Yritykset eivät ota tekoälyä käyttöön ilman eteenpäin sijoitettuja insinöörejä? Ovatko tuloluvut tietomerkintäyritysten julkaisemia todellisia tuloja vai GMV:tä? Data-labeling-markkinoilla on 8+ toimijaa, joilla on 100 miljoonaa dollaria ARR:ssa, kuka voittaa? Kuka häviää? Ovatko tekoälyn lahjakkuusmarkkinat kuolleita? Täytyykö sinun olla mukana myös datan kuratointi- ja toteutustyössä? @InvTechInc on yksi markkinoiden salaisista jättiläisistä, sillä on 200 miljoonan dollarin ARR ja joitakin maailman suurimmista yrityksistä. Spotify 👉 Youtube 👉 Apple Podcastit 👉 Viisi parasta oppiani, kun istuin alas heidän toimitusjohtajansa Matthew Fitzpatrickin 👇 kanssa

1. Yritystekoäly on yhä ensimmäisessä vuorossa Käyttöönotto yrityksessä on paljon muutakin kuin pelkkiä malleja, vaan datainfrastruktuuria, työnkulkujen uudistusta, vastuullisuutta, luottamusta ja havaittavuutta. Tämä on kuin luottomallien rakentamista pankkialalla, malliriskien hallinnalla, testauksella, koulutuksella ja validoinnilla. Uskon, että yritysten tekoälyn käyttöönotto on vasta alkuvaiheessa ja vie vuosikymmenen, ei kahta vuotta. Mitä kukaan ei näe yritysten tekoälyn käyttöönotossa, mitä kaikkien pitäisi nähdä @chetanp @RichardSocher @lqiao @peakji

2. Yrityksen tekoälyä täytyy myydä todisteiden, ei lupausten avulla Yksinkertaisin neuvoni on aloittaa käsitteiden todistamisesta, aloita ratkaisusprinteistä. He eivät maksa dollariakaan ennen kuin todistat, että teknologia toimii, teemme sen ilmaiseksi kahdeksan viikon ajan. Jos tekniikkasi toimii, näytät sen. Miten neuvot perustajia POC-asioissa @maggie_hott @ajtennant @mark_goldberger

3. Eteenpäin sijoitetut insinöörit (FDE:t) ovat kriittisiä todellisessa työnkulun upottamisessa Laatikon ulkopuolinen tekoäly harvoin jää käyttöön. Kun muutos vaatii käyttöönottoa, vain operaattoreiden kanssa paikan päällä olevat tiimit voivat sovittaa työkalut todellisiin prosesseihin. FDE:t kurovat tämän kuilun umpeen, ilman niitä projektit pysähtyvät tai palaavat pilotiksi. Oletko samaa mieltä siitä, että FDE:t ovat välttämättömiä, jotta yritys voi todella toimia @BrendanFoody @jonsidd @GarrettLord

4. Mallin suorituskyvyn ja yrityskäyttöönoton välillä kasvaa kuilu Julkiset vertailutulokset osoittavat 40–60 % parannuksia mallitarkkuudessa. 60 % kuluttajista käyttää tekoälyä nyt viikoittain, mutta vain ~5 % yrityskäyttöönotosta on käytössä tänään. Tämän kuilun kaventaminen vaatii paitsi parempia malleja myös datainfrastruktuuria, työnkulkujen uudelleensuunnittelua, vastuullisuutta, luottamusta ja havaittavuutta. Mitkä ovat mielestäsi suurimmat esteet yritysten tekoälyn käyttöönotolle @levie @benioff @jasonlk @ivanhzhao

5. Ihmisen tuottama data ja asiantuntemus tulevat olemaan seuraavan vuosikymmenen kasvun myötätuuli Synteettinen data toimii selkeisiin tehtäviin, mutta monimutkaista, monimuotoista, monikielistä ja monivaiheista päättelyä vaatii huolellisia inhimillisiä oivalluksia. Yritykset investoivat voimakkaasti todellisten työnkulkujen keräämiseen, validointiin ja hienosäätöön. Miten synteettisen datan yleistyminen vaikuttaa ihmisen tuottaman datamarkkinan @ashugarg @jrichlive @gokulr