AI ஸ்டார்ட்அப் உலகில் ‘ரேப்பர்’ என்றால் என்ன?

AI ஸ்டார்ட்அப் உலகில் ‘ரேப்பர்’ என்றால் என்ன? ஏன் எல்லோரும் அதை உருவாக்குகிறார்கள்? இந்த AI தங்க வேட்டையில், எந்த நிறுவனங்கள் வெற்றி பெறும், எவை காணாமல் போகும் என்பது குறித்த ஆழமான பகுப்பாய்வு

AI தங்க வேட்டை: எல்லோரும் ‘ரேப்பர்களை’ உருவாக்குகிறார்கள் – யார் தப்பிப்பிழைப்பார்கள்?

அறிமுகம்: புதிய டிஜிட்டல் தங்க வேட்டை

1849-ல் கலிபோர்னியாவில் தங்கம் கண்டுபிடிக்கப்பட்டபோது, ஆயிரக்கணக்கானோர் தங்கத்தை வெட்டி எடுக்க அங்கே குவிந்தனர். ஆனால், அந்த தங்க வேட்டையில் உண்மையில் பெரும் செல்வந்தர்களாக மாறியவர்கள் அனைவரும் தங்கம் வெட்டியவர்கள் அல்ல. மாறாக, தங்கம் வெட்டுபவர்களுக்குத் தேவையான மண்வெட்டிகள், வாளிகள், மற்றும் ஜீன்ஸ் பேண்ட்களை விற்றவர்கள்தான் பெரும் லாபம் ஈட்டினர்.

இன்று, நாம் ஒரு புதிய, டிஜிட்டல் தங்க வேட்டையின் மத்தியில் இருக்கிறோம். இந்தத் தங்கம், ‘செயற்கை நுண்ணறிவு’ (AI). OpenAI-இன் GPT-4, கூகிளின் ஜெமினி, மற்றும் Anthropic-இன் கிளாட் போன்ற சக்திவாய்ந்த AI மாதிரிகள் தான் இன்றைய தங்கச் சுரங்கங்கள். ஆனால், பல தொழில்முனைவோர்கள் புதிய AI மாதிரிகளை உருவாக்கப் போட்டியிடவில்லை. மாறாக, அவர்கள் அந்தப் பழைய கலிபோர்னியா வியாபாரிகளின் உத்தியைப் பின்பற்றுகிறார்கள். அவர்கள், இந்த சக்திவாய்ந்த AI மாதிரிகளைப் பயன்படுத்தி, அதன் மேல் ஒரு புதிய, பயனர் நட்பு (user-friendly) அடுக்கை உருவாக்கி, அதை ஒரு குறிப்பிட்ட சந்தைக்கு விற்கிறார்கள். இந்த அடுக்கிற்குப் பெயர்தான் ‘AI ரேப்பர்’ (AI Wrapper).

சந்தைப்படுத்தல் முதல் சட்டம் வரை, மருத்துவக் குறிப்பெடுப்பது முதல் மென்பொருள் குறியீடு எழுதுவது வரை, நூற்றுக்கணக்கான ‘AI ரேப்பர்’ ஸ்டார்ட்அப்கள் முளைத்துள்ளன. இது ஒரு அற்புதமான வாய்ப்பாகத் தெரிந்தாலும், ஒரு பெரிய கேள்வியை எழுப்புகிறது: இது ஒரு நிலையான வணிக மாதிரியா அல்லது விரைவில் வெடிக்கப் போகும் ஒரு குமிழியா (bubble)?

இந்தக் கட்டுரையில், AI ரேப்பர் என்றால் என்ன, ஏன் இந்த திடீர் ‘தங்க வேட்டை’ நிகழ்ந்து கொண்டிருக்கிறது, இந்த வணிக மாதிரியின் அபாயங்கள் என்ன, இறுதியில், இந்த இரக்கமற்ற போட்டியில் எந்த மாதிரியான நிறுவனங்கள் தப்பிப் பிழைத்து, வெற்றி வாகை சூடும் என்பதை விரிவாக அலசுவோம்.

AI ‘ரேப்பர்’ என்றால் என்ன? ஒரு எளிய விளக்கம்

AI ரேப்பர் என்பதைப் புரிந்துகொள்ள, ஒரு நவீன உணவகத்தை கற்பனை செய்து கொள்ளுங்கள்.

அடிப்படை AI மாடல் (Foundational AI Model): இதுதான் உணவகத்தின் அதிநவீன சமையலறை. இதில் சக்திவாய்ந்த அடுப்புகள் (GPUs), குளிர்சாதனப் பெட்டிகள் (Data Centers), மற்றும் உலகின் சிறந்த சமையல் குறிப்புகள் (Training Data) உள்ளன. இந்த சமையலறையை OpenAI அல்லது கூகிள் போன்ற ஒரு பெரிய நிறுவனம் வைத்திருக்கிறது.
API (Application Programming Interface): இதுதான் அந்த சமையலறையின் ‘சர்வர்’ (Server/Waiter). நீங்கள் என்ன உணவு வேண்டும் என்று இவரிடம் சொன்னால், அவர் அதை சமையலறைக்குச் சொல்லி, உணவைத் தயாரித்து உங்களிடம் கொண்டு வருவார். உங்களுக்கு சமையலறைக்குள் நுழையத் தேவையில்லை.
AI ரேப்பர் (The Wrapper): இதுதான் அந்த உணவகம். இது ஒரு அழகான உட்புற வடிவமைப்பு, வசதியான இருக்கைகள், ஒரு எளிதான மெனு கார்டு, மற்றும் சிறந்த வாடிக்கையாளர் சேவையை வழங்குகிறது. இந்த உணவகம் உணவை சமைப்பதில்லை. அது API என்ற சர்வர் மூலம் பெரிய சமையலறையிலிருந்து உணவை ‘ஆர்டர்’ செய்து, அதை அழகாக அலங்கரித்து, தனது வாடிக்கையாளர்களுக்கு வழங்குகிறது.

சுருக்கமாக, ஒரு AI ரேப்பர் என்பது, ஒரு சக்திவாய்ந்த அடிப்படை AI மாதிரியின் திறன்களை, ஒரு குறிப்பிட்ட பயனர் குழுவிற்கு எளிதாகப் பயன்படுத்தக்கூடிய ஒரு மென்பொருள் அல்லது சேவையாக ‘சுற்றி’ (wrap) வழங்கும் ஒரு பயன்பாடு ஆகும்.

உதாரணங்கள்:

Jasper.ai: சந்தையாளர்களுக்காக வலைப்பதிவுகள், விளம்பர நகல்கள் போன்றவற்றை உருவாக்க உதவுகிறது. இது OpenAI-இன் API-ஐப் பயன்படுத்துகிறது.
Copy.ai: இதுவும் சந்தைப்படுத்தல் உள்ளடக்கத்தை உருவாக்க உதவுகிறது, ஆனால் வெவ்வேறு டெம்ப்ளேட்களுடன்.
GitHub Copilot: மென்பொருள் உருவாக்குநர்களுக்கு குறியீடு எழுத உதவுகிறது. இது OpenAI-இன் Codex மாதிரியை அடிப்படையாகக் கொண்டது.

இந்த நிறுவனங்கள் AI-ஐ புதிதாக உருவாக்கவில்லை. அவை ஏற்கனவே இருக்கும் AI-இன் சக்தியை எடுத்து, அதை ஒரு குறிப்பிட்ட சிக்கலைத் தீர்க்கும் கருவியாக மாற்றுகின்றன.

தங்க வேட்டை: ஏன் எல்லோரும் ரேப்பர்களை உருவாக்குகிறார்கள்?

இந்த AI ரேப்பர் வணிக மாதிரி ஏன் இவ்வளவு பிரபலமாக உள்ளது என்பதற்கு பல காரணங்கள் உள்ளன.

குறைந்த நுழைவுத் தடை (Low Barrier to Entry): ஒரு புதிய அடிப்படை AI மாதிரியை உருவாக்க பில்லியன் கணக்கான டாலர்களும், உலகின் தலைசிறந்த ஆராய்ச்சியாளர்களும் தேவை. ஆனால், ஒரு ரேப்பரை உருவாக்க, உங்களுக்கு தேவையானது ஒரு நல்ல யோசனை, திறமையான மென்பொருள் உருவாக்குநர்கள், மற்றும் ஒரு API கீ (API Key) மட்டுமே.
சந்தைக்கான வேகம் (Speed to Market): ஒரு புதிய AI மாடலை உருவாக்க பல ஆண்டுகள் ஆகும். ஆனால் ஒரு ரேப்பரின் முதல் பதிப்பை (MVP – Minimum Viable Product) சில வாரங்களிலேயே உருவாக்கி, சந்தையில் அறிமுகப்படுத்தி விடலாம்.
பாரிய சந்தை தேவை (Massive Market Demand): நிறுவனங்களும், தனிநபர்களும் AI-ஐப் பயன்படுத்த ஆர்வமாக உள்ளனர். ஆனால், ஒரு API-ஐ நேரடியாகப் பயன்படுத்துவது பலருக்குச் சிக்கலானது. ரேப்பர்கள், இந்தத் தொழில்நுட்பத்தை அனைவருக்கும் அணுகக்கூடியதாக மாற்றுகின்றன.
‘பிக்காக்ஸ் மற்றும் ஷாவல்’ உத்தி (Pickaxe and Shovel Strategy): தங்க வேட்டையில், தங்கம் கிடைக்குமா என்பது நிச்சயமற்றது. ஆனால், மண்வெட்டிகளுக்கான தேவை நிச்சயம் இருக்கும். அதுபோல, எந்த அடிப்படை AI மாடல் இறுதியில் வெற்றிபெறும் என்பது தெரியாது, ஆனால் அந்த மாடல்களைப் பயன்படுத்தும் கருவிகளுக்கான தேவை நிச்சயம் இருக்கும்.
மூலதன ஈர்ப்பு (Venture Capital Frenzy): முதலீட்டாளர்கள் ‘AI’ என்ற வார்த்தையைக் கேட்டாலே பணத்தைக் கொட்டத் தயாராக இருக்கிறார்கள். இதனால், பல ஸ்டார்ட்அப்கள் எளிதாக நிதியுதவியைப் பெற்று, தங்கள் செயல்பாடுகளைத் தொடங்குகின்றன.

உறுதியற்ற அடித்தளம்: ஒரு ‘மெல்லிய ரேப்பராக’ இருப்பதன் அபாயங்கள்

மேற்கண்ட காரணங்கள் கவர்ச்சிகரமாகத் தெரிந்தாலும், இந்த ரேப்பர் வணிக மாதிரியின் அடித்தளம் மிகவும் உறுதியற்றது. குறிப்பாக, ஒரு ‘மெல்லிய ரேப்பராக’ (Thin Wrapper) இருப்பதில் பல அபாயங்கள் உள்ளன. ஒரு மெல்லிய ரேப்பர் என்பது, அடிப்படை AI மாடலின் மேல் மிகக் குறைந்த மதிப்பை மட்டுமே கூட்டும் ஒரு செயலி.

தள அபாயம் (The Platform Risk): இதுதான் மிகப்பெரிய அச்சுறுத்தல். நீங்கள் எந்த நிறுவனத்தின் API-ஐப் பயன்படுத்துகிறீர்களோ (உதாரணமாக, OpenAI), அந்த நிறுவனம் உங்கள் ரேப்பர் வழங்கும் அதே அம்சத்தை நேரடியாகத் தனது தயாரிப்பில் அறிமுகப்படுத்தினால் என்ன ஆகும்? உங்கள் வணிகம் ஒரே இரவில் காணாமல் போகக்கூடும்.
- உதாரணம்: OpenAI தனது ‘Custom GPTs’ அம்சத்தை அறிமுகப்படுத்தியபோது, தனிப்பயன் சாட்பாட்களை உருவாக்கும் பல சிறிய ரேப்பர் ஸ்டார்ட்அப்கள் தங்கள் முக்கியத்துவத்தை இழந்தன.
பாதுகாப்பு அகழி இல்லாமை (No Real “Moat”): ஒரு ‘Moat’ என்பது உங்கள் வணிகத்தைச் சுற்றி இருக்கும் ஒரு பாதுகாப்பு அகழி. இது போட்டியாளர்கள் உங்களை எளிதில் நகலெடுப்பதைத் தடுக்கிறது. ஒரு மெல்லிய ரேப்பருக்கு, இந்த அகழி கிட்டத்தட்ட இல்லை. உங்கள் ஒரே மதிப்பு ஒரு அழகான பயனர் இடைமுகம் என்றால், அதை யார் வேண்டுமானாலும் சில வாரங்களில் நகலெடுத்து விடலாம்.
API விலை நிர்ணய சார்பு (Dependence on API Pricing): உங்கள் லாபம் முழுவதும் API வழங்குநரின் கருணையில் உள்ளது. அவர்கள் API விலையை உயர்த்தினால், உங்கள் லாப விகிதம் குறையும். உங்களுக்கு விலையின் மீது எந்தக் கட்டுப்பாடும் இல்லை.
பண்டமாக்குதல் (Commoditization): ஒரு குறிப்பிட்ட சந்தைக்கு (எ.கா: வழக்கறிஞர்களுக்கான AI) பல ரேப்பர்கள் வரும்போது, போட்டி அதிகரித்து, விலைகள் குறையத் தொடங்கும். இது ஒரு ‘அடிமட்டத்திற்கான பந்தயமாக’ (race to the bottom) மாறி, லாபம் ஈட்டுவது கடினமாகிவிடும்.

தப்பிப்பிழைப்பவர்களின் வரைபடம்: AI ரேப்பர் போரில் யார் வெல்வார்கள்?

அப்படியானால், எல்லா ரேப்பர்களும் அழிந்துவிடுமா? இல்லை. சில நிறுவனங்கள் இந்தத் தங்க வேட்டையில் தப்பிப்பிழைப்பது மட்டுமல்லாமல், மிகப்பெரிய வெற்றியைப் பெறும். அப்படிப்பட்ட நிறுவனங்களிடம் இருக்கும் பொதுவான பண்புகள் இவைதான்:

1. ஆழமான துறைசார் ஒருங்கிணைப்பு (Deep Vertical Integration)

வெற்றிபெறும் ரேப்பர்கள், “அனைவருக்குமான AI” என்பதாக இருக்காது. அவை ஒரு குறிப்பிட்ட துறையில், ஒரு குறிப்பிட்ட சிக்கலை மிக ஆழமாகத் தீர்க்கும்.

மெல்லிய ரேப்பர்: “வழக்கறிஞர்களுக்கான AI.”
ஆழமான ரேப்பர்: “தொழில்நுட்ப ஸ்டார்ட்அப்களுக்கான அறிவுசார் சொத்துரிமை ஒப்பந்தங்களை பகுப்பாய்வு செய்து, அதில் உள்ள அபாயங்களைக் கண்டறியும் AI.”
இந்த ஆழமான ரேப்பர், அந்தத் துறையின் பணிப்பாய்வுகளை (workflows), நுணுக்கங்களை, மற்றும் வலியறிந்த புள்ளிகளைப் பற்றி வேறு யாரையும் விட அதிகமாகப் புரிந்துகொண்டிருக்கும்.

2. தனியுரிமத் தரவு (Proprietary Data)

இதுதான் ஒரு ரேப்பரின் உண்மையான ‘பாதுகாப்பு அகழி’. ஒரு நிறுவனம், தனது சொந்த, தனித்துவமான, மற்றும் மதிப்புமிக்க தரவுத்தொகுப்பைப் பயன்படுத்தி அடிப்படை AI மாதிரியை மேலும் பயிற்றுவித்தால் (fine-tuning), அது ஒரு சக்திவாய்ந்த போட்டி நன்மையை உருவாக்கும்.

உதாரணம்: ஒரு மருத்துவ ரேப்பர், கடந்த 20 ஆண்டுகால அநாமதேய நோயாளி பதிவுகளைக் கொண்டு ஒரு AI மாதிரியைப் பயிற்றுவித்தால், அது பொதுவான AI-ஐ விட துல்லியமான நோயறிதல் பரிந்துரைகளை வழங்கும். இந்தத் தரவு வேறு யாரிடமும் இருக்காது.

3. பணிப்பாய்வு ஒருங்கிணைப்பு (Workflow Integration)

சிறந்த ரேப்பர்கள் ஒரு தனிப்பட்ட செயலியாக இருக்காது. மக்கள் ஏற்கனவே பயன்படுத்தும் கருவிகளுக்குள் அது வாழும்.

மக்கள் ஒரு புதிய வலைத்தளத்திற்குச் சென்று AI-ஐப் பயன்படுத்த விரும்புவதில்லை. மாறாக, அவர்கள் தங்கள் சேல்ஸ்ஃபோர்ஸ், மைக்ரோசாப்ட் வேர்ட், அல்லது அடோபி ஃபோட்டோஷாப் உள்ளேயே AI-இன் உதவியை விரும்புகிறார்கள். ஒரு கருவி, பயனரின் தினசரி பணிப்பாய்வுடன் எவ்வளவு ஆழமாக ஒருங்கிணைக்கப்படுகிறதோ, அவ்வளவு ‘ஒட்டும் தன்மை’ (stickiness) அதற்கு இருக்கும்.

4. வலுவான சமூகம் மற்றும் நெட்வொர்க் விளைவுகள் (Strong Community and Network Effects)

ஒரு தயாரிப்பைச் சுற்றி ஒரு வலுவான சமூகத்தை உருவாக்குவது ஒரு சக்திவாய்ந்த பாதுகாப்பு.

உதாரணம்: Notion அல்லது Figma போன்ற கருவிகளின் வெற்றிக்கு, பயனர்கள் உருவாக்கும் டெம்ப்ளேட்கள், செருகுநிரல்கள் (plugins) மற்றும் பயிற்சிகள் ஒரு முக்கிய காரணம். ஒரு ரேப்பரைச் சுற்றி ஒரு சமூகம் உருவாகும்போது, பயனர்கள் ஒருவருக்கொருவர் உதவுகிறார்கள், புதிய பயன்பாடுகளைக் கண்டுபிடிக்கிறார்கள். மேலும் nhiều பேர் பயன்படுத்த, அது அனைவருக்கும் மேலும் மதிப்புமிக்கதாகிறது. இதுவே ‘நெட்வொர்க் விளைவு’.

5. பல-மாடல் உத்தி (Multi-Model Strategy)

புத்திசாலியான ரேப்பர்கள் ஒரே ஒரு API வழங்குநரை மட்டும் நம்பியிருக்காது. அவை ‘மாடல்-அஞ்ஞானவாதி’ (model-agnostic) ஆக இருக்கும்.

ஒரு குறிப்பிட்ட பணிக்கு, OpenAI-இன் மாடல் சிறந்ததா, கூகிளின் மாடல் சிறந்ததா, அல்லது ஒரு திறந்த மூல (open-source) மாடல் மலிவானதா என்பதை ஆராய்ந்து, சிறந்ததைத் தேர்ந்தெடுக்கும் திறனை இந்த ரேப்பர்கள் கொண்டிருக்கும். இது தள அபாயத்தைக் குறைப்பதோடு, சிறந்த செயல்திறனையும், குறைந்த செலவையும் உறுதி செய்கிறது.

இந்த ஆட்டத்தில் இருப்பவர்களுக்கான அறிவுரை

தொழில்முனைவோர்களுக்கு: ஒரு மெல்லிய ரேப்பரை உருவாக்காதீர்கள். ஒரு உண்மையான வலியறிந்த புள்ளியைக் கண்டறிந்து, அதற்கு ஒரு ஆழமான தீர்வை உருவாக்குங்கள். உங்கள் ‘பாதுகாப்பு அகழி’ என்ன என்பதை முதல் நாளிலிருந்தே சிந்தியுங்கள்.
முதலீட்டாளர்களுக்கு: ‘AI’ என்ற கவர்ச்சி வார்த்தையைத் தாண்டிப் பாருங்கள். அந்த நிறுவனம் என்ன தனித்துவமான மதிப்பை வழங்குகிறது? தள அபாயத்திற்கு எதிராக அவர்களின் பாதுகாப்பு என்ன? அவர்களிடம் தனியுரிமத் தரவு உள்ளதா? போன்ற கடினமான கேள்விகளைக் கேளுங்கள்.
பயனர்களுக்கு: ஒரு புத்திசாலித்தனமான நுகர்வோராக இருங்கள். நீங்கள் பணம் செலுத்தும் கருவி, ChatGPT-இன் மேல் உள்ள ஒரு மெல்லிய அடுக்குதானா அல்லது அது அடிப்படை மாடலில் இருந்து உங்களால் பெற முடியாத உண்மையான, தனித்துவமான மதிப்பை வழங்குகிறதா என்பதைப் புரிந்து கொள்ளுங்கள்.

முடிவுரை: தங்கத்தை அல்ல, மதிப்பை உருவாக்குங்கள்

AI தங்க வேட்டை தீவிரமடைந்துள்ளது. கலிபோர்னியா தங்க வேட்டையைப் போலவே, பல நிறுவனங்கள் தோல்வியுறும், சிலரே தப்பிப்பிழைப்பார்கள். ஆனால், தப்பிப்பிழைப்பவர்கள், தொழில்நுட்ப உலகில் அடுத்த பெரிய மாற்றத்தை உருவாக்கும் நிறுவனங்களாக இருப்பார்கள்.

எதிர்காலம், வெறுமனே AI-ஐ ‘ரேப்’ செய்வதில் இல்லை; அதைத் திறமையாகக் கையாள்வதில் (wielding) உள்ளது. இந்த சக்திவாய்ந்த அடிப்படை மாதிரிகளை ஒரு அடித்தளமாகப் பயன்படுத்தி, அதன் மேல் உண்மையான உலகப் பிரச்சினைகளைத் தீர்க்கும் பிரத்யேக, அறிவார்ந்த அமைப்புகளை உருவாக்குவதில்தான் உண்மையான வெற்றி அடங்கியுள்ளது.

இறுதியில், தங்கம் என்பது AI மாடல் அல்ல. உண்மையான தங்கம், அதன் மேல் நீங்கள் உருவாக்கும் தனித்துவமான மதிப்புதான்.

AI startup trends AI wrapper building on OpenAI API.investing in AI SaaS bubble