После нескольких проектов ИИ со стартапами я понял, что один аспект нарушения ИИ остается относительно неизученным: правильная бизнес-модель для компаний ИИ.

Будет ли продукт продаваться как услуга или как новая категория функций для пользователей? Упоминание типа дохода - важная часть любого проекта ИИ.

Из-за множества технических элементов, связанных с ИИ, я заметил, что существующие традиционные бизнес-модели применимы не всегда.

Бизнес-модель: план успешного ведения бизнеса с указанием источников дохода, предполагаемой клиентской базы, продуктов и деталей финансирования.

Можно предположить, что стартапы в области ИИ, как и компании, занимающиеся облачными / SaaS-технологиями до них, имеют общую бизнес-модель. Однако я заметил, что модель SaaS сложно применить к стартапам с искусственным интеллектом.

Действительно, в зависимости от характера вашего решения AI, вам всегда будут нужны данные, огромное количество необработанных вычислительных мощностей и алгоритмов. Потребители по своей природе более сложны для восприятия, чем облачные стартапы, и для этого требуются разные вещи, поэтому технологию тоже нужно продавать по-разному.

Прежде чем перейти к бизнес-моделям ИИ, я считаю, что важно представить ландшафт ИИ на основе моего опыта.

AI-ландшафт можно разделить на два сегмента:

  1. Инфраструктура. Эти компании работают на стороне сервера и предоставляют вычислительные услуги другим. Бизнес-модель, которой они следуют, обычно основана на вызовах API. Отличным примером здесь является IBM Watson, которая обеспечивает анализ настроений, NLP и распознавание сущностей через свою платформу Bluemix. IBM взимает с пользователя плату за вызовы API.
  2. Применение: они могут быть в сфере B2B и B2C. Однако значительная активность наблюдается в B2B-пространстве, где компании предлагают услуги подписки на основе SaaS. Эти компании обычно разрабатывают приложения для конкретных сценариев использования, определенных их клиентами. Я могу поговорить об этом подробнее, так как я очень хорошо с ним знаком. Я понял, что некоторые из них в конечном итоге покупаются важными фирмами после нескольких проверок концепции. По сути, если то, что делают эти компании, занимающиеся ИИ, их клиенты считают стратегическими, какой-то крупный клиент захочет приобрести стартап, а не арендовать технологию.

Давайте теперь сосредоточимся на стартапах с искусственным интеллектом:

В основном есть три категории стартапов AI:

Возвращаясь к бизнес-моделям, я заметил две из них, которые начинают работать достаточно хорошо, другие существуют, но я еще не знаком с ними.

1.

В этой модели новое решение AI повысит эффективность текущих рабочих процессов.

Из-за интенсивного внедрения цикл продаж длится долго. Как следствие, каждая сделка должна быть крупной, чтобы стартап выжил. Помимо важных затрат на разработку, следует ожидать значительных эксплуатационных расходов. Обычно компании взимают с вас плату за разработку индивидуального решения, а затем заставляют вас оплачивать ежемесячные текущие расходы, а также оперативную поддержку / обучение.

2.

Бизнес-модель более или менее похожа на модель SaaS. Это касается ИИ-решений, которые могут взаимодействовать поверх других систем, например, CRM / ERP-системы. ИИ получает доступ к данным, проходящим через эти системы, со временем способствуя улучшениям в бизнесе. В этой бизнес-модели компания будет взимать с вас ежемесячную плату. Исходя из моего опыта, проще заставить его работать для проектов НЛП (чат-боты и т. Д.)

Обычно такие решения быстро развертываются, поэтому цикл продаж быстрый, с подтвержденной рентабельностью инвестиций. Однако эта бизнес-модель также хрупка. Если решение ИИ не окажется «необходимым», оно будет уязвимо для сокращения бюджета.

Это зависит от данных

Ваша следующая бизнес-модель во многом будет зависеть от данных, которые вы можете использовать.

Очевидно, что ваша способность использовать данные повлияет на вашу бизнес-модель. Учитывая, что данные можно копировать (многие проекты используют фальшивые данные в начале этапа PoC), и, следовательно, они не являются ограниченными по своей природе, ценность данных в конечном итоге оказывается довольно низкой в ​​большинстве отраслей и имеет тенденцию к снижению.

Как стартапу вам нужны не все данные, а только данные, необходимые для решения конкретной проблемы, которую вы решаете (если вы ее точно определили).

Это также зависит от характера вашего проекта, допустим, вы хотите создавать дроны на базе искусственного интеллекта. Вам нужно будет интегрировать затраты на оборудование и другие продукты, связанные с вашей бизнес-моделью.

Создать стартап, ориентированный на AI, по-прежнему намного сложнее и отнимает много времени, чем обычный стартап SaaS. Действительно, сбор данных и обучение искусственному интеллекту отнимают много времени. Развертывание TensorFlow по-прежнему требует редких навыков. По всем этим причинам модель SaaS может быть сложной для стартапов с ИИ.

Распределение доходов

Я работал с несколькими компаниями, которые не могли позволить себе создать ИИ-решение с нуля. В результате они решили сотрудничать со стартапами по разработке искусственного интеллекта, специализирующимися на индивидуальных решениях. Благодаря бизнес-модели разделения доходов обеим компаниям удалось найти интерес. Они оба соглашаются создать PoC, и если он работает, они разделяют преимущества. Единственный сложный вопрос - кто предоставит данные, необходимые для построения PoC. Исходя из моего опыта, обе компании неохотно тратят слишком много времени на сбор данных.

Это хорошо работает для компаний-разработчиков программного обеспечения, которые пытаются улучшить свои существующие решения, не тратя слишком много на разработку. Я могу представить себе будущее, в котором команды разработчиков ИИ смогут заключить несколько контрактов о распределении доходов и позволить другим компаниям выполнять всю коммерческую / маркетинговую работу.

Единственный плохой аспект в том, что другой партнер захочет добавить неконкурентную оговорку. С точки зрения контракта это становится немного сложным для обеих сторон. Действительно, обоим есть что терять. Первый становится сильно зависимым от компании AI, в то время как компания AI не может продать это же решение другому конкуренту.

Я заметил, что у большинства стартапов по разработке ИИ есть несколько запущенных платных пилотных проектов и есть первые признаки того, что клиенты будут готовы заплатить значительную сумму денег, как только эти пилотные проекты будут запущены в производство.

В результате они всегда заинтересованы в установлении новых партнерских отношений, которые могут принести новые доходы. Особенно, когда они уже разработали аналогичные алгоритмы для решения вашей бизнес-задачи.

SaaS против AI

У стартапов в области ИИ может возникнуть соблазн выбрать модель SaaS, но по ряду причин этот выбор может быть рискованным ...

Стоимость

Пилотирование

Сама природа решений ИИ создает ситуацию, в которой обычно обязательны специально аннотированные обучающие данные, а также множество различных источников данных. В результате вы не можете ограничить тест ИИ несколькими пользователями. Более того, это замедлит способность решения адаптироваться к потребностям вашего клиента. Чем больше людей используют ИИ, тем быстрее он учится.

По этой причине я видел несколько стартапов, использующих менеджеров проектов, чтобы помочь компании понять процесс ИИ и обучить их. Очевидно, что этот дополнительный ресурс требует затрат, которые необходимо предусмотреть в бизнес-модели.

Оценка

Ценностное предложение традиционного решения SaaS часто становится очевидным в течение нескольких дней после развертывания решения.

Однако до тех пор, пока система искусственного интеллекта не обработает достаточное количество обучающих данных и не подвергнется нескольким вариантам использования, она, вероятно, не будет работать лучше, чем обычное программное обеспечение. В зависимости от вашей бизнес-задачи, как правило, после того, как решение будет полностью введено в действие и после улучшения кривой обучения, добавленная стоимость этого ИИ-решения будет казаться очевидной.

Из-за этого важного элемента стартапам с ИИ сложно использовать модели freemium. ИИ требует больше времени, чем традиционные решения.

Мой последний проект AI действительно приносил доход, но, возможно, только 9% от суммы, которую мы на него потратили. Сейчас цифры немного лучше, поскольку мы сокращаем расходы при сохранении доходов от подписки, но, судя по моему опыту, продукт ИИ не может быть прибыльным при первом запуске.

ИИ как услуга

Я заметил, что большинство компаний используют по крайней мере один вид «как услуга». Действительно, это позволяет им сосредоточиться на своем основном бизнесе и тратить меньше денег на важную услугу. Очевидно, что в последние годы произошел сдвиг парадигмы в том, как компании создают свои технологические стеки, в том числе благодаря значительному переходу на цифровые платформы и микросервисы.

«Как услуга»: относится к любому программному обеспечению, которое может быть вызвано по сети, поскольку оно использует облачные вычисления.

Успех этого решения можно объяснить тем, насколько легко приобрести такие решения. Действительно, в большинстве случаев вы можете купить его у стороннего поставщика, внести несколько изменений и практически сразу начать использовать.

Для компаний, которые не могут этого сделать по бюджетным причинам или не желают создавать свои решения на основе ИИ, ИИ как услуга - идеальный ответ, чтобы не упустить возможную возможность. Как и другие варианты «как услуга», тот же подход применяется к искусственному интеллекту.

Данные - движущая сила машинного обучения.

В наступающем году компании быстро начнут внедрять машинное обучение как услугу (AIaaS) в свои технологические стеки по нескольким причинам.

Из того, что я видел (существуют и другие бизнес-модели!), если мы посмотрим на картину в целом, глобальные корпорации могут производить и иметь доступ к такому количеству данных, но не обязательно к тем, которые необходимы для решения конкретных задач. проблема.

Они легко могут создавать и обучать собственные модели машинного обучения. Это позволяет им предлагать его сторонним компаниям как MLaaS, точно так же, поскольку у них больше места в центре обработки данных, чем у небольших компаний, они могут предоставить IaaS (инфраструктуру).

Кроме того, у вас есть команды разработчиков ИИ, специализирующиеся на создании индивидуальных решений для клиентов. Эти компании используют инструменты, созданные этими глобальными корпорациями, для создания решений ИИ для небольших компаний. Возникает совершенно новая экосистема и бизнес-модель.

Как правило, небольшие компании не имеют доступа к такому количеству данных для создания мощных моделей искусственного интеллекта; однако у них есть ценные и точные данные (и отличные бизнес-знания), чтобы начать создавать хороший набор данных, который можно использовать в проекте ИИ.

В заключение…

Очевидно, могут появиться новые бизнес-модели ИИ. Я считаю, что потребуется время, прежде чем стартапы в области ИИ найдут «правильную» формулу успеха ИИ. Важно выбрать бизнес-модель, которая позволит вашему бизнесу эффективно расти.