انتخاب مناسب‌ترین بیزنس مدل هوش مصنوعی

پروژه‌های مشترک هوش مصنوعی شرکت‌‌‌ها با استارتاپ‌‌‌ها، نشان می‌‌دهد هنوز یک جنبه از هوش مصنوعی وجود دارد که نمی‌‌‌توان آن را نادیده گرفت و آن هم انتخاب یک مدل مناسب تجاری برای شرکت‌‌های هوش مصنوعی است. این که ببینیم آیا محصول هوش مصنوعی ما به عنوان یک سرویس یا به عنوان یک مجموعه ویژگی جدید به کاربران فروخته می‌‌شود؟ درآمد هر پروژه، بخشی مهم در مدل تجاری هوش مصنوعی است. با توجه به بسیاری از عناصر فنی مرتبط با هوش مصنوعی، مدل‌‌های تجاری سنتی موجود همیشه قابل استفاده نیستند.

برای انتخاب مدل مناسب کسب‌‌وکار باید به این جنبه‌ها و کارکردها در شرکت‌ها توجه شود: برنامه موفقیت‌‌‌آمیز در تجارت، شناسایی منابع درآمد، شناخت مشتری آینده، محصول و جزئیات تأمین مالی.

شاید تصور شود که استارتاپ‌‌های هوش مصنوعی مانند شرکت‌‌های ابری یا SaaS نمونه خودشان، یک مدل تجاری مشترک دارند. با این حال، به‌کاربردن مدل SaaS برای استارتاپ‌‌های هوش مصنوعی دشوار است. در واقع، بسته به ماهیت راه‌‌‌حل هوش مصنوعی، شما همیشه به داده‌‌‌ها، مقدار زیادی محاسبات خام و الگوریتم‌‌‌ها نیاز خواهید داشت. هضم و درک نیازهای مشتری ذاتاً از راه‌‌اندازی استارتاپ‌‌های ابری پیچیده‌‌تر است و به موارد مختلفی نیاز دارد، بنابراین فناوری مورد نیاز نیز باید به روش‌‌های مختلف به فروش برسد. قبل از ورود به بحث مدل کسب‌‌وکار هوش مصنوعی، به نظر می‌‌رسد نشان‌دادن چشم‌انداز آینده هوش مصنوعی بسیار مهم است.

آینده هوش مصنوعی و چشم‌اندازها

چشم‌‌‌انداز توسعه هوش مصنوعی را می‌‌توان به دو بخش تقسیم کرد:

1. زیرساخت: این شرکت‌‌‌ها در پشت فرایند به ایفای نقش می‌‌پردازند و خدمات محاسباتی را به شرکت‌‌های دیگر ارائه می‌‌دهند. مدل کسب‌‌وکاری که آن‌ها دنبال می‌‌کنند معمولاً براساس تماس‌‌های API انجام می‌‌شود. یک مثال خوب IBM Watson است که تجزیه و تحلیل احساسات را از طریق پلتفرم Bluemix ارائه می‌‌دهد. IBM بابت تماس‌‌های API از کاربران هزینه می‌‌گیرد.
2. اپلیکیشن: این شرکت‌‌‌ها عموما در بخش‌‌های B2B و B2C فعالیت می‌‌کنند. با این حال، در زمینه B2B شما می‌‌توانید فعالیت مهمی را مشاهده کنید که شرکت‌‌‌ها به عهده گرفته‌‌‌اند و خدمات اشتراکی مبتنی بر SaaS را ارائه می‌‌دهند. این شرکت‌‌‌ها معمولاً برنامه‌‌‌هایی را توسعه می‌‌دهند که برای استفاده در موارد خاص است و توسط مشتریان تعریف می‌‌شود. اساساً، اگر کارهایی که این شرکت‌‌های هوش مصنوعی انجام می‌‌دهند، توسط مشتری استراتژیک تلقی شود، در این صورت برخی از مشتریان بزرگ به جای اجاره فناوری، مایل به راه‌‌اندازی آن‌‌اند.

بگذارید اکنون روی استارتاپ‌‌های هوش مصنوعی تمرکز کنیم. در اصل سه نوع استارتاپ هوش مصنوعی وجود دارد:

در موضوع مدل تجاری مناسب برای هوش مصنوعی، دو الگو وجود دارد که تا امروز عملکرد خوبی داشته‌ است:

مدل اول

در این مدل، راه‌‌‌حل جدید هوش مصنوعی، اثربخشی جریان کار فعلی را افزایش می‌‌دهد. به دلیل آرایش فشرده نیروها، چرخه فروش بسیار طولانی است. بنابراین، برای حفظ نشاط و حیات کارآفرینی، هر معامله‌‌‌ای باید در مقیاس بزرگ باشد. علاوه بر هزینه‌‌های مهم توسعه، مقدار زیادی از هزینه‌‌های عملیاتی نیز مورد نیاز است. به‌طور معمول، شرکت برای تهیه یک راه‌‌‌حل سفارشی از شما هزینه می‌‌گیرد و سپس ماهانه هزینه‌‌های عملیاتی و پشتیبانی و آموزش عملیاتی را به شما پرداخت می‌‌کند.

مدل دوم

مدل‌‌های تجاری کم‌و‌بیش به مدل‌‌های SaaS شباهت دارند. این شباهت شامل راه‌‌‌حل‌‌های هوش مصنوعی نیز می‌‌شود که می‌‌توانند با سیستم‌‌های دیگر مانند سیستم‌‌های CRM / ERP نیز تعامل برقرار کنند. هوش مصنوعی برای پیشرفت در کسب‌‌وکار به داده‌‌های جاری در این سیستم‌‌‌ها دسترسی پیدا می‌‌کند. در این مدل تجاری، شرکت ماهانه هزینه‌‌‌ای از شما دریافت می‌‌کند. تجربه‌‌های کاربردی نشان می‌‌دهد که بهینه‌سازی این مدل‌‌‌ها برای پروژه‌‌های NLP (ربات‌‌های چت و غیره) کاراتر خواهد بود.

به طور معمول، چنین راه‌‌‌حل‌‌‌هایی به سرعت به‌کار گرفته می‌‌شوند، بنابراین چرخه فروش سریع است و بازگشت سرمایه در آن‌‌‌ها قابل اطمینان است. با این حال، این مدل تجاری نیز بسیار شکننده است. اگر راه‌‌‌حل هوش مصنوعی ضروری به نظر نرسد، در برابر کاهش بودجه آسیب‌پذیر خواهد بود.

انتخاب بیزنس مدل مناسب برای هوش مصنوعی بستگی به داده‌‌‌ها دارد

مدل کسب‌‌وکار بعدی شما بسیار وابسته به داده‌‌‌هایی است که می‌‌توانید استفاده کنید. بدیهی است که توانایی شما در استفاده از داده‌‌‌ها بر مدل کسب‌‌وکار شما تأثیر می‌‌گذارد. با توجه به قابلیت تکثیر داده‌‌‌ها (بسیاری از پروژه‌‌‌ها از داده‌‌های جعلی در مرحله PoC استفاده می‌‌کنند)، داده‌‌های شما کمیاب نیستند و ارزش داده‌‌‌ها به طور کلی کم است و در اکثر صنایع به طور کلی پایین است.

به عنوان یک شرکت تازه تاسیس، شما به تمام داده‌‌های جهان نیاز ندارید، فقط به داده‌‌‌هایی نیاز دارید که برای حل مشکل خاصی به کار شما می‌آید (به شرطی که آن را به‌طور دقیق تعریف کنید). همچنین مدل کسب‌‌وکار شما به ماهیت پروژه شما نیز بستگی دارد؛ مثلا اگر می‌‌خواهید یک هواپیمای بدون سرنشین با هدایت هوش مصنوعی بسازید. شما باید هزینه‌‌های سخت‌‌افزار و سایر هزینه‌‌های مربوط به محصول را در مدل کسب‌‌وکار خود ادغام کنید.

ساخت یک هوش مصنوعی برای اولین بار هنوز هم نسبت به یک شروع معمولی SaaS دشوارتر و زمان‌بر است. در واقع، جمع‌‌آوری داده‌‌‌ها و آموزش هوش مصنوعی زمان زیادی را می‌‌گیرد. استقرار TensorFlow هنوز به تخصص نیاز دارد. به همه این دلایل، مدل SaaS می‌‌تواند برای استارتاپ‌‌های هوش مصنوعی پیچیده باشد.

سهم درآمد در بیزنس مدل هوش مصنوعی

شرکت‌‌های زیادی وجود دارند که توانایی ساخت راه‌‌‌حل‌‌های هوش مصنوعی از ابتدا را ندارند. به همین دلیل، این شرکت‌‌‌ها با استارتاپ‌‌های توسعه هوش مصنوعی کار می‌‌کنند که روی راه‌‌‌حل‌‌های سفارشی تمرکز دارند. از طریق مدل کسب‌‌وکار تقسیم درآمد، هر دو شرکت موفق به کسب سود شده‌‌‌اند. همه این شرکت‌‌‌ها با یکدیگر توافق کرده‌‌‌اند که PoC بسازند و در صورت کارکرد، هر دو طرف از مزایای مشترک بهره‌‌‌مند شوند. تنها سوال پیچیده این است که چه کسی داده‌‌های مورد نیاز برای ساخت PoC را فراهم می‌‌کند. طبق تجربه ها، هیچ یک از شرکت‌‌‌ها حاضر نیستند زمان زیادی را برای جمع‌‌آوری داده‌‌‌ها صرف کنند.

این برای شرکت‌های نرم‌‌افزاری مناسب است که سعی دارند راه‌‌‌حل‌‌های موجود را بدون صرف هزینه‌‌های گزاف توسعه بهبود دهند. با این توضیحات، می‌‌توان آینده‌‌‌ای را تصور کرد که تیم توسعه هوش مصنوعی می‌‌تواند چندین قرارداد تقسیم درآمد را به دست آورد تا سایر شرکت‌‌‌ها همه کارهای تجاری / بازاریابی را انجام دهند.

تنها نکته منفی این است که زمان‌‌‌هایی پیش می‌‌آید که شریک دیگر می‌‌خواهد برخی شرایط غیررقابتی را اضافه کند. از نظر قراردادی، هر دو طرف کمی پیچیده‌‌‌اند. در واقع، هر دو چیزی برای ازدست‌دادن دارند. اولین چیزی که در این میان مطرح می‌‌شود، این است که هر دو شرکت به شدت به هوش مصنوعی وابسته‌‌‌اند و هوش مصنوعی نمی‌‌‌تواند همین راه‌‌‌حل را به رقبای دیگر بفروشد.

در اکثر شرکت‌‌های استارتاپی که وظیفه توسعه هوش مصنوعی را بر عهده دارند، اجرای خودکار بعضی فرایندها وجود دارد و برخی از نتایج اولیه نشان می‌‌دهد پس از این خودکارسازی، مشتریان آماده پرداخت هزینه‌‌های زیادی خواهند بود. بنابراین، چنین شرکت‌‌‌هایی همیشه علاقه‌مند به مشارکت در پروژه‌‌های جدیدی‌‌‌اند که می‌‌تواند درآمد جدیدی برای آن‌‌‌ها ایجاد کند. به‌ویژه، وقتی الگوریتم‌‌های مشابهی برای پاسخ به سولات کسب‌‌وکار شما توسعه داده‌‌‌اند.

بیزنس مدل SaaS و هوش مصنوعی

ممکن است انتخاب بیزنس مدل SaaS برای استارتاپ‌‌های هوش مصنوعی وسوسه‌انگیز باشد، اما به دلایل مختلف، این گزینه برای آن‌‌‌ها خطرناک است.

هزینه مدل SaaS برای استارتاپ هوش مصنوعی

فرایندهای خودکار هوش مصنوعی

ماهیت راه‌‌‌حل هوش مصنوعی وضعیتی را ایجاد می‌‌کند که در آن داده‌‌های آموزشی معمولاً حاوی بعضی حاشیه نویسی‌‌‌ها و همچنین منابع مختلف داده اجباری است. بنابراین، شما نمی‌‌‌توانید آزمایش هوش مصنوعی را به تعداد کمی از کاربران محدود کنید. در حقیقت، این کار توانایی راه‌‌‌حل هوش مصنوعی را برای انطباق با نیازهای مشتری کاهش می‌‌دهد. هرچه افراد بیشتر از هوش مصنوعی استفاده کنند، سریع‌‌تر یاد می‌‌گیرند.

استارتاپ‌‌های زیادی وجود دارند که از مدیران پروژه برای کمک به شرکت‌‌‌ها برای درک و آموزش فرایندهای هوش مصنوعی استفاده می‌‌کردند. بدیهی است که این منبع اضافی نیاز به هزینه پیش‌بینی‌شده در مدل تجاری دارد.

ارزیابی هوش مصنوعی

چند روز بعد از استقرار یک راه‌‌‌حل، ارزش پیشنهادی آن راه‌‌‌حل سنتی SaaS معمولاً قابل مشاهده است.

با این حال، قبل از اینکه سیستم هوش مصنوعی داده‌‌های آموزشی کافی را پشت سر بگذارد و در معرض موارد استفاده چندگانه قرار گیرد، ممکن است عملکرد بهتری نسبت به نرم‌‌افزارهای سنتی نداشته باشد. بسته به مشکلی که کسب‌‌وکار شما با آن مواجه است، ارزش افزوده این راه‌‌‌حل هوش مصنوعی پس از عملیاتی‌شدن کامل راه‌‌‌حل و پس از بهبود منحنی یادگیری آشکار خواهد شد.

به دلیل این عامل حیاتی است که استارتاپ‌‌های هوش مصنوعی در استفاده از مدل فریمیوم freemium مشکل دارند. هوش مصنوعی بیش از راه‌‌‌حل‌‌های سنتی زمان می‌‌برد.

هوش مصنوعی به عنوان یک سرویس

من متوجه شدم که بیشتر شرکت‌‌‌ها حداقل از یک «سرویس» استفاده می‌‌کنند. در حقیقت، این کار آن‌ها را قادر می‌‌سازد تا روی فعالیت‌‌های اصلی خود تمرکز کرده و هزینه کمتری را برای یک سرویس مهم خرج کنند. بدیهی است که نحوه ساخت مجموعه‌‌های فناوری توسط شرکت‌‌‌ها در سال‌‌های اخیر تغییر کرده است. این تغییرات عمدتا به دلیل تحولات عمده‌‌‌ای است که در سیستم‌عامل‌‌های دیجیتال و ریز خدمات ایجاد شده است. «به عنوان یک سرویس»: هر نرم‌‌افزاری که می‌‌تواند از طریق شبکه فراخوانی شود، زیرا از رایانش ابری استفاده می‌‌کند.

موفقیت چنین راه‌‌‌حلی را می‌‌توان با سهولت خرید چنین راه‌‌‌حلی توضیح داد. در واقع، در بیشتر موارد، شما می‌‌توانید از یک فروشنده شخص ثالث خرید کنید، تغییراتی ایجاد کنید و بلافاصله استفاده از آن را شروع کنید.

برای شرکت‌‌‌هایی که نمی‌‌‌توانند بودجه‌بندی کنند و یا تمایلی به ساختن راه‌‌‌حل هوش مصنوعی ندارند، هوش مصنوعی به عنوان یک سرویس بدون اتلاف فرصت بهترین پاسخ است. مانند سایر گزینه‌‌های «به عنوان سرویس»، همین رویکرد در مورد هوش مصنوعی نیز صدق می‌‌کند.

داده‌‌‌ها نیروی محرک یادگیری ماشین اند

در سال آینده، شرکت‌‌‌ها به دلایل مختلف به سرعت شروع به یادگیری ماشین به عنوان یک سرویس (AIaaS) در گروه فناوری خود می‌‌کنند. اگر از منظر وسیع‌تری به این موضوع نگاه شود، شرکت‌‌های جهانی می‌‌توانند داده‌‌های زیادی تولید کنند یا اطلاعات مورد نیاز خود را به‌دست آورند، اما داده‌‌‌های آن‌‌‌ها لزوماً داده‌‌های لازم برای پاسخ به سوالات خاص تجاری‌شان نیست.

آن‌ها به‌راحتی می‌‌توانند مدل‌‌های یادگیری ماشین خود را بسازند و آموزش دهند. این به آن‌ها امکان می‌‌دهد آن را به شرکت‌‌های خارجی مانند MLaaS ارائه دهند، همان‌طور که فضای مرکز داده بیشتری دارند، می‌‌توانند IaaS (زیرساخت) را نیز فراهم کنند.علاوه بر این، شما یک تیم توسعه هوش مصنوعی دارید که راه‌‌‌حل‌‌های متنوعی را برای مشتریان شما ایجاد می‌‌کند. این شرکت‌‌‌ها از ابزارهای ایجاد شده توسط این شرکت‌‌های جهانی در جهت ایجاد راه‌‌‌حل‌‌های هوش مصنوعی برای شرکت‌‌های کوچک استفاده می‌‌کنند. پس با این توضیحات، یک اکوسیستم و مدل تجاری جدید در حال ظهور است.

غالباً، شرکت‌‌های کوچک‌‌تر داده کافی برای ایجاد مدل‌‌های قدرتمند هوش مصنوعی را در اختیار ندارند. با این حال، آن‌ها داده‌‌های ارزشمند و دقیق (و دانش عالی تجاری) برای شروع ساخت مجموعه‌‌های داده عالی برای پروژه‌‌های هوش مصنوعی دارند.

در نتیجه…

بدیهی است که یک بیزنس مدل هوش مصنوعی ممکن است به‌خوبی ظاهر شود، اما مدتی طول می‌‌کشد تا یک استارتاپ هوش مصنوعی فرمول «درست» موفقیت هوش مصنوعی را پیدا کند. مهم این است که یک مدل کسب‌‌وکار را انتخاب کنید که باعث رشد موثر کار شما شود.