人工智慧如何重塑勞動力市場：與 a16z 合夥人的對話

軟體的演進歷程可分為三個階段：

第一階段：檔案櫃數位化。早期軟體主要用於取代實體檔案系統，將資料數位化儲存於資料庫中。例如，Sabre（航空訂位系統）、Quicken（個人理財）和 PeopleSoft（人力資源管理）。此階段主要提升了效率，但並未顯著減少員工數量。
第二階段：雲端軟體。軟體從本地伺服器轉移到雲端。例如，Salesforce（客戶關係管理）、QuickBooks（會計）、NetSuite（企業資源規劃）和 Zendesk（客戶支援）。此階段提高了可訪問性和可擴展性，但仍主要專注於資訊管理。
第三階段：人工智慧驅動的軟體。人工智慧使軟體能夠執行以前由人類完成的任務。此階段的重點是取代或增強勞動力，而不僅僅是管理資訊。例如，能夠處理客戶支援、處理發票或執行合規性檢查的 AI 代理。

勞動力市場遠大於軟體市場。美國護士的年薪市場超過 6000 億美元，而全球軟體市場則不到 6000 億美元。這突顯了軟體公司進入勞動力預算的潛力。

人工智慧使軟體能夠執行以前由人類完成的任務。例如，人工智慧可以處理客戶支援查詢、處理發票或執行合規性檢查。這意味著軟體公司現在可以銷售降低勞動力成本的解決方案，而不僅僅是提高效率。

“輸入咖啡，輸出程式碼” 的概念：軟體工程師現在可以構建自動化先前由終端使用者完成的任務的產品。這與以前的軟體世代有顯著的轉變。

傳統的軟體定價模式（按使用者計費）可能不適用於人工智慧驅動的軟體。公司可能需要根據他們透過降低勞動力成本所提供的價值來收費。例如，公司可能會根據人工智慧解決的支援票數量來收費，而不是按支援代理計費。

轉向人工智慧可能會顛覆現有的軟體公司。未能適應新定價模式的公司可能會損失收入。成功適應的公司可能會看到他們的收入增加十倍。

“混亂的收件匣”問題指的是從非結構化資料中提取資訊的挑戰。這包括電子郵件、傳真、電話錄音和其他形式的非結構化資料。歷史上，這項任務一直由人類完成。

人工智慧現在被用於解決“混亂的收件匣”問題。公司正在使用人工智慧從非結構化資料中提取資訊並自動化工作流程。這是人工智慧創新的關鍵領域。

解決“混亂的收件匣”問題的公司可能會成為新的 AI 原生記錄系統。他們可以從自動化特定任務開始，然後擴展到其他領域。例如，Tenor 最初是透過自動化患者轉診，現在正在擴展到醫療保健管理的其他領域。

人工智慧提供了一個強大的初始差異化，但它不足以建立一個可防禦的業務。隨著時間的推移，使用人工智慧解決“混亂的收件匣”問題的能力可能會變得商品化。真正的防禦性來自：

在軟體領域一直很重要的原則在人工智慧時代仍然適用。

人工智慧可能會自動化許多重複性任務，但它也會創造新的工作。重點將轉移到需要人際連結和創造力的任務上。例如，產品經理、使用者體驗設計師和社群媒體經理。

人與人之間互動的價值可能會增加。隨著人工智慧變得越來越普遍，人們會尋求真正的人際連結。每個白領工作都可能會有一個副駕駛。人工智慧將協助人們工作，使他們更有效率。有些工作可能會完全由人工智慧代理自動化。

評估企業的基本原則沒有改變。重點仍然是未來的利潤、客戶保留率、毛利率和固定成本。潛在的市場規模正在擴大。人工智慧使軟體能夠進入以前不可行的市場。這是因為人工智慧可以降低勞動力成本，使軟體更實惠。

進入門檻較低。人工智慧使創建和擴展軟體公司變得更容易。這意味著競爭可能會更加激烈。

自動駕駛 vs. 副駕駛：
- 副駕駛：一種協助人類工作的 AI 工具，使他們更有效率。
- 自動駕駛：一種自主執行任務，無需人工干預的 AI 工具。
“混亂的收件匣”問題：從非結構化資料（例如電子郵件、傳真和電話錄音）中提取資訊的挑戰。
AI 原生記錄系統：一種使用 AI 管理資料和自動化工作流程的系統，可能會取代傳統的記錄系統。
垂直 SaaS：專為特定行業設計的軟體，例如餐飲或醫療保健。
水平 SaaS：專為廣泛行業設計的軟體，例如 CRM 或客戶支援。
NAICS 代碼：北美行業分類系統，用於按行業對企業進行分類的系統。
通貨緊縮力量：降低價格的力量，例如技術創新。
全堆疊 AI 原生公司：一家將整個業務圍繞 AI 建立的公司，而不僅僅是將 AI 添加到現有產品中。