The AI Disruptobloat: como a sobreprodución dilúe o valor pero acelera a innovación

Hipo vs substancia

Estou acuñando a palabra "disruptobloat" para describir unha estación distinta pola que pasa calquera tecnoloxía importante:

• Os fondos de VC están a correr para 50 versións do mesmo caso de uso.
• O lema de LinkedIn de todos indica que foron un experto dunha década en [algunhas novas tecnoloxías] (digo isto sen vergoña, xa que o meu propio LinkedIn inclúe cripto e IA)
• Os titulares pasan lentamente de "todas as empresas están construíndo [tecnoloxía]" a "Están os consumidores fartos de [tecnoloxía]?" á broma despiadada e ao "que saíu mal".

Disruptobloat é un fenómeno de sobreprodución: [algúns produtos tecnolóxicos novos] inundan o mercado, diluíndo a percepción de valor a curto prazo.

É unha carreira cara ao mesmo: descubrir un caso de uso pegajoso que configura novos comportamentos dos clientes e acumula valor. Non é un erro; é un paso necesario na evolución, e unha boa cousa! Canto maior sexa o disruptobloat, máis rápido chegamos aos avances, porque iteramos as ideas máis rápido.

Azeem Azhar de Exponential View descríbese deste xeito:

Nivel 1: Facer o que facemos máis barato: (…) automatizar tarefas rutineiras.

Nivel 2: Facer o que facemos, só facelo mellor: (…) oportunidades de mellora cualitativa. Un importante banco de investimento, por exemplo, utilizou recentemente a IA para automatizar gran parte da súa cobertura de probas unitarias. Isto reduciu os custos e permitiu realizar probas máis completas, mellorando a calidade global do software.

Nivel 3: Fai cousas totalmente novas. Aquí é onde comeza a mostrarse o verdadeiro potencial da IA (…) Pero aquí está o problema: a maioría das empresas están atrapadas no Nivel 1 ou 2. Están a usar a IA para reducir custos ou mellorar gradualmente os procesos, perdendo a oportunidade de repensar estratexicamente o que é. o seu negocio podería parecer (...)

O caso é que todo o mundo está intentando "repensar estratexicamente como podería ser o seu negocio", pero é difícil. Todos estamos condicionados a pensar nas limitacións implícitas do noso día a día, e repensar só ocorre cando ignoramos esas limitacións. Para as empresas existentes, tamén son as limitacións dos ecosistemas osificados de clientes, socios, ingresos e beneficios.

A mercantilización de modelos de IA

Hai un refrán que se orixinou durante a febre do ouro: "Cando a xente busca ouro, vende pas", adoita describir unha estratexia empresarial: en lugar de participar directamente nun mercado competitivo e especulativo, proporcionar as ferramentas e servizos esenciais para ese mercado. O problema das palas, porén, é que son funxibles e resulta que os modelos de IA tamén o son .

Supoñamos que ningún provedor publica un modelo que sexa ordes de magnitude mellor que a competencia durante un tempo suficiente para que teña importancia estratéxica__ 2 __. Onde se acumula o valor, entón? Noutras palabras, que tipos de produtos poderán construír un foxo?

A capa de aplicación__ 3 __: as superficies, aplicacións e sitios a través dos que os usuarios interactuarán son:

1. o máis probable é dar forma a novos comportamentos, ensinando aos usuarios a facer cousas totalmente novas, así
2. é probable que acumule moito máis valor ao longo do tempo construíndo novos mercados

Non sorprende, entón, que paga a pena competir con centos (se non miles) de startups para os mesmos casos de uso. O 75% do último lote de YC foron startups de IA - e iso é só un fondo de risco!

Esta cita de a16z ) dá unha idea instantánea de cara a onde vai o esforzo; unha progresión desde a froita máis baixa ata facer cousas novas :

1. Ferramentas de IA que se executan enriba do software existente (pense: notas de reunión automáticas para reunións de Zoom)
2. Ferramentas de intelixencia artificial que se executan enriba do software existente que permiten desprazar ese software existente (pense: notas de reunión para reunións de Zoom... onde dita empresa crea videoconferencias e propón que abandone Zoom)
3. Ferramentas de intelixencia artificial que se converten en man de obra: unha categoría netamente nova, completamente intacta polo software ata este momento (pensa: o software dirixe a reunión por ti!)

Polo tanto, disruptobloat.

A separación de GPT

Esta carreira entre empresas existentes e startups 0→1 é un puro reto de descubrimento de produtos. En teoría, os provedores de modelos deberían ter unha vantaxe, como resultado de ter recollido 2 anos de datos de uso. Buscando información do mercado de devolucións de GPT de OpenAI datos bastante aburridos ; Estou seguro de que as conversacións reais son máis esclarecedoras, pero probablemente non sexa un slam dunk. Os GPT mostran que as persoas están a usar LLM para cousas que saben que poden usar LLMs . O avance prodúcese cando un produto, e un equipo detrás del, descobren como ensinar á xente a facer cousas completamente novas.

Lembra a separación de Craigslist - do mesmo xeito que os seus distintos taboleiros dividíronse en servizos especializados, moitos deles alcanzando o estado de unicornio nalgún momento, veremos que ocorre o mesmo -e moito máis rápido- cos GPT, con cada produto tratando de resolver un problema específico mellor que un. -Size-fits-all ventá de chat.

Estratexia Integradora Vertical

A semana pasada publicouse Not Boring de Packy McCormick Integradores Verticais (que sementou moito pensamento detrás desta publicación). No contexto da disruptobloat da IA e da mercantilización dos modelos, a estratexia do integrador vertical adquire especial relevancia: é unha forma de construír un foso e é onde os operadores dominantes teñen vantaxe. De Packy:

Os integradores verticais son empresas que:

1. Integra múltiples tecnoloxías de vangarda pero comprobadas.
2. Desenvolver capacidades internas significativas en toda a súa pila.
3. Modulare os compoñentes básicos ao tempo que controla a integración global do sistema.
4. Compite directamente cos titulares.
5. Ofrece produtos mellores, máis rápidos ou máis baratos (a miúdo os tres).

NVIDIA é un exemplo desta estratexia en esteroides, construíndo ecosistemas arredor das tecnoloxías fundamentais para controlar toda a pila tecnolóxica, especialmente a medida que os modelos base se van comercializando:

• Hardware (GPU, A100, H100, DGX, Jetson)
• Software (CUDA, TensorRT)
• Plataformas: NVIDIA Omniverse para simulacións 3D, NVIDIA Clara para asistencia sanitaria
• Robotics Lab e simulador de robot Issac Sim
• NVIDIA DRIVE para vehículos autónomos, tanto hardware como software (DRIVE AGX, DRIVE OS).

Non todos os titulares están ou estarán competindo en todas as capas agora, pero a cuestión é que teñen a capacidade de facelo, xa sexa por construción ou adquisicións. Como a16z explica, usando Stripe e Square como exemplo para servizos adxacentes á fintech:

"Este é o defecto de mirar a Square e Stripe e chamalos xogadores de mercadorías. Teñen a distribución. Teñen talento de enxeñería. Poden construír o seu propio TiVo . Non significa que o farán, pero o seu éxito depende do seu propio produto e da súa habilidade en enxeñaría, non dun acordo improbable cun oligopolio ou utilidade. ”

O agasallo de despedida

Un dos primeiros obxectivos que tiña para esta publicación era identificar os casos de uso do asasino, o que, en retrospectiva, é unha tarefa difícil para unhas horas de investigación. Aínda así, a medida que o bombo vai máis lento, hai algúns recunchos de disruptobloat aos que estou prestando atención:

• Reducir o custo dos servizos antes moi desexados, pero de alto prezo -xurídicos, financeiros, sanitarios- onde o baixo custo pode xerar unha demanda masiva. Desde a16z (de novo): "É probable que LVMH gaste decenas de millóns de dólares ao ano loitando contra produtos falsificados, enviando cartas de cesamento e desistimento, cooperando coas forzas da orde, etc. Cantos pequenos comerciantes de Shopify poden querer exactamente o mesmo servizo? Todos eles! Cantos poderían gastar 50 millóns de dólares ao ano? Ningún deles. Cantos poderían gastar 1.000 dólares ao ano? Quizais todos eles?"
• Democratizar habilidades complexas, como fixemos coa codificación. A maior parte da narrativa sobre a programación asistida por LLM céntrase no aforro de custos, pero a maxia é que permite que as persoas poidan facer cousas completamente novas que antes non podían facer. Escoitamos isto durante un tempo, primeiro con bootcamps de codificación, despois con aplicacións sen código, pero viñeron con limitacións. Agora non hai ningunha.
• Hiperpersonalización a escala, en calquera actividade do consumidor
• IA + Robótica
• Tecnoloxía climática __ 4 __

O caso de uso do asasino está nalgún lugar, sen refinar e afogando no ruído. Se - ou cando - o mercado estará listo é outra cuestión.