตามกฎของมัวร์ที่ระบุถึงการเติบโตแบบทวีคูณของความจุชิปและความหนาแน่นพลังงานของเซิร์ฟเวอร์ที่เพิ่มขึ้น แร็คเดียวใน 10 ปีจะให้พลังงานเท่ากับ 100 แร็คในปี 2005 และใน 20 ปี แร็คหนึ่งจะให้พลังงานเท่ากับ 10,000 แร็คในปี 2005 ภูมิปัญญาแบบดั้งเดิมบอกว่าชิปที่มีประสิทธิภาพมากขึ้นจะใช้พื้นที่ศูนย์ข้อมูลน้อยลงเมื่อเวลาผ่านไป
แนวคิดของเราที่ว่าความต้องการพื้นที่ศูนย์ข้อมูลจะเพิ่มขึ้นไม่ใช่ความคิดที่ได้รับความนิยมในเวลานั้น หาก 10,000 แร็คในปี 2005 จะถูกแทนที่ด้วยแค่หนึ่งแร็คในปี 2025 แล้วสหรัฐฯ ไม่มีพื้นที่ศูนย์ข้อมูลเหลือพออยู่แล้วหรือ?
IBM ออกโฆษณาแสดงห้องที่เต็มไปด้วยเซิร์ฟเวอร์ถูกแทนที่ด้วยเมนเฟรมเพียงเครื่องเดียว สมาชิกคณะกรรมการลงทุนที่สงสัยคนหนึ่งบอกผมว่าธุรกิจนี้เคยล้มละลายมาแล้วสองครั้งในสองปี และหากมันล้มละลายครั้งที่สาม ผมก็ควรจะไปกับมัน
ทุกวันนี้ แร็คหนึ่งสามารถให้พลังการคำนวณได้มากถึง 20,000 เท่าของแร็คในปี 2005 และอย่างที่ทุกคนทราบ แทนที่จะมีพื้นที่มากเกินไป เราไม่สามารถสร้างศูนย์ข้อมูลเพิ่มได้เร็วพอ ความต้องการแฝงที่มหาศาลจริงๆ ถูกปลดล็อกเมื่อประสิทธิภาพของแร็คเพิ่มขึ้น เรื่องราวของ Savvis ก็จบลงด้วยดีเช่นกัน โดยถูกขายในอีกหกปีต่อมาในราคา 3.2 พันล้านดอลลาร์
กฎของเจวอนส์เป็นจริงสำหรับถ่านหิน และเป็นจริงสำหรับศูนย์ข้อมูล มันจะเป็นจริงสำหรับงานความรู้ที่สนับสนุนด้วย AI เช่นกัน
งานความรู้และการขยายตลาด
ยี่สิบห้าปีที่แล้ว มีเพียงคนรวยเท่านั้นที่เข้าถึงคำแนะนำการลงทุนส่วนบุคคล ในปี 1996 ผู้ได้รับรางวัลโนเบล บิลล์ ชาร์ป ร่วมก่อตั้ง Financial Engines เพื่อให้คำแนะนำการลงทุนส่วนบุคคลแก่ทุกคนที่มีแผน 401(k)
บริษัทของผมเป็นผู้ลงทุน และผมได้รับสิทธิพิเศษในการทำงานใกล้ชิดกับบริษัทนี้ ในตอนแรกบริษัทพยายามขายคำแนะนำเกี่ยวกับวิธีการลงทุนเงินในแผน 401(k) แต่มีพนักงานเพียงประมาณ 20% เท่านั้นที่สนใจรับคำแนะนำและจัดการตำแหน่ง 401(k) ของตนเอง
นวัตกรรมที่ก้าวกระโดดของ Financial Engines คือการจัดการตำแหน่ง 401(k) โดยตรง ไม่ใช่แค่ให้คำแนะนำ พนักงานสามารถเลือกทำเครื่องหมายว่า "ทำให้ฉันเลย" ความต้องการจากผู้คนที่ไม่เคยเข้าถึงคำแนะนำนี้เลยนั้นเกินความคาดหมาย และสร้างประโยชน์มหาศาล ผมจำได้ว่าลูกค้ารายแรกคือ JCPenney ซึ่งพนักงานหลายหมื่นคนอายุเฉลี่ย 27 ปี มีเงินในแผน 401(k) ประมาณ 40% เป็นเงินสด 40% เป็นหุ้นของ JCPenney (ซึ่งต่อมาล้มละลายในปี 2020) และ 20% เป็นสิ่งอื่นๆ การย้ายพวกเขาไปยังกองทุนรวมที่เหมาะสมและมีต้นทุนต่ำตามอายุและเป้าหมายทางการเงินอื่นๆ ได้สร้างประโยชน์มหาศาล
Financial Engines เติบโตจากศูนย์ไปสู่สินทรัพย์ภายใต้การบริหาร 169,000 ล้านดอลลาร์ เมื่อถูกซื้อในปี 2018 ในราคา 3,000 ล้านดอลลาร์
บริษัทนี้ให้บริการที่คล้ายกับสิ่งที่เราเรียกกันว่า AI แบบเอเจนต์ในปัจจุบัน ลูกค้า (พนักงานที่มีเงินเกษียณ) มอบอำนาจในการตัดสินใจ (ลงทุนเงินของฉัน) ให้กับระบบคอมพิวเตอร์ และพนักงานจ่ายเงินตามผลลัพธ์ (~50 จุดพื้นฐานต่อ AUM)
แน่นอนว่าเทคโนโลยีที่ใช้ในการให้บริการนี้แตกต่างกันมาก และนี่เป็นการใช้งานเฉพาะทางอย่างมาก แต่บทเรียนยังคงอยู่: ซอฟต์แวร์ช่วยเพิ่มประสิทธิภาพอย่างมากในการให้บริการงานความรู้ (ในกรณีนี้คือคำแนะนำการลงทุนส่วนบุคคล) และตลาดแฝงขนาดใหญ่ปรากฏขึ้นเพื่อซื้อบริการนี้
จุดจบของการจำกัดงานความรู้
ประสิทธิภาพต้นทุนที่เพิ่มขึ้นของ AI เช่นเดียวกับประสิทธิภาพต้นทุนที่เพิ่มขึ้นของอัลกอริธึมของ Financial Engines ช่วยให้ความต้องการเพิ่มขึ้น เพราะมันผ่อนคลายข้อจำกัดด้านอุปทานสำหรับงานความรู้
ตลอดประวัติศาสตร์มนุษย์ แม้กระทั่งถึงปัจจุบัน งานความรู้ถูกจำกัดเสมอเพราะมีข้อจำกัดด้านอุปทาน
คนทำงานด้านความรู้ต้องใช้เวลาหลายปีในการศึกษาและฝึกอบรม มักต้องการอาศัยอยู่ในสถานที่ที่มีค่าใช้จ่ายสูง เมื่อเวลาผ่านไปอยากทำงานเฉพาะปัญหาที่ตนสนใจ และต้องการการบริหารจัดการจำนวนมากเพื่อให้อยู่ร่วมกันได้ นั่นคือเหตุผลที่เราจ่ายค่าตอบแทนสูงให้พวกเขาและทำทุกอย่างเพื่อให้พวกเขามีประสิทธิผลมากขึ้น
ซอฟต์แวร์ธุรกิจเป็นเครื่องมือที่ช่วยให้คนทำงานด้านความรู้มีประสิทธิผลมากขึ้น ตลาดซอฟต์แวร์ธุรกิจทั้งหมดในสหรัฐฯ มีมูลค่าประมาณ 0.5 ล้านล้านดอลลาร์ต่อปี ตามข้อมูลของ Gartner ตลาดสหรัฐฯ สำหรับงานความรู้ ซึ่งคือจำนวนเงินที่จ่ายให้คนทำงานด้านความรู้ 100 ล้านคนในประเทศนี้ มีมูลค่าประมาณ 10 ล้านล้านดอลลาร์ ตามตัวเลขของ สำนักงานสถิติแรงงานสหรัฐฯ ปัจจุบัน เราใช้เงินประมาณ 5% ของค่าใช้จ่ายคนทำงานด้านความรู้ไปกับเครื่องมือซอฟต์แวร์เพื่อช่วยพวกเขา
AI ช่วยให้บริษัทซอฟต์แวร์ไม่เพียงแค่ขายเครื่องมือให้คนทำงานด้านความรู้ แต่เริ่มขายผลลัพธ์ของงานความรู้เอง ดังที่ผมเคยเขียนไว้ในบทความก่อนหน้าของ Crunchbase
เมื่อรวมทั้งหมดเข้าด้วยกัน: การบีบต้นทุน 90% ในการพัฒนาซอฟต์แวร์ พร้อมความสามารถในการขายงานความรู้ เรารู้ว่ามีความต้องการแฝงมหาศาลสำหรับงานความรู้ ถ้าเพียงแต่มันไม่แพงและเข้าถึงยาก
เป็นครั้งแรกที่คนนับล้านและธุรกิจที่ไม่เคยเข้าถึงนักวางแผน นักวิเคราะห์ ทนายความ หรือที่ปรึกษาทางการเงินกำลังจะได้รับสิ่งเหล่านี้
ซอฟต์แวร์ยังห่างไกลจากความตาย ประสิทธิภาพที่เพิ่มขึ้นจาก AI จะช่วยให้ซอฟต์แวร์ทำสิ่งต่างๆ ได้มากขึ้นด้วยต้นทุนที่ต่ำลง และเหมือนกับเครื่องยนต์ถ่านหินหรือศูนย์ข้อมูลที่มีประสิทธิภาพมากขึ้น สิ่งนี้จะปลดล็อกความต้องการแฝงมหาศาลสำหรับงานความรู้
ในที่สุด สิ่งนี้จะเพิ่มรายได้และความแข็งแกร่งของบริษัทซอฟต์แวร์ที่ใช้ AI เพื่อเพิ่มประสิทธิภาพการทำงานของคนทำงานด้านความรู้หรือส่งมอบผลลัพธ์ของงานความรู้โดยตรง หน้าที่ของซอฟต์แวร์ในปัจจุบันคือการแก้ปัญหาในการส่งมอบสิ่งเหล่านี้อย่างปลอดภัยและเชื่อถือได้
ไม่ใช่เรื่องง่ายสำหรับอุตสาหกรรมที่จะเรียนรู้วิธีจัดการคนทำงานด้านความรู้ที่เป็นมนุษย์ และมันจะเป็นงานที่ใหญ่พอๆ กันในการเรียนรู้วิธีจัดการคนทำงานด้านความรู้ที่เป็นเครื่องจักร นั่นคือความท้าทาย
แต่โปรดจำไว้ว่าปัจจุบันตลาดสำหรับงานความรู้มีขนาดใหญ่กว่าตลาดซอฟต์แวร์ถึง 20 เท่า ขนาดของรางวัลสำหรับบริษัทซอฟต์แวร์คือการปลดล็อกความต้องการแฝงสำหรับงานความรู้ ซึ่งหากประวัติศาสตร์เป็นแนวทาง จะทำให้ตลาดซอฟต์แวร์ในปัจจุบันเล็กน้อยไปเลย
ตลาดในปัจจุบันกลัวว่าประสิทธิภาพที่ AI นำมาจะทำให้อุตสาหกรรมซอฟต์แวร์หดตัว แต่ความจริงกลับตรงกันข้าม AI จะปลดล็อกความต้องการแฝงมหาศาลสำหรับงานความรู้ และตลาดซอฟต์แวร์จะพุ่งทะยาน ขอให้ซอฟต์แวร์มีชีวิตชีวาต่อไป
บ็อบ มอร์ส ร่วมก่อตั้ง Strattam Capital ในปี 2014 และเป็นผู้จัดการร่วม เขาเคยดำรงตำแหน่งในคณะกรรมการบริษัทเทคโนโลยีทั้งเอกชนและรัฐบาล และปัจจุบันเป็นกรรมการของ CloudHesive, Contegix, Daxtra Technologies, Green Security, Resource Navigation และ Trax Group ก่อนหน้านี้เขาเคยเป็นหุ้นส่วนและสมาชิกคณะกรรมการลงทุนที่ Oak Hill Capital Partners เขายังเคยทำงานที่ GCC Investments และ Morgan Stanley มอร์สดำรงตำแหน่งในคณะกรรมการบริหารของ Austin PBS และเป็นสมาชิกคณะกรรมการที่ปรึกษาของ HMTF Center for Private Equity Finance ที่ The University of Texas at Austin McCombs School of Business เขาเข้าเรียนที่ Princeton University จบการศึกษาด้วยเกียรตินิยมอันดับหนึ่งด้วย BSE และที่ Stanford Graduate School of Business ซึ่งเขาได้รับ MBA และเป็นนักวิชาการอาร์เจย์ มิลเลอร์ มอร์สอาศัยอยู่ที่ออสติน
บทความที่เกี่ยวข้อง:
- อย่าพูดถึง AI อย่างเดียว วัดผลลัพธ์ทางธุรกิจ นี่คือวิธีการ
- การเติบโตของผู้บริหาร AI
- จากสิ่งประดิษฐ์สู่นวัตกรรม: เข้าใจช่วงเวลาของ AI
ภาพประกอบ: Li-Anne Dias
