Når man ser på anvendt AI i erhvervslivet, findes der mange tilgange: at identificere markedsmuligheder, løse kundepinepunkter, imponere interessenter eller forudsige fremtidige tendenser – hvor thought leadership spiller en rolle. Alternativt kan man anvende branchejargon, og diskutere AI i SaaS B2B-kontekster, indkøbs-ROI eller komplekse strategier som modelafkogning, men klarhed er vigtigere. Et aktuelt fokus i ROI-diskussioner er det såkaldte “vertikale” marked. Modsat hvad termen måske antyder sprogligt – et marked, der skalerer “op" som en skyskraber – refererer et vertikalt marked til en specialiseret sektor, der betjener en bestemt forretningsniche. Som Julie Young fra Investopedia forklarer, henvender vertikale markeder sig til specifikke kundesegmenter med skræddersyede produkter/tjenester, såsom software designet udelukkende til hospitaler eller finansielle virksomheder. Dette fokus muliggør dybere ekspertise og potentielt højere marginer, men den begrænsede markedsstørrelse og større adgangsbarrierer betyder både muligheder og øget konkurrence. For at forenkle: et vertikalt marked betyder, at en virksomhed fokuserer på én type kunde; for eksempel at udvikle software udelukkende til hospitaler i stedet for til alle brancher. Denne specialisering giver bedre kundeejforståelse, men med færre købere og større udfordringer. “Vertikalt software” tjener disse definerede sektorer på flere niveauer – som hospital management systemer designet specielt til sundhedsudbydere. På en nylig paneldiskussion ved Stanford med titlen “Applied AI: Turning Industries into Innovation Engines, ” drøftede eksperterne Sri Pangular (Mayfield), Bratin Saha (DigitalOcean), Lisa Dolan (Link Ventures) og Philip Rathle (Neo4J) AI’s rolle i automatisering af arbejdsflows og vidensarbejde inden for vertikaler. Dolan fremhævede traditionelle medarbejderuddannelsesmodeller – hvor yngre medarbejdere mestrer grundlæggende opgaver før fremskridt – og foreslog at spejle denne tilgang ved træning af AI-agenter for at opbygge tillid i virksomheder og muliggøre bredere udrulning på tværs af industrier. Saha understregede generativ AI og store sprogmodeller (LLMs) som gennembrud, der muliggør automatisering inden for højt specialiserede vidensområder som sundhedspleje, finans og juridiske tjenester, hvilket frigør ROI gennem omkostningsreduktion.

Rathle påpegede, at selvom omkostningsbesparelser er betydelige i rutineprægede processer, ligger den reelle værdi i kritiske kerneapplikationer, hvor kvalitetssvar er afgørende, da fejl kan være dyre. Dolan pointerede, at automatiseringsindsatser rettet mod isolerede systemer som CRM er mindre transformative end dem, der fokuserer på centrale processer, og anerkendte den gradvise natur af fremskridt. Når det gælder prissætning, opfordrede Rathle virksomheder til at vælge mellem horisontale (bredde) eller vertikale (specialiserede) tilgange. Vertikalt software, der er tættere på slutbrugeren, kan opnå værdi-baseret prissætning, i modsætning til traditionelle pladsbaserede modeller. Dolan bemærkede en overgang fra per-stand til flow-baseret prissætning, med vægt på vigtigheden i, at virksomheder ejer kunderejsen og arbejdsflowet for løbende at forbedre AI-modeller. Rathle var enig og advarede mod at opkræve for AI-agenter som om de var menneskelige pladser, da købere ikke bryder sig om sådanne modeller, og de ikke er holdbare. Om AI’s udvikling beskrev Saha en kontinuum fra værktøj til at blive en betroet teammate. I starten hjælper AI med opgaver, men med stigende tillid og delegation overtager den større ansvarsområder, hvilket potentielt kan føre organisationer, hvor mennesker styrer flere AI-agenter. Sammenfattende handler AI’s påvirkning af erhvervslivet om øget automation, avancerede AI-agenter, omkostningsbesparelser og udviklende samarbejdsmodeller. Når AI-teknologien modnes, må virksomheder nøje tænke over, hvordan de udnytter dens potentiale, balancerende innovation, værdiskabelse og bæredygtig integration inden for vertikale markeder og videre.