Dari bangkrut ke $60K dalam 3 bulan: Enterprise RAG Raj untuk farmasi dan perbankan
Dengan hanya beberapa ribu dolar tersisa dan proyek AI-nya hampir tenggelam, Raj tidak menyerah. Ia membidik sudut paling tidak menarik dari AI perusahaan — tambang emas dokumen di farmasi dan perbankan. Tiga bulan kemudian: $60K.
Proses
Enam bulan lalu, rekening bank perusahaan Raj hanya menyisakan beberapa ribu dolar.
Dia adalah wirausahawan serial kelahiran Sri Lanka yang membangun sistem RAG untuk dokumen hukum di AS. Proyek itu membakar uang lebih cepat dari perkiraan dan usahanya hampir berakhir.
Alih-alih menyerah, Raj mengamati pasar untuk menemukan apa yang orang lain lewatkan.
Ia Membidik Sudut Paling Tidak Menarik
Hampir setiap perusahaan mapan duduk di atas "tambang emas dokumen" tanpa alat untuk mengekstrak nilainya. Perusahaan farmasi mengumpulkan puluhan tahun artikel uji klinis. Bank memiliki gunung dokumen kepatuhan regulasi. Tidak ada yang mau menyentuh pekerjaan ini — format kacau, kualitas data tidak konsisten, demo berjalan tapi penerapan nyata gagal. Itulah peluang Raj.
Pertanyaan yang Membuka Semua Pintu
Raj tidak pernah bertanya "apakah Anda butuh AI?" Dia bertanya: "Berapa jam per hari tim Anda menghabiskan waktu membaca dokumen?"
Tiga klien pertama dari jaringan pribadi. MVP awal $5K–$10K — langsung setuju = terlalu murah. Klien kedua $30K — tanpa negosiasi. Kelangkaan adalah kekuatan penetapan harga.
ROI perusahaan: 50 peneliti × 2 jam/hari × $100/jam = $200K terbuang per bulan. Sistem RAG $50K mengurangi 80% → balik modal dalam beberapa hari.
Enam titik kegagalan RAG enterprise: ①kualitas "sampah" (campuran scan, PDF gambar, file modern), ②chunking tetap memotong argumen, ③model embedding salah untuk terminologi khusus, ④strategi pencarian tunggal tidak cukup, ⑤penalaran multi-hop, ⑥halusinasi tanpa atribusi — fatal untuk kepatuhan medis dan keuangan.
Tiga Bulan. $60.000.
Tiga bulan setelah hampir bangkrut, perusahaan farmasi dan bank antre. $60K masuk, $20K+/bulan.
Sumber: 大黑AI (Xiaohongshu)
Thinking
Pekerjaan paling kotor memiliki persaingan paling sedikit dan klien yang paling bersedia membayar. Tetapkan harga berdasarkan ROI, bukan jam kerja.
Action
- Temukan "tambang emas dokumen" di satu industri
- Pembuka: "Berapa jam tim Anda mencari dokumen setiap hari?"
- 3 klien pertama dari jaringan pribadi
- Tagih dulu, sempurnakan kemudian
- Harga = 20-30% dari pemborosan bulanan klien