大数据的进步及互联网连接将AI价值金字塔向上推向知识层

半个多世纪以前就引发了人工智能（AI）革命。在过去的十年中，人工智能已经从学术科学领域发展成为我们日常生活中不可或缺的一部分。我们看到的最常见的AI业务策略是围绕数据构建的。我们认为专有数据是当前AI公司最具战略意义的护城河，但在未来几年中，专有数据将不再是一种独特的资产，从而使专有数据差异化的可持续性降低。因此，我们希望重点从基于数据的AI策略转移到基于知识的AI策略。

大数据的进步得益于众多传感器的部署，互联网连接以及计算能力，通信能力和数字存储方面硬件和软件的改进，使AI能够从小型学术研究项目扩展到大型企业生产应用程序。本质上，大数据需要复杂的AI模型来分析和获取知识和见解，而AI模型则需要大量的大数据来进行培训和优化。因此，目前，数据通常被认为是AI初创企业足够的战略护城河。作为风险投资人，我们经常会看到这种现象。近年来，我们看到许多初创公司将数据采集作为其业务战略的核心。越来越多的此类公司强调他们已获取的独特数据集以及获取其他专有数据的长期策略，将其作为可持续的进入壁垒。此外，由于AI工具和AI即服务平台已使AI模型的开发商品化，并且公共数据已无处不在，因此人们对于建立和捍卫数据护城河的需求已变得显而易见。

在当今的技术生态系统中，市场越来越多地通过领先的AI程序和对专有数据的控制来奖励公司，这是巨大而可持续的竞争优势。诸如Google和Netflix之类的公司在很长一段时间内已经开发并策划了海量且权威的数据集，而其他许多公司都在徒劳地努力以取得成功。一个例子就是竞争对手的媒体服务提供商和制作公司的大规模破坏，而Netflix复杂的数据策略却无法克服这些破坏。

不过，由于预期的数据交换能力和意愿的提高，我们相信十年之内，专有数据的护城河将不太可持续。尽管数据仍将为AI价值引擎提供动力，但AI商业策略将越来越侧重于知识。

将AI价值金字塔向上推向知识层

AI价值金字塔基于数据并由知识驱动。今天，尽管“我们淹没在信息中，却渴望获取知识”，但我们期望将AI价值金字塔推向知识层。实际上，我们已经开始看到通过创建数据交换来促进和加速这一趋势的进步。我们希望增加可行性和愿意分享商品化数据以换取有价值的知识，将促进数据交换。总之，数据将变得更加丰富，可用，可靠，标准化且价格便宜，这是理想商品的完美定义。将来，将数据用作可持续的进入壁垒将变得更加困难。

通过物联网（IoT）的数据源激增将加速共享数据的可行性。此外，还有用于合并，共享和交换数据的新技术，协议和标准。展望未来，只要有动力和越来越大的意愿，共享数据的能力就会变得真正重要。随着AI破坏并破坏传统的竞争进入壁垒，许多组织不懈地尝试收集自己的专有数据并从中获利。这种数据的获取和利用既不容易也不富有成果，因此会造成战略上的不和谐。这是因为，尽管对于大多数组织来说，人工智能已变得越来越不可缺少，但它并不是其传统技能或核心专业知识的一部分。此外，受过AI培训的工程师，开发人员，产品负责人和经理的长期和长期短缺加剧了这种矛盾，并导致以知识交换为目标的数据共享解决方案偏爱。

通过交换数据以生成知识来创造能力和意愿的结合的一个例子是欧盟提出的新建议，即创建“单一数据市场”，以赋予人，企业和组织更好的决策权基于来自非个人数据的见解，以便与当前的科技巨头竞争。

导致数据护城河变得越来越不可持续的另一个因素是发明了新颖的数据解决方案，该解决方案能够将较小的数据集用于训练模型。合成数据解决方案（例如，使用通用对抗网络）和其他最小化技术（如数据增强）可能使公司无需大量数据即可创建破坏性的AI产品。

建立知识策略

人工智能革命的未来将为企业带来新的现实，并需要修订的业务战略。从数据到知识的转变将产生新颖的框架，合作伙伴关系和业务模型，其中包括为知识创造提供数据，信息，AI模型，存储和计算能力的不同参与者。由于传统数据护城河在未来十年内将变得不那么可持续，并且知识将成为AI的真正价值驱动力，因此我们认为企业应该开始制定更侧重于知识的战略：

建立知识护城河而不是数据护城河是一项基本原则，应该成为未来业务战略的核心。公司和组织应该开始为以知识为中心的时代做准备，在这个时代，赢家将是那些提出正确问题，寻找最相关的预测并设计最具破坏性的基于AI的应用程序的人。

自上而下使用AI并围绕应用程序和产品层组织业务。模型应根据特定的垂直和假设进行开发和训练。例如，在成像，诊断，远程医疗，药理学和其他临床应用中开发特定的医疗保健应用；或在车队管理，公共交通及其他方面的流动性。这些解决方案的开发将基于特定领域的丰富知识和实践经验，结合上下文知识和适当且经过良好调整的模型。

数据获取计划应仅被视为短期的战术追求，而基于知识的交流与合作伙伴关系则应作为长期的业务战略加以培养。一个富有成效的例子是，去年，以色列创新局启动了一项试点计划，以实现医院与技术初创企业之间基于知识的合作。这种合作在初创企业的医院之间产生了许多举措［12］，并促进了医院之间以及医院之间的原始（和几乎未使用的）数据交换，以及初创企业产生的新颖而有价值的知识。

最后，向知识的转变也应该影响组织的人力资源战略。公司应为AI的未来制定相关且明智的人力资源战略。尽管一些初创企业仍需要聘用大量稀有和昂贵的数据工程师和科学家，但应将精明的公司的AI团队设计为一个管理团队，旨在追求和促进AI知识合作伙伴关系，发明基于AI的应用程序和产品并进行创造性地探索AI革命的美好前景-从以数据为中心到以知识为中心进行了重新构想。此外，AI团队应让人们了解他们所操作领域的上下文。这些上下文团队成员应采用整体方法，起源于他们对AI和特定领域的理解，而不仅仅是一般AI专家。

总体而言，人工智能的未来取决于从强调专有数据集转向跨实体共享数据以创建知识。为了实施成功的AI策略，公司必须正确地组合数据，信息，AI模型，存储，计算能力等，以使业务扎根于知识。

Eviatar Matania是特拉维夫大学政治学，政府和国际事务学院的教授，负责安全研究文学硕士课程和网络政治与政府文学硕士课程（成立之初）。Matania还是牛津布拉瓦特尼克政府学院的兼职教授。Matania是以色列国家网络管理局（INCD）的创始负责人和前总干事，直接向以色列总理汇报工作，并且在过去两年中，他一直共同领导“智能系统（AI）国家倡议”以推荐总理部长和政府讨论了一项将以色列定位为人工智能全球强国的国家计划。

Tomer Y. Avni是位于特拉维夫的Blumberg Capital的合伙人。Tomer与企业家建立联系，研究潜在的新投资，为投资组合公司提供支持，并制定新兴的投资路线图。在加入Blumberg Capital之前，Tomer曾在以色列国防军情报总队担任小组组长兼副组长。在任职期间，Tomer获得了卓越奖，并领导了许多技术研究项目和运营。Tomer还曾担任技术顾问，专注于网络安全。Tomer获得了理学学士学位。以最高荣誉毕业于巴伊兰大学数学和政治科学专业。
责任编辑:pj