Вероятно, из-за его академических корней я считаю, что большая часть отраслевого охвата ИИ и машинного обучения носит высокотехнологичный характер и сосредоточена на последних достижениях в области алгоритмов, появившихся в исследовательских и коммерческих областях. Еженедельная рассылка Джека Кларка Импорт ИИ и подкасты Сэма Чаррингтона (На этой неделе в машинном обучении) и Лекса Фридмана (Искусственный интеллект с Лексом Фридманом) отлично освещают эти темы. И хотя алгоритмы и модели часто являются основой продукта ИИ, по моему опыту, они являются лишь частью большой головоломки, которую необходимо собрать, чтобы создать жизнеспособный бизнес ИИ. Несмотря на его важность, я не вижу почти такого же внимания к стороне ИИ, связанной с выходом на рынок. Тем не менее, есть два поста, которые я наткнулся на этот выдающийся:

В своих различных дискуссиях о стратегии AI GTM я постоянно ссылаюсь на эти две части. Если вы строите бизнес на основе ИИ (т. е. прикладной ИИ, ИИ с поддержкой ИИ, инфраструктура ИИ и т. д.), то вы можете сэкономить много времени и денег, прочитав их. Подходя к проблеме с разных сторон, они отлично справляются с выделением ключевых (и в некоторых случаях уникальных) проблем, с которыми сталкиваются компании, пытаясь превратить все различные части цепочки создания ценности ИИ в привлекательный продукт для клиентов и устойчивый бизнес для сотрудников и акционеров.

Хотя сегодня его часто называют полным стеком, концепция создания цельного продукта (в отличие от основного продукта) не нова. Однако его определение и построение в контексте компании, занимающейся искусственным интеллектом, все еще находится в зачаточном состоянии. Независимо от того, как вы это называете, построение и поддержка целостного продукта ИИ-бизнеса окажет существенное влияние на такие вещи, как маржа, сочетание продуктов и услуг и текущие требования к поддержке. Мартин и Мэтт много времени уделяют этой теме в своей статье. Помимо того, что они охватывают, также стоит отметить, что сочетание командных навыков, вертикального опыта в предметной области и операционной сложности для построения целостного продукта ИИ-бизнеса будет значительно отличаться от того, который ориентирован на основной продукт. Как только долгожданная заявка Palantir S1 станет достоянием общественности, будет интересно посмотреть, как эта динамика проявится в их модели.

В статье Натана он отлично излагает доводы в пользу создания «полностековой» ИИ-компании, заявляя, что «лучший способ извлечь выгоду из машинного обучения — это напрямую монетизировать свои прогнозы, используя полностековые инструменты, а не лицензирование инструментов машинного обучения. как программное обеспечение». И хотя полный стек может иметь много общего со всей концепцией продукта, я думаю, что есть по крайней мере одно заметное отличие; владение цепочкой создания стоимости до и после основного продукта. В то время как в прошлом сборка всего продукта могла означать объединение дополнительных продуктов и услуг сторонних производителей для предоставления интегрированного решения вашему клиенту, сегодня предложение полного стека кажется наиболее эффективным, когда части контролируются и эксплуатируются одним поставщиком. . Amazon Web Services (AWS) использовали этот подход в своей стратегии общедоступного облака. Подобно руководству Бениака по извлечению ценности из машинного обучения, они полностью изменили рынок локальной ИТ-инфраструктуры, напрямую монетизировав ценность виртуальной машины с помощью полнофункционального решения IaaS. В процессе они вытеснили поставщиков, которые собирали эквиваленты целых продуктов для локальной инфраструктуры, и опередили тех, кто пытался реализовать стратегию реализации IaaS на основе инструментов/экосистемы для общедоступного облака.

То, какую часть цепочки создания ценности вы в конечном итоге решите построить, может оказать существенное влияние на время окупаемости для ваших клиентов и создание ценности для ваших акционеров. Если бы на заре облачных технологий AWS вместо этого следовала стратегии инструментов, они, вероятно, пожертвовали бы значительной скоростью, гибкостью, временем окупаемости клиентов и, как следствие, лидерством на рынке. Имея в виду этот пример, компаниям, которые пытаются построить бизнес в области ИИ, следует хотя бы сделать шаг назад и спросить, что будет означать стратегия полного стека для их продукта и команды. Несмотря на то, что этот подход будет иметь значительные операционные, структурные и культурные последствия, я считаю, что, учитывая незрелость сегодняшнего рынка ИИ, есть веские доводы в пользу того, что это наиболее эффективный и устойчивый путь.