Når man vurderer anvendt AI i næringslivet, finnes det mange tilnærminger: å identifisere markedsmuligheter, løse kundepain points, imponere interessenter, eller prognostisere fremtidige trender – hvor thought leadership spiller en rolle. Alternativt kan man benytte bransjesjargong, og diskutere AI i SaaS B2B-kontekster, innkjøps-ROI, eller komplekse strategier som involverer modell-ytterligere, men klarhet er mer verdifullt. Et aktuelt fokus i ROI-diskusjoner er det såkalte “vertikale” markedet. I motsetning til hva termen kan antyde språklig – et marked som “opp” som en skyskraper – refererer et vertikalt marked til en spesialisert sektor som betjener en bestemt forretningsnisje. Som Julie Young fra Investopedia forklarer, retter vertikale markeder seg mot spesifikke kundegrupper med skreddersydde produkter/tjenester, for eksempel programvare designet utelukkende for sykehus eller finansinstitusjoner. Denne fokuseringen gir dypere kompetanse og potensielt høyere marginer, men begrenset markedstørrelse og høyere inngangsbarrierer betyr både muligheter og økt konkurranse. For å forenkle: et vertikalt marked betyr at en bedrift fokuserer på én type kunde; for eksempel å lage programvare kun for sykehus i stedet for for alle bransjer. Denne spesialiseringen gir bedre kundekunnskap, men færre kjøpere og større utfordringer. “Vertikal programvare” betjener disse definerte sektorene på flere nivåer – som systemer for sykehusadministrasjon spesielt designet for helseforetak. På en nylig paneldebatt ved Stanford med tittelen “Applied AI: Turning Industries into Innovation Engines, ” diskuterte ekspertene Sri Pangular (Mayfield), Bratin Saha (DigitalOcean), Lisa Dolan (Link Ventures) og Philip Rathle (Neo4J) AI’s rolle i automatisering av arbeidsflyt og kunnskapsarbeid innen vertikaler. Dolan trakk frem tradisjonelle opplæringsmodeller for ansatte – der yngre lærer seg grunnleggende oppgaver før de avanserer – og foreslo å speile denne tilnærmingen i AI-agent-trening for å bygge tillit i bedrifter og muliggjøre bredere utrulling på tvers av industriene. Saha understreket generativ AI og store språkmodeller (LLMs) som gjennombrudd som muliggjør automatisering innen høykostkunnskapsdomener som helsevesen, finans og juridiske tjenester, og dermed frigjør ROI gjennom kostnadsreduksjoner.

Rathle påpekte at selv om kostnadsbesparelser er betydelige i rutinearbeid, ligger den virkelige verdien i kritiske kjerneapplikasjoner hvor kvaliteten på svar er avgjørende, ettersom feil kan være kostbare. Dolan påpekte at automatiseringsinnsats fokusert på iskoblede systemer som CRM er mindre transformerende enn de som retter seg mot sentraliserte prosesser, og anerkjente at fremgangen skjer gradvis. Når det gjelder prising, oppfordret Rathle bedrifter til å velge mellom horisontale (bredde) eller vertikale (spesialisert) tilnærminger. Vertikal programvare, som er nærmere sluttkundene, kan ta betalt basert på verdi – i motsetning til tradisjonelle lisensmodeller. Dolan la vekt på en overgang fra per-bruker-prising til gjennomstrømning (throughput), og understreket viktigheten av at selskapene eier kundereisen og arbeidsflyten for å kunne forbedre AI-modellene kontinuerlig. Rathle var enig og advokatede mot å kreve betaling for AI-agenter som om de var menneskelige brukere, siden kjøpere misliker slike modeller og de ikke er bærekraftige. Når det gjelder AI sin utvikling, beskrev Saha en kontinuerlig skala fra AI som et verktøy til å bli en betrodd lagkamerat. I starten hjelper AI med spesifikke oppgaver, men etter tillitsbygging og delegasjon tar den på seg større ansvar, og kan lede organisasjoner hvor mennesker administrerer flere AI-agenter. Oppsummert innebærer AI sin påvirkning i næringslivet økt automatisering, utvikling av avanserte AI-agent, kostnadsbesparelsesanalyser og evolusjonære samarbeidsmodeller. Etter hvert som AI-teknologien modnes, må bedrifter bruke den på en gjennomtenkt måte, og finne en balanse mellom innovasjon, verdiskaping og bærekraftig integrasjon innenfor vertikale markeder og videre.