ในขณะที่เราก้าวเข้าสู่ปีที่สามของการปฏิวัติ Generative AI ปัญญาประดิษฐ์กำลังเผชิญกับการเปลี่ยนแปลงครั้งใหญ่ โดยเน้นที่การเปลี่ยนจากการตอบสนองอย่างรวดเร็วที่ผ่านการฝึกอบรมไว้ล่วงหน้า (“คิดเร็ว”) ไปสู่ปัญญาประดิษฐ์ที่ขับเคลื่อนด้วยการใช้เหตุผลอย่างตั้งใจในช่วงเวลาอนุมาน (“คิดช้า”) วิวัฒนาการนี้กำลังขับเคลื่อนแอปพลิเคชันตัวแทนรุ่นใหม่ ปรับเปลี่ยนอุตสาหกรรม และกำหนดความเป็นไปได้ใหม่

การรักษาเสถียรภาพของชั้นรากฐานของ Generative AI

ตลาด Generative AI ได้เข้าสู่ช่วงการปรับเสถียรภาพที่สำคัญ ยักษ์ใหญ่ในอุตสาหกรรม เช่น Microsoft/OpenAI, AWS/Anthropic, Meta และ Google/DeepMind ได้เสริมความแข็งแกร่งให้กับตำแหน่งของตนภายในเลเยอร์พื้นฐาน ด้วยการสนับสนุนจากเงินทุนที่สำคัญและโมเดลเศรษฐกิจที่มีประสิทธิภาพ ความร่วมมือเหล่านี้ทำให้การคาดการณ์เกี่ยวกับโทเค็นถัดไปเร็วขึ้น ถูกกว่า และเข้าถึงได้มากขึ้น

อย่างไรก็ตาม ในขณะที่ชั้นรากฐานเริ่มคงที่ สปอตไลท์จะเปลี่ยนไป ชั้นการใช้เหตุผล — โดเมนของการแก้ปัญหาโดยเจตนาและการดำเนินการทางปัญญา การคิดแบบ “ระบบ 2” นี้ไปไกลกว่าการจดจำรูปแบบ โดยเน้นที่โมเดล AI ที่สามารถให้เหตุผลและตัดสินใจได้ในเวลาอนุมาน โดยได้รับแรงบันดาลใจจากความก้าวหน้า เช่น AlphaGo ชั้นนี้กำลังเปลี่ยนแปลงวิธีที่ AI แก้ไขปัญหาที่ซับซ้อนในโลกแห่งความเป็นจริง

จากซอฟต์แวร์เป็นบริการ (SaaS) ไปสู่บริการเป็นซอฟต์แวร์

Generative AI กำลังทำลายขีดจำกัด นำเราจากโมเดล SaaS ไปสู่รูปแบบใหม่ที่ปฏิวัติวงการ: การบริการในรูปแบบซอฟต์แวร์AI ไม่เพียงแต่ให้เครื่องมือเท่านั้น แต่ยังทำงานด้วยตัวเองอีกด้วย การเปลี่ยนแปลงครั้งนี้ช่วยปลดล็อกโอกาสทางการตลาดมูลค่าล้านล้านดอลลาร์ โดยกำหนดนิยามอุตสาหกรรมใหม่ เช่น การสนับสนุนลูกค้า ความปลอดภัยทางไซเบอร์ และการพัฒนาซอฟต์แวร์

เอา เซียร่าตัวแทนฝ่ายสนับสนุนลูกค้าที่ขับเคลื่อนด้วย AI บริษัทต่างๆ ไม่ต้องจ่ายเงินสำหรับที่นั่งในซอฟต์แวร์อีกต่อไป แต่จ่ายตามปัญหาที่ได้รับการแก้ไข แนวทางที่เน้นผลลัพธ์นี้เป็นตัวอย่างที่ดีของบริการในรูปแบบซอฟต์แวร์: การส่งมอบผลลัพธ์ที่วัดผลได้ ในทำนองเดียวกัน นักบิน GitHub ได้พัฒนาจากการช่วยเหลือนักพัฒนาไปสู่การทำให้เวิร์กโฟลว์การเขียนโค้ดทั้งหมดเป็นอัตโนมัติ และ เอ็กซ์โบว์ ปฏิวัติความปลอดภัยทางไซเบอร์ด้วยการทดสอบการเจาะระบบที่ขับเคลื่อนโดย AI อย่างต่อเนื่อง

การใช้เหตุผลในช่วงเวลาการอนุมาน: ขอบเขตใหม่

การก้าวกระโดดจากการตอบสนองตามสัญชาตญาณ (“ระบบ 1”) ไปสู่การใช้เหตุผลโดยเจตนา (“ระบบ 2”) ถือเป็นก้าวสำคัญครั้งต่อไปในการเปลี่ยนแปลงด้าน AI โมเดลเช่น OpenAI o1 (สตรอเบอร์รี่) กำลังเป็นผู้บุกเบิกการเปลี่ยนแปลงนี้ด้วยการแนะนำ “การคำนวณตามเวลาอนุมาน” ซึ่งช่วยให้โมเดลสามารถหยุดชั่วคราว ประเมิน และให้เหตุผลก่อนตอบสนอง

นวัตกรรมนี้ได้ปฏิวัติวงการต่างๆ เช่น การเขียนโค้ด คณิตศาสตร์ และการวิจัยทางวิทยาศาสตร์ไปแล้ว โดยได้รับแรงบันดาลใจจากกรอบการทำงานการตัดสินใจอันล้ำสมัยของ AlphaGo ความก้าวหน้าเหล่านี้ปลดล็อกความสามารถทางปัญญาที่ไม่เคยมีมาก่อน และปูทางให้ AI สามารถรับมือกับความท้าทายที่ซับซ้อนมากขึ้นเรื่อยๆ ได้

สถาปัตยกรรมความรู้ความเข้าใจ: การจัดการกับความซับซ้อนในโลกแห่งความเป็นจริง

ในขณะที่โมเดลการใช้เหตุผลเพื่อวัตถุประสงค์ทั่วไปมีความก้าวหน้า การใช้งานในโลกแห่งความเป็นจริงต้องการ สถาปัตยกรรมความรู้เฉพาะโดเมนสถาปัตยกรรมเหล่านี้เลียนแบบเวิร์กโฟลว์ของมนุษย์ โดยแบ่งงานออกเป็นขั้นตอนที่แยกจากกันและมีเหตุผล

ตัวอย่างเช่น, ดรอยด์ของโรงงาน ทำให้การทำงานด้านวิศวกรรมซอฟต์แวร์เป็นแบบอัตโนมัติ เช่น การตรวจสอบคำขอแบบ pull request การรันการทดสอบ และการผสานรวมโค้ด โดยการรวมโมเดลพื้นฐานเข้ากับลอจิกของแอปพลิเคชัน แนวทางป้องกันการปฏิบัติตามข้อกำหนด และฐานข้อมูลเฉพาะทาง สถาปัตยกรรมเชิงปัญญาจะสร้างโซลูชันที่ใช้งานได้จริงและชาญฉลาดซึ่งเหมาะกับความต้องการของอุตสาหกรรม

แอปพลิเคชั่นตัวแทน: การกำหนดตลาดใหม่

ความสามารถในการใช้เหตุผลของ Generative AI กำลังขับเคลื่อนกระแส แอปพลิเคชันตัวแทน — เครื่องมือ AI ที่ริเริ่มและให้ผลลัพธ์ที่เป็นรูปธรรม ตัวอย่างเช่น:

• ฮาร์วีย์:ผู้ช่วยทางกฎหมายที่ขับเคลื่อนด้วย AI
• รวบรวม:ผู้ช่วยงาน AI
• ย่อความ:AI ผู้ช่วยแพทย์
• เอ็กซ์โบว์: เครื่องวัดการเจาะระบบ AI
• เซียร่า:เจ้าหน้าที่ฝ่ายสนับสนุนลูกค้า AI

โดยการลดต้นทุนส่วนเพิ่มของการให้บริการเหล่านี้ แอปพลิเคชันของเอเจนต์ทำให้เครื่องมือที่ซับซ้อนเข้าถึงได้สำหรับธุรกิจทุกขนาด ตัวอย่างเช่น การทดสอบการเจาะระบบอัตโนมัติของ XBOW ทำให้การรักษาความปลอดภัยทางไซเบอร์เป็นประชาธิปไตย ทำให้บริษัทต่างๆ สามารถดำเนินการประเมินเป็นประจำได้ในราคาประหยัด

การปรับขนาดการคำนวณเวลาอนุมาน: อนาคตของ AI

บทต่อไปของนวัตกรรม AI ขึ้นอยู่กับการปรับขนาด การคำนวณเวลาอนุมานแบบจำลอง o1 ของ OpenAI แนะนำกฎการปรับขนาดใหม่: ยิ่งจัดสรรการคำนวณมากขึ้นในเวลาอนุมาน ความสามารถในการใช้เหตุผลก็จะดีขึ้น การเปลี่ยนแปลงนี้จะผลักดันการเพิ่มขึ้นของ เมฆอนุมาน — สภาพแวดล้อมแบบไดนามิกที่ปรับทรัพยากรการคำนวณตามความซับซ้อนของงาน

ลองจินตนาการถึงโมเดลที่สามารถให้เหตุผลได้นานหลายชั่วโมงหรือหลายวัน ความสามารถดังกล่าวอาจนำไปสู่การค้นพบครั้งสำคัญในด้านคณิตศาสตร์ ชีววิทยา และสาขาอื่นๆ ซึ่งจะช่วยแก้ปัญหาที่เคยคิดว่าแก้ไม่ได้ การเปลี่ยนจากคลัสเตอร์การฝึกอบรมล่วงหน้าขนาดใหญ่ไปเป็นคลาวด์อนุมานแบบคล่องตัวถือเป็นก้าวสำคัญในการพัฒนา AI

โอกาสในชั้นแอปพลิเคชัน

สำหรับสตาร์ทอัพและนักลงทุน เลเยอร์แอปพลิเคชันมอบโอกาสที่น่าสนใจที่สุดสำหรับนวัตกรรม ในขณะที่ไฮเปอร์สเกลเลอร์ครองเลเยอร์พื้นฐาน เลเยอร์แอปพลิเคชันช่วยให้สามารถสร้าง โซลูชันเฉพาะโดเมน ที่แก้ไขปัญหาในโลกแห่งความเป็นจริงได้อย่างแม่นยำ

โดยใช้ประโยชน์จากสถาปัตยกรรมความรู้แบบกำหนดเองและความสามารถในการใช้เหตุผล สตาร์ทอัพสามารถออกแบบเครื่องมือที่บูรณาการเข้ากับเวิร์กโฟลว์ได้อย่างราบรื่น ช่วยเชื่อมช่องว่างระหว่างโมเดลเอนกประสงค์และแอปพลิเคชันในทางปฏิบัติ

ความคิดสุดท้าย

เนื่องจาก AI กำลังเปลี่ยนแปลงโลกอย่างรวดเร็ว การเปลี่ยนแปลงภูมิทัศน์ทางธุรกิจก็เช่นกัน เช่น การแข่งขันและการเติบโตของธุรกิจ เหตุผลก็คือ “ต้นทุนการผลิตสำหรับการผลิตผลิตภัณฑ์หรือบริการ รวมถึงการส่งมอบประสบการณ์ให้กับลูกค้า” นั้นลดลงเหลือเพียงเศษเสี้ยวของต้นทุนเดิม แต่ด้วย AI เอง ต้นทุนการผลิตจึงเพิ่มขึ้นเป็น 10 เท่า

นี่คือความคิดเห็นส่วนตัวสามประการเกี่ยวกับอนาคตของธุรกิจและ AI ตามประสบการณ์ของฉันในการเติบโตของ GroundAI และการให้บริการลูกค้าของเรา

1. วิวัฒนาการของ PLG ไปสู่ ALG SLG (การเติบโตที่นำโดยยอดขาย) และ PLG (การเติบโตที่นำโดยผลิตภัณฑ์) แบบดั้งเดิมไม่มีประสิทธิภาพอีกต่อไป เนื่องจากฐานลูกค้าไม่ได้ขยายตัวในอัตราที่รวดเร็วเท่ากับการเพิ่มผลผลิต ดังนั้นการเติบโตจึงโน้มเอียงไปทางเครือข่ายการจัดจำหน่ายอย่างมาก แนวทางใหม่เมื่อต้องเข้าถึงกลุ่มเป้าหมาย ฉันเรียกมันว่า ALG การเติบโตที่นำโดยกลุ่มเป้าหมาย ประเด็นสำคัญคือคุณจะดึงดูดกลุ่มเป้าหมายของคุณอย่างมีประสิทธิภาพบนแพลตฟอร์มต่างๆ ได้อย่างไร
2. การเร่งตัวของบริษัทเทคโนโลยีจีนที่บุกเบิกการลงทุนในต่างประเทศแต่มีเรื่องราวของสองเมือง
   บริษัท SaaS แบบ B2C หรือ B2B ขนาดใหญ่ ($20 ~ $100/เดือน) เช่น talkie.ai, runcomfy.com กำลังก่อตัวขึ้นและติดอันดับ 3 อันดับแรกในกลุ่มธุรกิจของตน สตาร์ทอัพเหล่านี้จำนวนมากประกอบด้วยทีมพัฒนาไม่ถึงห้าคนแต่ขับเคลื่อนด้วย SEO ที่ซับซ้อนและวิธีการ ALG ในด้านบริษัท SaaS/ซอฟต์แวร์รายใหญ่ (50,000 ~ 100 ACV) ยังคงดิ้นรนเพื่อแย่งส่วนแบ่งการตลาด ส่วนใหญ่เป็นเพราะปัญหาที่เรียกว่า "ความเหมาะสมของตลาดผู้ก่อตั้ง" - ผู้ก่อตั้งไม่สามารถปรับความคิดให้เข้ากับท้องถิ่นเพื่อสร้างแผนการดำเนินการที่สอดคล้องกันเพื่อลงจอดและขยายออกไปนอกประเทศจีน แต่หลายบริษัทกำลังจ้างบุคลากรที่มีความสามารถจากต่างประเทศด้วยข้อเสนอที่น่าดึงดูด เช่น มากถึง 350,000 เหรียญสหรัฐ/ปี
3. การเปลี่ยนแปลงครั้งใหญ่ของซอฟต์แวร์ในรูปแบบบริการเป็น "บริการในรูปแบบซอฟต์แวร์" ความสามารถของ LLM กำลังก้าวหน้าเร็วกว่าที่เราคาดไว้ เช่น ความสามารถในการใช้เหตุผลของ O1 และ O3 จาก OpenAi อย่างไรก็ตาม "ไมล์สุดท้าย" ของการส่งมอบความสามารถเหล่านี้ให้กับลูกค้าธุรกิจยังไม่มาถึง นี่คือสาเหตุที่เราเห็นการแพร่หลายของสตาร์ทอัปด้านบริการตัวแทน AI แต่ที่น่าเศร้าคือ พวกมันแก้ปัญหาความต้องการทางธุรกิจได้เพียง 20 ~ 30% เท่านั้น นั่นคือเหตุผลที่สตาร์ทอัปด้าน AI ส่วนใหญ่เสนอบริการหรือสร้างรายได้จาก "การให้บริการ" Re: บทความของฉัน "เหตุใด SaaS ด้าน AI รายใหญ่จึงเรียกเก็บเงิน $20/เดือน

Generative AI กำลังกำหนดขอบเขตของซอฟต์แวร์และบริการใหม่ นำไปสู่ยุคที่ AI ทำงานด้วยตัวเอง เมื่อเราเปลี่ยนผ่านจาก ซอฟต์แวร์ในรูปแบบบริการ ถึง การบริการเป็นซอฟต์แวร์ศักยภาพในการเปลี่ยนแปลงอุตสาหกรรมและสร้างตลาดใหม่นั้นไม่มีใครเทียบได้ จุดเน้นไม่ได้อยู่ที่การเลียนแบบสติปัญญาของมนุษย์อีกต่อไป แต่เป็นการให้เหตุผล ปรับตัว และส่งมอบผลลัพธ์ที่ปรับเปลี่ยนสิ่งที่เป็นไปได้

คำถามในตอนนี้ไม่ได้อยู่ที่ว่า AI สามารถพัฒนาได้หรือไม่ แต่เป็นว่า AI จะสามารถกำหนดวิธีการทำงาน นวัตกรรม และการแก้ไขปัญหาที่ซับซ้อนที่สุดของโลกได้อย่างไร