AI की Long Tail

 (research.contrary.com)
12 पॉइंट द्वारा xguru 2024-11-18 | अभी कोई टिप्पणी नहीं है. | WhatsApp पर शेयर करें
  • नवंबर 2022 में ChatGPT के लॉन्च के बाद से AI startups निवेशकों का गहन ध्यान आकर्षित कर रहे हैं, और 2024 की दूसरी तिमाही में कुल venture funding का 49% AI और machine learning startups में निवेश किया गया।
  • OpenAI जैसे model providers और Perplexity या Jasper जैसी AI-native कंपनियां भले ही सुर्खियों में हों, लेकिन वास्तव में AI से प्रभावित होने वाली "non-AI" कंपनियों की संख्या इससे कहीं अधिक है।
  • हम इन non-AI कंपनियों पर AI के प्रभाव को "AI की Long Tail" कहते हैं, और यह Long Tail इस आधार पर चार श्रेणियों में बांटी जा सकती है कि कंपनियां AI को कैसे integrate करती हैं:
    • स्वतंत्र models बनाना
    • OpenAI के GPT-4 जैसे मौजूदा models का उपयोग
    • Meta के Llama जैसे open source models के आधार पर निर्माण
    • ChatGPT जैसे पहले से विकसित AI tools का उपयोग
  • स्वतंत्र और proprietary model बनाना AI के उपयोग का सबसे resource-intensive तरीका है, और यह आम तौर पर उन कंपनियों के लिए उपयुक्त है जिनके पास बड़े पैमाने के unique data sources हों और नए models को train करने के लिए पर्याप्त मानव व वित्तीय संसाधन हों।
  • OpenAI के GPT models या Anthropic के Claude जैसे closed-source models को अरबों से लेकर खरबों parameters पर train किया गया है, और ये coding से लेकर customer service तक विभिन्न क्षेत्रों में सटीक और विस्तृत परिणाम दे सकते हैं, साथ ही API के जरिए आसानी से उपलब्ध हैं।
  • Mistral या Meta के Llama जैसे open source models शक्तिशाली tools हैं; Llama 3.1 को 405 billion parameters पर train किया गया है। closed-source models के विपरीत, open source models transparency और flexibility देते हैं, और model weights को adjust करके उन्हें ग्राहकों की specific जरूरतों के मुताबिक ढाला जा सकता है।
  • ChatGPT जैसे third-party AI tools को integrate करना सबसे आसान है, क्योंकि ग्राहक बिना internally model बनाए या fine-tune किए सीधे तैयार tools का उपयोग कर सकते हैं।
  • AI strategy हर कंपनी में अलग होती है, लेकिन सफल कंपनियां AI का उपयोग अपने मौजूदा business को complement करने के लिए कर रही हैं, अपने उद्योग में सफल उदाहरणों की नकल कर रही हैं, और AI technology के विकसित होने के साथ flexibility बनाए रख रही हैं.

AI में Hype का Power Law

  • normal distribution बनाम power law: normal distribution वह वितरण है जो हमें रोजमर्रा की चीजों में अक्सर दिखता है, जैसे IQ, exam scores और blood pressure, जहां data औसत के आसपास केंद्रित होता है। इसके विपरीत, दुनिया की कई घटनाएं power law से परिभाषित होती हैं, जहां कुछ extreme cases अधिकांश परिणाम तय करते हैं।
    • उदाहरण के लिए, 2023 में S&P 500 index की बढ़त का आधे से अधिक हिस्सा सिर्फ 7 stocks से आया, जो कुल का केवल 1.4% थे।
    • venture capital में भी कुछ ही सफल investments fund के अधिकांश returns देते हैं। उदाहरण: Union Square Ventures के संस्थापक Fred Wilson ने कहा था, "एक investment पूरे fund का return दे सकती है।"
  • AI क्षेत्र में power law: जिस तरह Dot Com bubble के दौरान internet कंपनियों में पूंजी केंद्रित हुई थी, उसी तरह 2024 में AI क्षेत्र में भी वैसा ही hype दिख रहा है।
    • YCombinator के 2024 summer cohort में 75% startups AI-संबंधित products बना रहे हैं।
    • 2024 की दूसरी तिमाही में venture capital investment का 49% AI और machine learning startups पर केंद्रित था (2022 की दूसरी तिमाही में यह 29% था)।
    • 2020 में शुरुआती चरण की AI, SaaS और fintech कंपनियों का median valuation क्रमशः $25M, $27M और $28M था, जो 2024 में बढ़कर $70M, $46M और $50M हो गया।
    • OpenAI घाटे में होने के बावजूद, अक्टूबर 2024 में $157B valuation पर नई पूंजी जुटाने में सफल रहा (revenue के मुकाबले 39x valuation)।
  • AI-native startups की सीमाएं: generative AI और LLMs के उभार के साथ AI कंपनियों के core product का हिस्सा बन गया है। लेकिन जब AI-native कंपनियां निवेशकों का अधिकांश ध्यान खींच रही हैं, तब भी non-AI कंपनियां AI technology की प्रगति से प्रभावित हो रही हैं। अधिकांश कंपनियां मूल रूप से AI कंपनियां नहीं हैं, लेकिन AI की प्रगति उनके business model पर बड़ा असर डालेगी।
  • internet की Long Tail से AI की Long Tail तक: Dot Com bubble के बाद, internet trend के साथ खुद को ढालने वाली non-internet कंपनियों ने बड़ी सफलता हासिल की। उदाहरण के लिए, Walmart की स्थापना 1962 में हुई थी, लेकिन 2023 में उसकी e-commerce revenue $73B तक पहुंच गई, जो 2017 के मुकाबले 5x वृद्धि थी।
    • आज "AI की Long Tail" उभर रही है, जिसमें fintech, SaaS, healthcare, e-commerce और logistics जैसे कई उद्योगों की non-AI कंपनियां शामिल हैं।
  • AI का व्यापक प्रभाव: pre-built AI tools के उपयोग से लेकर internal workflows में AI integrate करने तक, विभिन्न उद्योगों की कंपनियां AI का उपयोग कर रही हैं या करने की कोशिश कर रही हैं। जिस तरह internet का प्रभाव non-internet कंपनियों पर पड़ा था, उसी तरह AI का प्रभाव भी केवल AI models बनाने वाली कंपनियों तक सीमित नहीं रहेगा, बल्कि उससे कहीं अधिक व्यापक होगा।

AI की Long Tail की परिभाषा

  • AI कंपनियां AI से जुड़ी रुचि और निवेश का अधिकांश हिस्सा आकर्षित करती हैं, और इन्हें दो श्रेणियों में बांटा जा सकता है:
    • model companies: OpenAI, Anthropic, Mistral जैसी कंपनियां, जो proprietary या open source LLMs (large language models) विकसित करके उपयोगकर्ताओं को उपलब्ध कराती हैं।
    • AI-native companies: Perplexity, Jasper जैसी कंपनियां, जो AI models के आधार पर products और services प्रदान करती हैं।
  • पहली श्रेणी में model स्वयं product होता है। दूसरी श्रेणी में AI model functionality के केंद्र में होता है, लेकिन उसके बिना कंपनी का अस्तित्व ही नहीं होता। उदाहरण के लिए, Baseten के CEO Tuhin Srivastava ने समझाया कि "अगर model नहीं है, तो AI-native कंपनी भी नहीं है।"
  • लेकिन अधिकांश कंपनियां, जैसे Bloomberg, Walmart और Canva, इन दोनों श्रेणियों में नहीं आतीं। वे एक व्यापक श्रेणी में आती हैं, जिसे "AI की Long Tail" कहा जाता है।
  • Long Tail के मुख्य प्रश्न
    • AI technology की प्रगति उन business models को कैसे प्रभावित करेगी जो ChatGPT के लॉन्च से पहले से मौजूद थे?
    • consulting firm के analysts से लेकर tech companies के software engineers तक, विभिन्न उद्योगों के कर्मचारी AI का उपयोग कैसे कर रहे हैं, और आगे कैसे करेंगे?
    • कंपनियां AI market में खुद को कैसे position कर रही हैं? क्या वे अपने models बना रही हैं, या externally developed tools का उपयोग कर रही हैं?
  • विभिन्न कंपनियों में AI उपयोग के उदाहरण
    • उदाहरण: Ramp (expense management platform) और Atlassian (Australian SaaS company) ने मौजूदा data और workflows के ऊपर generative AI जोड़ा है।
    • Klarna (Swedish fintech company) ने internal operational efficiency सुधारने के लिए AI में निवेश किया, और उसका AI chatbot इतना प्रभावी रहा कि उसने 700 full-time customer service कर्मचारियों के बराबर काम किया।
    • PwC ने मई 2024 में 100,000 कर्मचारियों को ChatGPT Enterprise functionality उपलब्ध कराने के लिए contract किया। साथ ही, 2024 में U.S. Chamber of Commerce के survey में 98% small businesses ने कहा कि वे AI tools का उपयोग कर रहे हैं।
  • अतीत और वर्तमान की तुलना
    • internet boom के बाद जिस तरह non-internet कंपनियों ने e-commerce अपनाकर बड़ी सफलता हासिल की, उसी तरह "AI की Long Tail" में भी विभिन्न उद्योगों की non-AI कंपनियां AI से प्रभावित होंगी।
    • जिस तरह internet ने non-internet कंपनियों पर व्यापक प्रभाव डाला, उसी तरह AI का असर भी सिर्फ AI models बनाने वाली कंपनियों तक सीमित नहीं रहेगा, बल्कि व्यापक अर्थव्यवस्था तक फैलेगा।
  • AI Long Tail की चार layers
    • स्वतंत्र internal AI models का निर्माण: वे कंपनियां जो proprietary datasets का उपयोग करके अपने AI models बनाती हैं।
    • closed-source models का उपयोग: वे कंपनियां जो OpenAI, Anthropic आदि के closed-source models का उपयोग करती हैं।
    • open source models का उपयोग: वे कंपनियां जो Llama, Mistral और Hugging Face के models का उपयोग करती हैं।
    • pre-built AI tools का integration: वे कंपनियां जो पहले से विकसित AI tools को अपने workflows में integrate करती हैं।
  • ये चार layers स्थिर नहीं हैं, और AI का अलग-अलग तरीकों से उपयोग करने वाली कंपनियां एक से अधिक layers में आ सकती हैं। AI technology के तेज विकास के साथ कंपनियों के AI उपयोग के तरीके भी लगातार बदल रहे हैं।

लेयर 1: अपना मॉडल बनाना

  • सबसे अधिक संसाधन-खपत वाली रणनीति: AI की Long Tail में सबसे महंगी रणनीति है एक स्वतंत्र मॉडल को शुरू से बनाना। यह रणनीति उन कंपनियों के लिए उपयुक्त है जो (1) पूंजी से समृद्ध हों और (2) जिनके पास मालिकाना और मूल्यवान datasets हों।
    • उदाहरण: Sam Altman के अनुसार, GPT-4 की training लागत $100M तक पहुंची।
    • अपना मॉडल बनाना महंगा होता है, लेकिन मालिकाना datasets रखने वाली कंपनियों के लिए यह (A) अधिक सूक्ष्म और कंपनी-विशिष्ट परिणाम देता है, (B) मॉडल और weights पर पूर्ण नियंत्रण देता है, और (C) closed-source models की तुलना में लागत बचत की संभावना देता है।
  • Bloomberg
    • Bloomberg न्यूयॉर्क स्थित एक financial data और media company है, जो सालाना $12B से अधिक revenue कमाती है। कंपनी का प्रमुख product Bloomberg Terminal उसके कुल revenue का लगभग 2/3 हिस्सा लाता है।
    • Bloomberg में 8,000 से अधिक engineers हैं, जिनमें से 350 से अधिक AI engineering team में हैं, और कंपनी हर साल कई AI research papers प्रकाशित करती है।
    • मार्च 2023 में, Bloomberg ने finance-specialized LLM BloombergGPT की घोषणा की। यह मॉडल कुल 50B parameters का था और इसे 345B public datasets तथा 40 वर्षों में एकत्र किए गए 363B financial document datasets को मिलाकर train किया गया।
    • इसकी training लागत $2.7M से $10M से अधिक आंकी गई।
    • जनवरी 2024 में, Bloomberg ने Terminal में AI-generated summary feature जोड़ा, जिसे उसके अपने मॉडल पर आधारित माना जाता है, और इसे in-house analysts की मदद से train किया गया।
  • Replit
    • Replit एक web-based integrated development environment (IDE) है, जो collaboration, code auto-completion और debugging features प्रदान करता है।
    • Replit की AI capabilities स्वतंत्र रूप से विकसित models, open source models के fine-tuning, और OpenAI व Anthropic के closed-source models के संयोजन से दी जाती हैं।
      • अप्रैल 2023 और अक्टूबर 2023 में, Replit ने अपना code completion model जारी किया और उसे Hugging Face पर public किया।
      • अप्रैल 2024 में, इसने open source model को fine-tune करके auto-debugging feature जारी किया।
      • सितंबर 2024 में, इसने अपने 7B parameter model पर आधारित एक automatic pair programmer जारी किया, लेकिन कुछ users ने शुरुआती functionality को लेकर असंतोष जताया।
  • Canva
    • Canva ऑस्ट्रेलिया-आधारित web design platform है, जिसका valuation अक्टूबर 2024 में $49B था।
    • अक्टूबर 2023 में, Canva ने Magic Studio नाम का generative AI design studio लॉन्च किया। यह studio users द्वारा बनाए गए content को training data के रूप में इस्तेमाल कर एक "मालिकाना मॉडल" बनाता है।
      • user data बिना अनुमति के इस्तेमाल नहीं किया जाता, और भाग लेने वाले users को compensation दिया जाता है।
    • जुलाई 2024 में, Canva ने image generation platform Leonardo.Ai का अधिग्रहण किया, जिसे वह Magic Studio में integrate करने की योजना बना रहा है।
  • Walmart
    • Walmart 2018 से customer-facing AI tools बना रहा है, और जून 2024 में उसने अपनी सभी generative AI features को अपने models पर स्थानांतरित कर दिया।
      • अक्टूबर 2024 में, Walmart ने Wallaby नाम का retail-specialized LLM पेश किया। यह मॉडल Walmart के data पर train किया गया है और customer service से जुड़े प्राकृतिक जवाब उत्पन्न करता है।
    • Walmart AI का उपयोग customer support chatbots, product catalog organization, और augmented reality shopping experiences को बेहतर बनाने में कर रहा है। इसके अलावा, यह Roblox जैसे online platforms पर virtual shopping experiences भी प्रदान करता है।
    • Walmart अपने models को प्राथमिकता देता है, लेकिन specific use cases के अनुसार third-party models का उपयोग जारी रखने की भी योजना रखता है.

लेयर 2: मौजूदा closed-source models का उपयोग

  • स्वतंत्र रूप से मॉडल बनाने के बजाय, कंपनियां OpenAI, Anthropic जैसी कंपनियों के closed-source AI models को API के जरिए access करके अपने solutions बना सकती हैं।
  • closed-source models कई क्षेत्रों में सटीक output दे सकते हैं, इसलिए वे transcription, customer service, data extraction जैसे सामान्य tasks के लिए उपयोगी हैं।
    • OpenAI के GPT और Anthropic के Claude models बहुत उच्च गुणवत्ता का output देते हैं।
  • API access की आसानी के कारण, engineering के दृष्टिकोण से AI अपनाने का यह सबसे आसान तरीकों में से एक माना जाता है।
  • हाल के समय में लागत दक्षता और तेज inference performance देने के लिए GPT-4o mini जैसे छोटे models भी जारी किए गए हैं।
  • Zapier
    • Zapier एक workflow automation platform है, जिसकी स्थापना 2011 में हुई थी, और अगस्त 2023 तक इसका valuation $5B था।
    • यह OpenAI models का उपयोग करके internal automation processes को बेहतर बनाता है, जैसे meeting transcripts बनाना और उनका summary तैयार करना तथा web articles का summary बनाना।
    • Zapier का Copilot tool natural language prompts का उपयोग करके workflows बनाने की सुविधा देता है।
  • Klarna
    • Klarna स्वीडन की एक fintech company है, जो "Buy Now, Pay Later" service देती है, और सितंबर 2024 में उसने घोषणा की कि वह Salesforce और Workday को AI से replace कर रही है।
    • OpenAI models का उपयोग करने वाला इसका customer service AI assistant customer support requests के 2/3 हिस्से को संभालता है, जो 700 full-time कर्मचारियों के workload के बराबर है।
    • internally, यह Kiki नाम के AI assistant का उपयोग करता है, जो कर्मचारियों को हर दिन 2,000 से अधिक सवालों के जवाब देने में मदद करता है।
  • Ramp
    • Ramp 2019 में स्थापित एक B2B fintech startup है, जो विभिन्न financial software products प्रदान करता है।
    • यह GPT-4 और Claude models का उपयोग करके contract data analysis, transaction classification, और receipt memos लिखने जैसे काम automate करता है।
    • internally, यह AI का उपयोग customer call summaries और Q&A features के लिए करता है, जो Slack के साथ integrated हैं।
  • Atlassian
    • Atlassian एक $50B valuation वाली कंपनी है, जो Jira, Trello, Confluence जैसे team collaboration software प्रदान करती है।
    • अप्रैल 2023 में, इसने Atlassian Intelligence नाम की generative AI feature की घोषणा की।
    • यह feature OpenAI models और Atlassian के अपने models के संयोजन का उपयोग करती है।
    • AI assistant Rovo Jira search functionality को मजबूत करता है, और No-Code agents के जरिए marketing content generation तथा feedback collection जैसे काम automate करता है।
  • Canva
    • Canva Magic Studio में मालिकाना models का उपयोग करता है, लेकिन कुछ features के लिए closed-source models का भी उपयोग करता है।
      • उदाहरण: OpenAI model का उपयोग करने वाला writing editor uploaded samples के tone से मेल खाते हुए content generate करता है।
    • Canva एक विविध AI app marketplace भी चलाता है, जिसमें OpenAI का DALL-E और Google का Imagen app जैसे विकल्प शामिल हैं।

लेयर 3: ओपन सोर्स मॉडल-आधारित डेवलपमेंट

  • स्वतंत्र रूप से मॉडल बनाने या OpenAI के GPT-4o जैसे closed-source मॉडल का उपयोग करने के बजाय, कई कंपनियां Meta के Llama, Mistral, Hugging Face आदि के open source models का उपयोग करके अपने टूल बना रही हैं।
  • Open source models उच्च customization और transparency, बेहतर data privacy, और cost reduction के फायदे देते हैं।
    • Databricks की 2024 रिपोर्ट के अनुसार, LLM का उपयोग करने वाली कंपनियों में 76% ने open source को चुना है।
  • Open source models पर अलग से license cost नहीं होती और इन्हें self-host किया जा सकता है, इसलिए बड़े cloud costs से बचा जा सकता है।
  • एंटरप्राइज ग्राहकों के लिए copyright issues और data leakage risk का कम होना भी एक महत्वपूर्ण कारण है।
  • VMware
    • VMware एक virtualization software provider है, जिसे 2023 में Broadcom ने $69B में अधिग्रहित किया।
    • VMware ने Hugging Face के साथ मिलकर SafeCoder नाम का एक open source-आधारित coding assistant विकसित किया।
    • इसमें StarCoder नाम के 15.5B parameter मॉडल का उपयोग किया गया, और इस मॉडल ने open source projects से डेटा इकट्ठा किया ताकि copyright issues कम से कम हों।
    • एंटरप्राइज ग्राहक StarCoder मॉडल को अपने कोड के साथ fine-tune कर सकते हैं, जिससे domain knowledge की जरूरत वाले internal tasks में मदद मिलती है।
  • Mathpresso
    • Mathpresso दक्षिण कोरिया की एक edtech कंपनी है, जिसकी प्रमुख ऐप QANDA में छात्र math problems के screenshots अपलोड करते हैं और उन्हें अपने-आप समाधान मिल जाता है।
    • 2023 में, Meta के Llama 2 मॉडल का उपयोग करके MathGPT नाम का एक math-specialized LLM विकसित किया गया।
    • MathGPT ने training data के रूप में QANDA के math solutions का उपयोग किया, और मौजूदा commercial models की तुलना में अधिक customization और शिक्षा-परिस्थितियों के अनुरूप accuracy दी।
    • MathGPT ने MATH और GSM8K benchmarks में Microsoft Tora को पीछे छोड़ा और 13B parameters से कम वाले मॉडलों में पहला स्थान हासिल किया।
  • Brave
    • Brave एक privacy-first web browser है, जो ad blocking, tracker blocking जैसी सुविधाएं देता है।
    • अगस्त 2023 में, इसने Leo नाम का AI assistant लॉन्च किया, जिसमें Meta के Llama 2 और Mistral के Mixtral 8x7B open source models का उपयोग किया गया।
    • Brave user data को स्टोर नहीं करता, और user privacy की सुरक्षा के लिए self-hosted models का उपयोग करता है।
    • यह Anthropic के Claude मॉडल को भी support करता है, लेकिन default setting open source models पर है।
  • Replit
    • Replit ने अपने custom code completion model के अलावा, अप्रैल 2024 में Hugging Face के 7B parameter मॉडल को fine-tune करके Code Repair AI agent लॉन्च किया।
    • Paid users, Replit के open source model और अन्य closed-source models के बीच switch कर सकते हैं, जिससे अलग-अलग customer needs के मुताबिक customized solutions दिए जा सकते हैं.

लेयर 4: पहले से बने AI टूल्स का उपयोग

  • यह वह स्थिति है जिसमें कंपनियां खुद AI मॉडल नहीं बनातीं, बल्कि तैयार generative AI tools खरीदकर उपयोग करती हैं।
  • बाहरी टूल्स का मुख्य फायदा cost reduction है। मॉडल को train या fine-tune करने की तुलना में किसी खास टूल को खरीदना अधिक सस्ता होता है।
  • कंपनियां बाहरी AI tools चुनने के तीन मुख्य कारण:
    • जब general knowledge research और brainstorming tools की जरूरत हो
      - उदाहरण: BCG के शोध के अनुसार, generative AI tools काम की productivity बढ़ाते हैं, खासकर तब जब technical expertise कम हो।
    • जब general business tools (उदाहरण: customer support chatbot) की जरूरत हो
      - अपना मॉडल बनाने की तुलना में third-party tools का उपयोग करके तेजी से लाभ पाना अधिक cost-effective होता है।
    • जब किसी खास industry के लिए customized tools पहले से विकसित हों
      - उदाहरण: legal contract review tool Kira का उपयोग कई law firms कर रही हैं।
  • Boston Consulting Group (BCG)
    • BCG एक global consulting company है, जिसके दुनिया भर में 32K कर्मचारी हैं और $12.3B का revenue है।
    • 2023 में, BCG ने OpenAI के ChatGPT का उपयोग करके internal experiments किए, और generative AI ने creative tasks में 40% performance improvement दिखाया।
    • उदाहरण: नए जूते के product ideas बनाना, marketing slogans लिखना जैसे creative problem-solving में प्रदर्शन बेहतर हुआ।
    • 2024 में, BCG ने ChatGPT Enterprise को सभी कर्मचारियों के लिए लागू किया, जिससे AI tools की उच्च उपयोगिता को मान्यता मिली।
  • Dollar Shave Club
    • Dollar Shave Club एक shaving products supplier है, जिसे Unilever ने $1B में अधिग्रहित किया था, और बाद में इसे Nexus Capital Management को बेच दिया गया।
    • इसने अपना chatbot बनाने के बजाय Zendesk के Answer Bot का उपयोग करके customer support को automate किया।
      • Answer Bot ने 12M customer interactions के डेटा पर training लेकर, ग्राहकों के सरल सवालों का कुछ ही सेकंड में जवाब दिया।
    • यह हर महीने 4.5K tickets को resolve करता है, जो कंपनी के कुल ticket volume का 10% है।
  • Law Firms (विधि फर्में)
    • कानूनी contract review जटिल terms और clauses से भरा होता है।
    • कई law firms के पास internal AI tools विकसित करने के लिए पर्याप्त resources नहीं होते, इसलिए वे Kira जैसे बाहरी AI tools का उपयोग करती हैं।
      • उदाहरण: Skadden, Hogan Lovells, Paul, Weiss जैसी बड़ी law firms, Kira का उपयोग करके contract review time को अधिकतम 60% तक कम कर रही हैं।
    • Kira 1K से अधिक सामान्य clauses और data points का तेज़ी से analysis कर सकता है, इसलिए इसका उपयोग M&A due diligence, loan agreement review आदि में होता है.

Long Tail कंपनियां AI का उपयोग करने के तीन तरीके

  • Long Tail में आने वाली कंपनियाँ generative AI को अलग-अलग तरीकों से लागू कर रही हैं; जैसे Bloomberg वित्तीय विशेषज्ञों के लिए कस्टम टूल बना रहा है, और BCG के consultants ChatGPT को productivity tool के रूप में इस्तेमाल कर रहे हैं।
  • इन टूल्स को चलाने वाले मॉडल भी Canva के image generation model से लेकर Ramp के GPT integration model तक काफ़ी विविध हैं।
  • AI लागू करने वाली कंपनियों के पैटर्न को देखें तो, मौजूदा तकनीकी प्रगति की तेज़ रफ़्तार के बावजूद, नीचे दिए गए तीन प्रमुख trends खास तौर पर उभरते हैं।
    • AI का उपयोग मौजूदा बिज़नेस को पूरक बनाने वाले टूल के रूप में
      • ज़्यादातर Long Tail कंपनियाँ पहले से ही अच्छी तरह स्थापित products और services दे रही हैं, और AI का काम इन्हें पूरक बनाना और बेहतर करना है।
        • उदाहरण: Replit ने AI tools लॉन्च करने से पहले ही सफलता हासिल कर ली थी, और AI का उपयोग उसके मौजूदा developer tools के विस्तार के रूप में product improvement के लिए किया गया।
        • Brave का Leo AI, browser की privacy-first policy का विस्तार करने वाला generative AI tool है। Brave पिछले 8 वर्षों से privacy protection पर काम कर रहा है, और Leo उसी सिद्धांत को आगे बढ़ाने वाला टूल है।
        • Walmart के लिए कम कीमतें और flexible return policy सबसे अहम हैं, और AI सिर्फ़ इन्हें support करने की भूमिका निभाता है, core strategy की जगह नहीं लेता।
      • निष्कर्षतः, कंपनियाँ process efficiency बढ़ाने के लिए AI को आंतरिक रूप से अपनाती हैं, लेकिन मुख्य user experience को प्राथमिकता दी जाती है।
    • उसी उद्योग की AI रणनीतियों की नकल करना
      • कंपनियाँ प्रतिस्पर्धी बने रहने के लिए सफल AI strategies को तेज़ी से अपनाती हैं।
        • उदाहरण: BCG ने ChatGPT का उपयोग करके creative work और coding tasks की performance में बड़ा सुधार किया। ऐसे नतीजे दूसरी consulting firms जैसे McKinsey और Bain पर समान AI tools अपनाने का दबाव बना सकते हैं।
        • Brave और VMware अलग-अलग core products देते हैं, लेकिन दोनों data privacy को महत्व देते हैं, और इसी वजह से open source models चुनते हैं।
      • अगर अग्रणी कंपनियाँ AI अपनाकर लगातार competitive advantage बनाए रखती हैं, तो दूसरी कंपनियों को भी समान AI strategies अपनानी पड़ेंगी।
    • लचीली AI strategy बनाए रखना
      • AI का उपयोग करने का तरीका स्थिर नहीं है, और कंपनियाँ विभिन्न strategies लागू या संशोधित कर सकती हैं।
      • उदाहरण: OpenAI ने शुरुआत में लगातार बड़े models बनाए, लेकिन 2024 में उसने GPT-4o mini जैसे छोटे और efficient models जारी किए। इससे cost savings और तेज़ inference speed मिलती है।
      • Ramp के CTO ने कहा कि GPT-4o mini 90% requirements को पूरा करता है, और उनका मानना है कि छोटे models बड़े models की तुलना में अधिक efficient हो सकते हैं।
        • Baseten के CEO Tuhin Srivastava का कहना है कि कंपनियाँ अपना खुद का model बनाने की ओर झुकती हैं, लेकिन इसमें ज़रूरत से ज़्यादा resources और समय लग सकता है।
        • Srivastava की सलाह: "पहले भरोसेमंद tools का उपयोग करें, और फिर धीरे-धीरे उन्हें अपने model से replace करें" — यह strategy महत्वपूर्ण है।
        • कंपनियों को ऐसी स्थिति में होना चाहिए कि जब नई AI technologies आएँ, तो वे लचीले ढंग से प्रतिक्रिया दे सकें और बेहतर हुई तकनीकों का जल्दी लाभ उठा सकें।

Long Tail कंपनियों का अंतिम लक्ष्य

  • अभी AI को लेकर ध्यान और उत्साह model providers और AI-native कंपनियों पर केंद्रित है, लेकिन non-AI-native कंपनियों के बीच भी AI के उपयोग के मामले लगातार अधिक स्पष्ट हो रहे हैं।
    • ये कंपनियाँ customer service chatbots से लेकर augmented reality shopping experiences तक, तरह-तरह के AI solutions अपना रही हैं।
      • AI innovation की रफ़्तार को देखते हुए, Long Tail कंपनियाँ AI का कैसे उपयोग करती हैं, इसे समझने का सबसे आसान तरीका इस deep dive में बताई गई चार layers के आधार पर वर्गीकृत करना है:
        • custom models, closed-source models, open source models, third-party AI tools
  • इस deep dive में शामिल विभिन्न उदाहरण दिखाते हैं कि कंपनियों ने अलग-अलग AI tools को कैसे बनाया और अपनाया, जिससे पाठकों को यह समझने में मदद मिलती है कि उन्हें अपनी संस्था में AI integration को कैसे approach करना चाहिए।
    • ये चारों layers क्रमशः learning time, cost, customization, privacy, और quality से जुड़े trade-offs पेश करती हैं, लेकिन models के बीच switching cost कम होने के कारण ग्राहक अलग-अलग solutions के साथ प्रयोग करने की लचीलापन रखते हैं।
  • Long Tail कंपनियों का अंतिम लक्ष्य AI company बनना नहीं, बल्कि AI tools का उपयोग करके अपने core business को पूरक बनाना और तेज़ करना है।

संबंधित पढ़ाई

अभी कोई टिप्पणी नहीं है.

अभी कोई टिप्पणी नहीं है.