Оценка предприятий по кривой
Прогнозы о применении искусственного интеллекта и машинного обучения варьируются от мрачных (в ближайшие годы они оставят без работы огромное количество людей) до оптимистичных (эти технологии создают возможности для разработки новых товаров. и услуги, которые принесут новые рабочие места). Однако независимо от того, где вы находитесь, передовые внедрения информатики уже начинают разрушать отрасли по всем направлениям, и игнорирование этого факта означает, что вы потенциально упускаете огромные возможности. Однако эти возможности становятся очевидными только тогда, когда вы заново откалибруете свой взгляд на бизнес-ландшафт и начинаете думать об отраслях с точки зрения спектра решений.
Повторная калибровка означает понимание того, что развитие машинного обучения и искусственного интеллекта (больших данных) открыло эпоху объективности. Деловые круги все больше полагаются на объективные или нечеловеческие решения. Компании, которые не принимают этот подход и продолжают полагаться на субъективный анализ и / или интуитивные инстинкты, сталкиваются с все более тяжелой битвой за выживание.
В каком-то смысле все отрасли лежат на своего рода субъективно-объективной кривой. (См. Диаграмму выше). Хотя некоторые функции на предприятии, такие как маркетинг или финансы, могут занимать более высокие позиции на «кривой объективности», в совокупности по всем видам деятельности одни отрасли отстают от других. Понимание того, где находятся предприятия на этой кривой и какие технологии могут быть применены на тех рынках, которые в значительной степени зависят от субъективного принятия решений, - вот как следует думать умному инвестору или предпринимателю при анализе возможностей.
Хотя важно помнить, что приложения машинного обучения и искусственного интеллекта становятся все более распространенными, объективность в этом смысле далеко не повсеместна. Рассмотрение секторов в этих терминах позволяет увидеть, где все еще используются устаревшие решения, и показывает, как вы можете ориентироваться на бизнес-возможности с помощью технологий, которые отдают приоритет принятию объективных решений. Когда вы начинаете смотреть на бизнес по этой кривой, сразу становится ясно, что существует «пробел в объективности» во многих отраслях и секторах, где прогресс в принятии объективных решений все еще остается значительным. Но какие?
Например, такие секторы, как логистика и транспорт, традиционно ассоциируются с технологиями старой школы. Они представляют собой отрасль, находящуюся на кривой, где определенные виды передовых технологий могут быть применены, чтобы помочь предприятиям «наверстать упущенное». В некоторых случаях эта «объективация» уже началась.
Bluecargo.io определила глобальное судоходство как сектор, в котором можно эффективно использовать машинное обучение. Они разработали платформу алгоритмов прогнозирования, которая обеспечивает превосходную видимость для оптимизации операций на терминалах морского порта. Omnitracs является лидером в области телематики в течение четверти века, но недавно использовала ИИ и машинное обучение для разработки платформ для управления флотом, маршрутизации и прогнозной аналитики в автоперевозки. В обоих случаях компании определили конкретные отрасли, которые все еще сильно зависят от субъективных решений при поиске уникальных бизнес-возможностей с помощью ИИ и машинного обучения.
Недвижимость также широко открыта для здравомыслящих предпринимателей и инвесторов. Такие компании, как » «Locate.ai, прогностическая аналитическая платформа, которая использует машинное обучение и геопространственные данные и применяет их к недвижимости, изучили, как инвестиции в недвижимость традиционно работают, и увидели открытую дорогу. Cherre - еще один пример компании, ориентированной на недвижимость, с платформой для принятия объективных решений. Они определили рынок брокеров и создали инструмент, который собирал и анализировал данные о государственной и частной недвижимости в режиме реального времени, чтобы помочь лучше определить жизнеспособность и стоимость данного актива.
Все четыре компании являются прекрасными примерами инвесторов и предпринимателей, которые нацелены на традиционно низкотехнологичные отрасли, чтобы найти место для серьезных революционных сбоев с помощью ИИ и машинного обучения. Тем не менее, помимо выявления пробелов в объективности, инвесторы и предприниматели также должны задать себе вопрос: лучше ли рассматривать приложение, а не отрасль? Какие технологии готовы обеспечить объективную бизнес-аналитику? И эта возможность уже скомпрометирована крупными предприятиями, такими как IBM или Amazon, нацеленные на пространство.
Бизнес-революции, обещанные искусственным интеллектом и машинным обучением, уже начались. Но еще рано. Если вы начнете думать обо всех компаниях с точки зрения объективности, вы быстро поймете, что есть еще пути, прежде чем ИИ и машинное обучение станут повсеместными. Между тем, во многих отраслях старой закалки и с низкими технологиями остается множество возможностей добиться больших успехов для правильно мыслящего предпринимателя или инвестора.
