Co naprawdę trzeba zrobić, by stworzyć agencję AI o parametrach $100M: Poradnik Nate’a Herka

Pierwsza usługa automatyzacji, którą Nate Herk sprzedaje w ramach swojej strategii budowania biznesu, rzadko jest przedstawiana jako przełom technologiczny. Częściej polega ona na kwalifikacji potencjalnych klientów, aktualizacji systemu zarządzania relacjami z klientami, sporządzeniu raportu lub wyeliminowaniu kilku godzin powtarzalnych zadań administracyjnych. Ten pozorny brak blasku stanowi kluczowy element tego modelu.

Firmy mogą być zafascynowane autonomicznymi agentami, ale zazwyczaj inwestują w skrócenie czasu reakcji, obniżenie kosztów operacyjnych oraz ograniczenie liczby pracowników zajmujących się przenoszeniem informacji między systemami. Agencja zajmująca się sztuczną inteligencją staje się użyteczna z komercyjnego punktu widzenia, gdy przekłada szybko zmieniającą się technologię na te wymierne korzyści.

Herk, przedsiębiorca z Chicago zajmujący się automatyzacją oraz wykładowca internetowy, twierdzi, że we wrześniu 2024 roku założył agencję zajmującą się automatyzacją opartą na sztucznej inteligencji i dziewięć miesięcy później osiągnął miesięczny przychód cykliczny w wysokości $100,000, po czym sprzedał swoje udziały partnerom biznesowym. Od tego czasu wykorzystał to doświadczenie, tworząc kursy, społeczności internetowe oraz podręcznik dla przyszłych właścicieli agencji.

Dane te nie zostały poddane niezależnej weryfikacji, a wartość transakcji nie została podana do wiadomości publicznej. Jego model należy zatem traktować raczej jako relację założyciela, a nie jako zweryfikowane studium przypadku dotyczące wyników agencji.

Nawet z tym zastrzeżeniem podręcznik ten odzwierciedla istotną zmianę na rynku usług związanych ze sztuczną inteligencją. Platformy typu „low-code” oraz dostępne na rynku modele językowe obniżyły koszty tworzenia prototypów. Trudne zadania przeniosły się gdzie indziej: identyfikacja procesów, które warto zmienić, bezpieczna integracja systemów, wykazanie zwrotu z inwestycji oraz wsparcie automatyzacji po jej wdrożeniu do produkcji.

Właśnie w tym obszarze agencja może wnieść wartość dodaną. Jest to również obszar, w którym wielu nowych graczy na rynku nie docenia nakładu pracy.

Sprzedawaj wynik operacyjny, a nie sztuczną inteligencję

Najbardziej przekonującą z komercyjnego punktu widzenia zasadą Herka jest to, że agencja powinna sprzedawać wynik, a nie narzędzie.

Klient zazwyczaj nie potrzebuje “procesu n8n”, “agenta AI” ani połączenia z konkretnym modelem językowym jako takiego. Może natomiast potrzebować możliwości udzielenia odpowiedzi na każde zapytanie sprzedażowe w ciągu pięciu minut, skrócenia czasu potrzebnego na przygotowanie ofert lub zapobiegania sytuacji, w której zgłoszenia do działu obsługi klienta giną gdzieś pomiędzy pocztą elektroniczną a systemem zgłoszeń.

To rozróżnienie decyduje o tym, czy dane zlecenie zaowocuje trwałymi relacjami biznesowymi, czy też będzie jedynie imponującym pokazem, który jednak pozostaje na marginesie działalności operacyjnej.

Na przykład agencja oceniająca proces obsługi klienta powinna obliczyć bieżące koszty przyjmowania, klasyfikowania i przekazywania zapytań. Powinna ustalić, ile z nich ma charakter powtarzalny, jak często pracownicy korygują błędy oraz ile kosztuje firmę opóźniona odpowiedź. Dopiero wtedy będzie mogła stwierdzić, czy warto wdrożyć zautomatyzowany system.

Architektura technologiczna wynika z charakteru zadania. Niektóre zadania mogą wymagać zastosowania modelu językowego, ponieważ dane wejściowe są nieustrukturyzowane lub zmienne. Inne lepiej realizować za pomocą konwencjonalnych reguł, zapytań do baz danych i interfejsów programowania aplikacji. Wprowadzenie generatywnej sztucznej inteligencji tam, gdzie sprawdziłoby się oprogramowanie deterministyczne, wiąże się z dodatkowymi kosztami i nieprzewidywalnością, niekoniecznie poprawiając jednak wynik.

Ma to szczególne znaczenie w sytuacji, gdy rynek przechodzi od etapu eksperymentów do etapu analizy finansowej. Wdrażanie sztucznej inteligencji jest powszechne, ale odsetek projektów przynoszących oczekiwany zwrot z inwestycji pozostaje znacznie niższy. Agencja, która potrafi rozpoznać, kiedy sztuczna inteligencja nie jest potrzebna, może okazać się bardziej wartościowa niż ta, która próbuje wdrożyć autonomicznego agenta do każdego procesu roboczego.

Zacznij od jednego procesu, który da się zmierzyć

Ogólna obietnica “automatyzacji działalności” jest trudna do sprzedania, a jej realizacja wiąże się z ryzykiem. Bardziej praktyczne treści przedstawione przez Herka opierają się na poszczególnych procesach roboczych, które mają konkretnego odpowiedzialnego i wymierny koszt.

Kwalifikacja potencjalnych klientów to często punkt wyjścia. System może gromadzić zapytania, uzupełniać dane, klasyfikować potencjalnych klientów oraz przygotowywać wstępną odpowiedź przed przypisaniem danej szansy sprzedażowej do konkretnego handlowca. Wyniki można mierzyć na podstawie czasu reakcji, liczby spotkań z zakwalifikowanymi klientami, wskaźnika konwersji oraz zaoszczędzonych godzin.

Inne odpowiednie procesy obejmują pozyskiwanie informacji z dokumentów, sporządzanie cyklicznych raportów, kierowanie zgłoszeń do pomocy technicznej, aktualizowanie danych klientów lub przygotowywanie standardowych komunikatów do zatwierdzenia przez pracownika.

Zadania te mają kilka wspólnych cech. Występują często, mają rozpoznawalną strukturę i prowadzą do uzyskania wyniku, który można sprawdzić. Błędy zazwyczaj da się wykryć, zanim spowodują poważne konsekwencje finansowe lub prawne.

W początkowej fazie współpracy należy unikać procesów, w których model może dokonywać przelewów, podejmować wiążące zobowiązania lub komunikować się bez nadzoru w sprawach wrażliwych. Automatyzację obarczoną wysokim ryzykiem można wprowadzić w późniejszym terminie, gdy klient opracuje już procedury monitorowania, zatwierdzania i eskalacji.

Celem wczesnego etapu projektu nie jest wykazanie maksymalnego stopnia autonomii, jaki może osiągnąć dana technologia. Chodzi o wykazanie, że dany proces można usprawnić w sposób na tyle niezawodny, by klient zdecydował się na rozszerzenie współpracy.

Audyt automatyzacji jest produktem samym w sobie

Jednym z kluczowych elementów w drodze Herka od freelancera do konsultanta jest skorzystanie z płatnego audytu automatyzacji.

Większość firm zdaje sobie sprawę, że część ich działań jest nieefektywna, ale niekoniecznie wie, które procesy należy zautomatyzować w pierwszej kolejności. W wyniku przeprowadzonych wywiadów często powstają listy życzeń, które są kształtowane raczej przez najbardziej wpływowy dział lub najnowszą prezentację rozwiązań opartych na sztucznej inteligencji, a nie przez rzeczywisty wpływ na wyniki biznesowe.

Właściwy audyt pozwala prześledzić, w jaki sposób praca przebiega obecnie w organizacji. Określa on wykorzystywane systemy, osoby podejmujące decyzje, wymagane dane oraz wyjątki, które zakłócają standardowy przebieg procesu.

Agencja może następnie uszeregować możliwości według wielkości, kosztów pracy, wykonalności technicznej, ryzyka i oczekiwanej stopy zwrotu. Powtarzalne zadanie wykonywane przez dziesięciu pracowników może wydawać się atrakcyjne, ale nie w przypadku, gdy dane wejściowe są niespójne lub co piąty przypadek wymaga subiektywnej oceny.

Pobieranie opłat za tę analizę zmienia charakter relacji. Agencja otrzymuje wynagrodzenie za zdiagnozowanie problemu, a nie polega wyłącznie na późniejszym kontrakcie wdrożeniowym. Klient otrzymuje praktyczny plan działania, nawet jeśli zdecyduje się powierzyć część prac innemu dostawcy.

Pozwala to również na selekcję potencjalnych klientów. Firma, która nie chce udostępnić danych, wyznaczyć osoby odpowiedzialnej za proces lub określić wskaźnika sukcesu, raczej nie zapewni pomyślnego wdrożenia do środowiska produkcyjnego.

Powtarzające się przychody wymagają stałego zaangażowania

Herk opowiada się za umowami ryczałtowymi zamiast całkowitego polegania na jednorazowych opłatach za projekty. Logika ekonomiczna jest oczywista: umowy miesięczne zapewniają bardziej przewidywalne przychody i zwiększają wartość agencji.

Klient potrzebuje równie ważnego powodu, by nadal płacić.

Automatyzacja nie jest statyczną stroną internetową, którą można po prostu przekazać i o której można zapomnieć. Aplikacje zewnętrzne zmieniają swoje interfejsy, dostawcy modeli językowych aktualizują swoje produkty, a pracownicy klienta modyfikują procesy związane z systemem. Przepływ pracy, który działał niezawodnie w momencie uruchomienia, może przestać działać po tym, jak dostawca zmieni metodę uwierzytelniania lub klient zmodyfikuje pole w swoim systemie CRM.

Uzasadniona opłata ryczałtowa może obejmować monitorowanie, reagowanie na incydenty, ocenę modeli, kontrolę kosztów, aktualizacje zabezpieczeń oraz opracowywanie dodatkowych procedur. Agencja powinna przedstawiać raporty dotyczące czasu sprawności, błędów, wykorzystania usług oraz osiągniętych oszczędności, zamiast wystawiać faktury za nieokreślone “wsparcie w zakresie sztucznej inteligencji”.

Ten model świadczenia usług jest bardziej wymagający, niż mogłoby to wynikać z faktu, że generuje stałe przychody. Wiąże się on z obowiązkami wykraczającymi poza standardową realizację projektów i wymaga od agencji bieżącej znajomości architektury systemu każdego klienta. Mała firma, która w miarę upływu czasu gromadzi dostosowane do indywidualnych potrzeb systemy dla wielu klientów, może szybko stanąć w obliczu niemożliwego do opanowania obciążenia związanego z obsługą techniczną.

Dlatego standaryzacja ma zasadnicze znaczenie. Agencje potrzebują komponentów do rejestrowania, zatwierdzania, testowania i wdrażania, które można wykorzystywać wielokrotnie, nawet jeśli procesy biznesowe poszczególnych klientów się różnią. Im częściej każde wdrożenie jest tworzone od podstaw, tym mniej atrakcyjna staje się opłacalność powtarzalnych projektów.

„No-code” nie oznacza braku inżynierii

W swoich materiałach edukacyjnych Herk często prezentuje systemy zbudowane z wykorzystaniem platform takich jak n8n, które umożliwiają łączenie aplikacji, baz danych i modeli sztucznej inteligencji za pomocą wizualnych przepływów pracy.

Narzędzia te obniżyły barierę wejścia na rynek. Konsultant może stworzyć działający prototyp bez konieczności opracowywania całej aplikacji i stosunkowo szybko zaprezentować wynik potencjalnemu klientowi.

Łatwość stworzenia wersji demonstracyjnej może zaciemnić różnicę między prototypem a infrastrukturą produkcyjną.

Niezawodny proces wymaga uwierzytelniania, uprawnień, rejestrowania, obsługi błędów oraz mechanizmu przywracania działania w przypadku, gdy jedna z usług stanie się niedostępna. Dane muszą być odpowiednio przechowywane i przesyłane. Wyniki modelu mogą wymagać walidacji, zanim inny system podejmie na ich podstawie działania.

Agencja musi również ustalić, kto jest właścicielem procesu, kont i danych uwierzytelniających. Klient nie powinien dowiadywać się dopiero pod koniec współpracy, że kluczowa infrastruktura jest powiązana z osobistym kontem założyciela lub że tylko agencja może ją utrzymywać.

Platformy typu „no-code” i „low-code” ograniczają zakres niezbędnego programowania niestandardowego. Nie eliminują one jednak konieczności stosowania odpowiedniej architektury systemowej, przeprowadzania testów ani przestrzegania zasad bezpieczeństwa.

Powoduje to naturalny podział w ramach modelu agencji. Założyciel może kierować pracami analitycznymi, sprzedażą i strategią wobec klientów, podczas gdy doświadczeni inżynierowie ds. automatyzacji zajmują się wdrażaniem i zapewnieniem jakości. Próba utrzymania wizerunku agencji jednoosobowej przy jednoczesnym cichym poleganiu na nieformalnym podwykonawstwie może wiązać się z ryzykiem związanym z realizacją zleceń i poufnością.

Studia przypadków muszą wytrzymać analizę finansową

Model rozwoju firmy Herk opiera się w dużej mierze na treściach: należy stworzyć rozwiązanie automatyzacyjne, publicznie je wyjaśnić, a następnie wykorzystać prezentację do przyciągnięcia potencjalnych klientów. Jest to skuteczna strategia pozyskiwania klientów, ponieważ przekształca pracę techniczną w dowód kompetencji.

Wiarygodne studium przypadku to coś więcej niż tylko czas potrzebny na opracowanie procesu i wysokość pobranego honorarium.

Klient powinien być w stanie oszacować dotychczasowe koszty, koszty wdrożenia oraz bieżące koszty operacyjne. Oszczędności muszą uwzględniać weryfikację przez pracowników, opłaty za subskrypcje oprogramowania, wykorzystanie modeli oraz ich utrzymanie. Wzrost przychodów należy odróżnić od możliwości, które zostały jedynie przetworzone przez system.

Twierdzenie, że automatyzacja “pozwoliła zaoszczędzić 20 godzin tygodniowo”, ma sens tylko wtedy, gdy firma wyjaśni, co stało się z tymi godzinami. Jeśli pracownicy po prostu przeznaczyli je na inne zadania o niskiej wartości dodanej, korzyść finansowa różni się od tej wynikającej z wyeliminowania kosztów outsourcingu lub umożliwienia firmie rozwoju bez konieczności zatrudniania nowych pracowników.

W tym kontekście agencja musi również unikać traktowania teoretycznych oszczędności płacowych tak, jakby były one faktycznie uzyskanymi środkami pieniężnymi. Oszczędność połowy czasu pracy jednego pracownika nie zmniejsza kosztów wynagrodzeń, chyba że firma potrafi efektywnie wykorzystać ten potencjał w innym miejscu.

Najlepsze studia przypadków łączą usprawnienia procesów z konkretnymi korzyściami finansowymi: większa liczba nawiązanych kontaktów z potencjalnymi klientami, mniejsza liczba rezygnacji klientów, niższe wydatki na podwykonawców lub krótsze cykle windykacji należności.

Treści mogą stać się drugim źródłem dochodów

Kariera samego Herka ilustruje pewną cechę współczesnego rynku agencji zajmujących się sztuczną inteligencją: edukacja i budowanie grona odbiorców mogą stać się równie ważne z komercyjnego punktu widzenia, jak obsługa klientów.

Na jego stronie internetowej, kanale na YouTube oraz w społecznościach internetowych użytkownicy uczą się tworzyć i sprzedawać rozwiązania automatyzacyjne. Odbiorcy ci generują następnie przychody z płatnych subskrypcji, produktów szkoleniowych, sponsorów oraz zleceń konsultingowych.

Niekoniecznie jest to słaby punkt modelu, ale komplikuje to ocenę dowodów. Przychody przypisywane ogólnie “sztucznej inteligencji” mogą pochodzić z umów o stałą współpracę z agencjami, mediów, edukacji, partnerstw afiliacyjnych lub działalności doradczej. Osoby planujące założenie agencji nie powinny zakładać, że wyłącznie realizacja zleceń dla klientów przyczyniła się do osiągnięcia wszystkich opisanych publicznie wyników.

Dystrybucja treści może jednak stanowić potężną przewagę konkurencyjną. Usługi oparte na sztucznej inteligencji są trudne do oceny przez nabywców, a zaufanie często buduje się jeszcze przed rozpoczęciem formalnej rozmowy sprzedażowej. Konsultant, który wyjaśnia rzeczywiste procesy robocze, ograniczenia i decyzje wdrożeniowe, może wykazać się rozległą wiedzą specjalistyczną.

Istnieje ryzyko, że zachęty związane z treścią premiują szybkość i nowatorskość, a nie długoterminową niezawodność. Film może pokazywać działanie agenta w kontrolowanych warunkach tylko raz. Klient potrzebuje jednak, aby agent nadal działał, nawet gdy dane są niekompletne, dostawca zmieni oprogramowanie lub model wygeneruje nieoczekiwaną reakcję.

Standardy realizacji agencji muszą zatem być bardziej konserwatywne niż to, co prezentuje w swoich pokazach.

Problem $100 milionów

Twierdzenie zawarte w nagłówku, że Herk stworzył agencję zajmującą się sztuczną inteligencją o wartości $100 milionów, nie znajduje potwierdzenia w dostępnych danych. Według jego własnych informacji firma osiągnęła miesięczny przychód cykliczny w wysokości $100 000, co odpowiadałoby $1,2 miliona rocznie, gdyby poziom ten utrzymał się przez cały rok.

Nawet ta liczba wymaga szerszego kontekstu. Miesięczne przychody cykliczne nie są równoznaczne z zyskiem, wartością przedsiębiorstwa ani środkami pieniężnymi uzyskanymi ze sprzedaży. Agencja ponosiłaby koszty związane z realizacją usług, oprogramowaniem, współpracą z podwykonawcami, sprzedażą i obsługą klienta. Przychody mogą również pochodzić głównie od niewielkiej liczby klientów, których odejście miałoby istotny wpływ na działalność firmy.

Osiągnięcie takiego tempa wzrostu przez firmę usługową w ciągu dziewięciu miesięcy nadal stanowiłoby znaczący postęp biznesowy. Wyolbrzymianie tego osiągnięcia do poziomu $100 milionów sprawia, że samo osiągnięcie wydaje się mniej wiarygodne, a nie bardziej imponujące.

Najbardziej uniwersalnym wnioskiem nie jest sama ostateczna liczba. Chodzi raczej o stopniowy rozwój – od niewielkich wdrożeń, przez płatną diagnostykę i większe projekty, aż po stałą współpracę, a w końcu działalność edukacyjną skierowaną do określonej grupy odbiorców.

Każdy etap pozwala sprostać innemu wyzwaniu. Projekty realizowane na zasadzie freelancingu dostarczają konkretnych wyników. Doradztwo buduje wiarygodność strategiczną. Umowy retainerowe zwiększają przewidywalność przychodów. Treści obniżają koszty pozyskiwania klientów i otwierają dodatkowe źródła dochodów.

Pominięcie tych etapów może sprawić, że agencja oferująca transformację przedsiębiorstwa nie będzie dysponowała doświadczeniem w realizacji takich projektów, systemami ani zespołem niezbędnym do ich przeprowadzenia.

Jakie usługi powinny zamawiać firmy w agencji zajmującej się sztuczną inteligencją

Klient powinien zacząć od poproszenia o konkretne propozycje usprawnienia procesów, a nie o ogólną prezentację strategii dotyczącej sztucznej inteligencji.

Dostawca powinien być w stanie przedstawić mapę istniejącego przepływu pracy, oszacować potencjał oraz wyjaśnić, dlaczego w proponowanej architekturze sztuczna inteligencja jest wykorzystywana właśnie w tych obszarach. Powinien również określić, jakie dane są potrzebne, jakie decyzje pozostają w gestii ludzi oraz jakie są konsekwencje błędnego wyniku.

Warunki handlowe powinny odróżniać wdrożenie od bieżącego wsparcia. Przed rozpoczęciem prac należy uzgodnić kwestie dotyczące własności, hostingu, danych uwierzytelniających oraz warunków zakończenia współpracy. Klient powinien również mieć dostęp do danych monitorujących oraz możliwość zawieszenia automatyzacji bez konieczności całkowitego polegania na agencji.

Co najważniejsze, sukces powinien być powiązany ze wskaźnikiem biznesowym ustalonym przed wdrożeniem systemu.

Podręcznik Herka jest przekonujący tam, gdzie traktuje automatyzację opartą na sztucznej inteligencji jako doradztwo operacyjne, a nie jako katalog imponujących rozwiązań. Jest mniej przydatny, gdy powtarza się twierdzenia założycieli bez uwzględnienia kontekstu finansowego lub gdy szybkie prototypowanie mylnie uznaje się za trwałe wdrożenie.

Rynek nie potrzebuje kolejnych agencji obiecujących automatyzację wszystkiego. Potrzebuje dostawców gotowych dogłębnie zrozumieć dany proces, aby go usprawnić, zmierzyć wyniki i ponosić odpowiedzialność nawet po zakończeniu prezentacji.