六项人工智能策略-但只有一名获胜者
简介：   结果出炉了。只有一个明显成功的战略可以为AI优先公司创造巨大的成功。我们将简要总结掉在路边的其他竞争者，然后为获胜者拉开帷幕。
在过去的三年中，我们一直密切关注成功AI / ML策略成功的成因。除了我们自己的观察，我们还一直在密切听风险投资人以及他们如何描述他们决定谁资助的内部过程。令人瞩目的这次对话已经迅速而根本地改变了。
我们首先简要回顾一下在此期间描述的各种策略，最后得出令人吃惊的结论。  如果您想成为一家大型且成功的人工智能第一公司，那么实际上只有一种行之有效的策略。  是的，这里还有新进入者的机会，尽管我们强烈怀疑那些未来的明星已经存在，并且正在尽其最大的努力使自己尽快成长。
这是我们首先观察到的AI / ML策略出现的简要摘要。
应用人工智能–优化当前业务模型
我们之所以列出此策略，仅仅是因为这是当今绝大多数企业所处的位置。  完成特定的项目，他们将利用AI / ML的某些元素来调整现有的业务模型。这是将新技术嫁接到旧的过时的商业模型上的常用方法。
这不是大型成熟公司所独有的，甚至不一定是坏的。但是，有许多新兴公司只是将AI / ML嫁接到他们现有的产品上。这不是AI优先，而是新术语“ AI清洗”的来源。这正确地意味着此处没有足够的AI / ML来创造突破，仅足以证明将其放入广告中是合理的。
横向策略
核心概念是制造一个可以供许多行业使用的AI产品或平台，比以前的AI更有效地解决问题。最初，许多公司认为他们可以创建跨行业的AI实用程序。而且，如果您是幸存的高级分析平台或数据准备套件之一，那么您可能是对的。
谷歌，亚马逊，IBM和微软等巨无霸迅速吞噬了这些机会。通过自己的研究和战略性并购，他们迅速控制了机会，例如高级分析和通用图像，视频，语音和文本AI工具。
这些都不是最初以AI为先的公司。他们与AI / ML的发展一起成长，并迅速采用了它。
这里对深厚的行业或过程专业知识没有特殊要求。风险投资家普遍认为，初创企业应与这些竞争对手保持最大距离，以便能够辩护。
而且，由于IA的开源精神，在“专有ML或DL算法”中确实没有可辩护的IP。此外，他们不拥有客户的核心问题，也不掌握该问题的独特数据。这些是通用工具，行业或顾问必须对其进行调整才能成为目标解决方案。
横向战略并不是今天取得新成功的地方。
专用分析模块
横向战略有一个小例外，它由狭义定义的，技术上困难的问题组成，这是几个行业共有的问题。欺诈检测和其他罕见的异常检测问题（例如网络安全入侵检测）是该组的典型代表。
这些是经过高度调优的专用模块，实际上在它们针对的行业和应用中即插即用。通常，他们会调整其UI，以便非数据科学家分析人员甚至LOB经理都可以使用其复杂的DS技术，而不必直接操作或配置它们。
垂直和数据主导策略
纵向和数据优势战略已经迅速融合，仍然为商业成功提供了机会。他们需要深厚的行业和流程专业知识，而重点是单一行业，并且通常需要对核心培训数据有合理的所有权。
此类应用程序始终致力于成为企业，在其关键的AI / ML独特定位之外扩展其范围，以创建针对特定行业问题的完整垂直解决方案。
农业方面的BlueRiver，警察背心cam视频中的Axon和时尚方面的 StitchFix都是成功执行垂直/数据主导策略的良好示例。这个战略集团中的公司如何取得成功？BlueRiver井被Deere收购。Axon（以Taser闻名）是公开的，可以通过扩展到警察视频中来避免熄火。Stitch Fix于2017年底上市，今天的交易价格约为24美元，在IPO后的大部分时间里都在交易。
情报系统（SOI）
情报系统（SOI）策略源自2017年初VC的Greylock Partners的Jerry Chen的一篇文章。Chen先生指出，核心运营数据被锁定在记录系统这样的操作系统中。当时，尝试获取SOR数据并将其与其他外部源混合非常困难，并且需要定制解决方案，而这些解决方案大多来自新的数据湖世界。
Chen设想了一个商业世界，用户可以在SOR和友好的UI之间调用智能系统，该系统将允许所有用户访问基于DS的复杂分析和建模，从而创造价值。
SOI策略不一定需要可辩护的数据（只能是来自外部来源的数据），并且希望与横向策略一样通用和通用，这意味着它们并非针对特定行业或客户量身定制。
例如，人们可能会开发一种SOI，该SOI将位于CRM SOR系统之上，以提供围绕客户旅程的有价值的分析。尚不清楚是否仍存在采用这种策略的公司。通常，如果您的SOI很好，那么您很快就会成为基础深层SOR（SalesForce，PeopleSoft，SAP，Oracle等）的并购目标，或者是收购的目标。
而胜利者是–平台策略
研究公司CBInsights最近发布了一份有关“帮助塑造世界上最大企业的19条商业护城河”的报告。这些公司中有六家公司（亚马逊，谷歌，Open Table，Uber，苹果和Facebook）是AI优先公司，它们都通过采用平台战略而成功并给竞争对手造成了物质壁垒。  考虑：
现在，全球30大品牌中有13个是平台公司，并且发展势头强劲。
平台公司的收入是收入的4到11倍，而科技公司的收入是3-7倍，服务公司的收入是1-3倍。请注意，这是收入的倍数而不是利润！（多伦多麦克马斯特大学DeGroote商学院数字转型教授巴里·利伯特，多伦多）
与传统公司实现这一目标所花费的数十年时间相比，Uber，Airbnb和Instagram等领先的平台公司仅在6到7年内就超越了其传统竞争对手的市值。
到底什么是平台策略？
从技术上讲，平台策略被描述为双向市场或双向网络。CBInsights使用术语“网络效应护城河”。
核心是一个中间经济平台，具有两个不同的用户组，通常是买者和卖者，这通过利用梅特卡夫定律为交易增加了价值，这表明网络的价值随着用户数量的增加而增加。
这里有几个关键特征：
规模经济使平台可以为双方提供越来越多的利益。就销量或折扣而言，这可能是经济的。但是它们同样可能是无形的。
信息和互动是价值之源。该平台可以自定义用户体验，以使两个用户受益，从而进一步提高使用率。AI / ML变得至关重要。
所组织的资源不是平台公司所有，甚至网络的管理也大多是由参与者提供的（例如，提供配置文件，学习的偏好，价格和提供商定制的产品/服务）。
平台策略的不同风味
CBInsights添加了第二层详细信息，显示平台可以以不同的方式出现。
例如，亚马逊基于市场网络效应发展了其平台。他们的平台汇总了给定产品的供求关系，吸引了更多竞争性供应商加入市场，在该市场中，客户可以找到更高效的体验和更便宜的货源。
但是Google是发展基于数据网络效应的平台的一个例子。在数据平台中，有一个中央知识库，随着它变得越来越有用，吸引了更多的用户。显然，这描述了Google不断改进的搜索结果。
Open Table是一个有趣的示例，因为他们并非以AI为先，也不是为了构建平台。相反，最初的Open Table产品是一种预订系统，旨在简化餐厅后端的操作，而这众所周知地效率很低。他们几乎是无意间实现了将网络服务器（带有软件）放置在大量餐馆中的目的。
联网服务器使Open Table可以访问客户行为数据，其中AI / ML用于增强响应。他们的专有网络服务器还因高昂的交换成本和可能发生的操作中断而使竞争对手望而却步。
这个教训似乎是，仍然有可能使用后门方法创建平台策略，在以前从未使用过的地方引入自动化和AI / ML。
优步的案子似乎很明显，但与我们其他人不同，因为他们打算拥有并匹配供求关系。他们确定了一个服务欠佳的市场，该市场存在明显的消费者痛点（出租车司机），并利用其双面市场吸引了越来越多的司机来通过激增定价等创新来满足需求。
Facebook的情况也不同。它的开放性产品提供的访问权限远不止于其他用户的个人资料，它并没有特别吸引人，也没有促进使用率的提高。但是，通过添加照片等功能以及使用其他用户的姓名标记照片的功能，他们构建了一个基于功能的平台，该平台是公认的网络生成器。由于在照片中被其他人标记的用户他们自己没有上传，因此被通知某某已标记了您，他们会拒绝看。
最后，苹果似乎至少是一家平台公司。但是，在以出色产品为补充的OS的基础上，他们通过诸如App Store，iTunes和iCloud之类的功能使OS 生态系统更加有效。用户被操作系统所束缚，切换到其他操作系统的成本被简单地认为太困难或定性较低。
因此，以我们的思维方式，案例已结案。尽管垂直或专用分析模块策略中可能有一些新进入者，但这些机会可能只会带来适度的胜利。给我们的信息很明确。如果您想取得成功，请考虑使用平台。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！