The AI Opportunity That Goes Beyond Models

Summary & Insights

While many are fixated on the raw power of AI models, the true transformation lies in the applications being built on top of them—software that fundamentally changes the economics of work by making people richer and lazier. This is the core thesis explored by a16z’s Alex Rampell, David Haber, and Anish Acharya, who argue that enduring AI companies won’t just be better versions of existing software; they will create entirely new categories by replacing or augmenting human labor directly. The conversation maps out a landscape where the speed of adoption is unprecedented, moving from novelty to enterprise essential in months, not years, and where defensibility comes not from the AI alone, but from building deep, product-based moats.

The discussion identifies three primary investment themes shaping the current AI wave. First is the “AI-native” transformation of traditional software categories, where new entrants like Rilli (for ERP) or CREA (for design) attack incumbent strongholds by targeting greenfield customers—new businesses or those at an inflection point who are open to a fundamentally better, AI-first solution. Second, and potentially largest, is software that directly substitutes for labor, tackling jobs where there are shortages, high turnover, or inefficiencies. Examples include Salient, which automates debt collection calls and increases recovery rates, and Eve, which handles the entire workflow for plaintiff-side attorneys, allowing them to take on more cases. The third theme is the “walled garden” business built on proprietary data that becomes immensely more valuable when combined with AI to deliver a finished product, such as Open Evidence for medical research or Ask Leo for procurement contracts.

Success in this new era hinges on building defensibility beyond just having a clever AI feature. The most compelling companies create “hostages, not customers” by becoming mission-critical systems of record. They achieve this by owning an end-to-end workflow, integrating deeply into a vertical, and leveraging unique, proprietary data that compounds over time. This moat is crucial because the underlying AI capabilities themselves are rapidly commoditizing. The speed of innovation means that while incumbents like Adobe or Intuit will also enhance their products with AI, massive opportunities exist for startups in greenfield markets and in creating software that performs jobs no traditional software was hired to do before.

Surprising Insights

The “Brownfield” vs. “Greenfield” Distinction: For AI-native replacements of existing software (like a new CRM), it’s exceptionally difficult to displace an incumbent’s existing customers (“brownfield”). The real opportunity lies in capturing new companies or those at a key growth inflection point (“greenfield”).
Labor Substitution Focuses on Value Generation, Not Just Cost Savings: The most successful “software eating labor” companies, like Salient in debt collection, are winning because they demonstrably generate more revenue (e.g., 50% higher collections) for their clients, not merely because they are cheaper than a human team.
Incumbents Are Strongly Positioned to Benefit from AI: Unlike prior shifts like cloud or mobile, current software incumbents broadly recognize AI’s value and are actively embedding it into their products. This means they will likely become stronger and capture significant new revenue streams from their existing, sticky customer bases.
Proprietary Data’s Value Multiplier: Data aggregation businesses (like PitchBook or CoStar) existed before AI, but AI acts as a force multiplier. By using AI to deliver a finished analysis or action—not just the raw data—these “walled gardens” can increase the value and price of their offerings by an order of magnitude.

Practical Takeaways

Target Unmet Demand in Labor Markets: Look for repetitive, high-turnover, or unfulfilled job roles (e.g., certain types of customer support, administrative work, specialized research). Building software that does 80-90% of that job reliably can open a massive new market.
Build Workflows, Not Just Features: To achieve defensibility, design your product to be a system of record that owns an entire workflow for a specific profession or business function. This creates switching costs far beyond a single AI capability.
Seek Proprietary Data Feedback Loops: When evaluating an idea, ask: can usage of this product generate unique, non-public data that makes the product itself smarter and more effective over time, creating a compounding advantage competitors cannot access?
Prioritize Greenfield Customer Acquisition: If you’re building a better version of an existing software category, focus your early sales and marketing efforts on brand-new companies or those experiencing a clear “rip-and-replace” moment due to growth or pain, rather than trying to convince satisfied users of an old system to switch.

Trong khi nhiều người chỉ tập trung vào sức mạnh thuần túy của các mô hình AI, sự chuyển đổi thực sự nằm ở các ứng dụng được xây dựng trên chúng — phần mềm làm thay đổi cơ bản nền kinh tế của công việc bằng cách khiến con người giàu có và lười biếng hơn. Đây là luận điểm cốt lõi được Alex Rampell, David Haber và Anish Acharya từ a16z khám phá. Họ lập luận rằng những công ty AI bền vững sẽ không chỉ là những phiên bản tốt hơn của phần mềm hiện có; họ sẽ tạo ra các danh mục hoàn toàn mới bằng cách thay thế hoặc tăng cường trực tiếp sức lao động con người. Cuộc thảo luận vẽ nên một bức tranh nơi tốc độ ứng dụng chưa từng có, chuyển từ tính mới lạ sang yếu tố thiết yếu doanh nghiệp chỉ trong vài tháng chứ không phải vài năm, và nơi khả năng phòng thủ không đến từ mỗi AI, mà từ việc xây dựng các “hào sâu” vững chắc dựa trên sản phẩm.

Cuộc thảo luận xác định ba chủ đề đầu tư chính đang định hình làn sóng AI hiện tại. Đầu tiên là sự chuyển đổi “bản địa AI” của các danh mục phần mềm truyền thống, nơi những người mới gia nhập như Rilli (cho ERP) hoặc CREA (cho thiết kế) tấn công các thành trì của công ty đương nhiệm bằng cách nhắm vào khách hàng “vùng đất xanh” — các doanh nghiệp mới hoặc những doanh nghiệp đang ở điểm bùng phát sẵn sàng chấp nhận một giải pháp tốt hơn về cơ bản, ưu tiên AI. Thứ hai, và có lẽ lớn nhất, là phần mềm thay thế trực tiếp cho lao động, giải quyết những công việc thiếu hụt nhân lực, có tỷ lệ nghỉ việc cao hoặc kém hiệu quả. Ví dụ bao gồm Salient tự động hóa cuộc gọi thu nợ và tăng tỷ lệ thu hồi, và Eve xử lý toàn bộ quy trình công việc cho luật sư nguyên đơn, cho phép họ nhận nhiều vụ án hơn. Chủ đề thứ ba là mô hình kinh doanh “khu vườn có tường bao” được xây dựng trên dữ liệu độc quyền trở nên có giá trị vô cùng lớn khi kết hợp với AI để tạo ra sản phẩm hoàn chỉnh, chẳng hạn như Open Evidence cho nghiên cứu y tế hoặc Ask Leo cho hợp đồng mua sắm.

Thành công trong kỷ nguyên mới này phụ thuộc vào việc xây dựng khả năng phòng thủ vượt ra ngoài việc chỉ có một tính năng AI thông minh. Những công ty hấp dẫn nhất tạo ra “con tin, chứ không phải khách hàng” bằng cách trở thành hệ thống hồ sơ quan trọng. Họ đạt được điều này bằng cách sở hữu một quy trình làm việc đầu-cuối, tích hợp sâu vào một lĩnh vực cụ thể và tận dụng dữ liệu độc quyền, duy nhất được tích lũy theo thời gian. “Hào sâu” này là rất quan trọng vì bản thân khả năng AI cơ bản đang nhanh chóng trở thành hàng hóa. Tốc độ đổi mới có nghĩa là trong khi các công ty đương nhiệm như Adobe hay Intuit cũng sẽ nâng cấp sản phẩm của họ bằng AI, vẫn tồn tại cơ hội khổng lồ cho các startup trong thị trường “vùng đất xanh” và trong việc tạo ra phần mềm thực hiện những công việc mà trước đây không có phần mềm truyền thống nào được thuê để làm.

Những Hiểu Biết Đáng Ngạc Nhiên

Sự Khác Biệt Giữa “Vùng Đất Nâu” và “Vùng Đất Xanh”: Đối với các giải pháp thay thế bản địa AI cho phần mềm hiện có (như một CRM mới), việc thay thế khách hàng hiện có của công ty đương nhiệm (“vùng đất nâu”) là cực kỳ khó khăn. Cơ hội thực sự nằm ở việc chiếm lĩnh các công ty mới hoặc những công ty đang ở điểm bùng phát tăng trưởng quan trọng (“vùng đất xanh”).

Thay Thế Lao Động Tập Trung Vào Tạo Giá Trị, Không Chỉ Tiết Kiệm Chi Phí: Những công ty “phần mềm ăn thịt lao động” thành công nhất, như Salient trong lĩnh vực thu nợ, đang chiến thắng vì họ chứng minh được rằng họ tạo ra nhiều doanh thu hơn (ví dụ: thu hồi cao hơn 50%) cho khách hàng của mình, không chỉ đơn thuần vì rẻ hơn một đội ngũ con người.

Các Công Ty Đương Nhiệm Có Vị Thế Mạnh Để Hưởng Lợi Từ AI: Khác với những thay đổi trước đây như điện toán đám mây hay di động, các công ty phần mềm đương nhiệm hiện nay nhìn chung đều nhận ra giá trị của AI và đang chủ động tích hợp nó vào sản phẩm của họ. Điều này có nghĩa họ có khả năng trở nên mạnh hơn và thu về các dòng doanh thu mới đáng kể từ cơ sở khách hàng trung thành hiện có.

Hệ Số Nhân Giá Trị Của Dữ Liệu Độc Quyền: Các doanh nghiệp tổng hợp dữ liệu (như PitchBook hay CoStar) đã tồn tại trước AI, nhưng AI đóng vai trò như một hệ số nhân sức mạnh. Bằng cách sử dụng AI để cung cấp một phân tích hoặc hành động hoàn chỉnh — không chỉ dữ liệu thô — những “khu vườn có tường bao” này có thể tăng giá trị và giá cả dịch vụ của họ lên một bậc độ lớn.

Điểm Rút Ra Thực Tiễn

Nhắm Vào Nhu Cầu Chưa Được Đáp Ứng Trong Thị Trường Lao Động: Hãy tìm kiếm các vai trò công việc lặp đi lặp lại, có tỷ lệ nghỉ việc cao hoặc chưa được thỏa mãn (ví dụ: một số loại hình hỗ trợ khách hàng, công việc hành chính, nghiên cứu chuyên sâu). Xây dựng phần mềm có thể thực hiện 80-90% công việc đó một cách đáng tin cậy có thể mở ra một thị trường mới rộng lớn.

Xây Dựng Quy Trình Làm Việc, Không Chỉ Tính Năng: Để đạt được khả năng phòng thủ, hãy thiết kế sản phẩm của bạn trở thành hệ thống hồ sơ sở hữu toàn bộ quy trình làm việc cho một nghề nghiệp hoặc chức năng kinh doanh cụ thể. Điều này tạo ra chi phí chuyển đổi vượt xa một khả năng AI đơn lẻ.

Tìm Kiếm Vòng Phản Hồi Dữ Liệu Độc Quyền: Khi đánh giá một ý tưởng, hãy tự hỏi: liệu việc sử dụng sản phẩm này có tạo ra dữ liệu độc đáo, không công khai giúp bản thân sản phẩm trở nên thông minh và hiệu quả hơn theo thời gian, từ đó tạo ra lợi thế tích lũy mà đối thủ không thể tiếp cận?

Ưu Tiên Thu Hút Khách Hàng “Vùng Đất Xanh”: Nếu bạn đang xây dựng một phiên bản tốt hơn của một danh mục phần mềm hiện có, hãy tập trung nỗ lực bán hàng và tiếp thị ban đầu của bạn vào các công ty hoàn toàn mới hoặc những công ty đang trải qua thời điểm “xé bỏ và thay thế” rõ ràng do tăng trưởng hoặc đau đớn, thay vì cố thuyết phục người dùng hài lòng của hệ thống cũ chuyển đổi.

當許多人將目光聚焦於人工智慧模型的原始算力時，真正的變革其實在於建立在這些模型之上的應用程式——這些軟體從根本上改變了工作的經濟模式，使人們變得更富裕，也變得更慵懶。這是a16z（安德森·霍洛維茨基金）的亞歷克斯·蘭佩爾、大衛·哈伯與阿尼什·阿查里雅所探討的核心觀點。他們認為，具有持久力的AI公司不僅僅是現有軟體的升級版，它們將通過直接取代或增強人類勞動力，創造出全新的產業類別。這場討論描繪出一幅前所未有的應用速度圖景——新技術從新奇事物轉變為企業必需品的時間僅需數月而非數年；而企業的護城河不僅來自AI技術本身，更來自於構建深厚的、以產品為基礎的競爭壁壘。

討論中指出了塑造當前AI浪潮的三個主要投資主題。首先是傳統軟體類別的「AI原生」轉型。在這類轉型中，像Rilli（針對ERP系統）或CREA（針對設計領域）這樣的新進者通過瞄準「綠地客戶」（即新創企業或處於轉型節點、願意接受從根本上更優化的AI優先解決方案的企業），向現有市場主導者發起挑戰。其次是直接替代勞動力的軟體（這可能是規模最大的類別），它們針對勞動力短缺、高流動率或效率低下的工作崗位。例如Salient——它將債務催收電話自動化，並提高回收率；還有Eve——它能處理原告方律師的全部工作流程，使律師能承接更多案件。第三個主題是建立在專有數據之上的「圍牆花園」商業模式。當這些數據與AI結合以交付成品時（例如用於醫學研究的Open Evidence或用於採購合約的Ask Leo），其價值將呈指數級增長。

在這個新時代取得成功，關鍵在於構建超越單一AI功能的競爭壁壘。最具吸引力的企業會通過成為關鍵任務的記錄系統來創造「人質型客戶，而非普通客戶」。它們透過掌握端到端的工作流程、深度融入垂直領域，並利用隨時間累積的獨特專有數據來實現這一目標。這道護城河至關重要，因為底層的AI能力本身正迅速商品化。創新的速度意味著，雖然像Adobe或Intuit這樣的現有企業也會用AI增強其產品，但新創公司在綠地市場以及創造過去從未有傳統軟體能完成的工作的軟體方面，仍存在巨大機會。

令人意外的洞察

「棕地」與「綠地」之別：對於現有軟體的AI原生替代品（如新型CRM系統），要取代現有企業的客戶（「棕地」）異常困難。真正的機會在於吸引新公司或處於關鍵增長轉折點的企業（「綠地」）。

勞動力替代聚焦於價值創造，而非僅是成本節省：最成功的「軟體吞噬勞力」公司（如專注債務催收的Salient）之所以勝出，是因為它們能明確為客戶創造更多收益（例如催收率提高50%），而不僅僅是因為比人工團隊更便宜。

現有企業在AI浪潮中佔據優勢地位：與過去的雲端或行動技術轉型不同，當前的軟體企業普遍認識到AI的價值，並積極將其嵌入產品。這意味著它們很可能會變得更強大，並從現有黏性客戶群中獲取顯著的新收入流。

專有數據的價值倍增效應：數據聚合業務（如PitchBook或CoStar）在AI出現前就已存在，但AI發揮了力量倍增器的作用。通過使用AI交付成品分析或行動（而不僅僅是原始數據），這些「圍牆花園」能將其產品價值和價格提升一個數量級。

實用啟示

瞄準勞動力市場中未被滿足的需求：尋找重複性高、流動率高或人力不足的工作崗位（例如某些類型的客戶支援、行政工作、專業研究）。開發能可靠完成該工作80-90%內容的軟體，可以開闢龐大的新市場。

構建工作流程，而非僅是單一功能：為建立競爭壁壘，應將產品設計為能掌握特定職業或業務功能的完整工作流程的記錄系統。這將創造遠超單一AI能力的轉換成本。

尋求專有數據的回饋迴路：評估創意時要問：這款產品的使用是否能產生獨特的非公開數據，使產品本身隨時間變得更智能、更有效，從而創造競爭對手無法獲取的複利優勢？

優先鎖定綠地客戶：如果你正在打造現有軟體類別的升級版，應將早期銷售和行銷重點放在全新公司，或因成長或痛點而經歷明顯「汰舊換新」階段的企業，而非試圖說服現有系統的滿意用戶轉換。

Si bien muchos están obsesionados con la potencia bruta de los modelos de IA, la verdadera transformación se encuentra en las aplicaciones construidas sobre ellos: software que cambia fundamentalmente la economía del trabajo al hacer a las personas más ricas y más perezosas. Esta es la tesis central explorada por Alex Rampell, David Haber y Anish Acharya de a16z, quienes sostienen que las empresas de IA duraderas no serán simplemente versiones mejores del software existente; crearán categorías completamente nuevas al reemplazar o complementar directamente el trabajo humano. La conversación traza un panorama en el que la velocidad de adopción no tiene precedentes, pasando de novedad a herramienta esencial para la empresa en meses, no años, y donde la defensibilidad no proviene solo de la IA en sí, sino de construir fosos competitivos profundos basados en el producto.

La discusión identifica tres temas principales de inversión que están dando forma a la actual ola de IA. El primero es la transformación “nativa de IA” de categorías tradicionales de software, donde nuevos participantes como Rilli (para ERP) o CREA (para diseño) atacan las fortalezas de los incumbentes apuntando a clientes greenfield: nuevas empresas o aquellas en un punto de inflexión que están abiertas a una solución radicalmente mejor y concebida desde el inicio para IA. El segundo, y potencialmente el mayor, es el software que sustituye directamente trabajo humano, abordando funciones donde hay escasez, alta rotación o ineficiencias. Algunos ejemplos son Salient, que automatiza llamadas de cobranza de deudas y aumenta las tasas de recuperación, y Eve, que gestiona todo el flujo de trabajo de abogados del lado demandante, permitiéndoles asumir más casos. El tercer tema es el negocio de “jardín amurallado”, construido sobre datos propietarios que se vuelven inmensamente más valiosos cuando se combinan con IA para ofrecer un producto terminado, como Open Evidence para investigación médica o Ask Leo para contratos de compras.

El éxito en esta nueva era depende de construir defensibilidad más allá de simplemente tener una función ingeniosa de IA. Las empresas más convincentes crean “rehenes, no clientes” al convertirse en sistemas de registro críticos para la misión. Lo logran al controlar un flujo de trabajo de extremo a extremo, integrarse profundamente en un sector vertical y aprovechar datos únicos y propietarios que se acumulan con el tiempo. Este foso competitivo es crucial porque las capacidades subyacentes de IA se están comoditizando rápidamente. La velocidad de la innovación implica que, aunque incumbentes como Adobe o Intuit también mejorarán sus productos con IA, existen oportunidades enormes para startups en mercados greenfield y en la creación de software que realiza trabajos para los que antes nunca se contrató software tradicional.

Ideas sorprendentes

La distinción entre “brownfield” y “greenfield”: Para reemplazos nativos de IA de software existente (como un nuevo CRM), es excepcionalmente difícil desplazar a los clientes actuales de un incumbente (“brownfield”). La verdadera oportunidad está en captar nuevas empresas o aquellas en un punto clave de inflexión de crecimiento (“greenfield”).

La sustitución de trabajo se enfoca en generar valor, no solo en ahorrar costos: Las empresas más exitosas de “software que se come el trabajo”, como Salient en la cobranza de deudas, están ganando porque demuestran que generan más ingresos (por ejemplo, 50 % más en cobros) para sus clientes, no simplemente porque sean más baratas que un equipo humano.

Los incumbentes están muy bien posicionados para beneficiarse de la IA: A diferencia de cambios anteriores como la nube o lo móvil, los incumbentes actuales del software reconocen ampliamente el valor de la IA y la están incorporando activamente en sus productos. Esto significa que probablemente se volverán más fuertes y captarán importantes nuevas fuentes de ingresos desde sus bases de clientes existentes y fieles.

El efecto multiplicador del valor de los datos propietarios: Los negocios de agregación de datos (como PitchBook o CoStar) ya existían antes de la IA, pero la IA actúa como un multiplicador de fuerza. Al usar IA para ofrecer un análisis o una acción terminada —no solo los datos en bruto— estos “jardines amurallados” pueden aumentar el valor y el precio de sus ofertas en un orden de magnitud.

Conclusiones prácticas

Apunta a demanda no satisfecha en los mercados laborales: Busca funciones repetitivas, con alta rotación o vacantes sin cubrir (por ejemplo, ciertos tipos de atención al cliente, trabajo administrativo o investigación especializada). Construir software que realice de manera fiable el 80-90 % de ese trabajo puede abrir un mercado nuevo enorme.

Construye flujos de trabajo, no solo funciones: Para lograr defensibilidad, diseña tu producto como un sistema de registro que domine un flujo de trabajo completo para una profesión específica o una función empresarial. Esto crea costos de cambio mucho mayores que una sola capacidad de IA.

Busca bucles de retroalimentación de datos propietarios: Al evaluar una idea, pregúntate: ¿puede el uso de este producto generar datos únicos, no públicos, que hagan que el producto mismo sea más inteligente y eficaz con el tiempo, creando una ventaja acumulativa a la que los competidores no puedan acceder?

Prioriza la captación de clientes greenfield: Si estás construyendo una mejor versión de una categoría de software existente, enfoca tus primeros esfuerzos de ventas y marketing en empresas completamente nuevas o en aquellas que estén experimentando un claro momento de “reemplazo total” debido al crecimiento o al dolor operativo, en lugar de intentar convencer a usuarios satisfechos de un sistema antiguo para que se cambien.

Enquanto muitos estão fixados no poder bruto dos modelos de IA, a verdadeira transformação está nas aplicações construídas sobre eles — softwares que mudam fundamentalmente a economia do trabalho ao tornar as pessoas mais ricas e mais preguiçosas. Essa é a tese central explorada por Alex Rampell, David Haber e Anish Acharya, da a16z, que argumentam que as empresas de IA duradouras não serão apenas versões melhores dos softwares existentes; elas criarão categorias inteiramente novas ao substituir ou ampliar diretamente o trabalho humano. A conversa traça um panorama em que a velocidade de adoção é sem precedentes, passando de novidade a item essencial para empresas em questão de meses, e não anos, e em que a defensabilidade não vem apenas da IA em si, mas da construção de fossos competitivos profundos baseados no produto.

A discussão identifica três temas principais de investimento que estão moldando a atual onda de IA. O primeiro é a transformação “nativa em IA” de categorias tradicionais de software, em que novos entrantes como Rilli (para ERP) ou CREA (para design) atacam fortalezas de incumbentes ao mirar clientes greenfield — novas empresas ou aquelas em um ponto de inflexão, abertas a uma solução fundamentalmente melhor e pensada desde o início para IA. O segundo, e potencialmente o maior, é o software que substitui diretamente mão de obra, abordando funções em que há escassez, alta rotatividade ou ineficiências. Exemplos incluem a Salient, que automatiza chamadas de cobrança de dívidas e aumenta as taxas de recuperação, e a Eve, que cuida de todo o fluxo de trabalho de advogados que atuam pelo lado do autor, permitindo que assumam mais casos. O terceiro tema é o negócio de “jardim murado”, construído sobre dados proprietários que se tornam imensamente mais valiosos quando combinados com IA para entregar um produto finalizado, como a Open Evidence para pesquisa médica ou a Ask Leo para contratos de compras.

O sucesso nesta nova era depende de construir defensabilidade para além de simplesmente ter um recurso inteligente de IA. As empresas mais convincentes criam “reféns, não clientes” ao se tornarem sistemas de registro de missão crítica. Elas fazem isso ao dominar um fluxo de trabalho de ponta a ponta, integrar-se profundamente a um vertical e alavancar dados únicos e proprietários que se acumulam ao longo do tempo. Esse fosso é crucial porque as capacidades subjacentes de IA estão rapidamente se comoditizando. A velocidade da inovação significa que, embora incumbentes como Adobe ou Intuit também aprimorem seus produtos com IA, existem enormes oportunidades para startups em mercados greenfield e na criação de softwares que executam trabalhos para os quais nenhum software tradicional havia sido contratado antes.

Insights Surpreendentes

A distinção entre “Brownfield” e “Greenfield”: Para substituições nativas em IA de softwares existentes (como um novo CRM), é excepcionalmente difícil deslocar os clientes atuais de um incumbente (“brownfield”). A verdadeira oportunidade está em conquistar novas empresas ou aquelas em um ponto-chave de inflexão de crescimento (“greenfield”).

A substituição de mão de obra foca na geração de valor, não apenas em economia de custos: As empresas de maior sucesso em “software substituindo trabalho”, como a Salient em cobrança de dívidas, estão vencendo porque comprovadamente geram mais receita (por exemplo, 50% mais cobranças recuperadas) para seus clientes, e não apenas porque são mais baratas do que uma equipe humana.

Os incumbentes estão muito bem posicionados para se beneficiar da IA: Ao contrário de mudanças anteriores, como computação em nuvem ou mobile, os atuais incumbentes de software reconhecem amplamente o valor da IA e estão incorporando-a ativamente em seus produtos. Isso significa que provavelmente se tornarão mais fortes e capturarão fluxos significativos de nova receita a partir de suas bases já estabelecidas e fiéis de clientes.

O efeito multiplicador do valor dos dados proprietários: Negócios de agregação de dados (como PitchBook ou CoStar) já existiam antes da IA, mas a IA atua como um multiplicador de força. Ao usar IA para entregar uma análise concluída ou uma ação — e não apenas os dados brutos — esses “jardins murados” podem aumentar o valor e o preço de suas ofertas em uma ordem de magnitude.

Conclusões Práticas

Alveje demanda não atendida nos mercados de trabalho: Procure funções repetitivas, de alta rotatividade ou não plenamente atendidas (por exemplo, certos tipos de suporte ao cliente, trabalho administrativo, pesquisa especializada). Construir software que execute 80–90% desse trabalho com confiabilidade pode abrir um enorme novo mercado.

Construa fluxos de trabalho, não apenas recursos: Para alcançar defensabilidade, projete seu produto para ser um sistema de registro que controle um fluxo de trabalho inteiro para uma profissão específica ou função empresarial. Isso cria custos de troca muito maiores do que uma única capacidade de IA.

Busque ciclos de feedback com dados proprietários: Ao avaliar uma ideia, pergunte-se: o uso deste produto pode gerar dados únicos, não públicos, que tornem o próprio produto mais inteligente e eficaz ao longo do tempo, criando uma vantagem cumulativa à qual os concorrentes não podem ter acesso?

Priorize a aquisição de clientes greenfield: Se você está construindo uma versão melhor de uma categoria de software existente, concentre seus primeiros esforços de vendas e marketing em empresas novíssimas ou naquelas vivendo um claro momento de “substituição completa” devido a crescimento ou dor, em vez de tentar convencer usuários satisfeitos de um sistema antigo a migrar.

The a16z AI Apps team outlines how they are thinking about the AI application cycle and why they believe it represents the largest and fastest product shift in software to date. The conversation places AI in the context of prior platform waves, from PCs to cloud to mobile, and examines where adoption is already translating into real enterprise usage and revenue. They walk through three core investment themes: existing software categories becoming AI-native, new categories where software directly replaces labor, and applications built around proprietary data and closed-loop workflows. Using portfolio examples, the discussion shows how these models play out in practice and why defensibility, workflow ownership, and data moats matter more than novelty as AI applications scale.

Resources:

Follow Alex Rampell on X: https://twitter.com/arampell

Follow Jen Kha on X: https://twitter.com/jkhamehl

Follow David Haber on X: https://twitter.com/dhaber

Follow Anish Acharya on X: https://twitter.com/illscience

Stay Updated:

If you enjoyed this episode, be sure to like, subscribe, and share with your friends!

Find a16z on X: https://twitter.com/a16z

Find a16z on LinkedIn: https://www.linkedin.com/company/a16z

Listen to the a16z Podcast on Spotify: https://open.spotify.com/show/5bC65RDvs3oxnLyqqvkUYX

Listen to the a16z Podcast on Apple Podcasts: https://podcasts.apple.com/us/podcast/a16z-podcast/id842818711

Not an offer or solicitation. None of the information herein should be taken as investment advice; Some of the companies mentioned are portfolio companies of a16z. Please see https://a16z.com/disclosures/ for more information. A list of investments made by a16z is available at https://a16z.com/portfolio

Stay Updated:

Find a16z on X

Find a16z on LinkedIn

Listen to the a16z Show on Spotify

Listen to the a16z Show on Apple Podcasts

Follow our host: https://twitter.com/eriktorenberg

Please note that the content here is for informational purposes only; should NOT be taken as legal, business, tax, or investment advice or be used to evaluate any investment or security; and is not directed at any investors or potential investors in any a16z fund. a16z and its affiliates may maintain investments in the companies discussed. For more details please see a16z.com/disclosures.

Hosted by Simplecast, an AdsWizz company. See pcm.adswizz.com for information about our collection and use of personal data for advertising.