在与创业公司合作的几个人工智能项目之后,我意识到人工智能中断的一个方面仍然是相对未经审查的:人工智能公司的正确商业模式。

该产品是作为服务出售还是作为用户的新功能类别出售?提及收入类型是任何AI项目的重要组成部分。

由于与AI相关的许多技术元素,我注意到现有的传统商业模式并不总是适用。

商业模式:企业成功运作的计划,确定收入来源,预期客户群,产品和融资细节。

人们可能会认为,像他们之前的云/ SaaS公司一样,人工智能创业公司拥有共同的商业模式。但是,我注意到很难将SaaS模型应用于AI初创公司。

实际上,根据AI解决方案的性质,您将始终需要数据,大量原始计算能力和算法。客户消化的本质上比云初创公司更复杂,它也需要不同的东西,因此技术也必须以不同的方式出售。

在进入人工智能商业模式之前,我认为根据我的经验展示人工智能景观非常重要。

AI Landscape可分为两个部分:

  1. 基础设施:这些公司在后端运行,并为其他公司提供计算服务。他们遵循的商业模式通常基于API调用。一个很好的例子是IBM Watson,它通过其Bluemix平台提供情感分析,NLP和实体识别。IBM向用户收取API调用费用。
  2. 应用:这些可以在B2B和B2C领域。然而,在B2B领域可以看到重要的活动,即公司提供基于SaaS的订阅服务。这些公司通常为客户定义的特定用例开发应用程序。因为我非常熟悉它,所以我可以多谈一下这个。我意识到,在经过多次概念验证之后,其中一些最终被重要公司收购。基本上,如果这些AI公司所做的事情被客户视为具有战略意义,那么一些大客户将希望获得创业而不是租用该技术。

让我们现在关注AI初创公司:

基本上有三类AI创业公司:

回到商业模式,我观察到其中两个开始运作良好,其他存在,但我尚未介绍它们。

1。

在此模型中,新的AI解决方案将提高当前工作流程的有效性。

由于密集部署,销售周期很长。因此,每笔交易必须很大才能保持创业活力。除了重要的开发成本之外,还需要大量的运行成本。通常,公司会向您收取定制解决方案的开发费用,然后让您支付每月运营成本以及运营支持/培训。

2。

业务模型或多或少类似于SaaS模型。它涉及可以在其他系统上进行交互的AI解决方案,例如CRM / ERP系统。AI访问流经这些系统的数据,从而推动业务改进。在此商业模式中,公司将按月向您收取费用。根据我的经验,它更容易使它适用于NLP项目(聊天机器人等)

通常,此类解决方案部署速度快,因此销售周期快速,并且具有可靠的ROI。但是,这种商业模式也很脆弱。如果AI解决方案不能证明自己“必不可少”,那么它将容易受到预算削减的影响。

这取决于数据

您的下一个业务模型将高度依赖于您可以使用的数据。

显然,您利用数据的能力将影响您的业务模式。鉴于可以复制数据(许多项目在PoC阶段开始使用虚假数据),因此本质上并不稀缺,数据的价值在大多数行业中总体上相当低,并且趋势较低。

作为一家初创公司,您不需要世界上所有的数据,只需要解决您所追求的特定问题所需的数据(只要您精确定义了它)。

它还取决于你的项目的性质,让我们想象你想要建立AI驱动的无人机。您需要将硬件成本和其他产品相关成本集成到您的业务模型中。

与常规SaaS初创公司相比,构建AI首次启动仍然更加困难和耗时。实际上,数据采集和AI培训需要花费大量时间。部署TensorFlow仍然需要罕见的专业知识。出于所有这些原因,SaaS模型对于AI初创公司来说可能很复杂。

收入分成

我曾与几家无力承担从头开始构建AI解决方案的公司合作过。因此,他们决定与专注于定制解决方案的AI开发初创公司合作。通过收益分享业务模式,两家公司都设法找到了兴趣。他们都同意建立一个PoC,如果它有效,他们分享好处。唯一棘手的问题是谁将提供构建PoC所需的数据。根据我的经验,两家公司都不愿意花太多时间收集数据。

它适用于试图改进现有解决方案而不花费太多开发成本的软件公司。我可以设想一个未来,AI开发团队可以获得多个收益分享合同,让其他公司完成所有的商业/营销工作。

唯一不好的方面是另一个合作伙伴想要添加某种非竞争性条款。从合同的角度来看,双方都有点复杂。实际上,两者都有一些东西会丢失。第一个变得严重依赖于AI公司,而AI公司不能将这个相同的解决方案出售给另一个竞争对手。

我注意到大多数人工智能开发初创公司都有一些付费飞行员在运行,并且有一些早期迹象表明,一旦这些飞行员​​投入生产,客户将准备支付大量资金。

因此,他们总是对确保可以创造新收入的新伙伴关系感兴趣。特别是,当他们已经开发出类似的算法来回答您的业务问题时。

SaaS与AI

人工智能初创公司选择SaaS模式可能很诱人,但由于种种原因,这种选择可能会有风险……

价钱

试点

AI解决方案的本质创造了一种情况,其中通常特别注释的训练数据是强制性的,以及许多不同的数据源。因此,您无法将AI测试限制为少数用户。实际上,它会降低解决方案适应客户需求的能力。使用AI的人越多,学习的速度就越快

出于这个原因,我看到几家初创公司使用项目经理帮助公司了解AI流程并对其进行培训。显然,这种额外的资源需要在业务模型中预期成本。

评估

在部署解决方案的几天内,传统SaaS解决方案的价值主张通常是显而易见的。

然而,在AI系统通过足够的训练数据并暴露于多个用例之前,它可能不会比传统软件更好地执行。根据您的业务问题,一旦解决方案完全正常运行,并且在其学习曲线改进之后,此AI解决方案的附加值将显而易见。

由于这一关键因素,AI初创公司很难使用免费增值模式。AI比传统解决方案需要更多时间。

我最新的AI项目确实赚了收入,但可能只占我们花在其上的金额的9%。由于我们在订阅收入持续下降的同时减少支出,因此这些数字有所改善,但根据我的经验,AI产品在首次推出时无法盈利。

AI即服务

我注意到大多数公司至少使用一种“即服务”。实际上,它使他们能够专注于他们的核心业务,并在一项重要服务上花更少的钱。很明显,近年来企业建立技术堆栈的方式发生了转变,这主要是由于数字平台和微服务的重大转变。“作为服务”:指可以通过网络调用的任何软件,因为它使用云计算。

这种解决方案的成功可以解释为购买此类解决方案的难易程度。实际上,在大多数情况下,您可以从第三方供应商处购买,进行一些修改,并立即开始使用它。

对于那些不能出于预算原因或不愿意建立AI解决方案的公司而言,AI-as-a-service是不浪费机会的完美答案。与其他“即服务”选项一样,同样的方法也适用于人工智能。

数据是机器学习的驱动力。

在未来一年,由于多种原因,企业将迅速开始将机器学习即服务(AIaaS)纳入其技术堆栈。

从我所看到的(其他商业模式确实存在!),如果我们从更大的角度来看,全球公司可以生产并获得如此多的数据,但不一定是回答特定业务问题所必需的数据。

他们可以轻松地构建和培训自己的机器学习模型。这使得他们可以像MLaaS一样将它提供给外部公司,就像他们拥有更多的数据中心空间一样,他们可以提供IaaS(基础设施)。

此外,您还拥有专门为客户构建量身定制解决方案的AI开发团队。这些公司使用这些全球性公司创建的工具,为小型公司构建这些AI解决方案。一种全新的生态系统和商业模式正在出现。

通常,较小的公司无法获得足够的数据来创建强大的AI模型; 但是,他们确实拥有宝贵而精确的数据(以及出色的商业知识),可以开始构建可用于AI项目的优秀数据集。

结论…

显然,可能会出现新的AI商业模式。我相信人工智能初创公司需要一段时间才能找到人工智能成功的“正确”公式。选择能够使您的业务有效增长的业务模型非常重要。

本文转载自medium,原文地址

easyai公众号