Phải mất 32 năm để máy tính phát triển từ ống chân không thế hệ đầu tiên sang vi mạch VLSI thế hệ thứ tư. Mặc dù thuật ngữ điện toán thế hệ thứ năm được đặt ra vào năm 1982, nhưng máy tính đã mất một thời gian dài để vượt qua thế hệ thứ tư, cuối cùng vượt qua định luật Moore vào những năm 2010 và khiến máy tính trở nên cực kỳ mạnh mẽ. Nguyên lý của điện toán thế hệ thứ năm là phát triển trí tuệ nhân tạo và làm cho máy móc trở nên thông minh. Trong 50 năm qua, các bộ phim khoa học viễn tưởng đã giúp chúng ta tưởng tượng điều này sẽ như thế nào. Chuyển sang những năm 2020 — khi công nghệ xung quanh AI cuối cùng đã vượt qua giai đoạn nghiên cứu và các tổ chức bắt đầu triển khai AI trong các ứng dụng của họ.

Với ngành công nghiệp hiện đang ở một bước ngoặt, AI sáng tạo và AI ứng dụng đã trở thành những lĩnh vực quan trọng được các doanh nhân thời đại mới quan tâm và các lĩnh vực đầu tư chính cho các nhà đầu tư mạo hiểm. Hầu hết các tài nguyên trên internet dạy chúng ta cách đánh giá công nghệ và sản phẩm của một công ty khởi nghiệp AI. Các khuôn khổ để đánh giá các công ty khởi nghiệp AI vẫn chưa được thiết lập. Đo lường tác động kinh doanh và tính khả thi của công nghệ mới là một nhiệm vụ khó khăn. Trong bài viết này, tôi cố gắng trả lời 2 câu hỏi quan trọng khi đánh giá các công ty khởi nghiệp AI.

AI có phải là công nghệ phù hợp cho một trường hợp sử dụng cụ thể không?

Làm thế nào để bạn tạo ra quyền được thắng trong các sản phẩm AI?

Đo lường tác động kinh doanh của trí tuệ nhân tạo

Là một nhà đầu tư mạo hiểm giai đoạn đầu, một trong những điều đầu tiên tôi làm khi đánh giá một công ty khởi nghiệp là kiểm tra quy mô của tổng thị trường có thể định địa chỉ (TAM). Điều này thường khó đối với các sản phẩm triển khai các công nghệ mới nổi như chuỗi khối hoặc trí tuệ nhân tạo. Nói một cách đơn giản, TAM tương ứng với tác động do một sản phẩm tạo ra, có thể là tăng doanh thu, tiết kiệm chi phí, tiết kiệm thời gian, v.v. Việc lập mô hình tác động này cho một thứ gì đó chưa được thử nghiệm và chưa sử dụng có thể rất khó khăn.

Để xác định tác động của những sản phẩm như vậy, điều quan trọng là phải xác định các đặc điểm của doanh nghiệp sẽ tồn tại xung quanh sản phẩm. Điều này sẽ bao gồm ngành (ví dụ: giáo dục, nông nghiệp, hóa chất, công nghệ, thiết kế, v.v.) và chức năng (ví dụ: sản xuất, bán hàng, tiếp thị, tài chính, kế toán, v.v.) mà sản phẩm đang phục vụ, tiếp theo là loại sản phẩm ( SaaS, ứng dụng, nền tảng, SDK, v.v.) và quan trọng nhất là trường hợp sử dụng (thị giác máy tính, thử giọng, ngôn ngữ học, lập kế hoạch và dự báo). Có sẵn thông tin này sẽ định lượng các tham số tác động được đề cập trong công thức dưới đây:

Tất cả bốn tham số đều rất quan trọng trong việc thiết lập tác động do AI tạo ra cho một trường hợp sử dụng cụ thể và có thể được chuyển thành thuật ngữ sản phẩm tiêu chuẩn, dẫn đến việc tạo ra khuôn khổ 4-P để đo lường tác động kinh doanh của AI .

Khung 4-P tuyên bố rằng tác động của AI phụ thuộc vào bốn tham số — những người tham gia vào một trường hợp sử dụng, khả năng lập trình quy trình làm việc của họ, cải thiện năng suất được tạo ra cho họ và độ chính xác cần thiết trong một trường hợp sử dụng cụ thể. Bốn tham số có thể được dịch thành các chỉ số kinh doanh tiêu chuẩn, có thể định lượng và đo lường được.

Hãy đánh giá khung bằng một ví dụ về sản phẩm giúp tạo thiết kế UI/UX của ứng dụng dựa trên các tham số do người quản lý sản phẩm cung cấp. Bước đầu tiên liên quan đến việc xác định các đặc điểm xung quanh hoạt động kinh doanh tiềm năng mà sản phẩm có thể xây dựng. Ngành này là công nghệ, chức năng là thiết kế sản phẩm, loại sản phẩm có thể là SaaS và trường hợp sử dụng sử dụng thị giác máy tính. Hãy xem xét bốn tham số:

Con người: Số liệu chính được sử dụng ở đây là số lượng nhà thiết kế được sử dụng cho thiết kế UI/UX, từ 1–2 đối với công ty mới thành lập đến 10–20 đối với doanh nghiệp quy mô lớn.

Khả năng lập trình: Số liệu chính được sử dụng ở đây là % quy trình làm việc được số hóa. Đối với trường hợp của một nhà thiết kế UI/UX kiêm chức năng quản lý và thiết kế sản phẩm trong một tổ chức, con số này thường gần 100%. Tất cả các nhóm thiết kế sản phẩm đều có thể hưởng lợi từ AI theo một cách nào đó.

Năng suất: Số liệu chính được sử dụng ở đây là số giờ hàng tuần mà một nhà thiết kế tự do sử dụng và mức lương tương ứng mỗi giờ.

Độ chính xác: Sản phẩm có thể có khả năng loại bỏ nhu cầu về nhà thiết kế, nhưng tổ chức vẫn có thể muốn có sự tiếp xúc của con người. Cải thiện năng suất không nhất thiết phải luôn luôn chuyển thành lợi ích tiền tệ. Điều quan trọng là phải xác định độ chính xác và ROI mà khách hàng yêu cầu. Trong trường hợp này, có thể cắt giảm thời gian làm việc của một nhà thiết kế tự do từ 8 giờ xuống còn 2 giờ mỗi ngày, qua đó tiết kiệm được 6 giờ lương trả cho một freelancer.

Tổng hợp tất cả lại với nhau, tác động do công cụ này tạo ra, được định nghĩa là khoản tiết kiệm được trong tiền lương của các nhà thiết kế tự do (với độ chính xác được yêu cầu), có thể được tính bằng tích của số lượng trung bình các nhà thiết kế tự do làm việc cho một tổ chức, số giờ giảm mỗi tháng do công cụ (trong trường hợp này là 6 giờ mỗi ngày) và mức lương thiết kế trung bình mỗi giờ.

Quyền được thắng trong AI ứng dụng

Tác động lớn (TAM) là không đủ để xây dựng một doanh nghiệp có khả năng mở rộng. Cần có một con hào rõ ràng để chiếm thị phần. Thông thường, các con hào rất đa dạng — sản phẩm, công nghệ, phân phối, thông tin chi tiết, v.v. Tuy nhiên, trong trường hợp AI được ứng dụng, các con hào dành riêng cho công nghệ và sản phẩm. Sự cường điệu xung quanh Generative AI đã làm tăng sự phấn khích về công nghệ này. Các tổ chức đã nhận ra tầm quan trọng của dữ liệu trong việc đưa ra quyết định và hiện đang mở rộng vòng tay chờ đợi các công cụ có thể giúp họ làm như vậy. Điều này đình công phân phối ra khỏi danh sách các con hào.

Trong AI ứng dụng, các con hào là những thứ giải quyết các rào cản kỹ thuật đối với việc áp dụng — truy cập dữ liệu, khả năng di chuyển sang các công cụ mới, trải nghiệm người dùng và ROI.

ROI cao hơn

Lợi nhuận tiền tệ được tạo ra bằng cách trả tiền cho một công cụ AI cụ thể là con hào đầu tiên và quan trọng nhất mà mọi sản phẩm AI ứng dụng nên phát triển. Các mô hình AI cung cấp kết quả dưới mệnh giá sẽ không thành công. Giai đoạn. ROI có liên quan chặt chẽ đến độ chính xác. Quá trình suy nghĩ thông thường là AI tạo ra càng chính xác thì ROI càng tốt. Tuy nhiên, đó không phải là trường hợp. ROI có mối quan hệ tuyến tính với độ chính xác cho đến khi đạt đến ngưỡng yêu cầu tối thiểu. Sau đó, tác động của việc tăng độ chính xác lên ROI sẽ giảm bớt. Lấy ví dụ này, nếu doanh nghiệp của tôi chỉ yêu cầu tôi có thể phân khúc táo và cam, thì một mô hình thực hiện chính xác điều này sẽ cực kỳ hữu ích đối với tôi. Nếu mô hình vượt lên trên một bước và giúp tôi phân chia táo đỏ và táo xanh, thì mức độ chính xác bổ sung này là tốt nhưng không cần thiết.

Truy cập dữ liệu

Một điều bắt buộc khác đối với các công cụ AI được ứng dụng là quyền truy cập vào dữ liệu chất lượng cao. Các thư viện mô hình do Open AI, Stability AI và Hugging face cung cấp đã biến quyền truy cập thành hàng hóa vào dữ liệu có mục đích chung cho ngôn ngữ học tính toán và tầm nhìn. Các công ty khởi nghiệp đang xây dựng các công cụ AI ứng dụng hiện có thể sử dụng các thư viện này và tiếp tục bối cảnh hóa chúng theo trường hợp sử dụng cụ thể của họ bằng cách thêm dữ liệu chất lượng cao, dành riêng cho người dùng. Hầu hết các công ty khởi nghiệp ngày nay đều xây dựng câu chuyện của họ xung quanh việc sử dụng các bộ dữ liệu độc quyền. Tuy nhiên, theo thời gian, khi dữ liệu trở nên phổ biến hơn, tác động của việc truy cập dữ liệu dưới dạng quyền giành chiến thắng sẽ giảm đi.

tính di động

Theo tôi, khả năng chuyển đổi nhanh chóng từ khối lượng công việc cũ, không phải AI sang khối lượng công việc AI mới sẽ trở thành điểm khác biệt lớn cho những người chiến thắng trên thị trường. Ngày nay, toàn bộ cơ sở hạ tầng AI đã sẵn sàng. Các công ty khởi nghiệp xây dựng trong không gian này nên sắp xếp hợp lý tất cả các phần để tạo ra một quy trình chuyển đơn giản và nhanh chóng cho các tổ chức, đẩy nhanh quá trình áp dụng.

Các công ty khởi nghiệp có thể nhanh chóng tập hợp các thành phần từ cả 5 lớp và đóng gói sản phẩm của họ lên trên cùng sẽ giảm đáng kể thời gian giới thiệu cho các tổ chức.

Kinh nghiệm người dùng

Trí tuệ nhân tạo và học máy là những công nghệ phức tạp sử dụng các khái niệm toán học và khoa học máy tính tiên tiến. Bị giới hạn đối với các nhà phát triển và nhà khoa học dữ liệu, AI chỉ có thể đạt đến quy mô lớn khi những người không có nền tảng kỹ thuật có các công cụ phù hợp. Một UX trực quan có thể trở thành điểm khác biệt cho các công ty khởi nghiệp AI trong các hạng mục có khả năng cạnh tranh.

Phần kết luận

Thời gian chờ đợi ứng dụng thực tế của trí tuệ nhân tạo đã qua và công nghệ này mang đến cơ hội lớn cho các doanh nhân và nhà đổi mới để xây dựng thế hệ sản phẩm tiếp theo trên quy mô lớn. Trong khi xây dựng, hãy đảm bảo rằng bạn đã suy nghĩ thấu đáo lý do tại sao AI lại cần thiết để giải quyết một vấn đề cụ thể và điều gì có thể là điểm khác biệt để biến sản phẩm của bạn trở thành sản phẩm sinh lợi nhất. Gửi tất cả những người xây dựng ngoài kia — nếu bạn muốn động não hoặc thảo luận về những gì bạn đang xây dựng, vui lòng liên hệ với tôi theo địa chỉ [email protected].