自驱动之路
自动驾驶汽车系统可以分为 5 个等级,从零(无自动化)到五(完全自动驾驶)。例如,特斯拉的 Autopilot 要求驾驶员至少有一只手放在方向盘,这属于第 2 级。按照这种分级制度,今天的企业软件将排在零到一之间——我们姑且称之为动力转向阶段。目前大多数 B2B 软件都是基于工作流程的,也就是说,这些软件主要用于组织和推进常规任务。例如,云计算公司 Salesforce 主要提供工作流驱动的软件解决方案。为了获得报酬,使用 Salesforce 的企业销售代表必须手动输入他们的活动,让主管可以监控他们的工作并更有效地管理销售渠道。
这种类型的商业软件已经释放出了巨大的生产力,而今天大多数价值数十亿美元的 B2B 软件公司提供的都是某种形式的工作流解决方案。我认为,在接下来的十年中,当 AI 驱动的业务应用程序达到 4/5 等级的自治时,现在这些令人印象深刻的结果反而会相形见绌。而随着技术取代人类,我们对工作的思考方式将从机器协助人类转向人类辅助机器。
让我们想象一个由 AI 驱动的 Salesforce。销售活动将被自动输入,而且这个系统优先关注具有高度接触可能性的潜在客户,甚至通过最合适的渠道(聊天、电子邮件等)联系他们。然后,Salesforce.ai 会与这些潜在客户开始互动,只有当机器不确定该做些什么或者是时候带潜在客户共进晚餐时才需要让人工介入。
如果 Salesforce 的软件能够在没有人工介入的情况下找到、确定优先级、联系潜在客户,并预测哪些潜在客户最有可能接近,那么它对用户的作用将会增加几个数量级。因此,Salesforce 将业务模式从当前基于订阅的收费转为按一定百分比收费,这样可能更有利可图。这将改变游戏规则,所以很难想象非自驱动公司如何与自驱动的 Salesforce 或 NetSuite 或 SAP 展开竞争。
数据驱动
我们现在都淹没在数据的大潮中。对我来说,数据这是我那两只宠物猫的成千上万张自拍照,或者用我的智能安全摄像机拍摄的数百小时的无聊录像。但对企业而言,更重要的是有意义的独家数据。一家公司是否能够实现到自主企业的跨越,取决于一个不可或缺的因素:获取高质量的专有数据。
专有数据集是指能够满足以下三个标准之一的数据集:
唯一性。人口种群数据就是一种具有唯一性的数据集,例如异常同质国家的基因组数据集。但真正具有唯一性的数据集越来越少见。
规模。LinkedIn 拥有世界上最多的简历数据集之一。但每个个人资料都如此独特吗?不一定,但从整体来看,它们的规模是独有的。更重要的是,随着每天新用户的加入以及个人资料的更新,LinkedIn 通过一种有机的方式来更新和增长这项资产。
权重。Facebook 有用户个人资料,而且每一个用户资料都很有趣,但更有趣的是关系的权重——这个社交网络中人与人之间的联系有多重要。强关系具有更大的权重,关系较弱的则权重较小。数据网络关系的权重非常重要,因为它有助于更准确地训练 AI 算法,从而实现更好的预测。
加快速度
对于 Facebook、LinkedIn 或 Salesforce 来说一切都还不错。但是,未来的机器人霸主仅仅是现有企业霸主的软件升级吗?那些不是科技巨头的公司如何参与竞争?在作为投资者的日常工作中,我接触过数百家企业软件公司,并与其他几家公司紧密合作,对于 AI 创业公司,我有三条建议:
Day One 规则。B2B 创始人都明白,开发 AI 业务应用程序的最大障碍之一是如何获取专有数据集。一些 AI 初创公司希望在初始阶段进行数据收集,或者计划与愿意分享数据的客户进行试点,但在完成六个月到一年的 AI 训练之前,不会收到任何回报。
换句话说,他们专注于积累数据资产,或将自己标榜为“AI 公司”,以至于他们忽视了这样的一个事实,即要建立一个数据优先的业务,必须先建立业务!与其他创业公司一样,AI 创业公司必须提供能够引人注目的产品,并在 Day One 为第一位客户带来显著的价值增值。
金帐汗国。你的每个企业客户都会为你提供数据。随着这些数据的加入,你的专有数据集应该会越变越大,因为它们有助于进一步训练你的 AI 模型。
以 Mya Systems 为例,它是一家由 AI 驱动的招聘公司,我是它的投资人之一。Mya 的初始客户是一家工业制造领域的企业,主要讲英语。为了这个客户,Mya 的 AI 必须被教授基本的制造业行话。后来的客户讲法语,所以 Mya 的 AI 必须学会法语。但它不需要重新学习制造业行话。而现在,Mya 的双语会话 AI 可以用英语和法语与所有现有和未来的客户沟通——至少是在工业制造方面。
网络效应的好处是可以通过一个客户的信息和经验为所有客户提供更好的解决方案。
良性循环。理想情况下,B2B AI 初创公司还会构建可以让客户为他们工作的解决方案。也就是说,通过良好的产品设计,让客户做出持续的反馈,以进一步提升你的 AI 算法。
例如,另一家人工智能招聘创业公司 Teamable 使用机器学习和社交网络来驱动工作推荐。它已经在与 Lyft 和 Spotify 等公司合作。Teamable 向这些公司的员工 X 展示了一份工作,并问她是否认为这个角色适合她的朋友。当员工 X 表示是或否时,她实际上已经是在帮助 Teamable 构建具有专有权重的数据集,而这些数据集被用于训练算法。随着人工智能不断学习,Teamable 的模型将成为一个更好的预测引擎,可以更好地预测候选人将匹配哪些工作。随着时间的推移,随着软件越来越自主,业务将变得越来越自我调节和自我延续。最终,这家公司将进入自驱动状态。
但我们还没有达到那一步,我们目前只处在动力转向阶段。我们仍然需要天才设计师和速度与激情式的驾驶员——即企业家——帮助我们超越终点线。但他们手里握有地图,他们有燃料来源和未来企业的关键——自驱动的企业。而剩下要做的,就是启动引擎。
查看英文原文:https://venturebeat.com/2018/12/01/the-dawn-of-self-driving-companies/
评论