Ist Ihr Geschäftsmodell praktikabel? Diese 6 Fragen können Sie nicht umgehen.

Für Gründer im Bereich Künstliche Intelligenz (KI) ist es einerseits wichtig, sich auf die technischen Indikatoren von großen Modellen zu konzentrieren, andererseits müssen sie auch die Produktform und das Geschäftsmodell berücksichtigen – und letzteres kann für Unternehmen, die nachhaltig wachsen möchten, wichtiger sein als ersteres.

Der Autor eines Artikels in der Tsinghua Management Review hat das "Kuchenmodell" vorgeschlagen. Ausgehend von sechs Fragen, denen sich jedes KI-Unternehmen bei seiner Gründung und Entwicklung stellen muss, hilft es Gründern, ihr Geschäftsmodell besser zu beurteilen.

Jordan Fisher, Leiter der Forschung bei Anthropic (ein erfahrener Gründer, der zuvor bei OpenAI und DeepMind an Sicherheits- und Modellbewertungsarbeiten beteiligt war), hat in einer jüngsten Podcast-Ausgabe auch erwähnt, dass Gründer von KI-Unternehmen, wenn ihr Produkt kommerziell einsetzbar ist, einige grundlegende strategische Fragen neu überdenken müssen.

Diese Inhalte sind in Bezug auf das "Geschäftsmodell und die nachhaltige Entwicklung von KI-Unternehmen" sehr vorausschauend und zielgerichtet. Wir haben einige ihrer wichtigen Ansichten zusammengefasst und hoffen, dass sie unseren Lesern hilfreich sein werden.

Frage 1: Eigener Wertschöpfungsraum

"Kuchenmodell":

Existiert der Kuchen?

Die Frage nach dem Wertschöpfungsraum lässt sich weiter in zwei Teilfragen zerlegen:

Erstens: Schafft das Produkt Wert? D. h., erfüllt es in bestimmten Szenarien die Bedürfnisse der Nutzer?

Zweitens: Befindet sich der geschaffene Wert auf einem bestehenden Markt oder auf einem neuen Markt? D. h., nimmt das Produkt Marktanteile von bestehenden Anbietern oder schafft es neue Märkte?

Viele große Modellprodukte sind darauf ausgelegt, Unternehmen bei der Verbesserung der Effizienz bei einfachen, sich wiederholenden Aufgaben zu unterstützen und Personalkosten zu sparen, d. h., sie nehmen an bestehenden Märkten teil. Ob diese Werte jedoch ausreichen, um einen größeren Markt zu erschließen, bedarf weiterer Diskussion.

Jordan Fisher:

Erstellt Ihr Unternehmen "Intelligenz" oder "mietet" es sie?

Der größte Blindflugpunkt in der KI-Gründerszene ist, dass zu viele Unternehmen lediglich Modelle "aufrufen", statt ihre eigene Intelligenzfähigkeit "aufzubauen". Der echte Unterschied liegt nicht in den Modellparametern, sondern in der Lernschleife. Nur wenn das Team in Bezug auf Daten, Feedback und Nutzerinteraktion eine geschlossene Schleife bilden kann, gehört die Intelligenz ihnen.

"Gemietete Intelligenz lässt Sie schnell handeln, aber eigene Intelligenz lässt Sie stetig wachsen." Die Grundlage für KI-Gründungen ist die eigene Feedbackschleife.

Sind Sie bereit, zur "gesellschaftlichen Infrastruktur" zu werden?

Wenn Ihre KI von Hunderten von Tausenden Menschen genutzt wird, ist sie nicht mehr nur ein Produkt, sondern eine gesellschaftliche Infrastruktur.

Wenn KI die untersten Schichten der Gesellschaft erreicht, ist sie kein neutrales Werkzeug mehr: Die Ausgabe des Modells kann Bildung, Beschäftigung und öffentliche Meinung beeinflussen; Fehlinformationen können verstärkt werden; Algorithmus-Voreingenommenheiten können die soziale Verteilung verändern …

Deshalb müssen Gründer ihre Verantwortung neu definieren und das System mit einem "öffentlichen Dienstesdenken" entwerfen, anstatt nur auf Profit zu setzen.

Frage 2: Eingangsmuster zur Erreichung des Wertschöpfungsraums

"Kuchenmodell":

Wird der Kuchen vom richtigen Winkel geschnitten?

Ein wirklich "scharfes" Geschäftsmodell für große Modellprodukte findet den besten Winkel, um die Schmerzpunkte der Nutzer direkt anzusprechen und sie dazu zu bringen, für das Produkt zu zahlen.

Was ist ein wirklich "scharfes" Produkt und Geschäftsmodell? Schauen Sie sich ChatGPT an – sein dialogförmiges Produktmodell hat in einer intuitiven und einfach verständlichen Produktform den Menschen schnell ein Gefühl für die Fähigkeiten von generativen großen Modellen vermittelt und weltweit ein starkes Interesse und Vertrauen in große Modelle geweckt.

Nur wenn das Produkt und das Geschäftsmodell eines Unternehmens auf die dringenden Bedürfnisse der Zielgruppe zugeschnitten sind, kann es ein "scharfes" Produkt und Geschäftsmodell finden, den Zielmarkt von einem passenden Winkel ansetzen und Marktanteile erlangen, um schließlich Profit zu erzielen.

Jordan Fisher:

Trainieren Sie das Modell oder die Menschen?

Wir sagen oft, dass Modelle lernen, aber wir übersehen, dass auch Menschen trainiert werden. Gründer müssen sich bewusst sein: Die Interaktionslogik des Produkts formt das Verhalten der Nutzer. Wenn beispielsweise ein Sprachmodell ständig auf "schnelle Antworten" hinweist, verlieren die Nutzer allmählich die Geduld beim Fragen stellen.

Sie entwerfen nicht nur die Benutzererfahrung, sondern auch die Denkmuster. KI-Gründer sollten darüber nachdenken, wie das System den Menschen helfen kann, besser zu denken, anstatt nur auf Effizienz zu setzen.

"Gute KI macht die Menschen menschlicher, schlechte KI macht die Menschen maschinenähnlicher."

Hat Ihr Team eine interdisziplinäre Perspektive?

KI-Gründungen sind kein reines Technikproblem. Die besten Teams der Zukunft werden interdisziplinär sein – sie verstehen sowohl ML (Maschinelles Lernen) als auch Psychologie, Soziologie und Design. Geisteswissenschaften sind die neue Ingenieurwissenschaft der KI-Zeit.

Der Kernkompetenz eines KI-Unternehmens liegt nicht in der Code-Menge, sondern in der Fähigkeit, Menschen zu verstehen. Deshalb wird Gründern empfohlen, Philosophen- und Soziologikonsultanten in die erste Beratungsgruppe aufzunehmen, um fundiertere Entscheidungen zu treffen.

"Wenn es im Team keine unterschiedlichen Stimmen gibt, wird Ihr Modell zwangsläufig einseitig sein."

Frage 3: Ausreichende Ressourcen und Marktbarkeitsbarrieren

"Kuchenmodell":

Kann man anderen vom Kuchen abhalten?

Das Finden eines "scharfen" Produkts und Geschäftsmodells auf der Grundlage des Wertschöpfungsraums bedeutet nicht, dass das Unternehmen Marktanteile erzielen kann. Es muss auch darüber nachdenken, wie es ausreichend hohe Marktbarkeitsbarrieren aufbauen kann, um Konkurrenten am Eingriff in denselben Markt zu hindern.

Viele KI-Produkte sind in Wirklichkeit Hüllenanwendungen für gängige große Modelle. Sie senken die Nutzungsschwelle für große Modelle in vertikalen Märkten erheblich und wandeln Modelle mit allgemeinen Fähigkeiten in Werkzeuge mit spezifischen Fähigkeiten um. Mit der ständigen Weiterentwicklung der Technologie von großen Modellen können jedoch die allgemeinen Fähigkeiten teilweise die spezifischen Fähigkeiten ersetzen.

Jordan Fisher:

Konzentrieren Sie sich auch auf die "Abwehrfähigkeit", nicht nur auf die Geschwindigkeit?

Geschwindigkeit ohne Abwehrfähigkeit führt nur zu Selbstauszehrung. Der gegenwärtige KI-Wettlauf bringt Teams leicht in den "Veröffentlichungsstress" und lässt sie die Abwehrfähigkeit außer Acht lassen.

Bei Modellen liegt die Abwehrfähigkeit in den Feedbackdaten, bei Organisationen in der Unternehmenskultur. Wir kennen zwei Arten von Fehlschlägen: Technologischer Vorsprung ohne Feedbacksystem (Verlust von Nutzern); erfolgreiches Produkt, aber kollabierte Unternehmenskultur (ethische Skandale).

"Geschwindigkeit ist eine Strategie, Abwehr ist eine Struktur." Echte Spitzenunternehmen behalten auch bei hoher Geschwindigkeit die Prüfmechanismen bei.

Ist Ihre Wachstumshypothese nachhaltig?

Viele KI-Unternehmen haben in der Anfangsphase ein beeindruckendes Wachstum, aber eine schlechte Langzeitbindung der Nutzer. Der Grund liegt darin, dass ihr Wachstum auf der "Technikneugier" der Nutzer beruht, nicht auf dauerhaftem Nutzen.

Deshalb sollten Gründer von Anfang an fragen: Warum bleiben meine Nutzer, wenn ein neues Modell kommt? Kann mein Daten-Fahrradrad sich selbst verstärken?

Der echte Marktschutz ist die stetige Akkumulation von echten Nutzungsdaten, nicht die kurzfristige Medienpräsenz. Wachstum ist ein Nebeneffekt, kein Ziel.

"KI-Unternehmen haben keine Angst vor langsamerem Wachstum, sondern vor Leerlauf."

Frage 4: Gewinnmodell

"Kuchenmodell":

Ist das Verhältnis von Aufwand und Ertrag beim Kuchenessen sinnvoll?

Einfach ausgedrückt, kann die Preisgestaltung in einem Unternehmensgewinnmodell in zwei Arten unterteilt werden:

● Kostenpluss-Preisgestaltung: Hier wird auf der Grundlage der Produktentwicklungskosten ein bestimmter Gewinnmarge festgelegt, d. h., die Kosten sind die Grundlage für die Preisbildung.

● Wertteilungs-Preisgestaltung: Das Unternehmen, als Anbieter des Produkts, berechnet die Gebühren auf der Grundlage der tatsächlichen Nutzungsleistung des Produkts und des Nutzens für die Kunden. Der Gewinn hängt direkt mit der Leistung des Produkts zusammen.

Normalerweise versucht ein Unternehmen, einen Mittelweg zwischen diesen beiden Arten zu finden. Ein wichtiger Faktor, der diesen Mittelweg beeinflusst, ist der Wettbewerb auf dem Markt. Wenn ein Unternehmen langfristig kein klares und nachhaltiges Gewinnmodell hat und in einen Preiswettlauf verwickelt wird, wird es für viele KI-Unternehmen möglicherweise schwierig, überlebensfähig zu bleiben. Dies ist eine der dringendsten Herausforderungen, die KI-Unternehmen in Zukunft bewältigen müssen.

Außer dem Gewinnmodell sollte ein Unternehmen auch die Kostenkontrolle von großen Modellen berücksichtigen. Neben den hohen Trainingskosten können KI-Unternehmen auch weitere Konflikte ausgesetzt sein – da KI-Produkte in der praktischen Anwendung stark variabel und unvorhersehbar sind, müssen KI-Unternehmen (und Anwender von KI-Werkzeugen) neben den sichtbaren Kosten auch viele unsichtbare Kosten in Kauf nehmen, was eine große Herausforderung für die Kostenkontrolle darstellt.

Frage 5: Ökosystemunterstützung

"Kuchenmodell":

Gibt es jemanden, der Ihnen beim Kuchenessen hilft?

Um eine neue Technologie auf dem Markt zu etablieren, benötigt man oft die Unterstützung eines Ökosystem-Wertschöpfungskreislaufs. Andere Akteure im Ökosystem müssen diese Technologie kontinuierlich anwenden, um einen geschlossenen Kreislauf zu schaffen, in dem die Technologie stetig verbessert und kommerziell genutzt werden kann.

Deshalb müssen Hardtech-Unternehmen ein "Ökosystem finden, in dem das Unternehmen stabil betrieben werden kann und die Technologie in Anwendungsfällen stetig verbessert werden kann". Dieser Prozess ist genau die Arbeit der Geschäftsmodellinnovation. Durch die Geschäftsmodellinnovation können Hardtech-Unternehmen eine neue Nische erschaffen, ein neues Ökosystem aufbauen, Interessensgruppen auswählen und die Zusammenarbeit vieler Parteien erhalten, um eine Transaktionsstruktur zu entwerfen, die genug Wert schafft. Nur so haben sie eine Chance, erfolgreich zu sein. Dasselbe Prinzip gilt auch für KI-Unternehmen.

Wenn das Produkt ausreichend reif ist, besteht die Chance, ein neues Ökosystem zu schaffen, das die bestehende Wertschöpfungskette komplett umstürzt und das Geschäftswert des Unternehmens in größerem Maßstab realisiert.

Frage 6: Sicherheit und Offenheit

"Kuchenmodell":

Is der Kuchen sicher zu essen?

Bei den Sicherheitsrisiken rückt das Risiko der Datenleckage von großen Modellen in den Fokus des Marktes und der Regulierungsbehörden.

Einerseits können verschiedene Komponenten von großen Modellen Schwachstellen aufweisen, die Angriffen und unbefugtem Datenzugang ausgesetzt sind, was zu versehentlichen Offenlegungen sensibler Informationen oder unbefugten Datenzugängen führt und somit ein hohes Risiko der Datenleckage für Kunden birgt.

Andererseits können gegenwärtige große Modellprodukte von Angreifern durch sorgfältig gestaltete Eingabewörter manipuliert werden und geben leicht unter gezielter Induktion und Täuschung vertrauliche Daten des Anwenders preis. Darüber hinaus können große Modelle auch Anwendungsrisiken aufgrund von Halluzinationen haben.

Jordan Fisher:

Ihre Kernressource: Rechenleistung, Daten oder Vertrauen?

In der KI-Zeit ist nicht der Algorithmus das knappste Gut, sondern das Vertrauen. Daten können kopiert werden, Rechenleistung kann gemietet werden, nur Vertrauen kann nicht outsourciert werden.

Es wird Gründern empfohlen, frühzeitig Wertgrenzen festzulegen: Wie behandeln Sie die Privatsphäre der Nutzer? Wie erklären Sie die Entscheidungen des Modells? "Nutzer bleiben nicht, weil Sie klug sind, sondern weil Sie vertrauenswürdig sind."

Innerhalb von Anthropic gibt es eine Regel: Vor der Freigabe jeder Funktion müssen drei Fragen beantwortet werden:

① Sind wir bereit, das Verhalten der Funktion öffentlich zu erklären?

② Können die Nutzer die Entscheidungsgrundlage verstehen?

③ Entspricht die Funktion auch im schlimmsten Fall den gesellschaftlichen Erwartungen?

Der Kernschutz von KI-Produkten ist das Vertrauen, das durch Nachvollziehbarkeit entsteht, nicht die Closed-Source-Strategie.

Wer trägt die Verantwortung für die Entscheidungen Ihres Modells?

Die Frage der Entscheidungsverantwortung von KI-Systemen wird zum ethischen Kernpunkt.

Hinter jeder Ausgabe eines KI-Systems verbirgt sich eine menschliche Beurteilung. Deshalb müssen Gründer die Verantwortungskette klar definieren: Wer kann das Modell ändern? Wer kann die Änderungen prüfen? Wer trägt die Verantwortung für Abweichungen?

Anthropic verbessert die Entscheidungsfindung durch die Einrichtung eines internen "Verantwortungsjournals", die Forderung, dass jede Modelländerung die "Wirkungshypothese" dokumentiert und die Einrichtung von ethischen Prüfungen und externen Beratern. Diese Prozesse erscheinen auf den ersten Blick kompliziert, aber sie helfen dem Team, auch bei schneller Iteration wachsam zu bleiben.

"Transparenz ist keine