Пора делать стартап на базе OpenAI и ChatGPT?

Интерес к ChatGPT и в целом к генеративным моделям ИИ сейчас достиг своего пика, особенно после хайповых заявлений о том, что "завтра уже не будет половины профессий, их заменят роботы". И тут конечно возникает логичное желание "подсуетиться" и сделать свой стартап, пока есть вера (инвесторы дают на это деньги) и открыто окно возможностей (рынок не сконцентрирован). Давайте разбираться.

Я решила написать эту статью, чтобы самой разобраться, что вообще происходит. Немного истории.

Что такое OpenAI? Это не технология, как думают некоторые. Open AI была основана в декабре 2015 года как некоммерческая организация, занимающаяся разработкой «безопасного» искусственного интеллекта.

В команду ее основателей входили Сэм Альтман, Илон Маск и др. В 2020 году OpenAI представила технологию Generative Pre-Trained Transformer (или GPT-3).

30 ноября 2022 г. ChatGPT становится общедоступным, и всего за 5 дней число пользователей достигает 1 миллиона (это вау-эффект):

В основе ChatGPT лежит большая языковая модель (LLM), принадлежащая к семейству моделей генеративного машинного обучения, проще говоря модели преобразования текста во что угодно. Тут нужно обязательно сказать, что ни один из доступных сегодня ИИ не создает новых знаний и инноваций. Он использует то, что мы уже знаем и действует как инструмент повышения эффективности. Проще говоря, ChatGPT не даст вам ответа, которого нет в открытом доступе (в Интернете), но он поможет вам найти то, что вам нужно, быстрее. Тем не менее, ChatGPT демократизирует ИИ для тех, кто хочет автоматизировать и ускорить решение своих задач.

Давайте поговорим про то, как из этого хайпа делать бизнес. Мне стало интересно рассмотреть эти технологии как продукт, потому что уже несколько человек мне писали вопросы такого рода:

Если вы обратите внимание, то первое сообщение - про технологию как продукт, а второе про стартап, который специализируется на определенных проблемах/рынках/отраслях (например, ИИ для права, ИИ для здравоохранения и т.д.).

Для понимания этих различий нужно обозначить, из чего состоит на данный момент индустрия ИИ. В ней выделяют три слоя:

1 слой. Инфраструктура и основные платформы

К этому слою относятся:

Вероятно, таких компаний будет всего несколько, потому что все это требует очень высоких капиталовложений на старте. Сэм Альтман как-то отметил, что OpenAI , вероятно, будет «самым капиталоемким стартапом в Кремниевой долине». На этом слое эти "крупные рыбы" будут соревноваться друг с другом.

У OpenAI тут есть преимущество: она была первопроходцем, потому что создала платформу с открытым исходным кодом, которая позволила создать как раз волну стартапов ИИ на базе API.

2 слой. Специализированные модели ИИ от компаний первого слоя

Это решения, которые будут построены на основе базовых моделей, предоставленных компаниями уровня 1 (через API). Например, OpenAI подписала соглашение с Microsoft о сотрудничестве на миллиарды долларов и интеграции GPT в семейство продуктов Microsoft, то есть Microsoft, скорее всего, будет использовать ChatGPT и др. во всех своих офисных продуктах.

3 слой. Стартапы на прикладном уровне

Это решения, которые будут использовать технологии 1 и 2 уровня, предназначенные для конечного пользователя, которые как раз и являются объектом внимания для фаундеров, окрыленных успехами Midjourney, Jasper, Copy.AI, Github Copilot и др.

OpenAI превращает это слой в очень конкурентный рынок, делая вход на него дешевым и простым для всех, кто умеет писать код и готов платить комиссию за доступ к моделям OpenAI и вычислительным мощностям, на которые они полагаются.

Эти стартапы платят комиссию каждый раз, когда пользователь генерирует новое слово/пиксель, тем самым оказывая давление на валовую прибыль. Чаще всего составляет 50–60%, что в основном обусловлено использованием OpenAI.

Тут приведен почти полный список более-менее живых стартапов, которые сделали ставку на 3 слой:

По выбору ниши можно написать не просто пост, но целую книгу. Chat GPT – это технология, такая же новая технология, как в свое время web, big data и т.д. Как происходит со всеми новыми технологиями, лучше сразу задать вопрос о проблеме: «какую потребность клиента мы можем ей закрыть», а не строить ценностное предложение только на базе технологии: «мы решение с Chat GPT, поэтому вы обязаны его купить».

Я посмотрела разные исследования на тему, где лучше всего использовать Chat GPT, и поняла, что 80% решений представляет из себя:

- обобщение содержания текстов (например, summary.ai),

- помощь в написании структурированных документов, копирайтинг (например, copilot),

- создание нового контента и изображений (например, аватаров, elai.io),

- диалоги в чат-ботах (тут решений много),

- создание рекомендаций (например, для планирования путешествий - тут много стартапов).

Совет: если сначала понять, какие из работ (jtbd) вызывают проблемы, а потом задать вопрос: можем ли мы ускорить или снизить усилия с помощью технологии), то кажется, что это более правильный путь, чем внедрять технологию. Именно этим страдают команды, которые занимаются только технологиями: они не эксперты в процессах, поэтому им нужно узнавать предметную область и тесно сотрудничать с экспертами для создания продуктовой стратегии и влияние на бизнес-результат.

То есть ИИ лучше всего работает на рынках, где:

Для каких задач не подходит Chat GPT?

Для всех задач, для которых нужно «включать мозг». Запомните фразу, которую сказал Сэм Альтман:

или

Помимо ценностного предложения стоит задуматься о юнит-экономике. С учетом отчислений компаниям первого и второго слоя, которые будут вашим СOGS. Цены различаются в зависимости от размера контекстного окна и конкретной модели — например, GPT-4:

Также не совсем также понятен вопрос стратегии привлечения клиентов, так как эффективность платного привлечения и потом удержания начинает снижаться. Если у вас не будет уникальной дифференциации и сетевого эффекта, то крайне трудно создать устойчивую экономику. Поясню: GPT-4 сама по себе не является конкурентным преимуществом как технология, речь идет о том, как быстро и качественно вы сможете внедрить ее и обучить свою модель тому, как лучше всего использовать эту технологию.

Например, возьмем лидера в отрасли копирайтинга продукт Copy.ai.

Оно создано на основе GPT-3. Изначально Copy.ai представлял собой оболочку исходного GPT-3. Сегодня продукт имеет 20-30 различных точно настроенных моделей, которые работают на разных этапах процесса создания контента.

Большинство этих стартапов использует usage-based pricing, то есть ценообразование на базе использования, то есть за слова. Модель ценообразования Copy.ai снижает стоимость слова по мере того, как пользователи генерируют больше слов, что стимулирует их к расширению использования.

С другой стороны OpenAI взимает в 6 раз больше за вызовы API для точно настроенных моделей по сравнению с обычными вызовами API GPT-3, поэтому, опять вопрос к валовой прибыли в долгосрочной перспективе.

Сюда прибавляется еще то, что у подобных стартапов нет долгосрочного конкурентного преимущества, кроме данных и интеграции в рабочие процессы. Поэтому все они хотят идти в долгие контракты с B2B (тарифы Growth и Scale), создавая точно настроенные модели, обученные на исторических данных, специфичных для предприятия, и использовать их для обеспечения уникального опыта в корпорациях. В масштабе это делает продукты третьего слоя уникальными за счет того, что их модели обучены на своих данных, что дает ему преимущество перед GPT-3, обученным на общедоступных данных, и приложениями, которые арендуют GPT-3.

Статья подготовлена Юлией Билинкис, автором канала Strategic Move на базе поста: Эксперименты с OpenAI

Примеры других публикаций на канале:

Что такое насыщение рынка и закрытие окна возможностей

Как описать продуктовую стратегию

Как анализировать рынок и конкурентов