Даже мы так можем заработать на ИИ
Суть проекта
Сегодняшний стартап был создан только в этом году. Но сейчас он уже появился на радарах аналитиков — быстро подняв первый раунд инвестиций размером сразу 20 миллионов долларов от нескольких известных венчурных фондов и бизнес-ангелов.
Такое быстрое и громкое появление Contextual AI обязано тому, что он копает в том же направлении, что и модные сейчас ChatGPT и Google Bard — то есть в сторону создания ИИ-помощников, умеющих отвечать на вопросы и создавать тексты на заданные темы.
Однако специфика Contextual AI в том, что он вовсе не собирается создавать ещё одного универсального ИИ-помощника, конкурирующего с ChatGPT и Bard.
Стартап разрабатывает платформу, с помощью которой каждая компания сможет быстро и просто создавать своих собственных ИИ-помощников — но заточенных под специфику каждой конкретной компании.
Лозунг сегодняшнего стартапа «AI That Minds Your Business» можно перевести как «ИИ, который занимается твоим бизнесом». Но в этом лозунге скрыт ещё один смысл, связанный с обычным способом употребления выражения «mind your own business» («занимайся своим собственным делом») — в смысле «не лезь не в своё дело».
«Зачем компаниям тратить деньги на ИИ-платформу, которая знает Шекспира или квантовую физику? Когда всё, что им нужно от такой платформы — чтобы она умела решать их собственные задачи», — задаются вопросом основатели сегодняшнего стартапа.
Усилия многих разработчиков ИИ сейчас направлено на создание «универсального ИИ» (AGI, Artificial General Intelligence) — примерами которого являются те самые ChatGPT и Bard.
Contextal AI сосредоточился на решении противоположной задачи — платформе, которая бы позволяла компаниям создавать свои «специализированные ИИ» (ASI, Artificial Specialized Intelligence), то есть ИИ, заточенные под решение задач каждой конкретной компании.
- будут тратить меньше компьютерных ресурсов за счёт отсутствия универсальности,
- их можно самостоятельно и непрерывно затачивать под наиболее эффективное решение специальных задач компаний,
- они будут меньше «галлюцинировать», то есть выдавать утверждения, на самом деле не соответствующие действительности — что нередко делает и ChatGPT, и Bard,
- они будут способны выдавать ссылки на внутреннюю информацию компании, подтверждающие сделанные ими утверждения и выводы.
При этом конкретную корпоративную конфигурацию Contextual AI можно будет установить внутри периметра сетевой безопасности компании — чтобы конфиденциальные данные не утекали наружу и не использовались при работе публичных ИИ-платформ.
Но это становится возможным только за счёт выкидывания универсальности — потому что у обычных компаний не хватит ни ресурсов, ни денег на эксплуатацию универсального ИИ-помощника. Один день работы ChatGPT, к примеру, обходится почти в 1 миллион долларов. И не только потому что его использует много людей — а потому что слишком высока фиксированная себестоимость универсальной платформы.
Что интересного
Универсальные решения — это хорошо и замечательно. Но есть один неприятный нюанс. Реальные деньги в каждой теме будет всегда иметь только одно самое популярное универсальное решение. Ну или максимум — 3. Хотя тогда обычно их доли рынка поделятся в соотношении 4:2:1, а дальше пойдут уже решения с единицами или долями процентов рынка.
Поэтому очень важный вопрос, который должны задавать себе основатели, собравшиеся создать какой-то сервис — а сколько таких сервисов может выдержать рынок? Если 1–2–3 — то нужно очень серьёзно взвесить свои шансы на возможность стать одним из них.
Не зря же тот же самый OpenAI с ChatGPT начал плотно сотрудничать с Микрософтом — вплоть до того, что ChatGPT стал частью поисковика Bing. Потому что Сэм Альтман достаточно реалистично оценил шансы самого OpenAI на то, чтобы «в одно рыло» забороть Гугл.
В этом смысле Contextual AI пошёл очень правильным путём. Он проигнорировал задачу стать ещё одним универсальным ИИ-помощником для всех — и решил стать специализированным ИИ-помощником для каждой конкретной компании.
Потому что компаний много — и каждой из них рано или поздно потребуется свой ИИ-помощник. Да, конечно, когда со временем появится много платформ, аналогичных Contextual AI — одни компании будут выбирать одну платформу, а другие — другие. И количество клиентов у таких платформ будет зависеть от текущей активности каждой конкретной платформы в маркетинге и продажах.
Но это игра в перетягивание каната, в которую можно играть вечно. А не быстро наступающий порог — момент истины, после чего ты или становишься монополистом, или оказываешься неспособным им стать навсегда
Как обычно, нет «правильного» ответа — каким путём лучше идти. Пойти на такой рынок, где ты теоретически можешь стать монополистом и сорвать банк — или умереть, потому что других вариантов нет. Или пойти в такую тему, где по определению могут жить много игроков — но вечно с ними конкурировать за существующих и новых клиентов.
Но всегда нужно видеть — в какую из этих ситуаций ты вляпываешься, выбирая продукт и рынок для своего стартапа.
А теперь — про технологическую сторону Contextual AI. Как это им удаётся создавать специализированных ИИ-помощников, которые меньше «весят» в смысле используемых ресурсов, не галлюцинируют и выдают подтверждающие ссылки?
Неужели они что-то новое изобрели? И опять, как это обычно бывает — нет, они ничего не изобретали. Они взяли уже готовые известные кубики — и собрали их в нужной конфигурации, чтобы получить востребованный продукт.
Contextual AI использует уже известный в ИИ подход, называющийся «Retrieval Augmented Generation» (RAG) — генерация с использованием дополнительных источников информации.
Общая идея этого подхода в том, что задаваемые ИИ-помощнику вопросы незаметно для пользователей расширяются за счёт добавления фактов, полученных из специфических источников информации (баз данных, сайтов).
Совсем грубый пример. Если пользователь спрашивает «Где родился Алан Тьюринг», то ИИ-помощник сначала лезет в Википедию, где с высокой степенью вероятности содержится правильная информация о его месте рождения — и добавляет нужную фразу к вопросу пользователя. После чего ИИ-помощник обычно выдаёт правильный ответ
Можно взять другой пример, когда пользователь показывает ИИ-помощнику фотографию «мишки Тедди» (Teddy Bear) и задаёт вопрос «В честь какого-такого Тедди названа эта игрушка?».
Для формирования правильного ответа ИИ-помощник с одного сайта вытаскивает информацию о том, что фотографии изображён мишка, с другого — что это «мишка Тедди», с третьего — что его назвали в честь Теодора Рузвельта, а из биографии Рузевельта в Википедии — описание нужного случая из его жизни. После чего отвечает, что на фотографии изображён мишка Тедди, названный в честь президента Теодора Рузвельта после того, как тот на охоте отказался убить выбежавшего на него медведя.
Соответственно, в случае Contextual AI каждая компания может подключить к их платформе свои собственные источники информации — корпоративные базы данных, корпоративную Википедию, финансовые отчёты, рекламные кабинеты, презентации руководителей и всё остальное в этом духе.
И тогда созданный на платформе Contextual AI ИИ-помощник сможет использовать эту информацию — для более точных, полных и актуальных на данную секунду ответов. С одной стороны, расширяя и актуализируя свои знания за счёт подключения дополнительных корпоративных источников. А с другой — используя эти дополнительные знания как фильтры для исключения «галлюцинаций» у ИИ-алгоритма.
В жизни наверняка всё окажется несколько сложнее. Потому что чисто за счёт корпоративных источников вряд ли получится получать разумные ответы на целый ряд вопросов — даже имеющих непосредственное отношение к деятельности компаний. Ведь целый пласт знаний о предметной области, которой занимается компания, обычно считается очевидным для всех сотрудников — и поэтому не отражается ни в одном внутреннем документе.
Но тогда может возникнуть рынок дополнений для подобных платформ — базы данных с набором общих знаний по разным предметным областям. Тогда компания сможет покупать нужный набор таких баз — и подключать их в своему ИИ-помощнику, чтобы научить его «очевидным» вещам.
Куда бежать
Общее направление движение — следовать тренду развития «генеративного ИИ» (Generative AI). Вот только — в русле создания специализированных ИИ-помощников, способных решать:
- специфические корпоративные задачи для широкого круга компаний или
- более широкий набор задач, но для конкретных компаний или компаний, работающих в специфических тематиках.
Прелесть в том, что Contextual AI считает, что такие важные технологии ИИ слишком опасно оставлять в руках нескольких больших компаний. Поэтому они будут настолько широко, насколько это возможно — поддерживать концепцию «опенсорса» (open source). То есть выкладывать свои решения в публичный доступ — чтобы их могло использовать большее количество разработчиков.
А это значит, что специализированные платформы можно будет достаточно быстро и просто клепать поверх технологий, разработанных Contextual AI. К слову сказать, фастфаундеровский поисковик по стартапам Анаконда создан из опенсорсной версии поисковика Elastic — и это оказалось действительно не так долго и не так сложно
Таким образом, самой главной задачей для разработчиков станет поиск самых подходящих рынков и тем для создания специализированных ИИ-помощников — а не проблема создания специализированных ИИ-решений с нуля.
Поэтому главный вопрос — куда сейчас можно приткнуть технологию Contextual AI?
Какие корпоративные специализированные решения, созданные поверх этой платформы, могут стать востребованными? Какие дополнительные продукты можно создавать и продавать для расширения функциональности специализированных решений типа упомянутых выше баз знаний по предметным областям?
Какие варианты приходят вам в голову?
О компании
Contextual AI
- Сайт: contextual.ai
- Последний раунд: $20M, 07.06.2023
- Всего инвестиций: $20M, раундов: 1