Βιετναμέζικες νεοσύστατες επιχειρήσεις τεχνητής νοημοσύνης και η πρόκληση της επίτευξης βιώσιμου ανταγωνιστικού πλεονεκτήματος.

Η βασική πρόκληση για τις νεοσύστατες επιχειρήσεις Τεχνητής Νοημοσύνης (ΤΝ) σε επίπεδο εφαρμογών δεν είναι απλώς η δημιουργία ενός προϊόντος, αλλά και η οικοδόμηση των θεμελίων που καθιστούν δύσκολη την αντικατάσταση αυτού του προϊόντος μακροπρόθεσμα.

Η τεχνητή νοημοσύνη έχει αλλάξει δραματικά τον τρόπο με τον οποίο δημιουργούνται οι νεοσύστατες επιχειρήσεις τεχνολογίας. (Πηγή: Pexels)

Μεγάλες ευκαιρίες, έντονος ανταγωνισμός.

Τα τελευταία χρόνια, η Τεχνητή Νοημοσύνη έχει αλλάξει δραματικά τον τρόπο με τον οποίο γεννιούνται οι νεοσύστατες επιχειρήσεις τεχνολογίας. Χάρη στα άμεσα διαθέσιμα μοντέλα Τεχνητής Νοημοσύνης, τον ανοιχτό κώδικα και την ολοένα και πιο προσβάσιμη ψηφιακή υποδομή, μικρές ομάδες μπορούν πλέον να δημιουργούν προϊόντα Τεχνητής Νοημοσύνης πιο γρήγορα και με λιγότερους πόρους από ό,τι πριν. Αυτό ανοίγει σημαντικές ευκαιρίες για τις νεοσύστατες επιχειρήσεις Τεχνητής Νοημοσύνης στο Βιετνάμ. Αλλά αυτή η προσβασιμότητα θέτει επίσης ένα πιο δύσκολο ερώτημα: Όταν πολλές επιχειρήσεις μπορούν να ενσωματώσουν την Τεχνητή Νοημοσύνη στα προϊόντα τους, από πού θα προέλθει το πραγματικό ανταγωνιστικό πλεονέκτημα;

Επιπλέον, προκύπτει ένα άλλο ερώτημα, όχι πλέον εάν οι επιχειρήσεις μπορούν να εφαρμόσουν την Τεχνητή Νοημοσύνη, αλλά εάν μπορούν να δημιουργήσουν ένα επαρκώς βιώσιμο ανταγωνιστικό πλεονέκτημα ώστε να αποφύγουν την ταχεία αντικατάστασή τους.

Η αλυσίδα αξίας της Τεχνητής Νοημοσύνης μπορεί να απεικονιστεί μέσω τριών κύριων επιπέδων. Το επίπεδο υποδομής παρέχει τσιπ, διακομιστές και κέντρα δεδομένων. Το υποκείμενο επίπεδο μοντέλου είναι το σημείο όπου αναπτύσσονται τα βασικά μοντέλα Τεχνητής Νοημοσύνης. Το επίπεδο εφαρμογών είναι το σημείο όπου οι επιχειρήσεις χρησιμοποιούν αυτά τα υπάρχοντα μοντέλα για την επίλυση συγκεκριμένων προβλημάτων για χρήστες ή οργανισμούς, όπως υποστήριξη εξυπηρέτησης πελατών, μαθησιακή ανάλυση, επεξεργασία κειμένου, αναγνώριση ομιλίας ή εξατομίκευση εμπειριών χρήστη.

Δεδομένων των τρεχουσών συνθηκών στο Βιετνάμ, η εστίαση στο επίπεδο εφαρμογών είναι μια πιο πρακτική προσέγγιση για τις περισσότερες νεοσύστατες επιχειρήσεις Τεχνητής Νοημοσύνης. Η κατασκευή μεγάλης κλίμακας υπολογιστικής υποδομής ή η ανάπτυξη υποκείμενων μοντέλων απαιτεί σημαντικό κεφάλαιο, τεχνικό προσωπικό και λειτουργικές δυνατότητες. Εν τω μεταξύ, το επίπεδο εφαρμογών επιτρέπει στις νεοσύστατες επιχειρήσεις να αξιοποιήσουν τις υπάρχουσες πλατφόρμες για την επίλυση συγκεκριμένων προβλημάτων στην τοπική αγορά.

Σύμφωνα με τη μελέτη της Amazon Web Services (AWS) σχετικά με την αξιοποίηση των δυνατοτήτων της Τεχνητής Νοημοσύνης στο Βιετνάμ , περίπου 47.000 βιετναμέζικες επιχειρήσεις υιοθέτησαν λύσεις Τεχνητής Νοημοσύνης το 2024. Συνολικά, σχεδόν 170.000 επιχειρήσεις, που αντιπροσωπεύουν περίπου το 18% των επιχειρήσεων στο Βιετνάμ, έχουν εφαρμόσει Τεχνητή Νοημοσύνη, από 13% το προηγούμενο έτος. Μεταξύ των νεοσύστατων επιχειρήσεων, περίπου το 55% χρησιμοποιεί την Τεχνητή Νοημοσύνη σε κάποια μορφή και το 35% εφαρμόζει την Τεχνητή Νοημοσύνη για την ανάπτυξη εντελώς νέων προϊόντων ή υπηρεσιών.

Αυτά τα στοιχεία δείχνουν ότι οι ευκαιρίες σε επίπεδο εφαρμογής είναι τεράστιες, αλλά ο ανταγωνισμός θα γίνεται επίσης ολοένα και πιο έντονος. Καθώς περισσότερες επιχειρήσεις μπορούν να προσθέσουν Τεχνητή Νοημοσύνη στα προϊόντα τους, το βιώσιμο πλεονέκτημα δεν θα έγκειται πλέον απλώς στην «ύπαρξη Τεχνητής Νοημοσύνης», αλλά σε προϊόντα που κατανοούν καλύτερα τους πελάτες, έχουν καλύτερα ιδιόκτητα δεδομένα και είναι πιο βαθιά ενσωματωμένα στις πραγματικές λειτουργίες των πελατών.

Από πρακτικής άποψης, η κύρια πρόκληση δεν έγκειται στη δημιουργία μιας νέας δυνατότητας τεχνητής νοημοσύνης, αλλά στη διατήρηση ενός ανταγωνιστικού πλεονεκτήματος για αρκετό καιρό ώστε να επιτευχθεί βιώσιμη επιχειρηματική ανάπτυξη. Ένα προϊόν που είναι καλό σήμερα μπορεί γρήγορα να αντιγραφεί από τους ανταγωνιστές εάν χρησιμοποιούν την ίδια τεχνολογία, κοινά δεδομένα και προσέγγιση στον πελάτη.

Επομένως, το βασικό ζήτημα για τις νεοσύστατες επιχειρήσεις Τεχνητής Νοημοσύνης στο επίπεδο εφαρμογών δεν είναι απλώς η δημιουργία ενός προϊόντος, αλλά και η οικοδόμηση των θεμελίων που καθιστούν δύσκολη την αντικατάσταση αυτού του προϊόντος μακροπρόθεσμα. Συνεπώς, χωρίς ιδιόκτητα δεδομένα, εις βάθος γνώση του κλάδου ή έναν στενά ενσωματωμένο ρόλο στις καθημερινές λειτουργίες των πελατών, ένα προϊόν Τεχνητής Νοημοσύνης παραμένει ιδιαίτερα ευάλωτο στην αντιγραφή.

Το Zalo έχει γίνει αναπόσπαστο κομμάτι της καθημερινής ρουτίνας για τους χρήστες στο Βιετνάμ. (Πηγή: Zalo)

Τι πρέπει να κάνουν οι βιετναμέζικες επιχειρήσεις;

Σε αυτό το πλαίσιο, οι νεοσύστατες επιχειρήσεις τεχνητής νοημοσύνης στο Βιετνάμ πρέπει να επικεντρωθούν ιδιαίτερα στις δύο πιο σημαντικές πλατφόρμες για να δημιουργήσουν ένα βιώσιμο ανταγωνιστικό πλεονέκτημα.

Καταρχάς , υπάρχουν τα δεδομένα. Στην Τεχνητή Νοημοσύνη, τα δεδομένα δεν είναι απλώς τεχνικά δεδομένα. Είναι ένα περιουσιακό στοιχείο που συσσωρεύεται με την πάροδο του χρόνου. Οι επιχειρήσεις που συσσωρεύουν τα δικά τους δεδομένα, ειδικά δεδομένα που σχετίζονται με έναν συγκεκριμένο κλάδο, τη συμπεριφορά των χρηστών ή τις τοπικές ανάγκες, θα αποκτήσουν ένα πλεονέκτημα που οι ανταγωνιστές θα δυσκολευτούν να καλύψουν γρήγορα. Ωστόσο, τα δεδομένα είναι πραγματικά ισχυρά μόνο όταν είναι δύσκολη η πρόσβαση σε αυτά, συσσωρεύονται σταδιακά μέσω της χρήσης στον πραγματικό κόσμο ή συνδέονται στενά με ένα συγκεκριμένο πλαίσιο που οι ανταγωνιστές δεν μπορούν εύκολα να αναπαράγουν.

Η ιστορία του ELSA Speak αποτελεί ένα σαφές παράδειγμα του πώς μια επιχείρηση τεχνητής νοημοσύνης μπορεί να δημιουργήσει ένα πλεονέκτημα από τα δεδομένα. Αυτή η εφαρμογή εκμάθησης αγγλικής γλώσσας που βασίζεται στην τεχνητή νοημοσύνη ιδρύθηκε από τον Van Dinh Hong Vu, έναν Βιετναμέζο επιχειρηματία. Το ELSA όχι μόνο χρησιμοποιεί την τεχνητή νοημοσύνη για να αξιολογήσει την προφορά, αλλά και συσσωρεύει δεδομένα από την πρακτική της ομιλίας των μαθητών: πού προφέρουν λάθος λέξεις, με ποιους ήχους δυσκολεύονται, πώς προοδεύουν και τι είδους ασκήσεις χρειάζονται στη συνέχεια.

Ένα βασικό μάθημα από την ELSA είναι ότι τα προσωπικά δεδομένα δεν είναι κάτι που οι νεοσύστατες επιχειρήσεις έχουν εξαρχής. Δημιουργούνται σταδιακά μέσω των συνεδριών εξάσκησης κάθε χρήστη, της ανατροφοδότησης και της επαναλαμβανόμενης χρήσης του προϊόντος. Όσο περισσότεροι μαθητές χρησιμοποιούν το προϊόν, τόσο καλύτερα κατανοεί η επιχείρηση τα λάθη στην προφορά, τις ανάγκες εξάσκησης και την πορεία προόδου τους. Αυτός ο βρόχος βοηθά στην εξατομίκευση του προϊόντος και καθιστά πιο δύσκολη την αντιγραφή του.

Δεύτερον , υπάρχει το εμπόδιο αλλαγής, το οποίο καθιστά δύσκολη ή απρόθυμη την μετάβαση των πελατών σε μια άλλη λύση. Ένα προϊόν Τεχνητής Νοημοσύνης είναι πραγματικά ισχυρό μόνο όταν γίνεται αναπόσπαστο μέρος της καθημερινής εργασίας ή ζωής του πελάτη. Σε αυτό το σημείο, η αξία του προϊόντος δεν έγκειται μόνο στα χαρακτηριστικά του, αλλά και στα συσσωρευμένα δεδομένα, στις καθιερωμένες συνήθειες χρήσης, στις ολοκληρωμένες διαδικασίες και στην προσπάθεια που θα έπρεπε να καταβάλει ο πελάτης εάν άλλαζε σε μια διαφορετική λύση.

Ένα σχετικό παράδειγμα είναι η εφαρμογή Zalo. Αν και δεν είναι μια αμιγώς νεοσύστατη επιχείρηση τεχνητής νοημοσύνης, η Zalo καταδεικνύει γιατί ένα τεχνολογικό προϊόν είναι δύσκολο να αντικατασταθεί από τη στιγμή που γίνεται μέρος των καθημερινών συνηθειών των χρηστών. Σύμφωνα με δεδομένα που ενημερώθηκαν το πρώτο εξάμηνο του 2025, η Zalo έφτασε τα 78,3 εκατομμύρια μηνιαίους ενεργούς χρήστες και περίπου 2 δισεκατομμύρια μηνύματα την ημέρα. Η πλατφόρμα προσελκύει επίσης περίπου 20 εκατομμύρια χρήστες χρησιμοποιώντας τις έξυπνες λειτουργίες τεχνητής νοημοσύνης της κάθε μήνα, σύμφωνα με το Vietnamnet .

Αυτό που καθιστά την αντικατάσταση του Zalo τόσο δύσκολη είναι ο βαθμός στον οποίο η πλατφόρμα ενσωματώνεται στις επαναλαμβανόμενες καθημερινές δραστηριότητες των χρηστών, όπως η ανταλλαγή μηνυμάτων με την οικογένεια, η ανταλλαγή πληροφοριών που σχετίζονται με την εργασία, η αποστολή εγγράφων, η πραγματοποίηση κλήσεων, η επικοινωνία με πελάτες, η συμμετοχή σε ομάδες τάξεων και εταιρειών και η λήψη πληροφοριών από οργανισμούς.

Όταν το ιστορικό συνομιλιών, οι επαφές, οι ομάδες εργασίας, τα κοινόχρηστα αρχεία και οι συνήθειες επικοινωνίας συγκεντρώνονται στην ίδια πλατφόρμα, το κόστος της αλλαγής γίνεται πολύ υψηλό, με αποτέλεσμα οι χρήστες συχνά να διστάζουν να μεταβούν σε άλλη εφαρμογή, ακόμα κι αν αυτή η εφαρμογή διαθέτει κάποιες νέες ή καλύτερες λειτουργίες.

Το μάθημα από το Zalo δεν είναι ότι κάθε νεοσύστατη επιχείρηση τεχνητής νοημοσύνης πρέπει να γίνει μια σημαντική πλατφόρμα ανταλλαγής μηνυμάτων. Το πιο σημαντικό, αφορά τη λογική της δημιουργίας ενός ανταγωνιστικού πλεονεκτήματος: Εάν ένα προϊόν είναι απλώς ένα αυτόνομο εργαλείο, οι πελάτες μπορεί να το δοκιμάσουν και στη συνέχεια να το εγκαταλείψουν. Αλλά εάν το προϊόν γίνει ένα μέρος όπου οι πελάτες αποθηκεύουν δεδομένα, διαμορφώνουν συνήθειες, συνδέονται με άλλους ή χειρίζονται ένα σημαντικό μέρος της καθημερινής τους εργασίας, θα είναι λιγότερο πιθανό να στραφούν σε μια άλλη λύση.

Για τις νεοσύστατες επιχειρήσεις τεχνητής νοημοσύνης στο Βιετνάμ, η πρόκληση δεν είναι πλέον το αν μπορούν να δημιουργήσουν ένα προϊόν τεχνητής νοημοσύνης, αλλά το αν μπορούν να μετατρέψουν τα ιδιόκτητα δεδομένα τους, τη γνώση του κλάδου και την εμπλοκή των πελατών σε μακροπρόθεσμο ανταγωνιστικό πλεονέκτημα. Οι επιχειρήσεις τεχνητής νοημοσύνης μπορούν να επιβιώσουν μόνο εάν τα προϊόντα τους δεν είναι απλώς διεπαφές τοποθετημένες σε προϋπάρχοντα μοντέλα, αλλά συστήματα που μαθαίνουν συνεχώς από δεδομένα, χρήστες και περιβάλλον χρήσης.

Στην ολομέλεια του Biztech 2026 με θέμα «Η εποχή της πρακτορικής τεχνητής νοημοσύνης: Λειτουργικός αυτοματισμός και νέοι παράγοντες ανάπτυξης», που πραγματοποιήθηκε στις 13 Μαΐου και διοργανώθηκε από τον Σύνδεσμο Υπηρεσιών Λογισμικού και Τεχνολογίας Πληροφοριών του Βιετνάμ (VINASA), ο κ. Nguyen Van Khoa, Πρόεδρος της VINASA, δήλωσε ότι το ποσοστό υιοθέτησης της τεχνητής νοημοσύνης στις βιετναμέζικες επιχειρήσεις ανέρχεται σήμερα στο 65% - μια σημαντική αύξηση από το 61,2% στο τέλος του 2025. Οι οργανισμοί που ενσωματώνουν ένα «ψηφιακό εργατικό δυναμικό» επιταχύνουν τις ταχύτητες επεξεργασίας εργασίας έως και 300% και τα κέρδη από την πρακτορική τεχνητή νοημοσύνη αποφέρουν μέση απόδοση επένδυσης (ROI) έως και 171%, τρεις φορές υψηλότερη από τις παλαιότερες λύσεις.

Κατά την επόμενη περίοδο, για την ανάπτυξη της Τεχνητής Νοημοσύνης στο πνεύμα του «Make in Vietnam to leader» - τελειοποίηση των βασικών τεχνολογιών Τεχνητής Νοημοσύνης και ανάπτυξη προϊόντων Τεχνητής Νοημοσύνης στο Βιετνάμ, το Βιετνάμ θα επικεντρωθεί σε τέσσερις κύριες ομάδες λύσεων: την τελειοποίηση του θεσμικού πλαισίου, την ανάπτυξη ανθρώπινου δυναμικού υψηλής ποιότητας, την ανάπτυξη στρατηγικών υποδομών και την προώθηση της ανάπτυξης και επέκτασης των επιχειρήσεων ψηφιακής τεχνολογίας διεθνώς.

Πηγή: https://baoquocte.vn/startup-ai-viet-and-the-problem-of-sustainable-profit-393181.html