От доткомов к дот-ИИ: как мы можем извлечь уроки из последней технологической трансформации (и избежать тех же ошибок)

На пике бума доткомов добавление «.com» к названию компании было достаточным, чтобы стоимость ее акций взлетела — даже если у бизнеса не было реальных клиентов, доходов или пути к прибыльности. Сегодня история повторяется. Поменяйте «.com» на «AI», и история покажется пугающе знакомой.

Компании спешат добавить «ИИ» в свои презентации, описания продуктов и доменные имена, надеясь оседлать шумиху. Как сообщает Domain Name Stat , регистрации доменов «.ai» выросли примерно на 77,1% в годовом исчислении в 2024 году, что обусловлено как стартапами, так и действующими лицами, которые спешат ассоциировать себя с искусственным интеллектом — независимо от того, есть ли у них реальное преимущество в виде ИИ или нет.

Конец 1990-х годов прояснил одну вещь: недостаточно использовать прорывные технологии . Компании, пережившие крах доткомов, не гнались за шумихой — они решали реальные проблемы и масштабировались с целью.

ИИ ничем не отличается. Он изменит отрасли, но победителями будут не те, кто шлепнет «ИИ» на посадочную страницу, а те, кто прорвется сквозь шумиху и сосредоточится на том, что важно.

Первые шаги? Начните с малого, найдите свой клин и масштабируйте осознанно.

Одной из самых дорогостоящих ошибок эпохи доткомов стала попытка слишком рано выйти на большой уровень — урок, который сегодня разработчики продуктов на основе ИИ не могут позволить себе игнорировать.

Возьмем, к примеру, eBay. Он начинался как простой сайт онлайн-аукциона для коллекционных предметов — начав с чего-то столь нишевого, как дозаторы Pez. Первые пользователи полюбили его, потому что он решал очень специфическую проблему: он объединял любителей, которые не могли найти друг друга офлайн. Только после доминирования в этой первоначальной вертикали eBay расширился до более широких категорий, таких как электроника, мода и, в конечном итоге, почти все, что можно купить сегодня.

Сравните это с Webvan , еще одним стартапом эпохи доткомов с совершенно иной стратегией. Webvan намеревался произвести революцию в сфере покупок продуктов с помощью онлайн-заказов и быстрой доставки на дом — все это одновременно, в нескольких городах. Компания потратила сотни миллионов долларов на строительство огромных складов и сложных автопарков доставки, прежде чем у нее появился сильный спрос со стороны клиентов. Когда рост не осуществился достаточно быстро, компания рухнула под собственным весом.

Шаблон ясен: начните с острой, конкретной потребности пользователя. Сосредоточьтесь на узком сегменте, в котором вы можете доминировать. Расширяйтесь только тогда, когда у вас есть доказательства сильного спроса.

Для разработчиков продуктов ИИ это означает сопротивление желанию создать «ИИ, который делает все». Возьмем, к примеру, генеративный инструмент ИИ для анализа данных. Вы ориентируетесь на менеджеров по продуктам, дизайнеров или специалистов по данным? Вы создаете для людей, которые не знают SQL, для тех, у кого ограниченный опыт, или для опытных аналитиков?

У каждого из этих пользователей очень разные потребности, рабочие процессы и ожидания. Начиная с узкой, четко определенной группы — например, технических менеджеров проектов (PM) с ограниченным опытом работы с SQL, которым нужны быстрые идеи для принятия решений по продукту — вы можете глубоко понять своего пользователя, настроить опыт и создать что-то действительно незаменимое. Оттуда вы можете намеренно расширяться до смежных персон или возможностей. В гонке за создание долговечных продуктов ИИ-поколения победителями будут не те, кто попытается обслужить всех сразу — это будут те, кто начнет с малого и обслужит кого-то невероятно хорошо.

Начиная с малого, вы сможете найти соответствие продукта рынку. Но как только вы наберете обороты, вашим следующим приоритетом станет создание защищенности — а в мире искусственного интеллекта это означает владение своими данными.

Компании, пережившие бум доткомов, не просто захватили пользователей — они захватили собственные данные. Например, Amazon не остановился на продаже книг. Они отслеживали покупки и просмотры продуктов, чтобы улучшить рекомендации, а затем использовали региональные данные о заказах для оптимизации выполнения. Анализируя модели покупок по городам и почтовым индексам, они прогнозировали спрос, более разумно заполняли склады и оптимизировали маршруты доставки — заложив основу для двухдневной доставки Prime, ключевого преимущества, с которым конкуренты не могли сравниться. Ничего из этого не было бы возможно без стратегии данных, встроенной в продукт с первого дня.

Google пошел по похожему пути. Каждый запрос, клик и исправление стали обучающими данными для улучшения результатов поиска — а позже и рекламы. Они не просто создали поисковую систему; они создали цикл обратной связи в реальном времени, который постоянно учился у пользователей, создавая ров, который усложнял задачу по улучшению их результатов и таргетинга.

Урок для создателей продуктов поколения ИИ очевиден: долгосрочное преимущество не будет получено просто от доступа к мощной модели — оно будет получено от создания собственных циклов обработки данных, которые будут улучшать их продукт с течением времени.

Сегодня любой, у кого достаточно ресурсов, может настроить большую языковую модель с открытым исходным кодом (LLM) или заплатить за доступ к API. Гораздо сложнее — и гораздо ценнее — собирать высокосигнальные данные о реальном взаимодействии пользователей, которые накапливаются с течением времени.

Если вы создаете продукт поколения ИИ, вам необходимо задать важные вопросы как можно раньше:

• Какие уникальные данные мы будем собирать при взаимодействии пользователей с нами?
• Как можно разработать циклы обратной связи, которые будут постоянно совершенствовать продукт?
• Существуют ли данные, специфичные для определенной области, которые мы можем собрать (этично и безопасно), но которых нет у конкурентов?

Возьмем, к примеру, Duolingo. С GPT-4 они вышли за рамки базовой персонализации . Такие функции, как «Объясните мой ответ» и ролевая игра с использованием искусственного интеллекта, создают более насыщенные взаимодействия с пользователем — фиксируя не только ответы, но и то, как учащиеся думают и общаются. Duolingo объединяет эти данные со своим собственным искусственным интеллектом, чтобы усовершенствовать опыт, создавая преимущество, с которым конкуренты не могут легко сравниться.

В эпоху искусственного интеллекта данные должны стать вашим преимуществом. Компании, которые разрабатывают свои продукты для сбора и обучения на основе собственных данных, выживут и станут лидерами.

Эпоха доткомов показала нам, что шумиха быстро проходит, но основы остаются. Бум поколения ИИ ничем не отличается. Компании, которые преуспеют, не будут гнаться за заголовками — они будут решать реальные проблемы, масштабироваться с помощью дисциплины и строить настоящие рвы.

Будущее ИИ будет принадлежать разработчикам, которые понимают, что это марафон, и у которых хватит смелости его пробежать.

Кайлян Фу — менеджер по продукту ИИ в Uber.