Vēl nesen digitāla projekta izveide prasīja ievērojamu komandu, budžetu un laiku. Vajadzēja dizaineru, programmētājus, satura autoru, analītiķi un reizēm vairākus mēnešus tikai līdz pirmajai lietojamajai versijai.
Mākslīgais intelekts šo slieksni strauji samazina.
Viens cilvēks tagad var dažu dienu laikā izveidot landing page, uzrakstīt pirmos tekstus, sagatavot vizuālos materiālus, analizēt konkurentus, uzprogrammēt prototipu un palaist reklāmas testu. Neliela komanda var uzbūvēt sistēmu, kurai agrāk būtu vajadzīgs vesels departaments.
Tā ir milzīga iespēja.
Taču AI ir pieejams ne tikai tev. Tas pats spēks vienlaikus samazina slieksni tūkstošiem citu projektu. Projektu kļūst vairāk, funkcijas tiek nokopētas ātrāk, saturs piepilda katru kanālu, un lietotāja uzmanība kļūst vēl vērtīgāka.
AI laikmetā problēma arvien retāk ir tikai “vai mēs to varam uzbūvēt?”.
Svarīgākie jautājumi kļūst:
- Ko vispār ir vērts būvēt?
- Kāpēc cilvēks izvēlēsies tieši šo projektu?
- Kā viņš par to uzzinās?
- Kas projektam pieder tāds, ko nevar viegli nokopēt ar to pašu AI?
- Vai klientam mūsu projekts vispār būs vajadzīgs, ja viņš varēs savu problēmu atrisināt sarunā ar universālu AI?
AI būtiski paātrina projekta pirmo versiju
AI var palīdzēt gandrīz visos agrīna projekta posmos:
- strukturēt ideju;
- analizēt tirgu un konkurentus;
- sagatavot lietotāju interviju jautājumus;
- izveidot nosaukumu un pirmos tekstus;
- uzzīmēt interfeisa variantus;
- ģenerēt un labot kodu;
- izveidot datubāzes struktūru;
- rakstīt testus un dokumentāciju;
- sagatavot attēlus un video;
- tulkot projektu;
- analizēt lietotāju atsauksmes;
- automatizēt atbalstu un administratīvus procesus.
Tas nozīmē, ka ideju iespējams pārbaudīt daudz lētāk.
Piemēram, pirms dažiem gadiem jaunas rezervāciju platformas idejas pārbaudei uzņēmējs varēja pasūtīt dizainu un izstrādi par vairākiem tūkstošiem eiro. Tagad viņš pats var izveidot landing page, pieteikuma formu un daļēji manuālu rezervācijas procesu. Pirmie klienti redz strādājošu pakalpojumu, bet sarežģītā automatizācija tiek būvēta tikai tad, kad pieprasījums jau ir pierādīts.
AI lielākais ieguvums nav tikai zemāka izstrādes cena. Tā ir iespēja veikt vairāk kvalitatīvu eksperimentu par to pašu budžetu.
Vienkāršu landing page tagad tiešām var izveidot pats
Nelielai idejas pārbaudei bieži vairs nav nepieciešams izstrādes uzņēmums.
Ar AI un gataviem vietņu veidotājiem iespējams pašam sagatavot:
- vienas lapas piedāvājumu;
- gaidītāju sarakstu;
- pieteikuma formu;
- cenu testu;
- vienkāršu kalkulatoru;
- prototipa demonstrāciju;
- reklāmas materiālus;
- e-pastu pēc pieteikuma.
Tas ir labi. Nav jātērē liels budžets, lai noskaidrotu, ka cilvēkiem ideja nav aktuāla.
Taču viegli izveidojama lapa nenozīmē automātiski labu lapu. AI nezina tavu tirgu tik labi kā cilvēks, kurš ar klientiem ir runājis gadiem. Tas var radīt tehniski korektu, bet pilnīgi savstarpēji aizvietojamu tekstu: “Inovatīvs risinājums, kas palīdz ietaupīt laiku un sasniegt vairāk.”
Atšķirība rodas nevis no tā, kurš ātrāk ģenerē lapu, bet kurš precīzāk saprot klienta problēmu, izvēlas ticamu solījumu un atved pareizo auditoriju.
AI nepadara visu programmatūras izstrādi par “dažiem teikumiem”
Demonstrācijās AI var izveidot pārsteidzošu aplikāciju no īsa apraksta. Tas rada iespaidu, ka liela projekta izstrāde tagad ir tikai pareizas komandas uzrakstīšana.
Vienkāršiem prototipiem tas dažreiz ir tuvu patiesībai. Lielai, ilgstoši uzturamai sistēmai - nē.
Reālam projektam jāatrisina arī:
- neskaidras un pretrunīgas biznesa prasības;
- lietotāju tiesības un piekļuves;
- datu migrācija;
- maksājumi, nodokļi un atmaksas;
- drošība un privātums;
- kļūdu scenāriji;
- veiktspēja un slodze;
- ārējo sistēmu integrācijas;
- monitorings un rezerves kopijas;
- testēšana;
- turpmākas izmaiņas;
- dokumentācija;
- atbildība par rezultātu.
AI var uzrakstīt daudz koda, bet kādam joprojām jāizlemj, kādu sistēmu būvēt, jāpārbauda rezultāts un jāuzņemas atbildība, kad kaut kas nestrādā.
Jo lielāks projekts, jo lielāka nozīme ir kontekstam. Viena funkcija var būt pareiza atsevišķi, bet salauzt citus procesus. Šo atkarību izpratne, prioritāšu izvēle un kompromisi ir inženierijas darbs, nevis tikai koda ģenerēšana.
Arī pētījumu rezultāti nav vienādi optimistiski visās situācijās. METR randomizētā pētījumā pieredzējuši atvērtā pirmkoda izstrādātāji, strādājot sev labi zināmās un sarežģītās koda bāzēs, ar 2025. gada sākuma AI rīkiem uzdevumus izpildīja vidēji par 19% lēnāk, kaut gan paši uzskatīja, ka AI viņus paātrina. Tas nav pierādījums, ka AI programmēšanā nepalīdz. Tas parāda, ka ieguvums ļoti atkarīgs no uzdevuma, koda bāzes, cilvēka prasmes un pārbaudes izmaksām.
Labākais modelis lieliem projektiem nav “AI cilvēka vietā”. Tas ir kompetents cilvēks, kurš ar AI spēj izdarīt vairāk, ātrāk pārbaudīt idejas un automatizēt rutīnu - nezaudējot izpratni par visu sistēmu.
Konkurence kļūst lielāka, jo būvēt var gandrīz visi
Kad projekta izveides izmaksas krītas, tirgū parādās vairāk projektu.
Agrāk ideja varēja apstāties pie 50 000 € izstrādes tāmes. Tagad dibinātājs pats uzbūvē pirmo versiju nedēļas nogalē. Arī konkurents to var izdarīt.
Sekas:
- vairāk startupu vienā kategorijā;
- ātrāka funkciju kopēšana;
- īsāks laiks, kurā tehniska priekšrocība paliek unikāla;
- vairāk reklāmu;
- vairāk SEO rakstu;
- vairāk auksto e-pastu;
- vairāk līdzīgu AI projektu;
- mazāka lietotāju pacietība izmēģināt katru jauno rīku.
Programmatūras daudzums aug daudz ātrāk nekā cilvēku uzmanība vai budžets.
Tāpēc “mēs varam to uztaisīt” vairs nav spēcīgs biznesa arguments. Jāspēj paskaidrot, kāpēc cilvēki projektu atradīs, tam uzticēsies un turpinās lietot pēc tam, kad parādīsies desmit līdzīgas alternatīvas.
Ideja kļūst vērtīgāka - bet ne viena pati
Ilgu laiku startup vidē tika atkārtots, ka ideja neko nemaksā un visu nosaka izpilde. AI šo attiecību nedaudz maina.
Ja izpildes tehniskais slieksnis samazinās, vērtīgāka kļūst spēja:
- pamanīt problēmu, kuru citi nav labi formulējuši;
- atrast negaidītu klientu grupu;
- apvienot tehnoloģijas jaunā veidā;
- izveidot labāku biznesa modeli;
- saprast īsto brīdi;
- uzbūvēt izplatīšanas mehānismu;
- radīt pieredzi, ko cilvēks patiešām vēlas.
Taču ideja joprojām nav tikai teikums. “AI skolotājs”, “AI juridiskais asistents” vai “AI mārketinga rīks” nav aizsargājama ideja. Vērtīga ir konkrēta izpratne par problēmu, auditoriju, procesu un veidu, kā risinājums kļūst labāks lietošanas laikā.
AI samazina izpildes cenu, bet neiznīcina nepieciešamību pēc izpildes.
Uzbūvēt ir lētāk, pārdot - bieži grūtāk
AI palīdz ģenerēt reklāmas, e-pastus, sociālo tīklu ierakstus, video un SEO saturu. Tas ļauj mazam uzņēmumam radīt daudz vairāk.
Taču to pašu dara visi pārējie.
Rezultāts ir satura inflācija:
- cilvēks saņem vairāk auksto ziņu;
- sociālo tīklu plūsmā ir vairāk līdzīgu ierakstu;
- meklētājos sacenšas vairāk lapu;
- reklāmas platformās aug konkurence par vienu auditoriju;
- uzņēmumu balsis sāk izklausīties vienādi.
Ja visi spēj mērogot satura ražošanu, apjoms pats par sevi vairs nav priekšrocība.
Priekšrocību var dot:
- oriģināli dati;
- reāla pieredze;
- ass un atpazīstams viedoklis;
- konkrēti piemēri;
- personiska reputācija;
- auditorija, kas jau uzticas;
- noderīgs bezmaksas rīks;
- saturs, ko nevar izveidot, tikai pārstāstot citus.
AI var palīdzēt vienam cilvēkam publicēt simts rakstu. Taču simts viduvēju rakstu var nedot tik daudz kā viens patiešām oriģināls pētījums, rīks vai gadījuma analīze.
Google SEO nepazūd, bet klikšķis vairs nav garantēts
Teikt, ka SEO vairs nestrādā, būtu pārāk vienkārši.
Google pats norāda, ka klasiskās SEO pamatlietas joprojām ir svarīgas arī AI Overviews un AI Mode: tehniski pieejama vietne, skaidra struktūra, kvalitatīvs un unikāls saturs. Nav nepieciešami maģiski “AI SEO” faili vai triki.
Tomēr cilvēka ceļš mainās. Agrāk viņš biežāk atvēra vairākus meklēšanas rezultātus. Tagad atbildi var saņemt pašā meklētājā vai sarunā ar AI. Avots var tikt citēts, bet klikšķis uz vietni nav tik drošs.
Tas īpaši apdraud saturu, kura visa vērtība bija vienkārša atbilde uz vispārīgu jautājumu.
Piemēram, lapai “Kā pārvērst centimetrus collās?” ir grūtāk konkurēt ar tūlītēju AI atbildi. Savukārt unikāls kalkulators, aktuāli vietējie dati, padziļināta pieredze vai projekts, ar kuru jāveic darbība, joprojām var būt vērtīgs galamērķis.
SEO nākotnē vairāk nozīmē:
- kļūt par uzticamu avotu;
- radīt informāciju, ko ir vērts citēt;
- veidot zīmola pieprasījumu;
- piedāvāt rīku vai rezultātu, ko AI atbilde viena pati nevar piegādāt;
- būt atrodamam gan klasiskajā meklēšanā, gan AI atbildēs;
- iegūt lietotāja tiešo kontaktu, piemēram, e-pastu vai kontu.
Cilvēki arvien vairāk internetā ies caur AI
Ilgtermiņa risks daudziem digitāliem projektiem nav tikai cits SaaS konkurents. Tas ir universāls AI interfeiss, kurā cilvēks vienā sarunā var izdarīt to, kam agrāk vajadzēja desmit atsevišķas vietnes.
Šāds AI var:
- atrast informāciju;
- salīdzināt piedāvājumus;
- uzrakstīt tekstu;
- analizēt dokumentu;
- ģenerēt attēlu;
- sagatavot plānu;
- izsaukt ārējus rīkus;
- meklēt failos;
- veikt darbības citās sistēmās.
OpenAI oficiālā API dokumentācija jau apraksta modeli, kas var strādāt ne tikai ar tekstu, bet arī izmantot tādus rīkus kā web search, file search, code interpreter un funkciju izsaukumus ārējām sistēmām. Tas ļauj AI kļūt par slāni virs citiem projektiem, ne tikai par atsevišķu čatu.
Startupam jāuzdod neērts jautājums:
Vai klients var vienkārši palūgt universālam AI izdarīt to, par ko mēs prasām abonementu?
Ja atbilde ir “jā, gandrīz pilnībā”, projekta risks ir augsts.
Piemēri, kuri var tikt komoditizēti:
- vienkāršs sociālo tīklu tekstu ģenerators;
- vispārīgs CV uzlabotājs;
- pamata e-pastu pārrakstītājs;
- vienkāršs dokumenta kopsavilkums;
- ideju ģenerators bez saviem datiem vai darba plūsmas;
- plāns, kuru lietotājs var saņemt vienā ChatGPT jautājumā.
Ar skaistāku interfeisu vien var nepietikt.
Sliktais modelis: uzlikt AI virsū un saukt to par uzņēmumu
AI wrapper nav automātiski slikts projekts. Daudzi vērtīgi projekti izmanto cita uzņēmuma infrastruktūru. Arī SaaS izmanto mākoņserverus, maksājumu platformas un datubāzes.
Problēma rodas, ja visa projekta vērtība ir viena vienkārša prompta pārsūtīšana uz modeli.
Šādu projektu var apdraudēt:
- modeļa nodrošinātājs pievieno to pašu funkciju;
- konkurents vienā nedēļā nokopē interfeisu;
- API cena vai noteikumi mainās;
- lietotājs saprot, ka var izmantot ChatGPT tieši;
- nav savu datu, procesa vai auditorijas;
- rezultāta kvalitāte neatšķiras no vispārīga modeļa.
Piemērs: uzņēmums veido “AI projektu aprakstu ģeneratoru”. Lietotājs ievada preces nosaukumu, un sistēma atgriež tekstu. Ja tas ir viss, universāls AI to var izdarīt uzreiz.
Spēcīgāks variants būtu sistēma, kas:
- importē visu veikala katalogu;
- ievēro zīmola valodu;
- izmanto reālos pārdošanas un meklēšanas datus;
- pārbauda obligātos projekta atribūtus;
- ģenerē tekstu vairākām valstīm;
- publicē to e-komercijas platformā;
- testē rezultātu;
- mācās no konversijām;
- saglabā cilvēka apstiprinājumu riskantām izmaiņām.
Te AI ir viena svarīga sistēmas daļa, nevis viss projekts.
Labs modelis: AI plus kaut kas tāds, ko lietotājs pats nevar viegli atkārtot
Spēcīgs AI bizness parasti apvieno modeli ar vismaz vienu citu priekšrocību.
AI + specializēta darba plūsma
Projekts ne tikai dod atbildi, bet pabeidz vairāku soļu darbu.
Piemēram, juridiska sistēma var saņemt līgumu, atrast riskus, salīdzināt tos ar uzņēmuma politiku, nosūtīt jautājumus atbildīgajam cilvēkam, saglabāt versijas un izveidot audita pierakstu.
AI + uzņēmuma dati
Vispārīgs modelis nezina klienta cenas, dokumentus, vēsturi, projektus un noteikumus. Projekts, kas droši savieno AI ar šiem datiem, var dot daudz precīzāku rezultātu.
AI + darbība reālās sistēmās
Vērtība nav tikai padoms, bet spēja izdarīt: atjaunināt CRM, izveidot rēķinu, rezervēt laiku, salīdzināt krājumu, iesniegt pasūtījumu vai izsaukt piegādes procesu.
AI + cilvēka eksperts
Medicīnā, jurisprudencē, finansēs, inženierijā un citās augstas atbildības jomās AI var sagatavot analīzi, bet cilvēks to pārbauda un uzņemas atbildību.
AI + fiziska pasaule
AI var optimizēt maršrutu vai diagnosticēt problēmu, bet projekts ir savienots ar sensoriem, ražošanu, piegādi, remontu vai citu reālu darbību.
AI + kopiena vai tīkls
Ja projekta vērtību rada ne tikai funkcija, bet arī cilvēki, piedāvājums, reputācija un savstarpējie darījumi, universālam AI to atkārtot ir grūtāk.
Reāli piemēri: AI kā projekta pastiprinātājs
Duolingo Max
Duolingo nepalaida vienkārši atsevišķu “AI valodu čatu”. Tas integrēja ģeneratīvo AI esošā mācību projektā, auditorijā, saturā un abonēšanas modelī. Duolingo Max pievienoja tādas funkcijas kā lomu spēles un video sarunas, kuras papildina strukturēto mācību pieredzi.
AI šeit balstās uz to, kas Duolingo jau pieder: zīmols, milzīga auditorija, mācību dizains, progresa dati, gamifikācija un izplatīšana.
Intercom Fin
Intercom jau atradās klientu atbalsta darba plūsmā. Fin AI aģents ne tikai ģenerē tekstu, bet strādā ar uzņēmuma zināšanu bāzi, sarunām, atbalsta kanāliem un rezultātu - atrisinātu klienta jautājumu. Stripe klienta piemērā norādīts, ka Fin mazāk nekā gada laikā radīja desmitiem miljonu dolāru ieņēmumu.
Priekšrocība nav tikai piekļuve modelim. Tā ir integrācija reālā procesā, esoši klienti, dati, projekta infrastruktūra un cenu modelis, kas saistīts ar rezultātu.
AI kā rīks, nevis uzņēmuma nosaukuma piedēklis
Dažreiz labākais AI projekts nemaz nav tas, kurš visvairāk kliedz par AI. Klients grib ātrāk atrisinātu problēmu, nevis tehnoloģijas demonstrāciju.
Piemēram, apdrošināšanas sistēma var izmantot AI dokumentu klasificēšanai, bet klientam pārdot ātrāku atlīdzības izskatīšanu. Nekustamā īpašuma projekts var izmantot AI fotogrāfiju un dokumentu analīzei, bet pārdot precīzāku novērtējumu. Ražošanas rīks var prognozēt bojājumu, bet pārdot mazāku dīkstāvi.
Vai savā projektā vajag integrēt AI?
Ne katram projektam vajadzīgs čatbots. AI integrācija ir vērtīga, ja tā būtiski uzlabo klienta rezultātu vai projekta ekonomiku.
Vērts jautāt:
- Vai lietotājam ir daudz nestrukturēta teksta, attēlu, audio vai dokumentu?
- Vai process ietver atkārtotu klasificēšanu, kopsavilkumu vai salīdzināšanu?
- Vai projektam jāpielāgojas katram lietotājam?
- Vai lietotājs formulē sarežģītu nodomu dabiskā valodā?
- Vai AI var samazināt manuāla darba izmaksas?
- Vai AI var atvērt funkciju, kuru ar tradicionālu kodu būtu pārāk dārgi izveidot?
- Vai rezultātu iespējams pārbaudīt?
- Kā rīkosimies, ja AI kļūdīsies?
Labs AI lietojums var būt:
- personalizēts skolotājs, kas izmanto konkrēta kursa saturu;
- dokumentu analīze pēc uzņēmuma noteikumiem;
- atbalsta aģents, kas zina projekta dokumentāciju un prot veikt darbības;
- datu imports no netīriem PDF vai e-pastiem;
- attēlu klasifikācija ražošanas kvalitātes pārbaudē;
- individuāli ieteikumi, kas balstīti lietotāja vēsturē;
- sarežģīta meklēšana uzņēmuma informācijā;
- cilvēka darba sākotnējā sagatave ar pārbaudes soli.
OpenAI API ļauj projektā integrēt modeļus, failu un tīmekļa meklēšanu, koda izpildi un savas funkcijas. Taču pati API pieslēgšana vēl nav projekta stratēģija. Jāizstrādā datu plūsma, atļaujas, kļūdu apstrāde, izmaksu kontrole, kvalitātes novērtēšana un cilvēka kontrole tur, kur kļūdas cena ir augsta.
AI var padarīt iespējamu projektu, kas agrāk bija pārāk dārgs
Dažiem startupiem AI nav tikai neliels uzlabojums. Tas maina paša biznesa iespējamību.
Piemēram:
- individualizēts mācību saturs katram skolēnam;
- tūkstošiem dokumentu manuālas analīzes automatizācija;
- daudzvalodu klientu atbalsts visu diennakti;
- personalizēti audio vai video materiāli;
- maza uzņēmuma piekļuve analīzei, kuru agrāk veica dārgs speciālists;
- neapstrādātu e-pastu, attēlu un PDF pārvēršana strukturētos datos;
- programmatūra, kas pati pielāgo darba plūsmu konkrētam uzņēmumam.
Iepriekš šādam projektam varēja būt vajadzīgi simti operatoru vai īpaši trenēts modelis. Tagad startup var izmantot API un koncentrēties uz konkrēto nozari, datiem un lietotāja pieredzi.
Tas ir viens no spēcīgākajiem AI startup virzieniem: nevis uzģenerēt vēl vienu tekstu, bet ekonomiski padarīt iespējamu pakalpojumu, kuru agrāk nevarēja piedāvāt plaši.
Ilgtermiņā AI izkonkurēs daļu SaaS un digitālo projektu
Daudzi SaaS projekti būtībā ir lietotāja interfeiss virs noteikumu kopuma: ievadi datus, izvēlies filtrus, nospied pogu un saņem rezultātu.
AI spēj daļu šo interfeisu aizstāt ar sarunu:
Atrodi visus klientus, kuri pēdējos trīs mēnešos nav pirkuši, bet agrāk tērēja vairāk nekā 500 €, sagatavo viņiem trīs personalizētus e-pastus un ieliec melnrakstos.
Agrāk tam būtu vajadzīgi filtri CRM, datu eksports, izklājlapa un e-pasta rīks. AI aģents var koordinēt visu procesu.
Visvairāk apdraudēti ir projekti, kuriem:
- ir viena šaura, viegli aprakstāma funkcija;
- nav unikālu datu;
- nav integrācijas darba plūsmā;
- nav tīkla efekta;
- lietotājam nav lielu pāriešanas izmaksu;
- nav zīmola vai uzticības;
- rezultātu var saņemt no vispārīga modeļa;
- klientu piesaiste balstās tikai uz vispārīgiem Google vaicājumiem.
Tomēr tas nenozīmē, ka pazudīs visi SaaS. AI joprojām vajag sistēmas, kurās glabājas dati, tiek definētas atļaujas, notiek norēķini un izpildās reālas darbības. Daudzi SaaS nevis pazudīs, bet mainīs interfeisu un kļūs par infrastruktūru AI aģentiem.
MOAT: ar ko būt stiprākam par AI un kopētājiem?
Moat ir ilgtermiņa aizsardzība - iemesls, kāpēc konkurents nevar vienkārši nokopēt funkciju un atņemt klientus.
AI laikmetā iespējamie moat ir:
Proprietāri dati
Dati, kurus uzņēmums likumīgi iegūst no sava procesa un kurus konkurentam nav viegli savākt. Vērtība nav tikai datu daudzumā, bet kvalitātē, struktūrā un saistībā ar rezultātu.
Darba plūsmas integrācija
Projekts ir dziļi iestrādāts uzņēmuma ikdienā: dati, atļaujas, vēsture, automatizācijas un darbinieku paradumi.
Tīkla efekts
Vairāk lietotāju rada lielāku vērtību citiem lietotājiem - marketplace, profesionālā tīklā vai sadarbības projektā.
Izplatīšana
Auditorija, partneru tīkls, meklēšanas pieprasījums pēc zīmola, pārdošanas komanda vai ekskluzīvs kanāls. Projekts var būt nokopējams, bet piekļuve klientiem - ne.
Zīmols un uzticība
Īpaši jomās, kur kļūdas ir dārgas: veselība, finanses, drošība, izglītība un uzņēmumu infrastruktūra.
Kopiena
Cilvēki, attiecības, reputācija, saturs un savstarpēja palīdzība, kas dzīvo ap projektu.
Ekskluzīva piegāde vai saturs
Līgumi, licences, autori, unikāls katalogs, fiziski resursi vai attiecības, kurām konkurentam nav piekļuves.
Regulācija un sertifikācija
Atļaujas, auditi, kvalitātes procesi un pierādīta atbilstība. Tas palēnina arī pašu uzņēmumu, bet paaugstina ieiešanas barjeru.
Specializēta kvalitātes sistēma
Ne tikai modelis, bet savi novērtējumi, pārbaudes dati, cilvēka kontrole un kļūdu analīze konkrētā nozarē.
Uzkrāts klienta konteksts
Projekts ar laiku kļūst vērtīgāks, jo zina uzņēmuma vēsturi, preferences, procesus un rezultātus.
Pāriešanas izmaksas
Datu migrācija, integrācijas, komandas apmācība un uzkrātā vēsture padara projekta nomaiņu dārgu - ja vien šīs izmaksas nav mākslīgi radītas ar datu ieslēgšanu.
Fiziska izpilde
Noliktavas, piegāde, servisa tīkls, sensori, ražošana vai darbība reālajā pasaulē.
Cilvēka atbildība un attiecības
Situācijas, kurās klients grib ne tikai atbildi, bet ekspertu, kurš saprot kontekstu, uzņemas atbildību, pārrunā lēmumu un ir sasniedzams, kad notiek kaut kas neparedzēts.
Par moat ir vērts runāt atsevišķā rakstā, jo viena no lielākajām kļūdām ir sajaukt īslaicīgu tehnisku priekšrocību ar ilgtermiņa aizsargājamību.
Ko AI “nekad nevarēs”?
Droši pateikt “nekad” tehnoloģiju jomā nav gudri.
AI spējas turpinās augt. Tas, kas šodien šķiet droši cilvēcisks, pēc dažiem gadiem var tikt daļēji automatizēts.
Labāk jautāt: ko AI būs grūtāk aizstāt pilnībā?
- fizisku darbu neparedzamā vidē;
- atbildību par augsta riska lēmumu;
- uzticības attiecības, kur cilvēks grib konkrētu cilvēku;
- gaumi un virzienu, nevis tikai variantu ģenerēšanu;
- sarežģītas sarunas starp cilvēkiem ar konfliktējošām interesēm;
- lokālu izpildi, piegādi un servisu;
- kopienu un piederību;
- reputāciju, kas veidota ilgā laikā;
- problēmas formulēšanu, kad neviens vēl nezina, ko jautāt;
- īpašumtiesības uz datiem, tīklu, zīmolu vai fizisku infrastruktūru;
- atbildību par to, ka rezultāts reāli notiek.
Arī šajās jomās AI palīdzēs. Atšķirība ir tāda, ka AI būs instruments sistēmā, nevis visa sistēma.
Praktisks AI riska tests jaunai idejai
Pirms būvēt digitālu projektu, uzdod sev šos jautājumus:
- Vai cilvēks var saņemt 80% no rezultāta ar vienu labi formulētu ChatGPT jautājumu?
- Vai vispārīgs AI rīt var pievienot mūsu galveno funkciju?
- Kas mums pieder papildus modeļa piekļuvei?
- Vai projekts zina kaut ko tādu, ko nezina vispārīgs AI?
- Vai tas veic reālu darbību vai tikai ģenerē atbildi?
- Vai kvalitāte uzlabojas no mūsu pašu datiem un lietošanas?
- Vai mums ir auditorija vai izplatīšanas kanāls?
- Vai klients uzticēs šo uzdevumu pilnīgi automātiskam AI?
- Kas notiek, ja API cena, modelis vai noteikumi mainās?
- Vai projektu iespējams pārorientēt uz citu modeli vai piegādātāju?
- Vai kļūdas ir pamanāmas un labojamas?
- Kāds ir mūsu moat pēc tam, kad konkurents nokopē visas redzamās funkcijas?
Ja uz lielāko daļu atbilžu nav, ideja nav obligāti jāatmet. Taču nevajadzētu sajaukt ātri uzbūvējamu demonstrāciju ar aizsargājamu uzņēmumu.
AI samazina būvēšanas risku, bet palielina tirgus risku
AI laikmeta startupam ir vairāk iespēju nekā jebkad:
- viens cilvēks var izveidot lielāku projektu;
- ideju var pārbaudīt lētāk;
- maza komanda var apkalpot globālu auditoriju;
- sarežģītus nestrukturētu datu uzdevumus var automatizēt;
- projektu iespējams personalizēt katram lietotājam;
- jaunas kategorijas kļūst ekonomiski iespējamas.
Vienlaikus:
- konkurentu ir vairāk;
- funkcijas noveco ātrāk;
- saturu un reklāmas ir vieglāk saražot;
- SEO klikšķis kļūst mazāk drošs;
- universāls AI pats kļūst par konkurentu;
- lietotājam ir mazāk iemeslu maksāt par vienas funkcijas rīku;
- auditorija, dati, uzticība un izplatīšana kļūst svarīgāki.
Agrāk lielākais šķērslis bieži bija projekta uzbūvēšana. Tagad arvien biežāk lielākais šķērslis būs izvēlēties īsto projektu un panākt, lai cilvēki to lieto.
AI nepadara startup veidošanu vieglu. Tas pārvieto grūtāko vietu.
No koda - uz problēmas izvēli.
No funkcijām - uz izplatīšanu.
No spējas uzbūvēt - uz spēju radīt kaut ko aizsargājamu.
Un tieši tur būs lielākā iespēja uzņēmumiem, kuri AI neuztver tikai kā ātrāku rakstītāju vai programmētāju, bet kā jaunu materiālu pilnīgi citādam projektam.