人工智能公司,很多時(shí)候更像是服務(wù)或咨詢公司,二者都需要根據(jù) 客戶的具體需求,量身定制解決方案,但從投資層面來(lái)看,其實(shí)是有很大差別的。
服務(wù)收入一直是風(fēng)險(xiǎn)投資增長(zhǎng)的對(duì)立面,因?yàn)樗a(chǎn)生的利潤(rùn)率較低,缺乏可重復(fù)性和可擴(kuò)展性。隨著公司服務(wù)業(yè)務(wù)帶來(lái)更多客戶,公司需要相應(yīng)地?cái)U(kuò)大員工人數(shù)進(jìn)行支持,導(dǎo)致持續(xù)較低的利潤(rùn)率。Palantir是一家大數(shù)據(jù)分析獨(dú)角獸,就是一家陷入服務(wù)需求的公司。
與服務(wù)提供商不同,人工智能企業(yè)有可能實(shí)現(xiàn)大規(guī)模的目標(biāo)和更高的投資回報(bào)率。如何判斷一家人工智能公司是否值得投資,以下是一些參考指標(biāo):
人為干涉比例
隨著AI在業(yè)務(wù)中的應(yīng)用,應(yīng)該會(huì)替代很多人工工作,并且只有當(dāng)AI低于預(yù)定的準(zhǔn)確度或置信度閾值時(shí),人工才進(jìn)行干涉。這使得企業(yè)能夠以數(shù)量有限的員工,為越來(lái)越多的客戶提供服務(wù)。
Lilt 為企業(yè)提供機(jī)器翻譯,翻譯AI自動(dòng)將文本從一種語(yǔ)言翻譯成另一種語(yǔ)言,再由翻譯專(zhuān)家更正錯(cuò)誤。隨著翻譯AI的改進(jìn),人工翻譯的更正比例必須持續(xù)減少。更一般地說(shuō), 人為干涉與自動(dòng)化任務(wù)的比率應(yīng)該在下降。
ROI曲線
選擇正確的人工智能應(yīng)用以實(shí)現(xiàn)長(zhǎng)期收益是關(guān)鍵。通常情況下, 改善客戶能力下線的應(yīng)用面臨著有限的改進(jìn)機(jī)會(huì),而改善客戶收入的應(yīng)用對(duì)增長(zhǎng)機(jī)會(huì)沒(méi)有任何限制。
例如,一旦AI將生產(chǎn)線的運(yùn)行效率提高到受原料化學(xué)反應(yīng)所需時(shí)間限制的程度,AI就無(wú)法再為該特定應(yīng)用提供更大的價(jià)值。但是 幫助客戶找到新的收入機(jī)會(huì)則不同,例如 Constructor.io ,它提供基于人工智能的網(wǎng)站搜索服務(wù),并幫助Jet.com等客戶增加購(gòu)物車(chē)購(gòu)買(mǎi)轉(zhuǎn)化,不會(huì)有天花板。
AI公司應(yīng)該密切跟蹤每個(gè)客戶的累計(jì)ROI,以確保曲線隨時(shí)間增加而不是平穩(wěn)或逐漸減少。
升級(jí)成本
部署AI產(chǎn)品是一個(gè)復(fù)雜的過(guò)程,AI需要數(shù)據(jù)進(jìn)行訓(xùn)練,因此AI產(chǎn)品可能比SaaS產(chǎn)品花費(fèi)更多時(shí)間來(lái)提供價(jià)值。
許多行業(yè)最近才開(kāi)始數(shù)字化,有價(jià)值的數(shù)據(jù)可能是難以提取的格式,例如手寫(xiě)筆記,非結(jié)構(gòu)化觀察日志或PDF。為了捕獲這些數(shù)據(jù),在部署AI系統(tǒng)之前,公司可能不得不花費(fèi)大量人力,在低利潤(rùn)的數(shù)據(jù)準(zhǔn)備服務(wù)上。
數(shù)據(jù)結(jié)構(gòu)的方式也可能因客戶而異,要求AI工程師花費(fèi)額外的時(shí)間來(lái)規(guī)范數(shù)據(jù)或?qū)⑵滢D(zhuǎn)換為標(biāo)準(zhǔn)化模式,以便可以應(yīng)用AI模型。
與典型的SaaS產(chǎn)品推出相比,AI產(chǎn)品的升級(jí)成本更高,并且可能會(huì)對(duì)客戶獲取成本(CAC)產(chǎn)生的利潤(rùn)產(chǎn)生同樣大的影響。公司應(yīng)該仔細(xì)跟蹤這些升級(jí)的時(shí)間,以及每個(gè)新客戶的成本。如果存在真正的數(shù)據(jù)網(wǎng)絡(luò)效應(yīng),這些數(shù)字會(huì)隨著時(shí)間的推移而減少。
數(shù)據(jù)護(hù)城河
與競(jìng)爭(zhēng)新功能的SaaS企業(yè)不同,AI初創(chuàng)公司有機(jī)會(huì)建立長(zhǎng)期壁壘。可擴(kuò)展的AI初創(chuàng)公司將開(kāi)啟一個(gè)良性循環(huán),產(chǎn)品表現(xiàn)越好,客戶就越多地貢獻(xiàn)并生成數(shù)據(jù),從而提高產(chǎn)品的性能。這種強(qiáng)化循環(huán)構(gòu)建了復(fù)合壁壘,這在以前是SaaS業(yè)務(wù)中是沒(méi)有的。
僅僅是大量的數(shù)據(jù)太簡(jiǎn)單了,還需要問(wèn)自己關(guān)于數(shù)據(jù)的這些問(wèn)題,以在以下方面判斷數(shù)據(jù)壁壘:
• 可訪問(wèn)性:它是多么容易獲得?
• 時(shí)間:數(shù)據(jù)在模型中積累和使用的速度有多快?
• 成本:獲取和標(biāo)記此數(shù)據(jù)需要多少錢(qián)?
• 唯一性:是否可以為其他人建立模型并獲得相同結(jié)果的類(lèi)似數(shù)據(jù)?
• 維度:數(shù)據(jù)集中描述了多少個(gè)不同的屬性?
• 廣度:屬性值的變化有多大,以至于它們可以解釋邊緣情況和罕見(jiàn)的例外情況?
• 時(shí)效性:數(shù)據(jù)長(zhǎng)期有用嗎?
AI模型在更多數(shù)據(jù)的情況下表現(xiàn)更好,但隨著時(shí)間的推移,性能可能會(huì)趨于穩(wěn)定。公司應(yīng)該注意跟蹤,為客戶實(shí)現(xiàn)增量?jī)r(jià)值所需數(shù)據(jù)的時(shí)間和數(shù)量,以確保數(shù)據(jù)護(hù)城河繼續(xù)增長(zhǎng)。簡(jiǎn)而言之,模仿者需要多少時(shí)間和多少數(shù)據(jù)才能與你的性能水平相匹配?