Компании собираются потратить миллиарды на ИИ — вот как не стать одной из них

«Это венчурные деньги, а не авантюрные деньги». Именно такой любящий ответ однажды получил мой дорогой друг от венчурного инвестора, когда предлагал идею. Но когда мы находимся в фазе ажиотажа вокруг новой технологии, эта осторожность улетучивается. В конце концов, венчурным инвесторам приходится использовать весь привлеченный ими капитал, а цена упущения чего-то большого выше, чем обратная сторона раскачивания и промаха, особенно когда все остальные делают то же самое.

Подобная динамика наблюдается внутри большинства компаний, а технологиями на данный момент являются искусственный интеллект и все, что отдаленно с ним связано. Большие языковые модели (LLM): это искусственный интеллект. Машинное обучение (МО): это ИИ. Тот проект, на который вам говорят, что на него нет финансирования каждый год — назовите его «ИИ» и попробуйте еще раз.

В течение следующего десятилетия на искусственный интеллект будут потрачены миллиарды долларов. Если это звучит как противоположный взгляд, то так не должно быть. Каждая большая технологическая волна сопровождается волнением — даже до того, как мы узнаем, насколько она реальна и революционна. Поиск, социальные сети и мобильные устройства оказали широкое и продолжительное влияние, но виртуальная реальность (VR) и криптовалюта были гораздо более ограниченными.

Однако вы бы этого не узнали, прочитав заголовки новостей пять лет назад. Прямо сейчас все бегут показать, сколько они тратят на ИИ и как он все изменит. Такой подход к инвестированию неизбежно приводит к нескольким огромным успехам и множеству промахов. Та же самая динамика, наблюдаемая в отношении венчурных капиталистов, также побуждает руководство компаний давать зеленый свет инвестициям во имя ИИ, которые в лучшем случае являются оптимистичными, чаще всего неуместными надеждами и авантюрами.

Это не умаляет того факта, что LLM — это технология, меняющая правила игры. Просто посмотрите, как быстро ChatGPT достиг 100 миллионов пользователей по сравнению с другими компаниями, занимающимися трансформацией:

Почти каждая корпоративная компания имеет некоторую работу по использованию LLM и искусственного интеллекта. Итак, как же вам решить, где делать ставки и где вы имеете право на победу?

Получите ясное представление об этих трех вещах, и вы сократите 80% напрасных расходов:

1. Понять общую стоимость с течением времени;
2. Спросите, почему кто-то другой не может этого сделать;
3. Сделайте несколько ставок, которые вы готовы выполнить.

1. Понимание общей стоимости с течением времени

Когда вы думаете о том, чтобы сказать «да» следующему проекту ИИ, посмотрите на стоимость необходимых ресурсов сегодня и в будущем для поддержания этого проекта. Десять часов работы вашей команды по анализу данных зачастую скрывают в пять раз больше времени на проектирование, DevOps, контроль качества, продукт и SysOps. Компании завалены фрагментами проектов, которые когда-то были хорошей идеей, но для их поддержания не хватало постоянных инвестиций. Сказать «нет» инициативе в области искусственного интеллекта сегодня сложно, но слишком частые «да» часто обходятся ценой полного финансирования тех немногих вещей, которые стоит поддержать завтра.

Еще одним аспектом затрат является увеличение предельных издержек, которые обеспечивает ИИ. Эти большие модели требуют больших затрат на обучение, эксплуатацию и обслуживание. Чрезмерное использование ИИ без соответствующего увеличения последующей ценности снижает вашу прибыль. Хуже того, отказ от выпущенной или обещанной функциональности может привести к неудовлетворенности клиентов и негативному восприятию рынка, особенно во время ажиотажа. Посмотрите, как быстро несколько ошибок запятнали репутацию Google как лидера в области искусственного интеллекта, не говоря уже о первых днях существования IBM Watson.

2: Спросите, почему никто другой не может этого сделать?

Уроки, которые вы извлекаете из учебников, легко забыть. Мы все читали о коммерциализации. Тот же урок, который вы получили, когда вас сбили с толку в реальной жизни, останется с вами. Когда я работал разработчиком микросхем в Micron, наш основной продукт был близок к идеальному товару — чипу памяти. Никого не волнует, какая марка чипа памяти установлена ​​в его ноутбуке, важно, сколько он стоит. В этом мире масштаб и стоимость являются единственными устойчивыми преимуществами с течением времени.

Технологическая индустрия может быть бимодальной. Есть монополии и сырьевые товары. Когда вы скажете «да» следующей инициативе в области ИИ, спросите себя: «Почему мы?» Работать над чем-то, что со временем станет товаром, неинтересно, особенно если у вас нет преимущества в масштабе и стоимости. Возьми у меня. Единственные, кто определенно выиграет, — это Nvidia и AWS/Azure. Единственный способ обойти это — сосредоточиться на чем-то, где у вас есть защитный ров. Привилегированный доступ к данным, собственная информация о сценарии использования или приложение с сильным сетевым эффектом, в котором у вас есть преимущество.

3. Сделайте несколько ставок, которые вы готовы довести до конца.

Самые простые ставки — это те, которые улучшают бизнес, которым вы уже занимаетесь. На ум приходит старая реклама BASF: «Мы не делаем то, что вы покупаете, мы делаем лучше то, что вы покупаете». Если применение ИИ дает вам импульс для продуктов, которые вы уже производите, эту ставку будет проще всего сделать и масштабировать. Вторые по простоте варианты — это те, которые позволяют вам двигаться вверх и вниз по цепочке создания стоимости или горизонтально расширяться в другие сектора.

Самые сложные, но важные ставки требуют от вас каннибализировать свой текущий бизнес с помощью новых технологий — если этого не сделаете вы, это сделает кто-то другой. Удвойте ставку на несколько ставок, которые проходят эти два теста, и будьте готовы довести эти ставки до конца. Остальное оставьте венчурным капиталистам и стартапам.

Таким образом, хотя шумиха вокруг ИИ реальна и оправдана, если и есть один урок, который мы усвоили за эти годы, так это то, что эти циклы сопровождаются не только разумными инвестициями, но и множеством потерь. Следуя нескольким советам, изложенным выше, вы можете быть уверены, что ваши инвестиции имеют наибольшие шансы принести определенные алгоритмические плоды.

Мехул Награни — управляющий директор InMoment по Северной Америке.