Построение бизнеса на второй волне "ИИ"

Предлагаю Вашему вниманию объёмную статью мысль о возможностях для бутстрэп-стартапов (то есть без внешних инвестиций), которые стремятся создавать дополнительную ценность с помощью инструментов "искусственного интеллекта". Данный материал был написан довольно давно и временами у меня возникала мысль, что он несколько затянут. Но сегодня, дискутируя с "ИИ", я понял, что этим стоит поделиться:

Большинство историй успеха "ИИ" на сегодняшний день связывают со снижением затрат или увеличением скорости. Стартап предлагает бизнесу способ производить больше меньшими силами, заменяя ботами отделы поддержки клиентов или команды программистов.

Плюс снижения затрат в том, что его очень легко продать: дайте клиенту бесплатный образец и как только эффективность будет доказана, он получит мгновенную выгоду от перехода. Есть и серьёзный минус: в "гонке на дно" трудно победить, ведь кто-то всегда может пообещать еще большую экономию. К тому же, ресурс всегда конечен, – как только предельная экономия достигнута, добавочной ценности больше не будет. Дополнительные же возможности нас ждут в плоскости генеративного подхода. При таком подходе использование "ИИ" не просто сокращает расходы, а создаёт дополнительную ценность.

За что стоит платить: большинство бутстрэпперов ориентируются на клиентов с низким и чувствительным бюджетом, а потом удивляются, почему так тяжело расти. Но люди и организации с дорогими проблемами и реальными ресурсами не просто готовы мириться с высокой платой, – они в принципе предпочитают переплачивать. Премиальное ценообразование является громким сигналом серьёзности компании. Ищите рынок, где проблема реальна, бюджет существует, а решение создает то, что иначе они получить бы не смогли.

За что платят на самом деле: в основе практически любой дорогой покупки лежат три базовых стремления: статус (я важен, люди моего круга видят мою значимость), причастность (я свой, вокруг такие же люди, как я и они меня принимают), свобода от страха (я в безопасности, угроза миновала).

Свобода от страха, пожалуй, самое старое и популярное чувство. Вы не можете гнаться за статусом или причастностью, находясь в режиме выживания. Большинство покупок премиум-класса – стремление к свободе от страха, маскирующееся под что-то другое.

На этих основаниях выстроен средний слой вещей, которые предлагают одно или несколько из следующих преимуществ: легитимность, трансформация, причастность к истории, контроль, определённость, защита, доверие, здоровье, рычаг влияния.

Есть и внешний слой, который легко измерять: вещи, которые люди покупают по причине универсальности и усреднённости (доступ, капитал, время, внимание, удобство, эффективность, восторг, новый опыт, красота).

Далее мы имеем сырьевые товары: еда, жильё, секс, вызывающие зависимость вещества, часто они находятся вне иерархии поскольку не работают с основаниями напрямую. Они просто обеспечивают выживание или временно приглушают тревогу от отсутствия принципиального решения.

Инструменты "искусственного интеллекта" для потенциально удачного бизнеса готовы дать определённое преимущество из среднего слоя, обосновывая внешним слоем. Мы ведь точно знаем, что никто не ходит по магазинам в поисках интеллектуальной или духовной "трансформации".

За что на самом деле платит бизнес: иерархия для индивидуальных потребителей не переносится напрямую на закупки организаций. В сфере B2B клиент тратит чужие деньги. При этом звучит ключевой вопрос: "Что я скажу своему боссу?". В основе почти каждого решения о покупке в бизнесе лежат три желания:

Избежать обвинений. Если что-то пойдет не так, это будет не моя вина. Принцип IBM: "Никого ещё не увольняли за покупку техники от лидера рынка". Внутреннему лоббисту внутри организации часто нужна убедительная история до начала фазы активных действий.
Приписать заслугу себе. Я внедрил хорошее решение и это заметили. Обратная сторона избегания обвинений и главный двигатель внутреннего лоббиста. Если Ваше решение позволяет кому-то выглядеть презентабельно в глазах руководства, они сами продадут его своим коллегам и Вам даже не придётся напрягаться.
Снизить неопределённость. Теперь мы можем планировать нашу деятельность, значит хаоса стало меньше. Организации заплатят огромные деньги если Вы дадите им возможность прогнозировать, фиксировать обязательства и перестать паниковать.

Вот условные "корни" среднего слоя вещей, на которые организации стабильно тратят большие бюджеты: рост, эффективность, соответствие нормам, конкурентное преимущество, таланты, боевой дух, устойчивость, опциональность, скорость, легитимность, отношения. Соответственно, внешний слой оправдывает средний: экономия затрат, сокращение времени, данные, доступ, удобство, интеграция, отчетность, поддержка. Механика без истории это путь к ценовому дну. Быть самым дешёвым далеко не лучший вариант использование Вашего времени.

Новые и повторные покупки требуют разных подходов. Повторные покупки удерживаются за счёт стоимости переключения, отношений и неуклонного мелкого прогресса. Вы кого-то заменяете, требуя при этом удешевления, простоты, лучшей истории и команды продаж. Новые же покупки требуют чтобы кто-то внутри организации стал Вашим "чемпионом", для этого ему нужна нарратив, который послужит его карьере, а не только интересам компании.

Не все проблемы одинаково интересны. Некоторые покупки вроде завоевания доли рынка или выхода в новую категорию хаотичные и весёлые, здесь есть место для масштабных историй и амбиций. Другие типа более дешёвого сырья или быстрой обработки всего лишь рутинная товарная масса, где единственная история это скучная цена. Покупатели сырьевых товаров боятся переплатить. Покупатели в хаотичных нишах боятся сделать неправильный выбор.

Форс-мажорный фактор как триггер действия. Бизнес редко идет на новые покупки без кризисного принуждения. Без такого триггера даже идеальное решение будет вечно висеть в "серой зоне": комитеты вроде как формируются, но пилоты буксуют, а "чемпионов" переводят на другие должности. Вот 3 вида кризисов, создающих мощные форс-мажорные факторы:

конкурентный кризис когда соперник что-то сделал и нам нужно поспешить. Фраза "У них это есть, а у нас нет" закрывает дискуссию и запускает процесс покупки.
технологический кризис когда старый способ перестаёт работать, либо новая технология заставляет старый подход выглядеть глупо. Уже сами по себе инструменты "искусственного интеллекта" сейчас создают такой кризис для множества отраслей одновременно. В данном случае триггер и решение представляют собой одно и то же.
рыночные потрясения когда происходят глобальные регуляторные изменения, культурный сдвиг, обвал стоимости ресурсов или какая-нибудь пандемия. Это самые мощные и наименее предсказуемые факторы. Они создают совершенно новые категории покупателей.

Возможности для бутстрэппера. Продавайте туда, где форс-мажорный фактор уже существует, не пытайтесь создать его сами. Организации, которые уже почувствовали кризис, не нужно убеждать – им нужно решение, которое позволит их "чемпиону" заявить: "Я нашёл это".

ДОПОЛНИТЕЛЬНЫЕ ЗАМЕТКИ ПО ТЕМЕ:

Пустой "ИИ" сам по себе ловушка. Если всё, что Вы делаете, – это создаёте дополнительный интерфейс к Anthropic или ChatGPT, затраты на токены съедят значительную часть выручки.
Скрытые промты слабый аргумент. Прорывной промт-инжиниринг может создавать реальную ценность, но нет надёжного способа защитить его и продавать как бизнес. Если бы одна из передовых ИИ-компаний сделала это своей бизнес-моделью, механика сработала бы в пользу бутстрэппера, но я такого пока не видел.
Сетевой эффект имеет значение. Продавать ценность одному человеку за раз слишком дорого. Прорывы случаются в проектах со встроенной сетью, взаимодействие работает лучше если Ваши коллеги тоже пользуются продуктом.
Ищите асимметрии информации. Некоторые из самых устойчивых преимуществ проистекают не из сетевых эффектов, а из уникальных знаний или из помощи группе пользователей. Например, можно дать всем поставщикам Walmart увидеть информацию, которую торговая сеть в настоящее время скрывает.

Вот условные теоретические рамки для проекта, который имеет потенциал стать бизнесом:

Создаёт свой собственный полезный стек данных. Данным не обязательно быть огромными, чтобы иметь ценность. Они должны прежде всего быть полезными и достоверными. Со временем они обучают инструменты "ИИ", но принадлежат пользователям и проекту, а не Anthropic или конкурентам. Их главная задача: работать на пользователей, а не удерживать их в ловушке.
Имеет встроенный сетевой эффект. Либо вовлечённое peer-to-peer сообщество (где пользователи видят друг друга, а не только платформу), либо очевидная выгода от распространения информации о продукте.
Решает дорогую проблему для людей с ресурсами. Приносимая ценность выходит за рамки экономии времени или денег. Это может быть обучение, снижение страха, радость, успокоение, новые связи или расширение возможностей. И цена на продукт соответствующая (то есть высокая).
Подходит для бутстрэппинга. Проект скорее специфический и концептуальный, чем инфраструктурный. Никаких дата-центров и команд в тысячу человек для старта не требуется.

Бонусный материал

Комментарий о реальности стека данных. Сеть, построенная на пользовательских данных, хороша лишь настолько, насколько сами пользователи готовы её наполнять. Такая готовность требует двух вещей: процесс должен быть достаточно мягким и бесшовным чтобы людям не приходилось о нём задумываться и достаточно безопасным чтобы не приходилось беспокоиться. Эти два условия почти всегда находятся в противоречии. Чем более автоматизирован сбор данных, тем больше он похож на слежку. Чем больше контроля Вы даете людям, тем больше барьеров и "трения" Вы добавляете.

Самые перспективные стеки данных это те, где люди уже генерируют данные и уже смирились с тем, что они где-то существуют. Инновация здесь заключается просто в том, чтобы дать им лучший доступ к тому, что и так принадлежит им. Триггер для обмена потребительскими данными может оказаться самым простым из всех: "Я и так чувствую, что за мной следят. Так почему бы мне не получить что-то взамен?".

Предостерегающим примером может быть инструмент для мониторинга корпоративной почты: программа читает всю внутреннюю переписку и выдаёт отчёт о том, кто полезен, кто токсичен, а кто ищет работу. Ценность здесь реальна и очевидна. Но страх также реален и очевиден. В большинстве организаций побеждает страх. Любой бизнес, связанный со стеком данных, должен отвечать на вопрос: "Кто это контролирует и что произойдет, если всё пойдет не так?". Если ответ не приносит мгновенного успокоения, бизнес просто не запустится.

Спонсорская модель. Не каждому ценному ИИ-бизнесу нужно, чтобы платил конечный пользователь. Когда проблема реальна, но у пострадавшей группы населения нет ресурсов, сотворить такое "чудо" может фонд, бренд или увлечённый энтузиаст. Экономика переворачивается полностью: вместо того чтобы привлекать тысячи клиентов по одному, Вы заключаете соглашение с одной организацией, у которой уже есть каналы дистрибуции, миссия и бюджет. Пользователь получает чудо бесплатно. Спонсор получает социальный эффект, данные или лояльность.

Эта модель работает при соблюдении трёх условий: обслуживаемая группа населения велика и обделена вниманием, создаваемая ценность понятна и прозрачна для неравнодушной организации, а генерируемые данные служат как конкретному пользователю, так и миссии спонсора.

Например: фонд платит 2,000,000 долларов, и 40,000 семей заключённых получают доступ к инструменту, который генерирует чёткий 10-страничный юридический документ вместо горы хаотичных бумаг. При этом общие обезличенные данные начинают выявлять системные закономерности (недобросовестных чиновников, бракованное оформление документов и т.п.), которые невозможно было бы обнаружить на примере одного отдельного дела.

Банк финансирует инструмент управления личными финансами для своих клиентов. Бренд товаров для здоровья спонсирует фитнес-тренера для малообеспеченных слоёв населения. Проблему вирусного распространения здесь решить гораздо проще: как только продукт становится бесплатным, Вам больше не нужно расшибаться в лепёшку, убеждая пользователей приводить друг друга. Требуется лишь получить согласие от одной организации, у которой уже есть выход на аудиторию.

Модель дешёвого вывода данных. Не каждому ИИ-приложению нужна передовая нейросеть последнего поколения. Проблемы, которые стоит искать в этой нише, не требуют глубоких рассуждений или тонких нюансов. Вместо этого ищите структурирование, распознавание образов, агрегацию и организацию данных в больших масштабах. Заполнение форм. Систематизацию документов. Транскрибацию плюс суммаризацию. Сопоставление похожих записей в огромных массивах данных. Эти задачи лишены лоска, но они колоссальны по объёму и во многом обделены качественными решениями.

Закон Мура на Вашей стороне. Модели, которые сегодня кажутся ограниченными, развиваются до приемлемого уровня уже за 18 месяцев. Строя бизнес на дешёвом выводу данных с открытым исходным кодом, Вы увеличиваете свою маржинальность по мере развития технологий даже не меняя сам продукт (которым по сути являются стек данных и сеть). Размер не обязан поражать воображение: выпускников конкретной бизнес-школы за один год уже достаточно, чтобы составить значимый срез рабочих мест в конкретной сфере. Стек данных не должен быть гигантским. Он должен быть специфическим, надёжным и опережающим то, что успел собрать кто-то другой.

Это была особенно длинная статья. Спасибо, что дочитали до конца. Я начал писать её для друга шесть месяцев назад (другие люди также внесли свои ценные мысли), но сейчас материал кажется даже более актуальным.

Прочитать материал в оригинале.