Tekoälyyritykset eivät voi luoda moattia – ellet lopeta valinnan tekemistä

Tekoälytuotteiden epämukava totuus: kilpailuetusi on voimassa vain viikkoja, ei vuosia.

Vaikka perustekoälylaboratoriot panostavat miljardeja malleihin, jotka kestävät vuosia kehittää, sovelluskerroksen yritykset ovat löytäneet, että perinteiset moatit eivät ole olemassa. Sinun tappava ominaisuutesi? Se on toistettu perjantaina. Sinun tekninen etusi? Se on poissa seuraavassa neljännesvuosessa. Pelaajien monimuotoisuus, perusmallien saatavuus ja innovaation nopeus ovat luoneet markkinat, joissa olemassaolo ei takaa selviytymistä.

Mutta on olemassa yksi vastainen tapa: lopeta yrittäminen voittaa teknologian avulla ja aloita kapasiteetin rakentaminen selviytymiseen. Todellinen moatti ei ole tekoälyssä, jota käytät – se on kykyä käyttää mitä tahansa tekoälyä.

Perustavanlaatuinen jakautuminen

On olemassa perustasolla – suuret mallit kuten ChatGPT, Grok ja Gemini. Useat kymmenet malleja, joita on koulutettu eri tavoin, ja joilla on omat etunsa. Mutta tämä on perustutkimuksellinen työ: insinöörit työskentelevät vuosia, ja se vaatii massiivisia resursseja. Jokaisella näistä on oma moatti – muuten resurssien käyttöä ei voisi oikeuttaa. Tämän takia yritykset yrittävät houkutella insinöörejä OpenAI:sta ovat niin hyvin mainittuja: heillä on ainutlaatuinen asiantuntemus, jota ei voida nopeasti kehittää mihin tahansa hintaan.

Mutta sovellustasolla asiat ovat täysin erilaisia. Vähemmän resursseja tarvitaan, vaikka hieman enemmän luovuutta vaaditaan mallin hienosäätöön ja liiketoimintavaikeuksien ratkaisemiseen. Jokaisella on oma peli, oma lähestymistapa, oma tuote. Pelaajien monimuotoisuus tappaa mahdollisuuden olla erottuva moatti missään markkinassa – tekstin, äänen tai kuvan. Liiketoimintaratkaisut perustuvat perustekoälyyn, ja yritykset ilmestyvät säännöllisesti, ja usein ne ovat erottumattomia toisistaan.

Mahdolliset erottautumisen keinot ääniyrityksessä havainnollistavat tämän kehityksen: aluksi kaikki yrittivät tehdä äänistä mahdollisimman inhimillisiä, sitten nopeus tuli kysymykseen ja kaikki alkoivat ratkaista samaa tehtävää nopeasti. Nyt olemme emotionaalisissa tunnisteissa. Puheentunnistuksessa päämittari – sana/virheosuus – on merkittävästi parantunut LLM-mallien kehittymisen myötä, jotka ymmärtävät kontekstuaalisen sopivuuden.

Lyhyesti sanottuna, moattien puuttuminen selitetään sovelluskerroksen tuotteen olemassaolon minkäänlaisten syvyyden puutteella: se on matala sekä tekoälykomponentissa että liiketoimintasovelluksessa. Samoin kuin perustekoälytuotteen moatti selitetään sen kehityksen syvyydellä.

Mutta tarvitseeko sovelluskerroksen projektit moattia? Jos työskentelet suhteellisen suuressa markkinassa, ja sinulla on vähemmän kuin 30 kilpailijaa – voit jättää kaiken sellaisenaan. Tietysti kilpailijat voivat olla suuria, kuten OpenAI ja Anthropic – mutta tässä sinun on luotettava markkinan koosta ja dynamiikasta, onko siellä tarpeeksi ruokaa kaikille. Mutta jos markkina on suhteellisen pieni ja kilpailijat lisääntyvät sienimäisesti – silloin sinun on selkeästi määriteltävä kilpailuetusi. Se ei ole merkityksellistä, vaikka kilpailijat nopeasti omaksuvat sen.

Jakelu on todellinen moatti

Epäilen, että tämä on jonkin verran voimassa oleva väite, ja todellinen moatti sijaitsee jakelualalla, ei itse teknologiassa. Se, mitä enemmän sinä skaalautat läsnäoloasi asiakkaiden kanssa ja tuotteen arvon varmistaa hyvän LTV:n, on tärkeämpää. Muuten voit rakentaa jonkin B2C-sovelluksen käyttäjille, ja he saattavat levittää sitä virallisesti, mutta sitten yksinkertaisesti lopettaa käytön, kun seuraava uusi sovellus ilmestyy.

Kilpailuetujen kaksi tyyppiä – ja miksi vain yksi selviää

On olemassa kaksi tyyppiä kilpailuetuja. Ensimmäinen antaa sinulle voiton tässä ja nyt selkeällä etulyöntiasemalla – kiitos jollekin ainutlaatuiseen osaamiseen tai tappavaan ominaisuuteen, jota kilpailijat eivät vain omista. Toinen antaa sinulle mahdollisuuden välttää häviämistä pitkällä aikavälillä, koska sinä rakennat kestävyyttä.

Tekoälytuotteilla todellinen käytäntö osoittaa jo, että ensimmäisenlainen etu katoaa äärimmäisen nopeasti: kilpailijat tasoittavat eron pelottavan nopeasti.

Siksi on järkevää keskittyä toiseen tyyppiin: maksimaalinen tuotteen kestävyys. Tämä saavutetaan rakentamalla tuote, joka voi toimia minkä tahansa LLM-toimittajan kanssa ja vaihtaa niiden välillä välittömästi – heti, kun nykyinen malli, jolle liiketoimintasi perustuu, alkaa selvästi jäädyttää seuraavaa parasta.

Tästä syystä riippumattomuus perusteknologian kerroksista tulee vahvempi moatti kuin markkinointi- tai tekniset ponnistelut yksin. Toimittajariippumattomuus ei ole vain mukava ominaisuus – se on ainoa puolustettavissa oleva asema, kun maaperä alla muuttuu kuukausittain.

Monimallistrategian piilevä monimutkaisuus

Vaikka toimittajariippumattomuus tarjoaa pitkän aikavälin suojaa, toteutus paljastaa merkittäviä haasteita. Kuten Alexey Aylarov selittää, “se ei ole helppoa, koska kaikilla malleilla on omat erityispiirteensä/ongelmansa”.

Ydinkysymys: LLM:t eivät ole vaihdettavissa. Tuloste vaihtelee saman syötteen kanssa – jopa saman LLM:n sisällä, mutta paljon dramaattisemmin, kun vaihdetaan toimittajia. Jokainen malli reagoi eri tavoin ohjeisiin ja käskyihin: jotkut seuraavat ohjeita paremmin, toiset huonommin; suorituskyky voi olla kielikohtainen tai tavoittekohtainen.

Kokonainen esimerkki: Kuvaa/videota luovia palveluita kuten Sora tai Veo. Anna heille sama syöte, ja saat täysin erilaisia tuloksia. Tämä vaihtelu koskee kaikkia LLM-sovelluksia.

Säätöhaaste: Monimallin yhteensopivuuden ylläpitämiseksi sinun on luotava:

• Erillisiä ohjeita/käskyjä kullekin LLM:lle, jotka tuottavat haluamasi tuloksen
• Tiedä, miten jokainen LLM eroaa toisistaan ja säädä syötteitä vastaavasti
• Osallistua työhön, joka on usein luovempaa kuin rutiininomaista
• Hyväksyä, että tämä prosessi on “suhteellisen vaikea automatisoida useimmissa tapauksissa”

Se vaatii merkittävää säätötyötä kullekin mallille. Alkuvaiheen investointi on merkittävä: sinun on kehitettävä ohjeet kaikille LLM:lle ennen kuin voit vaihtaa niiden välillä vapaasti. Lisäksi tämä valmistelu kattaa vain olemassa olevat mallit – kun uudet LLM:t ilmestyvät, säätöprosessi alkaa uudelleen.

Moatti tulee testausinfrastruktuurin, ohjeiden insinöörintutkimuksen ja operatiivisen kurin kehittämisestä – ja ylläpitämisestä monien LLM:ien yhteensopivuutta ja toistamisesta, kun maisema kehittyy. Tämä kyky tulee teknisen syvyyden muodossa, jota kilpailijat eivät voi helposti jäljitellä, vaikka he ymmärtävät strategian.

Paradoksi: Sinun moattisi on siinä, ettei sinulla ole moattia

Tässä on, mikä tekee toimittajariippumattomuudesta niin voimakkaan: se on ainoa kilpailuetu, joka vahvistuu, kun markkina tulee kaoottisemmaksi.

Kun kilpailijasi rakentaa koko tuotteen GPT-4:lle ja parempi malli ilmestyy, he kohtaavat olemassaolokriisin. Kun sinä olet rakentanut infrastruktuurin vaihtaa malleja, sinä kohtaat tiistain. Yritykset, jotka selviävät, eivät ole niitä, jotka valitsivat oikean mallin – ne ovat niitä, jotka eivät koskaan joutuneet valitsemaan.

Kyllä, useiden LLM:ien rakentaminen on kallista aluksi. Kyllä, se vaatii luovaa insinöörintyötä, jota on vaikea automatisoida. Kyllä, sinä ylläpidät rinnakkaisia ohjestrategioita kullekin toimittajalle. Mutta tämä on juuri se, mikä luo esteen sisäänpääsyyn. Moatti ei ole itse teknologiassa – se on operatiivisessa lihaksessa, joka hallitsee teknologisen muutoksen.

Useimmat tekoälyyritykset optimoivat voittamista tänään. Riippumattomat yritykset optimoivat selviytymistä huomenna. Markkinassa, jossa eilisen läpimurto on huomisen perus, tuo ero on kaikki.