Вопрос о том, приобрести или добывать данные, интересует далеко не только стартапы. Рассмотрим данные, разработанные для поиска целевой аудитории рекламодателями. Джон Уонамейкер, один из создателей современной структуры рекламы в СМИ, однажды заявил: «Половина средств на рекламу потрачена зря. Вот только я не знаю, какая именно».
Это основная проблема рекламы. Разместите ее на сайте: ее увидят все посетители, и вы платите за каждый показ. Если только малая часть из них войдет в число потенциальных клиентов, за каждый показ платить не захочется. Это проблема и для рекламодателя, и для сайта, зарабатывающего на рекламе.
Одно из решений – заняться созданием сайтов для привлечения людей с определенными интересами (спорт, финансы и т. д.), представляющими собой целевую аудиторию для определенных рекламодателей. До распространения интернета на этом поприще процветали журналы, кабельные каналы и газетные рубрики об автомобилях, моде, недвижимости и инвестировании. Однако не все СМИ могут так организовать контент.
Благодаря инновациям в интернет-браузерах, в основном файлам cookie, рекламодатели могут отслеживать поведение пользователей и посещенные ими сайты. Так реклама находит целевую аудиторию. Cookie фиксируют информацию о посетителях сайта, а главное – о часто посещаемых ими сайтах, в том числе магазинах. Если зайдете на сайт магазина присмотреть новые брюки, то вам покажут огромное количество рекламы брюк даже с других сайтов.
Размещать cookie может любой сайт, но они не всегда представляют для него ценность. Файлы cookie продаются на рекламных биржах или непосредственно рекламодателям, чтобы те попали в целевую аудиторию. Сайты продают данные о посетителях компаниям, размещающим рекламу.
Компании покупают данные, потому что не могут собирать их сами. Понятно, что они приобретают данные, помогающие идентифицировать наиболее ценных клиентов. Также они покупают данные, помогающие избежать просмотра их рекламы клиентам, менее ценным. Оба типа данных важны, поскольку рекламный бюджет расходуется на показы более ценным клиентам
[128].
Многие лидеры ИИ, в том числе Google, Facebook и Microsoft, создали или приобрели собственные рекламные сети для овладения этими ценными данными. Они решили, что выгода от владения данными превышает издержки на их приобретение. Для других рекламные данные менее важны, поэтому они обмениваются контролем над ними во избежание затрат на их сбор. Таким образом, рекламные данные остаются за пределами границ компаний.
Продажа прогнозов
Google, Facebook, Microsoft и горстка других компаний обладают особенно ценными знаниями о потребительских предпочтениях онлайн. Вместо того чтобы просто продавать их, они пошли дальше и делают прогнозы для рекламодателей. Например, Google своим поисковиком, YouTube и рекламной сетью накопила много данных о потребностях пользователей. Они продают не данные, а прогнозы рекламодателям на их основе в пакете услуг. Если вы даете рекламу через Google, ее покажут пользователям, которым, по мнению сети, она будет интересна. Реклама через Facebook и Microsoft дает похожий результат. Рекламодатель покупает прогноз без прямого доступа к данным.
Уникальные данные важны для стратегических преимуществ. Если данные не уникальны, трудно извлечь выгоду из прогностических машин. Без данных невозможно обучение, поэтому ИИ не является центром стратегии. Как указано в примере с рекламными сетями, прогноз в любом случае может быть полезным. Сети помогают рекламодателю выйти на самых ценных клиентов. Таким образом, точный прогноз полезен организации, даже если он сам и данные вряд ли станут источником стратегического преимущества
[129]. Данные и прогноз находятся вне границы организации, но прогнозом она все равно может пользоваться.
Основной посыл состоит в том, что данные и прогностические машины взаимно дополняют друг друга. Следовательно, приобретение или разработка ИИ получит ограниченную ценность, если у вас нет данных. А если они принадлежат другим, вам необходима стратегия для их получения.
Если данные находятся у эксклюзивного поставщика, существует риск, что он получит всю выгоду от вашего ИИ. Если же данными располагают конкуренты, вероятно, никакая стратегия не поможет их заполучить. Но если данные принадлежат потребителям, можно обменять их на улучшенный продукт или услуги повышенного качества.
Бывает, что ваши данные нужны тем, у кого есть ценные для вас данные; тогда возможен обмен. В случаях, когда данные находятся у нескольких поставщиков, для приобретения данных и прогноза понадобятся сложные договорные условия.
От значения прогностической машины для вашей компании зависит, станете ли вы покупать данные или собирать их и делать прогноз самостоятельно. Если это просто готовый ресурс, а ИИ не играет ключевой роли в стратегии, можно относиться к ней так же, как к энергии, и приобрести на рынке. Но если прогностические машины являются центром стратегии, вам нужен контроль над данными для их совершенствования, поэтому и данные, и машина должны принадлежать компании.
В начале главы мы предположили, что стартапу машинного обучения лучше продавать прогноз, чем готовый диагноз. Почему врачи предпочтут прогноз? И зачем им владеть прогностической машиной и данными? Ответы – в уже изложенных соответствующих компромиссах. Ставить диагноз – основная работа врача, поэтому покупка прогноза не становится его ключевым стратегическим решением. Он продолжит заниматься тем же самым, только получит дополнительную информацию. Если это не ключевое стратегическое решение, врач может покупать прогноз без потребности владеть им или данными. Смысл стартапа заключается в ИИ, а прогноз обеспечивает его ценность для потребителей. Следовательно, пока стартап владеет данными и прогностической машиной, ему нет нужды владеть диагнозом. Граница между стартапом и врачами пролегает там, где ИИ теряет стратегическое значение и становится просто ресурсом для процесса.
Выводы
• Основной стратегический выбор заключается в определении границы компании, в том, где заканчивается ваш бизнес и начинается чужой (например, в партнерстве авиаперевозчиков и аутсорсинге производства автомобильных деталей). На этот выбор влияет неопределенность. Поскольку ее снижают прогностические машины, они воздействуют на границу между вашей и партнерскими организациями.
• Снижая неопределенность, прогностические машины расширяют возможности составления договоров и, следовательно, повышают стимул отдавать на аутсорсинг средства производства и проведение работ, направленных на данные, прогноз и действие. Одновременно прогностические машины снижают компаниям мотивацию на привлечение внешнего суждения. Его качество сложно описать в рамках договора и отслеживать. Если суждение поддается четкой формулировке, то его можно запрограммировать, для чего люди уже не понадобятся. Поскольку с распространением ИИ суждение, вероятно, сохранится за человеком, компании чаще будут нанимать сотрудников в штат и реже отдавать обязанности на аутсорсинг.
