سخنی طولانی در مورد فرصتی که برای استارت آپ های بوت استرپ به دنبال ایجاد ارزش از طریق هوش مصنوعی است. مدتی پیش نوشتم، فکر کردم خیلی طولانی است، اما امروز در حین بحث با هوش مصنوعی (همه به یک سرگرمی نیاز دارند) متوجه شدم که ارزش به اشتراک گذاشتن را دارد:
بیشتر داستان های موفقیت آمیز هوش مصنوعی تا به امروز مربوط به کاهش هزینه ها یا بهبود سرعت است. این استارت آپ به شرکت ها راهی ارائه می دهد که با جایگزین کردن ربات ها، تیم های خدمات مشتری یا برنامه نویسی را با افراد کمتری انجام دهند. طرف دیگر صرفه جویی در هزینه این است که فروش بسیار آسانی است – به مشتری یک نمونه رایگان بدهید، پس از اینکه کارایی آن ثابت شد، بلافاصله از تعویض سود می برند.
معایب: شکست دادن رقبا تا انتها سخت است زیرا کسی همیشه می تواند وعده پس انداز بیشتری نسبت به شما بدهد. و محدود است – هنگامی که پس انداز انجام شود، دیگر ارزشی برای ایجاد وجود ندارد.
امکان در چیزی مولد نهفته است. استفاده از هوش مصنوعی که هزینه ها را کاهش نمی دهد، ارزش آفرینی می کند. فرصت های جدیدی را باز می کند، منجر به رشد، ارتباطات و سودمندی می شود.
ارزش پرداخت کردن را دارد: اکثر بوت استرپرها مشتریان حساس به قیمت را هدف قرار می دهند و سپس تعجب می کنند که چرا رشد دشوار است. اما افراد و سازمان‌هایی که مشکلات گران قیمت و منابع واقعی دارند، نمی‌توانند هزینه بیشتری برای چیزهایی که ارزش دارند تحمل کنند. بلکه آن را قیمت گذاری ممتاز نشانه جدیت است. به دنبال بازارهایی باشید که مشکل واقعی است، بودجه وجود دارد، و راه حل چیزی را ایجاد می کند که در غیر این صورت نمی توانستند به دست آورند.
آنچه مردم واقعاً برای آن پرداخت می کنند: تقریباً هر خرید حق بیمه بر اساس سه موقعیت است:
حالت (من مهم هستم، افرادی مثل من مهم هستند)
متعلق (من تعلق دارم، امثال من هستند و من را قبول دارند)، و
آزادی از ترس (من امن هستم، هیچ تهدیدی در راه نیست).
رهایی از ترس ممکن است ابتدایی ترین باشد—شما نمی توانید در حالت بقا به موقعیت یا ارتباطات برسید. و بیشتر خریدهای ممتاز تلاش برای رهایی از ترس تظاهر به چیز دیگری است.
بر این ریشه ها لایه میانی از چیزهایی ساخته شده است که یک یا چند مورد را فراهم می کند: مشروعیت، دگرگونی، تعلق به روایت، کنترل، اطمینان، حفاظت، اعتماد، سلامت و طول عمر، اهرم.
و لایه بیرونی که اندازه گیری آن آسان تر است – چیزهایی که مردم می خرند زیرا لایه میانی را فراهم می کنند: دسترسی، سرمایه، زمان، توجه، راحتی، کارایی، شادی، تجربیات جدید، زیبایی.
کالاها – غذا، سرپناه، رابطه جنسی، مواد اعتیادآور – اغلب خارج از این سلسله مراتب هستند. آنها واقعا به سمت سه ریشه نمی سازند. آنها بقا را قادر می سازند یا به طور موقت اضطراب ناشی از نداشتن آنها را سرکوب می کنند.
هوش مصنوعی کسب و کار ارزش ساختن برای تولید چیزی از لایه میانی، برای توجیه لایه بیرونی را دارد. هیچکس پول خرد نمی خرد
آنچه شرکت ها واقعاً برای آن پرداخت می کنند: سلسله مراتب مصرف کنندگان فردی مستقیماً به خریدهای سازمانی اشاره نمی کند. در B2B، مشتری از پول شخص دیگری استفاده می کند. این بدان معنی است که سؤال غالب آنها این است که “من به رئیسم چه بگویم؟” سه خواسته اساس تصمیم خرید هر شرکتی است:
از سرزنش بپرهیزید – اگر این اشتباه پیش رفت، تقصیر من نیست. اصل IBM: هیچ کس هرگز به دلیل خرید یک رهبر بازار اخراج نشد. یک قهرمان درون یک سازمان اغلب قبل از اقدام به یک داستان قابل دفاع نیاز دارد.
بازخرید اعتبار – چیزی آوردم که کار کرد و مردم متوجه شدند. طرف مقابل اجتناب از گناه و موتور قهرمان درونی. اگر راه حل شما باعث می شود کسی خوب به نظر برسد، آنها آن را به همکاران خود می فروشند، شما مجبور نیستید.
عدم قطعیت را کاهش دهید – ما می توانیم در مورد این برنامه ریزی کنیم، هرج و مرج فرود می آید. سازمان ها برای توانایی خود در پیش بینی، مشارکت و خاتمه مراقبت، حق بیمه قابل توجهی می پردازند.
بر اساس این ریشه ها، لایه میانی از چیزهایی است که سازمان ها به طور قابل اعتماد برای آنها هزینه می کنند: رشد، کارایی، انطباق، مزیت رقابتی، استعداد، روحیه، پایداری، انتخاب، سرعت، مشروعیت، روابط.
و لایه بیرونی که لایه میانی را توجیه می کند: صرفه جویی در هزینه، صرفه جویی در زمان، اطلاعات، دسترسی، راحتی، ادغام، گزارش، پشتیبانی.
مکانیک بدون داستان یک مسابقه به پایان است، و ارزان ترین بودن بهترین استفاده از زمان شما نیست.
خریدهای جدید و تکراری نیازمند رویکردهای متفاوتی هستند: خریدهای مکرر از طریق تغییر هزینه ها، روابط و افزایش بی امان به دست می آیند – شما جایگزین شخصی می شوید، به این معنی که باید ارزان تر، آسان تر باشید یا داستان و نیروی فروش بهتری داشته باشید. خریدهای جدید مستلزم این است که شخصی در سازمان قهرمان شود، به این معنی که آنها به داستانی نیاز دارند که در خدمت حرفه آنها باشد، نه فقط منافع شرکتشان.
همه مشکلات به یک اندازه جالب نیستند: برخی از خریدها – مانند افزایش سهم بازار یا رفتن به یک دسته جدید – بی نظم و جالب هستند و فضایی برای روایت و جاه طلبی دارند. برخی دیگر – مانند مواد ارزان‌تر یا پردازش سریع‌تر – آسیاب مواد خام هستند که تنها داستان آن قیمت است. خریداران کالا از پرداخت بیش از حد می ترسند. در فضاهای پر هرج و مرج، خریداران از انتخاب اشتباه می ترسند.
تابع نیرو: شرکت ها به ندرت در خریدهای جدید پیشگام می شوند بدون اینکه تحت فشار یک بحران قرار گیرند. بدون اجبار، راه‌حل عالی برای همیشه در راه است – کمیته‌ها تشکیل می‌شوند، خلبان‌ها متوقف می‌شوند، و قهرمانان دوباره تعیین می‌شوند.
سه نوع بحران اقدامات قانع کننده ایجاد می کنند:
بحران رقابتی – رقیب کاری کرد و حالا وقت عجله است. «آنها دارند و ما نداریم» عبارتی است که به گفتگو پایان می دهد و فرآیند خرید را آغاز می کند.
بحران فناوری – یک عادت قدیمی دیگر کار نمی کند، یا یک ویژگی جدید باعث می شود عادت قدیمی بی پروا به نظر برسد. خود هوش مصنوعی در حال حاضر در حال ایجاد این امر در چندین زمینه به طور همزمان است. این بار تابع اجباری و راه حل یکی هستند.
آشوب عمومی/بازار – تغییر مقررات، تغییر فرهنگی، سقوط هزینه های ورودی تولید، بیماری همه گیر. اینها مؤثرترین و کمترین پیش بینی هستند. آنها دسته بندی های خریدار کاملا جدیدی ایجاد می کنند.
فرصت بوت استرپر: فروش به عنوان یک تابع اجباری که از قبل وجود دارد، سعی نکنید آن را ایجاد کنید. سازمان‌هایی که در حال حاضر بحران را تجربه کرده‌اند نیازی به اطمینان ندارند – آنها به راه‌حلی نیاز دارند که به قهرمانانشان اجازه دهد بگویند “من آن را پیدا کردم”.
توجه:
هوش مصنوعی برهنه یک تله است. اگر فقط به Anthropic یا ChatGPT پورت کنید، هزینه های توکن شما بخش قابل توجهی از درآمد شما را می گیرد – و نمی توانید از موقعیت دفاع کنید.
اعلان های پنهان کافی نیستند. تماس های موفقیت آمیز می تواند ارزش واقعی ایجاد کند، اما هیچ راه قابل دفاع و قابل اعتمادی برای فروش آن به عنوان یک تجارت وجود ندارد. اگر یکی از شرکت های مرزی از آن مدل کسب و کار بسازد، مکانیک ها به نفع بوت استرپر کار می کنند، اما من این را ندیده ام.
اثر شبکه مهم است. فروش سود به یک نفر در یک زمان بسیار گران است. پیشرفت‌ها از پروژه‌هایی با شبکه داخلی به دست می‌آیند – جایی که تعاملات زمانی که همکاران شما نیز از آنها استفاده می‌کنند بهتر عمل می‌کنند.
ارزش جستجوی اطلاعات نامتقارن را دارد. برخی از پایدارترین مزیت‌ها نه از اثرات شبکه، بلکه از دانستن چیزی که دیگران نمی‌دانند، یا از کمک به گروهی برای همکاری با یکدیگر برای تجمیع دانش خود در برابر گروهی که در حال حاضر اطلاعات ساختاری بر روی آنها دارد، ناشی می‌شود. برای مثال، به همه فروشندگان Walmart اجازه دهید داده‌هایی را که در حال حاضر جمع‌آوری می‌کنند ببینند.
بنابراین، یک نظریه پیروزی-چارچوب پروژه ای که تبدیل به یک تجارت می شود:
- پشته داده های مفید خود را ایجاد کنید. داده ها برای با ارزش بودن لازم نیست بزرگ باشند – باید دقیق و قابل اعتماد باشند. با گذشت زمان، هوش مصنوعی را مطلع می کند. این متعلق به کاربران و پروژه است، نه Anthropic یا رقبا. و برای کار ساخته شده است برای کاربران تا در دام نیفتند.
- دارای جلوه مش داخلی است. یا یک جامعه همتای متعهد (که در آن کاربران یکدیگر را می بینند، نه فقط پلتفرم) یا یک مزیت آشکار در گسترش این کلمه.
- یک مشکل گران قیمت را برای افراد دارای منابع حل می کند. ارزش ارائه شده فراتر از صرفه جویی در زمان یا پول است – می تواند آموزش، کاهش ترس، شادی، اطمینان خاطر، ارتباط یا افزایش قابلیت ها باشد. و بر این اساس قیمت گذاری می شود.
- قابل بوت استرپ است. خاص تر و مفهومی تر از زیرساخت. هیچ مرکز داده، هیچ تیمی از هزاران نفر برای شروع لازم نیست.
پاداش:
یادداشتی در مورد واقعیت پشته داده. شبکه ای که بر اساس داده های کاربر ساخته شده است، فقط به اندازه تمایل کاربران برای پر کردن آن خوب است. و تمایل به دو چیز نیاز دارد: باید آنقدر بدون اصطکاک باشد که مردم مجبور نباشند به آن فکر کنند، و باید آنقدر احساس امنیت کند که مردم نگران آن نباشند. این دو شرط تقریبا همیشه متشنج هستند. هرچه جمع‌آوری داده‌ها خودکارتر باشد، بیشتر شبیه نظارت است. هرچه کنترل بیشتری به مردم بدهید، اصطکاک بیشتری را اضافه می کنید.
امیدوارکننده‌ترین پشته‌های داده آن‌هایی هستند که مردم قبلاً داده‌ها را تولید می‌کنند، قبلاً از وجود آن در جایی راضی هستند، و این نوآوری به سادگی به آنها دسترسی بهتری به آنچه قبلاً متعلق به آنهاست می‌دهد. اقدام اجباری برای اشتراک‌گذاری داده‌های مصرف‌کننده ممکن است ساده‌تر از همه باشد: من قبلاً احساس می‌کنم تحت نظر هستم. شاید هم چیزی پس بگیرم
نسخه هشدار این ابزار یک ابزار نظارت بر ایمیل است – شرکت تمام ایمیل‌های داخلی را می‌خواند و گزارشی در مورد اینکه چه کسی مفید است، چه کسی سمی است، چه کسی به دنبال کار است، دریافت می‌کند. ارزش واقعی و آشکار است. ترس نیز واقعی و آشکار است. و در بیشتر سازمان ها، ترس برنده است. همه شرکت های پشته داده باید به این سوال پاسخ دهند: چه کسی این را کنترل می کند و اگر اشتباه شود چه اتفاقی می افتد؟ اگر پاسخ بلافاصله قانع کننده نباشد، شرکت ساخته نخواهد شد.
مدل اسپانسر شده همه شرکت‌های با ارزش هوش مصنوعی به کاربر نهایی نیاز به پرداخت ندارند. وقتی مشکل واقعی است اما جمعیت آسیب دیده فاقد منابع است، یک بنیاد، برند یا موسسه با منافع همسو می تواند معجزه ای را تامین کند. اقتصاد کاملاً معکوس است: به جای اینکه هزاران مشتری را در یک زمان به دست آورید، یک رابطه را با مؤسسه ای که قبلاً توزیع، مأموریت و بودجه دارد، می بندید. کاربر معجزه را به صورت رایگان دریافت می کند. حامی نفوذ، داده یا وفاداری می شود.
این مدل زمانی کار می‌کند که سه چیز درست باشد: جمعیتی که خدمات ارائه می‌شود زیاد است و کمتر مورد استفاده قرار می‌گیرد، ارزش ایجاد شده توسط مؤسسه‌ای که به آن اهمیت می‌دهد قابل خواندن است، و داده‌های تولید شده هم در خدمت کاربر فردی و هم مأموریت حامی است.
به عنوان مثال، بنیاد 2،000،000 دلار می پردازد و 40،000 خانواده زندانی به ابزاری دسترسی پیدا می کنند که به جای اوراق تصادفی، یک سند قانونی ده صفحه ای تولید می کند – و داده های مشترک شروع به شناسایی الگوهایی در سیستم (بازیگران بد، کاغذبازی معیوب) می کند که یک مورد به تنهایی نمی تواند فاش کند.
بانک یک ابزار مالی شخصی را برای مشتریان خود تأمین مالی می کند. این برند سلامتی یک مربی تناسب اندام را برای جمعیتی که کمتر خدمات می بینند، تامین می کند. حل مشکل ویروسی بسیار ساده تر است: وقتی رایگان است، لازم نیست سخت کار کنید تا کاربران یکدیگر را جذب کنند، اما یک موسسه با توزیع موجود باید بگوید بله.
یک مدل استدلال ارزان قیمت همه برنامه های هوش مصنوعی به مدل مرزی نیاز ندارند. مشکلاتی که ارزش جستجو کردن را دارند آن‌هایی نیستند که نیاز به استدلال یا تفاوت‌های ظریف دارند – در عوض، به دنبال ساختار، تشخیص الگو، تداعی و سازماندهی در مقیاس باشید. پر کردن فرم. سازماندهی سند رونوشت و خلاصه. تطبیق رکوردهای مشابه از مجموعه داده های بزرگ. این مشکلات ناخوشایند هستند، اما از نظر تعداد بسیار زیاد و تا حد زیادی کمتر مورد استفاده قرار می گیرند.
قانون مور در کنار شماست. مدل هایی که امروزه خیلی محدود به نظر می رسند، ظرف هجده ماه به مدل های کافی تبدیل خواهند شد. استنتاج بر اساس منبع باز ارزان به این معنی است که حاشیه های شما با این فناوری بدون تغییر محصول شما (که پشته داده و شبکه است) بهبود می یابد. و “بزرگ” به معنای بزرگ نیست – یک کلاس فارغ التحصیلی از مدرسه بازرگانی برای پر کردن یک حساب معنادار از اینکه مشاغل واقعاً به کجا منتهی می شوند کافی است. پشته داده ها نباید زیاد باشد. باید دقیق، قابل اعتماد و جلوتر از آنچه دیگران گردآوری کرده اند باشد.
این یک شعار طولانی بود، ممنون که از آن لذت بردید. من شش ماه پیش شروع به نوشتن آن برای دوستم کردم (به عنوان بازخورد دیگران نیز)، اما اکنون نسبت به آن زمان صادق تر است.
