網絡效應決定了從電話到在線購物平臺等技術的成功，ChatGPT等人工智能工具也不例外。然而，不同之處在于這些網絡效應的運作方式。數(shù)據(jù)網絡效應是一種新形式，就像更熟悉的直接和間接網絡效應一樣，技術的價值隨著它獲得用戶數(shù)量的增加而增加。

然而，我們今天討論的價值不是來電話的數(shù)量或許多買家和賣家的存在某個電商平臺上，而是來自幫助它做出更好預測的反饋。更多用戶意味著更多響應，從而進一步提高預測準確性，從而形成良性循環(huán)。企業(yè)需要考慮三個教訓：1) 反饋至關重要，2) 定期細致地收集信息，3) 考慮那些有意或無意分享的數(shù)據(jù)。

去年年底，當 OpenAI 推出 ChatGPT 時，行業(yè)觀察家的反應既贊揚又擔憂。我們都聽說了該技術如何讓計算機程序員、教師、金融交易員和分析師、平面設計師和藝術家等群體集體失業(yè)。由于擔心 AI 會扼殺大學生們創(chuàng)作能力，許多大學急于修改課程計劃及相關要求。也有人說，也許最直接的影響是 ChatGPT可以重塑甚至取代傳統(tǒng)的互聯(lián)網搜索引擎。搜索和相關廣告為谷歌帶來了絕大部分收入，那么，聊天機器人會成為谷歌的終結者嗎？

ChatGPT是機器學習技術的卓越展示，但作為獨立服務幾乎不可行。為了發(fā)揮自己的技術實力，OpenAI需要一個合作伙伴。因此，當該公司迅速宣布與微軟達成協(xié)議時，我們并不感到驚訝。這家人工智能初創(chuàng)公司和老牌科技公司的聯(lián)合可能最終會對谷歌的主導地位構成可信的威脅，從而加大“人工智能軍備競賽”的賭注。它還提供了一個教訓，說明哪些力量將決定哪些公司將蓬勃發(fā)展，哪些公司將在部署這種技術時步履蹣跚。

為了理解是什么迫使 OpenAI 與 Bing 結盟（以及為什么谷歌仍可能獲勝），我們考慮了這項技術與過去的發(fā)展有何不同，例如電話或 Uber 或 Airbnb 等市場平臺。在這些例子中，網絡效應——產品的價值隨著用戶的增加而上升——在決定這些產品如何增長以及哪些公司成功方面發(fā)揮了重要作用。像ChatGPT這樣的生成式人工智能服務受到類似但不同類型的網絡效應的影響。為了選擇適合人工智能的戰(zhàn)略，管理者和企業(yè)家必須掌握這種新型人工智能網絡效應是如何運作的。

網絡效應對 AI 的作用不同

人工智能的價值在于準確的預測和建議。但與依賴于將供應(如電力或人力資本)轉化為輸出(如照明或稅務建議)的傳統(tǒng)產品和服務不同，人工智能需要大量數(shù)據(jù)集，必須通過來回的客戶交互來保持最新。為了保持競爭力，人工智能運營商必須收集數(shù)據(jù)、分析數(shù)據(jù)、提供預測，然后尋求反饋以完善建議。系統(tǒng)的價值取決于來自用戶的數(shù)據(jù)，并隨著數(shù)據(jù)的增加而增加。

這項技術的性能——準確預測和建議的能力——取決于稱為數(shù)據(jù)網絡效應的經濟原理（有些人更喜歡稱之為數(shù)據(jù)驅動的學習）。這些與熟悉的直接網絡效應截然不同，比如隨著用戶的增長，電話會變得更有價值，因為你可以打電話給更多的人。它們也不同于間接網絡效應，后者描述了越來越多的買家如何邀請更多的賣家加入平臺，反之亦然——當有更多賣家在場時，在 電商平臺購物或在 Airbnb 上預訂房間變得更具吸引力。

數(shù)據(jù)網絡效應是一種新形式：就像越熟悉的效應一樣，用戶越多，技術就越有價值。但在這里，價值不是來自同行的數(shù)量，也不是來自許多買家和賣家的存在。相反，這些影響源于技術的本質：人工智能通過強化學習、預測和反饋來改進。隨著智能的增加，系統(tǒng)可以做出更好的預測，增強其實用性，吸引新用戶并留住現(xiàn)有用戶。更多用戶意味著更多響應，從而進一步提高預測準確性，從而形成良性循環(huán)。

以谷歌地圖為例，它使用 AI 推薦到達目的地的最快路線。這種能力取決于預測替代路徑中的真實流量模式，這通過利用來自許多用戶的數(shù)據(jù)來實現(xiàn)。在這里，數(shù)據(jù)用戶也是供應商，使用谷歌地圖的人越多，它積累的歷史數(shù)據(jù)和并發(fā)數(shù)據(jù)就越多。有了大量的數(shù)據(jù)，谷歌可以將無數(shù)的預測與實際結果進行比較：你是否在應用程序預測的時間到達?  為了完善預測，應用程序還需要您的印象：說明有多好？隨著客觀事實和主觀評論的積累，網絡效應開始發(fā)揮作用。這些效應改進了預測并提升了應用程序對用戶以及 Google 的價值。

一旦我們了解了網絡效應如何驅動人工智能，我們就可以想象這項技術需要的新策略。

OpenAI 與微軟

讓我們從OpenAI和微軟的聯(lián)姻說起。當我們對ChatGPT進行beta測試時，我們對其創(chuàng)造性的、類似人類的反應印象深刻，但也意識到它也存在瓶頸：它依賴于2021年最后一次收集的大量數(shù)據(jù)，所以不要問最近的事件甚至天氣。更糟糕的是，它缺乏一個健全的反饋循環(huán)機制。

然而，通過與微軟的鏈接，OpenAI找到了一種測試預測的方法。Bing用戶的問題——以及他們如何評價答案——對于更新和改進ChatGPT至關重要。我們想象，下一步是微軟將其維護的大量用戶數(shù)據(jù)云輸入到算法中。當ChatGPT能夠消化數(shù)不清的Excel表格、PowerPoint演示文稿、Word文檔和LinkedIn簡歷時，它將在重新創(chuàng)建這些文件方面做得更好，這將讓辦公室里的人感到高興或恐懼。

這里至少有三個廣泛的教訓。

首先，反饋至關重要。人工智能的價值隨著不斷的用戶反應而增強。為了保持智能，算法需要當前用戶選擇和過去建議評級的數(shù)據(jù)流。沒有反饋，即使是最好的工程算法也不會長期保持智能。正如 OpenAI 所意識到的，即使是最復雜的模型也需要鏈接到不斷流動的數(shù)據(jù)源。人工智能企業(yè)家應該很清楚這一點。

其次，高管們應該定期細致地收集信息，以最大限度地利用這些影響。他們應該遍歷典型的財務和運營記錄。有用的數(shù)據(jù)隨處可見，無論是在企業(yè)內部還是外部。它們可能來自與買家、供應商和同事的互動。例如，零售商可以跟蹤消費者查看了什么、他們將什么放入購物車以及他們最終支付了什么。累積起來，這些微小的細節(jié)可以極大地改善人工智能系統(tǒng)的預測。即使是不常見的數(shù)據(jù)，包括企業(yè)無法控制的數(shù)據(jù)，也可能值得收集。天氣數(shù)據(jù)有助于 Google 地圖預測路況。跟蹤招聘人員用于搜索簡歷的關鍵字可以幫助 LinkedIn 為求職者提供成功秘訣。

最后，每個人都應該考慮他們有意或無意共享的數(shù)據(jù)。事實和反饋對于建立更好的預測至關重要，但是你的數(shù)據(jù)的價值可能會被其他人獲取，高管們應該考慮哪些人工智能能夠從他們共享(或允許訪問)的數(shù)據(jù)中受益。有時，他們應該限制共享。例如，當 Uber 司機使用應用程序 Waze 導航時，他們幫助谷歌估計叫車行程的頻率和長度。在谷歌考慮運營自動駕駛出租車時，此類數(shù)據(jù)可能非常寶貴。

另外，當像阿迪達斯這樣的品牌在亞馬遜上銷售產品時，這家零售巨頭就可以估計不同品牌(如與耐克相比)和類別的需求，以及買家對價格的敏感性。這一結果可能會提供給競爭對手，或者有利于亞馬遜的自有品牌產品。為了應對這種情況，高管們可以避開第三方平臺或中介機構。他們可以協(xié)商數(shù)據(jù)訪問，他們可以努力保持與客戶的直接聯(lián)系。有時，最好的解決方案可能是讓數(shù)據(jù)所有者在數(shù)據(jù)交換中綁定和共享，就像銀行在建立共享信用數(shù)據(jù)的方法時所做的那樣。

當您考慮AI網絡效應時，我們可以更好地理解該技術的未來。還可以看到這些效應與其他網絡效應一樣，如何使富人變得更加富有。AI 背后的動力意味著先行者可能會得到豐厚的回報，而追隨者，無論多么快，都可能被遺棄。這也意味著，當一個人可以訪問 AI 算法和數(shù)據(jù)流時，優(yōu)勢會隨著時間的推移而積累，并且無法輕易超越。對于高管、企業(yè)家、政策制定者和其他所有人來說，人工智能最好的和最壞的尚未到來。