Historisch gezien, wanneer er een nieuwe, baanbrekende technologie opkwam, werd de markt overspoeld met talloze nieuwe, op maat gemaakte applicaties die op de een of andere manier gebruikmaakten van die nieuwe technologie. Toch duurde het vaak een tijdje voordat we   producten zagen die lang meegingen. geweldige  Het is voor het eerst in lange tijd dat er een nieuwe baanbrekende technologie (LLM) op de markt komt. De   is   . We staan op het punt om erachter te komen welke nieuwe technologische producten en bedrijven gebouwd zijn om lang mee te gaan. wereld overspoeld met 99.999 AI-producten  Het spannende hier is dat baanbrekende technologieën jonge onbekende oprichters en startups de kans geven om de top te bereiken en nieuwe bedrijven op te bouwen.  .   monopolies  In dit bericht schrijf ik over het mentale model waarvan ik denk dat het de duurzame AI-bedrijven zal onderscheiden van degenen die een moment van roem zullen hebben, maar daarna zullen verdwijnen. Ik zal ook mijn gedachten delen over hoe lang deze evolutie zou kunnen duren.   #<24 maanden tot 's werelds nieuwe technologiemonopolies  Ja, ik geloof dat we van op maat gemaakte producten (die misschien wel of niet blijven plakken) naar AI-producten gaan als handelswaar waar we niet zonder kunnen, in 24 maanden of minder. Een goede manier die ik heb gevonden om dit te beschrijven is de   Waardeketenkaart (een  (heb het omgezet naar tabelvorm omdat de originele vorm van de kaart op het eerste gezicht wat lastig te begrijpen is).    Wardley   YouTuber-gebruiker  Terwijl de meeste eerdere technologieën er minstens tien jaar over deden om van op maat gemaakte technologie tot standaardproduct te groeien, denk ik dat LLM-producten dat stadium in de komende 24 maanden zullen bereiken. LLM's zijn immers de eerste technologieën in de geschiedenis die niet alleen een meerwaarde bieden aan klanten, maar ook het productie-/ontwerp-/denkproces aanzienlijk versnellen en vereenvoudigen.  Zo heb ik bijvoorbeeld het afgelopen jaar de AI-spraakfunctie van Chat GPT dagelijks gebruikt, soms wel meerdere uren lang. Soms als technisch adviseur als het ging om belangrijke en complexe technische beslissingen, en soms om HR- en communicatiestrategieën te bespreken, etc.  Nu ik het zo vaak heb gebruikt, kan ik duidelijk zien wat ze missen (bijvoorbeeld onthouden waar we het over hebben, zodat ik in de loop van de tijd steeds minder prompts kan geven en gewoon kan praten en sneller betere beslissingen kan nemen). Ik kan ook zien dat AI-voicechatproducten iets zijn dat een miljard gebruikers dagelijks zullen gebruiken. Wat mij niet duidelijk is, is welk bedrijf (of welke bedrijven), via welke specifieke gebruikersinterface en bedrijfsmodel en prijsstelling, die ervaring zullen leveren. Ik kan speculeren (en ik ga persoonlijk binnenkort iets in deze ruimte leveren), maar alleen de tijd zal het leren.   #Mentaal Model 1: AI als hulpmiddel versus AI als productieve deelnemer aan een menselijke ervaring  Omdat ik een power user ben van veel AI-apps (en omdat ik AI heb gestudeerd en mijn carrière ben begonnen in AI-productmanagement), merk ik dat ik de rol en het potentieel van AI-producten in mijn leven anders zie dan veel mensen die pas onlangs zijn begonnen met het adopteren van AI-producten. Op een bepaalde manier denk ik dat ik echt hoge verwachtingen heb van AI (en ik word tegenwoordig zelden teleurgesteld, omdat AI daadwerkelijk aan de meeste van mijn verwachtingen kan voldoen), maar de meeste mensen hebben echt lage verwachtingen van AI en ervaren daarom nooit het niveau van productiviteit/creativiteit dat ze zouden kunnen bereiken.  Dit kan komen doordat ik genoeg tijd heb gehad om van het denken over AI als een tool naar het denken over AI als een gelijkwaardige partner in mijn besluitvorming in bepaalde domeinen te gaan, en zelfs mijn vaardigheden op een manier heb opgebouwd die hiermee rekening houdt. Het doet me dus emotioneel geen pijn om met een AI te praten alsof het   expert is in bepaalde domeinen. de  Over het algemeen denk ik dat de winnende AI-bedrijven en -projecten diegene zullen zijn die het volledige potentieel van AI kunnen zien. Als je ziet dat AI een marginale verbetering is, zul je producten creëren die marginaal nuttig zijn. Het blijkt dat je nooit wint door marginaal beter te zijn, maar door een orde van grootte of meer beter te zijn.  Je ziet deze dualiteit al tussen ingenieurs en ontwerpers. Ik geloof dat er maar één van hen zal winnen:   #2 soorten ingenieurs  De meeste senior engineers die ik ken lijken het gebruik van AI-tools voor codering te vermijden, alsof het hen pijn doet om te erkennen dat het hun werk kan doen. Ze raken bijna beledigd als je ze vraagt of ze AI zouden gebruiken. Wanneer ze uiteindelijk besluiten het te proberen (omdat ze iemand die ze respecteren dat zagen doen), gebruiken ze niet de volledige capaciteit ervan. In plaats daarvan schrijven ze hele korte prompts, reduceren AI tot een code-completer, en concluderen dan "het is gewoon een andere tool".  Ik denk dat dit deels komt doordat ze AI niet als een betere ingenieur kunnen zien dan zijzelf op het gebied van specifieke problemen.  Als ik kijk naar de prompts die door senior engineers zijn geschreven versus junior engineers, zijn de junior engineers consequent betere AI-prompters (en daarom productiever in hun relatie met AI) omdat ze prikkels hebben om AI te gebruiken en daarom veel meer uit AI halen. Prikkels omdat ze de vaardigheden van AI importeren, wat enorm veel tijd en moeite bespaart. In tegenstelling tot senior engineers die jarenlang vaardigheden hebben opgebouwd die ze nu kunnen   .   importeren   #2 soorten ontwerpers  Als ontwerper kunt u AI gebruiken om nieuwe ervaringen te creëren die de interactie van gebruikers met andere gebruikers en/of met informatie radicaal verbeteren.  Interacties tussen gebruikers en gebruikersinformatie zijn de belangrijkste waardegeneratoren in elk technologieproduct. Als u een 10x verbetering aanbrengt in de belangrijkste waardegenererende/vastleggende interactie van een product, heeft u uw bedrijf zojuist een waanzinnig concurrentievoordeel in de markt gegeven.  Onlangs heb ik veel UI-ontwerpers geïnterviewd voor mijn startup. Als onderdeel van het interviewproces probeer ik te zien hoe zij zich AI-gebruik voor een specifiek probleem in een specifiek type product zouden voorstellen, en ik merkte dat er 2 soorten benaderingen zijn:  AI als hulpmiddel: Klik op een knop of pictogram om een lijst te zien met taken die AI voor u kan uitvoeren, zoals 'samenvatten', 'maken __', 'een vraag stellen', enz.  AI als deelnemer aan de ervaring die de gebruiker heeft: stuur AI een bericht zoals je dat met een mens zou doen en krijg waarde. Bijvoorbeeld: "Met wie moet ik praten als ik ___ nodig heb?", "Kun je een introductie maken tussen mij en gebruiker B?", "Wat zijn de alternatieve kosten van beslissing A, gegeven wat gebruiker B de andere dag vertelde?", enz.  Nogmaals, de waarde die tussen deze 2 wordt gegenereerd en vastgelegd, verschilt in ieder geval een orde van grootte. Als u een ontwerper bent (of er een inhuurt), moet u zich ervan bewust zijn of ze standaard in type 1 of type 2 denken.   #Mentaal Model 2: On-Demand vs. Always-On AI   Ik heb deze terminologie geleerd van  , CEO van  tijdens een lezing die hij in 2024 gaf tijdens een evenement in San Francisco.   Rahul Vohra   Bovenmenselijk  On-Demand AI is alles wat reageert op de prompt van de gebruiker. Always-On AI daarentegen draait op de achtergrond en kan de eerste stap zetten in een mens-AI-interactie, en kan een mens-AI-mens of mens-AI-informatie vormen die waarde genereert, zonder dat erom gevraagd wordt.  Ik vind het lastig om te kwantificeren welke van deze de meeste waarde toevoegt aan gebruikers en bedrijven, maar als ik het zou moeten raden, zou ik het laatste voorstellen. Stel je voor dat je in een online groepschat of community zit en een bericht krijgt met de tekst: "Ik heb gemerkt dat fondsenwerving bovenaan je lijstje staat en dit andere lid is op zoek naar bedrijven om in te investeren. Wil je een warme introductie?". Dat kan waarde creëren waarvan jij als gebruiker niet eens wist dat je die kon krijgen in die groep/chat of community, misschien omdat je niet altijd de feed controleert, maar de AI wel.  Op dezelfde manier kun je je voorstellen hoe krachtig Always-On AI kan zijn in verschillende andere contexten. In zekere zin kun je Always-On AI zien als een geluksmaximalisator. Een   die zich bewust is van jouw context, behoeften en wensen, en constant op zoek is naar nieuwe manieren om jouw geluk te maximaliseren; vooral op manieren die je niet kent. Ik denk dat dat een onbegrensde waarde heeft. deelnemer  Als je AI-bedrijven ziet die gebruikmaken van deze succesvolle mentale modellen, stap dan aan boord en ga voor ze werken/investeer in ze. De kans is namelijk groot dat zij de volgende grote technologiemonopolies worden.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

Deze audio wordt geproduceerd in de originele taal van het verhaal!

Deze 2 mentale modellen bepalen of uw AI-startup zal overleven

About Author

OPMERKINGEN

LABELS

DIT ARTIKEL WERD GEPRESENTEERD IN

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps