paint-brush
La disrupción de la IA: cómo la sobreproducción diluye el valor pero acelera la innovaciónpor@kamilaselig
639 lecturas
639 lecturas

La disrupción de la IA: cómo la sobreproducción diluye el valor pero acelera la innovación

por Kamila Selig6m2024/09/14
Read on Terminal Reader

Demasiado Largo; Para Leer

La IA se encuentra en un momento de disrupción en el que los productos de bajo valor inundan el mercado, pero todo está muy bien en la búsqueda de casos de uso valiosos: reducir el costo de servicios anteriormente muy deseados, pero de alto precio (legales, financieros, de atención médica), democratizar habilidades complejas, hiperpersonalización.
featured image - La disrupción de la IA: cómo la sobreproducción diluye el valor pero acelera la innovación
Kamila Selig HackerNoon profile picture
0-item
1-item

Publicidad vs. sustancia

Estoy acuñando la palabra 'disruptobloat' para describir una temporada distinta por la que pasa cualquier tecnología importante:

  • Los fondos de capital riesgo están a la orden del día para 50 versiones del mismo caso de uso.
  • El lema de LinkedIn de todos indica que han sido expertos durante una década en [alguna nueva tecnología] (lo digo sin vergüenza, ya que mi propio LinkedIn incluye tanto criptomonedas como inteligencia artificial).
  • Los titulares pasan lentamente de “todas las empresas están construyendo en [tecnología]” a “¿los consumidores están hartos de [la tecnología]?”, al despiadado blanco de las bromas y a “¿qué salió mal?”.

Disruptobloat es un fenómeno de sobreproducción: algunos productos impulsados por [nuevas tecnologías] inundan el mercado, diluyendo la percepción de valor en el corto plazo.


Captura de pantalla de la publicación X: "No puedo esperar a que la IA generativa sea tan ridiculizada e ignorada como los NFT"

Es una carrera hacia lo mismo: descubrir un caso de uso pegadizo que moldee nuevos comportamientos de los clientes y acumule valor. No es un error, es un paso necesario en la evolución, ¡y algo bueno! Cuanto mayor sea la disrupción, más rápido llegaremos a avances, porque iteraremos las ideas más rápido.


Azeem Azhar de Exponential View lo explica de esta manera:

Nivel 1: Hacer lo que hacemos más barato: (…) automatizar tareas rutinarias.

Nivel 2: Hacer lo que hacemos, pero hacerlo mejor: (…) oportunidades de mejoras cualitativas. Un importante banco de inversiones, por ejemplo, utilizó recientemente la IA para automatizar gran parte de su cobertura de pruebas unitarias. Esto redujo los costos y permitió realizar pruebas más exhaustivas, mejorando la calidad general del software.

Nivel 3: Hacer cosas completamente nuevas. Aquí es donde comienza a mostrarse el verdadero potencial de la IA (…) Pero aquí está el problema: la mayoría de las empresas están estancadas en el Nivel 1 o el Nivel 2. Están usando la IA para reducir costos o mejorar procesos de manera incremental, perdiendo la oportunidad de repensar estratégicamente cómo podría ser su negocio (…)


El problema es que todo el mundo está intentando "repensar estratégicamente cómo podría ser su negocio", pero es difícil. Todos estamos condicionados a pensar en las limitaciones implícitas de nuestra vida cotidiana, y el replanteamiento solo ocurre cuando ignoramos esas limitaciones. Para las empresas existentes, también son las limitaciones de los ecosistemas anquilosados de clientes, socios, ingresos y ganancias.


La mercantilización de los modelos de IA

Hay un dicho que se originó durante la fiebre del oro: "Cuando la gente busca oro, vende palas", que se usa a menudo para describir una estrategia comercial: en lugar de participar directamente en un mercado competitivo y especulativo, proporcionar las herramientas y los servicios esenciales para ese mercado. El problema con las palas, sin embargo, es que son fungibles y Resulta que los modelos de IA son demasiado .


Supongamos que ningún proveedor lanza un modelo que sea mucho mejor que la competencia durante un tiempo lo suficientemente prolongado como para que tenga importancia estratégica . ¿Dónde se acumula entonces el valor? En otras palabras, ¿qué tipos de productos podrán construir una ventaja competitiva?

La capa de aplicación__ 3 __ - las superficies, aplicaciones, sitios a través de los cuales los usuarios interactuarán son:


  1. Lo más probable es que moldee nuevos comportamientos, enseñando a los usuarios a hacer cosas completamente nuevas, por lo que
  2. Es probable que se acumule mucho más valor con el tiempo mediante la creación de nuevos mercados.


No sorprende, entonces, que valga la pena competir con cientos (si no miles) de empresas emergentes por los mismos casos de uso. El 75% del último grupo de YC eran empresas emergentes de inteligencia artificial - ¡Y eso es sólo un fondo de riesgo!


Esta cita de a16z ) Da una idea instantánea de hacia dónde se dirige el esfuerzo; una progresión desde lo más fácil hasta hacer cosas nuevas :

  1. Herramientas de inteligencia artificial que se ejecutan sobre software existente (por ejemplo, notas de reunión automáticas para reuniones de Zoom)
  2. Herramientas de IA que se ejecutan sobre software existente y que tienen la posibilidad de reemplazar ese software existente (piense en: notas de reuniones para Zoom Meetings... donde dicha empresa luego crea videoconferencias y le propone que abandone Zoom)
  3. Herramientas de IA que se convierten en mano de obra: una categoría completamente nueva, completamente intacta por el software hasta este momento (piense: ¡el software dirige la reunión por usted!)



Por lo tanto, disruptobloat.


La desagregación de los GPT

Esta carrera entre empresas existentes y 0→1 startups es un desafío de descubrimiento de productos puro. En teoría, los proveedores de modelos deberían tener una ventaja, como resultado de haber recopilado dos años de datos de uso. Buscar información en el mercado de GPT de OpenAI arroja resultados Datos bastante aburridos Estoy seguro de que las conversaciones reales son más esclarecedoras, pero probablemente no sean una apuesta segura. Los GPT muestran que las personas están usando los LLM para cosas que saben que pueden usar . El gran avance se produce cuando un producto, y un equipo detrás de él, descubren cómo enseñar a las personas a hacer cosas completamente nuevas.


Es reminiscente de la Desvinculación de Craigslist - Así como sus diversos tableros se dividieron en servicios especializados, muchos de los cuales alcanzaron el estatus de unicornio en algún momento, veremos que sucederá lo mismo -y mucho más rápido- con los GPT, con cada producto intentando resolver un problema específico mejor que una ventana de chat única para todos.


Estrategia de integración vertical

La semana pasada se publicó Not Boring de Packy McCormick Integradores verticales (que dio pie a muchas reflexiones sobre este artículo). En el contexto de la disrupción de la IA y la mercantilización de los modelos, la estrategia del integrador vertical se vuelve particularmente relevante: es una forma de construir una ventaja competitiva y es donde los operadores tradicionales tienen una ventaja. De Packy:


Los integradores verticales son empresas que:

  1. Integre múltiples tecnologías de vanguardia pero probadas.
  2. Desarrollar importantes capacidades internas en toda su pila.
  3. Modularice los componentes comercializados mientras controla la integración general del sistema.
  4. Competir directamente con los operadores tradicionales.
  5. Ofrecer productos que sean mejores, más rápidos o más baratos (a menudo las tres cosas).


NVIDIA es un ejemplo de esta estrategia con esteroides, creando ecosistemas en torno a las tecnologías centrales para controlar toda la pila tecnológica, especialmente a medida que los modelos básicos se convierten en productos básicos:

  • Hardware (GPU, A100, H100, DGX, Jetson)
  • Software (CUDA, TensorRT)
  • Plataformas: NVIDIA Omniverse para simulaciones 3D, NVIDIA Clara para atención médica
  • Laboratorio de Robótica y simulador de robot Issac Sim
  • NVIDIA DRIVE para vehículos autónomos, tanto hardware como software (DRIVE AGX, DRIVE OS).


No todos los operadores actuales compiten o competirán en todos los niveles, pero el punto es que tienen la capacidad para hacerlo, ya sea mediante la construcción o adquisiciones. a16z explica, utilizando Stripe y Square como ejemplo de servicios relacionados con fintech:


“Éste es el error de considerar a Square y Stripe y llamarlos actores de productos básicos. Tienen la distribución. Tienen el talento de ingeniería. Pueden construir su propio TiVo . No significa que lo harán, pero su éxito depende de su propio producto y destreza en ingeniería, no de un acuerdo improbable con un oligopolio o una empresa de servicios públicos”.

El regalo de despedida

Uno de los primeros objetivos que tenía para esta publicación era identificar los casos de uso más importantes, lo que, en retrospectiva, es una tarea difícil para unas pocas horas de investigación. Sin embargo, a medida que el entusiasmo disminuye, hay algunos aspectos de la disrupción a los que les estoy prestando atención:


  • Reducir el costo de servicios que antes eran muy solicitados, pero de alto precio (legales, financieros, de atención médica), donde el bajo costo puede crear una demanda masiva. a16z (de nuevo): “LVMH probablemente gasta decenas de millones de dólares al año en combatir los productos falsificados, enviando cartas de cese y desistimiento, cooperando con las fuerzas del orden, etc. ¿Cuántos pequeños comerciantes de Shopify podrían querer exactamente el mismo servicio? ¡Todos! ¿Cuántos podrían gastar $50 millones al año? Ninguno de ellos. ¿Cuántos podrían gastar $1,000 al año? ¿Quizás todos ellos?”
  • Democratizar las habilidades complejas, como hicimos con la programación. La mayor parte de la narrativa en torno a la programación asistida por LLM se centra en el ahorro de costos, pero la magia de esto es que permite a las personas hacer cosas completamente nuevas que antes no podían hacer. Hemos escuchado esto durante un tiempo, primero con los campamentos de programación, luego con las aplicaciones sin programación, pero estas tenían limitaciones. Ahora no hay ninguna.
  • Hiperpersonalización a escala, en cualquier actividad del consumidor
  • IA + Robótica
  • Tecnología climática__ 4 __


El caso de uso decisivo está en algún lugar, sin refinar y ahogado en el ruido. Ya sea que se trate de un caso de uso o de cuándo se trate, El mercado estará listo es otra pregunta

Captura de pantalla de un pedido en línea de pizzas a domicilio lanzado por PizzaHut en 1994, un modelo adelantado a su tiempo. Pasarían unos 20 años más hasta que este modelo de negocio se impregne en nuestro día a día.

PD: Publico en https://hypegeist.substack.com/ sobre tecnología emergente y me encantaría enviártelo directamente.

PS2: Gracias Claude por la lluvia de ideas y la ayuda con la edición.