Разведка и эксплуатация: успешная бизнес-модель, в которой люди и ИИ будут развиваться вместе.

На фоне недавней тенденции больших данных, поскольку многие виды деятельности людей и компаний были оцифрованы, объем доступных данных увеличился, а возможности их использования расширились. Таким образом, такие технологии искусственного интеллекта, как Глубокое обучение и Обучение с подкреплением, привлекают внимание для эффективного использования больших данных.

Обработка естественного языка, распознавание образов, обработка изображений, распознавание речи, машинный перевод, робототехника и множество других функций были достигнуты с беспрецедентной точностью. В настоящее время ИИ используется в очень широком диапазоне способов связи со всеми аспектами нашей жизни, от медицины до транспорта и энергоснабжения. С быстрым развитием и распространением ИИ часто рассматривается как большая угроза. Это коллективное ощущение, что ИИ отнимет у людей рабочие места и заменит людей, используя технологии для автоматизации различных рабочих процессов, выполняемых людьми.

Фактически, ИТ до появления ИИ оцифровали работу разных людей, повысили эффективность и сделали людей более продуктивными. Это привело к увеличению объема работы на человека, что позволило меньшему количеству людей выполнять ту же работу. Сможет ли технология ИИ сделать его еще более эффективным и вывести его на уровень полностью беспилотного режима? Это часто задаваемый негативный вопрос, но я бы не назвал его беспочвенным страхом. Безусловно, бизнес и общество меняются в этом направлении. Итак, если технология ИИ проникла в мир или если ИИ с высокой степенью точности автоматизирует то, что делают люди, то какую работу они должны выполнять?

В одном из своих выступлений я дал следующий ответ на этот вопрос.

Изучая ИИ, мы пришли к пониманию того, что есть вещи, которые люди могут делать, и вещи, которые ИИ делать не может. На что способен только человек, так это изменить «структуру», определяющую проблему, которую необходимо решить. ИИ может победить лучших игроков в го, но в конце концов люди могут придумать более интересные игры, чем го. Другими словами, люди креативны в том смысле, что они выходят за рамки. ИИ, с другой стороны, способен обрабатывать длинные хвосты и большие данные в рамках заданной структуры. Становится все более важным думать о компаниях, которые сочетают в себе эти две силы.

Как упоминалось выше, сегодняшняя технология искусственного интеллекта в основном основана на машинном обучении. Не только в машинном обучении, но и во втором поколении искусственного интеллекта на основе экспертных систем сначала есть в основном какая-то «каркас».

При этом он достигает цели, делая одно и то же снова и снова или повышая точность. Фреймворки могут быть правилами или моделями, в зависимости от реализации, но в принципе ИИ ничего не может делать за пределами этих фреймворков. ИИ, который играет в го, не может играть в футбол. С помощью трансферного обучения вы, возможно, сможете преобразовать модель ИИ для боевых действий Go в ИИ для боевых шахмат, но вы не сможете водить машину с этой моделью.

Может быть какое-то чувство уровня или абстракции, но только в заданной «рамке» ИИ может выполнять свою работу. Но человек другой. Если вы устали от игры в го, вы можете сыграть в покер, вы можете сыграть в маджонг, или вы можете проголодаться и захотеть начать готовить без какого-либо контекста. Для человека характерно умение выходить за «рамки».

Конечно, есть области, в которых ИИ преуспевает. ИИ может делать одно и то же невероятное количество раз и мгновенно выполнять сложные вычисления.

Он может искать веб-страницы по всему миру, и если есть 10 миллионов человек, он может дать каждому по 10 миллионов рекомендаций. ИИ может обрабатывать большие объемы транзакций и данных в масштабах Интернета.

Когда вы думаете об этих двух характеристиках, то есть люди устанавливают структуру, а ИИ обрабатывает ее очень эффективно в рамках этой структуры, а затем масштабирует ее. Такое сотрудничество будет ценным. Это то, к чему бизнес должен стремиться в будущую эпоху ИИ. На самом деле существует движение, которое делает эту комбинацию людей и ИИ реальностью.

Если вы посмотрите на стартапы, которые добились больших успехов в наши дни, вы заметите, что некоторые из них в основном предлагают решения искусственного интеллекта на основе машинного обучения. Они ведут свой бизнес как отраслевую или отраслевую вертикальную SaaS с акцентом на определенную группу клиентов. Например, HR Tech, Legal Tech, Real Estate Tech, Medical Tech и т. д.

В качестве примера из США можно привести компанию по управлению проектами Procore, которая специализируется на строительной отрасли, достигла высоких темпов роста и имеет глобальный охват.

Veeva Systems — компания, занимающаяся управлением контентом, данными и процессами для фармацевтической и медицинской промышленности. Они неуклонно расширяют возможности своей платформы в области наук о жизни. Он известен как успешный пример вертикального SaaS, поскольку он участвует в PoC с ведущими клиентами и развертывает эффективные функции на своей платформе для большого количества клиентов.

В Японии давайте посмотрим на FRONTEO, ведущую юридическую технологическую компанию.

FRONTEO разработала KIBIT, искусственный интеллект, который специализируется на анализе текстовых данных. Платформа анализа данных Lit i View на базе KBIT сокращает время, необходимое для электронного обнаружения. Они также обеспечивают цифровую криминалистическую поддержку и решили многие проблемы клиентов.

Ориентация и концентрация на отрасли или секторе, как в каждом из этих случаев — строительство, медико-биологические науки и юриспруденция — конечно, ограничит размер рынка. Тем не менее, это хороший способ постоянно улучшать рыночное соответствие продуктов, поддерживаемых ИИ. Мало того, эти вертикальные стартапы SaaS открывают новые способы сотрудничества людей и ИИ. Кроме того, они также достигают высоких темпов роста.

Если вы просто посмотрите на вертикальную SaaS и почувствуете, что они стремятся расти в качестве стартапа, вы можете подумать, что они просто пытаются рекламировать и продавать клиентам, чтобы заставить их использовать его больше в целом. Я думаю, что модель, похожая на подписку, усиливает этот образ. Но на самом деле это не останавливается на достигнутом.

Клиенты не просто хотят использовать услуги SaaS, они хотят решить настоящие проблемы, которые они не могут решить, просто используя SaaS, или они хотят создать новые проблемы, с которыми они раньше не сталкивались.

Как упоминалось в начале этой статьи, ИИ развивается стремительными темпами, достигая новой точности и производительности один за другим, расширяя свои возможности, и иногда рассматривается как угроза человечеству. Перед лицом бесконечного расширения возможностей ИИ может показаться, что больше не нужно играть роль в бизнесе, но это не так.

Хотя, безусловно, есть много достижений, решения ИИ также не могут развиваться без какого-либо направления. Простое повышение производительности и расширение с помощью ряда улучшений было бы ненужной эволюцией, просто создающей мусор, если бы это не имело ничего общего с тем, чего действительно хотел клиент.

Требуется очень способное руководство, чтобы определить потенциальные проблемы или проблемы, которые компания действительно хочет решить, определить их как темы, заслуживающие внимания, а затем преобразовать их в функции или структуру, которые будут реализованы в решении ИИ.

Вот почему у успешных стартапов есть большой штат продавцов, консультантов или партнеров на этих ролях, которые помогают им исследовать направление развития ИИ не только путем продажи, но и путем адаптации к рынку, определения и выполнения PoC по вопросам, которые еще не были решены. адресованный.

Как видите, между людьми и ИИ налажено новое сотрудничество. Люди будут решать проблему исследовательским путем, изобретать новое решение с помощью PoC, демонстрировать его эффективность и расширять его. И тогда искусственный интеллект будет реализовывать указанные функции и использовать их с большими данными в больших масштабах в Интернете.

Это новая форма бизнеса, которую можно назвать моделью E&E, сочетающая исследования человека и эксплуатацию на основе ИИ.

Термин Исследование и эксплуатация – это слово, которое первоначально появилось в обучении с подкреплением, области машинного обучения, в частности, в многоруком бандитском алгоритме. >.

Кроме того, как упоминалось в начале этой статьи, ИИ развивается стремительными темпами, достигая одной за другой новой точности и производительности, расширяя свои возможности, и иногда рассматривается как угроза человечеству.

Алгоритм многоруких бандитов — это метод непрерывного максимизации прибыли за счет использования двух различных типов действий: «эксплуатация» ранее испытанных средств, чтобы увидеть, сколько прибыли можно получить с ограниченными ресурсами, и «исследование» неизвестных средств, которые могут дать дополнительные преимущества. выгода.

Как правило, устанавливается компромисс между использованием опыта и поиском дальнейших выгод. Поэтому всегда возникает проблема, как это сделать и как далеко можно зайти, чтобы свести к минимуму потерянный доход. Однако в модели E&E ИИ и люди могут играть каждую роль совместно, чтобы избежать компромиссов и добиться непрерывного роста.

Модель E&E можно рассматривать как попытку разрушить рынок программного обеспечения, традиционно применяемый в конкретных отраслях. Затраты на рабочую силу высоки, потому что отдел продаж и консультанты, ответственные за разведку, должны быть высококвалифицированными людьми, которые определяют важные вопросы. Но это не проблема сама по себе. Скорее, вам нужно нанять лучших людей и активно заставлять их работать в «разведке». Как вы находите скрытый спрос со стороны клиентов, довольных тем, как сейчас ведется бизнес? Углубитесь в потребности клиента, включите новые рабочие процессы и задачи, которые никогда раньше не выполнялись, в качестве потенциальных решений, проведите PoC с клиентом и, как только эффективность решения будет подтверждена, передайте его платформе искусственного интеллекта. Затем искусственный интеллект будет использовать решения на платформе для предоставления расширенных услуг тысячам клиентов.

Эта модель также может привести к улучшению продуктов SaaS и решений ИИ с точки зрения клиента, а платформа, которая развивается таким образом, может стать мощным барьером для входа на рынок для конкурентов. И члены, которые проводят исследования, всегда будут исследовать новые темы жизнеспособным способом, основанным на неповторяющихся, но специализированных знаниях и обсуждениях. Опираясь на это, они получают больше навыков решения проблем, влияющих на рынок. Это означает, что ИИ и люди будут расти вместе.

Модель E&E может быть установлена ​​как вертикальный бизнес во всех секторах. Эта тенденция выйдет за пределы рынка программного обеспечения, основанного на SaaS, и охватит консалтинговую индустрию, основу которой составляют высококвалифицированные специалисты. В консалтинговой отрасли модель показывает линейный рост продаж по мере увеличения численности персонала. Следовательно, чтобы увеличить продажи, вам нужно нанять больше людей. Напротив, на рынке программного обеспечения тенденции продаж и рост числа людей практически не зависят друг от друга. Поскольку затраты на рабочую силу выше, чем стоимость электроэнергии для сервера, консалтинговый бизнес, естественно, имеет более низкую валовую прибыль, чем компания-разработчик программного обеспечения. Модель E&E также позволяет сломать это соотношение доходов и персонала в консалтинговой отрасли.

Для стартапов SaaS и консалтинговых фирм модель E&E имеет два важных последствия.

Во-первых, это преимущество использования данных. Чем больше вы ведете бизнес по модели E&E, тем больше качественных данных вы собираете от своих ведущих клиентов, чтобы укрепить свою модель ИИ (машинного обучения). Это также выгодное отличие от ваших конкурентов. Сначала бизнес может быть непростым. Однако по мере своего развития модель E&E также заменяет сложные операции, требующие участия клиента, программным обеспечением. Это многократно повысит эффективность бизнес-процессов, повысит производительность ваших клиентов и даже обеспечит автоматизацию.

Во-вторых, модель E&E может не только захватить долю рынка на существующем рынке, но и увеличить размер всего рынка. За исключением ИТ и интернет-индустрии, в каждой отрасли или области, например, в сфере недвижимости, строительства, здравоохранения, образования и т. д., программное обеспечение по-прежнему составляет лишь от 5% до 10% всего рынка с точки зрения непосредственное производство основных товаров и услуг. Таким образом, по мере развития сервисов ИИ еще есть много возможностей для вертикального роста SaaS. Модель E&E заставляет ИИ постепенно автоматизировать производство и каждый раз повышать эффективность бизнеса. Тогда люди смогут направить свои ресурсы на решение новых вопросов и тем и расширить рынок.

Модель E&E — это модель, в которой люди и ИИ стремятся к профессиональному росту за счет взаимодействия исследований и эксплуатации. В некотором смысле это деятельность, направленная на достижение большей доли рынка и конкурентоспособных доходов за счет использования эволюции самой технологии. Это движение, которое позволяет людям и ИИ расти вместе, станет основной тенденцией в ближайшие годы. Здесь человечество станет пионером новой эры, которая бросит вызов и откроет мир, определяя будущее многих технологий, включая ИИ.

Примечание

Если ваши услуги SaaS и AI построены на платформе, которая может гибко реагировать на потребности бизнеса, это поможет повысить бесперебойную работу модели E&E. Другими словами, также важно, используете ли вы облачную архитектуру.