Компании, работающие с ИИ, не имеют конкурентного преимущества – если только они не перестанут выбирать стороны

Неудобная правда об продуктах ИИ: ваше конкурентное преимущество имеет срок годности, измеряемый неделями, а не годами.

Хотя фундаментальные лаборатории ИИ вкладывают миллиарды в модели, которые требуют лет для разработки, компании, работающие на уровне приложений, обнаруживают, что традиционные конкурентные преимущества не существуют. Ваш杀лер-фич? Повторен к пятнице. Ваш технический преимущество? Исчезает к следующему кварталу. Разнообразие игроков, доступность фундаментальных моделей и скорость инноваций создали рынок, где быть первым, быть лучшим или быть другим больше не гарантирует выживание.

Но есть контринтуитивный выход: перестать пытаться выиграть с помощью технологий и начать строить способность выжить в них. Реальное конкурентное преимущество не в ИИ, который вы используете – а в вашей способности использовать любой ИИ.

Фундаментальное деление

Существует фундаментальный уровень – крупные модели, такие как ChatGPT, Grok и Gemini. Несколько десятков моделей, обученных по-разному, каждая из которых имеет свои собственные преимущества. Но это фундаментальная, исследовательская работа: инженеры работают годами, требуя巨альных инвестиций ресурсов. Каждая из этих моделей обладает собственным конкурентным преимуществом – в противном случае, расходы ресурсов не могут быть оправданы. Это именно почему попытки переманить инженеров из OpenAI так хорошо освещаются: они обладают уникальной экспертизой, которую нельзя быстро воспитать ни за какие деньги.

Но на уровне приложений все совершенно по-другому. Здесь требуется гораздо меньше ресурсов, хотя и немного больше творчества, чтобы настроить LLM и решить бизнес-задачу. У каждого есть своя собственная игра, свой подход, свой продукт. Разнообразие игроков убивает любую возможность иметь четкое конкурентное преимущество на любом рынке – текст, аудио или изображение. Бизнес-решения, основанные на фундаментальном ИИ, появляются ежедневно, компании появляются регулярно, и часто они неотличимы друг от друга.

Возможные дифференциаторы в голосовой индустрии иллюстрируют эту эволюцию: изначально все пытались сделать голоса звучать как можно более человечески, затем скорость стала вопросом, и все начали решать одну и ту же задачу быстро. Теперь мы находимся в эпоху эмоциональных тегов. В спецификации речи основной метрикой – скоростью ошибок слов – заметно улучшилась с появлением LLM, способных понимать контекстное соответствие слов.

Вкратце, отсутствие конкурентного преимущества объясняется отсутствием глубины в любом аспекте существования продукта на уровне приложений: оно мелкое как в компоненте ИИ, так и в бизнес-приложении. Как и конкурентное преимущество фундаментального продукта объясняется глубиной его разработки.

Но нуждаются ли проекты на уровне приложений в конкурентном преимуществе? Если вы работаете на относительно большом рынке и у вас меньше 30 конкурентов – вы можете оставить все как есть. Конечно, конкурентами могут быть крупные компании, такие как OpenAI и Anthropic – но здесь вам нужно полагаться на субъективное чувство размера рынка и динамики, есть ли достаточно еды для всех или нет. Но если рынок относительно мал и конкуренты появляются как грибы – то вам необходимо четко позиционировать ваше конкурентное преимущество. Не важно, если конкуренты быстро его принимают.

Дистрибуция как реальное конкурентное преимущество

Я подозреваю, что в некоторой степени это справедливое утверждение, и реальное конкурентное преимущество лежит в области дистрибуции, а не в самой технологии. Что имеет значение больше – это как быстро вы масштабируете свое присутствие среди клиентов и обеспечиваете хорошую LTV продукта. В противном случае вы можете построить некоторое B2C-приложение для пользователей, чтобы поиграть с ним, и они могут даже распространить его вирусно, но затем просто перестанут использовать его, когда появится следующее новое приложение.

Два типа преимуществ – и почему только одно выживает

Существует два типа конкурентных преимуществ. Первый позволяет вам выиграть здесь и сейчас с четким преимуществом – благодаря некоторому уникальному ноу-хау или убийственному фичу, которого просто нет у конкурентов. Второй позволяет вам избежать проигрыша в долгосрочной перспективе, потому что вы строите устойчивость.

С продуктами ИИ реальная практика уже показывает, что первый тип преимущества стирается чрезвычайно быстро: конкуренты быстро закрывают разрыв.

Поэтому имеет смысл сосредоточиться на втором типе: максимальной долговечности продукта. Это достигается путем построения продукта, который может работать с любым поставщиком LLM и переключаться между ними мгновенно – в момент, когда текущая модель, на которой построен ваш бизнес, начинает явно отставать от следующей лучшей.

Учитывая это, мера независимости от нижних слоев LLM становится более сильным конкурентным преимуществом, чем маркетинговые или технические усилия в одиночку. Быть независимым от поставщиков не является просто приятным – это единственная оборонительная позиция, когда земля под вами меняется ежемесячно.

Скрытая сложность стратегии мульти-модели

Хотя независимость от поставщиков предлагает долгосрочную защиту, реализация раскрывает значительные проблемы. Как объясняет Алексей Айларов, “это не легко, поскольку все модели имеют свои собственные особенности/проблемы”.

Основная проблема: LLM не являются взаимозаменяемыми. Выходные данные варьируются при одинаковом входе – даже внутри одной и той же LLM, но гораздо более драматично при переключении между поставщиками. Каждая модель реагирует на подсказки и инструкции по-разному: некоторые следуют руководствам лучше, другие хуже; производительность может быть языково-специфической или целью-специфической.

Конкретный пример: рассмотрим сервисы генерации изображений/видео, такие как Sora или Veo. Дайте им идентичный вход и вы получите совершенно разные результаты. Этот вариант применяется ко всем приложениям LLM.

Проблема настройки: чтобы поддерживать совместимость с несколькими моделями, вам необходимо:

• Создать отдельные подсказки/инструкции для каждой LLM, которые дают желаемый результат
• Знать, как каждая LLM отличается, и настраивать входные данные соответственно
• Заниматься работой, которая часто творческая, а не рутинная
• Принять, что этот процесс “относительно трудно автоматизировать в большинстве случаев”

Для этого требуется значительный усилий по настройке для каждой модели. Первоначальные инвестиции значительны: вам необходимо разработать подсказки для всех LLM, прежде чем вы сможете свободно переключаться между ними. Кроме того, эта подготовка покрывает только существующие модели – когда появляются новые LLM, процесс настройки начинается заново.

Конкурентное преимущество возникает из-за инвестирования в инфраструктуру тестирования, экспертизу в области настройки подсказок и оперативную дисциплину, чтобы фактически поддерживать совместимость с несколькими LLM – и повторять этот процесс, когда ландшафт эволюционирует. Эта способность становится формой технической глубины, которую конкуренты не могут легко воспроизвести, даже если они понимают стратегию.

Парадокс: ваше конкурентное преимущество в том, что его нет

Вот что делает независимость от поставщиков такой мощной: это единственное конкурентное преимущество, которое становится сильнее, когда рынок становится более хаотичным.

Когда ваш конкурент строит весь свой продукт на GPT-4, и появляется лучшая модель, он сталкивается с экзистенциальным редизайном. Когда вы построили инфраструктуру для переключения моделей, вы сталкиваетесь с обычным вторником. Компании, которые выживут, не будут теми, кто выбрал правильную модель – они будут теми, кто никогда не должен был выбирать.

Да, построение для нескольких LLM дорого сначала. Да, это требует творческой инженерной работы, которую трудно автоматизировать. Да, вы фактически поддерживаете параллельные стратегии подсказок для каждого поставщика. Но именно это создает барьер для входа. Конкурентное преимущество не в технологии самой по себе – а в оперативной памяти управления технологическими изменениями.

Большинство компаний, работающих с ИИ, оптимизируют выигрыш сегодня. Независимые компании оптимизируют свое присутствие завтра. На рынке, где вчерашний прорыв является сегодняшней базовой линией, это различие является всем.