AI Disruptobloat: Как свръхпроизводството намалява стойността, но ускорява иновациите

Hype срещу съдържание

Измислям думата „disruptobloat“, за да опиша различен сезон, през който преминава всяка голяма технология:

• Средствата за VC се изчерпват за 50 версии на един и същ случай на употреба.
• Лозунгът на LinkedIn на всеки показва, че е бил експерт от десетилетие в [някои нови технологии] (казвам това безсрамно, тъй като моят собствен LinkedIn включва както крипто, така и AI)
• Заглавията бавно се преместват от „всички компании изграждат [технологии]“ към „Писнало ли е на потребителите от [технологии]?“ към безмилостната шега и „какво се обърка“.

Disruptobloat е феномен на свръхпроизводство: [някои нови технологии] продукти наводняват пазара, размивайки усещането за стойност в краткосрочен план.

Това е надпревара към едно и също нещо: откриване на лепкав случай на употреба, който оформя поведението на нови клиенти и натрупва стойност. Това не е грешка; това е необходима стъпка в еволюцията и е нещо добро! Колкото по-голям е disruptobloat, толкова по-бързо стигаме до пробиви, защото итерираме идеите по-бързо.

Azeem Azhar от Exponential View го разбива по следния начин:

Ниво 1: Правете това, което ние правим по-евтино: (...) автоматизирайте рутинни задачи.

Ниво 2: Правете това, което правим, просто го правете по-добре: (…) възможности за качествени подобрения. Голяма инвестиционна банка, например, наскоро използва AI, за да автоматизира голяма част от покритието си на единица тест. Това намали разходите и позволи по-всеобхватно тестване, подобрявайки цялостното качество на софтуера.

Ниво 3: Правете изцяло нови неща. Тук започва да се проявява истинският потенциал на AI (…) Но тук е проблемът: повечето фирми са заседнали на ниво 1 или ниво 2. Те използват AI, за да намалят разходите или постепенно да подобрят процесите, като пропускат възможността стратегически да преосмислят какво бизнесът им може да изглежда като (…)

Работата е там, че всеки се опитва да „стратегически преосмисли как може да изглежда техният бизнес“, но е трудно. Всички ние сме принудени да мислим чрез имплицитните ограничения на нашия ежедневен живот, а преосмислянето се случва само когато игнорираме тези ограничения. За съществуващите бизнеси те също са ограниченията на закостенелите екосистеми от клиенти, партньори, приходи и печалби.

Комодитизацията на AI модели

Има една поговорка, възникнала по време на златната треска: „Когато хората копаят злато, продавайте лопати“, използвана често за описване на бизнес стратегия: вместо да участвате директно в конкурентен и спекулативен пазар, осигурете основните инструменти и услуги за този пазар. Проблемът с лопатите обаче е, че те са заменими и Оказва се, че AI моделите също са .

Да приемем, че никой доставчик не пуска модел, който е с порядък по-добър от конкуренцията за достатъчно дълго време, за да има стратегическо значение__ 2 __. Тогава къде се натрупва стойността? С други думи, какви видове продукти ще могат да изградят ров?

Приложният слой__ 3 __ - повърхностите, приложенията, сайтовете, чрез които потребителите ще взаимодействат, са:

1. най-вероятно ще формира ново поведение, като учи потребителите да правят изцяло нови неща, така че
2. вероятно ще натрупа много повече стойност с течение на времето чрез изграждане на нови пазари

Следователно не е изненадващо, че си струва да се конкурирате със стотици (ако не и хиляди) стартиращи фирми за същите случаи на употреба. 75% от последната партида YC бяха стартиращи фирми с изкуствен интелект - и това е само един рисков фонд!

Този цитат от a16z ) дава моментна представа накъде отиват усилията; прогресия от най-ниско висящия плод към правенето на нови неща :

1. AI инструменти, които работят върху съществуващ софтуер (помислете: автоматични бележки за срещи за Zoom срещи)
2. AI инструменти, които работят върху съществуващ софтуер, които имат шанс да изместят този съществуващ софтуер (помислете: бележки от срещата за Zoom Meetings... където споменатата компания след това изгражда видеоконференции и ви предлага да се откажете от Zoom)
3. AI инструменти, които се превръщат в труд — нова категория в мрежата, напълно недокосната от софтуера до този момент (помислете: софтуерът провежда срещата вместо вас!)

Следователно, нарушете подуването.

Разделяне на GPT

Тази надпревара между съществуващи компании и 0→1 стартиращи фирми е чисто предизвикателство за откриване на продукти. На теория доставчиците на модели трябва да имат предимство в резултат на събиране на 2 години данни за употреба. Търсим информация от пазара на OpenAI за връщания на GPT доста скучни данни ; Сигурен съм, че истинските разговори са по-разяснителни, но вероятно не са забиване. GPT показват, че хората използват LLM за неща, за които знаят, че могат да използват LLM . Пробивът идва, когато продукт и екип зад него измислят как да научат хората да правят изцяло нови неща.

Напомня на отделяне на Craigslist - точно както неговите различни платки бяха разделени на специализирани услуги, много от тях достигнали статус на еднорог в даден момент, ще видим същото да се случва - и много по-бързо - с GPT, като всеки продукт се опитва да реши конкретен проблем по-добре от един -прозорец за чат, подходящ за всички.

Стратегия за вертикален интегратор

Миналата седмица публикува Not Boring от Packy McCormick Вертикални интегратори (което породи много мислене зад тази публикация). В контекста на disruptobloat на AI и комодитизацията на моделите, стратегията на вертикалния интегратор става особено уместна: това е начин за изграждане на ров и това е мястото, където действащите компании имат предимство. От Packy:

Вертикалните интегратори са компании, които:

1. Интегрирайте множество авангардни, но доказани технологии.
2. Развийте значителни вътрешни способности в техния стек.
3. Модулирайте комерсиализираните компоненти, като същевременно контролирате цялостната системна интеграция.
4. Конкурирайте се директно с титулярите.
5. Предлагайте продукти, които са по-добри, по-бързи или по-евтини (често и трите).

NVIDIA е пример за тази стратегия за стероиди, изграждайки екосистеми около основните технологии, за да контролират целия стек от технологии, особено когато базовите модели станат комерсиализирани:

• Хардуер (графични процесори, A100, H100, DGX, Jetson)
• Софтуер (CUDA, TensorRT)
• Платформи: NVIDIA Omniverse за 3D симулации, NVIDIA Clara за здравеопазване
• Лаборатория по роботика и симулатор на робот Issac Sim
• NVIDIA DRIVE за автономни превозни средства, както хардуер, така и софтуер (DRIVE AGX, DRIVE OS).

Не всички действащи компании се състезават или ще се състезават във всеки слой сега, но въпросът е, че те имат способността да го направят, независимо дали чрез изграждане или придобиване. като a16z обяснява, като използва Stripe и Square като пример за услуги, свързани с fintech:

„Това е недостатъкът да разглеждаме Square и Stripe и да ги наричаме играчи на суровини. Те имат разпределението. Имат инженерен талант. Те могат да изградят свой собствен TiVo . Това не означава, че ще го направят, но техният успех зависи от техния собствен продукт и инженерна мощ, а не от невероятна сделка с олигопол или полезност. ”

Подаръкът за раздяла

Една от първите цели, които имах за тази публикация, беше да определя случаите на убийствена употреба, което в ретроспекция е трудна задача за няколко часа проучване. И все пак, тъй като рекламата се забавя, има няколко ъгли на disruptobloat, на които обръщам внимание:

• Намаляване на разходите за преди много желани, но скъпи услуги - правни, финансови, здравни - където ниската цена може да създаде огромно търсене. от a16z (отново): „LVMH вероятно харчи десетки милиони долари годишно за борба с фалшиви стоки, изпращане на писма за прекратяване и отказ, сътрудничество с правоприлагащите органи и т.н. Колко малки търговци на Shopify може да искат същата услуга? Всички! Колко биха могли да похарчат $50 милиона на година? Нито един от тях. Колко може да похарчат $1000 на година? Може би всички?“
• Демократизиране на сложни умения, както направихме с кодирането. По-голямата част от разказа около програмирането, подпомагано от LLM, се фокусира върху спестяването на разходи, но магията е, че дава възможност на хората да правят изцяло нови неща, които не са могли да правят преди. Чували сме това от известно време, първо с началните лагери за кодиране, след това с приложения без код, но те идват с ограничения. Сега ги няма.
• Хиперперсонализация в мащаб, във всяка потребителска дейност
• AI + роботика
• Климатична техника__ 4 __

Убийственият случай на употреба е някъде там, нерафиниран и потънал в шум. Дали - или кога - пазарът ще бъде готов е друг въпрос.