Unternehmen werden KI nicht ohne vorab eingesetzte Ingenieure übernehmen? Sind die Umsatzahlen von Datenkennzeichnungsunternehmen echte Einnahmen oder GMV? Es gibt über 8 Akteure im Datenkennzeichnungsmarkt mit 100 Millionen USD ARR, wer gewinnt? Wer verliert? Sind KI-Talentmarktplätze tot? Muss man auch im Bereich Datenkuratierung und -implementierung tätig sein? @InvTechInc ist einer der geheimen Giganten auf dem Markt mit 200 Millionen USD ARR und einigen der größten Unternehmen der Welt als Kunden. Spotify 👉 Youtube 👉 Apple Podcasts 👉 Meine Top 5 Lektionen aus dem Gespräch mit ihrem CEO Matthew Fitzpatrick 👇

1. Unternehmens-AI befindet sich noch im ersten Inning Die Implementierung in Unternehmen umfasst viel mehr als nur Modelle, es geht um Dateninfrastruktur, Workflow-Neugestaltung, Verantwortlichkeit, Vertrauen und Beobachtbarkeit. Das ist vergleichbar mit dem Aufbau von Kreditmodellen im Bankwesen, mit Risikomanagement für Modelle, Tests, Schulungen und Validierung. Ich denke, die Implementierung von Unternehmens-AI befindet sich im ersten Inning und wird ein Jahrzehnt dauern, nicht zwei Jahre. Was sieht niemand über die Implementierung von Unternehmens-AI, das jeder sehen sollte @chetanp @RichardSocher @lqiao @peakji

2. Sie müssen Enterprise AI durch Beweise verkaufen, nicht durch Versprechen Der einfachste Rat, den ich gebe, ist, mit Machbarkeitsstudien zu beginnen, mit Lösungssprints zu beginnen. Sie zahlen keinen Dollar, bis Sie beweisen, dass die Technologie funktioniert, wir machen es acht Wochen lang kostenlos. Wenn Ihre Technologie funktioniert, werden Sie es zeigen. Wie beraten Sie Gründer zu POCs @maggie_hott @ajtennant @mark_goldberger

3. Vor-Ort-Eingesetzte Ingenieure (FDEs) sind entscheidend für die echte Integration von Arbeitsabläufen Standard-AI bleibt selten haften. Wenn Veränderungen eine Akzeptanz erfordern, können nur vor Ort mit den Betreibern eingebettete Teams die Werkzeuge an reale Prozesse anpassen. FDEs überbrücken diese Lücke; ohne sie stagnieren Projekte oder kehren zu Pilotprojekten zurück. Stimmen Sie zu, dass FDEs für die tatsächliche Unternehmensakzeptanz erforderlich sind @BrendanFoody @jonsidd @GarrettLord

4. Es gibt eine wachsende Kluft zwischen der Modellleistung und der Unternehmensadoption Öffentliche Benchmarks zeigen 40–60% Verbesserungen in der Modellgenauigkeit. 60% der Verbraucher nutzen jetzt wöchentlich KI, aber nur ~5% der Unternehmensimplementierungen sind heute live. Diese Kluft zu schließen erfordert nicht nur bessere Modelle, sondern auch Dateninfrastruktur, Neugestaltung von Arbeitsabläufen, Verantwortlichkeit, Vertrauen und Beobachtbarkeit. Was sind Ihrer Meinung nach die größten Hindernisse für die Unternehmensadoption von KI @levie @benioff @jasonlk @ivanhzhao

5. Menschlich erzeugte Daten und Expertise werden der Wachstumsmotor des nächsten Jahrzehnts sein. Synthetische Daten funktionieren bei klaren Aufgaben, aber komplexe, multimodale, mehrsprachige und mehrstufige Überlegungen erfordern kuratierte menschliche Einblicke. Unternehmen werden stark in das Sammeln, Validieren und Feinabstimmen von realen Arbeitsabläufen investieren. Wie wirkt sich der Anstieg synthetischer Daten auf den Markt für menschlich erzeugte Daten aus @ashugarg @jrichlive @gokulr