รัมพ์และสตรีปสร้างแหล่งรายได้ใหม่รอบงานที่ขับเคลื่อนด้วยปัญญาประดิษฐ์

ผู้เขียน: Simon Taylor

แปลโดย: Deep潮 TechFlow

คำแนะนำจาก Shenchao: AI ไม่ได้帶來เพียงการเพิ่มประสิทธิภาพ แต่ยังสร้างภารกิจใหม่ที่ไม่เคยมีมาก่อน: การใช้จ่ายโทเค็น การระบุตัวตนแบบตัวแทน และการจัดเส้นทางโมเดล Ramp และ Stripe ได้สร้างแหล่งรายได้ใหม่รอบภารกิจเหล่านี้ คุณค่าของพวกเขามิใช่แค่การเติบโต แต่เป็นการเดิมพันบน AI-native การเข้าใจแผนที่ “ภารกิจใหม่” นี้จะช่วยให้นักลงทุนแยกแยะได้ว่าใครได้รับประโยชน์ และใครจะถูกกำจัดออกไป

🧠 AI ได้สร้างคำถามของลูกค้าใหม่

การแก้ไขปัญหาเหล่านี้คือจุดที่ผลิตภัณฑ์การเงินรุ่นถัดไปกำลังเกิดขึ้น การใช้จ่ายโทเค็น การระบุตัวตนแบบตัวแทน และการจัดเส้นทางแบบโมเดลแทบจะไม่มีอยู่ก่อนยุค AI

Ramp ล่าสุดระดมทุน 750 ล้านดอลลาร์สหรัฐในรอบการระดมทุนที่มีมูลค่าบริษัท 44,000 ล้านดอลลาร์สหรัฐ มันอาจไม่จำเป็นต้องใช้เงินก้อนนี้ แต่การระดมทุนครั้งนี้ได้ซื้อสิ่งที่ใหญ่กว่าการเติบโตที่โดดเด่น* การระดมทุนครั้งนี้ได้ซื้อเรื่องเล่าที่สอดคล้องกันเกี่ยวกับการเป็น AI-native

เรื่องนี้น่าเชื่อถือ เพราะมันกำลังสร้างตัวเองขึ้นใหม่รอบงานลูกค้าที่สร้างโดย AI ตัวอย่างเช่น Router หาโมเดลที่มีต้นทุนต่ำที่สุดและคุณภาพสูงที่สุดสำหรับแต่ละคำขอ ซึ่งตามรายงานของ Ramp สามารถช่วยลดต้นทุนให้ลูกค้าได้ถึง 40% Stripe กำลังรวมเทคโนโลยีชุดเดียวกันนี้เข้าด้วยกัน: ชั้นล่างคือการชำระเงิน Metronome รับผิดชอบการวัดและเรียกเก็บเงินตามการใช้งาน ส่วนชั้นบนคือ OpenRouter ที่จัดการการรับส่งข้อมูลระหว่างโมเดลมากกว่า 400 ตัว รายงานระบุว่ามีการจ่ายเงินมากกว่า 7 พันล้านดอลลาร์สหรัฐให้กับชั้นบน

นักลงทุนทุกคน โดยเฉพาะนักลงทุนประเภทการเติบโต กำลังมองหาบริษัทที่ได้รับประโยชน์จากการเติบโตอย่างรวดเร็วของ AI และจึงมีความยั่งยืนมากขึ้น พวกเขาต้องการถือหุ้นของผู้ได้รับประโยชน์ และหลีกเลี่ยงการถือหุ้นของผู้ได้รับผลกระทบ

สัปดาห์นี้ฉันได้คุยกับผู้ก่อตั้งทั้งสามคน ทั้งสามคนกำลังใกล้เสร็จสิ้นการระดมทุนขนาดใหญ่ภายใต้ชื่อ AI-native คำถามที่ทั้งสามคนถามฉันมีความคล้ายกัน:

เราควรกำหนดตำแหน่งตัวเองเป็น AI-native อย่างไร? ผลิตภัณฑ์ของเราควรเป็นอะไร?

พวกเขาถามถึงปัญหาการกำหนดตำแหน่ง ฉันคิดว่าคำตอบคือปัญหาผลิตภัณฑ์

บทความนี้คือคำตอบของฉัน

แผนที่อย่างรวดเร็ว:

คุณอยู่ในตำแหน่งใด: ผู้รับ采纳, ผู้ได้รับประโยชน์ หรือผู้พื้นเมือง

AI สร้างขั้นบันไดของงาน: ทำงานเก่าให้ดีขึ้น; งานใหม่ที่อยู่ข้างเคียงกับแกนหลัก; งานใหม่ที่ยังไม่มีใครแก้ไข

ทำไมตัวแทนของคุณจึงต้องมีกลยุทธ์การกระจาย

ตอนนี้ควรทำอะไร

จุดที่มีประโยชน์ที่สุดจากคลีตัน คริสเทนเซนสำหรับบทความนี้คือ: ลูกค้าไม่ได้ซื้อผลิตภัณฑ์ของคุณ แต่พวกเขาจ้างผลิตภัณฑ์เพื่อทำหน้าที่บางอย่าง

งานที่ต้องทำในด้านการเงินรวมถึงการขอคืนค่าใช้จ่ายของฉัน การตรวจสอบบัญชีใบแจ้งหนี้ของฉัน และช่วยจัดการการฉ้อโกง งานเหล่านี้มีอยู่ก่อนที่จะมี AI โมเดลสมัยใหม่สามารถทำบางส่วนได้เร็วขึ้น ถูกกว่า และต้องการแรงงานมนุษย์น้อยลง แต่เมื่อลูกค้าตื่นขึ้นมา พวกเขาก็ยังต้องการสิ่งเดิมๆ

AI ยังสร้างงานประเภทที่สองขึ้นมา: ติดตามการใช้จ่ายโทเค็นของฉัน; ส่งคำขอการให้เหตุผลแต่ละรายการไปยังโมเดลที่เหมาะสมที่สุด; และทำให้ตัวแทนของฉันสามารถซื้อของได้ โดยไม่ต้องเปิดเผยตัวตนทั้งหมดและบัญชีธนาคาร

ก่อนที่ AI จะก่อให้เกิดปัญหาเหล่านี้ ไม่มีใครมีภารกิจเหล่านี้

ฉันคิดเกี่ยวกับการเป็น AI-native ผ่านเมทริกซ์ 2x2

งาน: งานสำหรับลูกค้าเก่ามีอยู่ตลอด (เช่น การจัดการการฉ้อโกง) ในขณะที่งานที่ AI สร้างขึ้นมาพร้อมกับเทคโนโลยี (เช่น การจัดการค่าใช้จ่ายของโทเค็นของฉัน)

บริษัท: บริษัทหรือผลิตภัณฑ์ที่มีอยู่ก่อนหน้า AI หรือบริษัทที่มีอยู่ได้เฉพาะเพราะ AI

วางสองอย่างนี้ไว้ด้วยกัน แล้วจะเป็นแบบนี้ใช่ไหม

ภารกิจสำหรับลูกค้าเก่า

งานของลูกค้าที่สร้างโดย AI

บริษัท/ผลิตภัณฑ์ที่มีอยู่แล้ว

นูแบงก์ / นูฟอร์เมอร์

Ramp และ Stripe

ไม่มีทางเกิดขึ้นได้โดยไม่มี AI สมัยใหม่

ฮาร์วีย์ เฮบเบีย และโรโก

OpenRouter และ fal

ด้านซ้ายบนคือการใช้ความลึก Nubank ใช้ NuFormer เพื่อตัดสินใจด้านสินเชื่อที่ดีขึ้น แต่การพิจารณาอนุมัติสินเชื่อเป็นภารกิจของธนาคารแบบดั้งเดิม

ด้านล่างซ้ายคือตำแหน่งของ Harvey, Hebbia และ Rogo: ผลิตภัณฑ์เหล่านี้ไม่สามารถมีอยู่ได้ก่อนที่โมเดลสมัยใหม่จะเกิดขึ้น พวกเขากำลังทำงานวิจัยด้านกฎหมายและการเงินที่มีอยู่แล้วตั้งแต่ก่อนหน้านี้

ด้านขวาคือทิศทางของลมตามแนวโน้ม เมื่อ AI นำเสนอสิ่งใหม่ให้ลูกค้าซื้อ Ramp และ Stripe ได้มีธุรกิจอยู่แล้ว OpenRouter และ fal มีความหมายก็เพราะการประมวลผลเชิงตรรกะได้กลายเป็นอุตสาหกรรม

สิ่งนี้ยังหมายความว่าบริษัทหนึ่งสามารถครอบครองมากกว่าหนึ่งช่องได้ ผลิตภัณฑ์ด้านการจ่ายเงินของ Ramp อยู่ที่มุมซ้ายบน แผงโทเค็นและ Router ของมันอยู่ที่มุมขวาบน ธุรกิจการชำระเงินของ Stripe อยู่ที่มุมซ้ายบน; Metronome และ OpenRouter ดึงมันไปทางด้านขวาของตาราง สิ่งต่างๆ แทบไม่มีทางจัดเรียงได้สะอาดตาในแมทริกซ์ 2x2

ดังนั้นโปรดอนุญาตให้ฉันเสนอแนวคิดอีกหนึ่งประการให้คุณ

ฉันพบว่ามีสามแท็กที่เหมาะกับการอธิบายท่าทีของบริษัท:

ผู้ใช้รับบริการ AI เพื่อตอบสนองความต้องการที่มีอยู่แล้ว อาจเพิ่มผู้ช่วยข้างๆ ลงมา นี่คือคุณค่าที่แท้จริง พวกเขาสามารถทำได้เร็วขึ้น ถูกกว่า และกระชับกว่า แต่โครงสร้างสายการขายยังคงเดิม บริษัท SaaS ส่วนใหญ่ที่เพิ่มตัวแทนเป็นประเภทนี้

ผู้รับผลประโยชน์ทำภารกิจเก่าให้ดีขึ้น และจับโอกาสความต้องการใหม่ที่ AI สร้างขึ้นข้างๆ เช่น Ramp หรือ Stripe เป็นตัวอย่างที่ชัดเจนที่สุด การจัดการค่าใช้จ่ายยังคงเป็นภารกิจหลัก; การจัดการต้นทุนโทเค็นและการจัดเส้นทางโมเดลคือช่องทางรายได้ใหม่ที่อยู่ข้างๆ

ชนพื้นเมืองมีอยู่เพราะมีความต้องการใหม่ OpenRouter จัดส่งคำขอระหว่างโมเดลมากกว่า 400 ตัว fal ดำเนินการประมวลผลเชิงสร้างสรรค์สื่อในขนาดใหญ่ ในโลกที่ไม่มีการประมวลผลเชิงสร้างสรรค์ให้ขาย ทั้งสองบริษัทนี้จะไม่มีธุรกิจ

ภาพนี้แสดงให้คุณเห็นว่าความต้องการมาจากการไหน

งานของคุณคือการบอกคุณว่าโอกาสอาจอยู่ที่ไหน การเป็นผู้ใช้งานแบบ AI-native มีขั้นบันได: ด้านล่างคือสิ่งที่คุ้นเคย ด้านบนคือปัญหาอันยิ่งใหญ่ที่ยังไม่ได้รับการแก้ไข มาปีนขึ้นไปกับฉันกันเถอะ

รูปแบบการดำเนินงานที่ขับเคลื่อนด้วย AI เปลี่ยนรูปร่าง การจัดการ และระบบปฏิบัติการของบริษัท ทีมงานสร้างเครื่องมือเสริมรอบพนักงาน เชื่อมต่อกับข้อมูลภายใน แชร์ทักษะ และเปลี่ยนแปลงว่าใครสามารถทำอะไรได้บ้าง ผลิตภัณฑ์และดีไซเนอร์เริ่มปล่อยโค้ด วิศวกรเข้ามาเกี่ยวข้องกับผลิตภัณฑ์มากขึ้น ทีมงานสร้างเครื่องมือภายในของตนเองเอง (ดูเพิ่มเติมในรายงานรูปแบบการดำเนินงานด้วย AI)

นี่คือตั๋วเข้าชม มันช่วยให้คุณเร่งความเร็ว แต่เพียงตั๋วนี้ไม่สามารถเปลี่ยนสิ่งที่คุณขายได้

ผลิตภัณฑ์ที่เกิดจาก AI บางตัวให้บริการสำหรับงานที่เก่าแก่มาก แต่นั่นไม่ได้ลดความเป็น AI-native ของพวกมัน

ก่อนการปรากฏของ AI การตรวจสอบการปฏิบัติตามกฎระเบียบ การจับคู่เอกสารและอีเมล การวิจัยทางกฎหมาย และรายงานทางการเงิน ล้วนเป็นงานเอกสารที่ยุ่งยาก Beacon, Sardine*, Gradient Labs, Harvey, Hebbia และ Rogo ใช้แบบจำลองสมัยใหม่เพื่อสรุปเอกสารและแหล่งข้อมูลนับร้อย แล้วให้คำตอบหรือจัดการกระบวนการ ผลิตภัณฑ์เหล่านี้ไม่สามารถสร้างขึ้นได้เมื่อไม่กี่ปีก่อน แต่ภารกิจเองนั้นเก่าแก่มาก

ฉันเป็นที่ปรึกษาของ Sardine

หากคุณทำงานด้านการจัดการค่าใช้จ่าย การจัดการบัญชี หรือช่วยผู้คนในการชำระเงิน งานสำหรับลูกค้าเก่ายังคงมีอยู่ แต่ก็มีงานใหม่ปรากฏขึ้นข้างๆ งานเหล่านั้น มีหลายรูปแบบ

งาน: ช่วยจัดการการใช้งาน AI แผงควบคุมโทเค็นของ Ramp เป็นงานที่ถูกสร้างขึ้นโดย AI และถูกฝังอยู่ภายในผลิตภัณฑ์ที่มีอยู่แล้ว คุณอาจโต้แย้งว่าแผงต้นทุนไม่ใช่สิ่งใหม่ Vantage และ Datadog ได้กำหนดราคาให้กับค่าใช้จ่ายด้านคลาวด์และการคำนวณมานานหลายปี แต่ความแตกต่างอยู่ที่ใบแจ้งหนี้ ก่อนที่ AI จะออกใบแจ้งหนี้โทเค็นให้คุณ ไม่มีใครเคยต้องจัดหมวดหมู่ คาดการณ์ หรือแยกแยะต้นทุนโทเค็นระหว่าง COGS กับ OpEx บน Ramp การใช้จ่ายโทเค็นของ AI เพิ่มขึ้น 20.7 เท่าระหว่างเดือนมิถุนายน 2025 ถึงมิถุนายน 2026 Metronome ซึ่งตอนนี้เป็นส่วนหนึ่งของ Stripe อยู่อีกด้านหนึ่งของงานเดียวกันนี้ รับผิดชอบในการวัดและเรียกเก็บเงินสำหรับการใช้งานนี้

งาน: ช่วยเชื่อมต่อเอเจนต์ของฉันกับผลิตภัณฑ์ของคุณและดำเนินงานให้เสร็จสิ้น บริษัทต่างๆ เช่น Mercury, Visa, Ramp กำลังเปิดตัวอินเทอร์เฟซบรรทัดคำสั่ง (CLI) Stripe ซึ่งเป็นผู้เล่นรายเก่าได้เปิดตัว CLI ของตนเองเมื่อเจ็ดปีก่อน แต่หลังจากที่ Claude Code เปิดตัว การใช้งานจึงพุ่งสูงขึ้นอย่างมาก CLI เป็นอินเทอร์เฟซผู้ใช้ที่ใช้บรรทัดคำสั่ง (เทอร์มินัล) แทนแอปหรือเว็บไซต์ เอเจนต์รู้สึกว่าอินเทอร์เฟซเหล่านี้เข้าถึงได้ง่ายกว่า และการใช้งาน CLI ใช้ token น้อยกว่ามาก ตัวอย่างเช่น การรัน Ramp CLI ในโหมด --agent จะส่งคืนธุรกรรมในรูปแบบ JSON ประมาณ 105 token ในขณะที่การรันธุรกรรมเดียวกันในโหมด --human ต้องใช้ 280 token เพื่อจัดรูปแบบให้แสดงผล นี่คืออินเทอร์เฟซผลิตภัณฑ์ที่ออกแบบมาสำหรับลูกค้าที่ไม่ใช่มนุษย์

งาน: ช่วยให้ร้านของคุณถูกพบโดยตัวแทน AI ปัจจุบันประมาณหนึ่งในสามของกลุ่ม Z ใช้ AI แทน Google เพื่อวิจัยว่าจะซื้ออะไร หากร้านและ SKU ของคุณไม่อยู่ที่นั่น คุณอาจพลาดโอกาส บริษัทอย่าง Shopify, WooCommerce และผู้ให้บริการการชำระเงิน (PSP) ที่ช่วยธุรกิจอีคอมเมิร์ซ ตอนนี้ก็กำลังปรับปรุงส่วนนี้

ปัญญาประดิษฐ์ได้สร้างความต้องการใหม่ทั้งประเภทขึ้นมาข้างๆ ธุรกิจของคุณ โอกาสของคุณคือการสร้างอินเทอร์เฟซที่ตอบสนองความต้องการเหล่านี้ ไม่จำเป็นต้องเปลี่ยนแปลงธุรกิจทั้งหมดทันที

แต่ลองจินตนาการถึงอนาคตที่ตัวแทนอัจฉริยะคิดเป็น 80% ถึง 90% ของการจราจรบนอินเทอร์เน็ต ธุรกิจ และเศรษฐกิจ หากสิ่งนี้มีความจริงแม้เพียงบางส่วน คุณจะปรับตำแหน่งบริษัทและเรื่องราวของคุณใหม่อย่างไร? หน่วยคุณค่าหลักที่คุณสร้างขึ้นคืออะไร? มันใช้ได้อย่างไรกับลูกค้าคนนั้น?

ในแนวคิดเชิงการทดลองนี้ เราต้องละทิ้งมุมมองที่มองว่า AI เป็นเพียงฟีเจอร์เสริมที่ต่อเติมเข้าไปบนธุรกิจที่มีอยู่

บางปัญหาไม่มีอยู่ก่อนการระเบิดของ AI และไม่ได้เกิดขึ้นเพียงจากการใช้งาน AI อย่างง่าย

ฉันจะเชื่อมั่นในตัวแทนนี้ได้อย่างไรเมื่อมันจัดการข้อมูลของฉันหรือตัดสินใจต่างๆ? เรากำลังก้าวเข้าสู่โลกที่ตัวแทนที่พัฒนาโดยบุคคลที่สามอาจมีปฏิสัมพันธ์กับธุรกิจของคุณ คุณจึงจำเป็นต้องมีวิธีการรับรองว่าตัวแทนเหล่านี้ปลอดภัย น่าเชื่อถือ จัดการความเป็นส่วนตัว และมีนิติบุคคลที่รับผิดชอบอยู่เบื้องหลัง รูปแบบง่ายๆ คือตัวแทนอยู่ภายในผู้ให้บริการ SaaS ที่คุณมีข้อตกลงอยู่แล้ว แต่ตัวแทนกำลังกลายเป็นผลิตภัณฑ์หลักเอง ตัวแทนอาจมาจากห้องปฏิบัติการอย่าง Anthropic บริษัทสตาร์ทอัพ หรือแผนกภายใน ฉันเห็นบริษัทต่างๆ สร้างหรือซื้อเปลือกหรือคอนโทรลแพลน (เช่น Primitive) เพื่อห่อหุ้มตัวแทนเหล่านี้ อีกวิธีหนึ่งคือ AIUC ซึ่งมีเป้าหมายในการรับประกันและรับรองตัวแทน

ฉันจะเชื่อถือตัวแทนอัจฉริยะนี้ในการซื้อขายได้อย่างไร? หากตัวแทนอัจฉริยะปรากฏตัวขึ้นในร้านของคุณเพื่อพยายามซื้อสินค้า คุณจะรู้ได้อย่างไรว่าชื่อเสียงของมันเป็นอย่างไร หรือผู้สร้างมันคือใคร? ผู้ใช้ได้ยืนยันตัวตนตัวแทนนี้เพื่อซื้อสินค้าหรือไม่? ในขณะนี้มีมาตรฐานใหม่ๆ ที่กำลังเกิดขึ้น เช่น A2A ของ Google, Trusted Agent Protocol ของ Visa และ FIDO ที่กำลังพัฒนามาตรฐานด้านตัวตน แต่เรายังอยู่ในระยะเริ่มต้นอย่างมาก บริษัทเช่น Natural Payments, Skyfire และ A-comm กำลังเข้ามาลงทุนในพื้นที่นี้ โดยจัดการกับขั้นตอนที่ตัวแทนอัจฉริยะใช้เงินจริงในกระบวนการธุรกิจของตัวแทน

ฉันจะได้รับการประมวลผลและการคำนวณที่มีต้นทุนต่ำกว่าได้อย่างไร? Brex ระบุว่า บริษัทจะเพิ่มซัพพลายเออร์การคำนวณแบบเปิดรายแรกภายในห้าเดือนหลังจากเกิดค่าใช้จ่าย API ของ OpenAI หรือ Anthropic เป็นครั้งแรก ห้าเดือน นาทีก่อนคุณยังคงจ่ายค่า API ให้กับห้องปฏิบัติการโมเดล แต่ในนาทีถัดไปคุณก็เริ่มเปรียบเทียบ Together AI, Fireworks และ Baseten คุณตัดสินใจว่าโหลดงานจะถูกดำเนินการที่ไหน และถามฝ่ายการเงินว่าจะป้องกันความเสี่ยงด้านต้นทุนอย่างไร AI ได้สร้างห่วงโซ่อุปทานซอฟต์แวร์ขึ้นมา แล้วเริ่มสร้างชั้นทุนใต้มัน Nvidia และวอลล์สตรีทกำลังพยายามระดมทุน 5 แสนล้านดอลลาร์รอบชั้นนี้

ที่มา: Brex Benchmark; ข้อมูลบัตรและชำระบิลของ Brex มกราคม 2021 – มิถุนายน 2026

งานเหล่านี้มีขนาดใหญ่กว่าฟีเจอร์ โดยครอบคลุมผลิตภัณฑ์ ข้อมูล ตัวตน และเงินทุน เมื่อใดก็ตามที่มันข้ามไปยังผลิตภัณฑ์ คำถามก็จะกลายเป็นว่าลูกค้าไว้วางใจใครที่นั่งอยู่เหนือมัน

ฉันไม่ต้องการเอเจนต์ของคุณ ฉันต้องการให้เอเจนต์ของฉันเข้ามาในผลิตภัณฑ์ของคุณ

ลูกค้าทางธุรกิจส่วนใหญ่ในที่สุดจะดำเนินการควบคุมระดับแพลตฟอร์มหรือชีลล์: สถานที่สำหรับจัดการเอเจนต์ที่พวกเขาเป็นเจ้าของ ข้ามเครื่องมือที่พวกเขาใช้ เอเจนต์ทางการเงินของซีเอฟโอ เอเจนต์การเขียนโค้ดของวิศวกร และเอเจนต์การจัดซื้อของทีมปฏิบัติการ จะได้รับการจัดสรรงบประมาณ การอนุมัติ และการตรวจสอบจากชั้นหนึ่งที่อยู่เหนือผลิตภัณฑ์

ผู้บริโภคก็จะมีเวอร์ชันของตนเองเช่นกัน ไม่ว่าจะเป็น Grokbot หรือ Instinct แอปพลิเคชันผู้บริโภคใหม่จาก OpenAI หรือ Google หรือแม้แต่ Apple ที่สุดท้ายก็ทำให้ Siri ดีขึ้นกว่าเดิม จะมีสิ่งใดสิ่งหนึ่งที่คำนึงถึงผู้ใช้ข้ามผลิตภัณฑ์เสมอ

การ์รี แทน กล่าวอย่างตรงจุดเกี่ยวกับภัยคุกคามที่ซอฟต์แวร์ปัจจุบันต้องเผชิญ:

ระบบบันทึกมีข้อมูล สิทธิ์ และการจัดส่งที่จำเป็นสำหรับเปลือกแล้ว ปัญหาของพวกมันคือ ชั้นการจัดการแบบใหม่สามารถวางอยู่ด้านบนและเปลี่ยนผลิตภัณฑ์แต่ละตัวด้านล่างให้เป็นผู้ให้บริการที่เรียกใช้งานได้

สิ่งนี้นำไปสู่ตัวเลือกเชิงกลยุทธ์สามประการ:

มีการจัดการ เป็นที่ที่ลูกค้าสามารถดู อนุญาต และจัดการตัวแทนแต่ละตัว

มีจุดควบคุมที่น่าเชื่อถือ แม้ว่าผู้อื่นจะมีเปลือกนอก ตัวตน ชื่อเสียง เส้นทางการส่งข้อมูล การจัดซื้อ และการชำระเงินก็ยังคงรักษาคุณค่าไว้

เป็นผลิตภัณฑ์ที่เรียกใช้งานได้ง่ายที่สุดสำหรับเปลือกสำคัญทุกอัน CLI, API และอินเทอร์เฟซตัวแทนคือช่องทางการแจกจ่าย (นี่คือคำตอบที่ถูกต้องสำหรับหลายคนมากกว่าที่คุณคิด)

Salesforce และระบบแกนกลางของธนาคารจะไม่ละทิ้งจุดยึดที่พวกเขามีอยู่อย่างง่ายดาย สิ่งนี้ไม่ใช่แค่ทฤษฎีการรวมศูนย์เท่านั้น ระบบบันทึกสามารถกลายเป็นเปลือก; ผู้เชี่ยวชาญสามารถครอบครองจุดควบคุม; ผลิตภัณฑ์สามารถกระจายผ่านทั้งหมดเหล่านี้

ความตึงเครียดแบบนี้คือจุดสำคัญ รางวัลอาจเป็นควบคุมพื้นผิว มันอาจเป็นสิ่งที่ขาดไม่ได้ซึ่งควบคุมพื้นผิวแต่ละอันต้องการ

กลับไปที่ผู้ก่อตั้งสามคนที่ฉันเคยพูดถึง

คำตอบ luôn luônคือการทำงาน ติดตามผลิตภัณฑ์

ค้นหางานที่ AI สร้างขึ้นใกล้กับคุณค่าที่คุณส่งมอบแล้ว แล้วสร้างอินเทอร์เฟซให้มัน

จากนั้นตัดสินใจว่ามันจะแพร่กระจายอย่างไร คุณสามารถมีเปลือกภายนอกที่มีจุดควบคุมที่เชื่อถือได้ภายใน หรือเปลี่ยนเป็นผลิตภัณฑ์ที่สามารถเรียกใช้งานได้อย่างสวยงามจากทุกเปลือกภายนอก

นี่คือการสร้างตัวเองขึ้นมาใหม่ คุณเริ่มต้นด้วยการใช้ AI ในการดำเนินชีวิตของคุณ คุณใช้มันเพื่อทำงานเก่าๆ ให้ดีขึ้น จากนั้นคุณก็ปีนขึ้นไปสู่งานใหม่ๆ ที่ยังไม่มีอยู่ก่อนที่โมเดลจะก่อให้เกิดปัญหากับลูกค้า

Ramp ไปถึง 440 พันล้านดอลลาร์สหรัฐ ไม่ใช่เพราะการจัดการค่าธรรมเนียมดีที่สุด มันไปถึงจุดนั้นเพราะนักลงทุนเชื่อว่า AI จะสร้างความต้องการใหม่ต่อเนื่องใกล้เคียงกับแกนหลัก และ Ramp สามารถจับจังหวะนั้นได้

เลือกงาน เลือกอินเทอร์เฟซ แจกจ่ายให้

(ตามมาตรฐานของบริษัทการเงิน การเติบโตของ Ramp นั้นน่าประหลาดใจ: TPV (ปริมาณการประมวลผลรวม) เพิ่มขึ้น 170% เมื่อเทียบกับช่วงเดียวกันของปีที่แล้วจนถึงเดือนมีนาคม ซึ่งเป็นอัตราการเติบโตที่เร็วที่สุดในรอบสามปี โดยขนาดธุรกิจของมันได้ขยายใหญ่ขึ้น 20 เท่า)