Рецензия на книгу: «Инвестиции в ИИ: шесть моделей мышления, которые помогут отличить конкурентные преимущества от ловушек» Роба Мэя

Я с нетерпением ждал возможности прочитать «Инвестиции в ИИ: шесть моделей мышления, которые помогут отличить конкурентные преимущества от ловушек», во многом потому, что уже много лет слежу за Робом Мэем благодаря его рассылке «Инвестиции в ИИ». На мой взгляд, Роба Мэя отличает от многих инвесторов готовность избегать стадного мышления и рассуждать, исходя из фундаментальных принципов. Он не ограничивается господствующими представлениями, а задается вопросами о том, как на самом деле устроен бизнес, откуда берутся его преимущества и смогут ли они сохраниться при следующем технологическом сдвиге.

Именно в этом и заключается сильная сторона книги. Это первая из прочитанных мной книг, в которой к инвестициям в ИИ подходят именно так. Вместо того чтобы просто выделить перспективную технологию или растущий рынок, автор предлагает читателям пересмотреть подход к анализу компаний, создающих бизнес вокруг этой технологии. Возможности огромны, но распознать перспективную разработку в сфере ИИ и определить, какая компания достойна инвестиций, — два совершенно разных умения.

Когда нарратив об ИИ сталкивается с реальностью

Роб Мэй подкрепляет свои рассуждения историями, знакомыми всем, кто следил за развитием экосистемы ИИ. Jasper стал любимцем СМИ и привлек 125 миллионов долларов при оценке в 1,5 миллиарда долларов. Затем ChatGPT предложил потребителям напрямую мощную технологию генерации текста, поставив под вопрос ценность продукта, построенного на доступе к схожим базовым возможностям. На этом повороте Роб Мэй показывает, как быстро мнимое преимущество может оказаться уязвимым.

В этом примере меня интересует вопрос, перед которым встают инвесторы и основатели компаний: что еще нужно клиенту от вашей компании, когда базовая технология становится широко доступной? Чем компания с надежной защитой от конкурентов отличается от очередной ИИ-обертки? Ранний выход на рынок может дать фору, но сам по себе на этот вопрос не отвечает. Владение рабочими процессами, каналы распространения, специализированные знания и отношения с клиентами приобретают гораздо большее значение, когда доступ к модели становится обычным товаром.

DeepSeek демонстрирует другую сторону этой неопределенности. В книге рассказывается о потрясении, которое вызвало появление модели уровня GPT-4 при заявленной стоимости обучения в 5,576 миллиона долларов. Урок для инвесторов важен: представления о стоимости конкуренции могут меняться гораздо быстрее, чем это предполагает модель оценки.

Почему привычный подход SaaS нуждается в переосмыслении

Роб Мэй возвращается к периодам «зимы ИИ» в прошлом и утверждает, что нынешнее широкое внедрение технологий нарушило прежний цикл: за многообещающими демонстрациями больше не следуют повсеместные разочарования. По его мнению, полезный ИИ уже встроен в слишком большое число реальных рабочих процессов, чтобы просто вернуться в лаборатории. И все же, несмотря на продолжающееся внедрение, определить следующую компанию-единорога, способную извлечь из него выгоду, по-прежнему непросто.

Он выделяет четыре фундаментальных отличия, объясняющих этот сдвиг: ИИ способен выполнять интеллектуальную работу, обучаться на данных, менять ожидания пользователей и становиться привычной частью жизни поколения, которое растет вместе с ним. Особенно интересен третий пункт — рефлексивность. Познакомившись с той или иной возможностью, клиенты начинают ожидать, что она появится и в других продуктах. По мере внедрения технологии меняется и рынок, на котором работает компания.

Главный фактор, меняющий правила игры, — скорость масштабирования. ИИ-компании могут достигать значительных размеров за сроки, которые прежде были характерны лишь для исключительных случаев. Но для их оценки по-прежнему нужно понимать бизнес-модель. Оплата за задачу или за результат создает иные отношения между ценностью, выручкой и затратами, чем продажа фиксированного числа лицензий на программное обеспечение.

Некоторые уроки эпохи SaaS по-прежнему актуальны. Отраслевая экспертиза все еще важна. Специализированные отраслевые инструменты, учитывающие реальные проблемы конкретной сферы, могут создавать существенные преимущества. Собственные циклы накопления данных способны усиливать эффект со временем, а глубокие интеграции могут затруднять переход к конкурентам. Сложность в том, чтобы отличить эти устойчивые сильные стороны от функций, доступных клиенту у десятков других поставщиков.

Шесть моделей мышления, помогающих задавать более точные вопросы

Основной аргумент книги раскрывается через шесть моделей мышления: понимание ИИ как совокупности технологий; пересмотр традиционных представлений о SaaS; готовность к масштабным рыночным потрясениям; осмысление изменений рынков и корпоративной стратегии; понимание более быстрого масштабирования; и тщательная оценка себестоимости продукции ИИ.

Эти модели хорошо дополняют друг друга, поскольку каждая выявляет отдельный изъян поверхностного инвестиционного обоснования. Название «компания в сфере ИИ» мало говорит о ее экономике. Резкий рост выручки мало говорит о его устойчивости. Высокая валовая маржа сегодня мало говорит о том, что произойдет, когда клиенты начнут требовать от продукта выполнения более сложных задач.

Больше всего я ценю привычку задавать второй вопрос. Выяснив, работает ли технология, нужно спросить, достаточно ли надежно она справляется с реальными рабочими процессами клиента. Установив, что клиенты платят, стоит выяснить, за что именно они платят и продолжат ли они тратить эти деньги. Благодаря этому книга остается полезной и за пределами периода, к которому относятся приведенные в ней примеры.

Botkeeper и важность динамики затрат

Один из наиболее полезных примеров — Botkeeper, компания по автоматизации бухгалтерского учета, в которую инвестировал Rob May. Он рассказывает о бизнесе, который поначалу в значительной степени полагался на бухгалтеров-людей и имел валовую маржу примерно от 20 до 25 процентов. Для инвесторов, ожидающих маржи, характерной для традиционных программных продуктов, такие показатели выглядели непривлекательно. Однако работа этих специалистов также создавала данные, которые могли помочь автоматизировать процесс. По словам Rob May, позднее валовая маржа превысила 70 процентов по мере того, как все большая часть работы переходила к программному обеспечению.

Из этого я делаю вывод, что нужно смотреть, чему способствует участие людей. Если каждая выполненная задача помогает системе эффективнее справляться со следующей, первоначальные расходы на услуги могут стать вложением в более масштабируемый бизнес. Если же привлечение каждого нового клиента неизменно требует пропорционального увеличения объема ручной работы, экономика бизнеса говорит о другом.

Rob May также рассматривает противоположную динамику: затраты на инференс растут вместе с объемом использования. Для выполнения более сложных задач ИИ-системе может потребоваться больше вычислительных ресурсов, несколько попыток или проверка человеком. Продукт, который выглядит привлекательно в небольшом пилотном проекте, может оказаться дорогим, если клиенты полагаются на него при решении сложных задач. Поэтому динамика затрат не менее важна, чем текущая маржа.

Эффективность не становится конкурентным преимуществом автоматически

Еще одна полезная, на мой взгляд, схема — выделенная Rob May триада ценности ИИ: товарный ИИ, ключевой ИИ и ИИ для расширения бизнеса. В общих чертах речь идет о возможностях, которые конкуренты могут без труда перенять, о возможностях, укрепляющих существующее преимущество компании, и о возможностях, открывающих новые направления бизнеса.

На гипотетическом примере авиакомпании первую категорию понять проще всего. Авиакомпания внедряет ИИ-агента поддержки клиентов и повышает эффективность работы. Затем аналогичные инструменты внедряют конкуренты. То, что ненадолго стало отличительной особенностью, превращается в отраслевой стандарт, а часть экономической выгоды может быть утрачена из-за конкуренции.

Это полезное противоядие от привычки воспринимать каждое объявление о внедрении ИИ как доказательство того, что бизнес стал сильнее. Мне важно знать, что останется уникальным, когда конкуренты получат доступ к сопоставимым инструментам. У компании, которая сочетает ИИ с собственной системой обратной связи, глубоким пониманием операционной деятельности или клиентским рабочим процессом, который сложно воспроизвести, ответ убедительнее, чем у компании, просто объявляющей о внедрении той же автоматизации, которую может купить любой желающий.

Ищите руководителей, способных внедрить ИИ в работу

Книга полна практических наблюдений, в том числе о том, как важно поддерживать руководителей, способных по-настоящему освоить ИИ. Конкретный план изменения рабочих процессов и распределения обязанностей гораздо убедительнее презентации, обещающей внедрить ИИ во всей организации.

Рассуждения Rob May о качестве выручки подтверждают эту мысль. Платные пилотные проекты и проверки концепции могут обеспечить впечатляющие первоначальные показатели, но их следует отделять от выручки, связанной с постоянной эксплуатацией продукта. Важно спросить себя: какая часть бизнеса сохранится, если завтра клиенты перестанут экспериментировать?

Мне кажется, это особенно важно для основателей компаний. Успешно провести пилотный проект — уже достижение, но создать продукт, ставший частью повседневной работы клиента, — совсем другое. Если понять эту разницу на раннем этапе, это поможет определить приоритеты разработки продукта и найма сотрудников, а также подход к оценке успеха компании.

Итоговая оценка

Главный вывод для меня — эту книгу не стоит считать чтением исключительно для инвесторов. Предприниматели тоже многое получат, если поймут, что делает ИИ-компанию привлекательной для инвестиций, как формируются устойчивые преимущества и каких ошибок стартапов можно избежать, прежде чем они обойдутся слишком дорого.

Книгу лучше воспринимать как систему для выработки взвешенных суждений, а не как список акций для покупки. Ее главное достоинство — она помогает читателям точнее формулировать, почему они верят в тот или иной бизнес. Примеры неизбежно устареют по мере развития отрасли; долговременную ценность книге придает привычка критически проверять свои предположения.

«Инвестиции в ИИ: шесть ментальных моделей, помогающих отличить конкурентные преимущества от ловушек» дает именно то мышление, основанное на первых принципах, благодаря которому я когда-то начал читать рассылку Rob May. Это вдумчивая и достойная внимания книга для инвесторов, стремящихся отличить защищенный от конкуренции бизнес от красивой истории, и предпринимателей, которые хотят построить такой бизнес.