How Software Is Stifling Competition and Slowing Innovation

"A tech entrepreneur turned academic takes on the “disruption myth.” Big companies, he argues, have built software moats against rivals.

More than a decade ago, Marc Andreessen, the internet entrepreneur and venture capitalist, famously declared, “Software is eating the world.”

The winners, Mr. Andreessen wrote in The Wall Street Journal, would be mainly “entrepreneurial technology companies that are invading and overturning established industry structures.”

His essay was a distillation of a long-held article of faith in Silicon Valley.

Clearly, some traditional businesses such as advertising and retailing have been upended by software-fueled companies like Google, Facebook and Amazon, the new giants on the corporate landscape.

But there is also a very different software story, according to James Bessen, executive director of the Technology & Policy Research Initiative at the Boston University School of Law.

In a new book, Mr. Bessen challenges what he terms the “disruption myth.” He makes the case that big companies in one industry after another have built complex software systems for managing their sales, marketing, operations and product offerings that are essentially moats against competitors.

This mastery of software by major corporations, he argues, helps explain rising economic concentration, increasing inequality and slowing innovation.

“This is a broad swath of the economy — way beyond a handful of big tech companies in Silicon Valley,” Mr. Bessen said. “There is an advantage to software that economists haven’t really reckoned with yet. Software isn’t accelerating creative destruction today. Software is suppressing it.”

Mr. Bessen brings an unusual perspective to his economic analysis. He is a former software entrepreneur from the personal computer era who founded an early desktop publishing software company, which he ran for a decade. When he sold his venture to a larger company in 1993, he made millions. It was pocket change by the standards of today’s tech start-ups, but it meant career freedom for Mr. Bessen.

Mr. Bessen then got in touch with his former roommate at Harvard University, Eric Maskin, who had become an economics professor at their alma mater. Mr. Bessen explained that he had ideas about the software industry that might be of interest to economists, Mr. Maskin recalled. The two went on to write a research paper on why patents often worked against innovation in software, an industry that prospered when information was shared.

The joint study helped start Mr. Bessen’s career as an academic. His research has focused mainly on the economics of innovation and the broad impact of technology. The title of his book, “The New Goliaths: How Corporations Use Software to Dominate Industries, Kill Innovation, and Undermine Regulation” (Yale University Press), suggests a strident critic. But his past research has also come down on the side of technology.

In 2015, amid rising concerns that automation was a job killer, Mr. Bessen published a paper that examined the impact of computer automation on 317 occupations from 1980 through 2013. His summary conclusion: “Employment grows significantly faster in occupations that use computers more.”

Mr. Bessen himself is an entrepreneurial outsider to the field of economics. He has forged an unorthodox career in academia, rising to prominence gradually over the years, one intriguing research project at a time. He has become respected in economic circles without a Ph.D.

“Jim’s not a professionally trained economist, so he has an original take,” said Mr. Maskin, his former college roommate, who won a Nobel Prize in economics in 2007. “That’s played to his advantage and to the profession’s advantage.”

Blending data analysis with narrative case studies is the hallmark of Mr. Bessen’s research. He is a business historian and a fluid writer. His book contains accounts of the evolving use of software in many industries, including autos, banking, retailing, insurance, garbage hauling, logistics and trucking.

Mr. Bessen’s observations about increasing market concentration, rising inequality, and slowing innovation and productivity echo those of other researchers. Most of those studies, though, are high-level economic research.

His focus is a more detailed look within industries and at individual companies, seeking the underlying technology engine behind the broad economic trends.

“He has a new, complementary perspective on what we’re seeing,” said Chiara Criscuolo, an economist at the Organization for Economic Cooperation and Development. “It gives you much more of the mechanism for why we got to where we got.”

That mechanism is what Mr. Bessen calls “proprietary software.” He defines it broadly as not only code but also the data that companies collect on their customers and operations, the skills of their workers and the organizational changes they have made to exploit the technology.

His measure of proprietary software does not include spending on the standard business software from companies like Oracle, SAP and Salesforce. Instead, it is the investment that companies make in custom software from those suppliers and others, and in their own in-house applications. Some of the software may be freely available open-source code, he notes, but the overall system is closed.

Mr. Bessen’s analysis is based on government and industry data, supplemented by information on jobs and salary estimates from Lightcast, a labor market research firm, which recently changed its name from Emsi Burning Glass. The total investment in proprietary software grew 74 percent to $239 billion over the decade that ended in 2019, the most recent government statistics. The big companies use this technology to manage complexity and gain competitive advantage, according to Mr. Bessen.

The big banks use their software and customer data to customize credit card offerings to individuals in a way that smaller rivals cannot. Walmart and Amazon use their proprietary software to streamline logistics and personalize marketing. Google and Facebook use it to target ads.

Insurers use it to tailor and market health plans to individuals.

Pharmacy benefit management companies use it to navigate the complexity of drug reimbursement plans. And the list goes on. Evidence of the proprietary software advantage is abundant and convincing, in Mr. Bessen’s view.

The software-enabled winners in industries are more productive than their smaller rivals, and they pay more — 17 percent more on average for the same jobs, Mr. Bessen estimates.

But their success, he argues, has come at too great a price. Competition has suffered. Since the late 1990s, the chances of unseating a dominant firm — typically, one of the top four by sales in an industry — have declined by half.

And technology, he contends, is spreading and being adopted across industries more slowly than in the past, which exacerbates the trends of inequality and market concentration.

His policy answer is not to break up dominant companies, but to nudge or force them to open up. For example, IBM, under antitrust pressure, unbundled its software from its hardware business in 1969. That move, Mr. Bessen writes, led to a flourishing software industry.

Today’s proprietary platforms, he asserts, could be opened through access to their software platforms or to customer data they have harvested — a prescription that policymakers in Europe and America are considering.

Mr. Bessen points to a seemingly unlikely protagonist: Amazon. Opening its computing infrastructure, he said, created the cloud computing industry. “In some ways,” he said, “Amazon is a model of what I’d like to see other firms do,” though with appropriate regulatory oversight.

One critique of Mr. Bessen’s analysis is that he is observing a wave of technology adoption that still has a long way to run, and that his concerns are overstated.

“These superstar firms are very productive,” said Robert Atkinson, president of the Information Technology and Innovation Foundation, a policy research group. “The question is why aren’t other companies as productive yet?” He added that they were likely to catch up.

And seemingly entrenched companies are not immune to truly innovative, technology-powered newcomers: Amazon challenging Walmart in retailing, and Tesla taking on the Detroit automakers, for example.

Both are exceptions, but ones that partly support his argument, Mr. Bessen insists. Both have become powerhouse corporations, he said, largely because of their prowess in designing and exploiting complex software.

“Technology,” Mr. Bessen said, “is playing a different role than it has in the past — less to disrupt than entrench.””

 

 Software moats against competitors are a good thing. A company with such moats is worth working for and worth investing in. And if such moats sometimes hinder the introduction of innovations, then state anti-monopoly workers should take care of such obstacles, if necessary, at the level of legislators.

DI durneliams --- Kol dirbtinis intelektas nesuteiks mums itin protingų robotų kompanionų, jis, tikriausiai, padės sukurti supaprastintas greito maisto virtuves

  "Dirbtinis intelektas vieną dieną gali būti panaudotas tikrai į žmones panašiems kiborgams ar kitoms derlingos žmonijos vaizduotės vaisiams maitinti. Šiuo metu Ingo Storkas naudoja technologiją, kad padėtų restoranų tinklams švaistyti mažiau maisto ir nuveikti daugiau su mažiau darbuotojų.

 

    Dr. Storkas yra „PreciTaste“ – startuolio, kuris naudoja dirbtinio intelekto jutiklius ir algoritmus, vienas iš įkūrėjų, kad atliktų vieną gana konkrečią užduotį: numatyti, kiek maisto žmonės užsisakys bet kuriuo momentu, ir užtikrinti, kad jis būtų paruoštas laiku. .

 

    Idėja – sumažinti atliekų kiekį – iš dalies kilo po to, kai prieš kelerius metus vieną popietę daktaras Storkas lankėsi greitojo aptarnavimo virtuvėje, kur jis stebėjo, kaip virėjas iškepa 30 mėsainių pyragėlių, o paskui juos visus išmeta, nes niekas nepasirodė jų valgyti. Kodėl, jis svarstė, šis virėjas turi laikytis tos dienos grafiko, surašyto, laukiant įprastos dienos restorane, o ne lėtos, kokia ji pasirodė?

 

    „Kiekvienas iš šių mėsainių nuvažiuoja 50 mylių automobiliu, kalbant apie CO2 emisiją“, – sako jis, turėdamas omenyje energijos, reikalingos karvėms auginti ir galiausiai jas paversti mėsainiais. „Pagalvokite apie visą logistiką, kad jie ten patektų, kad viskas nueitų perniek ir būtų išmesta.

 

    DI įrankių naudojimas siekiant sumažinti atliekų kiekį ir padidinti produktyvumą greito maisto užkandinėse vargu ar yra mokslinės fantastikos dalykas. Jis nėra toks prašmatnus kaip kai kurie dirbtiniai intelektai, kurie pastaruoju metu sulaukia didesnio dėmesio, pavyzdžiui, DALL-E, galintis sukurti protingus vaizdus pagal teksto pasiūlymus, arba GPT-3, teksto generavimo programinė įranga, pakankamai gera rašyti mokslinių tyrimų straipsnius apie save. Ir mažai tikėtina, kad jis pateks į antraštes, kaip „Google“ LaMDA pokalbių robotas, galintis sukelti tokį žmogišką pokalbį, kad vienas iš bendrovės inžinierių paskelbė, kad šis robotas turi sąmonę – įmonė kategoriškai atmetė šią mintį.

 

    Tačiau, išskyrus keletą išimčių, šios antraštės sugriebimo sistemos dar neturi esminės įtakos niekam.

 

    DI sistemos, kurios šiuo metu yra svarbiausios įmonėms, paprastai yra daug kuklesnės. Jei jie būtų žmonės, jie tikriausiai būtų užsidėję darbininkų šalmus ir kurtų epizodus realybės šou „Purvini darbai“.

 

    Kai verslininkas Phuc Vinh Truong atsidūrė savo namuose Masačusetso valstijoje dėl „Covid-19“ užblokavimo, jis sugalvojo paprastą idėją. Ką daryti, jei skysčio sraute pamatytumėte teršalus ir išsiurbtumėte juos po vieną?

 

    Tai paskatino Phuc Labs – startuolią, kuris ieško naujų būdų, kaip panaudoti dirbtinį intelektą, kad elektroninių atliekų perdirbimas būtų efektyvesnis.

 

    Sistema pradeda veikti nuo susmulkintų šiukšlių, likusių po to, kai akumuliatorių ir kitų elektroninių atliekų perdirbėjai sutraiško seną elektroniką. Paprastai šios atliekos apdorojamos įvairiais būdais, įskaitant cheminį atskyrimą. Vietoj to, „Phuc Labs“ suspenduoja daleles vandenyje, o susidariusią suspensiją nukreipia per mažus vamzdelius, kur kamera užfiksuoja jos praėjimą 100 kadrų per sekundę greičiu.

 

    Kiekvieną kadrą analizuoja kompiuteris, kuriame veikia mašininio matymo algoritmas, kuris buvo išmokytas atskirti metalo daleles, vertingas perdirbėjams, nuo viso kito. Kai dalelė nukeliauja iki vamzdžio galo, į srovę paleidžiama mažytė galinga oro srovė, nukreipdama vandens „gabalėlį“, kuriame yra dalelė, į rezervuarą. Vanduo pakartotinai cirkuliuojamas per sistemą, kol bus atskirti beveik visi vertingi metalo gabalėliai.

 

    „Phuc Labs“ „regėjimo vožtuvo“ technologija vis dar yra ankstyvoje stadijoje, tačiau bendrovė rengia bandomąją programą su IRI, viena didžiausių elektroninių atliekų perdirbėjų Filipinuose, sako IRI prezidentas Lee Echiverri.

 

    Šio naujo tipo filtravimas būtų neįmanomas be DI, tačiau tai nėra išgalvotas DI. Mašininio matymo sistemos yra turbūt geriausiai ištirtas DI skonis ir buvo tobulinamas dešimtmečius. Jie naudojami visame kame – nuo ​​veidą atpažįstančios kameros telefone iki autonominio vairavimo sistemų ir raketų, naikinančių Rusijos tankus Ukrainoje.

 

    J. Truongo komandai pavyko sukurti vieną iš pirmųjų jų sistemos versijų, naudojant jau paruoštą kompiuterinio matymo sistemą, vadinamą Roboflow. Jie ją išmokė, rankiniu būdu parodydami kelis šimtus dalelių vaizdų – aplink daleles nubrėždami dėžutes ir atitinkamai jas paženklindami – o visa kita padarė Roboflow programinė įranga.

 

    Nors dirbtinis intelektas yra unikalus „Phuc Labs“ filtravimo sistemos veiksnys, jis veikia, nes sistema labai mažai klausia iš DI – tik „ar tai metalo gabalas ar ne? Iš esmės jo inžinieriai kuria paprastą žaidimą, kad jų dirbtinis intelektas galėtų išmokti, o tokie žaidimai kaip šachmatai ir „Go“ yra dalykai, kuriuose dirbtinis intelektas jau įrodė, kad yra puikus, sako J. Truongas.

 

    Daugelyje kitų realaus pasaulio DI taikomųjų programų inžinieriai nustatė, kad bandymas padaryti mažiau su DI yra tai, kas galiausiai lemia sėkmę.

 

    Puikus to pavyzdys yra autonominės vairavimo sistemos, kurios ilgai nevykdė ankstesnių pažadų dėl visiškos autonomijos, tačiau sėkmingai valdo kai kurias transporto priemones ribotose ir atlaidesnėse aplinkose, tokiose, kaip traukiniai, vandenyno laivai ir tolimųjų reisų sunkvežimiai.

 

    Kiekvienas greito maisto restoranų tinklas, su kuriuo dirba Dr. Storko Niujorke įsikūrusi įmonė PreciTaste, savo inžinieriams ir jų kuriamoms, DI varomoms, restoranų valdymo sistemoms kelia naujus iššūkius.

 

    „Kiekviena maisto grandinė turi savo meniu, operacijas, įrangą ir reikalų tvarkymo būdą“, – sako jis. Pavyzdžiui, prie sienos montuojamų kamerų, turinčių mašininio matymo funkciją, kuri gali sekti užsakymą nuo to momento, kai jo žaliavos iškeliauja iš šaldytuvo, kol jos bus paruoštos perduoti klientui, masyvas gali būti išdėstytas kitaip. O pasiruošimo žingsnių skaičius priklausomai nuo restorano gali labai skirtis.

 

    „PreciTaste“ teigia negalinti atskleisti, kurios restoranų grandinės svarsto apie jos technologiją. Tačiau ji bendradarbiauja su komercinės virtuvės gamybos milžine „Franke“, siekdama išbandyti savo technologijas keliuose nacionaliniuose greito maisto restoranuose, sako Gregas Richardsas, bendrovės verslo plėtros viceprezidentas. (Franke'as nuo 1970-ųjų buvo „McDonald's“ tiekėjas.)

 

    Kad sistema veiktų, gylio jutimo kameros turi būti išmokytos atpažinti, kiek sudedamųjų dalių, tarkime, ryžių, lieka paruošimo dėkle. Žinojimas, kada jį papildyti, priklauso nuo paklausos, o tai savo ruožtu priklauso nuo veiksnių, įskaitant orą ir vietines šventes, kas gali nulemti, ar žmonės eis valgyti ir ką užsisakys. Visa tai ir dar daugiau yra įtraukta į tokius pat numatymo algoritmus, kurie padeda mažmenininkams, tokiems, kaip „Amazon“, valdyti savo logistikos tinklus.

 

    Šiandieninėms DI sistemoms trūksta sveiko proto, jos gali elgtis netvarkingai, susidūrusios su netikėtais įvykiais ir turi minimalų gebėjimą perkelti iš vienos užduoties „išmoktas“ žinias į analogiškas situacijas. Tokiu būdu galima sakyti, kad šiandieninis dirbtinis intelektas neturi jokio intelekto – tai, kaip pasakė vienas DI pradininkas, yra tik „sudėtingas informacijos apdorojimas“.

 

    Dėl to inžinieriai ir duomenų mokslininkai turi daug dirbti dėl savo trapios DI, įskaitant planavimą, techninės įrangos inžineriją ir programinės įrangos rašymą. Visa tai daroma, norint sukurti pastolius, kuriuose dirbtinis intelektas gali būti išmokytas atlikti užduočių, kurios buvo apibrėžtos kuo siauriau, rinkinį.

 

    Kol laukiame, kol šiandieniniai dirbtinio intelekto modeliai galės rasti daugiau pritaikymų už laboratorijų ribų, tokie susijusių sistemų tyrimai, kurie mus veda į priekį, yra naudingi.

 

    Kada nors dideli, įmantrūs modeliai, kurie sulaukia dėmesio, gali būti pritaikyti kasdieniniam įmonių darbui, bet dar ne dabar. Norint ten patekti, gali prireikti didelių šuolių, pvz., suteikti DI sveiką protą, įskaitant žinias apie realų pasaulį, kad jis galėtų išgauti prasmę iš visų gaunamų duomenų." [1]

1. EXCHANGE --- Keywords: AI for Dummies --- Before artificial intelligence gives us super-smart robot companions, it will probably help create streamlined fast-food kitchens
Mims, Christopher. 
Wall Street Journal, Eastern edition; New York, N.Y. [New York, N.Y]. 23 July 2022: B.2.