Mantojuma programmatūra un AI: pārvērtība, ne aizstāšana

Stāsts bija gandrīz pārāk vienkāršs, lai to apšaubītu: mākslīgais intelekts (AI) uzlecošs, vecā programmatūra krīt. Investori ātri iekāpa šajā naratīvā. Taču realitāte sāka traucēt – un parādījās nianses, kas spēli maina.

OpenAI operāciju vadītājs Brad Lightcap neuztver domu, ka mantojuma programmatūras uzņēmumi lēnām izgāžas no nozīmes. Ja kas, viņš redz pretējo: aiz skatiem lielie, tradicionālie programmatūras piegādātāji strādā ar satraucošu steidzamību. Tie uzņēmumi, kurus daudzi uzskatīja par nokavētājiem, pārkārto produktus un pārdomā klientu apkalpošanu AI-pirmās pasaules kontekstā.

Runājot Uncapped podkāstā, Lightcap izaicināja neseno tirgus paniku, kas noslaucīja miljardus no programmatūras uzņēmumu tirgus kapitalizācijas. Tā vienkāršā premisa, kas dzina pārdošanu, bija: ja AI spēj izveidot rīkus, kāpēc paļauties uz tradicionālajiem programmatūras piegādātājiem? Tomēr, pēc viņa domām, šāda loģika nenovērtē to, cik agresīvi šie piegādātāji adaptējas un iebūvē AI savās platformās.

Viņš norādīja: «Viņi kustas tikpat ātri kā jaunuzņēmumi,» uzsverot dziļās klientu attiecības un industriālo zināšanu bāzi kā priekšrocības, kas jaunajiem spēlētājiem nav vai būs grūti apsteigt.

Kur tirgus kļūdījās

Tirgus lejupslīde, ko daži nodēvēja par «programmatūras apokalipsi», paātrinājās februārī, kad jauni AI rīki parādīja, ka iespējams automatizēt juridiskos un biroja procesus. Investori nobijās no domino efekta: ja AI var aizstāt darba plūsmas, varbūt tas var arī aizstāt programmatūru, kas tās darbina.

Tas bažas izraisīja spēcīgu vērtības kritumu. Tādu uzņēmumu kā Salesforce, Snowflake un Microsoft akcijas šogad samazinājās par aptuveni 24–30 procentiem. Pamata satraukums bija, ka uzņēmumi varētu izlaist piegādātājus un radīt pielāgotus rīkus, izmantojot AI risinājumus iekšēji.

Tomēr tajos pašos uzņēmumos norisinās cita veida pāreja. Pēc Lightcap vārdiem, tie neveido vienkārši AI papildus funkcijas; viņi pārprojektē lietotāja ceļojumus, pēta jaunas tirgus nišas un integrē automatizāciju fundamentālā līmenī — no datu pārvaldības līdz atbilstībai un drošības procedūrām.

Patiesā pārvērtība nav aizstāšana. Tā ir pārveide.

Kāpēc panika bija pārāk vienkārša

Triecienā bija elementārs pieņēmums: tehnoloģija, kas var ģenerēt kodu vai automatizēt uzdevumus, automātiski novērš vajadzību pēc strukturētas programmatūras. Taču līdz šim brīdim pieredze rāda, ka ir liela atšķirība starp prototipu, kas darbojas ierobežotā vidē, un uzticamu, mērogojamu risinājumu, kurš iztur regulatīvās prasības, datu integrāciju, lietotāju pārvaldību un drošību uzņēmuma mērogā.

Korporatīvajā vidē, kur dati, darījumu ķēdes un atbilstība ir svarīgas, pāreja uz «sava risinājuma» izstrādi bieži rada augstākas izmaksas, garāku ieviešanas laiku un neparedzētus riskus. Šī iemesla dēļ daudzi tehniskie līderi izvēlas sadarboties ar programmatūras piegādātājiem, kas jau ir izstrādājuši, testējuši un drošības vertējuši savus produktus.

Kas mainās uzņēmumu iekšienē

Vairāki uzņēmumi neapstājas pie virspusējām AI funkcijām; tie pārskata produktus, sākot ar datu plūsmu shēmām līdz lietotāja mijiedarbības paradigmiem. Tās ir izmaiņas, kas ietver:

• Reģeneratīvu un izskaidrojošu AI iebūvēšanu produktā, lai saglabātu atbilstību un auditējamu rīcību;
• API un integrāciju paplašināšanu, lai nodrošinātu AI-darba slodžu sadarbspēju ar esošajām ERP un CRM sistēmām;
• Lietotāja pieredzes pārveidi, kur AI darbojas kā asistents, nevis pilnīgs aizstājējs, saglabājot cilvēku kontroles punktus;
• Modeļu pārvaldību un datu guvernansi kā daļu no produkta dzīves cikla, lai ne tikai izveidotu, bet uzturētu uzticamu un drošu AI pakalpojumu.

Šīs darbības rāda, ka «aizstāšana» ir pārāk vienkāršota ideja; jaunā realitāte ir tāda, ka esošie piegādātāji transformē savus portfeļus, lai AI būtu centrālā daļa, nevis vienreizējs papildinājums.

Mākslīgais intelekts nemazina sarežģītību. Tas to paplašina

Asana izpilddirektors Dan Rogers redz līdzīgu tendenci no cita skatpunkta. Viņa uzņēmums bija viens no tiem, kuriem pārdošanas vilnis nodarīja smagu triecienu, taču Rogers uzskata, ka AI patiesībā palielina nepieciešamību pēc strukturētas un pārvaldāmas programmatūras platformas.

Kāpēc tas notiek? Jo koordinācija kļūst sarežģītāka, ne vienkāršāka. Kad cilvēki sadarbojas ar simtiem vai tūkstošiem AI aģentu un pakalpojumu, nepieciešama centīga orķestrācija: kas izsauc kādu modeli, kā tiek reģistrēta rezultātu kvalitāte, kā tiek nodrošināta atbildība un kā pārvaldīt konflikti starp dažādiem AI lēmumiem.

Rogers norādīja: «Koordinācijas problēma aug eksponenciāli,» uzsverot, ka platformas, kas nodrošina pārredzamību, procesu vadību un uzraudzību, kļūst par kritisku infrastruktūru. Tās nav tikai uzdevumu sarakstu programmas; tās ir sistēmas, kas nodrošina darbplūsmas, piekļuves kontroli, integrācijas ar datu bāzēm un iespēju izsekot atbildību biznesa procesiem.

Sadarbības un orķestrācijas izaicinājumi

Praktiskajos piemēros tas nozīmē:

• Modelu orķestrācija: dinamiska izvēle, kurš AI modelis vai serviss jāizmanto konkrētam uzdevumam, ņemot vērā kvalitāti, izmaksas un latenci;
• Versiju un konfigurācijas pārvaldība: kā nodrošināt, ka atjauninājumi modeļos neizjauc regulārus biznesa procesus;
• Atbilstība un audits: kā saglabāt audita žurnālus un skaidrojumu iespējas, kad lēmumi tiek daļēji pieņemti automātiski;
• Mērogojamība: kā saglabāt lietotāju pieredzi un sistēmas veiktspēju, kad AI aģentu skaits palielinās no desmitiem līdz tūkstošiem.

Šie elementi padara struktūru un kārtību nepieciešamu — tieši to nodrošina tradicionālie programmatūras piegādātāji un daudzi SaaS produkti, kas paplašina funkcionalitāti, iekļaujot AI kapacitāti.

Ierobežojumi būvēt visu ar AI

Ir arī praktisks jautājums: pat ja uzņēmumi var izveidot savus rīkus ar AI, vai tam vajadzētu būt prioritātei? Andreessen Horowitz partneris Anish Acharya ir skeptisks. Viņš uzskata, ka augstvērtīgu AI modeļu izmantošana, lai atjaunotu standarta biznesa programmatūru — piemēram, algu aprēķinu sistēmas vai pilnīgas ERP platformas — sniedz ierobežotu atdevi. Ietaupījumi, viņaprāt, varētu svārstīties ap aptuveni 10 procentiem, bet kopējie izmaksu un riska faktori var pārsniegt ieguvumus.

Tas norāda uz lielāku principu. AI ir spēcīgs rīks, bet tas nav automātisks efektivitātes garantētājs visos gadījumos. Ja jautājums jau ir tehniski un procesuāli atrisināts tirgū ar stabilu produktu, bieži racionālāka stratēģija ir izmantot vai paplašināt to nekā pilnībā būvēt jaunu, iekšēju sistēmu no nulles.

Kad iekšēja izstrāde ir saprātīga

Pārdomājot stratēģiju, vadītājiem jāņem vērā šādi faktori:

• Strategiskā vērtība: vai šis risinājums ir konkurences priekšrocība, ko uzņēmums var ilgtspējīgi aizstāvēt?
• Integrācija ar esošajiem procesiem: cik sarežģīti būs integrēt jaunu AI bāzēta rīka datu plūsmas, drošības un lietotāju pārvaldību?
• Mērogošanas izmaksas: kāds būs kopējais īpašumtiesību izmaksu modelis (TCO) 3–5 gadu periodā, salīdzinot ar tirgus risinājumu abonementu?
• Atbilstība un pārredzamība: vai uzņēmumam ir resursi nodrošināt auditu, datu aizsardzību un regulatīvo prasību izpildi visām AI komponentēm?

Atbildes uz šiem jautājumiem nosaka, vai iekšēja izstrāde ir loģisks solis vai arī labāk virzīties uz kombinētu modeli, kur tirgus produkti tiek paplašināti ar specifiskām AI komponentēm.

Kontrārā likme, kas gūst atbalstu

Nvidia izpilddirektors Jensen Huang arī noraidījis domu, ka programmatūras uzņēmumi drīz būs novecojuši. Viņa arguments ir, ka izpratne par AI kā par pilnīgu programmatūras aizvietotāju neiztur kritiku — drīzāk AI balstīsies uz esošajiem rīkiem, izmantos tos, paplašinās un savienosies ar tiem, nevis izdzēsīs tos no arhitektūras kartes.

Lightcap secinājums nonāk līdzīgā vietā, bet ar investora skatījumu. Ja jūs esat optimistisks par AI jaunuzņēmumiem, ir jēga saglabāt optimistisku skatījumu arī uz mantojuma programmatūras uzņēmumiem. Ne pretēji AI, bet tieši pateicoties tam — jo AI rada pieprasījumu pēc integrētiem, drošiem un labi pārvaldāmiem programmatūras slāņiem.

Kā mantojuma programmatūra adaptējas

Adaptācijas piemēri ietver:

• Platformu atvēršanu AI ekosistēmām, piemēram, bagātīgas API, datu piesaistes un pielāgotu modeļu integrācijas iespēju nodrošināšanu;
• Sadarbību ar mākoņa infrastruktūras un aparatūras piegādātājiem, lai nodrošinātu optimizētu modeļu izvietošanu un izmaksu kontroli;
• Jaunu pakalpojumu piedāvāšanu, piemēram, modelu uzraudzības paneļus, datu kvalitātes rīkus un compliance bibliotēkas, kas mazina ieviešanas risku korporatīvajos klientos;
• Sertificētas piegādes ķēdes un partneru ekosistēmu izveidi, ar kuru palīdzību klientiem tiek nodrošināta droša un saskaņota AI ieviešana.

Šādas stratēģijas ļauj tradicionālajiem uzņēmumiem saglabāt konkurētspēju un pat nostiprināt savu lomu tirgū, kur nepieciešama uzticama infrastruktūra un ilgtermiņa atbalsts.

Kas tas nozīmē investoriem un klientiem

Investoriem tas nozīmē, ka polarizācija starp «AI jaunuzņēmumiem» un «vecajiem programmatūras gigantiem» nav vienkārša bināra izvēle. Daudzas vērtības iespējas slēpjas to krustpunktā: uzņēmumi, kas ātri integrē AI ar drošību, datu guvernansi un skaidrām komercializācijas ceļiem, potenciāli piedāvā labāku risku/atdeves profilu.

Klientiem tas nozīmē rūpīgāku pieeju tehnoloģiju izvēlei. Jāizvērtē ne tikai funkcionalitāte, bet arī uzturēšanas modelis, atbilstība, integrācijas iespējas un pakalpojumu sniedzēja spēja nodrošināt atbildību pieņemošu platformu.

Praktiskas rekomendācijas uzņēmumu vadībai

• Novērtējiet AI potenciālu, skatoties uz procesu izmaiņu ietekmi, ne tikai uz uzdevumu automatizāciju;
• Investējiet modelu pārvaldībā un datu guvernansē, jo tās ērtības kļūs par konkurences priekšrocību;
• Apsveriet hibrīdmodeļus — kombinējiet tirgus risinājumus ar pielāgotām AI komponentēm, kur tas sniedz stratēģisku vērtību;
• Sagaidiet piegādātāju transformāciju: daudz uzņēmumu aktīvi pārbūvē savus produktus, lai AI būtu integrēta daļa no pamatfunkcionalitātes;
• Novērtējiet TCO un riskus ilgtermiņā, nebalstoties tikai uz īstermiņa izmaksu aprēķiniem.

Galvenais secinājums ir vienkāršs, taču nozīmīgs: sacensība nav AI pret programmatūru. Tā ir sacensība, kurā visi skrien pilnā sparā, cenšoties saprast, kā izskatās programmatūra, kuras pamatā no sākta gala iebūvēta inteliģence. Tas nozīmē pārveidošanu, nevis izdzēšanu; sadarbību, nevis konfrontāciju; un jaunu veidu, kā novērtēt tehnoloģijas un piegādātājus gan investoru, gan klientu acīs.