比较四种主要的AI策略
简介： 现在，我们详细介绍了AI优先的四种主要策略：数据优势，垂直，水平和智能系统，现在该选拔了。在这里，我们提供了您自己的AI初创公司的并排比较和对获胜者的看法。
在最后几篇文章中，我们浏览了创建成功的AI优先公司的四大策略。那么哪一个最好呢？
由于我们将提供并排比较，因此您可能希望首先参考有关四种策略的基础文章：
数据优势，
水平与垂直，以及
情报系统。
这是他们堆积的方式
专有数据
人们普遍同意，控制唯一数据集是创建防御性护城河的最有效方法。唯一的例外是横向策略，投资者认为横向策略已得到充分利用，也就是说，领导者已经建立了支配地位，不太可能被搁置。由于无法合理地保护ML / AI中的IP，因此数据的控制和支配地位仍然是一个重要因素。
情报公司系统在这一方面的防御性较弱。由于他们不拥有记录系统或参与系统，因此他们必须依靠许多用户的网络效应和出色的UI来吸引和留住客户。这也表明，现有的SOR或SOE主导供应商可以通过收购或在市场证明可行后立即作为直接竞争对手进入。
寻找可以声称是专有的外部数据并与SOR数据混合并通过ML / AI层进行操作似乎是唯一的保护。
主题专长/缩小行业重点
这个元素导致找到一个真正的要解决的问题。今天，这些都是特定于行业的。实际上，这可能是创始人最难识别的部分。尽早将业界知名的领导者和中小型企业引入团队，不仅为解决方案带来了重点和实力，而且在上市时也将赢得信任。
在智能系统策略中，重点是跨行业的流程，因此SME组件将重点放在所需的流程上。基于SOI的公司也可能希望将其行业重点缩小到少数几个类似的行业，以使实现配置与纵向策略的混合变得不那么复杂。
人工智能必须实现核心价值
在垂直战略中，首席倡导者布拉德福德·克罗斯（Bradford Cross）（本人是风投）试图建立一项投资论文，供AI优先创业公司选择。他的立场是，只有AI可以或必须交付的解决方案才能真正实现差异化突破。
Cross还提出，传统的ML（尤其是MLaaS工具）不能提供足够的差异化，或者只能提供解决方案的增量改进。
但是，当我们看一下数据优势战略中的示例公司（Blue River，Axon和Stitch Fix）以及实施情报系统战略的公司时，看起来可以通过传统的混合来完成很多工作。 ML和一些AI。
我们的观点是，创始人应该尝试构想以人工智能为先的策略，在这些策略下，他们可以提供真正的突破性解决方案，而又不能抛弃传统且更容易的ML的贡献。
甚至有人争论说，在开发最小可行数据产品时，使用ML创建产品的前几代更加容易，直到用户帮助您专注于重要的内容为止。在MVP流程的早期，速度比复杂度甚至完整功能更为重要。
全栈产品
数据优势和垂直战略都表明，全栈解决方案是理想的，甚至是必要的。如果这里有问题，那就在于如何解释完整堆栈。
纵向战略的布拉德福德·克罗斯（Bradford Cross）提出了一个主要问题，即完整的解决方案和真正的全栈解决方案的复杂性将导致其自身的mo势。
我们的观察结果是，虽然完全解决客户的问题很重要，但有可能完全摆脱了全栈的含义。请参阅“垂直/水平”审阅中的全堆栈预测性维护解决方案示例，这是不失为一项客观的课程。BCG建议的完整堆栈需要构建与SAP或PeopleSoft ERP等效的应用程序。那可能是一个好目标，但是您可能会给客户一个更加有限和可实现的东西。
那么哪个最好？
如果要奖励积分，我们必须说数据优势和垂直战略处于领先地位。最好的证据是风险投资人在哪里进行投资，这显然是在这两个相似但略有不同的桶中。关于这些以人工智能为先的公司中的任何一家能否成长为IPO规模的问题仍然悬而未决。
在我们提供的示例公司中，Axon在引入AI产品之前已经公开上市。这是旧的Horizo??ntal时代更多的数据方面的汽车战略，但是他们将其与数据优势战略一起对待AI可能是其增长的动力。
Blue River Technology最近被John Deere收购。这不是默许，尾巴可能会摇动狗。蓝河可能会向传统设备制造商展示如何生存并在未来蓬勃发展。
这样就可以使Stitch Fix保持良好的增长。现在还不能说他们是否会进行IPO。还是亚马逊会把它们挖出来？他们使用数据优势的定位仍然是独特的，并且与亚马逊通常的时装销售方式大不相同。
有关AI策略的其他文章
比较AI策略–智能系统
比较AI策略–垂直与水平。
成功打造AI公司的秘诀
人工智能策略–增量和根本改进
题库