喝奶昔：AI夹心如何帮助初创企业击败 incumbents | 安德森霍洛维茨

“你看，我拥有一切周围的东西，所以我当然拥有它下面的一切。我喝……你的……奶昔。我把它喝光！”

在保罗·托马斯·安德森的杰作《血色将至》中最令人难忘的一个场景中，丹尼尔·戴-刘易斯饰演的石油勘探者丹尼尔·普莱恩维尤试图购买他确信位于一大片油田之上的土地。当土地所有者拒绝出售时，普莱恩维尤离开了，并且转而购买了所有的土地。围绕他想要的包裹。这使他能够钻探到地下，到达邻居油田的边缘，并偷偷捕获他想要的石油，正如他所做的事情一样，臭名昭著地冷笑，“我喝你的奶昔。”但是奶昔和奥斯卡获奖演员与垂直软件的新细分市场有什么关系呢？请继续阅读。

我们有写的 广泛地在垂直软件以及楔子产品。提醒一下，楔子是一种帮助建立与客户关系的产品，并且（希望！）能够捕获有价值的下游数据。为了延续我们的“血色将至”的类比，传统的楔子产品主要集中在以类似于直接购买油田上方土地的方式来收集数据：它们通常使人类生成的信息可以被输入或提取到系统中。想想销售人员在Salesforce中录入潜在客户信息、ServiceTitan管道工输入调度信息，或是Procore建筑监督员管理项目信息。员工们将所有这些数据输入并跟踪以帮助推动或追踪表现、与同事协作，并优化运营。

这一时刻令人兴奋的地方在于，大规模语言模型可以实现传统软件无法做到的在数据创建点捕捉数据的体验。这些体验通常发生在较早阶段，历史记录系统，意味着这些新产品可以捕获、结构化并存储之前无法访问的公司数据，并使其变得可用。这相当于“夺走了某人的奶昔”，它可能创造了一个垂直软件的黄金时代——尤其是在那些几十年来一直被老牌平台主导的类别中，如销售(Salesforce, HubSpot)，保险(Guidewire / Duck Creek)，信息技术服务管理(ServiceNow)，和呼叫中心(Genesys)

这些类别在过去一直是“慢热”行业，也就是说新进入者通常难以迅速增长收入，并且由于现有企业的防御性姿态，他们往往因为规模不足而陷入困境。我们现在看到人工智能的创新产品正在将这些行业转变为“快热”，使得初创企业能够以惊人的速度发展。以下是迄今为止我们见过的最具吸引力的一些此类产品的版本：

语音：对于大多数销售或客户服务互动仍然通过电话或面对面进行的行业，垂直训练的语音代理可能会赋能一个新的记录系统，在现有记录系统需要填充之前捕获数据。这消除了人类随时间与记录系统交互的必要性，并捕获了过去难以收集的数据。

解放例如，Liberate 有一个专门针对保险行业的语音代理，并且它与企业软件平台配对。它们共同作为一个自动化平台，位于像 Guidewire 或 Duck Creek 这样的保险公司遗留系统的顶层，以及自建系统之上。Liberate 的关键在于其中间件平台，该平台允许其语音代理具备读取和写入遗留系统的能力，从而有效地增强或替代人工员工处理提交、接受支付和解决索赔的工作——这些都是保险承销商、代理人和经纪人多年未见任何真正创新的领域。

此剧本然后可以针对其他呼叫量大且拥有遗留基础设施的类别重新运行，例如银行业和旅游业。

消息和邮件：如果销售和支持是通过电子邮件或消息进行的，这也是在数据到达传统记录系统之前捕获数据的一种方式。再次强调，关键考虑因素是以文本为基础的代理所需的情境。如果是外联营销或销售，理想的客户是谁以及适当的电子邮件地址是什么？如果是合成报价、提案或索赔，价格或索赔指南是什么以回应客户？我们认为我们将看到这种情形的垂直和水平实例。

例如，11x构建了一个新的AI驱动的销售开发代表，可以自动为公司生成潜在客户并安排会议。它创建了语音和电子邮件产品，能够自动识别、联系并处理潜在客户的互动——实际上取代了整个SDR工作流程。通过这样做，在潜在客户到达CRM之前就创造了新线索，并且随着模型和培训的改进，最终可能成为所有销售数据的真实来源。

与此同时，hx的定价智能工具帮助保险公司更有效地吸收和建模定价数据。保险承销商，尤其是商业保险承销商，因处理混乱的数据耗时较长而著称，在回复报价请求方面速度较慢。hyperexponential利用基于LLM（大型语言模型）的工具来更高效地结构化提交的数据，并将这些数据存储在其Python基工具中供精算师和承保人使用。这为定价数据创建了一个事实系统。

内部通信：管理大型公司的技术运营如此具有挑战性，很大程度上是因为不断处理员工入职和离职的问题，以及隔离和管理帮助台请求的难题。ServiceNow 构建了一个灵活的价值超过 1900 亿美元的企业级软件，可以帮助公司管理所有这些请求。但是，就像销售或支持一样，最耗时的部分是启动或贯穿整个支持过程中的对话。LLM 可以解决这些对话元素，并且有可能甚至解决一些后端自动化问题。

修复大师例如，他们正在建立一个新的技术赋能的服务平台，以增强现有的IT基础设施。他们有一个基于LLM的聊天界面，帮助识别和分类IT问题，从而加快工单解决时间。这个平台是建立在一个企业级的工单平台上，该平台能够学习如何自动处理各种重复出现的工单，并随着时间的推移减少对人工分析师的需求。

这些公司是初期楔形产品的绝佳例子，这些产品正在将发展缓慢的行业转变为迅速发展的行业。但随着技术简化了这一过程，一个显而易见的问题是：企业如何利用这些楔形产品进一步发展？建立一个持久且具有防御性的业务? 

• 集成没有任何一项功能能够在不与现有系统集成并启用读写能力的情况下运作。构建与所使用的大型语言模型增强工具相配套的集成软件对于这些业务的成功至关重要。在许多情况下，当集成和实施面临挑战（如金融服务领域）时，这可能会随着时间的推移形成一道护城河，特别是在基础模型不断改进和进入门槛降低的情况下。
• 工作流：而当它是在人工智能圣杯想象一个世界，其中AI可以消除所有工作流程，在这样的世界里，很可能仍然会有一些用户界面层，让使用者能够与数据互动、与同事协作以及修改输出。这些工作流层面目前由记录系统掌控。将它们整合到楔形产品中是使楔形产品成为奶昔的关键。
• 数据存储拥有着基础客户单元历史上一直是获取最大价值的方法。如果人工智能工具能够开始建立自己的数据存储库，它们就可以消除维护旧系统的需求，并从客户那里捕捉到更多的支出。

像丹尼尔·普莱恩维尤的石油策略一样，希望颠覆 established 玩家的垂直软件公司必须战略性地定位自己以提取价值。随着 LLMs（大型语言模型）能够以新的方式捕获和结构化数据，这些公司正准备重塑行业并触发垂直软件的黄金时代——前提是他们能够无缝集成并在其数据生态系统周围建立强大的护城河。是时候让初创企业开始撼动现有的市场地位了。