Многие компании, занимающиеся разработкой программного обеспечения для искусственного интеллекта (ИИ), создаются потому, что в качестве основной интеллектуальной собственности у них есть конкретные многообещающие математические алгоритмы. Их окончательный успех заключается в определении убийственного приложения для этих алгоритмов. Лучшие практики управления продуктами диктуют, что вы должны начать с определения потребности рынка, а затем разработать решение для этой потребности, за которое клиенты будут платить.
Исходя из конкретных алгоритмов и работая над поиском бизнес-проблем, которые они решают, вы приближаетесь к продукту и рынку трудным путем, т. е. обратным путем.
Многие компании, занимающиеся искусственным интеллектом, соответствуют этой модели, и все участники рынка должны знать об этой динамике — будь то позиционирование вашего продукта или принятие решения о покупке.
Так почему это важно?
Закон инструмента гласит, что если у вас в качестве инструмента молоток, то все выглядит как гвоздь. Думайте об алгоритме ИИ как о молотке.
Как поставщик ИИ…
…основанная признанным гением математики, это не проблема для бизнеса. Вы знаете, академически, что есть много приложений для ваших алгоритмов, которые уже были тщательно исследованы, развиты и теоретизированы в многочисленных журнальных статьях. Конечно, если вы достаточно взмахнете этим молотком, в конце концов вы обнаружите кучу вариантов использования, на решение которых компании тратят солидные деньги.
Ваша ключевая задача, похоже, состоит в том, чтобы привлечь достаточное количество потенциальных клиентов, чтобы они попробовали ее и увидели, насколько универсальна ваша математика. Заказы начнут поступать, когда вы найдете правильный набор вариантов использования.
Как потенциальный клиент…
…у вас ограниченные ресурсы и конкретные бизнес-задачи, которые необходимо решить. У вас есть много вопросов, чтобы выяснить, является ли это правильным решением для любой из ваших потребностей.
- Вам нужен молоток?
- Использовался ли молоток для решения той же бизнес-задачи, что и у вас?
- Возможно, молоток поможет вам решить сразу несколько проблем?
- Есть ли менее дорогой и менее рискованный альтернативный способ удовлетворить ваши потребности?
Поставщик ИИ только что собрал огромную сумму денег от венчурных капиталистов. Инвесторы должны знать стоимость предложения, чтобы сделать такие инвестиции, верно? Сидеть в стороне, в то время как лидеры в вашей отрасли, кажется, покупают молотки, пилы и отвертки, не кажется хорошим вариантом.
В век быстро развивающихся технологий искусственного интеллекта бизнес-подразделениям трудно дать ответ на эти фундаментальные вопросы. Многие предприятия создали концепцию инновационной лаборатории, предназначенной для тестирования перспективных технологий при одновременном снижении инвестиционного риска для вашего направления деятельности.
Последствия для ИИ-стартапов
С точки зрения управления продуктом я предпочитаю в первую очередь определять потребности рынка и пользователей. Затем придумать решения для этих потребностей. Это создает наиболее вероятные шансы на успех в создании ценного бизнеса по производству продуктов или услуг. Вы можете полностью сосредоточиться на проблеме и постепенно предоставлять ценные средства для ее решения. Это проверенный более простой путь для создания ценности, который согласуется с большинством бережливых и гибких методологий, которые организации любят использовать сегодня.
Вернувшись в реальный мир, у нас есть открытые математические алгоритмы и компании, верящие, что они могут разработать на их основе коммерчески ценные решения. Венчурные капиталисты соглашаются с этим подходом, ежегодно вкладывая в рынок значительный капитал.
На данный момент у стартапов есть две основные продуктовые стратегии:
Продать алгоритм
Продажа математических алгоритмов как есть нецелесообразна, поскольку они не могут быть запатентованы напрямую и имеют минимальную внутреннюю ценность. Следовательно, необходимо создавать вспомогательные системы и методы, которые могут раскрыть всю мощь алгоритмов. Используйте краудсорсинг специалистов по данным, чтобы решить задачу поиска множества бизнес-потребностей, которые может эффективно решить ваше решение.
Чтобы следовать этому пути, необходимо либо включить вашу технологию в другие сторонние платформы обработки данных, либо создать собственную платформу обработки данных. Платформа для анализа данных необходима для достижения масштаба ваших усилий по краудсорсингу, и работа с уже популярными инструментами сделает это. Риск заключается в конкуренции с тысячами других алгоритмов с открытым исходным кодом и проприетарных алгоритмов на чужой платформе. Это имеет тенденцию превращать вашу воспринимаемую ценность в товар, снижая коммерческий потенциал.
С другой стороны, создание собственной платформы для обработки и анализа данных — это гораздо более крупные инвестиции, которые требуют значительного внедрения. Обычно это решается за счет открытия платформы для дополнительных алгоритмов и инструментов обработки данных в сочетании с моделью упаковки и ценообразования freemium.
Поставщики также будут пытаться создать активное и заинтересованное сообщество пользователей, чтобы социализировать преимущества алгоритмов и платформы. Со временем платформа обработки данных, которая изначально была второстепенной по отношению к вашему бизнесу, может стать основным предложением. Это эффективно снижает риск создания отсталой компании с искусственным интеллектом благодаря платформе обработки данных, которая будет представлять собой решение, разработанное и построенное в первую очередь на основе потребностей клиентов.
Продайте комплексное бизнес-решение с помощью алгоритма
Хотя вы не доказали, что ваш ИИ приносит значительную пользу при решении конкретных бизнес-задач, у вас, вероятно, есть несколько веских гипотез, в которых он подходит. Благодаря исследованиям и анализу вы можете работать над подтверждением потребностей рынка, определением целевой категории рынка и определением функций, которые должны быть доступны для конкуренции.
Это продуктовая стратегия, которая наилучшим образом удовлетворит потребности ваших клиентов, что часто может привести к премиальным ценам по сравнению с подходами платформы. Однако эта стратегия обычно требует наибольших инвестиций для создания минимально жизнеспособного продукта. Основной причиной увеличения инвестиций является необходимость внедрения в решение значительного опыта в предметной области.
Важно отметить, что в этой стратегии вы должны быть готовы инвестировать в разработку помимо ваших первоначальных алгоритмов ИИ, чтобы достичь потенциала соответствия продукта рынку.
Вывод
Некоторые стартапы начинали с определенного передового ИИ, а затем искали рыночные проблемы для решения с его помощью. Хотя это отстало в соответствии с традиционными передовыми методами управления продуктами, это не редкость в мире стартапов ИИ.
Риск для поставщиков в этой ситуации состоит в том, что они могут не знать о влиянии этого на их позиционирование и инвестиции в продукт. Хорошая продуктовая стратегия не возникает сама по себе, поскольку в любой организации слишком много конкурирующих сил. Ключ в том, чтобы начать с признания текущей динамики, а затем планировать с намерением.
На динамичном рынке нет единой правильной стратегии, кроме вариантов, которые следует учитывать. Рассмотрите мудро.
В следующем посте я подробно расскажу о сегментации стартапов в области искусственного интеллекта, что повлияет на варианты вашей продуктовой стратегии, включая позиционирование, ценообразование и инвестиционные приоритеты.
Первоначально опубликовано на http://productstride.com 19 июля 2019 г.
