2023 年已為我們明確 AI 趨勢 – 大多數公司都會採用一定程度的人工智慧( AI )。 人工智慧將是新的籌碼，將像水電，無所不在。 每個人每家企業都不能不問這個問題 : 有了 AI，我們能做什麼，有什麼是以前不可能的，今天可能實現的？ 我們要如何創造性地部署 AI，為用戶創造持久價值？ 如果要在 AI 新創，可以在哪裡著力？
5 級 AI 應用光譜( 5-Level AI Spectrum )
- 運用 AI 增強企業營運 (如更有效的流程和軟體開發)
- 運用 AI 延伸產品 ( 如利用 AI 來捕捉大量相鄰的機會)
- 涵蓋1 和 2 更進一步將經常使用的 AI 創建新的產品( 如 Amazon 將匹配產品和客戶喜好的 AI 成為可銷售的雲端服務 )
- 供人們使用的 AI 產品/服務( 特殊產業的 AI 產品/服務，如法律文件書寫，醫師診療紀錄，助教…）
- 沒有人工智慧就無法做到的 AI-First 公司 ( 以前從沒出現過的產品/服務 )
橫向市場中的人工智慧
在銷售、行銷、軟體開發、客戶營運和創意市場等橫向市場建立大型 AI 平台。
這裡市場寬廣，除了既有公司，也足夠次產業和利基市場的新創公司展露頭角。 如果你是具有獨特洞察力的技術企業家，你特別有機會在這找到著力點。
本文特別指出你可考慮的領域
- 軟體開發的階段性變革；
- 透過現有管道無法提供良好服務的新管道實現銷售和行銷自動化；
- 客戶服務和營運；
- 為具有高參與度和高支付意願的創意專業人士提供支援的工具。
深入探討人工智慧的跳耀式發展( leapfrog )
這裡談的是原本數位化不足的公司會有類似非洲原本沒有信用卡就直接跳到手機支付的狀況。 人工智慧的跳耀式發展( leapfrog )很有可能發生在農業、旅館業、教育、法律、建築和製造業等領域。 如果執行得當，人工智慧有可能接觸到被先前的軟體革命所忽視的新用戶群。
跳耀式發展( leapfrog )發生在變革的價值大大超過變革的負擔的條件下，如在非洲與中國原本銀行信用卡就不普及，不透過銀行的手機支付大大解決了許多人的問題，可毫無負擔地發展，在原本銀行和信用卡普及的國家，手機支付只是加值，且有原本系統的負擔，相對下就沒那麼大的動力。要引發 leapfrog 需做： (1)透過變革創造巨大價值 (2) 減輕變革本身的負擔
本文預計相關 leapfrog 會發生兩件事：
- 藉助人工智慧，改進的產品體驗，可以突破目前產業的內部銷售和採用摩擦。
- 出現新的、更垂直化的業務。 這些公司將使用人工智慧產品作為楔子，對大部分產業進行數位化和轉型。
這些人工智慧 leapfrog 公司具有強大的網路效應( 產品價值隨購買這種產品及其兼容產品的消費者的數量增加而增加 )的潛力，特別是那些有高頻用例且嵌入式軟體充當價值鏈中重要控制點的產品。
人工智慧優先( AI First ）的應用層
人工智慧在終端使用者( 消費者 )的應用也會如手機上 APP 的發展，在應用層上開發。 通常在新技術存在約一年左右後，將有創業家開始雨後春筍地運用新技術推出產品設計。未來兩年內，將會有數以萬計的 AI 類應用程式為各種需求建構，其中會出現一些我們還沒想到的應用。 現有軟體供應商將添加生成式人工智慧功能。 新公司很可能成為既存公司的新興競爭對手。
建議這類應用需有網路效應做企業可長可久的護城河，應避免只是在人工智慧上做包裝，是高參與度和高頻率使用的流行工具。
創投如何評估「 AI 公司」
根據本文作者 – NFX 生成式人工智慧新創公司的創投公司的股東透露 ，他們會投資的「 AI 公司」不能一拿掉 ” AI ” 就沒有價值了。這些公司需要具備好的商業想法。 此外，有鑒於 AI 本身就是基於機率的科技，他們會評估公司選擇的產業和使用者角色是否能夠容忍 AI 系統某種程度的不確定性，和如何運用 AI 創造力。
其他觀察重點如
讓你的人工智慧管道( pipeline)與眾不同：作者認為，對於大多數新創公司來說，建立並保持人工智慧研究一直超前是不可行的(大多新創不會是 OpenAI 的角色)，他們應該專注於圍繞每個人都可以使用的基礎模型建立差異化。 他們列出了一些新創公司可以建立獨特且可防禦價值的領域的範例，例如快速工程、後處理、微調和強大的基礎設施支援端到端驗證管道或能在管道中快速迭代。
公司的團隊應平等注重基礎設施工程師和機器學習( ML )工程師：不要因 AI 炒作而人浮於事地僱用過多的 ML 工程師，基礎設施工程師其實也很重要。 新創公司應該尋找具有產品化工作經驗以及能夠評估和測試人工智慧模型優缺點的人員。
創投評估 AI 公司會問的問題 :
這是一支優秀、快速的團隊嗎？ 他們希望團隊速度快、技術精湛，最重要的是擁有獨特的市場洞察。 考慮到這個行業的發展速度，速度是絕對必要的。
經濟護城河有多堅固？ 許多人工智慧產品正在商品化。 他們希望看到產品能夠在大市場中吸引高支付意願的客戶。
最初的市場機會有多明確？ 生成式人工智慧爆炸性成長的大部分初始回報將歸於現有企業（未來將更多地討論這一觀點）。 目前，新創企業需要追求正交創新。 他們希望看到公司擁有有吸引力的初始市場、有限的現有活動和簡單的銷售週期。 您必須能夠快速實施並快速向客戶展示價值。
長期防禦力如何？ 您是否擁有專有數據？您是否考慮過如何從第一天起將網路效應融入您的產品中？ 現有企業在這個領域的定位如何，在抓住機會方面處於更好還是更差的位置。
公平估值? 當創投考慮估值時，他們會問這估值是否能代表業務的長期發展，不管生成式人工智慧的炒作如何。
突破性產品/服務? 這是一款為了 AI 而 AI 的產品嗎？ 或是款有什麼突破性的產品/服務？
身為 AI 創業者，您和您的團隊要問自己以下問題 ：
Q：基礎模型會吃掉你的午餐嗎？
- 您只繞著基礎模型做優化，當基礎模型進化，這些優化的功能有可能成為基礎模型的標準 ?
- 您圍繞 AI 管道建立什麼？可申請專利？
Q：如果其他人有相同的想法並且可以訪問相同的模型（他們確實這樣做），那麼您將構建什麼是獨特的、困難的且他們無法做到的？
- 差異化是否存在於預處理、後處理、測試管道等方面？
- 或者它是否存在於您的使用者體驗、業務模型或問題焦點的技術堆疊之外？
Q：您需要多久向用戶提供足夠正確的答案才能使產品可行？
- 您如何定義 ODD ( Operational Design Domain ) 並圍繞已知的未知和未知的未知建立護欄？
- 您如何衡量正確性？
Q：使用 ChatGPT+，使用者完成與您的核心產品相比，相同的任務各需要多長時間？
- 只需要知道新增的正確提示( prompt )嗎？
- 它是否需要大量的設定，例如複製和貼上到其他文件中？
- 有可能做到嗎？
Q：您如何驗證人工智慧管道中的變更是否可以改進您的產品？驗證需要多長時間？
- 您使用什麼指標來衡量改進以及它有哪些固有偏差？
- 您的流程是手動的還是自動的？
- 如果是自動化的，您的驗證管道是否具有語義意義/當您的指標發生變化時，原因很清楚嗎？
Q：為什麼你們是做這件事的合適團隊？
- 您對您的客戶角色了解多少？
- 您是否有建立和優化生產機器學習基礎架構的經驗？
- 您了解如何評估和測試人工智慧模型的優缺點嗎？
原文有更多資訊，尤其是連結點過去的 Generative AI Market Map and 5-Layer Tech Stack(其中一個 stack 為應用層) 與 NFX’s Generative Tech Open Source Market Map 都值得參考。
原文: The AI Spectrum for Founders ｜ The AI Startup Litmus Test
也許你會有興趣
- AI 應用相關線上課程
- ★英語學習地圖 – 練好英文是最大的學習槓桿
- 如何找工作學習地圖 – 找工作不要靠運氣！
- 歡迎參加 Soft & Share 創業不簡單
發表迴響