- 28,211
- 46
- 8 Ноя 2022
ИИ-бизнес переходит от программы для закупок к управлению всей цепочкой поставок.
<div class="articl-text-cover" style="position:relative;width:100%;max-width:800px;margin-left:auto;margin-right:auto;aspect-ratio:800/450;margin-bottom:2rem;overflow:hidden">
Первые стартапы на волне ChatGPT пытались продать доступ к большой языковой модели под видом самостоятельного продукта. Теперь такой подход быстро теряет смысл: разработчики систем искусственного интеллекта сами добавляют функции, на которых молодые компании ещё недавно строили весь бизнес.
В венчурном фонде NFX считают, что стартапам пора отказаться от простых надстроек над чужими моделями и брать под контроль целые отраслевые процессы. Вместо программы для юристов компании создают юридические службы на основе искусственного интеллекта, а вместо отдельного средства для закупок стремятся управлять всей цепочкой поставок.
Первые надстройки появились вскоре после запуска ChatGPT. Они составляли рекламные тексты, отвечали клиентам, помогали продавцам и искали сведения в юридических документах. Такие компании рассчитывали, что базовые модели долго не смогут выполнять специализированные задачи самостоятельно.
Расчёт не оправдался. OpenAI, Anthropic и другие разработчики начали превращать модели в готовые рабочие продукты. Функции, которые помогают программировать, работать с документами и создавать материалы, стали частью крупных платформ. Небольшие компании, которые решали только одну задачу, лишились главного преимущества.
Одним из самых заметных примеров стала Jasper. В 2022 году разработчик привлёк $125 млн при оценке в $1,5 млрд и считался одним из лидеров рынка программ, которые создают рекламные тексты. Позднее компания снизила прогноз годовой выручки, сократила штат сотрудников и стала развиваться в новом направлении. Теперь Jasper пытается стать комплексной системой для маркетинга.
Устойчивее оказались компании, которые использовали искусственный интеллект не как отдельную функцию, а как основу всей услуги. Юридическая платформа EvenUp сосредоточилась на делах о возмещении вреда здоровью и постепенно начала готовить документы, обрабатывать материалы и выполнять другие этапы работы. По данным NFX, сервисом пользуются более 2 тыс. юридических фирм.
Другой пример – компания Blitzy, которая создаёт корпоративные программы вместо команд подрядчиков. Система изучает всю программную базу заказчика, разбивает крупные задачи на небольшие части и подбирает подходящие модели для каждого этапа. Такой подход помогает учитывать внутренние связи и требования, которые универсальная модель может пропустить, если её не подготовить заранее.
Ипотечный сервис Tomo пошёл дальше и автоматизировал продажи, проверку заёмщиков и повседневные операции. Компания утверждает, что 77% клиентов получают более выгодную ставку, чем у традиционных поставщиков ипотеки. Создатели Tomo не пытаются встроить новую программу в старый порядок работы, а меняют сам порядок.
Похожую стратегию выбрала Seso, которая создала единую систему, помогающую учитывать сезонных работников в сельском хозяйстве США. Раньше сведения о сотрудниках, визах и документах хранились у юридических фирм, в офисных программах и на бумаге. После появления более развитых моделей Seso начала также управлять перевозками и размещением работников, готовить выводы для бизнеса и помогать принимать кадровые решения.
Крупные компании тоже могут внедрять искусственный интеллект вместе с разработчиками моделей. Например, юридическая фирма Freshfields заключила соглашение с Anthropic, чтобы создавать специализированные инструменты. Однако подобные проекты требуют крупных расходов на вычисления и собственных технических специалистов. Кроме того, автоматизация остаётся лишь одним из направлений традиционного бизнеса.
В NFX полагают , что молодые компании могут выиграть за счёт того, что специализируются на узкой нише. Глубокое знание отрасли, накопленные данные, налаженные продажи и то, что компания контролирует все этапы услуги, сложнее скопировать, чем отдельную функцию программы. Чем сильнее становятся универсальные модели, тем меньше ценности остаётся у простых надстроек и тем важнее становится умение превратить возможности искусственного интеллекта в полноценный работающий бизнес.
<div class="articl-text-cover" style="position:relative;width:100%;max-width:800px;margin-left:auto;margin-right:auto;aspect-ratio:800/450;margin-bottom:2rem;overflow:hidden">
Первые стартапы на волне ChatGPT пытались продать доступ к большой языковой модели под видом самостоятельного продукта. Теперь такой подход быстро теряет смысл: разработчики систем искусственного интеллекта сами добавляют функции, на которых молодые компании ещё недавно строили весь бизнес.
В венчурном фонде NFX считают, что стартапам пора отказаться от простых надстроек над чужими моделями и брать под контроль целые отраслевые процессы. Вместо программы для юристов компании создают юридические службы на основе искусственного интеллекта, а вместо отдельного средства для закупок стремятся управлять всей цепочкой поставок.
Первые надстройки появились вскоре после запуска ChatGPT. Они составляли рекламные тексты, отвечали клиентам, помогали продавцам и искали сведения в юридических документах. Такие компании рассчитывали, что базовые модели долго не смогут выполнять специализированные задачи самостоятельно.
Расчёт не оправдался. OpenAI, Anthropic и другие разработчики начали превращать модели в готовые рабочие продукты. Функции, которые помогают программировать, работать с документами и создавать материалы, стали частью крупных платформ. Небольшие компании, которые решали только одну задачу, лишились главного преимущества.
Одним из самых заметных примеров стала Jasper. В 2022 году разработчик привлёк $125 млн при оценке в $1,5 млрд и считался одним из лидеров рынка программ, которые создают рекламные тексты. Позднее компания снизила прогноз годовой выручки, сократила штат сотрудников и стала развиваться в новом направлении. Теперь Jasper пытается стать комплексной системой для маркетинга.
Устойчивее оказались компании, которые использовали искусственный интеллект не как отдельную функцию, а как основу всей услуги. Юридическая платформа EvenUp сосредоточилась на делах о возмещении вреда здоровью и постепенно начала готовить документы, обрабатывать материалы и выполнять другие этапы работы. По данным NFX, сервисом пользуются более 2 тыс. юридических фирм.
Другой пример – компания Blitzy, которая создаёт корпоративные программы вместо команд подрядчиков. Система изучает всю программную базу заказчика, разбивает крупные задачи на небольшие части и подбирает подходящие модели для каждого этапа. Такой подход помогает учитывать внутренние связи и требования, которые универсальная модель может пропустить, если её не подготовить заранее.
Ипотечный сервис Tomo пошёл дальше и автоматизировал продажи, проверку заёмщиков и повседневные операции. Компания утверждает, что 77% клиентов получают более выгодную ставку, чем у традиционных поставщиков ипотеки. Создатели Tomo не пытаются встроить новую программу в старый порядок работы, а меняют сам порядок.
Похожую стратегию выбрала Seso, которая создала единую систему, помогающую учитывать сезонных работников в сельском хозяйстве США. Раньше сведения о сотрудниках, визах и документах хранились у юридических фирм, в офисных программах и на бумаге. После появления более развитых моделей Seso начала также управлять перевозками и размещением работников, готовить выводы для бизнеса и помогать принимать кадровые решения.
Крупные компании тоже могут внедрять искусственный интеллект вместе с разработчиками моделей. Например, юридическая фирма Freshfields заключила соглашение с Anthropic, чтобы создавать специализированные инструменты. Однако подобные проекты требуют крупных расходов на вычисления и собственных технических специалистов. Кроме того, автоматизация остаётся лишь одним из направлений традиционного бизнеса.
В NFX полагают , что молодые компании могут выиграть за счёт того, что специализируются на узкой нише. Глубокое знание отрасли, накопленные данные, налаженные продажи и то, что компания контролирует все этапы услуги, сложнее скопировать, чем отдельную функцию программы. Чем сильнее становятся универсальные модели, тем меньше ценности остаётся у простых надстроек и тем важнее становится умение превратить возможности искусственного интеллекта в полноценный работающий бизнес.
- Источник новости
- www.securitylab.ru
