Get-Investor — навигатор по российскому рынку инвестиций в стартапы и бизнес
28 ИЮНЯ 2023
Как создать продукт с ИИ, который действительно нужен людям
Руководство по поиску рыночного соответствия продуктов ИИ на «кривой выживания»
Реальность такова, что 85% корпоративных проектов в области искусственного интеллекта и больших данных терпят неудачу. При этом проблема не в сырой технологии, а в том, чтобы понять, как применить искусственный интеллект в нужных ситуациях в нужное время по нужным каналам и в итоге получить прибыль.
Содержание:
1. В чем проблема искусственного интеллекта
2. Кривая выживания ИИ с примерами
3. Как увеличить соответствие ИИ-проекта рынку
Содержание:
1. В чем проблема искусственного интеллекта
2. Кривая выживания ИИ с примерами
3. Как увеличить соответствие ИИ-проекта рынку
В чем проблема искусственного интеллекта
В мае прошлого года Корнельский университет провел исследование, чтобы оценить, насколько точно языковые модели ИИ ответили на 817 вопросов, касающихся здравоохранения, права, финансов и политики. Лучшая модель была правдива только в 58% вопросов. Таким образом самый большой недостаток ИИ на сегодняшний день заключается в том, что модели обучаются на данных, которые включают популярные заблуждения, способные обмануть людей.
При этом много продуктов на базе ИИ терпят неудачу, в том числе и у крупных корпораций. Например, Alexa, личный помощник на основе диалогового ИИ от Amazon, в 2022 году стал причиной самого крупного денежного провала американского гиганта электронной коммерции. Потери составили около 10 миллиардов долларов. «Почти человеческий» чат-агент с ИИ от Google - Duplex, - созданный для выполнения повседневных задач, таких как регистрация на рейсы и бронирование билетов, был закрыт через три года после старта проекта. В 2022 году компания Ford объявила о сворачивании своей технологии автономного вождения, основанной на искусственном интеллекте.
При этом много продуктов на базе ИИ терпят неудачу, в том числе и у крупных корпораций. Например, Alexa, личный помощник на основе диалогового ИИ от Amazon, в 2022 году стал причиной самого крупного денежного провала американского гиганта электронной коммерции. Потери составили около 10 миллиардов долларов. «Почти человеческий» чат-агент с ИИ от Google - Duplex, - созданный для выполнения повседневных задач, таких как регистрация на рейсы и бронирование билетов, был закрыт через три года после старта проекта. В 2022 году компания Ford объявила о сворачивании своей технологии автономного вождения, основанной на искусственном интеллекте.
Кривая выживания ИИ с примерами
На рисунке ниже кривая выживаемости проектов на основе ИИ показывает, сможет ли соответствующее решение удовлетворить потребности своих пользователей сегодня.
Ось Y (вертикальная) = рассмотрение: количество усилий, необходимых для принятия решения или терпимость к ошибкам.
Ось X (горизонтальная) = контекст: объем понятий, которые должен знать ИИ.
Как видите, успешные продукты четко ложатся на кривую:
StitchFix
Модель ИИ онлайн-сервиса персонального стиля помогает пользователям подобрать идеальный гардероб. Это требует много размышлений (высокий уровень усилий для принятия решения), но варианты ограничены одеждой StichFix, а не всем многообразием, представленным в интернете (узкий контекст).
Walmart Text to Shop
Инструмент помогает пользователям автоматизировать домашние покупки. Принятие решения здесь не столь сложно, но требуется больше контекста, поскольку Walmart предлагает огромный ассортимент товаров для электронной коммерции и в магазинах (более 1,5 миллионов SKU).
NotionAI
Сервис, работающий на GPT3, требует много обучения — ведь в контексте весь интернет! Однако рассмотрение малое.
Amazon Alexa
Находится ниже кривой, потому что хотя большинство случаев использования имеют низкое рассмотрение (проверка погоды, уменьшение громкости), но при этом и низкий контекст (она может заказать пиццу Domino's Pizza, но не может заказать вам ваш любимый десерт из кафе в вашем городе).
Fully self-driving vehicles
Полностью самоуправляемые автомобили: намного выше кривой, потому что для этого требуется неимоверное количество тренировок и обучения ИИ в сочетании с высоким рассмотрением, чтобы работать без ошибок в 100% случаев.
Ось X (горизонтальная) = контекст: объем понятий, которые должен знать ИИ.
Как видите, успешные продукты четко ложатся на кривую:
StitchFix
Модель ИИ онлайн-сервиса персонального стиля помогает пользователям подобрать идеальный гардероб. Это требует много размышлений (высокий уровень усилий для принятия решения), но варианты ограничены одеждой StichFix, а не всем многообразием, представленным в интернете (узкий контекст).
Walmart Text to Shop
Инструмент помогает пользователям автоматизировать домашние покупки. Принятие решения здесь не столь сложно, но требуется больше контекста, поскольку Walmart предлагает огромный ассортимент товаров для электронной коммерции и в магазинах (более 1,5 миллионов SKU).
NotionAI
Сервис, работающий на GPT3, требует много обучения — ведь в контексте весь интернет! Однако рассмотрение малое.
Amazon Alexa
Находится ниже кривой, потому что хотя большинство случаев использования имеют низкое рассмотрение (проверка погоды, уменьшение громкости), но при этом и низкий контекст (она может заказать пиццу Domino's Pizza, но не может заказать вам ваш любимый десерт из кафе в вашем городе).
Fully self-driving vehicles
Полностью самоуправляемые автомобили: намного выше кривой, потому что для этого требуется неимоверное количество тренировок и обучения ИИ в сочетании с высоким рассмотрением, чтобы работать без ошибок в 100% случаев.
5 перспективных идей для стартапов с применением ИИ
Как увеличить соответствие ИИ-проекта рынку
Давайте разберем 5-этапный процесс для повышения шансов на соответствие продукта ИИ рынку.
Шаг 1: Определите причины почему люди выберут ваш продукт, ответив на вопросы:
- Какую проблему вы решаете?
- Кто использует ваш продукт?
- Почему они его используют?
- Какова альтернатива?
- Как часто они его используют?
Шаг 2: Сформулируйте гипотезу 10-кратного улучшения продукта. Например:
- Проактивность: можете ли вы предвидеть потребности клиентов?
- Персонализация: можете ли вы предоставлять релевантную информацию?
- Индивидуальность: можете ли вы вдохнуть жизнь во взаимодействие с брендом?
- Автоматизация: можете ли вы сократить время и уменьшить усилия?
- Доступность: можете ли вы обеспечить взаимодействие с клиентом?
Шаг 3: Проверьте свои самые рискованные предположения. Прежде чем что-либо создавать, важно получить обратную связь от потенциальных пользователей о вашей идее. Это должно быть сочетание информации о клиентах (качественные данные) и фактического поведения клиентов (количественные данные). Вместе они дают вам представление о том, может ли ваша идея решить реальную проблему реальных людей.
Шаг 4: Проверьте свою идею с помощью быстрого прототипирования.
Шаг 5: Запустите свой минимально привлекательный продукт (MLP) — это минимальная версия продукта, которая способна завоевать расположение первых потребителей. В отличие от MVP (минимально жизнеспособный продукт) в ней больше внимания уделяют интерфейсу и опыту покупателя.
Разница между ИИ и другими инновациями, меняющими окружающий мир, заключается в невероятно низком барьере для входа. На заре развития интернета создание веб-сайта было сложной задачей, с которой могли справиться только крупные технические команды. Сегодня разработать приложение на основе моделей с открытым исходным кодом способен практически любой человек, имеющий доступ в Интернет. При этом искусственный интеллект будет развиваться экспоненциально каждый год, поэтому его раннее внедрение имеет решающее значение.
На основе материала сайта www.reforge.com
Шаг 1: Определите причины почему люди выберут ваш продукт, ответив на вопросы:
- Какую проблему вы решаете?
- Кто использует ваш продукт?
- Почему они его используют?
- Какова альтернатива?
- Как часто они его используют?
Шаг 2: Сформулируйте гипотезу 10-кратного улучшения продукта. Например:
- Проактивность: можете ли вы предвидеть потребности клиентов?
- Персонализация: можете ли вы предоставлять релевантную информацию?
- Индивидуальность: можете ли вы вдохнуть жизнь во взаимодействие с брендом?
- Автоматизация: можете ли вы сократить время и уменьшить усилия?
- Доступность: можете ли вы обеспечить взаимодействие с клиентом?
Шаг 3: Проверьте свои самые рискованные предположения. Прежде чем что-либо создавать, важно получить обратную связь от потенциальных пользователей о вашей идее. Это должно быть сочетание информации о клиентах (качественные данные) и фактического поведения клиентов (количественные данные). Вместе они дают вам представление о том, может ли ваша идея решить реальную проблему реальных людей.
Шаг 4: Проверьте свою идею с помощью быстрого прототипирования.
Шаг 5: Запустите свой минимально привлекательный продукт (MLP) — это минимальная версия продукта, которая способна завоевать расположение первых потребителей. В отличие от MVP (минимально жизнеспособный продукт) в ней больше внимания уделяют интерфейсу и опыту покупателя.
Разница между ИИ и другими инновациями, меняющими окружающий мир, заключается в невероятно низком барьере для входа. На заре развития интернета создание веб-сайта было сложной задачей, с которой могли справиться только крупные технические команды. Сегодня разработать приложение на основе моделей с открытым исходным кодом способен практически любой человек, имеющий доступ в Интернет. При этом искусственный интеллект будет развиваться экспоненциально каждый год, поэтому его раннее внедрение имеет решающее значение.
На основе материала сайта www.reforge.com
Нужна помощь в анализе рынка и привлечении инвестиций в ваш проект? Записывайтесь на консультацию с экспертом:
Подписывайтесь на еженедельную рассылку о полезных для бизнеса мероприятиях и новых публикаций Get-Investor.ru.
Присоединяйтесь к нам в Telegram, Вконтакте, Дзен.
Присоединяйтесь к нам в Telegram, Вконтакте, Дзен.
Рекомендованное
Узнавайте первыми
Подпишитесь и раз в неделю получайте подборку полезных материалов
Нажимая на кнопку «Подписаться», вы соглашаетесь на обработку персональных данных в соответствии с политикой конфиденциальности