Πώς να χτίσετε τα θεμέλια για μια κερδοφόρα εκκίνηση με τεχνητή νοημοσύνη

Επένδυση σε εταιρείες τεχνητής νοημοσύνης

έχει πλέον εισέλθει στην επιφυλακτική φάση της. Μετά από ένα χρόνο, όταν τα χρήματα

που

απευθύνονται σε νεοσύστατες εταιρείες AI ξεπέρασαν κατά πολύ οποιοδήποτε άλλο τομέα, οι

επενδύσεις

έγιναν πρόσφατα πιο υγιείς ή επικυρωμένες. Οι επενδυτές είναι πιο επιφυλακτικοί σχετικά με τη διαφημιστική εκστρατεία AI και αναζητούν εταιρείες που θα αποβάλλουν κέρδη.

Η οικοδόμηση μιας κερδοφόρας επιχείρησης AI δημιουργεί μοναδικές προκλήσεις πέρα ​​από εκείνες που αντιμετωπίζουν κατά την εκτόξευση μιας τυπικής τεχνολογικής εκκίνησης. Συστημικά ζητήματα όπως το υψηλό κόστος της ενοικίασης GPU, το διευρυνόμενο χάσμα ταλέντων, οι πανύψηλοι μισθοί και οι ακριβές απαιτήσεις API και φιλοξενίας μπορούν να προκαλέσουν το κόστος να βγει γρήγορα εκτός ελέγχου.

Οι επόμενοι μήνες μπορεί να είναι τρομακτικοί για τους ιδρυτές εταιρειών AI καθώς παρακολουθούν τους συναδέλφους τους ηγέτες να αγωνίζονται ή ακόμα και να αποτυγχάνουν σε νέες επιχειρήσεις, αλλά υπάρχει μια αποδεδειγμένη πορεία προς την κερδοφορία. Εφάρμοσα αυτά τα βήματα όταν μπήκα στη SymphonyAI στις αρχές του

2022

και μόλις ολοκληρώσαμε ένα έτος κατά το οποίο αυξηθήκαμε κατά 30% και πλησιάσαμε τα 500 εκατομμύρια δολάρια σε ποσοστό εσόδων. Ο ίδιος τύπος λειτούργησε και στις προηγούμενες εταιρείες μου (Cerence, Harman, Symphony Teleca και Aricent, μεταξύ άλλων): εστίαση σε συγκεκριμένες ανάγκες των πελατών και αποτύπωση αξίας σε έναν συγκεκριμένο κλάδο. Όλος ο δρόμος, εδώ είναι οι εκτιμήσεις που σχημάτισαν τα θεμέλια για τις επιτυχημένες προσπάθειές μας.

Δημιουργήστε ένα ρεαλιστικό και ακριβές μοντέλο κόστους

Οι νεοσύστατες επιχειρήσεις αντιμετωπίζουν πολλές προκλήσεις, αλλά οι επιχειρήσεις τεχνητής νοημοσύνης έχουν μερικούς μοναδικούς παράγοντες που μπορούν να παραμορφώσουν τα οικονομικά μοντέλα και τις προβλέψεις εσόδων, οδηγώντας σε ραγδαία αύξηση του κόστους. Είναι εύκολο να κάνετε λάθος υπολογισμό εδώ — οι αποφάσεις για μεγάλα ζητήματα μπορεί να έχουν ακούσιες συνέπειες, ενώ υπάρχει επίσης ένας μακρύς κατάλογος μη προφανών δαπανών που πρέπει να λάβετε υπόψη.

Ας ξεκινήσουμε με μία από τις σημαντικότερες αποφάσεις εκ των προτέρων: Είναι πιο οικονομικά αποδοτικό να χρησιμοποιήσετε ένα μοντέλο AI με βάση το σύννεφο ή να φιλοξενήσετε το δικό σας; Είναι μια απόφαση που πρέπει να λάβουν οι ομάδες νωρίς, γιατί καθώς κατευθύνεστε προς το μονοπάτι που έχετε επιλέξει, είτε θα εμβαθύνετε στις προσαρμοσμένες δυνατότητες που προσφέρουν οι γίγαντες της τεχνητής νοημοσύνης ή θα αρχίσετε να δημιουργείτε τη δική σας στοίβα τεχνολογίας. Κάθε ένα από αυτά έχει σημαντικό κόστος.

Ο καθορισμός της απάντησής σας ξεκινά με τον καθορισμό της συγκεκριμένης περίπτωσης χρήσης σας, αλλά γενικά, το cloud έχει νόημα για εκπαίδευση και συμπέρασμα, εάν δεν μεταφέρετε τεράστιες ποσότητες δεδομένων μέσα και έξω από τις αποθήκες δεδομένων και δεν συγκεντρώνετε τεράστιες χρεώσεις εξόδου. Αλλά να είστε προσεκτικοί, εάν αναμένετε να πουλάτε τη λύση σας για 25 $ ανά χρήστη το μήνα με απεριόριστες ερωτήσεις – και το OpenAI σας χρεώνει ανά κουπόνι στα παρασκήνια – αυτό το μοντέλο θα πέσει αρκετά γρήγορα καθώς τα οικονομικά της μονάδας σας δεν αποφέρουν κέρδος.