Машинное обучение выглядит круто. Почти каждую неделю мы слышим от команды блестящих основателей стартапов, которые говорят: «Мы создаем платформу машинного обучения, чтобы преобразовать рынок XYZ». В июле 2015 года наши друзья из Harvard Business Review дали нам отличное прочтение постдокторским научным сотрудником Майком Йомансом «Что должен знать каждый менеджер о машинном обучении».

Основатель Constellation Research и автор Рэй Ванг говорит, что машинное обучение и искусственный интеллект помогают упорядочить информацию, чтобы мы могли получать нужную информацию в нужное время в нужном режиме… когда она вам нужна. И информационная неделя только что объявила: ИИ, машинное обучение растет на предприятии.

Часто появление новой технологии обещает создание большого нового растущего рынка с огромным потенциалом категории. Как только этот огонь разгорается, как будто кто-то встает посреди Силиконовой долины с дудочным рожком и кричит:

"Все в бассейн!"

Появляются стартапы, венчурные капиталисты взламывают свои сундуки, а крупные существующие игроки перепозиционируют свои продукты, борясь за создание или покупку новых технологий, и все это в попытке реализовать потенциал новой категории.

Сегодня самой мощной преобразующей силой в бизнесе является категория. Другими словами, категория — это «бассейн», в который предприниматели и венчурные капиталисты пускают пушечное ядро! Как известно, не бывает горячей компании в холодном пространстве. Новые категории — это то место, где люди ищут новые возможности для роста. В результате весь мир технологий всегда охотится за новыми категориями. Основываясь на исследованиях в области науки о данных, мы обнаружили связь между эволюцией категории и созданием стоимости технологической компании.

В выпуске Harvard Business Review за январь-февраль была опубликована история, основанная на нашем исследовании того, как технологические стартапы создают непреходящую ценность. В статье рассказывается об открытии наилучшего места IPO, которое определяет, где создается ценность для технологических IPO. В частности, мы обнаружили, что компании, ставшие публичными в возрасте от 6,5 до 10,5 лет, создают большую часть стоимости после IPO.

Мы также знаем, что новые категории проходят три основных этапа: определение, развитие и доминирование. На самой ранней стадии категории количество компаний в пространстве резко возрастает. Это этап, когда новая категория впервые разрабатывается, и группа участников пытается использовать новые технологии для решения новых или существующих проблем инновационными способами.

В средней фазе количество компаний консолидируется, поскольку появляется король категории, а конкуренты исчезают, в то время как король категории поглощает 76% всей экономики. На последнем этапе количество компаний уменьшается, поскольку король доминирует и правит рынком.

Когда вы связываете точки между эволюцией новых категорий и золотым пятном IPO, кажется, что лучшее время для компании, пытающейся разработать и доминировать в новом пространстве, чтобы выйти на биржу, и момент взрыва категории — это момент. то же — в стадии разработки. А в пост-интернет-эру это постоянно происходит через шесть-десять лет после основания первых компаний в этой категории.

Так что же все это значит для бурлящего пространства машинного обучения? Если предположить, что среднестатистическому стартапу в области машинного обучения от года до двух, то через пять-семь лет мы увидим, как компании, занимающиеся машинным обучением, выходят на биржу в попытке создать непреходящую ценность.

Теперь все эти прогнозы основаны на огромном предположении, что машинное обучение будет влиять на новые категории рынка. Если эксперты правы, эта новая технология откроет двери для новых рыночных возможностей. Мы не занимаемся прогнозированием, поэтому оставим это на усмотрение гуру. Похоже, что многие предприниматели, венчурные капиталисты и крупные технологические игроки сейчас делают ставки.

Что мы действительно знаем, основываясь на науке о данных, так это то, что в этом столетии компании, которые создают наибольшую стоимость после IPO, делают это в течение 6,5–10,5 лет. Это говорит нам о том, что через пять-семь лет мы все узнаем, принесут ли плоды посеянные сегодня семена машинного обучения.

Если вам нравится то, что вы только что прочитали, порекомендуйте это.

С наилучшими пожеланиями и играйте по-крупному

Кристофер

######