比较AI策略–智能系统
简介：  我们将审查的第四个也是最后一个AI策略是智能系统（SOI）。与我们之前回顾的“垂直”策略一样，这几乎引起了人们的关注。它之所以具有吸引力，是因为它似乎具有横向战略的财务优势，但是其创建防御性护城河的能力需要进行一些微调。
在上几篇文章中，我们一直在研究成功的AI公司的不同策略。
我们描述了数据优势以及纵向和横向策略。这将我们带到了第四个也是最后一个AI策略，即智能系统（SOI）。
像“垂直”战略这样的情报系统战略是成功的风险投资公司的智囊，Greylock Partners的Jerry Chen。像许多风投一样，陈先生也在努力为在瞬息万变的技术市场中投资制定标准。迄今为止，“垂直”战略和这种“情报系统”战略获得了最多的关注。这可能表明也可能不表明整个投资界都同意。
但是，将所有这四个策略联系在一起的唯一因素是需要创建防御性的护城河，以防止快速的追随者简单地复制您的想法。
老护城河掉了
回顾技术市场的发展历程并记住每个时代的护城河很有趣。自称风险投资人的吉尔·迪布纳（Gil Dibner）也许对SOI提出了最周到的回应，也为我们提供了技术风险投资的简短历史回顾。
1970–1985：“硅”时代（例如，英特尔，成立于1968年）
1975年至1990年：“信息”时代（例如，微软公司成立于1975年，甲骨文公司成立于1977年）
1985–2000：“物理网络”时代（例如，思科，成立于1984年）
1995–2010：“逻辑网络”时代（例如，成立于1994年的Netscape）
2000–2015：“ SaaS”时代（例如Salesforce，成立于1999年）
2005–2020年：“网络效应”时代（例如，成立于2004年的Facebook和成立于2008年的AirBnB）
2015-2030年：“情报系统”时代？
如果您从2007年开源NoSQL和Hadoop的出现来追溯现代ML和AI的兴起，不难发现VC投资策略已被Network Effect和SaaS策略所主导。
这些并不是无效的。因为它们已经被充分利用，并且极少数例外地建立了采用这些策略的领导者，从而在很大程度上冻结了未来的竞争对手。在风投，初创公司创始人以及我们所有人都对以人工智能为先的业务感兴趣的人的心中，下一步将是什么？陈先生提供：
“我相信，深层的技术难题还没有完全消失，仍然可以围绕IP建立可辩护的业务模型。如果您在技术栈中占据一席之地并成为绝对最佳的解决方案，则可以创建有价值的公司。但是，这意味着选择一个几乎没有替代品的技术问题，这需要艰苦的工程设计，并且需要扩展操作知识。”
情报系统背后的基本概念是什么？
在关于SOI的开创性文章中，Chen提出了以下主张：
如今，市场青睐经常依赖于SaaS模型的全栈解决方案。只要堆栈中的各个元素能够很好地配合使用，该技术的细节就不再重要。
当今的完整堆栈基于记录系统。有四种基本的记录系统，一种用于客户（CRM），一种用于员工（HCM），另外两种用于资产（ERP财务/ ITSM）。这些是构建您的应用程序的数据库。SaaS战略的领导者已经确立并处于主导地位。
参与系统是位于记录系统之上的界面，允许或控制用户如何利用数据并与之交互。这些已经从大型机终端迁移到了Tableau之类的仪表板可视化工具，直到今天，我们在文本和会话UI上都有Slack，Alexa，Wechat，聊天机器人以及其他所有变体。较旧的SOE应用程序往往不会消失，但会继续与较新的形式共存。
为了获得竞争优势，SOE必须依靠网络效应（其界面的友好性和实用性来吸引最大的用户），因为它提供的数据位于SOR中并与其他SOE共享。结果就是今天的现代企业堆栈，其中SOE位于SOR之上。
智能系统的颠覆性核心是出现了一个中间层，即SOI层，该层通过添加来自多个（有时是外部）来源的数据或通过添加ML / AI来添加以前看不见的见识，从而提高了SOR的价值。
桥接多个SOR的能力使这些应用程序更能抵御SAP或PeopleSoft的内部功能，并且从外部数据源（例如，用于生成Web分析的Web日志）中增加价值使它们的工作范围更加宽广。
当然，向多个数据源增加价值的能力取决于ML / AI的增加价值。
这些SOI机会是什么样的
首先，很明显，这是适用于企业平台的横向策略。横向策略是代表可以在多个行业中重新使用的解决方案的策略。
但是不同于要求用户/客户使解决方案适应特定用例的广泛横向策略，这种特定用例需要付出比他们可能想应用的更多的精力，而SOI策略很可能会导致围绕一个相当完整的标准化应用程序（完整堆栈）一组特定的过程。假设这些在各行业之间足够相似，可以通过可重复的过程来实现适应和配置。Chen提供了以下三种可能的方案：
围绕客户旅程的面向客户的应用程序。
面向员工的应用程序，例如HCM。
ITSM，财务或基础架构系统，例如安全性，计算/存储/网络和监视/管理。
核心功能是数据混合和ML / AI分析，从而可以进行预测性甚至规定性操作。您可以使用Alteryx，SAS或SPSS等现代先进的分析平台来构建它们，也可以简单地用R或Python编写它们。
当然，重点可能会更狭窄地集中在金融或建筑等更专业的行业中的目标公司群体。在这里，除了需要过程主题专业知识以外，还需要行业专业知识。
情报策略系统是否提供防御之城？
目前尚不清楚，至少没有在方程式中增加其他因素。其中的SOI的最好的讨论和批评来自吉尔迪布纳，谁自我识别的风险投资。
Dibner确定的第一个问题是，如果您的唯一优势是ML / AI的专业知识，那么任何快速追随者都可以重新创建您的产品。多亏了ML / AI的开源精神，该IP才是真正的专有。
如果您的解决方案的技术复杂性很高，尤其是在图像，文本和语音的开发领域，则可能至少可以暂时取得领先。但是，这种优势不可能持久。人工智能正在迅速成为一种商品。
Dibner认为某些功能至少可以在某些情况下增加防御性。一种是我们上面提到的AI技术是否非常困难。
另一个是网络效应的变化。请记住，网络效应的概念是说，随着用户数量的增加，网络的价值会越来越大。通常，这已被充分利用，不再提供护城河。
但是，Dibner设想了网络智能系统的可能性。他设想了一个可以在供应链中各方面协同工作的系统，在该系统中可以看到客户之间的共享信息可以增加价值。
他提供的另一个可能的难题是能够将环人应用程序与AI集成在一起，从而使混合动力系统比单独的AI更快，更有效地学习。
那时，Dibner开始提出明显来自纵向策略的功能：领域专业知识，数据优势和全栈应用程序。
情报系统的横向跨行业方法无疑将仍然是其最吸引人的功能。如果有道理，可以在各个行业中出售的专注于单个流程的应用程序的优势听起来像是一桶金。
这里是否有真正的护城河值得怀疑。
题库