Искусственный интеллект - одна из самых горячих тем сегодня, которая быстро меняет различные отрасли. С этой волной среди предпринимателей растет интерес к использованию ИИ для решения своих проблем. Мы в pi Ventures, специализируясь на инвестировании в компании, занимающиеся ИИ, встречаем довольно много предпринимателей, работающих в сфере ИИ в таких секторах, как здравоохранение, логистика, предпринимательство, финансовые технологии и т. Д. В ходе этих взаимодействий мы видели действительно разрушительное использование ИИ. В то же время мы также сталкиваемся с предпринимателями, которые бросаются на подножку ИИ, даже не задумываясь. Мы считаем, что это не только пустая трата ресурсов и энергии, но также может стать для них похоронным звоном.
Продукты, которые не используют ИИ, умрут естественной смертью, однако те, которые используют ИИ без естественного соответствия, умрут еще раньше
Мы хотим поделиться своим опытом изучения этой темы в этом блоге, а также предоставить структуру, которая потенциально может ответить на два важных вопроса для предпринимателей: зачем использовать ИИ? А если вы используете ИИ, когда самое подходящее время для этого.
Давайте изучим их один за другим.
Вопрос "Почему"
Первый вопрос, который должен задать любой стартап с амбициями в области ИИ, - «Почему ИИ?». Причин может быть несколько - потребительский спрос, отставание от конкурентов и т. Д. Важно быть как можно точнее, отвечая на вопрос ПОЧЕМУ. Исходя из нашего опыта, мы видим, что стартапы, которые четко понимают, как использовать ИИ, что в 10 раз отличает их продукт по стоимости от других современных решений, как правило, лучше справляются с использованием ИИ.
Давайте возьмем пример и продемонстрируем это. Niramai, одна из компаний, входящих в наш портфель, использует тепловые изображения и искусственный интеллект для обнаружения рака груди на ранних стадиях. Поскольку они используют методику, основанную на вычитании аномального роста клеток вместо плотности (что используется в большинстве других современных решений), они могут обнаруживать рак груди очень рано. Эта функция не может быть реализована с достаточной точностью без искусственного интеллекта. Очевидно, что их решение обеспечивает уникальное и дифференцированное преимущество перед любыми другими продуктами. Это то, что мы подразумеваем под 10-кратным значением (или 10-кратным коэффициентом)
Один интересный момент, который следует отметить при обнаружении вашего 10-кратного фактора, заключается в том, что он может исходить из понимания, которое осуществляется вашим продуктом / работой (наизнанку), или может быть обусловлено потребительским спросом, который трудно удовлетворить, если не используется ИИ (вне в). Независимо от триггера, основная истина для ответа на вопрос «Почему» - это выявление 10-кратного фактора для вашего продукта.
Вопрос "КОГДА"
Следующим шагом является определение «Когда» и в некоторой степени «Как». Чтобы ответить на эти вопросы, мы воспользуемся фреймворком, показанным на диаграмме ниже. Мы называем это «Кривой зрелости ИИ».
Давайте изучать этот уровень за раз.
Уровень 1:
Каждый стартап / предприниматель начинает с решения проблемы. Иногда это само по себе отнимает у них большую часть времени и внимания. Как следствие ведения бизнеса и взаимодействия с клиентами, стартап может получить или сгенерировать тонны данных, которые могут или не могут быть сохранены продуманно и продуманно. Это типичная характеристика компании Уровня 1.
Например, Почта Индии, которая имеет максимальное покрытие пин-кодов в Индии, до недавнего времени не собирала данные о доставке. Точно так же многие традиционные курьерские компании также доставляют посылки без хранения ценной информации об адресах, маршрутах и т.д. своих клиентов!
Если вы находитесь на этом уровне и испытываете сильное желание перейти на следующий, вот что вы могли бы сделать:
1. Определите, к каким данным у вас есть доступ.
Подумайте, с какими данными вы общаетесь или производите в рамках своего обычного бизнеса. Подумайте о конкретных выводах, которые можно извлечь из этого, чтобы создать 10-кратный фактор немедленно или в будущем.
2. Начните сбор этих данных и проложите путь к Уровню 2.
Уровень 2:
Теперь, когда у вас есть процесс и стратегия сбора данных, пришло время копаться и создавать рвы данных и работать над конкретными выводами, которые данные могут генерировать для вас, когда вы создаете свой стартап. Видно, что компании этого уровня имеют четкую стратегию работы с данными. Стратегия данных включает в себя сбор соответствующих световых данных (более доступные данные), а также темных данных (данных, которые нелегко получить). Соответствующие данные, в зависимости от сектора, могут поступать из медицинских записей, веб-текстовых данных, средств массовой информации и т. Д. Важно знать, какие данные важны, а также какие данные являются собственностью вас. Продумывание и реализация стратегии данных помогает компаниям успешно перейти на уровень 3. Иногда бывает сложно решить, какие данные собирать, а какие опустить. Если трудно предвидеть реальное влияние данных, которые вы собираете, но есть подозрение, что они могут быть полезны, тем не менее рекомендуется их собрать. Золотое правило: если есть сомнения, лучше собрать, чем оставить.
Чтобы сопоставить эту концепцию с примером из реальной жизни, давайте вернемся к курьерским компаниям, которые мы выбрали на уровне 1. Теперь, если бы они собирали данные, связанные с доставкой, через смартфоны / карманные устройства с возможностью повторного использования, они бы стали компаниями уровня 2. Светлые данные в этом случае могут быть данными о клиенте и пакете, а темные данные могут быть данными о местоположении, которые могут помочь обнаружить и сопоставить нестандартные индийские адреса. Эти данные о местоположении могут, например, помочь устранить необходимость звонить клиентам, чтобы узнать их точное местоположение, и, следовательно, повысить эффективность работы.
Ниже приведены некоторые рекомендации, если вы находитесь на Уровне 2 и хотите перейти на Уровень 3.
1. Собирайте актуальные, полезные и качественные данные.
2. Автоматизировать сбор данных.
3. Исправьте свои контракты на производные данные, чтобы решить проблемы конфиденциальности и безопасности.
Уровень 3:
Сейчас мы приближаемся к использованию ИИ. Фактически, это уровень, на котором стартапы широко используют ИИ для решения проблем с 10-кратным коэффициентом. Они используют наборы данных и обычно имеют цикл обратной связи, который обучает и улучшает модели. Эти компании могут быть не полностью автономными и в них встроено вмешательство человека. Однако ключевым фактором, который отличает компании на этом этапе от компаний уровня 2, является то, что ИИ способен принимать ценные решения на основе данных для решения бизнес-задач. Он может распространяться от обнаружения рака груди по тепловизионным изображениям, как объяснено в предыдущем примере, или от предложения маршрута до дома, как в случае с Google Maps.
Чтобы расширить пример наших любимых курьерских компаний, они могут создавать аналитику в реальном времени, а также алгоритмы планирования и оптимизации маршрутов для повышения эффективности работы.
Есть еще один интересный фактор, о котором следует помнить, если вы работаете в компании уровня 3. Иногда влияние решения огромно - ошибочное решение в системе обнаружения рака может серьезно повлиять на жизнь пациента. Поэтому, в зависимости от варианта использования, рекомендуется иметь уровень контроля со стороны человека, даже если алгоритмы полностью автоматизированы.
Уровень 4:
Теперь мы подошли к последнему уровню 4. Здесь компании обычно имеют очень продвинутый уровень ИИ, что приводит к полностью автономным решениям, не требующим вмешательства человека.
Примером этого является беспилотный автомобиль, который использует ИИ и компьютерное зрение для точной интерпретации данных датчиков, обнаружения объектов, картографирования окружающей среды и обработки широкого спектра переменных для принятия решений, как человек. Несмотря на то, что до коммерциализации эти полностью автономные транспортные средства еще некоторое время, они не потребуют вмешательства человека. Другой пример - Amazon Alexa, голосовой помощник, который использует обработку естественного языка и машинное обучение, чтобы понять вопрос и ответить как человек. Благодаря недавно анонсированным функциям, таким как память и перенос контекста, Alexa сможет вести контекстные, интуитивно понятные и умные разговоры.
В заключение, ИИ действительно может помочь в 10-кратном увеличении вашего продукта! Главное - иметь четкое представление о том, что ИИ привнесет в ваш продукт и на каком этапе имеет смысл его внедрить. Мы надеемся, что этот блог внесет ясность в эти аспекты!
