本文是我们催化剂成员之一的请求。Catalyst咨询计划是AI顾问和服务提供商的仅应用辅导计划。该项目包括一对一的咨询，与其他Catalyst成员的每周小组问答，以及一系列专有资源和框架，以获得更多的人工智能业务，并通过人工智能项目提供更多价值。学习更多在www.fgamus.com/catalyst.．
在过去的五个月里，我与Catalyst的成员(主要是人工智能产品和服务公司的高管)一起工作，我被迫对各种人工智能商业模式的利弊进行了大量思考。
作为AI供应商您选择的商业型号将影响到市场的方式 - 以及服务 - 您的客户。如果您正在创建AI公司 - 或思考旋转企业中的旋转 - 本文应该通过您要开始的公司的类型来帮助您思考。
作为AI买方您选择的供应商类型将对您的结果AI倡议是否倾向于近期或长期影响。如果您在AI供应商中购买市场，这篇文章将帮助您思考哪个供应商类型最有可能适合您的目标。
在直接比较这五种人工智能商业模式之前，我们必须讨论一下短期价值和长期人工智能转型之间的两分法。
AI项目象限概述
我们的Emerj Plus.成员将认识到EMERJ AI项目象限是我们最好的练习框架之一：
虽然我不会在本文中探讨关于这个图形的所有细节，但我确实想澄清一点:
建筑ai成熟（重新吸收数据基础设施，清洁数据商店与模型一起使用，鼓励企业中的迭代文化，开发执行AI流畅度等）通常与提供立即财务投资回报率的赔率直接。
注意象限2中没有活动。
在本文结束时，我们将在不同AI供应商类型的激励和趋势上有更多的“外卖”。目前，让我们探索每个最常见的AI供应商类型：
比较5 AI商业模式
关于图表的说明:
- 可能的人工智能公司的前景是广阔的，一个完整的商业模式列表(如果我们想在这里获得更细粒度的信息)可能会运行到20或30种类型——包括像Appen这样的众包数据公司，像Domino数据实验室这样的人工智能操作软件，以及许多其他类型。我选择了这五种类型，因为它们
- 这些图形是有用的概括，但存在异常。几乎肯定有一些技术咨询公司具有非常狭窄和近期价值的重点，而也有AI产品通常需要大量的AI成熟度发展。
- 涵盖更多“可能举措空间”的商业模式不是“更好”的商业模式，它们只是不同 - 并涉及权衡。AI SaaS产品可能能够提供快速的结果，但不太可能在客户公司中培养真正的流利和熟练程度。咨询公司可能拥有各种各样的解决方案，他们可以提供，但没有预先制造的技术解决方案，可以非常解决一些问题。咨询公司有点商品，但在建立产品公司时，投注特定的AI功能可能是一个大量的风险。
在我们探讨每种商业模式类型时，我将强调每种模式的重点和激励因素。我将提供每一类公司的例子，并在可能的情况下采访这些公司的领导。
这些访谈将有助于为每种商业模式类型的思考方式增添色彩，并构建AI问题和解决方案。你将听到EDITED首席执行官(在人工智能软件即服务下面的部分）谈论很多关于近期价值，并绕过需要做复杂的一体化的必要性，你会听到埃森哲和SFL科学的领导者（在AI技术和管理咨询下面的部分）谈论更深入的整合和长期行业影响或业务流程变革。
（1）产品型号1 - AI SaaS产品供应商
价值焦点：
- 近期值(100%)，AI变换(0%)
激励措施:
- 短期。尽可能少的白手套工作，获得合同签署，每年发送发票，并专注于获胜更多的合同。
关于这个模型：
- 提供在现有系统表面发挥作用的解决方案。
- 通常依赖API，或者不要依赖于以任何方式与客户现有的基础架构集成。
- 一个核心培训数据常用核心常用性常见于所有客户端。
- 通常要求在客户公司内靠近零A流行。可能涉及与客户中小企业的一些合作，以校准系统，并且可能一些持续的反馈，但甚微多。
- 只需要代表客户的AI成熟度几乎没有改善。
公司的例子:
- Aquabyte（倾听我们的采访Aquabyte Ceo，Bryton Shang）
- 产品:水下计算机视觉解决方案。
- 客户：鱼类农场。
- 用户界面:在客户地点设置水下摄影机，以追踪鱼类的行为和健康状况。用户(养鱼户)会得到一个仪表盘，显示鱼的数量、大小和健康状况，基于计算机视觉分析。
- 数据科学：在Aquabyte的封闭门后面完成。客户可以提供输入，但算法的培训和管理由供应商完成。算法几乎完全预先训练。
- 无人机部署（倾听我们的采访无人机部署首席执行官，尼克·平金顿）
- 编辑（倾听我们的采访编辑数据科学铅，Alejandro Giacometti）
回到2020年3月，我预测了Ai SaaS启动的兴起——以及AI供应商公司的增长趋势，它们需要更少的集成时间，专注于短期价值，而不是AI的成熟或转型。
我怀疑这些低位障碍的公司将在赢得市场份额中具有优势，因为经济从Covid-19危机中拉出来。这并不是说我所说的是“艾萨斯”是一个“更好”的商业模式，但它是一个非常适合挤压预算和艾无知的人（与之相反）AI流利)。
(2)产品模型2 - AI产品供应商
价值焦点：
- 近期值(50-90%)，AI改造(10-50%)
激励措施:
- 接近或中期。他们希望像Ai SaaS公司一样（尽可能小的白手套工作，获得合同签署，每年发送发票，并专注于获胜更多的合同），但他们的整合挑战需要更长时间的飞行员，更多的手 -关于集成，更多的动手维修。建立一些AI成熟是为了获得销售所必需的，并且建立AI成熟可能还可以帮助他们扩大合同，并在长期内与客户一起工作（即赢得更多收入）。
关于这个模型：
- 提供与客户系统集成的解决方案，并使用客户数据。
- 数据和集成需要AI成熟度的其他元素，包括跨职能团队周围的技能，并建立允许或鼓励实验的文化。
- 通常涉及更广泛的客户端应用程序，而不是Ai SaaS产品。这部分是能够使用客户自己的数据的结果，并且部分地是一般的更广泛工具的结果。
公司的例子:
- Kasisto（倾听我们的采访Kasisto CTO，Sasha Caskey）
- 产品:聊天机器人解决方案。
- 客户:零售银行。
- 用户界面：银行内的用户可以看到Chatbot的活动的仪表板，并调整算法本身（我没有在一段时间内与Kasisto交谈，这可能不会完全准确）。银行客户直接与Chatbot本身进行交互，这对其问题和/或将它们路由到适当的人类客户服务代理。
- 数据scienc.E：客户必须提供历史和实时客户支持数据，以及集成到Kasisto系统。算法对普通银行术语有一些现有的理解，但必须校准到客户的独特问题和问题。
- Thetaray.（倾听我们的采访Thetaray首席执行官马克·加齐特）
(3)产品模型3 - AI平台供应商
价值焦点：
- 近期值（30-60％），AI转化（40-70％）
激励措施:
- 中期到长期。这些公司不可能只专注于短期价值，而为客户提供产品培训本身就意味着人工智能的成熟。虽然他们可能会利用短期的“灯塔项目”来鼓励销售并获得动力，但当客户为长期打造人工智能能力时，他们将获得最多的收入。
关于这个模型：
- 提供具有更开放式，广泛用例潜力的平台。
- 必须向客户推销更广泛的AI转型路线图，而不仅仅是一个单独的解决方案。这通常需要在销售和采用解决方案的过程中进行大量的教育和AI成熟度构建。平台供应商被鼓励鼓励其客户的AI成熟度和长期思考。
- 必须让客户了解人工智能的潜力，以及他们平台的特定功能和工作流程。
- 必须支持客户在其平台上追求各种各样的AI应用程序。
公司的例子:
- Ayasdi（倾听我们的采访Ayasdi创始人，Gunnar Carlsson）
- dataiku.（倾听我们的采访Dataiku首席客户官Kurt Muehmel）
- 产品：一个支持预测建模和建筑业务应用程序的数据科学工作室。
- 客户:(各类企业/组织)
- 用户界面：根据用户而广泛变化。涉及图形用户界面和各种报告 - 几乎无限制地定制，具体取决于使用案例和行业。
- 数据科学：Dataiku没有处理客户的数据科学 - 以为他们有助于培训产品。他们的产品允许公司在其企业中进行数据科学实验。
(4)服务模式1——AI技术和管理咨询
价值焦点：
- （漂浮不定）
激励措施:
- 中期到长期。智能AI技术服务公司知道成为一个长期的“AI合作伙伴”意味着许多未来的项目。自与技术的公司和管理咨询能力可以为几乎任何类型的项目进行比较项目 - 玩长途游戏是咨询公司可能会做的。
- 机会主义，绝望或误导性的AI技术服务公司将专注于单独的近期价值，但与AI SaaS供应商相比，通常不太可能开发实际的近期ROI，他们对一个商业问题的真正关注。
关于这个模型：
- 可能提供范围最广的狭窄的、表层的人工智能工具和SaaS集成，或咨询和战略工作，或在技术层面上的长期人工智能成熟度(数据/IT基础设施)。
- 这些公司对于企业范围内的AI路线图的开发几乎是必需的，因为它们可能跨越所有功能领域，而不与任何特定的供应商结盟。
- 竞争企业客户的较小公司可能需要专注于特定行业，或者特定的AI项目（计算机视觉，欺诈检测等），尽管一些较小的公司没有任何特定于部门的焦点（SFL Scientific）。
公司的例子:
- 分形分析（倾听我们的采访分形的Cheif练习官Sankar Narayanan）
- 埃森哲咨询公司（倾听我们的采访埃森哲首席技术官保罗·多尔蒂）
- SFL Scientific.（倾听我们的采访SFL首席执行官Michael Segala报道）
（5）服务模式2 - AI管理咨询
价值焦点：
- （漂浮不定）
激励措施:
- 中期到长期。战略或管理咨询公司分享了他们的技术咨询同行的激励，以便成为客户的受信任的“AI顾问”，但他们缺乏提供短期AI飞行员/产品的能力 - 这倾向于更倾向于建设长期的AI愿景，并沿着表示愿景所需的路线图销售他们的客户项目。
关于这个模型：
- 能够提供战略、教育和流程咨询方面的建议，但不会亲自动手进行AI技术工作(开发、集成、数据基础设施)。
- 可能需要更具体地对利基更具体的是为了与咨询公司竞争，也能够进行AI技术工作。
- 能够在几乎任何人工智能项目或倡议中占据一席之地，但被期望具有非常具体的洞察力——尤其是对该行业其他参与者正在做什么(这可以说是麦肯锡和其他顶级咨询公司的主要吸引力)。
公司的例子:
AI买家和卖家的要点
见解:
- AI SaaS和AI产品具有最窄的客户群。他们专注于特定的商业问题，这意味着他们能够为一个较小的整体市场提供价值——但他们可能比“多面手”人工智能平台或咨询供应商更有准备，以赢得那个特定的市场。
- 转型的销售周期更长。解决方案的变革性越强(就人工智能成熟度而言)，销售周期就越长，价格通常也就越高。像EDITED这样的公司(上面提到过，零集成，工作流程变化有限，没有开发出人工智能成熟度)可能会比Ayasdi或Dataiku(上面都提到过)快得多，这些公司要求客户学习人工智能技能，改变人工智能、数据和业务流程。
- 人工智能产品供应商将逐渐转向人工智能SaaS或人工智能平台。如今，像Kasisto和Thetaray这样的公司必须做比他们所喜欢的那样更加白手套AI成熟度建筑。如果AI产品公司可以简化其船上，简化其集成，并与其他客户的数据进行核心模型，可能会迈向AI SaaS，并专注于更快的市场份额。If it’s market is small-yet-deep (say, global top 10 pharma giants, or something similarly narrow), or if they are unable to take away the bespoke, white-glove aspect of product delivery, then they’ll want to become a “base” upon which clients can build other AI capability over time – a platform. This gravitational pull in one direction or another will play out over the next two to five years.
卖家的见解:
- 注意供应商的激励措施。人工智能平台供应商可能会帮助你成熟你的人工智能能力，但要变得更加依赖他们的专有技术。人工智能产品供应商通常希望尽可能少地与你联系，他们只会在你的组织中开发成熟的人工智能，整合他们的产品，然后离开。
- 明智地使用顾问。正确的顾问可以做一些AI供应商（即使是平台供应商）几乎永远不会做的事情：帮助您肉体达到AI愿景和路线图。This perspective – untethered from any specific vendor or technology – is essential, but it’s important to work with firms who have a proven track-record of AI strategy, not a company that tacked “AI strategy” on their list of services nine months ago to keep up with the Joneses.
买家见解：
- 创建一家人工智能供应商公司有点像一场赌博。服务很容易 - 任何人都可以找到工作（尽管每次不同，但比较难以扩大）作为咨询。构建一个狭窄的AI解决方案，您可以运行不具有产品市场的风险，或者在客户数据生态系统能够支持您的（通知和良好的）假设解决方案的情况下找不到问题。构建AI平台，您有大量的障碍让公司依靠您的新生平台，以获得重要的AI项目（鸡蛋和蛋问题）。
- 决定你想要多动手。您是否可以通过AI成熟度的基本原理，或者您想销售，快速整合/提供许可证，并继续前进，并继续前进？您选择的商业模式将倾向于非常白的手套服务业务，或者更适合传统的萨斯销售。除了编辑（上图中上面引用的）之外，几乎所有内容都将涉及比传统的IT解决方案更多的手持量。
在这个短暂的第2部分比较5 AI商业模式系列文章中，我们将从企业家或AI供应商CEO的角度探讨这些商业模式的优缺点。如果你想创办一家人工智能产品或服务公司，或者从现有业务中剥离出来。请继续关注。
