Tiktok har taget verden med storm. Hvert par år ser vi en ny platform for sociale medier. Men denne gang er det bare lidt anderledes.

Hvad der virkelig er interessant er ikke Tiktok i sig selv, men mere bredt hvordan AI sandsynligvis vil ændre vores mentale modeller på platforme.

Stigningen af AI vil fundamentalt ændre, hvordan økosystembrugere interagerer med platforme.

Tiktoks moderselskab Bytedance er et AI kraftcenter. Tiktok er blot en af flere 'forekomster' af sin AI dygtighed. For at forstå, hvordan AI vil ændre fremtidens platforme, skal vi forstå TikTok.

Mental model 1

AI-drevet anbefalingsmotor

Et af de bedste steder at forstå TikTok er dette geniale stykke af NewyOrker.

Penge citat: „Tiktok er et socialt netværk, der ikke har noget at gøre med ens sociale netværk. Det beder dig ikke om at fortælle det, hvem du ved — i fremtiden vil „store AI-modeller“ ifølge ByteDance bestemme vores „personlige informationsstrømme“, som webstedet for virksomhedens forskningslaboratorium erklærer. Den app giver en „Discover“ side, med et indeks over trending hashtags, og en „For dig“ -feed, som er personaliseret - hvis det er det rigtige ord - af en maskine-learning system, der analyserer hver video og sporer brugeradfærd, så det kan tjene op en løbende raffineret, uendelig strøm af TikToks optimeret til Hold din opmærksomhed. I TikToks teleologi blev mennesker sat på Jorden for at lave godt indhold, og „godt indhold“ er alt, hvad der deles, replikeres og bygges på. Platformen er i bund og grund en enorm memefabrik, der komprimerer verden til pellets af viralitet og udleverer disse piller, indtil du bliver fuld eller falder i søvn.“



Mental model 2

Kortformet medrivende video med gennemse

Til at begynde med, her er hvad Zuckerburg mener om Tiktok.

„Og den måde, vi slags tænker på det er: det er gift kortform, medrivende video med browse. Så det er næsten ligesom Explore Tab, som vi har på Instagram, som i dag primært handler om feed indlæg og fremhæve forskellige feed indlæg. Jeg tænker på TikTok som om det var Udforsk for historier, og det var hele app. „

Zuckerburg får det ikke (usandsynligt) eller får det, men er ikke villig til at indrømme det. Under alle omstændigheder mangler TikToks innovation som „kortform, medrivende video med browse“ hele pointen.


Mental model 3

AI-as-værktøjet

Ai-as-the-Product (Tiktok) vs AI-as-the-værktøj (Instagram)

Denne artikel gør endnu et forsøg på at forstå forskellen:

„Tiktok er fuldt afhængig af AI, og det gør hele forskellen. I stedet for at bede brugerne om at trykke på et miniaturebillede eller klikke på en kanal, bestemmer appens AI-algoritmer, hvilke videoer der skal vises brugere. TikToks fuldskærmsdesign gør det muligt for hver video at afsløre både positive og negative signaler fra brugere (positiv = en lignende, følg eller ser indtil slutningen; negativ = knalde væk, tryk ned). Selv den hastighed, hvormed brugerne stryger en video væk, er et relevant signal.

Instagram bruger derimod AI som et værktøj i stedet for det faktiske produkt. Selvom AI hjælper med at bestemme de anbefalede videoer, der vises i ens Instagrams opdagelsesfeed, giver miniaturepræsentationen platformen mindre tydelig signalering af folk og ikke kan lide lide. Hvis nogen ikke klikkede ind i et miniaturebillede, er det så virkelig fordi de ikke vil kunne lide videoen?

Hvordan er det anderledes end platforme og produkter som Facebook nyhedsfeed, Netflix, Spotify og YouTube, som alle også berømt bruger anbefalingsalgoritmer til brugere om hvad man skal være opmærksom på (hvad enten nyheder, shows, musik eller videoer)? Jeg vil hævde, at den tilgang, som de apps, der er nævnt i dette indlæg, tager en mere AI-centreret tilgang, hver på forskellige måder. Tiktok præsenterer for eksempel aldrig en liste over anbefalinger til brugeren (som Netflix og YouTube gør), og beder aldrig brugeren eksplicit udtrykke hensigt — platformen udleder og beslutter helt, hvad brugeren skal se.“

AI-as-the-produkt begynder at erkende, hvad der er anderledes ved Tiktok, men det stadig ikke fuldt ud fange hvad der gør Tiktok, og sandsynligvis den næste generation af platforme, så forskellig fra den tidligere generation af platforme.

Så hvordan skal vi tænke på TikTok?
For at forstå, hvad der virkelig er anderledes, er vi nødt til at forstå, at en nøglerolle, som teknologi udfører i økosystemer, er beslutningsstøtte. Anbefalingssystemer og systemer til vurdering og gennemgang er beslutningsstøttesystemer. Platforme anbefaler typisk indhold og overlader det endelige valg til forbrug hos brugeren.

Her er hvad der virkelig er anderledes:

AI overtager beslutningstagningen - det internaliserer beslutningstagningen - og træffer effektivt beslutningen på vegne af brugeren.

Internalisering af beslutningsstøtten har en direkte indvirkning på design. Meget af grænsefladedesign består af beslutningsstøttesystemer. Når det bliver taget væk, vil UX grundlæggende ændre sig i AI's alder for at inkludere færre beslutningshjælpemidler og placere færre beslutningspoint på en brugers rejse.

Dette har også indflydelse på engagement og sessionens længde.

Ved at fjerne behovet for konstant at skifte fra forbrug til beslutning skaber det en længere og mere engageret forbrugskæde.

Internalisering af beslutningstagningen har en direkte indvirkning på økonomien i forbindelse med økosystemdeltagelse på platforme. Hvis vi betragter beslutninger som omkostninger ved medindflydelse, øger internaliseringsbeslutninger medindflydelsen, hvilket fører til større engagement og mere oprettelse af data, hvilket fører til stærkere AI-modeller.

Hvordan AI vil omdanne industrier

Mere generelt vil AI's evne til at internalisere beslutninger have større indflydelse på tværs af brancher ved at ændre økonomien i interessenternes deltagelse.

Denne HBR artikel giver en god introduktion til emnet.

Så her er forskellen, der er virkelig vigtig:

Traditionelle anbefalingsmotorer er bygget til at informere beslutningstagningen. AI-baseret anbefaling overtager beslutningstagningen.

Optagelse og internalisering af beslutningsstøtten er mere centralt i visse sammenhænge og formfaktorer. Voice er et eksempel, hvorfor Amazons fokus på AI er værd at bemærke.

Websøgning har råd til at stole på beslutningsstøtte og præsentere 10 resultater for brugeren. Men stemmebaseret søgning skal være præcis og skal indsnævres til den mest relevante anbefaling.

Det er også derfor Amazon konsolideret deres mange usammenhængende interne AI indsats omkring Alexa. AI har hjulpet Amazon drage fordel af helt nye netværkseffekter. En sådan netværkseffekt observeres i Alexa færdigheder økosystem.

Hvad der er mindre synligt er virkningen af AI på AWS.

AI som en tjeneste

Den virkelige store muligheten for Bytedance er i AI AAS.

Hvad Bytedance virkelig har, er et kernesæt af AI-motorer, hvor TikTok, Toutiao og Douyin kun er serviceforekomster. Disse AI-motorer kan leveres som en service til at drive lignende forretningsmodeller på tværs af brancher.

Tilbage til den fremragende NewyOrker-artikel

Penge citat: „ByteDance har mere end et dusin produkter, hvoraf en række afhænger af A.I. anbefalingsmotorer. Disse platforme indsamler data, som virksomheden aggregerer og bruger til at forfine sine algoritmer, som virksomheden derefter bruger til at forfine sine platforme; skyll, gentag. Denne feedback loop, kaldet „den dydige cyklus af A.I.“, er hvad hver TikTok bruger oplever i miniature. Virksomheden ville ikke kommentere detaljerne i sin anbefalingsalgoritme, men ByteDance har udråbt sin forskning i computer vision, en proces, der indebærer udvinding og klassificering af visuel information; på webstedet for sit forskningslaboratorium, lister virksomheden „short video anbefaling system“ blandt applikationer af computer-vision-teknologien, som den udvikler.“

Til sidst, Bytedance ønsker at gøre for AI hvad Amazon gjorde for at opbevaring+compute - Råvare og åbne som en tjeneste.

Hvad Bytedance virkelig har, er et kernesæt af AI-motorer, hvor TikTok, Toutiao og Douyin kun er serviceforekomster. Disse AI-motorer kan leveres som en service til at drive lignende forretningsmodeller på tværs af brancher.

AI og fremtiden for arbeidet

Endelig mener jeg, at vi overvurderer AI's evne til at tage arbejde væk fra mennesker og undervurdere dets evne til at påvirke og informere menneskelig produktion. Faktisk er automatisering en meget smal måde at tænke på AI på.

Automation ser på arbejde, der kan tages væk fra mennesker. Og eksperter graviterer til at påstå, at gentaget arbejde vil blive automatiseret, men mennesker vil stadig udføre kreativt arbejde.

Her informerer Tiktok igen vores mentale model om fremtiden for platforme og arbejde. Tiktok video skabelse, er velsagtens, kreativt arbejde, der er stærkt påvirket og informeret af AI. Mennesker udfører stadig arbejdet, men AI informerer deres video skabelse.

Vi er først begyndt at forstå, hvordan AI vil ændre design og økonomi af platforms-økosystemer. Der er meget mere at komme. Bliv tunet! #Tiktok
#AI
#Bigtech
#China
#SangeetPaulChoudary