人工智能的新商业模式

历史上最重要的事件往往会留在我们的记忆中。我们经常可以回想一下,当历史上发生重大事件时,我们做了什么或在哪里。也许我们还记得我们第一次接触人工智能和 ChatGPT。

人工智能 (AI) 的概念可以追溯到几十年前。20 世纪 90 年代中期,关于人工智能的第一次讨论彻底改变了世界。例如,人工智能在《终结者》等电影中被残酷地描绘,其中有自我思考的机器将接管世界。但是,随着强大的机器(基于摩尔定律),人工智能的愿景现在正在成为现实。今天,据说人工智能具有与知识工作者相同的认知和语言能力(甚至更多),期望人工智能能够完成单位和组织的工作。据估计,到 2040 年,40% 的劳动力将被人工智能取代。

当依赖知识工作者为客户工作的商业模式被人工智能取代时,会发生什么?我们也需要改革!

人工智能是指一组具有不同用途和潜力的不同技术。例如,机器人流程自动化被认为是一种人工智能技术,已经存在多年,目的是自动执行可重复的管理任务。人工智能的其他更先进的领域是神经网络 (NN)、自然语言处理 (NLP) 以及大数据分析和专家系统。因此,当我们说公司和组织将被人工智能彻底改变时,我们必须明白,不同的业务部门在人工智能技术方面有不同的先决条件和方法。财务部门将通过大数据分析和机器人流程自动化进行转型,而营销部门将使用自然语言处理。归根结底,这是我们想要实现的目标:“了解不同业务领域的性质以及人工智能如何提供帮助”。

20 世纪 90 年代中期,随着“互联网的引入”,商业世界经历了一场类似的数字革命。人们常说(基于麦肯锡的研究)“超过 50% 的财富 500 强公司无法适应和参与新的数字商业环境,因此消失了”。我们可以从这个时代学到的是,新的数字技术不应仅仅被视为新技术,而应被视为“重新思考商业模式和提高效率和竞争力的方法的机会”。

宜家在 20 世纪 90 年代开设网上商店的时间较晚,但当他们开始这样做时,整个运营模式、供应链和物流都与新的商业机会保持一致。这是一个巨大的成功!他们根据对数字化的未来愿景设计了一种新的工作方式,而不是像许多其他公司一样,将数字技术添加到现有的商业模式中。我们必须以同样的方式看待人工智能。它使我们能够重新构想我们的商业模式以及我们未来的竞争方式。客户愿意为哪些东西付费,不愿意为哪些东西付费?而不是随意将人工智能作为“新奇事物”添加到我们的组织中。

社会现在正迈出技术革命的第一步,这种技术将以比之前的体力劳动更可靠、更一致、更便宜的方式提供资源。布莱恩·杰克逊认为,只是这一次,真正提供体力劳动的是人类,而提供的资源是预测。

人工智能将影响经济中的几乎所有商业活动。比尔·康纳利认为,一些功能将较少受到当前一批大型语言模型的影响,例如 ChatGPT、Bard(现为 Gemini)、Claude、Copilot、Sora,但即使是受到轻微影响的公司也会改变一些操作程序以利用新功能。

生物学家知道“总有新物种进化,其他物种灭绝,但有时新物种和灭绝会爆发”。例如,植被的变化会改变哪些动物会繁衍生息,哪些动物会死亡,哪些动物会进化。同样,“技术变革会导致新公司出现,其他公司消失,而幸存者会适应新条件”。

人工智能可以影响企业领导者必须做出的所有关键决策,包括销售什么产品、是否与其他公司合并、制造或购买投入,以及对创新的重视程度。

人工智能将提高生产力和了解其他市场的能力。这可能会让一些公司对扩张更有信心。人工智能可能会改变某些行业的平衡。我们将研究一些兼并对于企业和消费者都有效的领域,以及小企业优于大企业的其他案例。

制造或购买的决定对大多数公司来说都至关重要,人工智能很可能会改变最有效的做法。在服务方面,人工智能可以引导公司将其纳入内部活动,如会计、法律咨询和营销。如果发生这种情况,那么提供服务的独立公司将会面临困难,并且还会改变整个行业的生态系统。

制造商根据所需组件来决定是自行生产还是购买,而人工智能也可以改变这种计算方式。

康纳利还认为,对创新的关注使许多公司与众不同。一些公司因提供尖端产品或生产方法而赢得声誉,而另一些公司则专注于对偷来的产品和真实产品进行小幅改进。

在企业战略的所有这些方面,都有变化。步伐有时很慢,但有时很快。随着人工智能的快速发展,预计变化将非常迅速。一些公司将通过应用人工智能获得竞争优势,而他们的竞争对手将不得不迅速适应,否则将面临灭绝。其他公司将了解到,过去一直行之有效的方法在人工智能世界中不再有效。

发现所描述的所有业务决策将需要测试、排练和评估。这些测试有时会让一家老公司(或一家初创公司)破产。

在业务流程快速变化的世界中,敏捷性必须成为企业战略的口号。虽然敏捷性必须包括使用人工智能工具,但这种需求将扩展到公司的各个方面。例如,人工智能将能够提供更多不同的产品,而每种产品的销售量都会更小。如果发生这种情况,那么整个供应链必须准备好下更小的订单,以应对更多种类的投入。同样,销售和财务等职能部门也需要为这种变化做好准备。

Arjit Agarwal 则认为,“人工智能已成为各行各业公司的转折点”。这就是为什么聪明的公司会利用人工智能创造新产品和服务,进而产生推动增长和创新的新商业模式和生态系统。从基于平台的模型到数字孪生和可穿戴设备,人工智能已经开始改变企业的运营、创造、分配和获取价值的方式”。

《预测机器:人工智能的简单经济学》一书的作者认为,人工智能降低了预测的成本。这让人们和组织在面对不确定性时能够更轻松地做出决策,这在一个比以往任何时候都更受不确定性困扰的世界中尤为重要。

因此,人工智能将催生新的商业战略,而这些战略以前由于令人窒息的不确定性而难以制定。随着“人工智能驱动的模式成为创造价值的主导方法”,当前的商业模式将焕发活力。

2022 年,一些新的、显而易见的“人工智能即服务” -AIAS- 商业模式(例如聊天机器人)取得了巨大成功

然而,将人工智能预测转化为利润并不总是像这些科技初创公司看起来那么明显。获得廉价而可靠的预测将通过更有效地解决现有问题来颠覆许多更传统的商业模式。

1、一些 AI 初创公司的商业模式

我们目前正在观察将人工智能作为其商业模式一部分的初创公司的迅速崛起。虽然最近的研究表明 AI 初创公司采用了新颖或不同的商业模式,但有人可能会认为 AI 技术已经在商业模式中使用了很长时间,这让人对这些商业模式的新颖性产生了质疑。因此,我们应该知道,研究已经调查了 AI 初创公司商业模式与常见的 IT 相关商业模式的潜在区别。首先,已经开发了 AI 初创公司商业模式的分类法,并从中衍生出四种商业模式:a) AI 产品/服务提供商,b) AI 开发促进者,c) 数据分析提供商,d) 深度技术研究员。

我们发现,有描述性分析分析了人工智能初创公司商业模式的三个独特方面:1)通过人工智能功能的新价值主张,2)数据在价值创造中的不同作用,3)人工智能技术对一般商业逻辑的影响。

通过识别人工智能初创公司商业模式的主要特征、常见实例和独特方面,这有助于从根本上理解人工智能初创公司的商业模式。此外,这些研究还为未来的创业研究提出了有希望的方向。

1.1 AI产品和服务提供商

他们提供的产品或服务中的人工智能模型易于训练并集成到其商业模式的中心。大多数解决方案都是以标准化产品和服务的形式提供的,不需要进一步定制。

这种模式的初创公司通常不涵盖复杂的工作流程,而是为行业内的特定任务案例提供解决方案,例如在机场检测违禁物品(例如来自 Synapse Technologies)。这些解决方案主要出售给其他商业客户。由于产品和服务非常标准化,因此具有这种模式的新公司在某些情况下也可以满足私人消费者的需求。

这种模式的一个例子是初创公司 Overjet。该解决方案允许牙医上传颌骨的 X 射线图像并检查错位。Overjet 为医生和患者提供了更快的分析,并确保保险公司的成本索赔更加客观。

另一个例子是 Alegion,它提供了一种软件服务,通过建议视频中的特色图像部分来支持手动数据标记。

1.2 AI 开发促进者

采用此模式的初创公司专注于促进客户 AI 开发,这是其业务模式的核心。采用此模式的初创公司提供可用于 AI 开发的可编程应用程序接口或软件开发工具包。此外,一些初创公司还提供无代码工作台,让 IT 知识匮乏的企业家/公司所有者可以开发新的 AI 解决方案(例如创建自己的聊天机器人)。

在这种模式下,NLP 通常是占主导地位的 AI 技术。也许基于 NLP 的解决方案(例如聊天机器人)很难标准化,需要根据特定环境和个人客户要求进行强大的定制。遵循此模式的初创公司面向跨行业的企业客户,并经常使用基于订阅的模型来获取价值。

这种模式的一个例子是 Mindsay,这是一家提供全面客户服务解决方案的初创公司。他们的解决方案由易于配置的聊天机器人、实时聊天支持和流程分析组件组成。另一个例子是初创公司 BoxXD。这家初创公司提供了一个开发完全定制的聊天机器人解决方案的平台。

1.3 数据分析提供商

采用此模式的初创公司专注于其业务模型中的大量数据的集成和分析,包括内部和外部数据源:提供的解决方案提供全面的数据分析,以支持明智的决策,例如通过持续监控运营、发现隐藏的模式或对未来做出预测。为此,通常使用传统的机器学习方法来分析数据。对于数据集成,解决方案通常需要客户进行初始定制。但是,这些解决方案通常可以很好地连接到广泛使用的信息系统。

采用此模式的初创公司主要针对商业客户,并采用基于交易和订阅的收入模式。例如,初创公司 Kubit 将客户信息与外部数据集成,以检测异常并预测客户保留率和盈利能力。另一个例子是 Falkonry。这家初创公司提供了一种解决方案,该解决方案集成了来自传感器和机器的数据,以预测机器的运行状态。初创公司本身不提供必要的硬件(例如传感器),因此不是业务模型的一部分。

1.4 深度技术研究

采用这种模式的初创公司在商业模式的核心—人工智能技术的前沿研究和开发创新的利基解决方案:例如,在机器人技术、自动驾驶和医疗药物发现领域。

采用这种模式的初创公司通常依靠研究,目标是使其人工智能模型和算法达到完美。它们不为大众市场提供标准化或易于定制的解决方案,而是提供其商业客户可以实施和定制的复杂基础技术。因此,这类初创公司无法维持稳定的收入来源,而往往依赖外部融资。

在机器人技术方面,初创公司还可以将相应的硬件组件作为其商业模式的一部分。例如,初创公司 Syrius Robotic Develops 自主运输仓库中的货物并向生产工人供应材料。

另一个例子是 Cerenion,它开发了一种软件解决方案,可根据大脑活动分析、监控和量化大脑功能。

2、当前的人工智能和常见的 IT 商业模式。

目前,使用人工智能技术作为其产品或服务一部分的初创公司正在迅速涌现。虽然人工智能初创公司受到投资者和风险投资家的广泛关注,但他们也需要找到一个稳定的商业模式来确保长期的表现和生存。

在研究中,提出了一个问题“人工智能初创公司的商业模式是否不同于常见的 IT 相关商业模式”。为了研究这个研究问题,开发了人工智能初创公司商业模式的分类法,揭示了人工智能初创公司商业模式的关键特征。此外,还进行了聚类分析,以确定我们之前看到的人工智能初创公司的四种原型商业模式模式。他们能够提炼出人工智能初创公司商业模式的关键区别方面。

总的来说,他们得出结论:“人工智能初创公司的商业模式与 IT 有明显的重叠”。例如,它们采用类似于常见的 IT 相关商业模式(如软件即服务或基于订阅的商业模式)的交付和价值获取方法。然而,“人工智能初创公司的商业模式在某些方面也偏离了常见的 IT 相关商业模式”。

具体来说,他们发现:

  • 通过人工智能能力实现新的价值主张。
  • 价值创造的不同数据角色。
  • 人工智能技术对整体业务逻辑的影响。

深入研究独特的方面和建议的研究方向。接下来会发生什么?我们拭目以待。

3、通过AI实现新的价值主张

虽然某些价值主张在数据驱动业务模型(例如决策支持或异常检测)研究中广为人知,但他们指出,人工智能技术提供了额外的能力,扩大了 IT 的应用范围,以满足新客户的需求并减轻他们的“痛苦”。

具体来说,“AI初创公司将 IT 应用转移到知识和服务工作领域,人类工作者在执行任务时得到支持或被自动化机器人和机器人取代”。例如,在某些特定任务中,如欺诈检测或疾病诊断,人工智能技术可以胜过人类同行。

鉴于这些增强的功能,出现了一个问题:人工智能初创公司如何以及何时能够挑战现有行业,尤其​​是那些主导知识和服务工作的行业。例如,一家提供自动化客户服务解决方案的人工智能初创公司可以成功挑战传统的呼叫中心业务模式,因为员工强度降低且可扩展性更高。类似的事情可能会发生在一家名为 Diio 的新初创公司身上(根据我的个人愿景)。

数字化的先前进展已经表明,使用大数据分析等新兴技术可以实现颠覆传统行业的新商业模式(Loebbecke 和 Picot,2015 年)。

虽然这些人工智能功能开辟了新的机遇,但它们也意味着需要越来越多地考虑道德问题,无论是在取代人类工人时,还是在使用人工智能解决方案进行关键决策(例如招聘)时(Köchling 等人,2021 年)。

4、数据在价值创造中的不同功能

虽然数据通常在常见的 IT 相关商业模式中发挥着至关重要的作用,但他们确定了数据在人工智能初创公司中创造价值的不同作用。

对于大多数人工智能初创公司来说,数据被视为价值创造的重要元素。这并不奇怪,因为目前人工智能的繁荣大部分归功于机器学习的应用和大量数据的可用性(Haenlein & Kaplan,2019 年)。

一方面,人工智能初创公司分析或帮助分析数据以产生见解或检测异常。然而,另一方面,我们看到数据正在以一种新的和不同的方式被使用。尤其是在人工智能产品/服务提供商模式中,我们观察到数据不会被分析以产生知识;相反,“数据被用来训练模型,然后轻松集成到产品和服务中”。

例如,计算机视觉算法被训练来检测某些疾病,然后可以转移并应用于各个医院。在这种情况下,“价值是由易于训练的模型提供的,而不是通过提供新数据分析的手段”。

鉴于数据对大多数人工智能初创公司的重要作用,“数据获取”成为商业模式(数据分类和数据类型)的重要组成部分。与之前的发现类似,我们可以肯定,人工智能初创公司可以利用各种类型和各种来源的数据作为其价值创造的一部分,例如自生成数据、来自外部客户的数据或公开可用的数据(Bock 和 Wueer,2017 年;Hartman 等人,2016 年)。

为了获得最独家的数据,我们看到一些人工智能初创公司“与行业合作伙伴建立密切关系”,例如,获取有关制造业的真实数据。对于创业,出现了一个问题,即人工智能初创公司如何潜在地采取不同的策略来访问或收集数据。反过来,数字创业生态系统(Elia 等人,2020 年)如何促进数据以促进创业行动。这些问题应在现有数据驱动商业模式研究的背景下进行研究。

尽管数据对于任何人工智能初创企业都非常重要,而且人们普遍认为人工智能是数据密集型的,但有人认为“并非所有人工智能初创企业的商业模式都同样依赖数据”。例如,某些用作主要人工智能技术的机器学习技术需要的数据要少得多,或者一些人工智能初创企业正在利用公开数据创造价值。

未来的研究应进一步探讨数据对人工智能初创企业的重要性及其在各种情况下的含义。初创企业在何时和什么情况下不严重依赖数据?鉴于数据在特定情况下的重要性,拥有稀缺或稀缺数据对初创企业的估值意味着什么?要做到这一点,必须采取更细致入微的视角来看待创业中的人工智能,以考虑不同的人工智能技术(Stoner 等人,2016)和应用环境。

5、人工智能技术对一般业务逻辑的影响

分类和模式表明,“人工智能初创企业的商业模式以技术为中心”,这促使我们研究人工智能(一种与传统 IT 不同的技术)如何影响整体业务逻辑。

研究分类法中确定了许多维度和技术特征(例如,持续学习、主要人工智能技术、数据源),这些维度和技术特征似乎掩盖了其他方面,例如目标客户或收入模式。

AI 初创公司主要专注于“为其商业客户提供复杂的 AI 技术,否则这些技术对于他们来说开发起来太困难且成本太高”(Jöhnk 等人,2021 年)。这些模式揭示了掌握和交付这种技术复杂性的不同原型:通过提供具有预先训练的 AI 模型的产品和服务(AI 加载产品/服务提供商)、通过可定制和可编程的接口促进开发(工程推动者 AI 开发)、提供数据分析解决方案(数据分析提供商)以及研究和开发基础 AI 技术(深度技术研究员)。

这种对掌握技术复杂性的关注为未来的创业研究提出了有趣的问题。一方面当然是 AI 初创公司如何设法获得深厚的技术知识和广泛的资源,正如学者们之前提到的那样(Chalmers 等人,2020 年;Obsochonka & Audretsch,2020 年)。

另一个方面是人工智能初创公司如何在竞争对手中脱颖而出。一种可能的方法是获得底层算法及其性能方面的领导地位。例如,初创公司 DeepL 成功创建了超越谷歌、Facebook 和亚马逊等科技巨头的自然语言翻译软件。

可以预见的是,尤其是像 AI 产品/服务提供商和深度技术研究人员这样的初创公司将遵循这一方向,因为他们的产品主要取决于 AI 模型的性能。其他可能的方式可能是提供全面且易于使用的解决方案,超越一次性的基于 AI 的功能(例如创建自己的聊天机器人解决方案)。这一讨论为未来的研究开辟了富有成效的道路:AI 初创公司如何创造竞争优势(例如通过 AI 模型领导力)?哪种类型的 AI 技术比其他技术更容易复制?

此外,分类法表明“基于 AI 的产品和服务的持续学习是一种影响整体业务逻辑的有趣机制”。随着客户的使用,或者通过提供商的联合学习和核心更新,产品和服务可能会随着时间的推移变得更加智能,因为越来越多的数据可用于 AI 训练。

有了这种机制,先驱者可以首先建立关键的客户群,并通过从客户那里收集的数据获得竞争优势,因为这些数据随后将使算法得到改进并提高服务的价值,进而可能吸引更多客户(Gregory 等人,2020 年)。另一家初创公司能否凭借更大的数据集和更好的算法迎头赶上,或者通过更好的可用性或品牌来弥补这一技术劣势?需要进行更多研究来了解持续学习和数据网络效应在创业背景下的含义。

6、局限性和扩展

研究有局限性。

首先,分类法通常不可能完全详尽或完美。但是,可以通过遵循 Nickerson 等人 (2013) 提出的结构化和测试方法来确保分类法的适用性和实用性。然而,人们认识到,随着人工智能领域的快速发展,未来几年可能需要审查和扩展分类法。

其次,无法识别将人工智能技术作为其商业模式重要元素的新创业公司,因为一些创业公司可能不会明确报告人工智能技术的使用情况,而是使用 Crunchbase 等自我报告数据库进行研究。然而,我们相信研究中纳入了足够多的创业公司,可以捕捉到底层商业模式的多样性。

第三,分类法和模式主要是针对北美和欧洲的人工智能创业公司建立的,因为所使用的数据库往往主要包括西方国家。因此,在将结果应用于其他国家的人工智能创业公司时,应谨慎对待。考虑到国家差异,例如与数据相关的法规(Weiner et al 2020),超出了这方面的研究范围。

7、贡献

虽然人工智能初创企业的商业模式在某些方面有明显的重叠,但它们肯定超越了常见的 IT 相关商业模式,例如数据驱动的商业模式。其次,差异及其含义得到深化,为未来创业中人工智能的研究提供了有希望的方向。

提出的人工智能初创企业商业模式分类法有助于企业家使用人工智能技术开发和创新商业模式。它充当形态学框,这意味着每个维度的组合都会产生一种新的商业模式。此外,这四种原型模式揭示了对人工智能初创企业商业模式常见示例的有趣见解。

它们可以被视为当前的最佳实践,并作为新创业公司的典范。

它也适用于规模较大、更成熟的公司的经理。与大公司相比,“年轻公司创造了丰富多样、可能更纯粹的商业模式”。因此,分类法也可能为大公司揭示机会,因为人工智能初创企业商业模式的一些元素可以直接应用。第三,它们支持风险投资家和投资者就人工智能初创企业做出更深入的决策。

它有助于构建广阔的 AI 初创企业格局,并提供用于评估 AI 初创企业的商业模式的关键特征。鉴于商业模式中技术维度的普遍性,建议投资者和风险投资家对 AI 技术有良好的技术理解,以正确评估 AI 初创企业的潜力。

8、基于平台的商业模式

基于平台的商业模式越来越受欢迎。这些模式将不同的客户群体联系起来,促进他们之间的互动和交易。Facebook、Uber、阿里巴巴、腾讯等公司都是成功平台的例子,它们利用人工智能将客户与他们所需的产品和服务联系起来。他们提供个性化服务,高效地提供客户服务,并创建蓬勃发展的生态系统。

9、AI驱动的商业模式示例

让我们看一些现实世界中利用人工智能创建新商业模式和生态系统的公司的例子。

  • 空中客车(Skywise 彻底改变了航空航天业)

欧洲航空航天巨头空中客车推出了 Skywise,这是一个开放数据平台,连接航空公司、飞机制造商、维护提供商和航空业的其他参与者。

Skywise 收集和分析来自 9,500 多架联网飞机的数据,并测量 40,000 多个参数。利用人工智能,Skywise 提供状态监测、预测性维护和可靠性分析等应用程序。这些应用程序可帮助航空公司降低成本、提高安全性并优化机队。

  • Shell(利用人工智能优化运营)

全球能源公司Shell正在利用人工智能创建其资产和运营的数字孪生。数字孪生是物理对象或系统的虚拟表示,可模拟其行为和性能。壳牌收集并处理来自传感器、无人机、卫星和其他来源的数据,以创建与天然气、炼油厂、管道和海上平台的数字孪生。这些数字孪生使壳牌能够监控资产、优化流程、预测故障并减少排放。

  • SOMPO(人工智能驱动的老年护理平台)

日本保险公司 SOMPO 正在利用人工智能创建一个老年护理服务平台。他们开发了一款由人工智能驱动的可穿戴设备 Smile Connect,可监测老年人的健康和活动。该设备可以检测跌倒、心律异常和其他紧急情况。它还提供语音辅助以及药物和预约提醒。通过基于云的平台,该设备将老年人与家人、护理人员、医生和保险代理人联系起来。该平台提供个性化建议,以改善医疗保健和生活方式。

  • ChatGPT

2022 年,一些新的、显而易见的“AI 即服务”商业模式取得了巨大成功。OpenAI ChatGPT 产品是一个由大型语言模型支持的聊天机器人,可以通过预测下一个最佳单词来响应用户请求。OpenAI 预计到 2024 年收入将超过 10 亿美元,目标估值至少为 800 亿美元。

  • Midjourney

Midjourney 根据用户输入预测应生成哪幅图像。尽管目前处于“测试”模式,需要用户通过 Discord 频道访问其成像仪,但 CB INsight 指出,MIdjourney 已通过月度订阅产生了 2 亿美元的收入,尽管员工人数不足 100 人,但其估值可能达到 100 亿美元。

这些例子展示了人工智能如何推动创新并在不同行业创造新的商机。通过利用人工智能的力量,企业可以改变运营方式,改善客户体验,并开辟新的收入来源。

  • Cognitive WiFi Motion(家庭安全)

家庭安全服务通常要求客户安装监控摄像头、运动检测器或传感器,以检测门窗是否打开。安装的额外成本可能会成为进入市场的障碍,这既因为消费者的成本,也因为对隐私泄露的担忧。WiFi Motion 在 Wi-Fi 路由器中实施软件,可以根据 Wi-Fi 信号的中断预测何时检测到人体运动。由于几乎每个人都有 Wi-Fi,消费者可以实施新的安全功能,并使用移动应用程序监控他们的家,而无需安装任何新硬件。

该公司与互联网服务提供商合作,允许他们在客户家中的路由器上部署软件,并以额外费用出售该功能或将其作为增值服务提供。家庭安全是向客户敞开大门的起点,而智能家居自动化和健康监测等附加功能则提供了额外的销售机会。

  • Tomorrow.io(天气预报)

《麻省理工技术评论》指出,几家大型科技公司已经发表了关于人工智能如何至少像传统方法一样准确地预测天气的文献。使用人工智能预测天气比我们今天依赖的基于模型的预报更快,只需几秒钟而不是几小时即可做出预测。传统模型在预测与过去类似的气候方面可能仍然具有一些优势。然而,由于气候变化导致天气模式迅速变化,基于人工智能的方法至少可以提供一种互补的预测来源。Tomorrow.io 通过 Gale 提供基于人工智能的生成天气模型。

  • Insilico Medicine(制药)

2023 年 6 月,世界上第一种由 AI 生成的药物进入人体试验阶段。据 CNBC 报道,Insilico Medicine 的慢性肺病治疗方法于 2020 年开始使用生成式 AI 进行开发。如今,药物开发是一个漫长而昂贵的过程,而 AI 自动化有望缓解制药过程中的许多摩擦点。通过预测新分子在体内如何相互作用(有时称为合成人体试验),AI 可以帮助研究人员专注于最有希望的候选药物。

10、重塑商业模式:AI可持续增长战略

Insighture 认为,随着数字化转型的到来,企业总是在寻找保持竞争力和发展的新方法。人工智能就是其中一种创新,尤其是在重塑商业模式方面。为了推动成功和超越,企业可以利用人工智能与可持续增长战略相结合。如何利用人工智能实现可持续增长并重塑商业模式?

商业领域人工智能的兴起

正如我们所见,近年来,人工智能已成为企业的强大工具,帮助企业实现流程自动化、从大数据中获取信息并创造新产品和服务。机器学习是人工智能的一个子集,它允许计算机从数据中学习并做出预测,而无需明确编程。聊天机器人和高级分析的出现为企业开辟了新的机会,包括自动化客户服务和预测消费者行为。

三重底线(人、地球和利润)

这三重底线对于可持续增长越来越重要。不仅股东从中受益,社会和环境也从中受益。人工智能的使用可以帮助企业优化运营并实现可持续增长,同时提高其社会影响力。尽管人工智能具有变革潜力,但企业必须认识到与之相关的挑战。虽然人工智能集成提供了许多好处,但克服障碍对于确保其成功而不成为障碍至关重要。

AI 实施的挑战

尽管企业正热情拥抱 AI 的变革力量,但这项技术“带来了许多挑战”。尽管 AI 可以提供许多好处,但理解和克服障碍可能会决定成败。

  • 如何克服实施 AI 的挑战:AI 固有的复杂性给组织在采用它时带来了许多挑战。将 AI 系统与现有基础设施集成通常很复杂,导致中断和难以确保平稳过渡。应对这一挑战的最佳方法是逐步从小规模试点项目开始,以获得知识和经验。
  • 实施成本高昂:AI 实施成本可能很高。对于小型企业来说,获取、培训和维护 AI 技术可能具有挑战性。为了“降低成本”,组织应仔细评估其 AI 需求,探索可扩展的解决方案,并考虑与 AI 供应商或顾问合作。
  • 缺乏合格的 AI 专业人员:对训练有素的 AI 专业人员的需求给许多组织造成了人才缺口。在数据科学、机器学习和人工智能工程领域,招聘和留住合格人才可能很困难。必须与教育机构、培训项目和培训建立伙伴关系来缩小这一差距。
  • 道德问题和监管合规性:人工智能技术越来越需要遵守法规和道德考量。由于对隐私、算法偏见和负责任地使用人工智能的担忧,可能会出现重大障碍。随着法规的发展,组织必须制定人工智能道德准则并优先考虑透明度,以在用户和利益相关者之间建立信任。
  • 抵制变革:人工智能的实施可能会因组织文化内部的变革抵制而受到阻碍。适应新技术可能是员工的担忧,或者可能担心工作被取代。为了克服这一挑战,公司必须强调人工智能的协作性质,强调它如何增强人类能力,创造新机会并最终提高员工满意度。
  • 数据隐私和安全:人工智能的使用会产生大量信息,引发对个人用户隐私和安全漏洞的担忧。敏感信息的保护需要遵守数据保护法规。组织应优先考虑客户和利益相关者的隐私,以及强大的安全措施和定期审计。
人工智能实施(克服挑战)

人工智能确实为企业提供了重大机遇,但也为成功实施和整合带来了许多挑战和注意事项。

  • 数字素养:随着人工智能和机器学习越来越成为业务运营不可或缺的一部分,员工的数字素养变得越来越重要。要成功使用人工智能,您必须了解其工作原理以及如何解释其结果。公司可能需要投资培训和教育,以确保其团队具备必要的技能。
  • 新技术和新兴技术:必须跟上技术变革的快速步伐,不断更新新兴技术。此外,必须将这些技术纳入现有的业务模型,以了解其潜在的应用和影响。
  • 大数据分析和托管 IT 服务:正如我们所见,人工智能的使用通常涉及大量数据。通过理解这些数据,公司可以从大数据分析中获得有价值的见解。同时,托管 IT 服务可以通过提供必要的基础设施和支持来帮助实施人工智能。
  • 变更管理:流程和工作流可能会因人工智能和新技术而发生重大变化。可能需要对现有平台进行重大修改,包括更改编程语言。例如,Rust 的性能优势可能使其成为比 Go 或 Python 更好的预测和分析选择。

由于人工智能和新技术的出现,企业可能会经历重大变化。为了避免中断并确保平稳过渡,有效的变更管理至关重要。透明地沟通即将发生的变化是这一过程的关键,尤其是在实施人工智能时。

在采用新的编程语言或基于人工智能的工具时,有效的变更管理至关重要。确保过渡无缝,并将中断降至最低。为了确保员工适应变化、​​提供支持和资源以及培养持续学习的文化,清晰的沟通是必不可少的。

以结果和扩展为导向:最后但并非最不重要的是,公司应该使用人工智能来实现特定结果。此外,人工智能计划应该有明确的目标和指标,并应定期审查和调整这些目标和指标。随着公司增加对人工智能的使用,人工智能战略家和基础设施必须随之扩展。

总之,虽然人工智能可以成为再投资和可持续增长的有力工具,但公司必须考虑这些挑战并制定相应的计划。

11、AI转型商业模式的成功案例

在数字时代,许多公司正在利用人工智能等新兴技术重塑其商业模式。示例包括:

  • Vistra

Vistra 是世界上最大的能源生产商之一,它跟踪了数百种不同的指标,以确保其工厂尽可能高效地运行。因此,Vistra 安装了一个热效率优化器,每 30 分钟分析数百个输入并生成建议。结果是效率提高了 1%,节省了数百万美元并减少了温室气体排放。

  • Drift

Drift 使用 AI 聊天机器人、机器学习和自然语言处理来帮助企业安排更多会议,提高销售流程的效率,并回答客户的问题。通过大规模提供个性化内容、持续创建合格的渠道、增强客户体验和改善潜在客户挖掘工作,Drift AI 提高了销售和营销效率。反过来,这又意味着每位销售代表的生产力更高。此外,Drift 的对话式 AI 开箱即用,易于集成到企业工作流程中。通过这种方式,AI 可以显著改善业务流程和客户互动。

这些案例研究展示了人工智能重塑商业模式的变革力量。然而,实施新技术不足以成功实现数字化转型。

该过程涉及“以人为本的方法,专注于提高员工的数字素养,实施有效的变革管理策略并采用基于结果的方法。”

此外,当我们利用大数据分析和托管 IT 服务迈向未来的人工智能工作时,公司必须确保其增长战略考虑到社会、环境和财务影响。他们还可以为这些新兴技术带来的挑战和机遇做好准备。

12、结束语

这只是人工智能对经济影响的开始,因为生成式人工智能的基本模型是如此的多才多艺,以至于它们可以找到尚未预见的各种用途。使用人工智能的公司继续改进这些基本模型,使它们成为多模式的或接收不同类型的信息(如文本、音频或图像)作为将产生新预测的消息。模型在接收更多背景信息的能力方面也在不断改进,使公司能够更好地根据自己的数据定制预测。

正如我们所见,人工智能正在彻底改变所有行业的商业模式,使公司能够创造新的机会并推动增长。人工智能为创新和价值创造提供了巨大的潜力。通过采用人工智能,企业可以改变运营方式,提供个性化的体验,开辟新的收入来源。

随着人工智能的发展,公司必须战略性地利用其力量,他们将能够在这个时代拥有竞争优势。

技术领导者必须与业务利益相关者保持一致,利用生成式人工智能为客户创造价值。无论你是否登上这列火车,都要全力以赴。

“目前,我们看到将人工智能技术作为其产品或服务一部分的初创公司迅速涌现”。虽然人工智能初创公司受到投资者和风险投资家的广泛关注,但它们不可避免地需要在某个时候找到一种稳定的商业模式,以确保长期表现和生存。一方面,最近的研究表明,人工智能初创公司采用了新颖或不同的商业模式;另一方面,我们也发现了令人信服的论据,即今天作为人工智能出售的大部分产品已经存在了很长时间。

人工智能公司和初创公司商业模式的这种发展只是未来的冰山一角。在撰写本文时,基于我在这方面的研究、看到、学到和建议,我敢预测“人工智能商业模式的性质将继续演变到这样的水平,如果在短时间内,我们看到应用程序的概念消失,这并不奇怪,这些应用程序将被人工智能初创企业的商业模式吸收或吞噬,这些初创企业将提供这些应用程序的服务,添加来自当前和未来新兴技术的功能和新服务,例如虚拟和增强现实(Metaverse)、区块链、物联网、量子技术、全息技术等”。


原文链接:Artificial Intelligence and Its New Business Models

BimAnt翻译整理,转载请标明出处