AIプロジェクトの落とし穴を避けるためのガイド

インターネットとモバイルインターネット時代の「ビジネスモデルの革新」がもたらす投資配当は、マクロ経済環境、金融環境、市場、技術の発展に伴い、今後10年間は​​もはや主流の投資ではなくなるだろう。

人工知能技術は、今後8〜10年で非常に良い投資機会となり、この分野の投資機会を「至る所に金がある」と表現するのは誇張ではありません。

しかし、長年AI投資に注目し実践してきた初期段階のベンチャーキャピタリストとして、AI投資プロセスで最も難しいのは、どのプロジェクトに投資価値があるかを判断することではなく、志を同じくする投資パートナーを見つけることだということが分かりました。

インターネットとモバイルインターネットの時代に成功体験を持っている投資家が多すぎるため、人工知能とインターネットとモバイルインターネットの本質的な違いをまだ認識していないため、依然としてインターネットの投資思考で人工知能プロジェクトを評価しています。このようにして得られた結論は、プロジェクトの価値と正反対であることが多く、良い投資機会を逃してしまいます。

この記事は、初期の AI プロジェクト (エンジェル ラウンド、A ラウンド) への私自身の長年の投資経験と、人工知能分野における友人たちの起業経験に基づいています。

この記事のロジックに沿って投資すれば、正しく活用すれば、年率収益率が良く、比較的安全で安定した案件に確実に投資できると思います。

しかし、一つ明確にしておきたいことがあります。革命的で画期的な AI プロジェクトに投資したいのであれば、以下の意見を参考にしないでください。

人工知能プロジェクト「Six Investments」

▌最初の投資：すぐに大きなプロジェクトに取り組むのではなく、垂直産業から始める

インターネット業界では、投資家の支持を得たい場合、ストーリーは大きくて美しく、スケールや人間の社会生活への革命的な変化について語る必要があることが多いですが、AI業界では実際にはほとんどの場合その逆を行う必要があります。

なぜこう言うのか？それは、AIはインターネットとは異なるからです。インターネットは、多数のユーザーがすでにオンラインになっていることを前提としています。ユーザー数が多い場合、ユーザー間の類似点を見つけて分類するのは簡単です。ランダムにユーザーのカテゴリを見つけると、数千万人、あるいは数億人いることもあります。

同時に、従来のインターネットは実際には単純な情報非対称性の問題を解決するだけで済みます。O2Oプロジェクトは特定の生産サービスプロセスに組み込まれていますが、重要なポイントは依然として情報非対称性です。優れたアイデアがあれば、技術的およびエンジニアリング上の問題を解決することは難しくありません。

したがって、インターネット プロジェクトは量と規模を拡大することが容易であり、規模が拡大された場合にのみ投資価値が生まれます。

AIはまったく違います。情報の非対称性の問題を解決するのではなく、現実の環境を認識して意思決定を行うことです。

認識が比較的容易であるならば、決定と選択をすることが最も困難であるという個人的な経験を誰もが持っていると思います。

現在の人工知能技術のレベルは、「単一の問題を解決する能力」レベルとしか言いようがありません。

そうですね、大規模な汎用プロジェクトは、複数の要素が絡む複雑な意思決定を伴うことが多く、現在の人工知能の能力をはるかに超えています。実際に実行できる専用プロジェクトには、当然「大規模」という属性はありません。

もちろん、音声認識や画像認識技術をベースにしたプロジェクトなど、スケーラブルな特性を持つ一部の大規模プロジェクトには、幅広く利用できる汎用性があることも否定できません。これが2番目の問題につながります。AIはサービス分野全体に深く統合されているため、このようなプロジェクトでは、起業家チームに、同様の規模のインターネットプロジェクトをはるかに超える運用および管理能力が求められます。

スタートアップチームが、人類の生産や生活を変えるような大規模なプロジェクトに取り組むことから始める場合、一般的に言えば、そのチームには、テクノロジー、リソース、資金、管理能力など、その大規模プロジェクトに匹敵する能力がありません。

さらに重要なのは、大規模で包括的なプロジェクトは、ユーザーの期待が非常に高く、プロジェクトの実装が非常に難しく、プロジェクトが失敗する可能性が非常に高いことを意味します (ただし、Microsoft や Google などの画期的で創造的なプロジェクトに投資していると確信している場合は、このタイプのプロジェクトに投資する必要があります)。

例えば、AI+Fintechに関して言えば、スマート投資アドバイザーになりたい人はたくさんいます。実際、これをやりたい企業はたくさんあり、ノーベル賞受賞者もたくさんいますが、成功した人はいません。一方で、AI支援金融監督のような比較的単純なテーマに取り組み、上場企業の散在するデータをAIで構造化すると、スマート投資アドバイザーのビジネスモデルよりも確実に成功に近づくでしょう。

閉じた単一トピックなので、現在の AI 技術レベルやスタートアップチームが運用するのに適しています。

一方、チームが特定の垂直分野からスタートする場合、それは実際には初期のチームのリソース操作能力と現在の人工知能の技術レベルと一致しています。現在の人工知能は非常に弱く、反復的な労働のバッチインテリジェントな置き換えを必要とするタスクを解決するのが得意だからです。

垂直分野のアプリケーションが最も適しています。同時に、垂直分野のアプリケーションは一般的にToBタイプであり、典型的なヘッド顧客と顧客の典型的な厳格なニーズを見つけやすいため、プロジェクトの実装能力が強く、投資の良いターゲットであることを意味します。

さらに、国内の特殊なビジネス環境も考慮する必要があります。垂直分野のプロジェクトの場合、適用効果はすぐに現れることが多く、AIが顧客ベースに広く深く認識される前に、初期段階では協力プロジェクトの形で注文が提示されることがよくあります。大規模プロジェクトの実装と検証のサイクルは非常に長く、クライアントの上司のその職位の在職期間よりもはるかに長くなる場合もあります。

あなたがクライアントのリーダーであれば、これまで協力したことのない 2 つのスタートアップが目の前にあります。1 つは、1 年で完了し、すぐに成果が得られ、投資額も少ない特定のスマート プロジェクトです。もう 1 つは、実装に数年かかり、成果を得るまでにさらに長い時間がかかり、投資額も高い、大規模で包括的なスマート プロジェクトです。

リーダーとして、どちらを選びますか?

▌第2の投資：垂直応用シナリオの明確化

AI スタートアップ チームにとって、垂直分野を見つけるだけでは十分ではなく、明確なアプリケーション シナリオが必要です。

たとえば、誰もがAR+AI+電力網プロジェクトに取り組んでいると主張することはできますが、それはどのようなシナリオで使用されるのでしょうか？電力網のどの部門がそれを支払うのでしょうか？支払い部門の支払い能力はどれほど強いのでしょうか？これはプロジェクトの基本スキルの中で最も難しい部分であり、投資家がプロジェクトの価値を判断する鍵でもあります。

遠隔作業指導や検査など、非常に明確なシナリオがあり、どのような条件下で作業指導や検査が必要であるかが明確である場合、それは起業家チームがすでにこの分野で深い努力をしており、顧客のニーズを正確に把握し、効果的なソリューションを形成していることを意味します。彼らはまた、このビジネスを行うために誰に相談すればよいか、このビジネスが電力網にとって良いビジネスであるかどうかも知っています。

例えば、研修部門のプロジェクトを実施することは、予想収益の点で、生産部門のプロジェクトを実施することほど利益が出る可能性ははるかに低くなります。これは、研修部門が年間支出予算が限られているコスト単位であるのに対し、生産部門は利益単位であり、コストを節約して効率を上げることができる限り、AI プロジェクトにお金をかけることは利益を上げることなので、必ず使われるからです。

明確なアプリケーション シナリオがなければ、段階的に改良して最終的にプロジェクトの品質を判断する方法はありません。

別の例を挙げると、現在、AI+医療用画像処理プロジェクトは数多くありますが、そのほとんどは放射線科へのサービス提供を目的としています。放射線科の医師の利益に実際に影響することを彼らはほとんど知りません。AIを使って医師の仕事を代替すれば、それほど多くの医師は必要なくなります。しかし、放射線科は依然として有料の顧客です。自らを買収するためにお金を払う意思のある人はいるでしょうか?

そのような製品は販売するのが難しいに違いありません。

一方、医師向けの AI + 医療用画像処理プロジェクトを開発することで、医師は、画像診断部門の助けを借りたり、画像診断のために長時間待ったりすることなく、患者の病理学的リスクを迅速に判断し、より正確な画像診断のために画像診断部門に行く必要があるかどうかを判断できるようになります。

これにより、内科部門は支払い意欲が高まり、画像診断部門が破壊されることもなく、X線検査を受ける必要のない患者の作業負荷も軽減される可能性があります。

▌第3の投資：優良な主力顧客

ここで重要なのは、垂直分野における応用シナリオは多くの場合大きく異なるということです。AI 投資は 1 つの分野のように見えますが、実際には社会生産と生活のほぼすべての領域にまたがる水平投資です。

投資家があらゆる分野の専門家になるというのは非常に非現実的です。プロジェクトに投資価値があるかどうかを判断するには、プロジェクトに十分な数の優良顧客がいるかどうか、そして顧客が締結した注文が単なる小ロットの実験注文ではなく、大規模な生産注文であるかどうかに大きく依存します。

例えば、自動車分野では、オリジナル機器市場の受注がより好調です。主要顧客が大量注文を希望するということは、製品の信頼性が高く、プロジェクトに十分な投資価値があることを意味します。

たとえば、現在多くの AI プロジェクトは、多くの応用分野があるように聞こえますが、よく考えてみると、各分野で締結される小規模な注文は 1 つまたは 2 つだけであることがわかります。顧客は、さまざまな理由で、様子を見るためにいくつかの実験的なプロジェクトを提供するだけです。このような注文は、必ずしも持続可能とは限りません。翌年に大量生産注文に変換できるかどうかを判断するには、注文サービスの内容と顧客からのフィードバックを徹底的にデューデリジェンス分析する必要があります。

▌第4の投資：適用シナリオが十分に低い

はい、お読みの通り、ハイエンドではなく、むしろローエンドです。理由は次のとおりです。

1. 順位が低いほど、反復的な手作業が多く使用され、解決すべき問題が単純になり、現在の人工知能の能力に適しています。

ハイエンドな仕事であれば、AIが現時点ではできない「創造力や分析力などの知能」が実際に必要となるか、実際に多くの人員を必要としないかのどちらかであり、AIで置き換えても効率はあまり上がりません。

たとえば、ゲーム デザインは実は非常に低レベルです。すべては人力と時間に依存しています。現在、デザインには AI が使用されています。AI は、かつてはチームが 30 日かかっていた作業をわずか 3 日で完了できます。顧客はそれを購入すると思いますか? 間違いなく購入するでしょう。

実は、今回のAI投資ラウンドの秘訣は「コスト削減と効率化」です。低レベルのシナリオでは、コストが100人から1人に削減され、莫大なコストが削減されます。高レベルのシナリオでは、コストが1人から0人に削減され、コスト削減は人を雇うよりも少なくなる可能性があります。

また、シナリオのレベルが低いほど、社会に広く浸透します。1つの問題を解決するということは、全国、さらには世界中に同様のシナリオが多数存在するということであり、市場空間は巨大です。シーンが壮大で個人的なものであればあるほど、製品として適している可能性は低くなります。

実は、この秘密を理解すれば、AIプロジェクトの技術的代替可能性の問題を理解するのは難しくありません。実際、非常に低コストで100人を1人に置き換えることができれば、将来的に新しい技術に置き換えられることを心配する必要はありません。1人を0人に置き換える影響は小さすぎるからです。たとえ相手の技術力が非常に強くても、なぜ彼はこのようなことをするのでしょうか？

世界には、100 人の人材を置き換える必要があるが、まだ調査されていない価値のあるシナリオが無数に存在します。

2. レベルが低いほどレッドオーシャンですが、AIが導入されると新たなブルーオーシャンとなり、他社が参入できなくなる可能性があります。

ここで、私たちの投資ロジックについて少しネタバレしますが、実は、私たちが投資するプロジェクトは、経営コンサルティング会社と小型家電メーカーの2種類だけです。

なぜなら、投資しやすいAIプロジェクトは、Bサイドの顧客のコスト削減と効率化のためにAIを活用するか、経営コンサルティング会社の仕事だからです。私たちのAI会社には新しいAI技術ツールがあるだけです。

AI技術はCエンドの顧客の生活に応用されています。より良いキャリアは小型家電です。掃除ロボットなど、目立たないように見える従来の家電は、AIが追加されると完全に変わります。外観は以前と同じ丸いように見えるかもしれませんが、脳は以前よりもはるかに優れています。AIを採用すると、ハードウェアコストが大幅に低下します（非常に安価な汎用センサーと複雑なエンジニアリングアルゴリズムを使用して、以前は高価な専用センサーが処理できなかった問題を解決できるため）。

安価で使いやすく、かつてのレッドオーシャンをあっという間にブルーオーシャンに変えました。

従来のロボット掃除機メーカーが一気にAI機能を獲得するのは、実は大変難しい。方向転換が難しく、そのための遺伝子も持っていないからだ。AIメーカーがロボット掃除機を製造しに参入するのも、先行特許の壁やエンジニアリングのタイムラグがあるため、容易ではない。

AI のアプリケーションの反復はインターネットほど速くないため、ソフトウェアとハ​​ードウェアの慣らしを数回繰り返すには少なくとも半年から 1 年かかります。この間に、先駆者たちは新しいものや新しい機能を考案するでしょう。

お金があれば物事が早く進むというわけではありません。

3. 低レベルのシナリオはスタートアップチームに適しています。シナリオが複雑になるほど解決が難しくなるため、十分な規模をすでに持っている企業に適しています。

皆さんもご存知の通り、正規軍を直接派遣して、優れた武器を持った日本軍と戦えれば最高なのですが、問題は我々が貧しく、何も持っていないことです。正面の戦場は、一見低レベルのゲリラ戦と何ら変わりません。

▌第5の投資：強力なエンジニアリングとサービス能力

この質問は、多くの友人を困惑させることもよくあります。なぜなら、ほとんどの人は、人工知能への投資はテクノロジー、特に主要なアルゴリズムに関するものだと考えているからです...

実は、現在の AI ブームの理論的根拠は、2008 年頃に学術界によって解決されています。主枝と幹が確立され、さまざまなアルゴリズムが単なる側枝や葉ではなくなったと考えられます。さらに、高品質の学術論文でサポートされているアルゴリズムは、実際には実用的な価値がない可能性があります。学術論文の前提仮定は任意に設定できますが、現実はまったく異なるためです。前提仮定から切り離されたアルゴリズムには価値がありません。

アルゴリズムは重要ではないため、つまり、現在のAIの実用段階では、アルゴリズムに本質的な違いは実際には存在しません。製品間の違いは主にエンジニアリング能力、つまり実際のシナリオにおけるさまざまな制約に反映されており、学術論文の空想的な質問を多数の明確な前提を持つ質問に変えています。これがいわゆるエンジニアリングであり、アルゴリズムの実際の実装能力と、プロジェクトチームがさまざまなソフトウェアとハ​​ードウェアのリソースを総合的に使用して、効果的で信頼性の高い製品を構築する方法の両方が含まれます。

これは非常に重要です。なぜなら、製品は学術研究ではなく、さまざまな現実の欠陥に対処する必要があるからです。起業家チームには長年のエンジニアリング経験（必ずしも AI エンジニアリングの経験である必要はありません）が必要です。なぜなら、そのようなチームだけが、製品の落とし穴を予測し、それを回避して投資効率を向上させるのに十分な感度を持っているからです。

インターネットプロジェクトでは、基本的にエンジニアリング能力を特に考慮する必要はありませんが、例外もあります。たとえば、MobikeとOfoの戦いでは、Ofoの敗北は創業チームだけでなく、エンジニアリング能力と経験の不足によるものだと私は考えています。Mobikeは、物理的なデバイスとして、シェア自転車が市場に投入されると、安定性と信頼性が非常に重要であることを明確に認識していました。そのため、スマートロックの設計から車体の補強まで、Ofoよりはるかに優れています。

AI の応用はシェアサイクルよりも何倍も複雑です。ソフトウェアからハードウェアまで、環境認識から行動決定まで、あらゆるステップで複雑な現実の状況、ソフトウェアとハ​​ードウェアの堅牢性などを考慮する必要があります。

スタートアップチームに豊富なエンジニアリング能力と経験がなければ、彼らは陥り続けることになるでしょう。

投資家がエンジニアリングの経験がない場合、エンジニアリングの重要性を理解するのは難しいでしょう。しかし、それは問題ではありません。エンジニアリングの重要性を認識している限り、行動を起こすために必ずしも個人的な経験を持っている必要はありません。

サービス機能についても同様です。ToB プロジェクトは半分が製品で、半分がサービスです。多くの場合、AI プロジェクトは開発のさまざまな段階で異なります。AI 界で有名な起業家であり思想家でもある友人の Bao Jie 博士の比喩を借りると、AI プロジェクトは青虫のようなものです。若いときのビジネス モデルは葉を食べることであり、成長して蝶になったときのビジネス モデルは蜜を吸うことです。蝶は美しいですが、青虫に蜜を食べさせるのは不可能です。

優れた AI プロジェクトは、さまざまなビジネス モデルの外部形式の間を絶えず飛び越えています。この飛び越えの基盤となるのはサービス能力です。優れたサービス能力があって初めて、顧客や潜在顧客の新しいニーズを継続的に把握できるからです。多くの場合、前世代の製品は需要の源であり、次世代の製品への足がかりとなります。

エンジニアリング能力と同様に、サービス能力も、起業家チームがこれまでの人生における実践を通じて習得しなければならないものです。

私は非常に興味深い現象を発見しました。それは、AI 技術の専門家がいるだけでなく、成功する AI チームには通信業界出身の創設パートナーが 1 人以上いる可能性が高いということです。

主な理由は、この 2 つの業界に非常に類似性があり、才能の共通性も高いためだと思います。

• まず、それらはすべてコンピューターサイエンスと電子科学に基づいています。
• 2 つ目は、それらはすべて B サイドにサービスを提供しており、大きな B であることです。
• 3つ目の理由は、通信業界の発展がますます安定し、多くの有能な人材が新たなチャンスを求めていることです。これにより、通信業界からAI業界への飛躍が促進されました。前述のように、AI業界で飛躍する能力は非常に重要です。通信業界から国境を越えた飛躍ができれば、AI業界内での飛躍は当然のことであり、これまでのソフトウェアとハ​​ードウェアの統合、アプリケーション機能、大規模な顧客サービス機能を完全に移行できます。

そのため、あなたが取り組んでいるAIプロジェクトに通信業界に信頼できる創業者がいる場合は、ぜひ特別に検討してみてください。

(以下のコンテンツは、アイデアとほとんどのコンテンツを提供してくれたネットユーザーのケビンに感謝します)

サービス機能が重要なもう 1 つの理由は、実際には「顧客エンゲージメント」です (この言葉は実に適切なので、以前の雇用主が好んでいた英語の単語を使用していることをお許しください)。

まず、B/G のお客様は自社のビジネスを最もよく理解していますが、新しいテクノロジーや新しいコンセプトが「コンプライアンス」を遵守しながらどのように新しい経営価値やコスト優位性をもたらすのか、またそれをどのように合理的に実装するのかについてはあまり明確ではありません。

（実際、AIの概念を持たない顧客にとって、AIが自分に何をもたらすのか想像もつきません。昔、貧乏は想像力を制限するという格言がありました。実は、この貧乏は富に限らず、知識も含みます）

AI チームは技術的な詳細に精通しており、いくつかの「ベストプラクティス」や「他者からの学習」を持っている可能性がありますが、従来の業界の遺伝子を持たない多くの AI チームは、実際には重要なポイントを把握するのに苦労しています。つまり、対象顧客の管理状況、問題、問題の原因を顧客自身よりもよく知り、理解する必要があります (社内の政治的要因? テクノロジー? または、すでに高度なソリューションがあることを知らない)。

また、特定の顧客の特定の問題や実装シナリオに基づいて、ターゲットを絞った完全なターンキー ソリューションを顧客に提供することもできます。 (なぜ通信業界のように聞こえるのでしょうか?) 聴衆の懸念を無視し、彼らの真のニーズに耳を傾けずに、一年中 PPT プレゼンテーションを行う代わりに、それはあたかも次のように言っているかのようです: 私の技術は素晴らしいです、私にも特定のケースがあります、皆さんは何でも好きなことができます、私が何ができるか見てください、そして私はあなたのためにそれをします。 （あっ、このスタイルは外国企業っぽすぎる）

特に、このような新技術の導入が経営改革やプロセス最適化といったBPRに近い業務を伴う場合、新技術の価値を最大化するために、十分な芸術性、脈を掴む能力、明確な構成、厳密な論理、十分な高さと一般性、そして適用価値を明確に説明して顧客に印象づける能力が求められます。

優れたソリューションとプレゼンテーションのスキルは、プロジェクトを獲得したり、顧客からの小さな需要を獲得したりするのに役立ち、顧客に十分な自信と期待を与えます。その後、強力なエンジニアリング サービスと配信機能により、AI の価値を実現し、「その自慢を実現」することができます。