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

Неприятная 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 применения, обнаруживают, что конкурентное преимущество не существует в классическом смысле. Ваш杀альный признак? Повторен к пятнице. Ваш технический преимущество? Исчезает к следующему кварталу. Разнообразие игроков, доступность фундаментальных моделей и скорость инноваций создали рынок, где быть первым, лучшим или 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 самом ИИ – а в способности использовать любой ИИ.

Фундаментальное разделение

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, работающие годами, требующие巨альных инвестиций ресурсов. Каждая из этих моделей обладает своим собственным конкурентным преимуществом – в противном случае, расход ресурсов не может быть оправдан. Это именно почему попытки переманить инженеров из OpenAI так хорошо известны: они обладают уникальной экспертизой, которую нельзя быстро воспитать за любую цену.

Но на уровне применения все совершенно по-другому. Для этого требуется гораздо меньше ресурсов, хотя немного больше творчества, чтобы настроить большую языковую модель и решить бизнес-задачу. У каждого есть своя собственная игра, свой подход, свой продукт. Разнообразие игроков убивает любую возможность иметь 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 индустрии голоса иллюстрируют эту эволюцию: изначально все пытались сделать голоса звучать как можно более человечно, затем скорость стала вопросом, и все начали решать одну и ту же задачу быстро. Теперь мы находимся в эпоху эмоциональных тегов. В распознавании речи основной метрикой – скоростью ошибок слов – заметно улучшилось с появлением больших языковых моделей, способных понимать контекстную уместность слов.

Вкратце, отсутствие конкурентного преимущества объясняется отсутствием глубины в любом аспекте существования продукта на уровне применения: оно поверхностно как в компоненте ИИ, так и в бизнес-приложении. Как и конкурентное преимущество фундаментальной продукции объясняется глубиной ее разработки.

Но нуждаются ли проекты на уровне применения 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 небольшой, и конкуренты появляются как грибы – то вам необходимо четко позиционировать свое конкурентное преимущество. Не важно, если конкуренты быстро принимают его.

Распределение как реальное конкурентное преимущество

Я подозреваю, что в некоторой степени это справедливое утверждение, и реальное конкурентное преимущество лежит в области распределения, а не в самой технологии. Что имеет значение больше – это как быстро вы масштабируете свое присутствие с клиентами и обеспечиваете хорошую ценность продукта. В противном случае вы можете построить некоторое бизнес-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 конкурентного преимущества – и почему только одно выживает

Существует два типа конкурентных преимуществ. Первый позволяет выиграть здесь и сейчас с четким преимуществом – благодаря некоторому уникальному знанию или убийственному функционалу, который конкуренты просто не имеют. Второй позволяет 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 сокращают разрыв.

Поэтому имеет смысл сосредоточиться на втором типе: максимальной долговечности продукта. Это достигается путем создания продукта, который может работать с любым поставщиком больших языковых моделей 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 лежащих в основе слоев больших языковых моделей становится более сильным конкурентным преимуществом, чем маркетинговые или технические усилия в одиночку. Независимость от поставщика не является просто приятным бонусом – это единственная оборонительная позиция, когда земля под вами меняется ежемесячно.

Скрытая сложность мульти-модельной стратегии

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

Основная проблема: большие языковые модели не являются взаимозаменяемыми. Выходные данные варьируются при одинаковом входе – даже в пределах одной и той же модели, но гораздо более драматично при переключении между поставщиками. Каждая модель реагирует на подсказки и инструкции по-разному: некоторые следуют рекомендациям лучше, другие хуже; производительность может быть язык-специфичной или цель-специфичной.

Конкретный пример: рассмотрим сервисы генерации изображений/видео, такие как Sora или Veo. Дайте им идентичный вход и вы получите совершенно разные результаты. Это варьирование применимо ко всем приложениям больших языковых моделей.

Проблема настройки: для поддержания совместимости с несколькими моделями вам необходимо:

• Создать отдельные подсказки/инструкции для каждой модели, которые производят желаемый результат
• Знать, как каждая модель отличается, и настраивать входные данные соответственно
• Заниматься работой, которая часто является творческой, а не рутинной
• 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 моделей, прежде чем вы сможете свободно переключаться между ними. Кроме того, эта подготовка покрывает только существующие модели – когда появляются новые модели, процесс настройки начинается снова.

Конкурентное преимущество возникает из-за инвестиций в инфраструктуру тестирования, экспертизу в области настройки подсказок и операционную дисциплину для поддержания совместимости с несколькими моделями – и для повторения этого процесса, 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 поставщика 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, они сталкиваются с экзистенциальным переработкой. Когда вы построили инфраструктуру для переключения между моделями, вы сталкиваетесь с вторником. Компании, которые выживут, не будут теми, кто выбрал правильную модель – они будут теми, кто никогда не должен был выбирать.

Да, построение для нескольких моделей является дорогим вначале. Да, это требует творческой инженерной работы, которую трудно автоматизировать. Да, вы по сути поддерживаете параллельные стратегии подсказок для каждого поставщика. Но именно это создает барьер для входа. Конкурентное преимущество не в технологии самой по себе – а в операционной памяти управления технологическими изменениями.

Большинство компаний, работающих с ИИ, оптимизируют для победы сегодня. Независимые компании оптимизируют для того, чтобы остаться здесь завтра. На рынке, где вчерашний прорыв является сегодняшней базой, это различие является всем.