Những công ty lớn có tỷ số lợi nhuận cao, vậy nên họ có đủ khả năng để
thử nghiệm. Họ có thể lấy một phần “đất” và sử dụng nó để thử nhiều loại
hình AI mới. Họ có thể thu được lợi nhuận lớn từ những thử nghiệm thành
công như vậy thông qua việc áp dụng vào hàng loạt sản phẩm hoạt động
trên quy mô lớn.
Với nhiều những doanh nghiệp khác, con đường dẫn đến AI ít rõ ràng hơn.
Không giống như Google, nhiều công ty không đầu tư đủ hai thập kỷ vào
việc kỹ thuật số hóa tất cả các khía cạnh của luồng công việc và cũng
không có một khái niệm rõ ràng về điều mà họ muốn dự đoán. Nhưng một
khi công ty đã đặt ra những chiến lược được xác định rõ ràng, họ có thể
phát triển những thành phần đó và đặt nền tảng cho AI hiệu quả.
Khi những điều kiện đó đúng, tất cả những người nông dân trồng ngô ở
Wisconsin, Kentucky, Texas và Alabama đều làm theo những người nông
dân Iowa trong việc áp dụng giống ngô lai. Lợi ích của nhu cầu đủ lớn, và
chi phí của việc cung cấp giảm. Tương tự, giá thành và những rủi ro liên
quan đến AI sẽ giảm đi theo thời gian, vậy nên nhiều doanh nghiệp tuy
không đi đầu việc phát triển các công cụ kỹ thuật số vẫn sẽ áp dụng nó. Khi
làm như vậy, nhu cầu sẽ thúc đẩy họ: cơ hội để giải quyết những thế lưỡng
nan cơ bản trong mô hình doanh nghiệp bằng cách giảm thiểu sự không
chắc chắn.
Bổ sung những cầu thủ bóng chày
Chiến lược của Billy Beane trong Moneyball – sử dụng dự đoán thống kê
số liệu để vượt qua những thành kiến của những huấn luyện viên bóng chày
và cải thiện sự dự đoán – là một ví dụ của việc sử dụng sự dự đoán để giảm
thiểu sự không chắc chắn và cải thiện hiệu suất của Oakland Athlectics. Đó
cũng là một sự thay đổi chiến lược yêu cầu sự sửa đổi hệ thống cấp bậc rõ
ràng và không rõ ràng của tổ chức.
