Специальная статья адвоката Линь Шанлуня: Станут ли специалисты, разбирающиеся в ИИ, победителями в эпоху ИИ?

За последние пару лет отраслевой ИИ стал почти обязательной темой: от права, строительства, медицины до финансов — везде кто-то этим занимается, но продуктов, за которые клиенты действительно готовы платить и которые продаются, на самом деле не так много. Адвокат Линь Шанлунь, начиная с отказа от правила Парето, ловушки «болевых точек», разницы между «генерацией» и «упорядочиванием», вопроса, кто взаимодействует с клиентами, и заканчивая формированием команды, разбирает ключевые причины, по которым большинство отраслевых ИИ-проектов не заходят далеко, а лишь немногие команды действительно побеждают.

(Предыстория: Специальная статья адвоката Линь Шанлуня: «Увеличение и ускорение: реальные возможности ИИ, упущенные 99% юристов») (Дополнительный контекст: Microsoft инвестирует 2,5 миллиарда долларов в создание «Frontier Company», направляя 6000 инженеров в офисы клиентов для реального внедрения ИИ)

Содержание данной статьи

Toggle

• I. Правило Парето, возможно, больше не так применимо
• II. Не позволяйте одной болевой точке связать вас по рукам и ногам
• III. Ключ в «генерации», а не в «упорядочивании»
• IV. Тот, кто общается с клиентом, не может быть дилетантом
• V. Реальный решающий фактор — это на самом деле «команда»

Краткое содержание

• У большинства отраслевых ИИ-команд технология выглядит достойно, но в итоге они останавливаются у порога рынка. Ключ не в технологии, а в том, удалось ли реализовать «генерацию», а не «упорядочивание».
• В эпоху ИИ правило Парето может перестать работать: предельные издержки на полный набор функций резко снижаются, и делать только 20% — значит тормозить себя.
• Настоящий ров возвращается к «людям»: техническое ядро, разбирающееся в ИИ, весомый отраслевой эксперт и специалист по продажам, знакомый с болевыми точками на передовой, — эти три роли незаменимы.

Теги: Линь Шанлунь, отраслевой ИИ, генеративный ИИ, правило Парето, ров

За последние пару лет отраслевой ИИ стал почти обязательной темой. От права, строительства, медицины до финансов — в каждой области кто-то занимается ИИ. Но если спокойно понаблюдать,就会发现: тех, за кого клиенты действительно готовы платить, кто успешно вышел на рынок и продается, на самом деле немного.

У большинства команд технология выглядит достойно, но в итоге они останавливаются у порога рынка. Я хочу обсудить, что именно пошло не так. Следующие несколько концепций, возможно, объяснят, почему большинство отраслевых ИИ-проектов не заходят далеко, а лишь немногие команды действительно побеждают.

I. Правило Парето, возможно, больше не так применимо

Начнем с самого основного понятия: в эпоху ИИ правило Парето, возможно, уже не так применимо.

Правило Парето долгое время было догмой в инженерной сфере: 20% усилий решают 80% проблем. Его исходная логика такова: когда вы пишете программное обеспечение, вы сначала находите самую большую болевую точку, с помощью самых быстрых инженерных сил делаете эти 20% хорошо, удовлетворяя 80% потребностей, а остальное, что слишком хлопотно, откладываете.

В прошлом это было разумно. Потому что для разработки функции нужно пройти через «придумывание, разработку, проверку, итерацию», и каждый шаг стоит дорого, поэтому вы, естественно, делаете только самые ключевые 20%.

Но сегодня эта предпосылка уже пошатнулась по двум причинам.

Во-первых, ИИ сделал «создание программного обеспечения» слишком легким. Раньше для оценки осуществимости освоения земельного участка требовалась команда из трех человек, нужно было учитывать законы, рассчитывать объем, интегрировать чертежи — это было затратно по времени и деньгам. Теперь, используя ИИ, один человек может выполнить работу трех, а стоимость значительно снизилась. Поскольку стоимость полного набора функций уже сильно снижена, цепляться за правило Парето и делать только 20% — значит тормозить себя.

Во-вторых, это то, что часто упускают из виду: правило Парето часто неправильно применяют. Вы думаете, что уловили 80% потребностей, и это действительно те функции, которыми будут пользоваться все, но «иметь эту потребность» не равно «есть болевая точка». Ключевой момент, ради которого человек готов платить и позволить ИИ заменить его, вполне может не находиться в тех 80%, которые вы уловили. В результате получается куча вещей, которые «нужны, но не вызывают боли».

Поэтому в эпоху ИИ, возможно, стоит действовать наоборот: использовать то, что «инженерия может быстро создать готовый продукт», и по возможности делать потребности полным набором. Когда стоимость полного набора уже низкая, нет особых причин делать только часть.

II. Не позволяйте одной болевой точке связать вас по рукам и ногам

Выше я сказал, что нужно делать полный набор. Здесь нужно добавить, казалось бы, противоречивую, но на самом деле взаимодополняющую концепцию.

При входе на рынок действительно нужно выбрать «самую острую болевую точку» — это верно, болевая точка — самый острый нож. Но слишком много продуктов, войдя в эту точку, на этом и останавливаются.

Например, если вы создали систему «анализа осуществимости освоения земельного участка», это действительно самая острая болевая точка застройщика, и прибыль максимальна. Но если остановиться только на этом, вы ограничиваете себя лишь маленькой частью строительного бизнеса. На самом деле цепочка создания ценности архитектора очень длинная: предварительное освоение земли, реконструкция на среднем этапе, надзор за строительством на позднем этапе — даже ежедневные отчеты по надзору и отчеты о ходе работ могут быть взяты на себя ИИ. И ключ в том, что как только базовый движок создан, предельные издержки на добавление этих функций поразительно низки.

То же самое с правом. Хороший юридический ИИ не будет делать только «составление процессуальных документов», потому что это самая острая болевая точка, он будет также охватывать контракты, проверку соответствия текстов, отчеты по судебным заседаниям, заявки на ИС и т.д.

Другими словами: используйте самую острую болевую точку как точку входа, но не останавливайтесь на входе. Захватите всю цепочку создания ценности, иначе вы сами заколотите себе потолок.

III. Ключ в «генерации», а не в «упорядочивании»

Это самый главный пункт.

Многие отраслевые ИИ-продукты по своей сути — всего лишь инструменты для упорядочивания данных: сканируют документы, переставляют чертежи, по сути, используют шаблоны. А такую работу могут делать даже самые базовые модели, даже государственные органы этим занимаются, и это не создает никакого рва.

Много таких инструментов на рынке на самом деле подключены к слабым локальным моделям, которые специализируются на упорядочивании текста и распознавании изображений, и даже не доходят до ядра «генерации». Создаваемые отчеты — это просто вставка данных в фиксированные шаблоны.

Настоящая ценность — использовать сильнейшее понимание языка для глубокого суждения и генерации.

Отчет об осуществимости освоения земельного участка не должен просто аккуратно расположить кадастровую карту и геодезические чертежи. Он должен одновременно понимать три свода законов: строительный, пожарный и о реконструкции, интегрировать текст, законы и чертежи в нечто такое, что архитектор скажет: «98% верно, мне нужно только немного подкорректировать».

Такой результат никогда не получится с помощью шаблонов, это под силу только настоящему генеративному ядру. Это и есть главное различие между потребительскими моделями и профессиональным ИИ: один упорядочивает данные, другой генерирует результат для профессионалов.

IV. Тот, кто общается с клиентом, не может быть дилетантом

Далее — момент, который многие технические команды часто упускают, но он весьма критичен: кто общается с клиентом.

Чтобы продать ИИ клиентам из профессиональных услуг, нужно сначала признать одну вещь: они самая требовательная группа людей — юристы, архитекторы, врачи, владельцы бизнеса. Если пошлёте инженера обсуждать с ними «векторную базу данных», эффект часто ограничен: собеседник быстро поймет, что вы не знакомы с этой сферой.

Тот, кто должен стоять перед клиентом, — это профессионал в данной области, разбирающийся в ИИ. Он может обсудить с клиентом, как оптимизировать каждый процесс в проекте, может обрабатывать детали дела и даже на месте продемонстрировать, как взять на себя часть работы.

Пример: архитектор, разбирающийся в ИИ, приходит к застройщику и разбирает каждый процесс разработки более детально, чем сам клиент, а затем на месте доказывает: «Все это умеет делать мой ИИ-продукт». Это и есть настоящий решающий момент.

V. Реальный решающий фактор — это на самом деле «команда»

В конце концов, нужно признать одну вещь: технологию слишком легко скопировать.

То, что вы сделали, другие могут сделать через пару недель. Поэтому ров возвращается к «людям».

Отраслевые ИИ-команды чаще всего погибают в трех ситуациях:

Первая: лидер недостаточно квалифицирован. Если у лидера нет настоящего веса в отрасли, нет лицензии, нет практического опыта, он просто номинальный, то при первом же сложном вопросе от клиента будет сбит с толку. Речь, профессионализм, представительность — все это оценивается клиентом. Ведь такие продукты приходится продавать группе проницательных профессионалов.

Вторая: вошел не ключевой человек. Для проникновения на рынок строительства наняли менеджера по продажам земельных участков, а не лицензированного, с репутацией архитектора. Клиент сразу поймет, что команде не хватает настоящего профессионализма.

Третья: чрезмерная зависимость от инженерии. Команда полностью состоит из технических специалистов, создает сильный продукт, но не может его продать, потому что никто не может «перевести» ценность продукта для клиента.

И есть еще более глубокая проблема: даже если команда действительно находит квалифицированного эксперта, он может не захотеть вкладываться.

Сильный архитектор, хороший юрист — их основная работа и так достаточно занята и прибыльна. Заставить их тратить время на изучение ИИ, векторных баз данных и даже на уровень, позволяющий убеждать клиентов, очень сложно. Даже если дадут акции, реальная степень сотрудничества часто ограничена.

Поэтому идеальный состав — три роли, которые незаменимы:

• Техническое ядро, разбирающееся в ИИ
• Весомый отраслевой эксперт
• Специалист по продажам, знакомый с болевыми точками на передовой

И эти три человека должны вместе выйти к клиенту и сказать самую весомую фразу:

Даже наша профессия уже заменена ИИ, который мы создали своими руками.

Часто задаваемые вопросы

Почему большинство отраслевых ИИ-продуктов не продаются?

Большинство продуктов ограничиваются упорядочиванием данных и использованием шаблонов, не доходят до ядра глубокого суждения и генерации. Их можно сделать на самых базовых моделях, они не создают ров, и часто путают «наличие потребности» с «наличием болевой точки», создавая кучу вещей, которые нужны, но не вызывают боли.

Какие роли нужны в отраслевой ИИ-команде?

Три роли незаменимы: техническое ядро, разбирающееся в ИИ; отраслевой эксперт с весом в индустрии; специалист по продажам, знакомый с болевыми точками на передовой. И они должны вместе стоять перед самыми требовательными профессиональными клиентами и четко объяснять ценность продукта.