For the past 25 years, application software startups have had a singular focus: increasing company and employee (including developer) productivity. This looked like building software that increased productivity at the employee level, increased collaboration across employees and teams, and/or enabled better oversight and management at the leadership level. More often than not, this software has been priced on a per seat basis, in essence benchmarked against the cost of the headcount itself and increasing that headcount’s productivity.

Enter Large Language Models (LLMs). The first tranche of products and startups leveraging LLMs has kept within the mental model of selling software to achieve step-function improvements in end-user productivity. The "Copilot for [x]" trend reflects this mental model. While there are fantastic startups innovating to improve employee productivity, LLMs create an opportunity for startups to look beyond this way of thinking and discover surface area that previously was out of bounds for selling software given the required GTM and pricing limitations of software. To do this, rather than sell software to improve an end-user's productivity, founders should consider what it would look like to sell the work itself.

Selling work opens up new vertical opportunities that wouldn’t have otherwise supported a software company. Take EvenUp as an example (who I have no doubt will dominate their vertical). If you are a personal injury lawyer, a work product you create on behalf of a plaintiff is called a demand package. Essentially the demand package is a summary of the case, the medical costs of the injury (including lost wages), and then a recommendation on the settlement value from the defendant’s insurance company. Law firms have stretched lawyers, paralegals, or outsourced groups writing these documents.

If you were still in the mindset of selling software, you could imagine a software offering for personal injury law firms, sold on a per-seat basis, that uses AI to help people in the firm create a demand package (imagine a builder where you drop in the medical records during one step of the process). But then EvenUp would have been stuck in the paradigm of selling software – selling a 10% productivity improvement instead of 95%. Instead, EvenUp had the foresight to sell the work product itself: the demand package.

When you sell work, the sales cycle is different, it’s priced relative to the cost of a human performing the work instead of as a productivity improver, and the competition for a similar product (besides the company’s own human capital) is essentially outsourced groups internationally. An AI-driven product with the consistency and SLAs it can achieve should be vastly superior to an outsourced offering – a 10x and cheaper opportunity. Indeed, I’d guess a good test of the viability of a market opportunity to sell AI-built “work” is, crudely, whether there already exists a focused, outsourced group internationally to support it.

For example, just to spark some ideas, here are some of the BPO services for an outsourcing provider:

And here are some examples of Legal Process Outsourcing options:

Any of these, I imagine, are vulnerable to automation leveraging AI.

As I write this, I’m aware of the 3rd rail I am touching – the fear that AI will replace humans over time. Here, I look to EvenUp as an example. When the lawyers and paralegals are freed up from putting together demand packages, the customer (the plaintiff) benefits from better demand packages, and the people in the firm benefit from being able to shift their time to less mechanical things like client services, getting more customers, or of course the finishing touches on the demand package.

If you see any other examples of this, I’m all ears. And if you are building a company leveraging LLMs to sell work, I’d love to hear from you. My X DMs are open, and my Benchmark email address is sarah at benchmark dot com.

Also, it’s not enough to sell work — you must escape competition. To this end, I’d also suggest my prior post How to escape competition -- Building enduring application-level value with LLMs, so you don’t fall into the trap of providing a service that gets all the margin squeezed away.

지난 25년 동안 애플리케이션 소프트웨어 스타트업은 회사와 직원(개발자 포함)의 생산성 향상이라는 한 가지 목표에 집중해 왔습니다. 즉, 직원 수준에서 생산성을 높이고, 직원과 팀 간의 협업을 강화하며, 경영진 수준에서 더 나은 감독과 관리를 가능하게 하는 소프트웨어를 구축하는 것이었습니다. 대부분의 경우 이러한 소프트웨어는 인건비 자체와 해당 인력의 생산성 향상을 벤치마킹하여 좌석당 가격이 책정되었습니다.

대규모 언어 모델(LLM)을 입력합니다. LLM을 활용하는 제품 및 스타트업의 첫 번째 트랜치는 최종 사용자 생산성의 단계적 기능 향상을 달성하기 위해 소프트웨어를 판매한다는 정신적 모델을 유지했습니다. '[x]를 위한 부조종사'라는 트렌드는 이러한 정신 모델을 반영합니다. 직원 생산성 향상을 위해 혁신하는 훌륭한 스타트업이 많지만, LLM은 이러한 사고방식을 뛰어넘어 이전에는 소프트웨어의 필수 GTM 및 가격 제한으로 인해 소프트웨어 판매에 한계가 있었던 영역을 발견할 수 있는 기회를 만들어 줍니다. 이를 위해 창업자는 최종 사용자의 생산성 향상을 위해 소프트웨어를 판매하는 것이 아니라 작업 그 자체를 판매하는 것이 어떤 모습일지 고려해야 합니다.

작업을 판매하면 소프트웨어 회사가 지원하지 않았던 새로운 수직적 기회가 열립니다. 이븐업(https://www.evenuplaw.com/)을 예로 들어 보겠습니다(이븐업이 해당 업계를 지배할 것이라는 데는 의심의 여지가 없습니다). 개인 상해 변호사의 경우, 원고를 대신하여 작성하는 업무 결과물을 수요 패키지라고 합니다. 기본적으로 수요 패키지는 사건의 요약, 부상으로 인한 의료비(임금 손실 포함), 그리고 피고의 보험 회사로부터의 합의금에 대한 추천으로 구성됩니다. 로펌에서는 변호사, 법률 보조원 또는 아웃소싱 그룹을 통해 이러한 문서를 작성합니다.

여전히 소프트웨어를 판매하려는 사고방식에 머물러 있다면, 개인 상해 로펌을 위한 소프트웨어를 좌석 단위로 판매하고, AI를 사용하여 로펌의 사람들이 수요 패키지를 만들 수 있도록 돕는 서비스를 상상할 수 있습니다(프로세스 중 한 단계에 의료 기록을 넣는 빌더를 상상해 보세요). 그렇다면 이븐업은 95%가 아닌 10%의 생산성 향상을 판매하는 소프트웨어 판매의 패러다임에 갇혀 있었을 것입니다. 대신 EvenUp은 선견지명을 가지고 업무 제품 자체, 즉 수요 패키지를 판매했습니다.

업무를 판매할 때는 판매 주기가 다르고, 생산성 향상이 아니라 업무를 수행하는 사람의 인건비를 기준으로 가격이 책정되며, 회사 자체의 인적 자본 외에 유사한 제품의 경쟁자는 기본적으로 전 세계의 아웃소싱 그룹입니다. 일관성과 SLA를 달성할 수 있는 AI 기반 제품은 아웃소싱 제품보다 10배 이상 저렴하고 훨씬 더 우수해야 합니다. 사실, AI로 구축된 '작업'을 판매할 수 있는 시장 기회의 실행 가능성에 대한 좋은 테스트는 거칠게 말하자면, 이를 지원하기 위해 이미 국제적으로 집중된 아웃소싱 그룹이 존재하는지 여부라고 생각합니다.

예를 들어, 몇 가지 아이디어를 떠올리기 위해 아웃소싱 제공업체의 BPO 서비스 중 일부를 소개합니다:

그리고 다음은 법률 프로세스 아웃소싱 옵션의 몇 가지 예입니다: