Первая волна инвестиций в искусственный интеллект была направлена на отрасли, которые уже обладали большим количеством программного обеспечения, такие как разработка кода, маркетинг, поддержка клиентов и интеллектуальный труд. Следующая волна окажется более существенной, поскольку она проникнет в физические отрасли, где узкие маржи, ручные операции и каждая единица эффективности имеют значение.
Причина этого очевидна, но критична: чем меньше маржа компании, тем сильнее умножается прибыль от каждой сэкономленной единицы валюты. Логистика является наиболее ярким примером. Рассмотрим экономику: влияние экономии затрат на прибыль обратно пропорционально марже. Таким образом, один и тот же прирост эффективности приносит наибольшую выгоду там, где маржа наименьшая.
Возьмем оператора с маржой в 8%: экономия, эквивалентная двум пунктам выручки, увеличивает прибыль с 8% до 10%, что составляет рост на 25%. Если применить ту же экономию к бизнесу на основе программного обеспечения с маржой в 25%, прибыль вырастет до 27%, что является увеличением всего на 8%. Точно идентичное улучшение оказывается в три раза ценнее в бизнесе с низкой маржой, а в грузовых операциях, работающих на уровне 3–4%, те же два пункта повышают прибыль вдвое.
Первая волна ИИ фокусировалась на отраслях с самой высокой маржой, где экономия оказывает наименьшее влияние на прибыль. Физические отрасли с низкой маржой представляют собой обратную картину: отсутствуют какие-либо резервы, поэтому почти каждый доллар, сэкономленный благодаря ИИ, напрямую идет в чистую прибыль.
Эта экономия должна откуда-то взяться, а в логистике таких возможностей предостаточно. Эта отрасль оценивается примерно в 10 триллионов долларов и до сих пор функционирует на базе Excel, электронной почты, групп WhatsApp, телефонных звонков и знаний, накопленных в головах операторов. Водители связываются с диспетчерами, команды следят за складами, финансовый отдел вручную сверяет тарифные карты и документы о доставке, а менеджеры постоянно решают проблемы с опоздавшими грузовиками или пропущенными слотами. Самым дорогим элементом этой сети являются не сами грузовики, а оперативные знания, хранящиеся в умах людей, которые уходят вместе с каждым опытным диспетчером.
Этот ручной промежуточный слой представляет собой обширную и хрупкую базу затрат, что и объясняет масштаб потенциальной экономии. До недавнего времени эта экономия была недостижима, поскольку работа находилась в неструктурированных форматах, которые не могли обработать существующие программы. Искусственный интеллект меняет эту ситуацию: он способен анализировать сообщения, звонки, сигналы GPS, счета и документы о доставке, преобразовывать их в структурированные решения и действовать на их основе, трансформируя логистику из системы учета в систему действий.
Именно здесь формируется устойчивое преимущество, поскольку сама модель не является защитным барьером. Передовые модели становятся товаром; решающим фактором успеха агента становится контекст: операционные объекты, исключения и циклы обратной связи конкретного бизнеса. Статический агент легко скопировать, но тот, который накопил опыт за счет миллионов реальных эпизодов и исправлений в течение месяцев эксплуатации, — нет. Компания, которая успевает зафиксировать эти операционные знания до того, как они уйдут, создает непреодолимое преимущество, которое не может обеспечить лучшая модель.
Кроме того, это меняет экономику продаж в логистической сфере. Когда программное обеспечение лишь фиксирует произошедшее, оно тарифицируется по количеству пользователей. Когда же оно выполняет работу, ценообразование смещается от доступа к ответственности, ориентируясь на достигнутые результаты — от разрешенных исключений до проведенных счетов. На практике размеры сделок возрастают многократно, поскольку клиенты платят за продемонстрированную бизнес-ценность, а не за набор функций, что представляет собой иной и более эффективный подход, чем классическая модель SaaS.
Это также влияет на рост клиента: вместо того чтобы увеличивать количество координаторов, водителей и вспомогательного персонала по мере роста объемов, оператор может обрабатывать больше перевозок, не масштабируя при этом все функции, превращая производительность в рычаг роста, а не просто в сокращение расходов.
Для инвестора эти три аспекта складываются в редкое сочетание: отрасль с низкой маржой и объемом в 10 триллионов долларов, где экономия непропорционально сильно влияет на прибыль; защищенная позиция, основанная на проприетарных операционных данных, а не на лицензируемой модели; и модель ценообразования, которая расширяется вместе с предоставляемой ценностью. Победителями станут не чат-боты, прикрепленные к устаревшему логистическому ПО, и не общие компании в области ИИ, охотящиеся за вертикалью. Это будут платформы, которые достаточно глубоко понимают физическую операцию, чтобы связать данные, решения и действия, и доказать экономию в масштабе.
Десктопная эпоха предоставила логистическим системам возможность регистрировать перемещение товаров. Эра ИИ обеспечит системы, помогающие управлять всей сетью, и в одной из крупнейших и наиболее ручных отраслей мира это представляет собой одну из самых крупных возможностей для внедрения корпоративного ИИ в предстоящем десятилетии.