W dobie sztucznej inteligencji tradycyjne firmy są atakowane przez rywali, którzy zręcznie wykorzystują dane, mają duży potencjał zwiększania skali działalności i stosują modele operacyjne zapewniające wartość dzięki efektom sieciowym.
Internetowa platforma Airbnb zaczyna stanowić poważne zagrożenie dla tradycyjnych firm hotelarskich, takich jak Marriott International i Hilton. W nieco ponad dekadę internetowy rynek organizacji świadczących usługi zakwaterowania zgromadził ponad 7 milionów lokali – sześć razy więcej miejsc noclegowych niż sieci Marriott udało się udostępnić klientom przez ponad 60 lat. Pod względem wydatków konsumenckich w Stanach Zjednoczonych w 2018 roku platforma Airbnb wyprzedziła sieć hoteli Hilton i jest na dobrej drodze, aby zdystansować również Marriotta.
Chociaż Airbnb zaspokaja podobne potrzeby konsumentów, charakter tej organizacji jest całkowicie odmienny. Marriott i Hilton są właścicielami nieruchomości, którymi zarządzają, a za doświadczenia klientów odpowiadają dziesiątki tysięcy pracowników poszczególnych placówek. Obie tradycyjne firmy hotelarskie składają się z wielu klastrów różnych grup i marek, wąsko zorientowanych jednostek biznesowych i pionów, mających własne technologie informatyczne, dane i struktury organizacyjne. Tymczasem podejście Airbnb jest całkowicie odmienne: podstawowym zadaniem firmy jest kojarzenie użytkowników i gospodarzy oferujących za pośrednictwem platformy domy lub pokoje do wynajęcia. W trakcie tego procesu Airbnb gromadzi dane klientów i analizuje je, aby zdobyć wiedzę i tworzyć modele predykcyjne pozwalające podjąć optymalne decyzje biznesowe. Nierzadko firma jest w stanie zapewnić klientom lepsze doświadczenia, mimo że zatrudnia znacznie mniej pracowników niż konkurenci z branży hotelarskiej.
Airbnb reprezentuje nową generację organizacji zbudowanych na zintegrowanym cyfrowym fundamencie. Analogiczne zjawisko występuje za każdym razem, gdy przeszukujemy Google’a, robimy zakupy w serwisie Alibaba lub Amazon czy zamawiamy przejazd za pośrednictwem platformy Lyft. Firmy te, zamiast polegać na tradycyjnych procesach biznesowych realizowanych przez pracowników, menedżerów, inżynierów, kierowników i przedstawicieli obsługi klienta, tworzą wartość dzięki oprogramowaniu i algorytmom. Chociaż systemy projektują ludzie, to jednak pracę wykonują komputery: generują wyniki wyszukiwania, ustalają ceny, wynajdują i polecają produkty lub wybierają kierowców. Ta rzeczywistość definiuje nowy rodzaj cyfrowego przedsiębiorstwa, w którego centrum znajdują się dane i sztuczna inteligencja, a praca ludzka schodzi na drugi plan.
Wiele z tych zmian obserwujemy również w innych gałęziach gospodarki, jak handel detaliczny czy branża rozrywki. Zderzenie innowatorów z firmami o ugruntowanej pozycji zmusza liderów tych drugich do analizy sposobu prowadzenia działalności w środowisku, w którym nowicjusze stosują radykalnie odmienne reguły gry. W wielu środowiskach biznesowych nie wystarczy wprowadzić niewielkie, inkrementalne zmiany. Firmy będą musiały zasadniczo zmienić sposób, w jaki zbierają informacje i na nie reagują oraz to, jak wchodzą w interakcje z klientami i użytkownikami. Zostaną też zmuszone do gruntownego przemyślenia swoich modeli operacyjnych.
Model cyfrowy ma istotną przewagę nad tradycyjnym. Wykorzystując cyfrową architekturę operacyjną, Airbnb może na przykład czerpać korzyści z efektów sieciowych oraz uczyć się dzięki procesom integracji danych i systemom sztucznej inteligencji. Co więcej, jest w stanie szybko zwiększać skalę i zasięg działania oraz rozwijać umiejętność uczenia się. Zdolność Marriotta do rozwoju i reagowania na zmiany ograniczają tradycyjne przeszkody operacyjne. Natomiast Airbnb digitalizuje procesy wewnętrzne i wychodzi poza granice organizacyjne, aby tworzyć ekosystem usług turystycznych. Może na bieżąco analizować dane w celu pozyskiwania nowych klientów, rozpoznawania potrzeb podróżujących, optymalizowania ich doświadczeń, przeprowadzania eksperymentów i szacowania ryzyka. Przy okazji jest w stanie gromadzić jeszcze większe ilości danych na temat gospodarzy i turystów, a także wyciągać nowe wnioski dzięki zastosowaniu sztucznej inteligencji i uczenia maszynowego. Ostatnio serwis wychodzi poza ofertę zakwaterowania i rozszerza zakres działalności o inne rodzaje podróży, np. na koncerty, lekcje gotowania i lokalne wycieczki, otwierając swój ekosystem przed wieloma nowymi usługodawcami.
Airbnb nie jest jedyną firmą wykorzystującą możliwości cyfrowe do przekształcenia globalnego rynku podróży. Inne znane marki turystyczne, takie jak Booking.com, Kayak i Priceline (wszystkie należące do Booking Holdings), również wykorzystują modele operacyjne, zorientowane na oprogramowanie i dane, z zamiarem uzyskania większej skali i zasięgu działań, zdolności szybkiego uczenia się oraz unikania tradycyjnych ograniczeń operacyjnych. W listopadzie 2019 roku wartość giełdowa Booking Holdings była prawie dwukrotnie wyższa niż Marriotta.
Cała branża ulega przeobrażeniu na naszych oczach. W ciągu zaledwie kilku lat zarówno Airbnb, jak i Booking odnotowały znaczny wzrost liczby sprzedanych noclegów i wyszły na czołowe pozycje. Jednocześnie obserwujemy postępującą koncentrację na rynku tradycyjnych operatorów hoteli oraz nasilenie liczby fuzji i przejęć. Na przykład w 2016 roku Marriott połączył się z siecią Starwood, chcąc wykorzystać efekty synergii programów lojalnościowych i zasobów danych. Marriott ściga się z czasem i ciężko pracuje nad przebudową swojego modelu operacyjnego, aby zachować konkurencyjność w stosunku do dynamicznie rozwijających się rywali w rodzaju Airbnb i Booking. W praktyce cała branża hotelarska i turystyczna przechodzi poważne wstrząsy i przeobrażenia, a firmy takie jak Marriott i Hilton walczą o przetrwanie.
Dynamika konkurencyjna zderzenia
Zderzenie interesów cyfrowych i tradycyjnych firm pokazuje, co się dzieje, kiedy potrzeby użytkowników są zaspokajane z wykorzystaniem nowego rodzaju modelu operacyjnego, który digitalizuje niektóre z najważniejszych zadań w celu dostarczenia klientom dodatkowej wartości. W branży turystycznej potrzeby klientów nie uległy zmianie – turyści nadal szukają zakwaterowania i wrażeń. Jednak w przeciwieństwie do sieci hotelowych, systemy Airbnb i Booking mogą zaspokoić te potrzeby bez sztabu kierowników hoteli i sprzedawców oraz uciążliwych lub pracochłonnych procesów operacyjnych.
Pod wieloma względami Airbnb i Booking przypominają producentów oprogramowania. Zapewniają branży turystycznej warstwę oprogramowania i w praktyce pełnią funkcję systemów operacyjnych. Jeśli Marriott jest hotelarskim odpowiednikiem firmy IBM produkującej komputery mainframe, Airbnb i Booking można porównać do systemu operacyjnego Windows. Dzięki takiemu modelowi udaje się im usunąć tradycyjne wąskie gardła operacyjne i ograniczenia związane z potencjałem skalowalności, zasięgu i zdobywania wiedzy. Takie rozwiązanie istotnie wpływa na zdolność do dostarczania wartości. Co prawda tradycyjne firmy mogą szybko zwiększać skalę działalności, ale napotkawszy problemy związane z nadmiernym wzrostem, często odnotowują malejące zyski z wartości, którą oferują. Muszą mierzyć się z niekorzyściami skali, charakteryzującymi procesy zarządzania zorientowane na ludzi i narażone na administracyjną inercję, co spowalnia ich wzrost i – przy braku ostrożności – może prowadzić do pogorszenia wyników.
Skalowalność cyfrowych modeli operacyjnych jest inna. Przykładowo wyszukiwarka Google i aplikacja przetwarzania płatności Alipay firmy Alibaba mogą „obsłużyć” praktycznie nieskończoną liczbę klientów, współpracować z szeroką gamą komplementarnych firm oraz doskonalić się dzięki doświadczeniu i rosnącej liczbie użytkowników, ponieważ nie muszą borykać się ze zjawiskiem niekorzyści skali. Wraz z poszerzaniem skali działania i rosnącą liczbą klientów firmy stosujące tradycyjny model operacyjny odnotowują malejący zwrot z inwestycji. Model cyfrowy oznacza wzrost zarówno skali, jak i zysków. Do zderzenia dochodzi w chwili, gdy przecinają się krzywe wartości tradycyjnych i cyfrowych modeli operacyjnych (zobacz ramkę Zderzenie w praktyce). W przypadku tych ostatnich potencjał skali wydaje się nieograniczony, nawet biorąc pod uwagę fakt, że nic nie rośnie wiecznie, a wartość generowana przez cyfrowe modele operacyjne w końcu się ustabilizuje w czasie potrzebnym tradycyjnym graczom do podjęcia reakcji. W rzeczywistości wydaje się, że tempo wzrostu niektórych cyfrowych operacji może zwolnić jedynie na skutek katastrofalnej awarii – skandalu związanego z ochroną prywatności danych, naruszeniem zasad cyberbezpieczeństwa lub niejasnymi przepisami związanymi z koncentracją rynku i ochroną danych konsumentów.
Przykłady z branży turystycznej pokazują, w jaki sposób sztuczna inteligencja, uczenie się i efekty sieciowe wzajemnie się wzmacniają i przyczyniają do tworzenia coraz atrakcyjniejszej oferty wartości. Wraz ze wzrostem liczby powiązań i kontaktów cyfrowy model operacyjny oferuje firmie nowe możliwości generowania i gromadzenia danych. Im więcej danych, tym więcej możliwości oferowania lepszych usług i większe zachęty dla innych dostawców, by przyłączyć się do ekosystemu. Efektem jest coraz większy potencjał uczenia się i wzmocnienie efektów sieciowych. Ogólnie rzecz biorąc, im większa sieć, tym więcej danych, lepsze algorytmy i wyższa wartość.
Te samowzmacniające się pętle efektów sieciowych i uczenia się mają duży wpływ na charakter konkurencji. W tradycyjnych modelach operacyjnych dostarczana wartość stabilizuje się w miarę wzrostu organizacji. Z tego względu nowi gracze często są w stanie zagrozić firmom o ugruntowanej pozycji, ponieważ korzyści skali są ważne, ale nie są niemożliwe do przezwyciężenia. Nowe firmy mogą wprowadzać na rynek innowacyjne rozwiązania nawet na mniejszą skalę. Pomyślmy choćby o sieci małych wiejskich pensjonatów, które zabierają klientów na noclegi takim gigantom jak Marriott. W cyfrowych modelach operacyjnych tradycyjne ograniczenia znikają, a dostarczana wartość nieustannie rośnie, często nawet w coraz szybszym tempie. Żaden biznes na małą skalę nie może skutecznie konkurować z Airbnb.
Te prawidłowości mają zasadniczy wpływ na konkurencję. Ponieważ cyfrowe modele operacyjne tworzą coraz większą wartość, szanse tradycyjnych graczy na przechwycenie wartości maleją, przez co coraz trudniej jest im utrzymać opłacalną ofertę. Airbnb i Booking nie konkurują bezpośrednio z Marriottem lub Hiltonem przez uruchamianie własnych sieci hoteli. Wykorzystują po prostu dużą część wartości konsumenckiej i prowadzą do utowarowienia marek i doświadczeń, na które firmy hotelarskie latami ciężko pracowały. Być może sieci hotelarskie nigdy całkowicie nie znikną, lecz ich zyski będą nieuchronnie migrować do „warstwy oprogramowania”. Badania pokazują, że Airbnb osłabia zdolność sieci hotelarskich do ochrony swoich cen w okresach dużego natężenia ruchu (na przykład gdy w mieście odbywa się duże wydarzenie, takie jak konwencja wyborcza czy zawody Super Bowl). Zwiększając podaż alternatywnych miejsc noclegowych, Airbnb określa pułap cen, które hotele mogą pobierać, z korzyścią dla konsumentów i ze szkodą dla wyników finansowych hoteli.
Powtarzalny wzorzec
Przykład Airbnb staje się coraz powszechniejszy – wiele elementów tego podejścia obserwujemy w innych branżach. Usługi przetwarzania w chmurze świadczone przez firmy Amazon i Microsoft zastępują tradycyjne oprogramowanie i rozwiązania IT; dostawcy usług technologiczno‑finansowych (fintech), tacy jak Wealthfront i Kabbage, depczą po piętach tradycyjnym bankom i firmom inwestycyjnym, a platformy handlowe takie jak Alibaba, JD.com i Amazon wypierają tradycyjnych detalistów. Te przeobrażenia są głębokie i mają poważne konsekwencje dla modeli biznesowych (czyli sposobu tworzenia i gromadzenia wartości), ich stosowania (sposobu dostarczania wartości) oraz dla dynamiki konkurencyjnej i struktury branż.
Przyjrzyjmy się bardziej szczegółowo zjawiskom zachodzącym w branży handlu detalicznego i mediów rozrywkowych.
Handel detaliczny. Założony w 1994 roku Amazon był jednym z pierwszych sklepów internetowych, który ustanawiał wzór do naśladowania dla innych – Drugstore.com, JD.com i Pets.com. Z czasem detaliści internetowi stworzyli platformy, a Amazon poszerzył i pogłębił swój rynek, otwierając się na tysiące zewnętrznych sprzedawców oferujących miliony produktów. Zasadniczo Amazon stał się powiększoną wersją Searsa i Kmarta, ale bez potrzeby posiadania fizycznych sklepów lub utrzymywania dużej ilości zapasów.
Tradycyjni detaliści z powodzeniem konkurowali z pierwszą generacją sprzedawców internetowych; duże zmiany nie nastąpiły natychmiast. Na przykład zdolność sprzedawców internetowych do korzystania z danych i analiz była początkowo dość ograniczona. Ponadto podobnie jak inni borykali się z wąskimi gardłami w łańcuchu dostaw. Niektórzy internetowi sprzedawcy (Pets.com i Drugstore.com) nie potrafili zaspokoić potrzeb klientów lepiej od tradycyjnych rywali i zaprzestali działalności.
Tymczasem firma Amazon znalazła sposób na pokonanie tradycyjnych detalistów dzięki stworzeniu bazującej na danych platformy operacyjnej, która miała zaoferować klientom całkowicie nowe doświadczenia. Był to dalekowzroczny proces transformacji, niemający nic wspólnego ze zwykłym przeniesieniem transakcji w wirtualną rzeczywistość. Polegał na przyjęciu nowatorskiego podejścia operacyjnego, opartego na analizie klienta przy użyciu danych i sztucznej inteligencji, aby zaoferować mu spersonalizowane doświadczenie. Łańcuchy dostaw oparto na oprogramowaniu, a pracę ludzką przeniesiono z samego jądra procesu na peryferia (na przykład do kompletowania zamówień w magazynie), co zlikwidowało tradycyjne wąskie gardła. Świadczy o tym upadek wielu znanych graczy, w tym Toys R Us, Sports Authority, Sears, Nine West, Kmart i Brookstone.
Chwilę trwało, zanim internetowe platformy handlu detalicznego (zwłaszcza Amazon w Stanach Zjednoczonych oraz Alibaba i JD.com w Chinach) opracowały i wdrożyły optymalny model operacyjny, a kiedy to zrobiły, tradycyjni sprzedawcy stanęli przed niespotykanym dotąd wyzwaniem.
Branża rozrywki. Pionierem modelu operacyjnego opartego na danych i oprogramowaniu była firma Napster, która pod koniec lat dziewięćdziesiątych XX wieku doprowadziła do zderzenia z tradycyjnymi graczami w branży rozrywkowej. Rozwiązanie Napstera dawało użytkownikom możliwość digitalizacji i udostępniania muzyki online – z pominięciem prowizji dla innych uczestników rynku muzycznego. Dostęp do muzyki stał się „bezpłatny”. Mimo ogromnej popularności wśród użytkowników Napster popadł w kłopoty prawne, które ostatecznie spowodowały zamknięcie firmy w 2001 roku. Po upadku Napstera Apple Music, Spotify i inni gracze rzucili wyzwanie tradycyjnym dystrybutorom muzyki, definitywnie doprowadzając do przekształcenia modeli biznesowych i operacyjnych w tej branży w Stanach Zjednoczonych i na świecie. Zasadniczo firmy te przekształciły koszty zakupu muzyki, każdorazowo ponoszone przez konsumentów (i odpowiedzialne za ograniczenia w tworzeniu prywatnej biblioteki muzycznej), w miesięczny abonament za usługi subskrypcyjne, dające nieograniczony dostęp do muzyki w dowolnym miejscu i czasie. Obecnie Spotify, YouTube i Apple to główne źródła pobierania muzyki w Stanach Zjednoczonych i Europie.
Podobna rewolucja nastąpiła w branży dystrybucji filmów. Chociaż firma RealNetworks zaoferowała pierwszą internetową usługę streamingu wideo już w 1997 roku, pomysł wkrótce podchwycili silniejsi rywale, tacy jak Microsoft i Apple, a ostatecznie YouTube i Netflix. Serwisy YouTube i Netflix zaoferowały konsumentom bardziej przekonujące oferty wartości, jak również wdrożyły bardziej skalowalne modele operacyjne oparte na oprogramowaniu, danych i sztucznej inteligencji. Rynek wideo pokazuje, że pomimo podobieństw w modelach operacyjnych o pozycji konkurencyjnej decydują w znacznym stopniu różnice w modelach biznesowych.
YouTube, którego model biznesowy polega na łączeniu ogromnej rzeszy drobnych, indywidualnych dostawców treści, jest dominującym graczem na polu udostępniania matriałów wideo. Dzięki wykorzystaniu silnych efektów sieciowych platforma stała się prawdziwym centrum udostępniania filmów. Dla odróżnienia, usługi transmisji strumieniowej oferowane przez Netfliksa są tworzone przez dużo mniejszą społeczność profesjonalnych studiów producenckich. Chociaż Netflix niewątpliwie czerpie korzyści i wiedzę z gromadzenia danych, nie można tego porównać z korzyściami, jakie YouTube czerpie z gigantycznych efektów sieciowych, będących wynikiem zdolności firmy do agregowania treści z wielu różnych źródeł. Ta słabość pozwoliła wielu firmom, a zwłaszcza Hulu, Amazonowi i Apple’owi, skoncentrować się na produkcji treści i stanąć do bezpośredniej rywalizacji z Netfliksem. Nie mając dostępu do silnych efektów sieciowych, dostawcy ci próbują się wyróżnić unikalnymi i zróżnicowanymi treściami (oferowanymi dzięki nawiązaniu relacji ze studiami producenckimi oraz integracji pionowej).
Jako kategoria podmiotów Netflix, Apple i Amazon wchodzą w kolizję z tradycyjnymi dostawcami telewizji kablowej i satelitarnej, a także ze stacjami telewizyjnymi i przedsiębiorstwami rozrywkowymi, ponieważ oferują konsumentom atrakcyjne (internetowe) platformy dystrybucji treści wideo, które pozwalają im szybko dotrzeć do setek milionów użytkowników na całym świecie. W obliczu zagrożenia ze strony bardziej efektywnych konkurentów korzystających z danych i sztucznej inteligencji oraz mając na uwadze destabilizujące zmiany zachodzące w innych branżach, tradycyjne firmy medialne reagują dokonywaniem fuzji z dostawcami treści i usług internetowych w celu zainicjowania transformacji oraz przebudowy swoich operacji. Comcast, dostawca cyfrowej telewizji kablowej, poczynił znaczne postępy, przedstawiając klientom unowocześnioną platformę Xfinity X1. Disney oferuje usługi streamingu ESPN i Disney . W odróżnieniu od udostępniania materiałów wideo streaming treści premium może okazać się silnie konkurencyjnym rynkiem w niedalekiej przyszłości.
Przeobrażenia w branży rozrywkowej zwracają uwagę na kilka interesujących kwestii. Jak mogliśmy się przekonać, bycie pierwszym nie daje gwarancji sukcesu. Przejście na cyfrowy model operacyjny jest powszechne w całej branży. Zarówno nowi, jak i starzy gracze muszą przejść na architekturę operacyjną skoncentrowaną na danych, wykorzystaniu sztucznej inteligencji i sieci cyfrowych. Wreszcie, pomimo zbieżności modeli operacyjnych, różni gracze mogą nadal osiągać różne wyniki ze względu na charakter każdego modelu biznesowego i siłę dostępnych efektów sieciowych (widać to szczególnie, gdy porównujemy udostępnianie materiałów wideo z tworzeniem treści premium).
Czym zderzenie różni się od przełomu rynkowego
Zderzenie i przełomowa zmiana to ściśle powiązane zjawiska. Pod względem historycznym łączy je „prawo” określane nazwiskiem programisty Melvina Conwaya, który zauważył, że organizacje ograniczają się do działań (oryginalnie chodziło o projektowanie), które odzwierciedlają dominujące w każdej organizacji wzorce komunikacji. Prawo Conwaya wyjaśnia, dlaczego fizyczna architektura opracowanych przez firmę produktów lub usług stanowi odzwierciedlenie jej architektury organizacyjnej. Jeśli spojrzymy na organizację jednostki rozwoju produktu, zobaczymy, że nad każdym komponentem lub podsystemem pracuje osobna grupa. Taka architektura ułatwia firmom wielokrotne wykonywanie podobnych zadań, lecz zarazem utrudnia im reagowanie na zmiany, powodując organizacyjny bezwład i inercję.
W przełomowym artykule z 1990 roku ekonomiści Rebecca Henderson i Kim Clark argumentowali, że innowacje „architektoniczne” – wymagające zmiany architektury łączącej komponenty technologiczne – są szczególnie niebezpieczne dla firm o ugruntowanej pozycji. Autorzy opisali przypadki kryzysu i upadku wielu znanych przedsiębiorstw, które nie dostosowały architektury organizacyjnej do nowych wymagań. Przykładu takiego błędu dostarcza firma RCA, która nie dokonała przebudowy i miniaturyzacji odbiorników radiowych i urządzeń do odtwarzania muzyki w obliczu konkurencji ze strony koncernu Sony (który u RCA zaopatrywał się w technologię!). Podobnie IBM nie przestawił się w porę z dostarczania komputerów typu mainframe na pecety.
Bezwład organizacyjny wynikający z architektury firmy jest jednym z głównych elementów teorii przełomowych innowacji autorstwa Claytona Christensena, po raz pierwszy opisanej w 1995 roku. Zgodnie z pierwotnym opracowaniem tej teorii silne związki firmy z istniejącymi klientami powodują jej bezczynność i uniemożliwiają skuteczne reagowanie na destabilizującą, przełomową zmianę. Dwadzieścia pięć lat później to założenie nadal jest fundamentalnym elementem teorii: młodsze, mniejsze firmy, dysponujące skromniejszymi zasobami, mogą rzucić wyzwanie graczom o ugruntowanej pozycji, kiedy zainteresują się zaniedbanym segmentem rynku. Zasadniczo u podstaw przełomowych zmian leży bezwład organizacyjny wynikający z architektury, ponieważ to on sprawia, że firma skupia się na dotychczasowych klientach (kontynuuje to, co udało się w przeszłości). W tych okolicznościach na prowadzenie może się szybko wysunąć nowy gracz, proponujący nowatorskie rozwiązanie.
Bez wątpienia przełomowe innowacje są kluczowym – i popularnym – tematem w dyskusjach o strategii. Ale jak zauważyli Christensen i inni badacze, często przywołuje się je do opisania sytuacji, w których wcale nie zaistniały. Na przykład Uber nie destabilizuje tradycyjnej branży taksówkarskiej, lecz bezpośrednio zderza się z nią pod względem interesów. Podobnie jak Airbnb w branży hotelarskiej, Uber zaspokaja potrzeby klientów w zupełnie nowy (i groźniejszy dla tradycyjnych przewoźników) sposób.
W przeciwieństwie do przełomowej zmiany zderzenie wymaga czegoś więcej niż wprowadzenia innowacji technologicznej, zmiany modelu biznesowego lub oferty wartości dla klienta – wymaga stworzenia zupełnie innego rodzaju firmy. W rezultacie nie można się przed nią obronić po prostu – przez wydzielenie spółki internetowej, utworzenie laboratorium w Dolinie Krzemowej czy stworzenie cyfrowej jednostki biznesowej. Wymaga przebudowy podstawowej działalności firmy oraz zmiany sposobu jej organizacji, gromadzenia i wykorzystywania danych, reagowania na informacje, podejmowania decyzji i wykonywania zadań operacyjnych. Ostatecznie wiąże się z gruntowną transformacją modelu operacyjnego, w którym oprogramowanie przejmuje wiele z obowiązków pracowników. Zderzenie wykracza poza zmianę wzorców komunikacji międzyludzkiej, na których skupiał się Conway.
Podobnie jak Airbnb, Amazon i YouTube firmy dążące do kolizji w branży nie wyglądają i nie zachowują się jak ich tradycyjni rywale. Funkcjonują jak producenci oprogramowania, spełniający potrzeby klientów w nowy i bardziej skalowalny sposób. Co więcej, nie są one w żaden sposób ograniczone typowymi dla branży granicami. Wykorzystują uniwersalne możliwości w zakresie analizy danych i stosowania sztucznej inteligencji, a także zdolność do generowania efektów sieciowych i uczenia się, aby pogłębić kontakt z klientami. Po drodze zaś czynią szkody swoim rywalom. W miarę odnoszenia sukcesów wynikających ze skali i zasięgu działania oraz potencjału uczenia się cyfrowe modele operacyjne generują szereg nowych problemów. Należą do nich: kwestia ochrony prywatności, stronniczość algorytmów, zagrożenia w sferze bezpieczeństwa informatycznego i zwiększona koncentracja rynku.
Rzucając wyzywanie tradycyjnym przedsiębiorstwom, nowe pokolenie firm wyznacza początek nowej epoki i prowadzi do przekształceń gospodarczych. Ostatni raz byliśmy świadkami zmian na tak wielką skalę ponad sto lat temu, kiedy silną pozycję rynkową zdobywali tacy giganci, jak GE, Sears i Ford (następnie utrzymywali ją przez 50 lub nawet 100 lat). Dziś pojawiają się nowi liderzy o bardzo różnych strukturach operacyjnych. Sposób, w jaki wszystko się rozwija, pierwsze widoczne skutki wykorzystania sztucznej inteligencji będą miały mniejszy wpływ na naturę ludzką, a większy na naturę organizacji – na to, jak firmy tworzą i przechwytują wartość oraz jak kształtują otaczający nas świat.
ANALIZA
Autorzy przeprowadzili kilka projektów badawczych w celu zrozumienia i modelowania wpływu efektów sieciowych, platform cyfrowych i cyfrowego uczenia się na wyniki firm i konkurencję.
Prowadzili także projekty badawcze w ponad 500 organizacjach, aby poznać znaczenie analiz, cyfrowych modeli operacyjnych, sieci cyfrowych i sztucznej inteligencji.
Byli również konsultantami wielu organizacji, w tym Amazona, Microsoftu, Mozilli, Facebooka, Fidelity, Disneya i Marriotta.
