Dlaczego sztucznej inteligencji ciężko w Rosji

0
324


Zdjęcia Darowizny Sorokina / TASS

Technologia sztucznej inteligencji stają się przedsięwzięcie nurtu — nieodłącznym elementem startupów w dziedzinie technologii informatycznych. Jednak w Rosji AI w firmach borykają się z szeregiem problemów

Jeszcze pięć lat temu domen w tej dziedzinie .ai były wolne, ale teraz nie można ich kupić. Jeśli wcześniej poważna aplikacja wyglądało jak duża deska rozdzielcza, teraz ideałem jest produkt z jednym przyciskiem, który sprawia, że “cud”. A pod cudem kryje się sztuczna inteligencja, realizujący wszystkie skomplikowane procesy. Nawet sam wprowadzanie poleceń teraz można wykonać głosem, gestami — w pewnym sensie poprzez analizę zachowania ludzi.

Sztuczna inteligencja, uczenie maszynowe i życie

Co robią projekty w dziedzinie AI i jak to się różni od typowych systemów automatyki? Systemy oparte na uczeniu już dawno optymalizują proste i przewidywalne działania. Weźmy, na przykład, wypełnienie ankiety na zakup biletu lotniczego, a następnie traktowanie tej aplikacji na serwerach firmy. Takie podstawowe procesy (suchym naukowym językiem — procesy o niskiej entropii) już dawno zautomatyzowane алгоритмически. Nie można tego powiedzieć o zadaniach, które mają niestandardowe wejściowe lub wyjściowe dane — dane z wysokiej entropii”. Systemy nowej generacji, jak i powołani do radzenia sobie z nimi. Na przykład, trzeba przetworzyć żądania: “Jestem zmęczony, chcę na morze”. Na podstawie tożsamości użytkownika, inteligentny asystent dobierze bilety, miejsce wypoczynku z optymalnym klimatem, organizuje transfer z lotniska / hotelu, a może wszystko na raz płacić.

Sama technologia jest przy tym zazwyczaj rozwiązuje zadania z następujących rodzajów:

  1. Rozpoznawanie głosu, twarzy, wad, — tzw. Anomaly Detection).
  2. Wyszukiwanie (Matching). Typowy przykład — wyszukiwarka (znaleźć 1 wariant z 100 000) lub bardziej egzotyczne odniesienia systemu.
  3. Przewidywania. Kto wygra w wyborach, jaka będzie pogoda, jaka będzie przychód u punktu sprzedaży?

W firmach w AI

Udane projekty w dziedzinie sztucznej inteligencji, co nie jest zaskakujące, najczęściej są połączeniem nauki, biznesu i marketingu. Typowa historia sukcesu firmy często opiera się na tym, że ich rozwiązanie jest znacznie lepsze od innych automatyzuje proces lub przetwarza dane, do których wcześniej nikomu nie było sprawy. Na przykład, dane z czujników w fabryce pozwoliły na przewidywanie awarii sprzętu lub analiza postów na Twitterze pozwolił zidentyfikować cenne sygnały transakcyjne w handlu akcjami.

W tym samym czasie projektów w dziedzinie AI jest pewna specyfika, wprowadzająca je z norm венчурной branży. Z naszego doświadczenia wynika, projekt AI — to najczęściej b2b z długim cyklem sprzedaży. U tych projektów, zwłaszcza w Rosji, jest specyficzne problemy — brak zapasów finansowych dla funkcjonowania w ciągu transakcji i brak więzi po wyjściu na rynek międzynarodowy. To dodatkowo utrudnia stworzenie takiego projektu.

Ostrość na b2b

Istnieje ogromna liczba firm, których pracownicy wykorzystują czas pracy na opracowanie typowych zadań. Pieniądze dla AI-projektu tutaj leżą w zakresie optymalizacji i obniżania kosztów. Przy tym efekt ekonomiczny robotyzacji 20 miejsc pracy różni się od robotyzacji 2000. Dlatego właśnie duże firmy mogą sobie pozwolić na wdrożenie systemów AI c super human abilities (“nadludzkie moce”). Wreszcie, “ropa” na tej branży — te “dużych danych” — gromadzi się właśnie u dużych firm. Dlatego kierunek b2b staje się głównym dla większości projektów, oferujących rozwiązania w dziedzinie AI.

Sprzedaży w duże firmy nie jest łatwym zadaniem dla AI-starcie. Pierwszy problem — cykl sprzedaży. Sprzedać w dużą firmę ciężko: jest to proces o długości 6-18 miesięcy. A w firmach bez sprzedaży, tym bardziej, że w Rosji, tak długo nie żyją.

Inny problem — skalowanie. W enterprise-sprzedaży nie można po prostu kupić więcej ruchu, jak w b2c, tak nam wybaczą marketingu. Skalowanie sprzedaży wymaga oddzielnych wysiłku i czasu. W tej dziedzinie istnieją ścisłe i czas-ekonomicznych systemu selekcji dostawców. Warto zauważyć, że w ostatnim czasie coś się zmienia w lepszą stronę z powodu pojawiających się działów w zakresie innowacji. W technologicznych rozwiązaniach b2b jest specyficzne sposoby powiększenia, gdy produkt staje się standardem w branży nie kosztem pieniędzy w marketingu, a dzięki najlepszej decyzji oddzielnego zadania. W tym przypadku, jest on automatycznie sprzedawane jako element większych systemów.

Problemy rynku rosyjskiego

Projekty w Rosji spotykają się z dodatkowymi trudnościami. W Rosji budżety na innowacje średnio mocno odstają od USA i Europy. Z tego powodu często interakcji przedsiębiorstw ze startupami kończy się po przeprowadzeniu хакатона — na wdrożenie po prostu brakuje pieniędzy. Częste przypadki, gdy firmy widzą, że decyzja starcie działa, ale kupują jego pełne wdrożenie u integratora lub za granicą. Zdarza się również, że pomysł rozwiązania kradną i wdrażają własnymi siłami.

Oczywiście, trzeba starać się być lepszymi, aby było łatwiej kupić, niż skopiować. Ale na małym rynku ostatnio nie daje gwarancji.
Obecny i sezonowa specyfika związana z taka sama we wszystkich organizacjach budżetu na rok. Na koniec każdego okresu sprawozdawczego kierownicy działów innowacji masowo starają się zrobić coś jak najszybciej, a wiosną i latem działają ostrożnie i powoli.

Światowy rynek może być rozwiązaniem, ale i tu są pewne problemy. Z naszego doświadczenia, w tym zakresie budżet zaczyna się od $2 mln, a wyjście trwa około dwóch lat. Przy tym sprzedawać sami: szybkie wynajęcie dobrego sprzedawcy w tej dziedzinie — zdarzenie rzadkie.

Stare rozwiązania

Rozwiązaniem problemu miały być венчурные fundusze. Przez analogię z internetem AI teraz obowiązkowy technologia — interesujący rynek, w którym wiele zadań, które wymagają rozwiązania. Ale dla funduszy starcie, który zamierza sprzedawać dużych firm, wciąż jest bardzo niewygodny.

Fundusz zarabia na sprzedaży zakupionych akcji w następujący inwestorom lub podczas IPO. Udział może stać się droższy tylko w przypadku rozwoju firmy i zwiększenie jej atrakcyjności, co oznacza, że skalowanie i wyjście na nowe rynki. Jeśli z grubsza opisać podejście венчурной branży w ciągu ostatnich 15 lat, to wygląda to tak: szybkie stworzenie prototypu, który podoba się konsumentom, i kolejny wniosek na plus tych kanałów, gdzie można szybko zwiększać liczbę klientów. Opierając się na takim widoku, inwestorów kapitału podwyższonego ryzyka oceniają projekty i wydzielają im finansowanie. Ten podejście jest dobre dla b2c. Jednak AI-rozwiązań więcej punktów aplikacji w segmencie b2b. Jeśli firma nie pokaże szybki wzrost w podstawowych miarach (ilość leadów, sprzedaż, itp.). Funduszy trudniej śledzić rozwój projektu, co z kolei utrudnia proces pozyskiwania pieniędzy. Analityków (i nawiasem mówiąc, sami założyciele projektu) nie wiadomo, na co patrzeć i na podstawie czego wyciągać wnioski.

W sferze b2b skalowanie projektu to przede wszystkim jakość technologiczną przewagę nad konkurencją i osadzanie w zakresie przedsiębiorczości decyzje producentów. Wysokiej jakości przewaga technologiczna zakłada wydatki na rozwój. W tym zakresie każde kolejne 5% dokładności podjąć decyzję o rząd wielkości trudniejsze i droższe od poprzednich. Недофинансирование w tym momencie jest zgubne: projekt będzie spalić pieniądze na wynagrodzenia, ale nie będzie w stanie wystarczająco rozwijać produkt. Jeśli policzyć podsumowanie, to chodzi o kwotach rzędu $1-3 mln na etapie sadzenia. Zainwestować takiej kwoty jeszcze i bez pełnowartościowych sprzedaży, w Rosji, w praktyce nie ma nikogo.

Nowe możliwości

Można przypuszczać, że dla projektów w dziedzinie AI optymalnej staje hybrydowy usługowo-oferta model rozwoju. Rozwiązanie jest sprzedawany i доопределяется w postaci płatnych wykonanych opracowań, w których rosną kompetencje zespołu i zwiększa dokładność. W momencie, gdy zespół już zrealizowanych zamówień i наработанная technologia, zobacz runda finansowania dla rozwoju staje się znacznie łatwiejsze.

Inną możliwość daje współpraca z krajowymi ośrodkami naukowymi, pozwalające w końcu obniżyć koszty przy wzroście dokładności rozwiązania. Tak, w tym modelu już działa współzałożyciel Coursera Andrew Ng. AI Fund, utworzony w wczesny prototyp amerykańskiego starcie platformy Betaworks, który zgromadził ponad $175. Także podobne podejście teraz rozwija Физтех Akcelerator we współpracy z firmami.