От доткомов к ИИ: уроки избегания прошлых технологических ошибок

Во время бума доткомов добавление «.com» к названию компании могло резко поднять цену акций, даже без клиентов, доходов или жизнеспособной бизнес-модели. Сегодня подобный ажиотаж окружает «ИИ», и компании охотно используют этот ярлык, чтобы извлечь выгоду из шумихи.

Бизнес спешит интегрировать «ИИ» в брендинг, описания продуктов и доменные имена. Согласно Domain Name Stat, регистрации доменов «.ai» выросли на 77,1% в 2024 году по сравнению с предыдущим годом, поскольку стартапы и крупные компании стремятся ассоциироваться с искусственным интеллектом, независимо от реальных возможностей ИИ.

Конец 1990-х показал, что использование передовых технологий недостаточно. Выжившие доткомы не гнались за трендами — они решали реальные потребности и масштабировались продуманно.

ИИ обещает трансформировать индустрии, но успех не придет от поверхностного брендинга. Он будет у компаний, которые пробьются сквозь шум и сосредоточатся на реальном воздействии.

Ключ? Начать скромно, найти нишу и масштабироваться стратегически.

Начать с малого: закрепитесь в нише перед расширением

Главной ошибкой доткомов было слишком быстрое масштабирование — урок, который сегодняшние инноваторы ИИ должны учесть.

Рассмотрим eBay. Он начинался как простая платформа аукционов для коллекционных предметов, таких как диспенсеры Pez, решая конкретную проблему для хоббистов, которые не могли встретиться офлайн. Только после освоения этой ниши eBay расширился на электронику, моду и другие категории.

В отличие от этого, Webvan стремился перестроить покупку продуктов с помощью онлайн-заказов и быстрой доставки в нескольких городах. Он потратил миллионы на склады и логистику, не доказав спрос, и рухнул под тяжестью собственных амбиций.

Вывод: сосредоточьтесь на точной потребности пользователей и доминируйте в узком сегменте перед расширением.

Для разработчиков ИИ это означает избегать ловушки создания «ИИ для всех». Например, генеративный инструмент ИИ для анализа данных должен нацеливаться на конкретную группу — скажем, менеджеров по продуктам, дизайнеров или дата-сайентистов. Вы обслуживаете новичков в SQL или опытных аналитиков? У каждой группы свои уникальные потребности и рабочие процессы.

Сосредоточившись на определенной аудитории — например, технических менеджерах по продуктам с ограниченными навыками SQL, нуждающихся в быстрых инсайтах, — вы сможете глубоко понять их потребности, улучшить опыт и создать нечто незаменимое. Только после этого стоит расширяться на смежные аудитории или функции. В гонке за создание долговечных продуктов ИИ победят те, кто исключительно хорошо обслуживает конкретную аудиторию, а не всех сразу.

Обеспечьте преимущество данных: создайте устойчивую защиту

Начало с малого помогает достичь соответствия продукта рынку, но устойчивый успех требует защиты — особенно через проприетарные данные.

Выжившие доткомы не просто привлекали пользователей; они собирали уникальные данные. Amazon, например, не остановился на продаже книг. Он использовал данные о покупках и просмотрах для улучшения рекомендаций, затем анализировал региональные шаблоны заказов для оптимизации логистики, что привело к непревзойденной двухдневной доставке Prime.

Google применил схожий подход. Каждый поиск, клик и исправление улучшали результаты и, позже, рекламу, создавая цикл обратной связи, который усиливал его преимущество.

Для разработчиков ИИ урок ясен: долгосрочный успех зависит от проприетарных циклов данных, которые со временем улучшают продукты.

Любой может настроить большую языковую модель с открытым исходным кодом или получить доступ к API, но ценные данные реальных пользователей сложнее воспроизвести.

Разработчики продуктов ИИ должны рано задать себе вопросы:

• Какие уникальные данные наш продукт будет собирать из взаимодействий пользователей?
• Как создать циклы обратной связи для постоянного улучшения?
• Можем ли мы этично и безопасно собирать специфические данные, недоступные конкурентам?

Возьмем Duolingo. С GPT-4 функции вроде «Объясни мой ответ» и ролевые игры с ИИ генерируют богатые данные пользователей, фиксируя не только ответы, но и то, как учащиеся думают и взаимодействуют. Эти данные улучшают опыт, создавая конкурентное преимущество.

В эпоху ИИ проприетарные данные — ваше долговременное преимущество. Компании, которые создают продукты, обучающиеся на уникальных данных, будут лидировать.

Заключение: марафон, а не спринт

Эра доткомов доказала, что ажиотаж мимолетен, а основы долговечны. Бум ИИ следует той же схеме. Успех придет не от погони за трендами, а от решения реальных проблем, продуманного масштабирования и создания защитных преимуществ.

Будущее за разработчиками ИИ, которые воспринимают это как марафон, с дисциплиной, чтобы оставаться на курсе.

Кайлян Фу — менеджер по продуктам ИИ в Uber.