Масштабируйте стратегию ИИ
Введение
В этой статье я собираюсь размышлять о рыночной стратегии, которую использовал Scale AI. В ноябре прошлого года Scale AI был оценен в 3,5 миллиарда долларов, а его основателю Александру Вану исполнилось 23 года. Их платформа помогает компаниям, которые хотят использовать искусственный интеллект для своего бизнеса, путем краудсорсинга аннотаций данных. Я особенно заинтересовался компанией после недавнего занятия по стратегии, на котором мы узнали о пяти силах Портера.
Масштаб ИИ
Чтобы алгоритмы контролируемого машинного обучения работали эффективно, их необходимо обучать на размеченных данных. Эти данные обычно помечаются людьми, что может быть очень обыденной задачей. Примером маркировки данных может быть рисование ограничивающих рамок на объектах на изображениях и маркировка этих рамок категорией объекта. Координаты ограничительной рамки затем можно было бы сохранить в файле, таком как JSON, с включенным типом объекта. Если предположить, что целью этой модели является идентификация объектов, то она будет обучена (вероятно) тысячам изображений с соответствующими координатами ограничительной рамки и метками объектов. Если вас интересует логистика обнаружения объектов, вы можете прочитать больше здесь.
Но инженеру или специалисту по данным нет смысла тратить часы на маркировку объектов, это слишком дорого. Scale AI признал эту проблему и создал двустороннюю платформу для подрядчиков и компаний, которым нужны высококачественные размеченные данные. По состоянию на 2019 год у них было более 30 000 подрядчиков, маркирующих данные. Это отличный пример прорыва низкоуровневых платформ. Масштабный ИИ снижает стоимость маркировки высококачественных данных (действующий метод — маркировка данных инженером).
Scale AI создает платформу данных для поддержки всех высококачественных приложений искусственного интеллекта, используемых в отрасли (похоже, что большинство отраслей на данный момент включают ИИ).
5 сил Портера
- Отраслевое соперничество
- Рыночная власть поставщиков
- Торговая сила покупателей
- Угроза проникновения
- Угроза заменителей
На данный момент это может показаться абстрактным, но потерпите меня. Пять сил Портера описывают конкурентную среду отрасли и могут помочь новым участникам оценить привлекательность отрасли. На моем занятии по стратегии мы узнали об этой концепции, сегментировав цепочку создания стоимости в отрасли и проанализировав каждую из 5 сил в этой отрасли.
Представьте это так:
Каждый из разделов вверху представляет собой этап в производстве мороженого от молочных ферм до продуктовых магазинов. Некоторые компании могут попытаться утвердиться вертикально, покупая собственные фермы, производя собственное мороженое и продавая его напрямую конечным покупателям. Это может значительно увеличить их прибыль. С другой стороны, компания может попытаться утвердиться горизонтально в рамках одного из этапов процесса. Например, они могли бы внедрить новый способ производства мороженого, который сделает его вкус намного лучше, и вместо того, чтобы расширять производство собственных молочных продуктов или продавать напрямую, они могли бы приобрести других производителей мороженого и расширить свои производственные мощности. Это представляет собой горизонтальную интеграцию, и она может быть действительно мощной, поскольку создает переговорную силу с поставщиками и покупателями. Производитель мороженого теперь может покупать больше молочных продуктов оптом или напрямую оказывать давление на фермы, чтобы они снизили цены. Они также могут масштабировать свой продукт и отличаться от конкурентов или новых участников.
Стратегия масштабирования ИИ
В отличие от создания комплексного решения, как сегодня делают многие стартапы в области ИИ, Scale AI нацелен на горизонтальный шаг в процессе разработки ИИ. Они фактически нарушили процесс маркировки данных, поскольку удовлетворили высокий спрос на дифференциацию (данные высокого качества по более низкой цене). Темпы роста Scale AI увеличиваются, потому что они являются двусторонней платформой. Сетевой эффект описывает, как увеличение количества клиентов, которые ищут данные, привлечет больше подрядчиков и наоборот.
Поэтому я наметил индустрию разработки AI/ML на высоком уровне с помощью 5 сил Портера. Основываясь на своем опыте, я думаю, что в цепочке создания стоимости разработки ИИ есть 3 основных сегмента:
- Сбор данных и маркировка
- Предварительная обработка данных, исследовательский анализ данных (EDA) и разработка признаков
- Прогнозное моделирование
Так что я считаю, что Scale AI находится на пути к консолидации сегмента сбора и маркировки данных, что является эффективным примером горизонтальной интеграции. Если они смогут стать доминирующим игроком и выделиться за рамки своих конкурентов, тогда они смогут создать переговорную позицию с поставщиками и покупателями. Поставщики могут включать поставщиков облачных услуг, где Scale AI хранит свои данные или свои источники данных (клиенты или общедоступные данные). В число покупателей могут входить любые клиенты, которым нужны высококачественные данные (например, Lyft для своих беспилотных автомобилей).
Качество моделей ИИ быстро улучшается, как и наша зависимость от моделей ИИ. Данные хорошего качества являются неотъемлемой частью высокопроизводительного алгоритма, и если Scale AI сможет предоставлять данные самого высокого качества по более низкой цене, чем платные инженеры, то они станут повсеместными в индустрии искусственного интеллекта.
Предложения по масштабированию ИИ
Масштабируемый ИИ должен сосредоточиться на создании лучшей платформы данных в мире и избегать вертикальной интеграции в моделирующие или инженерные наборы данных. Если они смогут увеличить широту своих категорий данных, они могут стать основным источником данных для моделей ИИ.
Они также могут воспользоваться сетевым эффектом, чтобы стать лучшей платформой в своем сегменте. Стратегия для этого будет заключаться в увеличении затрат на множественное подключение (стоимость использования нескольких платформ для ваших данных) и затрат на переключение (стоимость смены платформ, на которых вы получаете свои данные), создавая сценарий «победитель получает все». Более ощутимо Scale AI может придерживаться структуры затрат на основе подписки, что также будет стимулировать пользователей больше использовать платформу.
Предложения для стартапов
Учитывая то, как я изложил цепочку создания ценности разработки ИИ, я вижу значительные возможности для консолидации или появления новых участников в сегменте предварительной обработки данных. Этап прогнозного моделирования уже широко используется и поддерживается крупными технологиями. С нынешними игроками может быть сложно конкурировать. Я также верю, что Scale AI находится на пути к тому, чтобы стать серьезным игроком в сегменте сбора данных.
Сегмент предварительной обработки данных сильно фрагментирован, и наиболее известная технология (Python) бесплатна для использования. Однако бросить вызов действующим операторам будет очень сложно, учитывая специфические подходы к этому сегменту. Специалисты по данным работают в этой области и должны применять индивидуальные подходы к обработке/проектированию данных. Также было бы очень сложно заставить их отказаться от такого замечательного инструмента, как Python.
использованная литература
- 5 сил Портера (Harvard Business Review): https://hbr.org/1979/03/how-competitive-forces-shape-strategy
- Разрушение платформы (Harvard Business Review): https://hbr.org/1979/03/how-competitive-forces-shape-strategy
- Масштаб ИИ: https://scale.com/
- Сетевые эффекты (Гарвардская школа бизнеса онлайн): https://online.hbs.edu/blog/post/what-are-network-effects
Спасибо за чтение, не стесняйтесь обращаться ко мне с любыми комментариями или вопросами!
