ต่อไปนี้คือคำแปลเนื้อหาจากภาษาอังกฤษเป็นภาษาไทย:
"การใช้ AI เพื่อทำให้ธุรกิจที่มีอยู่แล้วทำกำไรได้ดีกว่า การพยายามทำกำไรจาก AI โดยตรง"
บทสนทนาระหว่าง Keishi Kameyama ประธาน DMM และ Takayuki Fukatsu CXO ของ note เต็มไปด้วยสาระสำคัญเกี่ยวกับวิธีการสร้างรายได้ในยุค AI วันนี้ผมเลยขอสรุปในแบบของตัวเอง
พูดกันตรงๆ เลย เป้าหมายไม่ใช่ "ตัว AI"
อย่างแรกคือสิ่งที่คุณ Fukatsu บอกว่าเขากลัวมากที่สุด:
"บริการ AI แบบเดี่ยวๆ มีโอกาสประมาณ 80% ที่จะโดนโมเดลพื้นฐานของ OpenAI หรือ Big Tech ทับ crushed เมื่อพวกมันเก่งขึ้นตามธรรมชาติ"
ถึงคุณจะสร้างเครื่องมือ AI ที่สะดวกสบายสักหน่อย ฟังก์ชั่นนั้นจะถูกผนวกเข้ากับแพลตฟอร์มหลักในอีกหนึ่งปีให้หลัง และปล่อยให้ใช้ฟรี คุณ Kameyama ก็พูดตรงๆ เหมือนกันว่า "ธุรกิจ AI ขนาดเล็กถึงกลางนั้นยากลำบาก"
"มันอาจจะเป็นยุคของ AI แต่ก็ยังเป็นคำถามว่ามันเป็นยุคของสตาร์ทอัพ AI หรือไม่"
ผมคิดว่าประโยคเดียวนี่แหละที่จับใจความสำคัญได้
แล้วจะทำเงินตรงไหนล่ะ? คำตอบคือ "อุตสาหกรรม X × AI"
โลจิสติกส์ × AI, โรงงาน × AI, อาคาร × AI แทนที่จะทำให้ AI เป็นตัวเอก ให้ย้ายไปอยู่ข้างๆ ที่จะทำให้ธุรกิจที่มีอยู่แล้วทำกำไรได้ด้วย AI
เมื่อเร็วๆ นี้ Takao Ozawa อดีตประธาน Yahoo ก็พูดในอีกบทสนทนาหนึ่งว่า "ถ้าจะเริ่มธุรกิจ อุตสาหกรรม X × AI คือทางเลือกเดียว" และข้อสรุปของคนที่อยู่แนวหน้าก็ตรงกันเป๊ะๆ ตรงนี้
สิ่งที่ทำให้ผมขนลุกมากที่สุดในคำอธิบายของคุณ Fukatsu คือการพูดถึงเรื่องที่ว่า "การชำระเงินและแรงงานจะสามารถแลกเปลี่ยนกันได้ทันที"
จนถึงตอนนี้ ถ้าคุณต้องการเพิ่มกำลังคน คุณต้องประกาศรับสมัครงาน สัมภาษณ์ อบรม และเพิ่มพื้นที่ออฟฟิศเมื่อจำนวนพนักงานเพิ่มขึ้น มันใช้เวลาเป็นเดือนและเต็มไปด้วยต้นทุน
เมื่อ AI agent ฉลาดขึ้นอีกนิด มันจะเป็นแบบนี้:
"ฉันจ่ายค่าสมาชิกแล้ว วันนี้พลังการพัฒนาของฉันคือ 10,000"
"การพัฒนาเสร็จแล้ว งั้นฉันจะลดพลังการพัฒนาเหลือ 10 และเพิ่มพลังการขายเป็น 1,000,000"
มันคือโลกที่คุณเลื่อนแถบเลื่อนเพื่อจัดสรรแรงงานภายในเหมือนเล่นเกมจำลองสถานการณ์ แรงงานจะถูกปรับได้ทันทีจากศูนย์ถึงอนันต์ ผ่านการชำระเงินมากกว่าการจ้างงาน
ในโลกนี้ สิ่งที่เกิดขึ้นกับฝั่งมนุษย์คือ "Side Hustle ขั้นเทพ"
ถ้าคุณเป็นคนที่สามารถรวบรวมและสั่งการ AI agent ได้ ตราบใดที่คุณออกแบบคู่มือการใช้งานและการดำเนินธุรกิจ AI ก็จะจัดการส่วนที่เหลือ ดังนั้น คนที่มีตำแหน่งดีๆ ในบริษัทใหญ่สามารถเป็นหัวหน้าแผนกให้กับอีกสองสามบริษัทพร้อมกันในฐานะงานเสริมได้
คนที่มีความสามารถจะเป็นที่ต้องการสูงกว่าที่เคย
บริษัทต่างๆ ก็จะหันไปทางานหัวกะทิที่มี "ประสบการณ์ในการสร้างธุรกิจของตัวเองด้วย AI" มาเป็นผู้บริหาร แทนที่จะปั้นเด็กจบใหม่ตั้งแต่เริ่มต้น เกณฑ์จะเป็นคนที่ลงมือทำจริงและเคยรันสตาร์ทอัพที่ไหนสักแห่ง มากกว่าแค่คนที่มีประสบการณ์ไม่กี่ปีหลังจบจากมหาวิทยาลัยชื่อดัง
ในทางกลับกัน สายงานที่ปรึกษาถูกชี้ว่าเป็นความเสี่ยง
การอ่านเกมของคุณ Kameyama เป็นดังนี้:
ในช่วงเวลาที่ไม่แน่นอน บริษัทใหญ่ๆ เกลียดความเสี่ยงในการเพิ่มพนักงาน所以他们ใช้การ outsource การส่งคนไปประจำ และการปรึกษา ดังนั้นสิ่งเหล่านี้จะเติบโตต่อไปอีกสองสามปี แต่ในบางจุด พวกมันจะถูกตัดขาดอย่างกระทันหัน
คุณ Fukatsu เห็นด้วย โดยพูดว่า "ในแรงงานกึ่งปัญญาที่มีระยะเวลาการศึกษาและอบรมนาน AI มีแนวโน้มที่จะกลายเป็นคู่แข่ง"
ปัจจุบัน ตำแหน่งเหล่านี้เป็นตำแหน่งดาวเด่นที่มีเงินเดือนสูง แต่ถ้าคุณไปที่นั่นเพียงเพราะ "เศรษฐกิจดี" คุณอาจจบลงด้วยการเป็นแค่ฟรีแลนซ์อีกคน ถ้าจะไป คุณต้องเตรียมพร้อมที่จะวิวัฒนาการเป็นคนที่จัดการได้ทุกอย่าง ตั้งแต่การทำงานภาคสนามที่ gritty ไปจนถึงการออกแบบในระดับสูง
ตามที่คุณ Kameyama กล่าว ถ้าความสามารถเท่ากัน การอยู่ต่อในบริษัทใหญ่จะปกป้องคุณได้ในระยะหนึ่ง เพราะเมื่อบริษัทใหญ่ลดต้นทุน พวกเขาจะตัดแหล่งภายนอกก่อน
แล้วตอนนี้ควรเลือกไปที่ไหน?
คำตอบของคุณ Fukatsu น่าสนใจ:
"บริษัทการค้าอาจจะน่าสนใจกว่า"
เหตุผลคือ ที่บริษัทการค้า คุณสามารถเรียนรู้ทุกอย่าง ตั้งแต่การวางแผนไปจนถึงกระแสการค้า โลจิสติกส์ และกระแสเงิน และในยุคที่กำลังจะมาถึง AI จะจัดการงานปฏิบัติทั้งหมดที่คุณได้เรียนรู้มา
พูดง่ายๆ คือ มันเป็นสภาพแวดล้อมที่คุณสามารถได้รับทักษะพื้นฐานทั้งหมดเพื่อเป็น "CEO คนเดียว" คุณสามารถฝากงานปฏิบัติให้ AI แล้วย้ายไปอยู่ข้างการออกแบบระบบทั้งหมด
การเสริมของคุณ Kameyama ก็ใช้งานได้จริงเช่นกัน:
เนื่องจากบริษัทการค้าขนาดใหญ่มีการแบ่งแผนกสูง มันจะดีกว่าถ้าเข้าร่วมบริษัทที่มีคนประมาณ 100 คนและเห็นทุกอย่างตั้งแต่ต้นน้ำถึงปลายน้ำติดกับประธานบริษัท ถ้าคุณไม่ได้จะเริ่มธุรกิจของตัวเอง ให้เข้าร่วมบริษัทที่คุณอยู่ใกล้พอที่จะคุยกับประธานบริษัทโดยตรง
นอกจากนี้ยังมีการพูดถึงวิธีการเลือกตลาด
นำ AI เฉพาะทางที่มีข้อมูลเฉพาะตัว ไปใช้ในโดเมนที่การนำ IT มาใช้ช้า เช่น เกษตรกรรม ป่าไม้ หรือประมง หรืออีกทางหนึ่ง นำ AI ล่าสุดไปใช้ในโรงงาน โรงแรม เรียวกัง หรือซูเปอร์มาร์เก็ตที่ครองพื้นที่ในท้องถิ่นนอกเขตมหานครโตเกียว และแข่งขันในระดับภูมิภาค
โดเมนตลาดขนาดเล็ก เช่น ผู้ผลิตเสื่อทาทามิ หรือบอนไซ ก็แข็งแกร่งเช่นกัน เพราะมันแคบ ผู้เล่นรายใหญ่จึงไม่มาแข่งขัน
อันที่จริง DMM เองก็สู้ด้วยวิธีนี้ เป็นบริษัทที่สร้างขึ้นบนแนวคิด "โจมตีเฉพาะช่องว่าง (niche) ที่เราสามารถเป็นที่ 1 ได้ และทำให้เฉพาะ HR งานธุรการทั่วไป และงานกฎหมายเป็นมาตรฐาน ถ้า 60 ช่องว่างมารวมกัน มันก็จะใหญ่พอสมควร"
สำหรับผู้สร้างผลิตภัณฑ์ มีแนวทางที่เฉพาะเจาะจงมากขึ้น
คุณ Fukatsu บอกว่าเขาบอกกับผู้ที่เขา invest ว่า "เลิกสร้าง AI ที่คนต้องใช้"
จุดสนใจควรเป็นประเภท AI ที่เริ่มทำงานและทำงานด้วยตัวเองโดยไม่ต้อง 'ถูกใช้'
ตัวอย่างเช่น บางอย่างที่ตรวจสอบ Google Calendar เป็นระยะและวางสรุปโดยอัตโนมัติก่อนการประชุมว่า "คนที่คุณกำลังจะพบเป็นคนแบบนี้มาจากบริษัทแบบนี้"
แทนที่จะสร้างแอปใหม่ ให้ฝังมันลงในเครื่องมือประจำวันอย่าง Slack, LINE หรืออีเมล วิธีการแบบ "trigger-type" นี้มีเหตุผลมากกว่า
เพราะคนส่วนใหญ่ไม่สามารถคิด prompt สำหรับ AI ได้ พวกเขาอธิบายสถานการณ์ปัจจุบันได้ไม่ดี และไม่สามารถพูดในสิ่งที่พวกเขาต้องการจริงๆ ได้ ปล่อยให้เป็นหน้าที่ของผู้ใช้ทั้งหมดคือความท้าทายในปัจจุบันของ AI
และสำหรับประสิทธิภาพของตัวมันเอง ในอีกปีหรือสองปี ไม่ว่าคุณจะใช้อันไหน พวกมันทั้งหมดจะฉลาดมากจนไม่มีความแตกต่าง
การแข่งขันจะไม่เกี่ยวกับประสิทธิภาพ แต่เกี่ยวกับการออกแบบที่ผสานรวมเข้ากับ workflow โดยที่ผู้ใช้ไม่รู้สึกตัวด้วยซ้ำ
ในที่สุด การสนทนาก็เปลี่ยนไปที่ฝั่งที่จะไม่ถูก AI กิน
คุณ Kameyama บอกว่า "เกือบทุกอย่างที่คุณเห็นบนสมาร์ทโฟนมีปัญหา"
เมื่อเนื้อหาที่สร้างโดย AI ท่วมท้น สิ่งที่สร้างด้วยเงิน 1 หมื่นล้านเยน จะถูกฝังอยู่ใต้เนื้อหาหลายล้านชิ้นที่สร้างด้วยเงิน 5 หมื่นหรือ 6 หมื่นเยน มันกลายเป็นโลกที่คุณบอกไม่ได้ว่าอะไรจริง อะไรปลอม และผู้สร้างรู้สึกโง่
ในทางกลับกัน คุณค่าของประสบการณ์ในโลกแห่งความจริง เช่น การแคมป์ปิ้ง บาร์บีคิว และคอนเสิร์ต จะสูงขึ้น
และ "Process Economy" ที่กระบวนการกลายเป็นสินค้า
ถ้ามันเป็นภาพวาด อย่าไปแข่งขันกับภาพที่เสร็จแล้ว แต่ให้ทุกคนดูการวาดสดๆ ไปพร้อมกับดื่ม ฟังความคิดเห็นผ่านโพล SNS และให้ทุกคนมีส่วนร่วมในกระบวนการจนกว่าจะเสร็จ
ถ้าคุณแข่งขันแค่ที่ผลลัพธ์ คุณจะชนกับ AI กระบวนการและประสบการณ์ที่แบ่งปันกัน เป็นสิ่งที่ AI แย่งไปได้ยาก
ในโลกของพรสวรรค์ AI talent ที่ไม่มีความเสี่ยงเรื่องอื้อฉาวและทำงานได้ 24 ชั่วโมง จะมีเหตุผลมากกว่าสำหรับบริษัท นั่นคือเหตุผลว่าทำไมสิ่งที่เหลืออยู่สำหรับมนุษย์คือด้าน "การรวบรวมและแบ่งปันความประทับใจ"
คำกล่าวปิดของคุณ Kameyama นั้นดีที่สุด:
"สิ่งที่น่ารำคาญคือ นี่คือเกมที่คุณเลิกไม่ได้"
แม้ว่าคุณจะมีความรู้สึกคละเคล้ากับโลกที่ AI แพร่กระจาย ตราบใดที่คนอื่นกำลังทำอยู่ ก็ไม่มีทางเลือกที่จะไม่ทำ เขาพูดต่อ:
"ยังไงคุณก็จะล้มเหลวอยู่ดี อะไรๆ ก็จะดีขึ้นหลังจากล้มเหลวประมาณ 10 ครั้ง ดังนั้นผมอยากให้คุณสะสมความล้มเหลว มากกว่าที่จะมองให้ทะลุ แค่เริ่มลงมือทำ"
ถ้าผมจะแปลสิ่งนี้เป็นการกระทำสำหรับวันพรุ่งนี้ ผมคิดว่ามันคือสองสิ่งนี้:
อย่างแรก คิดถึงการคูณหนึ่งอย่างของ "สาขาของคุณ × AI" แทนที่จะเป็น "ตัว AI" ในอุตสาหกรรมของคุณ การคูณที่มีแต่คนที่รู้จักสาขานั้นเท่านั้นที่สร้างได้นั้นยากที่สุดที่จะแข่งขัน
อย่างที่สอง ถ้าคุณกำลังทำงานที่เสร็จสมบูรณ์ภายในหน้าจอเท่านั้น ให้คิดว่าคุณจะทำให้กระบวนการหรือประสบการณ์กลายเป็นสินค้าได้อย่างไร
คนที่เริ่มต้นสามารถเริ่มเคลียร์ความล้มเหลว 10 ครั้งนั้นได้
"× AI" แบบไหนที่มีอยู่ในสาขาของคุณ?
