От дот-кома до Dot-AI: как мы можем учиться на последней технологической трансформации (и избегать тех же ошибок)

В разгар взрыва Dot-Com, добавление «сегодняшняя история повторяется. Exchange» .com »для« ИИ », и история звучит чрезвычайно знакомо.

Компании участвуют в том, чтобы посыпать «ИИ» в свои поля, описания продуктов и доменные имена, надеясь ездить на шумихе. Как сообщается в доменном имени STAT, записи для доменов «.ai» увеличились примерно на 77,1% в год после года в 2024 году, что продвигается стартапами и чиновниками, в равной степени ускоряющихся с искусственным интеллектом, у них есть истинное преимущество ИИ или нет.

Конец 1990 -х годов объяснил одну вещь: использования технологии перерыва в случае технологии недостаточно. Компании, которые пережили аварию Do-Com, не преследовали после того, как шумиха-они решили реальные проблемы и поднялись с целью.

ИИ не отличается. Он будет реформировать отрасль, но победители не будут те, кто поражает «ИИ» на целевой странице – это будут те, кто пройдет через ажиотаж и сосредоточится на том, что важно.

Первые шаги? Начните с малого, найдите свой клин и намеренно масштабируйте.

Начните с малого: Найдите свой клин, прежде чем масштабировать

Одна из самых дорогих ошибок эпохи Дот-Комры пыталась стать большим, слишком ранним ими, строителями ИИ, сегодня не может позволить себе игнорировать.

Возьмите, например, eBay. Это началось как простой интернет -аукционный веб -сайт для предметов коллекционирования – начиная с того, что нишевое, как взвешивание. Ранним пользователям это понравилось, потому что это решило очень специфическую проблему: она подключила любителей, которые не могли найти друг друга в автономном режиме. Только после правления этой первоначальной вертикальной eBay расширилась до более широких категорий, таких как электроника, мода и, возможно, почти все, что вы можете купить сегодня.

Сравните это с Webvan, еще одним точечным лампами с совершенно другой стратегией. Webvan стремился революционизировать продуктовый магазин с онлайн -заказом и быстрой доставкой на дом – в то же время во многих городах. Он потратил сотни миллионов долларов на строительство массовых складов и сложных парков доставки, прежде чем у него был сильный спрос клиентов. Когда рост не был достаточно быстрым, компания рухнула под собственным весом.

Шаблон ясен: начните с резкого, конкретного пользователя. Сосредоточьтесь на узком клине, который вы можете править. Расширяйтесь только тогда, когда у вас есть доказательство сильного спроса.

Для строителей ИИ это означает сопротивление необходимости строить «ИИ, который делает все». Возьмите, к примеру, генеративный AI -ILO для анализа данных. Вы нацелены на менеджеров по производству, дизайнерам или ученым для данных? Вы создаете людей, которые не знают SQL, людей с ограниченным опытом или опытными аналитиками?

У каждого из этих пользователей очень разные потребности, рабочие процессы и ожидания. Начиная с узких, четко определенных руководителей технических проектов, похожих на когорту (PMS) с ограниченным опытом SQL, который требует быстрого понимания для руководства решениями о продукте, позволяя вам глубоко понять вашего пользователя, установить опыт и создать что-то действительно незаменимое. Оттуда вы можете намеренно расширяться до соседних людей или навыков. В гонке по созданию постоянных продуктов Gen AI, победители не будут теми, кто пытается служить одновременно – они будут теми, кто начнет немного и служит кому -то невероятно хорошо.

Соблюдайте свои ямы данных: сборка сборки рано

Чтобы начать небольшую помощь, вам найти подходящий рынок. Но после того, как вы получите тягу, ваш следующий приоритет – повысить защиту – и в мире Gen AI, это означает владение вашими данными.

Компании, которые пережили взрыв DOT-COM, не только захватили пользователей-они забрали собственные данные. Например, Amazon не перестала продавать книги. Они отслеживали покупки и представления продукта для улучшения рекомендаций, позже использовали региональные данные сортировки для оптимизации соответствия. Анализируя схемы покупки через города и почтовые индексы, они предсказывали спрос, сохранившись складами, более умные и упрощенные маршруты доставки, закрепляющие основу для двухдневной доставки Prime, ключевые выгодные конкуренты не могут совпадать. Ничто из этого не стало бы возможно без стратегии данных, выпеченной в продукт первого дня.

Google пошел по аналогичному пути. Каждый опрос, щелчок и коррекция стали данными обучения для улучшения результатов поиска, а затем рекламы. Они не только создали поисковую систему; Они создали реальную петлю обратной связи, которая постоянно училась у пользователей, создавая канаву, которая затрудняла поиск и нацеливалась на удары.

Урок для строителей Geni AI ясен: долгосрочное преимущество не будет происходить из-за простого доступа к мощной модели-она будет построена из строительства завитков данных о свойствах, которые со временем улучшают их продукт.

Сегодня любой, у кого есть достаточное количество ресурсов, может установить большую языковую модель с открытым исходным кодом (LLM) или заплатить за доступ к API. Что гораздо сложнее и гораздо более ценным, чтобы собирать высокий сигнал, реальный мир, используя данные взаимодействия, которые составляют с течением времени.

Если вы создаете Gen Gen AI, вам нужно задавать критические вопросы рано:

• Какие уникальные данные мы будем собирать, пока пользователи взаимодействуют с нами?
• Как мы можем нарисовать кудри обратной связи, которые постоянно совершенствуют продукт?
• Существуют ли данные, которые мы можем собрать (этически и безопасно), которые мы можем собрать (этически и безопасно)?

Возьмите, например, Duolingo. С GPT-4 они прошли базовую настройку. Такие функции, как «Объяснить мой ответ» и ролевая игра AI, создают более богатые взаимодействия с пользователями, захватывая не только ответы, но и, как студенты думают и общаются. Duolingo объединяет эти данные со своим ИИ, чтобы усовершенствовать опыт, создавая выгодные конкуренты, нелегко совпадать.

В Gen AI -EARA данные должны быть вашим составным преимуществом. Компании, которые привлекают свои продукты, чтобы захватить и учиться на данных о недвижимости, будут те, кто выживает и направляется.

Заключение: это марафон, а не спринтер

Эра доткома показала нам, что шумиха быстро исчезает, но основы продолжаются. Взрыв генерала ИИ совсем не отличается. Компании, которые процветают, не будут теми, кто преследует названия – они решат реальные проблемы, поднимаются с дисциплиной и строят реальные ямы.

Будущее ИИ будет принадлежать строителям, которые понимают, что это марафон – и имеет благодать, чтобы организовать его.

Kailiang Fu является менеджером по производству ИИ в Uber.