旧来の業界で垂直型 SaaS を構築する: 戦うのではなく適合する AI

AI 駆動型 SaaS の構築への道のりは、特にこれらの旧来の業界がそれをどれほど必要としているかに気付いてから、私たちを未知の領域へと導きました。このシリーズのパート 1では、最初の ERP 製品の構築で遭遇した障害について説明しました。次に、旧来のやり方で物事を進めようとしている業界で、AI がどのように方向転換し、新しい機会を切り開くのに役立ったかについて詳しく見ていきましょう。

すべてが始まった場所

私たちが事業を開始したとき、電子商取引は流通業者にとって当然の解決策のように見えました。時代遅れの注文入力プロセスを近代化するためのツールを構築しましたが、すぐに壁にぶつかりました。シェフたちは依然として電話でサプライヤーに連絡することを好んでいたのです。彼らは古いやり方を変えようとせず、どんなに洗練されたオンライン システムでも一夜にしてそれを変えることはできませんでした。私たちは彼らの現状に応える必要がありました。

そこで私たちは計画を見直し、サプライヤーの顧客がサービスを提供しているすべてのオペレーター（アクティブな e コマース アプリ ユーザーから、解約したユーザー、アプリのアイデアに猛反対するシェフまで）に電話をかけ、彼らの本当の意見を聞き始めました。結局、アプリからの注文は、私たちが思い描いていた電話/テキスト メッセージ/メールよりも 10 倍優れた体験ではありませんでした。製品の在庫状況や配送状況をライブで確認できるようにしない限り、これはソフトウェア製品だけでは解決するのが難しすぎる問題だと私たちは考えました。

同時に、卸売業者が毎晩何時間もかけて手動で注文を入力する作業に追われていることもわかっています。この退屈な作業をすべて自動化するにはどうすればよいでしょうか。そのときに、大規模言語モデルが非構造化データを扱うワークフローに最適であることに気付きました。AI はコストの方程式を劇的に変え、これまでは面倒すぎて自動化できなかった操作を自動化できるようにします。これは、食品流通のような技術的に十分対応されていない業界をようやく現代化するための欠けているピースです。これはまさにパラダイムシフトです。世界のデータの約80%は非構造化データです。

そこで、私たちは方向転換しました。サプライヤーとオペレーターの両方に完全にデジタル化されたワークフローを採用するように強制するのではなく、既存のプロセスを補完する Butter の AI Order Assistant のような AI を活用したツールを構築しました。

AI で方向転換する (約束以上のもの)

AI の成功は「より魅力的な」製品を作ることではなく、実際にユーザーのタスクを完了させることだと私たちはすぐに学びました。AI 注文アシスタントは、シェフや配達員にプロセスを作り直すよう要求しませんでした。彼らがすでに知っているものに適応し、ワークフローにうまく組み込んだのです。

必要なのはそれだけです。自然言語による注文 (音声コマンドやテキストなど) を処理できる AI を構築することで、プロセスは難しくなるのではなく、簡単になりました。また、これはアドオンであり、システム全体を置き換えるものではないため、販売業者はすぐに導入しました。発売から数週間以内に、数十社のサプライヤーと ERP パートナーが関心を示しました。彼らは、これを「デジタル変革」に通常伴う面倒な作業のない簡単なアップグレードだと見なしました。

クライアントがオンボーディングすると、当社はクライアントの注文デスクのメールとボイスメールの受信トレイに接続し、各顧客の注文ガイド コンテンツと過去の注文パターン (ERP から読み取ったもの) を活用して、受信したクライアントの注文を構造化された注文書エントリに自動的に変換し始めます。シェフの好みに関する知識が、営業担当のジョーイの頭の中からデジタル システムに初めて転送されました。シェフが単に「エビ 2 ケース」と注文すると、システムは「冷凍タイガー シュリンプ 4～6 個」を意味しているのかどうかを正確に理解でき、「EZ ピール シュリンプ 16～20 個」や販売されている他の 80 種類のエビ製品ではなく、「冷凍タイガー シュリンプ 4～6 個」を意味しているのかどうかを正確に理解できます。

AI による提案が 100% 完璧ではないことは承知しているため、私たちは広範な UX インタビューを実施し、ユーザーがモデル出力を簡単に修正して次回正しく実行できるようにしました。重要なのは、何百もの注文を入力するために ERP システムで同様のホットキーに大きく依存しているため、すべてをキーボード入力だけで実行できるようにしたことです。ユーザーはこの体験を気に入り、すぐに利用し始めました。最終結果は、注文処理時間が 96% 以上短縮され、サプライヤー クライアントはバックオフィス スタッフの数を減らすか、品質管理や顧客関係管理などのより価値の高いタスクを実行するためにスタッフを昇格させることができました。

Butter が GrubMarket に買収された後、私たちは AI 注文アシスタント モデルを採用し、それを GrubAssist に拡張しました。このツールは既存の ERP 上にあり、自然言語のビジネス インテリジェンスと分析を提供します。食品業界が知っていて使用しているものに簡単に統合できます。倉庫受領や BOH に精通している人なら誰でも知っているように、中断のないワークフローだけが人々の正気を保つ唯一の方法です。

要点:すべてを全面的に見直すことなく、既存のワークフローに適合する AI ソリューションから始めます。統合の容易さと使いやすさが、より迅速な導入の鍵となります。

LLM製品の構築から学んだこと

1. 技術的な制限を考慮して設計します。LLMは強力ですが、まだ成熟段階です。信頼性の点で遅れをとったり、基準に達しなかったりすることがあります。巧みな設計により、技術的な欠点の一部を隠すことができます。たとえば、レストランや小売店は翌日の注文を前もって行うため、バックグラウンドで (サプライヤーのスタッフが早朝に出勤する前に) 処理することができ、速度を多少犠牲にして推論能力の高いモデルを選択できます。

   
   

2. 完璧さよりもスピード…初期段階では、「完璧な」モデルを見つけることにこだわらないでください。まずは市場に投入できるものを使用してください。RAG のようなシンプルな手法は、適切なコンテキストを与えれば驚くほどうまく機能します。正しい方法で構築されていれば、AI を組み込んだ製品は、基礎となる基盤モデルが改善されると、自動的に改善されます。

   
   

3. …ただし、基礎をしっかり固めてください。実験には柔軟性が必要です。モデルや機能を交換できるようにモジュール アーキテクチャを作成し、明確で定量化可能な製品内フィードバック システムを統合します。「感覚で構築する」だけでは不十分です。アーキテクチャによって、反復速度の確実な利点が得られる必要があります。

   
   

4. インターフェースは、製品の成功 (または失敗) を左右します。たとえ「完璧な」モデルであっても、タスクの 20% は品質管理のために人間が関与する必要があるという前提から始めてください。このインタラクションをできるだけシンプルで直感的なものにしないと、すぐにユーザーの支持を失ってしまいます。人間が関与する権限が強ければ強いほど、製品の改善に活用できます。

   
   

5. 構造化されていない知識をキャプチャします。旧来の業界では、重要な知識はデジタル化されておらず、人々の頭の中にあります。顧客の好みが営業担当のジョーイの頭の中にしか存在しない場合は、それをキャプチャするためのインターフェイスを作成します。これらの洞察により、モデルが強化され、差別化され、常に進化するデータの利点がもたらされます。

   
   

6. フィードバック ループは精度を高めます。エンジニアリングは AI 製品を大きく前進させますが、フィードバックはさらに前進させます。ユーザーが製品内で直接フィードバックを入力できるシームレスな方法を提供し、これをチューニング エンジンと組み合わせて、より正確でコンテキストに適した出力を実現します。

レガシーシステムを扱う秘訣

厳しい現実は、AI ソリューションがいかに優れていても、旧式の ERP プレーヤーが統合を望んでいる必要があります。最先端の AI を開発しても、それがディストリビューターがすでに使用しているシステムと通信できないのであれば十分ではありません。そして、それらを置き換えようとしているかのように介入すると、一緒に仕事をすることが不可能になります。

私たちの場合、EDI (電子データ交換) や SFTP ファイル交換などの方法による統合を可能にするために、レガシー ERP が必要でした。これらのレガシー システムは深く組み込まれているため、新しい AI ツールとの接続を説得 (そして設計) するのは必ずしも簡単ではありません。しかし、私たちは既存の製品を実際に改善するアドオンを提供することでスイート スポットを見つけ、クライアントが既存のインフラストラクチャを維持しながら AI のメリットをすべて得られるようにしました。魔法は、すべてを廃棄したりパートナーシップを失ったりする必要があると感じさせずに、ビジネスとインフラストラクチャ プロバイダーの両方に、私たちの AI が全体としてプラスであることを示すことでした。既存のネットワークを見落とし、手を出し過ぎて排除されないようにしてください。

とはいえ、この種の統合の絶好の機会は急速に閉ざされつつあります。AI の専門知識は広まりつつあり、動きの遅い旧式のサービス プロバイダーでさえも参入し始めています。迅速に行動し、方向性を見出して、既存のプレーヤーと協力する必要があります。

業界の既存企業にとって、統合および包括アプローチを採用する新しいソフトウェア ソリューションには注意が必要です。これらは、完全に自己完結型のビジネス ユニット (フィールド セールスなど) を提供し、コストと収益の方程式を自社に大きく有利にする製品です。早い段階でこれらの動向を理解することが、適切なパートナーを選択する鍵となります。

教訓:レガシー システムと並行して作業し、完全なオーバーホールを必要としない明確な利点と機能強化を示します。リスクが低く、見返りが大きい追加の価値を理解してもらいます。

将来への教訓

手書きのログや音声記録などの非構造化データに依存してきたこれらの従来のセクターは、LLM のおかげで、ようやく最新の技術ソリューションにアクセスできるようになりました。垂直 SaaS はこれらの業界で急速に実現可能になりつつあり、あらゆるものに AI を適用したくなるものです。

それでも、AI の成功はテクノロジーだけで決まるわけではないことを忘れないでください。重要な課題は、依然として製品と市場の適合を達成することです。AI のブレークスルーは新たな可能性を開きますが、製品開発の根本を変えるものではありません。ユーザーとそのニーズを明確に理解することから始めてください。テクノロジーは後からついてきます。

振り返ってみると、私たちが学んだ最大の教訓は、AI は既存のプロセスに適合したときに最も成功するのであって、既存のプロセスを覆そうとするときには成功しないということです。問題は、チャンスがなくなる前に誰がそれをつかむのかということです。話はもう少し続きます。パート 3 では、ロールアップ戦略と AI を組み合わせることで、従来の業界で SaaS の勝利の方程式がどのように生まれるかを探ります。