ผลิตภัณฑ์ SaaS จำนวนมากไม่ได้แข่งขันกับผลิตภัณฑ์ SaaS อื่นๆ อีกต่อไปอีกแล้ว พวกเขากำลังแข่งขันกับชุดเครื่องมือ AI โอเพนซอร์สที่ประกอบกันได้
AI โอเพนซอร์สได้มาถึงจุดที่หลายบริษัทไม่จำเป็นต้องสมัครสมาชิกแยกสำหรับเวิร์กโฟลว์เฉพาะแต่ละอย่างอีกต่อไป แต่พวกเขาสามารถประกอบชุดเครื่องมือที่ยืดหยุ่นของโมเดลโอเพนซอร์ส เลเยอร์การจัดลำดับ ฐานข้อมูล เครื่องมืออัตโนมัติ และอินเทอร์เฟซน้ำหนักเบาที่จัดการงานส่วนใหญ่ที่เครื่องมือ SaaS เคยเป็นเจ้าของได้
นี่ไม่ได้หมายความว่า SaaS จะตาย
แต่มันหมายความว่าคำถามเริ่มต้นกำลังเปลี่ยนจาก:
"เราควรซื้อเครื่องมือไหน?"
เป็น:
"เราควรซื้อสิ่งนี้ หรือควรประกอบขึ้นเองด้วย AI โอเพนซอร์ส?"
นั่นคือการเปลี่ยนแปลงครั้งใหญ่
และมันกำลังเกิดขึ้นเพราะระบบนิเวศโอเพนซอร์สไม่ได้มีไว้สำหรับแล็บวิจัย นักเล่นอดิเรก หรือทีมวิศวกรรมที่เน้นโครงสร้างพื้นฐานอีกต่อไป มันกำลังกลายเป็นสิ่งที่ใช้งานได้จริงสำหรับสตาร์ทอัพ เอเจนซี่ ผู้ปฏิบัติงาน และทีมเทคนิคที่ต้องการการควบคุมมากขึ้น ต้นทุนส่วนเพิ่มต่ำลง และการพึ่งพาผู้ขายน้อยลง
บทความนี้สำรวจว่าจริงๆ แล้ว ชุดเครื่องมือ AI โอเพนซอร์ส คืออะไร ทำไมมันถึงเริ่มแทนที่ส่วนต่างๆ ของ SaaS หมวดหมู่ใดที่เสี่ยงที่สุด ชุดเครื่องมือสมัยใหม่หน้าตาเป็นอย่างไร ตรงไหนที่ชนะ ตรงไหนที่ยังด้อย และวิธีคิดเกี่ยวกับการนำไปใช้โดยไม่ทำให้บริษัทของคุณกลายเป็นโครงการบำรุงรักษา
สิ่งที่ผู้คนหมายถึงจริงๆ เมื่อพวกเขาบอกว่า AI โอเพนซอร์สกำลังแทนที่ SaaS
วลีนี้ง่ายเกินกว่าจะพูดเกินจริง
AI โอเพนซอร์สไม่ได้กำลังแทนที่ทุกบริษัท SaaS ในคราวเดียว มันกำลังแทนที่ผลิตภัณฑ์กลุ่มที่เพิ่มขึ้นซึ่ง เฉพาะเจาะจงเวิร์กโฟลว์ เน้นมิดเดิลแวร์ และมีอินเทอร์เฟซแบบบาง ซึ่งคุณค่าหลักนั้นสามารถทำซ้ำได้มากขึ้นเรื่อยๆ
ในทางปฏิบัติ นั่นรวมถึงซอฟต์แวร์ที่สร้างขึ้นรอบๆ งานต่างๆ เช่น:
- การตอบคำถามเกี่ยวกับเอกสารภายใน
- การสรุปการประชุมหรือบทสนทนา
- การจำแนกและกำหนดเส้นทางตั๋ว
- การสร้างรายงานหรือข้อเสนอ
- การทำให้งานหลังบ้านที่ซ้ำซากเป็นอัตโนมัติ
- การเพิ่มข้อมูลลูกค้าเป้าหมายและข้อมูล CRM
- การสร้างโคไพล็อตภายใน
- การแยกข้อมูลที่มีโครงสร้างจากเอกสารที่ยุ่งเหยิง
- การสร้างผู้ช่วยฝ่ายสนับสนุนลูกค้าน้ำหนักเบา
- การเชื่อมต่อเครื่องมือผ่านกฎและทริกเกอร์
ผลิตภัณฑ์ SaaS จำนวนมากในหมวดหมู่เหล่านี้ไม่ได้มีคูเมืองลึกในการออกแบบเวิร์กโฟลว์ จุดแข็งของพวกเขามักมาจากการบรรจุหีบห่อ การจัดจำหน่าย UX และความไว้วางใจ ไม่ใช่จากแกนกลางทางเทคนิคที่ไม่สามารถทดแทนได้
นั่นสำคัญเพราะแกนกลางทางเทคนิคนั้นคือสิ่งที่ AI โอเพนซอร์สกำลังทำให้มีราคาถูกลงในการทำซ้ำ
เหตุใดการเปลี่ยนแปลงนี้จึงเกิดขึ้นตอนนี้
นี่ไม่ได้เกี่ยวกับโมเดลที่ดีขึ้นเท่านั้น
มันเป็นผลมาจากการเปลี่ยนแปลงห้าอย่างที่เกิดขึ้นพร้อมกัน
- โมเดลโอเพนซอร์สตอนนี้ดีพอสำหรับงานธุรกิจหลายอย่าง
การปลดล็อกครั้งใหญ่ที่สุดไม่ใช่ว่าโมเดลโอเพนซอร์สเอาชนะโมเดลฟรอนเทียร์ที่ดีที่สุดในทุกเกณฑ์มาตรฐาน
มันคือตอนนี้พวกเขาไม่จำเป็นต้องทำอีกแล้ว
สำหรับเวิร์กโฟลว์ทางธุรกิจหลายอย่าง "ดีที่สุดในโลก" ไม่จำเป็น สิ่งที่ทีมต้องการจริงๆ คือ:
- ผลลัพธ์ที่มีโครงสร้างที่สม่ำเสมอ
- การใช้เหตุผลที่ยอมรับได้
- การสรุปที่แข็งแกร่ง
- การดึงข้อมูลพื้นฐานที่ดี
- ความหน่วงที่ยอมรับได้
- ความเป็นส่วนตัวและการควบคุมการปรับใช้
เกณฑ์นั้นต่ำกว่าที่ hype ของโมเดลฟรอนเทียร์แนะนำมาก
ในหลายกรณีการใช้งาน โมเดลโอเพนซอร์สอยู่เหนือเกณฑ์นั้นแล้ว
- โครงสร้างพื้นฐานรอบๆ โมเดลเติบโตเต็มที่แล้ว
โมเดลอย่างเดียวไม่ได้แทนที่เครื่องมือ SaaS
โมเดลบวกกับ:
- เลเยอร์การอนุมาน
- อินเทอร์เฟซ
- ระบบดึงข้อมูล
- ตรรกะอัตโนมัติ
- การบันทึก
- สิทธิ์
- พื้นที่จัดเก็บ
- การประเมิน
เริ่มดูเหมือนผลิตภัณฑ์
ระบบนิเวศโดยรอบคือสิ่งที่ทำให้ชุดเครื่องมือโอเพนซอร์สใช้งานได้จริง
- SaaS ที่กระจายตัวกลายเป็นค่าใช้จ่ายที่แพงและยุ่งเหยิงในการดำเนินงาน
ทีมต่างๆ หมดแรงกับการซ้อนชั้นสมัครสมาชิก
ทุกเครื่องมือใหม่ทำให้เกิด:
- ค่าใช้จ่ายอีกบิล
- ระบบเข้าสู่ระบบอีกอัน
- การตรวจสอบผู้ขายอีกครั้ง
- ไซโลข้อมูลอีกอัน
- พื้นผิวการบูรณาการอีกอัน
- การตัดสินใจต่ออายุอีกครั้ง
เมื่อชุดเครื่องมือโอเพนซอร์สหนึ่งชุดสามารถแทนที่เครื่องมือที่จำกัดขอบเขตสามถึงหกเครื่องมือ เศรษฐศาสตร์เริ่มได้รับความสนใจอย่างรวดเร็ว
- เวิร์กโฟลว์ที่เน้น AI นั้นสามารถประกอบได้โดยการออกแบบ
SaaS แบบดั้งเดิมมักสมมติเวิร์กโฟลว์แบบตายตัว
ชุดเครื่องมือ AI โอเพนซอร์สให้รางวัลกับการประกอบ
นั่นหมายความว่าบริษัทต่างๆ สามารถสร้างระบบที่ปรับให้เข้ากับการดำเนินงานจริงของตนได้มากขึ้น แทนที่จะบังคับให้การดำเนินงานเข้ากับสมมติฐานซอฟต์แวร์ที่สร้างไว้ล่วงหน้า
- การควบคุมกลายเป็นเรื่องเชิงกลยุทธ์
ตอนนี้ทีมจำนวนมากขึ้นใส่ใจอย่างลึกซึ้งเกี่ยวกับ:
- ข้อมูลของพวกเขาอยู่ที่ไหน
- ผู้ให้บริการโมเดลใดที่พวกเขาพึ่งพา
- ค่าใช้จ่ายในการใช้งานในระดับใหญ่เท่าไหร่
- พวกเขาสามารถเปลี่ยนผู้ขายได้หรือไม่
- พฤติกรรมของผลิตภัณฑ์ AI ของพวกเขาสามารถตรวจสอบได้หรือไม่
ชุดเครื่องมือโอเพนซอร์สให้การควบคุมในแบบที่ผลิตภัณฑ์ SaaS หลายตัวไม่สามารถทำได้
หมวดหมู่ของ SaaS ที่เสี่ยงต่อ AI โอเพนซอร์สมากที่สุด
SaaS ทั้งหมดไม่ได้เสี่ยงเท่ากัน
หมวดหมู่ที่เสี่ยงที่สุดมักมีลักษณะร่วมสี่ประการ:
- เวิร์กโฟลว์เป็นแบบซ้ำซาก
- อินเทอร์เฟซค่อนข้างบาง
- "ความฉลาด" ส่วนใหญ่คือการแปลงข้อความหรือกำหนดเส้นทาง
- ผลิตภัณฑ์สามารถสร้างขึ้นใหม่ได้โดยการรวมโมเดล พรอมต์ การดึงข้อมูล และอัตโนมัติ
หมวดหมู่ที่เสี่ยงที่สุด
- ผู้ช่วยความรู้ภายใน
ทีมจำนวนมากตอนนี้สร้างระบบแชทบนเอกสารภายในได้เร็วกว่าที่พวกเขาจะประเมินเครื่องมือความรู้ AI สำหรับองค์กร
- เครื่องมือเขียนและสรุป AI
หากผลิตภัณฑ์หลักคือ "รับข้อความเข้า สร้างข้อความที่ดีกว่าออก" อุปสรรคในการทำซ้ำลดลงอย่างรวดเร็ว
- โคไพล็อตสนับสนุนพื้นฐานและบอท FAQ
เมื่อการดึงข้อมูล การป้องกันความผิดพลาด และการส่งต่อได้รับการจัดการอย่างดี กรณีการใช้งานสนับสนุนหลายอย่างก็ไม่ซับซ้อนทางเทคนิคพอที่จะต้องใช้ผู้ขายเฉพาะทางอีกต่อไป
- เครื่องมืออัตโนมัติเวิร์กโฟลว์ที่มีเลเยอร์ AI
ส่วนแบ่งที่มีความหมายของผลิตภัณฑ์ "อัตโนมัติ AI" กำลังถูกท้าทายโดยการรวมกันของระบบจัดลำดับโอเพนซอร์ส API และโมเดลท้องถิ่นหรือโฮสต์
- ผู้ช่วยเพิ่มข้อมูลลูกค้าเป้าหมายและวิจัย
เครื่องมือเหล่านี้ยังต้องการแหล่งที่มาและการปฏิบัติตามข้อกำหนดอย่างระมัดระวัง แต่ส่วนใหญ่ของเวิร์กโฟลว์ตอนนี้สามารถสร้างขึ้นใหม่ได้ด้วยข้อมูลโอเพนซอร์ส ไปป์ไลน์การขูด (ที่เหมาะสม) API การเพิ่มข้อมูล และการสรุป AI
- ซอฟต์แวร์แยกเอกสารและจำแนกประเภท
นี่เป็นหมวดหมู่ใหญ่
สำหรับเวิร์กโฟลว์เอกสารที่มีโครงสร้างหลายอย่าง ตอนนี้ทีมสามารถรวม OCR ไปป์ไลน์การแยก ตรรกะการตรวจสอบ และ LLMs เพื่อแทนที่โซลูชันเฉพาะจุดที่มีราคาแพง
หมวดหมู่ที่เสี่ยงน้อยกว่า
SaaS บางอย่างยังคงป้องกันได้มากกว่าเพราะขึ้นอยู่กับ:
- การจัดจำหน่ายที่เป็นกรรมสิทธิ์
- การปฏิบัติตามข้อกำหนดเฉพาะทาง
- ผลกระทบของเครือข่าย
- เวิร์กโฟลว์ที่มีการควบคุม
- การบูรณาการที่ฝังลึก
- ความไว้วางใจและความสามารถในการตรวจสอบในระดับองค์กร
- ชุดข้อมูลที่ไม่ซ้ำใครหรือระบบบันทึกการดำเนินงาน
กล่าวอีกนัยหนึ่ง AI โอเพนซอร์สแข็งแกร่งที่สุดเมื่อปัญหาคือ ความฉลาดของเวิร์กโฟลว์ ไม่ใช่เมื่อคูเมืองคือ ความไว้วางใจของสถาบัน การจัดจำหน่าย หรือแรงโน้มถ่วงของโครงสร้างพื้นฐาน
ชุดเครื่องมือ AI โอเพนซอร์สสมัยใหม่หน้าตาเป็นอย่างไรจริงๆ
เมื่อผู้คนพูดว่า "ชุดเครื่องมือ AI โอเพนซอร์ส" พวกเขามักอธิบายคลุมเครือเกินไป
ในทางปฏิบัติ โดยปกติแล้วมันประกอบด้วยเลเยอร์
- เลเยอร์โมเดล
นี่คือที่ที่ความฉลาดทางภาษาหรือมัลติโมดัลอยู่
ตัวเลือกทั่วไปรวมถึง:
- LLM แบบเปิดน้ำหนักสำหรับการใช้เหตุผลและการสร้าง
- โมเดลท้องถิ่นขนาดเล็กสำหรับการจำแนกและแยกราคาถูก
- โมเดลเฉพาะทางสำหรับการฝัง การถอดความ OCR หรือการจัดลำดับใหม่
การเปลี่ยนแปลงที่สำคัญคือโมเดลไม่ได้เป็นผลิตภัณฑ์ทั้งหมดอีกต่อไป มันเป็นเลเยอร์หนึ่งในระบบที่ใหญ่กว่า
- เลเยอร์การอนุมาน
นี่คือรันไทม์ที่ให้บริการโมเดลจริงๆ
รูปแบบทั่วไปรวมถึง:
- รันไทม์ท้องถิ่นสำหรับการทดลองและเวิร์กโฟลว์ส่วนตัว
- เซิร์ฟเวอร์การอนุมานที่โฮสต์เองสำหรับทีม
- ผู้ให้บริการโมเดลโอเพนซอร์สที่โฮสต์เมื่อไม่จำเป็นต้องจัดการ GPU
เลเยอร์นี้กำหนดต้นทุน ความเร็ว ความซับซ้อนในการดำเนินงาน และท่าทีความเป็นส่วนตัว
- เลเยอร์การดึงข้อมูลและข้อมูล
นี่คือสิ่งที่เปลี่ยนโมเดลทั่วไปให้เป็นเครื่องมือทางธุรกิจ
ส่วนประกอบทั่วไป:
- Postgres หรือพื้นที่เก็บข้อมูลที่มีโครงสร้างอื่นๆ
- การค้นหาเวกเตอร์สำหรับการดึงข้อมูลเชิงความหมาย
- พื้นที่เก็บเอกสารและพื้นที่เก็บวัตถุ
- ระบบข้อมูลเมตาและการกรอง
- ตัวเชื่อมต่อข้อมูลและไปป์ไลน์การนำเข้า
ประโยชน์ส่วนใหญ่ของผลิตภัณฑ์ AI มาจากเลเยอร์นี้ ไม่ใช่โมเดลพื้นฐาน
- เลเยอร์การจัดลำดับ
เลเยอร์นี้ควบคุมว่าระบบทำงานอย่างไร
มันตัดสินใจ:
- เมื่อใดควรเรียกโมเดล
- ใช้โมเดลใด
- วิธีดึงบริบท
- เมื่อใดควรเรียกใช้เครื่องมือ
- วิธีเชื่อมโยงขั้นตอนต่างๆ
- วิธีจัดการความล้มเหลวและการลองใหม่
นี่คือที่ที่แพลตฟอร์มอัตโนมัติ เอนจินเวิร์กโฟลว์ และโครงสร้างเอเจนต์มีคุณค่า
- เลเยอร์อินเทอร์เฟซ
นี่คือสิ่งที่ผู้ใช้สัมผัสจริงๆ
มันอาจเป็น:
- UI แชท
- แดชบอร์ด
- ส่วนขยายเบราว์เซอร์
- เครื่องมือดูแลภายใน
- บอท Slack
- ปลายทาง API
- หน้าจอเวิร์กโฟลว์แบบฟอร์ม
เหตุผลสำคัญที่ชุดเครื่องมือโอเพนซอร์สสามารถแข่งขันได้ตอนนี้คือเครื่องมือทางธุรกิจหลายอย่างไม่ต้องการ UI ที่ซับซ้อนเป็นพิเศษเพื่อส่งมอบคุณค่า
- เลเยอร์การสังเกตและการประเมิน
นี่คือความแตกต่างระหว่างของเล่นกับระบบที่เชื่อถือได้
คุณต้องรู้:
- พรอมต์ใดที่ทำงาน
- บริบทใดที่ถูกดึงมา
- คำขอใช้เวลานานเท่าไหร่
- การอนุมานมีค่าใช้จ่ายเท่าไหร่
- อะไรล้มเหลว
- คุณภาพผลลัพธ์ดีขึ้นหรือแย่ลง
เมื่อผลิตภัณฑ์ AI เติบโตขึ้น เลเยอร์นี้กำลังกลายเป็นหนึ่งในส่วนที่สำคัญที่สุดในเชิงกลยุทธ์ของชุดเครื่องมือ
ตัวอย่างเชิงปฏิบัติของชุดเครื่องมือที่แทนที่เครื่องมือหลายอย่างพร้อมกัน
ลองพิจารณาทีมขายหรือปฏิบัติการขนาดเล็ก
ในอดีต พวกเขาอาจจ่ายแยกต่างหากสำหรับ:
- การถอดความการประชุม
- การสรุป AI
- การเพิ่มข้อมูล CRM
- การค้นหาภายใน
- การร่างข้อเสนอ
- อัตโนมัติเวิร์กโฟลว์
- การค้นหาเอกสารสนับสนุน
ชุดเครื่องมือโอเพนซอร์สสมัยใหม่สามารถรวมสิ่งเหล่านั้นส่วนใหญ่เป็นระบบภายในเดียว
ตัวอย่างเช่น:
- โมเดลการถอดความหรือ API สำหรับการโทร
- พื้นที่เก็บเอกสารสำหรับแผนงาน บทสนทนา และข้อเสนอ
- การดึงข้อมูลเวกเตอร์สำหรับการค้นหาความรู้
- เอนจินเวิร์กโฟลว์เพื่อส่งต่อสรุปไปยัง CRM
- เทมเพลตพรอมต์เพื่อสร้างร่างติดตามผล
- แดชบอร์ดหรือ UI แชทสำหรับการเข้าถึงของทีม
- เลเยอร์การประเมินเพื่อวัดคุณภาพคำตอบและความน่าเชื่อถือของเวิร์กโฟลว์
ชุดเครื่องมือเดียวนั้นสามารถแทนที่เครื่องมือเฉพาะหลายอย่างในขณะที่ให้ทีมควบคุมรูปแบบผลลัพธ์ การเลือกโมเดล และพฤติกรรมต้นทุนได้มากขึ้น
นี่คือเหตุผลที่หมวดหมู่ SaaS หลายหมวดหมู่มีความเสี่ยง
ไม่ใช่เพราะ AI โอเพนซอร์สมีพลังในทางทฤษฎี
แต่เพราะมันสามารถรวมการซื้อซอฟต์แวร์หลายรายการเป็นระบบที่ประกอบกันได้ระบบเดียว
รูปแบบชุดเครื่องมือ AI โอเพนซอร์สที่พบบ่อยที่สุดในตอนนี้
ทีมต่างๆ นำชุดเครื่องมือรุ่นต่างๆ มาใช้ขึ้นอยู่กับวุฒิภาวะและเป้าหมาย
รูปแบบที่ 1: ชุดเครื่องมือของผู้สร้างเดี่ยว
พบได้ทั่วไปในหมู่แฮกเกอร์อิสระ ผู้สร้างด้านเทคนิค และที่ปรึกษา
ส่วนประกอบทั่วไป:
- รันไทม์โมเดลท้องถิ่นหรือต้นทุนต่ำ
- ฐานข้อมูลอย่างง่าย
- เครื่องมืออัตโนมัติเวิร์กโฟลว์
- ฟร้อนท์เอนด์น้ำหนักเบา
- เลเยอร์การดึงข้อมูลหนึ่งชั้น
- เป้าหมายการปรับใช้หนึ่งแห่ง
ชุดเครื่องมือนี้ปรับให้เหมาะสมสำหรับความเร็วและวินัยด้านต้นทุน
รูปแบบที่ 2: ชุดเครื่องมือเครื่องมือภายในของสตาร์ทอัพ
พบได้ทั่วไปในบริษัทที่สร้างโคไพล็อตภายในหรืออัตโนมัติกระบวนการ
ส่วนประกอบทั่วไป:
- เลเยอร์โมเดลที่โฮสต์หรือโฮสต์เอง
- Postgres + การสนับสนุนเวกเตอร์
- การนำเข้าเอกสาร
- การตรวจสอบสิทธิ์และการเข้าถึงตามบทบาท
- เอนจินเวิร์กโฟลว์
- การบันทึกและการติดตาม
- แดชบอร์ดดูแล
ชุดเครื่องมือนี้ปรับให้เหมาะสมสำหรับการ leverage ภายในที่รวดเร็ว
รูปแบบที่ 3: ชุดเครื่องมือของเอเจนซี่หรือผู้ปฏิบัติงาน
รูปแบบนี้มักใช้โดยเอเจนซี่ที่แทนที่เครื่องมือ SaaS ที่เกิดซ้ำหลายตัวสำหรับตนเองหรือลูกค้า
กรณีการใช้งานทั่วไป:
- วิจัยลูกค้าเป้าหมาย
- การสร้างข้อเสนอ
- อัตโนมัติการรายงาน
- ผู้ช่วยสนับสนุนลูกค้า
- เวิร์กโฟลว์เนื้อหา
- ระบบรับและกำหนดเส้นทาง
ชุดเครื่องมือนี้ปรับให้เหมาะสมสำหรับการใช้ซ้ำในหลายโครงการ
รูปแบบที่ 4: ชุดเครื่องมือแทนที่ SaaS ที่ใช้ AI เป็นผลิตภัณฑ์
นี่คือเมื่อทีมหยุดใช้ชุดเครื่องมือภายในและเปลี่ยนเป็นผลิตภัณฑ์
เมื่อถึงจุดนั้นชุดเครื่องมือมักเพิ่ม:
- การเรียกเก็บเงิน
- ผู้เช่าหลายราย
- สิทธิ์ละเอียด
- การตรวจสอบที่แข็งแกร่งขึ้น
- เวิร์กโฟลว์คำติชมและ QA
- การกำกับดูแลข้อมูลที่แข็งแกร่งขึ้น
นี่คือที่ที่การประกอบโอเพนซอร์สกลายเป็นภัยคุกคามโดยตรงต่อบริษัท SaaS ที่เน้น AI เป็นหลัก
เครื่องมือที่ปรากฏขึ้นซ้ำๆ ในชุดเครื่องมือเหล่านี้
ชุดเครื่องมือเฉพาะเปลี่ยนตลอดเวลา แต่บางหมวดหมู่ปรากฏขึ้นซ้ำๆ
ส่วนประกอบทั่วไปตามเลเยอร์
เลเยอร์ | ตัวเลือกโอเพนซอร์สทั่วไป | เหตุใดจึงสำคัญ |
|---|---|---|
โมเดล | LLMs แบบเปิดน้ำหนัก, โมเดลฝัง, ตัวจัดลำดับใหม่ | คุณภาพการใช้เหตุผลและการดึงข้อมูลหลัก |
การอนุมาน | Ollama, vLLM, รันไทม์ที่โฮสต์เอง, API โมเดลโอเพนซอร์ส | ต้นทุน, ความเป็นส่วนตัว, ความยืดหยุ่นในการให้บริการ |
ฐานข้อมูล | Postgres, pgvector, พื้นที่เก็บเอกสาร/วัตถุ | ความจำที่มีโครงสร้างและเชิงความหมาย |
อัตโนมัติ | n8n และเครื่องมือเวิร์กโฟลว์ที่คล้ายกัน | เชื่อมต่อระบบและลดการทำงานด้วยมือ |
เลเยอร์แอป | Next.js, React, แดชบอร์ดภายใน, API | พื้นผิวผลิตภัณฑ์น้ำหนักเบา |
UI สำหรับแชท/ค้นหา | Open WebUI, อินเทอร์เฟซที่กำหนดเอง | การเข้าถึงเวิร์กโฟลว์ AI ภายในอย่างรวดเร็ว |
การสังเกต | Langfuse, เครื่องมือติดตาม, บันทึกที่กำหนดเอง | ความน่าเชื่อถือ คุณภาพ และความเร็วในการทำซ้ำ |
การตรวจสอบสิทธิ์/แบ็กเอนด์ | Supabase, การตรวจสอบสิทธิ์ที่กำหนดเอง, เลเยอร์ DB ที่จัดการ | การประกอบผลิตภัณฑ์ที่รวดเร็ว |
การประเมิน | การทดสอบพรอมต์, ชุดการถดถอย, การให้คะแนนเกณฑ์ | ป้องกันการเสื่อมคุณภาพอย่างเงียบๆ |
ประเด็นสำคัญไม่ใช่ชื่อแบรนด์ที่แน่นอนของแต่ละเครื่องมือ
ประเด็นสำคัญคือทุกเลเยอร์หลักตอนนี้มีตัวเลือกโอเพนซอร์สหรือโอเพนสแตนดาร์ดที่เชื่อถือได้
นั่นคือสิ่งที่เปลี่ยนสมการสร้าง-ซื้อ
เหตุใดทีมจึงเลือกเส้นทางโอเพนซอร์สแม้ว่า SaaS จะง่ายกว่า
เมื่อมองครั้งแรก SaaS ยังดูง่ายกว่า
บ่อยครั้งก็เป็นเช่นนั้น
แล้วทำไมทีมจำนวนมากถึงเลือกเส้นทางที่ยากกว่า?
เพราะในสถานการณ์ที่เหมาะสม เส้นทางที่ยากกว่านั้นดีกว่าในเชิงกลยุทธ์
- ต้นทุนระยะยาวต่ำกว่า
การสมัครสมาชิกหนึ่งดูเหมือนถูก
การสมัครสมาชิกเจ็ดรายการที่ทับซ้อนกันไม่ใช่
ชุดเครื่องมือโอเพนซอร์สมักมีต้นทุนการตั้งค่าที่สูงกว่าและต้นทุนส่วนเพิ่มที่ต่ำกว่า โดยเฉพาะสำหรับทีมที่มีความสามารถด้านเทคนิคอยู่แล้ว
- การปรับแต่งที่ดีกว่า
เวิร์กโฟลว์ AI ส่วนใหญ่ไม่เหมือนกันในทุกทีม
เครื่องมือ SaaS มักบังคับให้ทีมเข้าสู่เวิร์กโฟลว์ตรงกลาง
ระบบที่ประกอบขึ้นช่วยให้ทีมเข้ารหัสตรรกะ พรอมต์ การอนุมัติ และพฤติกรรมการดึงข้อมูลของตนเองได้
- ความเป็นส่วนตัวและการควบคุมข้อมูล
ธุรกิจจำนวนมากเริ่มไม่สบายใจมากขึ้นเรื่อยๆ กับการส่งข้อมูลภายในที่ละเอียดอ่อนผ่านห่วงโซ่เครื่องมือของบุคคลที่สาม เมื่อพวกเขาสามารถโฮสต์หรือกำกับดูแลชุดเครื่องมือส่วนใหญ่ได้ด้วยตนเอง
- การผูกมัดกับผู้ขายน้อยลง
ชุดเครื่องมือโอเพนซอร์สทำให้การเปลี่ยนส่วนประกอบง่ายขึ้น
คุณสามารถเปลี่ยน:
- ผู้ให้บริการโมเดล
- กลยุทธ์การอนุมาน
- เลเยอร์ UI
- เอนจินอัตโนมัติ
- กระบวนการประเมิน
โดยไม่ต้องสร้างระบบทั้งหมดใหม่ตั้งแต่ต้น
- วงจรการเรียนรู้ที่เร็วขึ้น
เมื่อคุณเป็นเจ้าของชุดเครื่องมือ คุณจะเรียนรู้ว่าเวิร์กโฟลว์พังตรงไหน
ซึ่งมักมีค่ามากกว่าการซื้อ abstraction ที่สวยงามเร็วเกินไป
ที่ที่ SaaS ยังคงชนะอย่างชัดเจน
การวิเคราะห์ที่รอบคอบยังต้องพูดสิ่งนี้อย่างตรงไปตรงมา:
มีหลายกรณีที่ SaaS ยังคงเป็นทางเลือกที่ฉลาดกว่า
SaaS ยังคงชนะเมื่อคุณต้องการ:
- การปรับใช้ทันทีโดยใช้ความพยายามทางวิศวกรรมน้อยที่สุด
- การปฏิบัติตามข้อกำหนด SLA และความพร้อมในการจัดซื้อ
- การสนับสนุนระดับองค์กรและความรับผิดชอบที่ชัดเจน
- ประสบการณ์ผู้ใช้ที่ขัดเกลาอย่างสูงสำหรับทีมที่ไม่ใช่เทคนิค
- การบูรณาการที่เป็นกรรมสิทธิ์ลึก
- เวิร์กโฟลว์ที่ไม่สำคัญเชิงกลยุทธ์พอที่จะรับประกันความเป็นเจ้าของแบบกำหนดเอง
- ระบบบันทึกแทนที่จะเป็นเลเยอร์เวิร์กโฟลว์
นี่คือเหตุผลที่ผู้ปฏิบัติงานที่ดีที่สุดไม่ดันทุรัง
พวกเขาไม่ได้แทนที่ SaaS เพราะโอเพนซอร์สเป็นที่นิยม
พวกเขาแทนที่ SaaS เมื่อเศรษฐศาสตร์ การควบคุม และความยืดหยุ่นของผลิตภัณฑ์เป็นธรรม
ความผิดพลาดที่ใหญ่ที่สุดที่ทีมทำเมื่อนำ AI โอเพนซอร์สไปใช้
พวกเขาพยายามแทนที่มากเกินไป เร็วเกินไป
ซึ่งมักสร้างผลลัพธ์ที่ไม่ดีหนึ่งในสองอย่าง
ผลลัพธ์ที่ 1: ชุดเครื่องมือกลายเป็นโครงการวิทยาศาสตร์ภายใน
ทีมใช้เวลาหลายเดือนในการประกอบโครงสร้างพื้นฐานก่อนที่จะส่งมอบคุณค่าทางธุรกิจ
ผลลัพธ์ที่ 2: พวกเขาส่งต้นแบบที่เปราะบางและเข้าใจผิดว่าเป็นผลิตภัณฑ์
เวิร์กโฟลว์ใช้งานได้ในการสาธิต แต่พังภายใต้การใช้งานจริงเพราะละเลยการสังเกต สิทธิ์ การประเมิน และตรรกะการกู้คืน
วิธีที่ถูกต้องในการนำชุดเครื่องมือนี้ไปใช้ไม่ใช่การสร้างชุดซอฟต์แวร์ทั้งหมดของคุณใหม่ตั้งแต่ต้น
แต่คือเริ่มต้นด้วยเวิร์กโฟลว์เดียวที่:
- ต้นทุน SaaS ชัดเจน
- เวิร์กโฟลว์ซ้ำซาก
- ตรรกะอธิบายได้
- ROI ของการควบคุมสูง
นั่นคือที่ที่ AI โอเพนซอร์สทำงานได้ดีที่สุด
วิธีที่ชาญฉลาดกว่าในการนำชุดเครื่องมือไปใช้
ทีมที่แข็งแกร่งที่สุดมักปฏิบัติตามลำดับ
ขั้นตอนที่ 1: ระบุเวิร์กโฟลว์ที่มีแรงเสียดทานสูงหนึ่งอย่าง
ตัวอย่างที่ดี:
- การค้นหาภายในในเอกสารและบันทึก
- การสร้างรายงานซ้ำซาก
- การคัดเลือกและเพิ่มข้อมูลลูกค้าเป้าหมาย
- การร่างฝ่ายสนับสนุน
- การแยกเอกสาร
ขั้นตอนที่ 2: สร้างเฉพาะเลเยอร์ความฉลาดขึ้นใหม่ก่อน
อย่าแทนที่ทุกอย่าง
เริ่มต้นด้วยการแทนที่ส่วนที่มีต้นทุนสูงที่สุดหรือยืดหยุ่นน้อยที่สุด
ขั้นตอนที่ 3: เพิ่มการสังเกตเร็วกว่าที่รู้สึกว่าจำเป็น
บันทึก:
- อินพุต
- เอาต์พุต
- บริบทที่ดึงมา
- ความล้มเหลว
- ต้นทุน
- ความหน่วง
หากไม่มีสิ่งนี้ คุณจะไม่รู้ว่าระบบดีขึ้นหรือไม่
ขั้นตอนที่ 4: ทำให้อินเทอร์เฟซเรียบง่าย
UI พื้นฐานที่ใช้งานได้ดีกว่า UI ที่ซับซ้อนซึ่งทำให้การเปิดตัวล่าช้า
ขั้นตอนที่ 5: พิสูจน์คุณค่าทางธุรกิจก่อนขยายชุดเครื่องมือ
เมื่อเวิร์กโฟลว์หนึ่งใช้งานได้ ให้ขยายอย่างระมัดระวัง
นี่คือวิธีที่ชุดเครื่องมือ AI โอเพนซอร์สกลายเป็น leverage ในการดำเนินงาน แทนที่จะเป็นละครทางเทคนิค
ภัยคุกคามทางการแข่งขันที่แท้จริงต่อ SaaS ไม่ใช่โมเดล
มันคือการประกอบ
นั่นคือแนวคิดเชิงกลยุทธ์ที่หลายคนยังคงพลาด
บริษัท SaaS ไม่ได้ถูกคุกคามหลักโดยโมเดลที่ดีกว่าเพียงตัวเดียว
พวกเขากำลังถูกคุกคามโดยโลกที่บริษัทสามารถประกอบระบบของตนเองได้มากขึ้นจาก:
- โมเดลโอเพนซอร์ส
- โครงสร้างพื้นฐานโอเพนซอร์ส
- อัตโนมัติที่ยืดหยุ่น
- ฐานข้อมูลโภคภัณฑ์
- อินเทอร์เฟซน้ำหนักเบา
- พรอมต์ที่ใช้ซ้ำได้และเลเยอร์การประเมิน
เมื่อนั่นกลายเป็นปกติ จุดศูนย์ถ่วงจะเคลื่อนที่
ผลิตภัณฑ์ที่ชนะไม่ได้เป็นผลิตภัณฑ์ที่มีแดชบอร์ดสวยที่สุดโดยอัตโนมัติอีกต่อไป
มันอาจเป็นผลิตภัณฑ์ที่ปรับตัวง่ายที่สุด ถูกที่สุดในการทำงาน และเจ็บปวดน้อยที่สุดในการรวมเข้ากับเวิร์กโฟลว์ที่มีอยู่
นั่นเปลี่ยนสนามแข่งขันอย่างมีนัยสำคัญ
ความหมายสำหรับผู้ก่อตั้งและผู้ปฏิบัติงาน
ถ้าคุณกำลังสร้างหรือซื้อซอฟต์แวร์ในตอนนี้ บทเรียนเชิงปฏิบัติคือง่ายๆ
คุณควรหยุดปฏิบัติต่อทุกปัญหาเวิร์กโฟลว์ AI เป็นปัญหาการจัดหาซอฟต์แวร์
บางครั้งมันก็ยังคงเป็นเช่นนั้น
แต่บ่อยครั้งขึ้น มันคือ ปัญหาการออกแบบชุดเครื่องมือ
นั่นหมายถึงคำถามที่ควรถามคือ:
- เวิร์กโฟลว์นี้สำคัญเชิงกลยุทธ์พอที่จะเป็นเจ้าของหรือไม่?
- เรากำลังจ่ายราคา SaaS สำหรับสิ่งที่ตอนนี้ทำซ้ำได้หรือไม่?
- ชุดเครื่องมือภายในที่ประกอบกันได้ระบบเดียวจะแทนที่เครื่องมือเฉพาะจุดหลายตัวหรือไม่?
- คูเมืองที่แท้จริงอยู่ในผู้ขาย หรือเพียงแค่ในความเร็วในการดำเนินการและการบรรจุหีบห่อ?
- เราต้องการผลิตภัณฑ์ภายนอกที่ขัดเกลา หรือแค่ระบบภายในที่เชื่อถือได้?
ทีมที่ถามคำถามเหล่านั้นดีจะตัดสินใจด้านเทคโนโลยีได้ดีขึ้นมากในอีกไม่กี่ปีข้างหน้า
ความคิดสุดท้าย
ชุดเครื่องมือ AI โอเพนซอร์สไม่ได้แทนที่ SaaS ทั้งหมด
แต่มันกำลังแทนที่มันมากพอที่ตลาดซอฟต์แวร์ถูกบังคับให้เข้าสู่ความจริงใหม่
เครื่องมือจำนวนมากขึ้นไม่ปลอดภัยอีกต่อไปเพียงเพราะสะดวก
ถ้าคุณค่าหลักของพวกเขาสามารถสร้างขึ้นใหม่ได้จากโมเดลโอเพนซอร์ส การดึงข้อมูล การจัดลำดับ พื้นที่จัดเก็บ และอินเทอร์เฟซบางๆ แล้วหมวดหมู่ของพวกเขาก็อยู่ภายใต้แรงกดดัน—ไม่ว่าพวกเขาจะยอมรับหรือยังไม่ก็ตาม
นั่นไม่ได้หมายความว่าทุกบริษัทควรรีบโฮสต์ทุกอย่างด้วยตนเอง
มันหมายความว่าสมมติฐานเก่า—ซื้อก่อน สร้างเมื่อจำเป็นจริงๆ เท่านั้น—กำลังอ่อนแอลง
ในเวิร์กโฟลว์ที่เน้น AI หนักๆ สมมติฐานใหม่กำลังเกิดขึ้น:
ประกอบก่อนเมื่อตรรกะสามารถทำซ้ำได้ ซื้อเมื่อความไว้วางใจ ขนาด หรือความซับซ้อนเป็นธรรมจริงๆ
นั่นคือการเปลี่ยนแปลง
และสำหรับซอฟต์แวร์สมัยใหม่ส่วนใหญ่ มันเพิ่งเริ่มต้นเท่านั้น
