AI 起業: アウトソーシングから始まりますが、どこで終わりますか?

[[206287]]

以前、AIスタートアップの共同創業者であるSさんと雑談していたとき、とても痛ましい実話を聞かせてもらいました。

S 氏の会社はディープラーニング技術に注力しており、銀行の顧客と協力して小売顧客の取引予測プロジェクトに取り組んでいます。

交渉の初めに、銀行は、包括的な顧客プロファイル、銀行内取引フロー、銀行外調達データなど、何千万人もの顧客の過去の行動に関する多次元のクリーンなデータを蓄積していると伝えました。

次に、Sさんのチームは、データを連携させながらプランの設計に取り組みました。設計プロセスは順調に進んでいましたが、データ接続が何度も停止しました。

何層ものチェックポイントを通過し、プロジェクト開始から1か月半後、S氏のチームはついに銀行が言うところの「数千万の多次元クリーンデータ」を手に入れました。しかし、結果は悲惨なものでした。「数千万のユーザー」のうち、ほとんどのユーザーデータは要件を完全に満たしておらず、「多次元クリーンデータ」の条件を満たしていたのはわずか数千人でした。

1か月半前から計画されていた当初の計画は、ほとんど無駄になってしまった。

チームは唖然とし、クライアントは手を離し、最初からやり直さなければなりませんでした。

「それを信じるなんて愚かで世間知らずなことはやめてください。お客様はイエスと言ったのですから、信じないならやめてください。」私はS氏に、あなたは愚かなのかと尋ねましたが、彼は軽蔑し、無力そうに言いました。

「これには多くの理由があります。第一に、銀行のデータは機密性が高く、さまざまなレベルでの承認が必要です。第二に、システム内の作業効率が低いです。第三に、銀行のさまざまな部門間でデータが分離されているため、データへのアクセスが妨げられます。より深いレベルでは、これには銀行の内部リーダーの政治的関係が関係しています。」S氏は、これらの要因は制御できないが、これが現実であると述べました。

S氏のような20人程度の小さなスタートアップ企業にとって、これは間違いなく人的資源と時間コストの大きな損失です。何十日も何晩も懸命に働いた努力が無駄になり、チームの熱意が冷めてしまうのは避けられません。さらに、毎日毎晩燃やされるのは投資家のお金と忍耐力、そしてスタートアップ企業の残りの寿命です。

しかし、このような話は毎日のように起こっています。

「アウトソーシング」に陥る

Sさんの話は私にとって、とげが引きちぎられる絵を見ているようなもので、とても心が痛みます。 AI 業界の最前線で働く人々にとって、あらゆるストーリーの背後には多くの時間、努力、そして情熱が込められています。

ディープラーニングのプロダクトマネージャーをしている古い友人は、彼の会社ではプロジェクトの 40% が失敗に終わったと話していました。Alibaba Cloud で働いていた別の友人は、Alibaba Cloud の多くのプロジェクトに 3 ～ 4 か月取り組んだ後、これらは機械学習で解決できる問題ではなく、「失敗率」が 50% にも上ることに気付いたと話していました。

まだ初期段階にあるAIスタートアップ企業は、何百万人もの投資家に支持されているものの、その高い「失敗率」から、この市場の健全性に疑問を抱く人もいる。投資家の資金を「賢く燃やす」ことはできるのか？

この質問の答えを求めて、数回のインタビューを行った結果、私の結論は次のとおりです。

現在、B2B AIスタートアップのビジネスモデルは、基本的に「アウトソーシング」が主流ですが、実際の費用対効果は一般産業におけるアウトソーシングに比べてはるかに低いのが現状です。

この見解は、人気がない、あるいは不快なものではないかもしれません。「アウトソーシング」という言葉は、テクノロジー界では常に低い地位を占めてきた。伝統的な概念からすると、アウトソーシングは労働集約的な仕事だからだ。知乎の「アウトソーシング」に関する質問に対して、一部のネットユーザーは「アウトソーシングをする人を軽蔑している」と明言した。

しかし、B2B AI企業の現状を見ると、セキュリティ分野を除いて、大規模かつ製品化された形で技術を輸出できている企業はほとんどありません。ほとんどの B2B AI スタートアップと一般産業のアウトソーシング企業のビジネスモデルを比較すると、類似点が明らかです。

ワークフローの観点から見ると、この 2 つには次のような類似点があります。最初のステップは要件と実現可能性を伝えることです。2 番目のステップは作業負荷の評価、見積もり、スケジュールのスケジューリングです。3 番目のステップはプロジェクト契約の締結です。4 番目のステップは設計、研究開発、テスト、および起動です。5 番目のステップは関連ドキュメントとソースコード、および技術的な出力を提供することです。6 番目のステップはメンテナンス、反復、およびその他のサービスを提供することです。

協力方法と価格設定の面では、両者には次のような類似点があります。ケースバイケースであること、すべての顧客に適用できる標準化された価格設定指標がないこと、顧客あたりの利益が比較的低いこと、価格差が時々発生することなどです。

企業構造とビジネスモデルの観点から見ると、両者には共通点が1つあります。それは、もっと稼ぎたいなら、もっと仕事を引き受けるしかなく、もっと仕事を引き受けるなら、もっと人を雇うしかなく、テクノロジーは需要によってリードされるということです。

開発スペースの観点から見ると、両者には共通点が 1 つあります。それは、N 倍しか成長できず、N 二乗成長は達成できず、想像力と開発スペースの両方が限られていることです。

しかし、実際のAI業界の費用対効果は一般産業のアウトソーシングに比べて大幅に劣ると言われているのはなぜでしょうか。

***、アウトソーシングの前提は時間とコストの予測可能性です。しかし、ほとんどの AI 企業の実際のビジネス状況から判断すると、時間とコストは予測不可能であり、実装から 2、3 か月後にプロジェクトが行き詰まることがよくあるのです。

第二に、人件費はアウトソーシング企業の存続を左右する重要な要素です。 AI 業界では、高額な費用がかかる人材獲得競争が止むことはありません。アウトソーシング収入を使って高額な人材を確保するのは自滅的で、その結果を予測するのは困難です。

そのため、AI は、類似点があるにもかかわらず、一般産業におけるアウトソーシングと比較すると見劣りします。

業界はアウトソーシングモデルに陥っており、それが造血能力の低下、既存技術の輸出不能、技術研究開発への支援不足に直接つながっています。アウトソーシングが AI の存続の最終段階に過ぎないとすれば、投資家が指標に目を向けるべき時期が今、一歩一歩近づいてきている。ちょうどアフリカのサバンナに乾季が訪れると、最も粘り強い動物だけが生き残ることができるのと同じである。

理由は何ですか？

現在、AIはアウトソーシングモデルに陥っています。その理由は、客観的な法則、内部要因、外部要因の3つに分けられます。

まず、客観的な法則：

UISEEの共同創設者兼プロジェクトマネージャーである彭金燦氏は、それぞれの新技術の出現によってもたらされる産業の発展は「3つの段階」を経ると語った。第1段階は技術主導で、技術を発見し、それを研究し続ける。初期段階では、主に科学者、エンジニア、R＆D担当者が主導する。第2段階はアプリケーション主導で、技術が認められた後、製品化を通じて徐々に実装され、さまざまな垂直分野に適用される。この段階は主に開発エンジニアが主導する。第3段階はビジネスモデル主導で、この時点で製品、技術、アプリケーションは成熟段階に入り、効果的なビジネスモデルの革新が爆発的な成長をもたらす可能性がある。

3 つの段階に対応して、技術検証、製品検証、量産検証という 3 つの検証レベルがありますが、現在の AI 業界は第 2 段階で停滞しています。

第二に、内部要因:

AI技術は「実装範囲が狭く、需要が不安定」という典型的な特徴があり、そのため産業の商業化の探索フェーズが長くなります。チューリングロボットの人材戦略責任者である黄昭氏は、有名な200ページのPPT「人工知能製品マネージャーの新たな出発点」の中で、次のように説明しています。「AI時代には、高次元+突然変異という2つの重要な特徴があります。」彼は私にこう言いました。「AI 分野における需要の特徴は、まさにこの 2 つの特徴、つまり多くの機会、大きな困難、そして急速で大きな変化である」。

***、外部要因:

現在の AI 業界では、顧客の期待をコントロールし管理することは、避けることが難しい大きな落とし穴です。

顧客の期待は、AI テクノロジーの認識、自身の状況の認識、自身のニーズの認識という 3 つの側面によって左右されます。残念ながら、現在の市場状況から判断すると、ほとんどの顧客はこれら 3 つの側面を適切に理解していません。

最も一般的な状況は、AI 企業との接続において顧客を代表するスタッフが、上記の 3 つの側面を完全に理解していないために誤った情報を提供し、それがソリューションの設計プロセスに直接的な逸脱をもたらし、作業効率を著しく低下させることです。

王漢陽氏は1994年生まれで、Generalized Intelligence社のCEOです。彼にはこの件に関して発言権がある。

彼はカナダのウォータールー大学で数学を学び、コンピューターサイエンスを専攻しました。大学2年生を終えた後、彼は学校を中退し、中国に戻ってビジネスを始めることを決意した。同社は機械学習やコンピュータービジョンに注力しており、電力、空港、ドローン制御などの分野で業界競争力のある技術を蓄積してきた。

Generalized Intelligence の顧客のほとんどはシステム内の伝統的な業界から来ているため、このことを深く感じています。「ディープラーニングが何であるかを明確に理解している顧客に会ったことがありません。機械学習について私が知っているのは、Luo Zhenyu が話している内容だけです。」

この目的のために、彼らは AI を正しく理解し、顧客と会うときに認知バイアスを排除するのに役立つ一連の「ライティングスタイルガイド」を特別に作成しました。「まず、専門用語は使用しないでください。たとえば、「サブセット」などです。多くの顧客はサブセットが何であるかを知りません。サブセットに何が含まれているかを説明する必要があります。」

顧客の認識の問題に加えて、データも外部要因の中で重要なポイントです。少し前、アンドリュー・ン氏はサンフランシスコで「AIは新たな電気」と題した基調講演を行い、AIにとってデータの重要性を繰り返し強調しました。 AI技術の大規模活用には、統合データストレージの普及が必須条件だと彼は考えています。

顧客がデータを持っているかどうか、データを提供しているかどうか、データが有効かどうかは、プロジェクトや製品の効率向上に直接影響します。

どうやって突破するのか？

汎用人工知能プラットフォームの構築に取り組んでいる4Paradigmのインターネット事業責任者、周開托氏は、「垂直と水平の両方のラインを同時に進めています。一方では、基本的なニーズを解決するために低結合の汎用製品を開発し、他方では、特定の垂直産業を選択して深く浸透します。十分な深い知識と経験を蓄積した後、問題はより単純になり、方向性が徐々に明確になり、競合他社との差を広げることもできます。」と考えています。

ただし、縦と横のバランスをどうとるか、どの業界を深掘りする価値があるかは、各企業の状況や戦略を踏まえて検討する必要がある。

王漢陽の一般化知能に関する考えはさらに特別です。

「私たちは今、アウトソーシングモデルの中にいます。投資家と会って、良い話をしたら、私は直接そのことを伝えます。もし彼が反対するなら、彼は客観的ではありません。」王漢陽氏は、これが現在の市場状況であり、物事を正しく行うための「アウトソーシング精神」を持つことが、アウトソーシングモデルから抜け出すための前提条件であると考えています。

彼は、アウトソーシング自体は非常に価値のあるものだと考えています。第一に、新しいテクノロジーを使用してユーザーの問題解決を支援することは、テクノロジーの認識です。第二に、アウトソーシングはお金を生み、「AI業界がシェアリングエコノミーの不条理な金の無駄遣いの性質を避けることができます」。第三に、アウトソーシングモデルでは、変化する需要を調整し、顧客関係を維持することは汚くて疲れる仕事であり、口先ばかりで実際的なことをしたくないAI業界の現在の傾向を変えることができます。

王漢陽氏は私に自社の現在の業務状況を紹介してくれた。「電力網などの大手産業の顧客の初期単価は非常に低く、1件の注文あたり約10万元です。小規模企業との1回限りの協力であれば、1件の注文の価格は数十万から数百万に及びます。」

王漢陽氏の会社は現在、従業員が十数人しかおらず、コストは高くないが、同時に4つのプロジェクトを引き受けることができる。「毎月1件の注文があれば、損益はゼロです。あと1件注文があれば利益が出ます」。同社の顧客のほとんどは、最初のコミュニケーションに長い期間が必要で、実際のサービスサイクルは1か月未満ですが、3〜4か月かかる大規模な注文もあります。「大きな注文は違います。基本的には『大きな業界と本当のニーズ』から来ます。お金を稼ぎながら学び、実践する価値はあります！」

王漢陽氏が感じる「価値」は、リニア・キャピタルの創設パートナーである王懐氏の考えと一致する。王淮氏は、「本当の顧客」と向き合うとき、金儲けは最も重要なことではないと考えている。

「例えば、フィンテック企業で『世界最大の銀行』である中国工商銀行と提携し、その中核となる融資業務を獲得した場合、この顧客は『本当の顧客』です」と王淮氏は言う。このような経験があれば、新兵を実際の戦場に送り込んで訓練するようなものだ。彼らが戦場から出てきた後、彼らの能力、視野、信用力は大幅に向上するだろう。「たとえ損をしても、やらなければならないのです！」

アウトソーシングモデルをどうやって排除するかについては、王漢陽氏は完全には確信していない。「業界に深く入り込み、まずはそれを実行する必要があります。さらに努力して初めて、突破口を拓くチャンスが生まれます。この探索プロセスは、葉の葉脈を見つけるようなものです。葉脈を見つけることによってのみ、製品の形を概説することができます。」

「私は長年Siriを使っていますが、いまだによく嫌な奴扱いされます。でも私はAIの仕事をしています。信頼もしていないのに、どうしてまだこんなことをするのでしょうか？スマートフォンが初めて登場したとき、人々は携帯電話でネットサーフィンをするのは変だと思っていました。」王漢陽氏は、Siriも彼の「アウトソーシング会社」も、技術の発展と自身の努力によってますます良くなると信じている。

「私は統合失調症というわけではないが、AIが常にアウトソーシングされたり、現状に満足したりすることは望んでいない」と王漢陽氏は語った。真実を覆い隠したくなかったため、自ら痛みを感じようとしたと語り、痛みはやがてプロセスになると信じていた。

すべてはアウトソーシングから始まりましたが、どこで終わるのでしょうか?

「AIスタートアップ間の競争をワールドカップと見なすと、グループ予選はまだ始まったばかりで、ほとんどの企業は世界に知られるようになる前に消滅するだろう」と、ミンシ・キャピタルのパートナーである黄明明氏は語った。

「マシュー効果」と「80/20ルール」は、人間に関わるほぼすべての分野に当てはまります。「投資家が指標を見ると、多数の企業が倒産するのは普通のことです。」王淮氏と黄明明氏も同じ見解です。

「アウトソーシング」について、王淮氏は「アウトソーシングモデルであるかどうかは別問題で、心の中で認めるかどうかは別問題だ。かつてのgcd地下党と同じだ。gmd陣営に属していても、目標を明確にし、心の中で陣営を固めなければならない。心の中で自分がgmdだと認めたら、面白くない」と辛辣な言葉を残した。人の内なる力は非常に強く、自分の行動に影響を与えるほど強いが、認識は変化の必須条件ではないと王氏は述べた。

王淮氏は、「この事業は儲からない、生き残らなければならない」とよく言う会社については深く掘り下げません。「そのようなチームは心の中ですでに屈服しています。安心してアウトソーシング会社に任せれば良いのではないでしょうか。」

「ハンマーで釘を探す」ことが現在のAI商用化プロセスにおける最大の論理的問題であるため、各企業の異なる特性に応じて、手元にある「ハンマー」の能力を最大限に引き出すことが生き残る可能性を高める解決策であると王淮氏は考えています。

Facebook の初期の技術者の一人である Wang Huai 氏は、このことについて深い考えを持っています。彼は、次の 3 つのビジネスモデルを持つ AI 企業だけが最終的に成長し、業界のリーダーになると考えています。

まず、「ツールボックス化」です。お客様に「ハンマー」をご提供すると同時に、「ペンチ」「のこぎり」「ドライバー」もご提供しております。たとえば、スタンレー・ブラック・アンド・デッカーは、産業用工具や安全ソリューションを製造・販売するアメリカの企業であり、その時価総額は現在 200 億米ドルを超えています。これは比較的伝統的な考え方で、「同僚よりも長生きする」というものです。チームの非常に高い技術的能力が要求され、成功するのが最も難しいものでもあります。

2つ目は、「自己完結型の統合」です。「ツールボックス化」とは異なり、「自己完結型統合」では、顧客にサービスを提供するために「ハンマー」機能を提供するという考え方から、外部に輸出するのではなく、自社の「ハンマー」の技術を使用して自社のビジネスを磨くという考え方に変更する必要があります。これは、自分の「金物店」を開くことと同じです。代表的な成功例としては、「Kuaishou」や「Toutiao」などがあります。

3つ目は「経験の共有」です。「エンジニアリングチーム」に変身し、「ハンマー」技術を使用して顧客の問題を解決しながら、より多くの「スキルポイント」を蓄積します。代表的な例は、AI詐欺対策分野の企業であるTongdun Technologyです。当初、顧客に信用ブラックリストを提供するための前提条件は、顧客が独自のブラックリストを提供することでした。この形態の利点は、独自のネットワークと共有機能を構築しながらテクノロジーを提供することです。

SFの巨匠アシモフは、「エレベーター効果」という理論を提唱しました。基本的な考え方は、1850 年の SF 作家に 20 世紀のマンハッタンの高層ビルの写真を見せたら、20 階以上、あるいは 100 階建てのビルを見たときに何を思うだろうか、ということです。

おそらく、想像力を働かせてみても、次のような結論にしかたどり着けないだろう。「階段を上り下りする」ことが難しいため、各建物は独立した経済システムを展開する。超高層ビルには、レストラン、理髪店、ジムなど、文明人の生活に必要な施設も設置される。ほとんどの人はあまり多くの階を上ることはないため、これらの施設は数階ごとに循環的に出現する。簡単に出られるため、最下階の住宅価格は最上階よりも高い...。筆者は考えれば考えるほど、詳細がわかってくるが、「エレベーター」が登場すると、これらすべての仮定は無意味になる。

過去数十年のコンピュータの歴史を振り返ると、Apple、Intel、Microsoft、Googleなど、偉大な、あるいはかつて偉大だったテクノロジー企業はすべて、社会全体に役立つ製品を生み出してきました。アウトソーシングが不可能というわけではありませんが、結局のところ、歴史上、アウトソーシングによって偉大になった人は誰もいません。歴史を通じて、真に革新的なテクノロジーは、人々と人々、そして人々と社会の関係を根本から変えてきました。