Továreň alebo trhovisko

Vlastník logistickej firmy mi na stole rozložil schému, na ktorú bol právom hrdý: centrálny dátový sklad za státisíce eur, poctivo budovaný štyri roky presne podľa učebníc digitálnej transformácie. Všetky dáta na jednom mieste, jedna pravda, vlastné prediktívne modely. A potom položil otázku, pre ktorú som tam sedel: „Tak mi vysvetlite, prečo konkurent, ktorý nemá ani desatinu z toho, robí s hotovými modelmi veci, na ktoré my nemáme kapacitu?“

Otázka je lepšia, než tušil. Za ňou sa totiž skrýva najostrejší teoretický spor o AI stratégii – spor, v ktorom stoja proti sebe dve školy, obe s výborným renomé, a rozhodnutie medzi nimi nie je akademické. Rozhoduje o tom, kam má taká firma investovať ďalšie státisíce.

Škola továrne

Prvá škola má adresu na Harvarde. Marco Iansiti a Karim Lakhani opísali v knihe Competing in the Age of AI model, ktorý sa stal bibliou korporátnych transformácií: AI továreň. Firma podľa nich vyhráva, keď postaví centralizovanú rozhodovaciu mašinu – jednotnú dátovú platformu, na ktorej sa učia algoritmy a ktorá odstraňuje ľudí z kritickej cesty rozhodnutí. Vtedy padajú tradičné limity rastu: firma škáluje bez úmerného pribúdania ľudí, učí sa z každej transakcie, rozsah ju posilňuje namiesto toho, aby ju dusil.

A dôkazy mali, nie dojmy: Ant Financial (dnes Ant Group) obsluhoval stámilióny klientov so zlomkom personálu banky, Amazon predával všetko všetkým, Netflix, náš starý známy, odporúčal každému inak. Kto tú knihu v roku 2020 čítal a poslúchol, staval dátové sklady a centrálne platformy. Ako vlastník z úvodu.

Čo sa pokazilo

Potom prišla generatívna AI a urobila škole továrne niečo nepríjemné: obišla ju. Celá logika továrne stála na tom, že inteligencia firmy rastie z vlastných dát na vlastnej platforme, že učenie je súkromné aktívum, ktoré treba centralizovať. Lenže veľký model si dnes nikto rozumný netrénuje; kupuje sa ako elektrina, hotový, natrénovaný niekým iným. Najsilnejší kus inteligencie vo firme zrazu nepochádza z jej dátového skladu. A potvrdilo sa to, čo sme videli v kapitole o cintoríne pilotov: firmy s krásnymi centrálnymi platformami nemali z generatívnej vlny automaticky nič – kým firmy bez platforiem, ale s ochotou prestavať procesy, vyťažili veľa. Konkurent z úvodu kapitoly nemá dátový sklad. Má prestavané workflow.

Druhá škola nemá adresu, má tézu – a poznáš ju z celej tejto knihy: keď sa produkcia inteligencie stala komoditou, výhoda sa presunula z centralizácie do koordinácie, do schopnosti poskladať do fungujúceho celku tri veci: kupované modely, vlastné dáta tam, kde na nich naozaj záleží, a prestavané procesy. Nie jedna továreň, ale dobre riadené trhovisko schopností: moduly, švíky, kontrolné body.

Kto má teda pravdu

Poctivá odpoveď: obe, každá vo svojom režime. A práve rozlíšenie režimov je to, čo si z kapitoly treba odniesť, lebo spor „továreň alebo trhovisko“ sa nerozhoduje v teórii, ale v tvojom konkrétnom odvetví.

Továreň platí tam, kde sedia obe jej podmienky: dáta, ktoré nemá nikto iný a ktoré sa obnovujú prevádzkou, a uzavretá slučka, v ktorej rozhodnutie okamžite generuje spätnú väzbu. Odporúčanie obsahu, skóring rizika, logistická optimalizácia, dynamické ceny – tam centralizované učenie z vlastných dát naozaj skladá výhodu, ktorá sa kupovaným modelom nedá dobehnúť, a Ant s Amazonom obstoja dodnes.

Trhovisko platí tam, kde je produkcia komoditná a dáta generické: texty, kód, analýzy, návrhy, komunikácia. Tam je centralizácia plytvanie – kupuj najlepší dostupný model, dnes jeden, o pol roka iný, a vlastnú energiu vlož do švíkov: do rámcovania, integrácie, kontroly a slučky učenia z kapitoly o architektúre. Vlastniť tu treba pravidlá a rozhrania, nie modely.

Prakticky z toho plynie audit na jedno popoludnie. Rozdeľ svoje AI ambície na prípady a pri každom polož dve otázky školy továrne: sú dáta naozaj len moje a obnovujú sa prevádzkou? Je slučka uzavretá – rozhodnutie dostane spätnú väzbu automaticky? Dve áno: stavaj, centralizuj, vlastni; toto je tvoja továrnička a možno aj kontrolný bod. Čokoľvek iné: kupuj a prestavuj procesy; každé euro do vlastnej platformy v komoditnej zóne je pomník márnivosti.

Dve poznámky, aby rozdelenie nebolo čiernobiele. Po prvé, hranica sa hýbe – a hýbe sa smerom k tebe. Komoditná zóna vyrába prevádzkové dáta: ktorý výstup zabral, kde stroj zlyhal, čo zákazník naozaj urobil. Kto si tie dáta disciplinovane odkladá a vracia do slučky, tomu v komoditnej zóne pomaly rastie malá továrnička: spätná väzba, ktorú konkurent s rovnakým kupovaným modelom nemá. Otázka teda neznie „postaviť platformu?“, ale „zbierame z prevádzky to, z čoho sa raz bude dať učiť?“ Po druhé, trhovisko má vlastné riziko, ktoré továreň nepozná: závislosť. Keď celá firma stojí na kupovaných modeloch, cudzí cenník je tvoj nákladový strop a cudzie podmienky tvoja ústava. Ochrana nie je vlastný model (tá cesta je pre väčšinu firiem slepá), ale vymeniteľnosť: stavať tak, aby sa dodávateľ dal nahradiť za týždne, nie za roky. Kto má vrstvu vlastných pravidiel a rozhraní medzi firmou a modelom, prežije zdraženie aj krach dodávateľa. Kto si nechal modely vrásť priamo do procesov, je nájomník bez zmluvy.

Pre časť čitateľov je pritom táto úvaha o stupeň prísnejšia, než som ju práve podal. V banke, poisťovni či nemocnici nie je nákup cudzieho modelu obchodné rozhodnutie, ale outsourcing – a ten má vlastné pravidlá: doložiteľnú zmluvu o úrovni služby, právo na audit u dodávateľa, výstupnú stratégiu napísanú skôr, než sa vôbec začne, a strop na to, koľko kritických procesov smie visieť na jednom poskytovateľovi. Tomu poslednému sa hovorí koncentračné riziko a je to presne ten prípad, keď regulátor vopred zakáže to, čo trh odmeňuje: v komoditnej zóne sa oplatí kupovať od toho najlepšieho, a najlepší je zvyčajne jeden. Kto v takej firme pracuje, nech si z tejto kapitoly odnesie rovnaké rozdelenie, ale s ďalším filtrom: otázka nie je len „stavať či kupovať“, ale „smieme to kupovať takto a od koľkých“. Mimochodom, vymeniteľnosť, ktorú som odporúčal o odsek vyššie ako dobrú prax, je v týchto odvetviach priamo požiadavka, takže kto ju splní, vybaví si obe veci naraz.

Vlastník z úvodu sa nakoniec zariadil presne podľa tohto rozdelenia. Dátový sklad nezahodil – v jeho biznise je jedna skutočná továreň, optimalizácia trás z vlastnej telemetrie, a tam jeho dáta naozaj skladajú výhodu. Ale prestal zamieňať platformu za stratégiu. Zvyšok firmy, teda ponuky, fakturáciu a komunikáciu so zákazníkmi, prestaval na kupované modely a ušetrené peniaze dal do toho, čo sme videli v kapitole o koordinácii a v kapitole o architektúre učenia: do pásiem dôvery, pravidiel a jednej poriadnej učiacej slučky. „Štyri roky som staval katedrálu,“ povedal mi na záver. „A trh medzitým otvoril trhovisko rovno pred ňou.“

Samoaudit

1. Čo z tvojho dátového majetku je naozaj len tvoje a obnovuje sa prevádzkou? A čo sú generické dáta, aké má každý v odvetví?
2. Kde máš uzavretú slučku (rozhodnutie → automatická spätná väzba)? To sú kandidáti na vlastnú továrničku. Koľko investícií ide naopak do centralizácie v komoditnej zóne?
3. Keby zajtra tvoj hlavný dodávateľ modelov zdvojnásobil ceny, čo ťa ochráni: vlastné aktívum alebo len zmluva?

Ak firmu nevlastníš: tá istá otázka o tvojich vlastných zručnostiach. Čo z toho, čo vieš, je generické (vie to každý v odbore a model to vie tiež) a čo je tvoja malá továrnička, teda znalosť, ktorá vzniká len z tvojej prevádzky a nikto iný k nej nemá prístup? Druhá kategória býva prekvapivo malá a prekvapivo cenná.

Krok na tento týždeň: vezmi jeden bežiaci alebo plánovaný „dátový“ projekt a podrob ho dvom otázkam továrne. Ak neprejde, prepíš jeho rozpočet: menej platformy, viac prestavby procesov.