داروینیسم دیجیتال / ۵ اصل طراحی بیونیک برای تکامل شرکت‌های بیمه
صنایع گوناگون، به‌ویژه صنعت اینشورتک، هم‌اکنون در بحبوحه انقلاب «بیونیک» به سر می‌برند. سازمان‌ها و شرکت‌های امروز مشغول رقابت با آمیزه جدیدی از انسان و ماشین‌اند که وظیفه‌های شناختی و فیزیکی را به انجام می‌رسانند. در این میان آن دسته از شرکت‌هایی که سریع‌تر بیونیک شوند، در این رقابت برنده‌اند؛ چراکه می‌توانند تجربه مشتری بهتر و اقتصاد قوی‌تر داشته باشند.
منظور از بیونیک نوعی مهندسی است که از طبیعت الهام می‌گیرد و در آن از سامانه‌ها و ساختارهای طبیعت برای حل‌وفصل مسائل فنی و ساختاری استفاده می‌کنند. در هر صورت، گرایش شرکت‌ها به بیونیک به شکل جدیدی از «داروینیسم دیجیتال» انجامیده است. در این رقابت جدید، تکامل کسب‌وکارها و الگوهای تجاری گاهی به‌مرور و در طول چند نسل اتفاق می‌افتد و گاهی هم با سرعت زیاد و در طول عمر یک سازمان مشخص رخ می‌دهد.
سرعت این تکامل خواه‌ناخواه به ناهماهنگی و نابرابری دامن می‌زند. برای نمونه در صنعت بیمه، شیوه‌های فروش پیچیده و مدرن را در کنار شیوه‌های قدیمی صدور، خدمات‌دهی و پرداخت مطالبه مشاهده می‌کنیم. تا همین اواخر، اینشورتک چیزی نبود جز بهینه‌سازی تجربه مشتری و از زمانی که سرمایه‌گذاری‌های سازمانی در اینشورتک به حد سرمایه‌گذاری در بهینه‌سازی تجربه مشتریان رسیده، مدت زیادی نمی‌گذرد.
اما سؤال این است که چگونه می‌شود سرعت تکامل شرکت را افزایش داد؟ یکی از روش‌ها این است که مدل‌های عملیاتی، ظرفیت‌های عملیاتی و تجربه مشتری را بازتعریف کنیم و ضمن آن، پنج اصل طراحی بیونیک را در نظر داشته باشیم. هر کدام از این اصول ایده‌ای عملی است که به مدیران کمک می‌کند شیوه درست اندیشیدن به بده‌بستان‌ها و راه‌حل‌های کلیدی را در شرکت یا سازمان خود پیاده کنند. برای نمونه، استیو جابز از قلم استایلوس منزجر بود و به همین دلیل، طراحی رابط کاربری آیفون به گونه‌ای انجام شد که به هیچ نوع قلمی نیاز نداشته باشد. در آن دوران، بسیاری از عملیات اپل با تکیه بر همین ایده ساده پیش می‌رفت.
در اینجا پنج اصل مهم طراحی بیونیک را مرور کرده‌ایم که از آنها می‌توان در طراحی استراتژی‌های سازمانی استفاده کرد و سرعت تکامل شرکت را افزایش داد تا هر شرکت بیمه‌ای بتواند در عصر جدید داروینیسم دیجیتال، دوام بیاورد و پیش برود.
اصل اول: تغییر روش کار و شیوه مدیریت
فرایند شناخت را از نو بین انسان و ماشین تقسیم کنید
اساسی‌ترین کاری که انقلاب صنعتی انجام داد، این بود که وظیفه فکر کردن و کارکرده را از دوش انسان برداشت و به عهده ماشین گذاشت. این راه‌حل خیابان یک‌طرفه‌ای بود که پیرامون یک فرایند، یک پاسخ و یک روش بهینه‌سازی می‌شد. اما در عصر بیونیک، هر چیزی این پتانسیل را دارد که هوشمند باشد و به‌مرور مهارت‌های بیشتری بیاموزد. پس فرایندها نیز این امکان را دارند که باهوش باشند، مطالبه‌ها می‌توانند زنده باشند و مسیر خودشان را بدانند و خبر داشته باشند که برای تکمیل وظیفه خود، به چه داده‌هایی نیاز دارند. مطالبه‌ها حتی می‌توانند صبور باشند و بدانند که آماده‌سازی اطلاعات لازم چه مدت طول می‌کشد و درخواست دوباره برای دریافت اطلاعات ناموجود دقیقاً چه زمانی باید انجام بگیرد. مطالبه می‌تواند پیچیدگی خود، وضعیت خدمات، مهارت‌های لازم، مجوزهای مورد نیاز و موارد دیگر را درک کند و به سوی بهترین فرایند و منابع حرکت کند. برای نمونه، یک مطالبه می‌تواند درک کند که مطالبه‌ای از نوع ادعای خسارت کامل خودرو است و در نتیجه، فرایندی کوتاه‌تر و سریع‌تر خواهد داشت.
تخصیص پویای مسئولیت‌های شناختی مهم‌ترین اصل طراحی است؛ زیرا استفاده از آن به کل اکوسیستم مطالبه‌ها (یا هر اکوسیستم دیگری) اجازه می‌دهد که بدون نیاز به کنترل کامل در هر مرحله، بهبود پیدا کند. برای نمونه، جهت پیاده‌سازی مطالبات هوشمند در بخش خودرو، لازم نیست مشتریان روش ارتباط خود با بیمه‌کننده را تعیین کنند، بلکه می‌شود به آنها اجازه داد تا از هر طریقی که دوست دارند، با بیمه‌کننده تعامل داشته باشند و مطالبه هوشمند به‌مرور یاد بگیرد که یک مشتری یا تعمیرگاه خاص از چه طریقی با بیمه‌کننده در ارتباط است و پاسخگویی معمولاً چقدر زمان می‌برد. این مطالبه طبق همان چیزی که یاد گرفته، عمل خواهد کرد. چنین فرایندی نه صنعتی و سفت‌وسخت، بلکه بیونیک و انعطاف‌پذیر خواهد بود.
اگر وظیفه شناخت از نو بازتعریف ود، وقت کمتری تلف می‌شود و عملکردها متناسب با ظرفیت‌های موجود بهینه می‌شوند. افزون بر این، با هوشمندترشدن اکوسیستم، فرایندها تکامل بیشتری می‌یابند و می‌توانند مسئولیت‌های سنگین و سنگین‌تری بر عهده بگیرند. البته قرار نیست از همان آغاز کار، طراحی کامل و بدون نقصی داشته باشیم، بلکه می‌توانیم مسائل و مشکلات را یکی‌یکی پشت سر بگذاریم و به مرور زمان به تکامل برسیم، چون در اینجا، نه با سامانه‌ای خشک و مکانیکی، بلکه با اکوسیستمی زنده و پویا سروکار داریم.
اکنون سالهاست که سامانه‌های تسلیحاتی پیشرفته در هواپیماهای جنگنده با خلبان هم‌فکری دارند. گاهی اوقات پرواز هواپیما بر عهده خلبان است و سامانه تسلیحاتی وظیفه محافظت از هواپیما را بر عهده دارد. گاهی هم هواپیما در حالت پرواز خودکار است و خلبان روی سامانه‌های تسلیحاتی تمرکز دارد. این نوع تقسیم وظایف پویا به این معناست که در هر موقعیت مشخص، کسی که بهتر می‌تواند فکر کند، یعنی انسان یا ماشین، مسئولیت اداره امور را بر عهده دارد و فرایندی سفت‌وسخت و انعطاف‌ناپذیر در کار نیست. اکنون بیایید تصور کنیم مطالبات توانایی فکر کردن داشته باشند؛ در این صورت، هر مطالبه‌ای می‌داند که چه زمانی درخواست کمک کند و فقط وقتی از انسان کمک می‌خواهد که به داده‌های کافی و ساختار و قواعد مناسب دسترسی نداشته باشد. این نوع انطباق‌پذیری ادغامِ مولدِ اکوسیستم‌های پیچیده دیجیتال را که همه بیمه‌کنندگان با آنها سروکار دارند، امکان‌پذیر می‌کند. به عبارت دیگر، در اینجا دیگر با یادگیری ماشین مواجه نیستیم، بلکه با ماشینی طرفیم که می‌تواند یاد بگیرد و به‌مرور رشد کند و کارهای بیشتری انجام بدهد.
اصل دوم: تغییر روش تعامل با مشتریان و اکوسیستم
اصطکاک‌ها را از تمامی تعاملات حذف کنید
مشتریان امروز دیگر حاضر نیستند هیچ‌گونه ناسازگاری و اصطکاکی را تحمل کنند و تمایل دارند خدمات مورد نظرشان را در کوتاه‌ترین زمان و با بهترین کیفیت دریافت کنند. آنها می‌خواهند در هر زمان و مکانی که هستند، هر طور شده، کارشان انجام شود و انتظار دارند درباره وضعیت لحظه‌ایِ تک‌تک مراحل یک فرایند خاص اطلاع دقیق داشته باشند. روش قدیمی رسیدگی به مطالبات این بود که کارشناسی را مأمور می‌کردند تا وضعیت خودرو یا خانه حادثه‌دیده را بررسی کند و گزارش بدهد، اما اگر کسی خلاقیت داشته باشد، می‌تواند روند کار را تغییر دهد.
«اسنپ‌شیت» که نرم‌افزاری برای مدیریت مطالبات بیمه‌ای است، کل این فرایند را معکوس کرده است. یکی از قابلیت‌هایی که این نرم‌افزار در اختیار مشتریان می‌گذارد، این است که با استفاده از گوشی هوشمند خود از صحنه تصادف عکس بگیرند و در اختیار بیمه‌کننده بگذارند. بیمه‌کننده هم از تعمیرگاه‌های اطراف درباره هزینه‌های تعمیر خودرو پرس‌وجو می‌کند تا به تخمین درستی از میزان خسارت برسد. در چنین روالی، لازم نیست برای بازدید از صحنه تصادف یا خودرو حادثه‌دیده و ارزیابی میزان خسارت، کارشناس اعزام شود. به این ترتیب، اصطکاک با مشتری کاهش می‌یابد و وقت کمتری تلف می‌شود. اما مشکل اینجاست که بعضی از مشتریان اعتمادبه‌نفس کافی برای عکس‌برداری از صحنه حادثه ندارند یا اینکه نمی‌خواهند در چنان موقعیتی، از اپلیکیشن موبایلی استفاده کنند. به همین دلیل، توسعه‌دهندگان اسنپ‌شیت به مشتری اجازه داده‌اند که فرایند دریافت خسارت را از طریقی آغاز کند که برایش سریع‌تر یا آسان‌تر است. اکنون نزدیک به 10 سال است که اسنپ‌شیت به‌دنبال حذف اصطکاک‌هاست و همچنان هم به این کار ادامه می‌دهد.
می‌شود این جمله کلیشه‌ای را تکرار کرد که «همه‌چیز در فناوری خلاصه نمی‌شود»، ولی مشاهده و بررسی فرایندها و تلاش برای کاهش اصطکاک با مشتری نیازمند آن است که نسبت به یادگیری، تطبیق‌پذیری، سازمان‌دهی مجدد و حتی بازآفرینی بعضی از عملکردهای اصلی در سراسر اکوسیستم اشتیاق داشته باشیم. اگر با مطالبات هوشمندی سروکار داشته باشیم که زمینه و موقعیت خودشان را بشناسند، می‌توانیم چیزی را که در اکوسیستم مطالبات اتفاق می‌افتد، به خواسته‌های مشتریان نزدیک کنیم. اگر به جای اینکه روی وظیفه‌ای مشخص تمرکز کنیم، کل اکوسیستم را در نظر بگیریم، حوزه جدیدی از فرصت‌ها در برابرمان ظاهر خواهد شد. برای نمونه، یکی از حوزه‌هایی که می‌شود به بازطراحی آن اندیشید، حوزه پرداخت‌های مالی است. در حال حاضر، بیش از ۷۵ درصد از پرداخت‌ها همچنان از طریق چک کاغذی انجام می‌شود، در حالی که می‌شود بعد از تأیید هر کدام از مراحل فرایندی مانند تعمیر خانه یا ماشین، پرداخت‌های لازم به‌صورت لحظه‌ای انجام شود. نیازی هم به توضیح این نکته نیست که همه دوست دارند پول‌شان را هرچه سریع‌تر دریافت کنند.
یکی دیگر از تأخیرهای قابل توجه به پردازش فرایندهای مرتبط با جبران کامل خسارت مربوط می‌شود. برای پیش‌بردن این نوع فرایندهای پیچیده، متصدی باید شیوه تعامل با کارپردازان دیگر را تغییر بدهد. اگر سرعت تبادل اطلاعات بین تمام طرف‌های درگیر افزایش یابد و همزمان گردش کار بیمه و جبران خسارت انجام بگیرد، سرعت اجرای چنین فرایندهایی بیشتر خواهد شد. انجام چنین اقداماتی می‌تواند تکمیل فرایند را چند روز یا حتی چند هفته سریع‌تر کند. برای نمونه، در حادثه‌هایی مانند تصادف اتومبیل، بیمه‌گر می‌تواند اتومبیل حادثه‌دیده را سریع‌تر بفروشد و زودتر با مشتری تسویه‌حساب کند.
اصل سوم: تغییر شیوه تغییردادن
به جای اینکه چیزی را از نو بسازید، به فکر نوسازی آن باشید
مهم‌ترین نکته در تکامل دیجیتال این است که نحوه اصلاحات را تغییر بدهید. اکنون دیگر سالهاست که با ایده بهینه‌سازی مستمر درگیریم. دست‌کم بعد از دهه ۱۹۵۰ که «ادوارد دمینگ» طلایه‌دار جنبش کیفیت شد، با این مفهوم آشنا شده‌ایم. در همین راستا، اکثر شرکت‌های بیمه هزینه‌های لازم برای بازسازی کامل فناوری‌هایشان را ارزیابی کرده‌اند و به این نتیجه رسیده‌اند که انجام چنین کاری به سرمایه‌گذاری هنگفتی نیاز دارد و بازدهی این سرمایه‌گذاری هم نامشخص است؛ بنابراین کنار گذاشتن فناوری‌های موجود و پیاده‌سازی مجموعه‌ای از فناوری‌های جدید احتمالاً مقرون‌به‌صرفه نخواهد بود.
در حال حاضر، ابزارهای جدید زیادی برای کمک به یکپارچه‌سازی سامانه‌های جدید و قدیمی وجود دارد. برای نمونه، ابزارهای اتوماسیون رباتیک به فرایندی که آن را یکپارچه‌سازی مبتنی بر ارزش می‌نامیم، کمک می‌کنند. شرکت‌ها با استفاده از چنین ابزارهایی می‌توانند چندین سامانه قدیمی را با یکدیگر ادغام و بسته‌ای واحد ایجاد کنند که قابلیت برقراری ارتباط با سامانه‌های دیگر را دارد. به این ترتیب، بدون نیاز به بازسازی و ارتقای کل سیستم، نتایج جدیدی حاصل می‌شود که امکان ارائه آن از طریق هر دستگاهی وجود دارد. این روش ماژول‌های مفیدی از فرایندها و وظیفه‌ها و فناوری‌ها پدید می‌آورد که امکان بهینه‌سازی و ارتقای مستمر آنها وجود دارد؛ بدون اینکه لازم باشد کل سامانه در هر مرحله از به‌روزرسانی تعطیل شود.
با تکیه بر معماری جدید APIها، می‌توان کارها را تقسیم‌بندی و شیءگراتر کرد. در نتیجه، طراحی جریان وظیفه‌ها و فرایندها در داخل و خارج سازمان انعطاف‌پذیرتر می‌شود. اگر از این شیوه درست استفاده شود، محیط یادگیری چابک‌تر و سازگارتر خواهد بود. در چنین شرایطی، تعداد زیادی از مراحل حذف و سایر مراحل فشرده می‌شود و در نتیجه، مدت‌زمان خدمات‌رسانی، فروش و هر نوع تعامل دیگری کاهش می‌یابد. افزون بر این، مجموعه جدیدی از داده‌های دقیق و حسابرسی‌شده ایجاد می‌شود که برای یادگیری ماشین و بهینه‌سازی‌های بعدی بسیار مفید است. با انباشت این سرمایه شناختی، می‌توان در کوتاه‌مدت، به افزایش بهره‌وری نیروی کار و ارتقای تجربه مشتری امیدوار بود و داده‌هایی ارزشمند برای بهینه‌سازی‌های بعدی در اختیار داشت.
بد نیست دوباره تأکید کنیم که در عصر بیونیک، باید سامانه‌ها را هوشمند، زنده و روبه‌تکامل تصور کنیم. مهم‌ترین تصمیم‌گیری در مورد طراحی به تصمیم‌گیری درباره رابط برنامه‌های کاربردی، یا همان APIها و البته ماژولار بودن سامانه‌ها مربوط می‌شود.
برای نمونه، «جف بزوس» در اوایل دهه ۲۰۰۰ اعلام کرد که آمازون از APIهای رایج استفاده خواهد کرد. نتیجه چنین تصمیمی این بود که آمازون می‌توانست بدون اینکه در فرایندها و پایگاه کد شرکت اختلالی ایجاد شود، عملکردهای لازم را اضافه و عملکردهای غیرضروری را حذف کند. در نتیجه، آمازون می‌تواند با هزینه کمتری در هر واحد به پیچیدگی‌ها رسیدگی کند؛ زیرا پیچیدگی‌ها به ماژول‌ها محدود می‌شوند و ارتباطی با کل سامانه پیدا نمی‌کنند. اکثر رقیبان آمازون چنین مزیتی ندارند. برای نمونه، اگر بخواهید در وب‌سایت فروشگاه زنجیره‌ای «میسیز» سابقه خریدهایتان را ببینید، متوجه عملکرد ضعیف APIهای این فروشگاه خواهید شد.
پس اگر بخواهیم نگاه‌مان را به جای بازسازی، بر نوسازی معطوف کنیم، باید تفکر ماژولار را در پیش بگیریم. ممکن است عده‌ای تصور کنند که این رویکرد به پیشرفتی جزئی ختم خواهد شد، ولی بعضی از مهم‌ترین نوآوری‌ها در طول تاریخ بشر با ادغام فناوری‌های موجود حاصل شده‌اند. البته این ادغام باید به گونه‌ای باشد که به اکوسیستم‌های مستقر و موجود اجازه دهد با یکدیگر تعامل سازنده داشته باشند. بازار بین‌المللی ارز و اینترنت نمونه‌هایی از این دست نوآوری‌ها به حساب می‌آیند. در جهان بیونیک، بالاترین ارزش معمولاً از طریق نوسازی و ترکیب اکوسیستم‌های موجود حاصل می‌شود، نه اینکه از صفر شروع کنند و اکوسیستمی کامل به وجود بیاورند.
اصل چهارم: تغییر سرعت و جهت اثرگذاری تصمیمات
کارهای ساده و تکراری را به عهده هوش مصنوعی بگذارید
تکامل معمولاً ترکیبی از بهبودهای ساده و پیچیده است. بعضی از پیشرفت‌ها به‌مرور و در طول زمان اتفاق می‌افتند و بعضی دیگر، سریع و حتی ناگهانی رخ می‌دهند. چهارمین اصل طراحی بیونیک این است که برای کارهای بسیار سطح پایین و بسیار سطح بالا، از هوش مصنوعی استفاده کنیم. هوش مصنوعی کمک می‌کند تا کارهای سطح پایین و پیش‌پاافتاده با سرعت و دقت بیشتری انجام شود؛ زیرا این فناوری می‌تواند با سرعت بیشتری به اطلاعات و ساختارهای موجود دسترسی داشته باشد و محاسبات لازم را با سرعت و دقت بیشتری انجام دهد. وظیفه‌های ساده و تکراری زیادی وجود دارد که هوش مصنوعی می‌تواند به انجام‌شان کمک کند که یکی از آنها تجزیه‌وتحلیل دقیق عکس‌های مربوط به حوادث مختلف است. حتی ساده‌ترین بهره‌گیری از هوش مصنوعی می‌تواند سرعت و دقت انجام امور را به میزان چشم‌گیری افزایش دهد.
تخمین خسارت تصادفات شدید یکی از کارهای سطح بالایی است که می‌توان در آینده بر عهده هوش مصنوعی گذاشت. چنین کاربردی از هوش مصنوعی مانند تلسکوپی برای ذهن انسان عمل می‌کند و به انسان اجازه می‌دهد مجموعه‌داده‌های بسیار بزرگ را بکاود و به‌دنبال حل‌وفصل مسائلی بسیار پیچیده باشد که بدون استفاده از این فناوری امکان‌پذیر نیست.
برای نمونه، می‌توان موتور تخمین هوشمندی طراحی کرد و با استفاده از میلیون‌ها عکس از صحنه تصادف آن را تعلیم داد و با بهره‌گیری از آن، خسارت‌های مربوط به حوادث رانندگی را ارزیابی کرد. نمونه دیگر این است که با استفاده از هوش مصنوعی، الگوهای رفتاری مشتریان را پیدا کنیم، الگوی کار تعمیرگاه‌ها را درک کنیم و به‌دنبال دسته‌بندی انواع تصادف جاده‌ای باشیم. دقت داشته باشید که برای پیاده‌سازی چنین طرح‌هایی، به مجموعه بزرگی از داده‌های مرتبط نیاز داریم.
اصل پنجم: تغییر اقتصاد
از اقتصاد بیونیک نهایت استفاده را ببرید
چه‌بسا مهم‌ترین قدرت داروینیسم دیجیتال سرعت تغییرات در هسته‌های اقتصادی است. به همین دلیل است که پنجمین و آخرین اصل طراحی بیونیک را استفاده از سامانه‌های تجاری که بهترین اقتصاد را در اختیار دارند، در نظر گرفته‌ایم. این اقتصاد باید بر پایه سرعت، مقیاس‌پذیری و شکل‌های جدید سرمایه پیش برود. تردیدی نیست که در این ترکیب جدید انسان و ماشین، تصمیم‌گیری با سرعت بیشتری انجام می‌شود. اسنپ‌شیت گزارش داده که بهره‌وری کارمندانش پنج‌برابر کارمندان سایر شرکت‌هاست. آمار جالبی که دلیلش استفاده از فناوری شناختی عالی و یادگیری ماشین است. ماشین یادگیرنده هرچه بیشتر از داده‌ها و تراکنش‌ها تغذیه کند، سرعت و دقت آن افزایش می‌یابد. مترجم گوگل نرم‌افزار بسیار خوبی است، به این دلیل که با میلیاردها کتاب و مقاله به چندین و چند زبان دنیا تغذیه شده است. این حجم عظیم از داده سرعت یادگیری این نرم‌افزار را بسیار افزایش داده است. مطالبات نیز همین وضعیت را دارند. اگر سرعت یادگیری مطالبات بالا باشد، هم زحمت نیروی کار انسانی کاهش می‌یابد و هم سرعت پاسخگویی و تکمیل فرایندها بیشتر می‌شود. در فرایند پردازش مطالبات، مانند بسیاری از امور زندگی، گذر زمان می‌تواند اوضاع را بدتر کند؛ زیرا مشتریان بی‌تاب و کم‌حوصله، خدمات بیشتری تقاضا می‌کنند و ممکن است شرکت متحمل هزینه‌های اضافی مانند هزینه اجاره و انبارداری شود.
از نظر مقیاس، شبکه‌های کامپیوتری بزرگ‌تر معمولاً اقتصاد بهتر و قوی‌تری هم دارند. برای نمونه، فضای ابری هزینه‌های سازمان را انعطاف‌پذیر می‌کند. اگر سازمان یا شرکت به فضای بیشتری نیاز داشته باشد، می‌تواند خیلی ساده فضای بیشتری اجاره کند، بدون اینکه لازم باشد مستقیماً سخت‌افزار یا نرم‌افزار جدیدی بخرد. به‌علاوه، این شرکت می‌تواند از مزایای اقتصادی که پشتیبان شبکه ابری است، بهره ببرد. مزایایی از قبیل قدرت خرید فوق‌العاده ارائه‌دهنده فضای ابری، بهره‌وری انرژی، سیستم‌عامل سفارشی و نرم‌افزارهایی که می‌توانند مزایای متنوع دیگری ارائه بدهند. در چنین شبکه‌ای، نقاط پایانی یا اِندپوینت‌های بسیار زیادی وجود دارد که یکی دیگر از مزایای مقیاس بزرگ است. مردم به این دلیل از موتور جست‌وجوی گوگل استفاده می‌کنند که شبکه لینک‌های گوگل بزرگ‌تر و بهتر از تمام رقیبان دیگر است. شرکت‌هایی هم که برای فعالیت‌های مهم کسب‌وکار، فضای ابری ارائه می‌دهند نیز می‌توانند شبکه‌ای در مقیاس جهانی داشته باشند که از شبکه همه رقیبان دیگر، البته به‌جز برخی رقیبان بزرگ، بزرگ‌تر و بهتر باشد.
در نهایت اینکه بزرگ‌ترین بازیگران بیونیک مشغول جمع‌آوری و انباشت سه نوع سرمایه‌اند؛ سرمایه رفتاری، سرمایه شناختی و سرمایه شبکه‌ای. سرمایه رفتاری توانایی ردگیری، تحلیل و مدل‌سازی رفتار مشتریان، دستگاه‌ها و خدمات‌دهندگان یک اکوسیستم است. بیش از ۷۰ درصد دارایی‌های «یونایتد رنتالز» که کارش اجاره‌دادن تجهیزات است، به شبکه متصل است و قرار است این نسبت به ۱۰۰ درصد برسد؛ در نتیجه این شرکت می‌تواند موقعیت مکانی، کارکرد و وضعیت نگهداری همه دارایی‌هایش را زیر نظر داشته باشد. به چنین اطلاعاتی سرمایه رفتاری می‌گویند.
سرمایه شناختی مجموعه‌ای از هوش مصنوعی، الگوریتم‌ها و دانش‌های خودکار دیگر است که می‌شود آنها را بهینه کرد و بارها و بارها به کارشان گرفت. سرمایه شناختی هرچه غنی‌تر شود، سازمان‌های بیشتری می‌توانند از نیروی کار و دارایی‌هایی خود بهترین استفاده را ببرند.
سرمایه شبکه‌ای نیز به نحوه اتصال شرکت به شبکه دسترسی مشتریان و تأمین‌کنندگان مربوط می‌شود. برای نمونه، همه شرکت‌های تولیدکننده محصولات مصرفی باید استراتژی مشخصی برای حضور در پلتفرم‌هایی مانند آمازون و علی‌بابا داشته باشند؛ زیرا این دو شرکت غول‌آسا گسترده‌ترین و غنی‌ترین سرمایه شبکه‌ای را برای محصولات مصرفی دارند. در رقابت بیونیک، شرکت‌ها باید برای استفاده از خدمات ابری استراتژی مشخصی داشته باشند؛ با این هدف که از شکل‌های جدید سرمایه برای ایجاد اقتصادی بهتر و قوی‌تر بهره ببرند.
