06 سپتامبر 2021، یانیک بامنز و پل هانرموند – هیروشی واتانابه/گتی ایماژ
خلاصه. هوش مصنوعی به عنوان یک فناوری عمومی برای آینده ، برای ایجاد فرصت های تجاری جدید و ایجاد تحول در کل صنایع آماده شده است. استارتاپ ها و شرکت های بزرگ در حال استفاده از فرصت های هوش مصنوعی و تقویت موقعیت خود هستند. اما چی…
در عصر آینده هوش مصنوعی ، دو گروه بسیار متفاوت از شرکت ها برای استفاده از قابلیت های هوش مصنوعی در موقعیت مناسبی قرار دارند: سرمایه گذاری های نوپا و شرکت های غول پیکر چند میلیارد دلاری. استارتاپ های امیدوار کننده هوش مصنوعی با سرعت فزاینده ای در زمینه هایی مانند مراقبت های بهداشتی ، مالی ، خرده فروشی ، رسانه ها و فناوری های بین صنعت راه اندازی می شوند. و در کنار غول های فناوری مانند گوگل یا مایکروسافت ، شرکت های بزرگ سنتی از هوش مصنوعی برای دیجیتالی کردن مدل کسب و کار و فرآیندهای خود استفاده می کنند. نمونه هایی از اتوماسیون و تقویت پلتفرم هوش مصنوعی از تأیید خودکار وام مشتری و سیستم های سرگرمی هوشمند در سازنده خودرو Dهوش مصنوعییادگیری ماشینیer گرفته تا تعمیر و نگهداری پیش بینی در غول نفت و گاز Shell و خواندن تصاویر پزشکی به کمک هوش مصنوعی در تولید کننده صنعتی زیمنس. نوآوری هوش مصنوعی شرکتی نسبتاً متمرکز است که 10 شرکت برتر ثبت اختراع خود را در جهان بیش از 15 pat از اختراعات هوش مصنوعی را در دوره 2011 تا 2016 بخود اختصاص می دهند.
این دو نژاد از شرکت ها – استارتاپ ها و غول ها – همچنین مشارکت های قوی در زمینه هوش مصنوعی ایجاد می کنند. یک مطالعه اخیر نشان می دهد ، در حالی که در سال 2013 ، استارتاپ های هوش مصنوعی به ندرت مورد هدف سرمایه گذاری شرکت های سرمایه گذاری (CVC) قرار گرفتند ، تنها پنج سال بعد این استارتاپ های هوش مصنوعی بیش از 5 میلیارد دلار بودجه CVC دریافت کردند .تقریباً 10 درصد از کل سرمایه گذاری های CVC .در حالی که بخش عمده ای از این پول از غول های فناوری آسیایی و ایالات متحده ، مانند بایدو و گوگل تامین می شود ، شرکت های بزرگ غیر دیجیتالی به طور فزاینده ای چنین سرمایه گذاری هایی را برای دسترسی به استعدادهای هوش مصنوعی استارتاپ ها انجام می دهند. داده های بزرگ و استعداد هوش مصنوعی (به عنوان مثال ، دانشمندان داده ، مهندسان یادگیری ماشینی) دو منبع مهم برای ایجاد برنامه های موفق هوش مصنوعی هستند. با ترکیب استعدادهای نوآورانه استارتاپ های هوش مصنوعی با حجم وسیعی از داده ها و فرایندهای کاربران در اختیار شرکت های غول پیکر ، می توان هم افزایی قوی ایجاد کرد.
در این زمینه ، شرکت های متوسط-که بسیاری از آنها تحت کنترل شرکتهای مادر هستند-در حفظ وضعیت خود مشکل دارند. تحقیقات قبلی نشان داد که چگونه شرکت های متوسط در حال حاضر در اقتصاد همه ساله برای برنده شدن مبارزه می کردند. این مبارزه احتمالاً فقط تشدید خواهد شد.
این شرکت های متوسط ، که بین 50 میلیون تا 1 میلیارد یورو درآمد سالانه دارند ، از مقیاس و پیچیدگی کافی برای به دست آوردن ارزش قابل توجهی از یک استراتژی هوش مصنوعی برخوردارند ، اما اغلب فاقد داده ها و منابع استعدادی برای اجرای استراتژی هستند. با استفاده از داده های سطح شرکت آلمانی که توسط مرکز تحقیقات اقتصادی اروپایی لایب نیتس (ZEW) در سال 2019 جمع آوری شد ، ما توانستیم میزان شرکتهایی را که در هر رده اندازه ، فناوری های هوش مصنوعی را در تجارت خود به کار گرفته اند ، ارزیابی کنیم. در یک نمونه نمایشی از بیش از 6000 شرکت در سراسر بخش ، ما دریافتیم که تنها حدود 10 تا 15 درصد از شرکت های متوسط تا کنون از هوش مصنوعی در تجارت خود استفاده کرده اند. این نسبت به کمتر از 5 درصد از بنگاه های کوچک و متوسط آلمان (تا 50 میلیون یورو درآمد) بهتر است ، اما به طور قابل توجهی از یک سوم شرکت های غول پیکر با بیش از 1 میلیارد یورو درآمد سالانه که راه حل های هوش مصنوعی را پیاده سازی می کنند ، بسیار عقب است.
با توجه به اهمیت کسب و کارهای متوسط برای اقتصاد ملی و اشتغال در سراسر جهان ، تصور اینکه چگونه می توانند رقابت پذیری خود را در زمینه هوش مصنوعی تقویت کنند بسیار مهم است. یکی از درس هایی که ما از تحقیقات خود گرفته ایم این است که شرکت های متوسط باید با تجمیع داده ها و استعدادها در یک ساختار سرمایه گذاری مشترک با محوریت هوش مصنوعی ، نیروهای مشترک خود را در نظر بگیرند.
چگونه سرمایه گذاری های مشترک هوش مصنوعی می توانند به شرکت های متوسط کمک کنند؟
اگر شرکت های متوسط می خواهند در عصر هوش مصنوعی پیشرفت کنند ، باید راه های جدیدی را برای رقابت جستجو کنند – از جمله گزینه هایی که ممکن است قبلاً در نظر نگرفته باشند. جمع آوری داده ها و مهارت های تجزیه و تحلیل داده ها از طریق داخل مرزهای شرکت ممکن است یکی از معدود گزینه هایی باشد که می تواند شرکت ها را برای اندازه گیری رقابتی در اقتصاد جدید با سوخت داده یاری کند. این سرمایه گذاری های مشترک هوش مصنوعی را می توان توسط شرکای عمودی زنجیره ارزش ، شرکای بخش افقی یا ترکیبی از هر دو راه اندازی کرد. ما سه مزیت مهم برای شرکت های متوسط در راه اندازی چنین ساختاری می بینیم.
نخست ، سرمایه گذاری های مشترک هوش مصنوعی می توانند داده ها را از چندین شرکت شرکت کننده تهیه و سازماندهی کنند تا الگوریتم های یادگیری ماشینی را برای انواع برنامه های تجاری صرفه جویی در هزینه و افزایش درآمد آموزش دهند و به کار گیرند. مشابه تلاش های یکپارچه سازی داده ها در واحدهای تجاری یک شرکت بزرگ ، جمع آوری داده های بین شرکت های بزرگ دارای پتانسیل بزرگی برای شرکت های متوسط است که فاقد مخازن داده بزرگی هستند که شرکت های غول پیکر به آنها دسترسی دارند.
از طریق جمع آوری داده ها ، رویکرد عمودی به این سرمایه گذاری های مشترک می تواند یک دیدگاه تکه تکه از فعالیت های زنجیره ارزش را به یک موضوع منسجم تبدیل کند ، با الگوریتم های یادگیری ماشینی از داده های غنی کاربر از شرکای پایین دست برای اطلاع عملیات شرکت یا داده های ورودی از شرکای بالادستی برای اطلاع پویا استفاده می کند. درباره قیمت گذاری به همین ترتیب ، رویکرد افقی می تواند از داده های جمع آوری شده شرکا برای افزایش دقت سیستم های پشتیبان تحت آموزش یادگیری ماشینی یا کیفیت ارائه های تقویت شده با هوش مصنوعی استفاده کند.
جمع آوری داده های افقی را می توان توسط شرکای بخشی انجام داد که در رقابت مستقیم با یکدیگر نیستند (به عنوان مثال ، خدمات به مناطق مختلف جغرافیایی) ، اما حتی ممکن است برای رقبای مستقیم که بقای آنها توسط بازیکنان بزرگ دیجیتالی تهدید می شود منطقی باشد.
ثانیاً ، این می تواند به رفع تنگنای جذب استعدادهایی که شرکت ها در همه اندازه ها ، به ویژه شرکت های کوچک تر ، اغلب هنگام پیشگام شدن برنامه های جدید هوش مصنوعی با آن مواجه می شوند ، کمک کند. مدیران اجرایی این امکان را دارند که از فروشنده های هوش مصنوعی فناوری های خود را خریداری کنند و برای بسیاری از شرکت های کوچکتر یا برنامه هایی که نیاز به سفارشی سازی کمی دارند ، این امر کافی است. اما با افزایش پیچیدگی فرآیندهای تجاری و تبدیل کاربردهای هوش مصنوعی به طور خاص و مهم از نظر استراتژیک ، یک تیم داخلی از متخصصان آموزش دیده در زمینه هوش مصنوعی می تواند به توسعه راه حل های منحصر به فرد کمک کند. در واقع ، شرکت هایی که به طور کامل برون سپاری هوش مصنوعی و تنها بر راه حل های پلاگین و بازی هوش مصنوعی تکیه می کنند ، ایجاد ارزش طولانی مدت را در معرض خطر قرار می دهند.
ایجاد برنامه های کاربردی هوش مصنوعی موفق نیازمند جمعی مهم از دانشمندان داده و مهندسان یادگیری ماشینی است که تقاضای زیادی دارند – و جذب استعدادهای لازم برای شرکت های متوسطی که جذابیت استارتاپ ها و منابع غول ها را ندارند فاقد چالش است. با به اشتراک گذاشتن منابع مالی در یک طرح سرمایه گذاری بلندپروازانه مشترک ، این شرکت ها بهتر می توانند استعدادهای داخلی هوش مصنوعی و الگوریتم های یادگیری ماشینی را ایجاد کنند که قادر به استفاده از مخازن داده بین شرکت های منحصر به فرد است.
سوم ، در حالی که تجمیع داده ها و استعدادها اهداف اصلی یک سرمایه گذاری مشترک هوش مصنوعی است ، در مرحله بعدی آنها همچنین با اتصال یک صندوق جمع آوری شده CVC به سرمایه گذاری ، مشارکت گسترده تر و عمیق تر راه اندازی را امکان پذیر می کنند. ایده های بدیع و مخدوش متعددی در زمینه هوش مصنوعی در استارت آپ ها ایجاد می شود و بسیاری از شرکت های غول پیکر قوی با این کانون های نوآوری ، به ویژه از طریق سرمایه گذاری CVC ، ایجاد کرده اند. با اتصال یک صندوق سرمایه گذاری CVC متمرکز بر هوش مصنوعی مانند Gradient Ventures در Googleبه سرمایه گذاری مشترک هوش مصنوعی خود ، شرکت های متوسط شرکت کننده می توانند منابع مالی و همچنین تخصص فنی و تجاری را برای اسکن و سرمایه گذاری در صحنه راه اندازی هوش مصنوعی جمع آوری کنند.
این مشاغل مشترک با ارائه دسترسی به یک شبکه متصل از شرکت ها و نه فقط یک شرکت واحد ، ممکن است شرکای جالب تری برای استارتاپ هایی باشند که به دنبال منابع مالی و مکمل هستند.
توافقات خوب و دوستان خوبی پیدا کنید
جمع آوری داده ها و استعدادها در یک سرمایه گذاری مشترک هوش مصنوعی بدون خطر نیست. مانند هر نوع سرمایه گذاری مشترک ، مدیران اجرایی باید تصمیمات را در هر مرحله از فرآیند مشارکت سرمایه گذاری مشترک با دقت ارزیابی کنند – از جمله تصمیم گیری در مورد انتخاب شریک ، افق زمانی ، منابع سرمایه گذاری شده ، مدیریت IP ، ارزیابی عملکرد و مکانیسم های حل تعارض. امنیت و مدیریت داده های سطح شرکت از اهمیت ویژه ای برای سرمایه گذاری های مشترک هوش مصنوعی برخوردار است.
شرکا می توانند توافق کنند که این سرمایه گذاری مشترک فقط پیش بینی های مبتنی بر یادگیری ماشینی را برای شرکت های شرکت کننده انجام می دهد ، اما هرگز داده های خام آنها را با دیگران به اشتراک نمی گذارد. به عنوان مثال ، شرکت های شریک می توانند داده های دارای مشخصات وام مشتری را در پایگاه داده مرکزی سرمایه گذاری مشترک برای آموزش و آزمایش الگوریتم یادگیری عمیق جمع آوری کنند. درخواست های جدید وام به طور متمرکز توسط الگوریتم آموزش دیده پردازش می شود و سپس تصمیم پذیرش یا رد درخواست به شرکت بازگردانده می شود. در چنین مدلی ، شرکت A هرگز به داده های شرکت B دسترسی نمی یابد ، بلکه فقط به پیش بینی های الگوریتم یادگیری ماشینی که بر روی داده های بین شرکت آموزش داده شده است دسترسی پیدا نمی کند. شرایط این موافقتنامه ها همیشه باید به طور رسمی ، از قبل ، در یک قرارداد سرمایه گذاری مشترک نوشته شود.
هنگام مذاکره درباره قراردادهای سرمایه گذاری مشترک ، از جمله پروتکل های داده ، برای سرمایه گذاری های مشترک بین المللی هوش مصنوعی ، یک عامل پیچیده تفاوت های فوق ملی در مقررات داده خواهد بود. به عنوان یک مورد ، در حالی که چارچوب نظارتی اتحادیه اروپا در رابطه با جمع آوری ، به اشتراک گذاری ، ذخیره و تجزیه و تحلیل داده های کاربران نسبتاً سخت است ، شرکت های واقع در چین با محدودیت های کمتری در ارتباط با حریم خصوصی داده ها روبرو هستند. این امر نه تنها ممکن است سرمایه گذاری های مشترک هوش مصنوعی اروپایی را در مقایسه با همتایان چینی خود در موقعیت نامطلوبی قرار دهد ، تفاوت در مقررات هنگام ایجاد سرمایه گذاری مشترک با مشارکت طرفین از مناطق مختلف نیز مشکلاتی را ایجاد می کند. علاوه بر این ، در کشورهایی با مقررات دقیق داده ها که به کاربران کنترل بیشتری بر داده های شخصی خود می دهند ، شرایط برای شرکت های متوسط بسیار چالش برانگیز است زیرا کاربران تمایل بیشتری به اعتماد شرکت های بزرگ به داده های خود دارند و از به اشتراک گذاری آن با بازیکنان کوچکتر خودداری می کنند. با توجه به نقش حساس قراردادهای سرمایه گذاری مشترک و تخصص در مقررات داده (بین المللی) ، مشاوران حقوقی نقشی در اجرای سرمایه گذاری های مشترک هوش مصنوعی ایفا خواهند کرد.
با وجود این چالش ها ، مزایای احتمالی راه اندازی یک سرمایه گذاری مشترک هوش مصنوعی بیشتر از خطرات آن است. این رویکرد مشارکتی شامل تغییر تمرکز از منافع شخصی کوتاه مدت یک شرکت به چشم انداز شبکه محور و اکوسیستم است. در عصر هوش مصنوعی ، بهتر است که شرکت های متوسط به تیم برنده بپیوندند تا اینکه به طور جداگانه ایستادگی کنند. علیرغم ماهیت مشارکتی آنها ، شرکتهای مشارکتی به شرکتهای شرکت کننده اجازه می دهند تا حد زیادی مستقل باقی بمانند و میراث خود را ادامه دهند – که برای بسیاری از شرکتهای متوسط تحت کنترل شرکت مادر بسیار مهم است. چندین برنامه هوش مصنوعی قبلاً معرفی شده اند ، اما بزرگترین فرصتها هنوز در پیش است. شرکت های متوسط برای مهمانی خیلی دیر نمی کنند!
