Le imprese non adotteranno l'AI senza ingegneri schierati in prima linea? I numeri di fatturato pubblicati dalle aziende di etichettatura dei dati sono fatturato reale o GMV? Ci sono più di 8 attori nel mercato dell'etichettatura dei dati con 100 milioni di dollari in ARR, chi vince? Chi perde? I mercati del talento AI sono morti? Devi essere anche nel gioco della curatela e implementazione dei dati. @InvTechInc è uno dei colossi segreti del mercato con 200 milioni di dollari di ARR e alcune delle più grandi aziende del mondo come clienti. Spotify 👉 Youtube 👉 Apple Podcasts 👉 Le mie 5 principali lezioni dopo aver parlato con il loro CEO Matthew Fitzpatrick 👇

1. L'AI aziendale è ancora nel primo inning Il deployment nell'azienda è molto più che semplici modelli, è infrastruttura dati, ridisegno dei flussi di lavoro, responsabilità, fiducia e osservabilità. È come costruire modelli di credito nel settore bancario, con gestione del rischio dei modelli, test, formazione e validazione. Penso che il deployment dell'AI aziendale sia nel primo inning e richiederà un decennio, non due anni. Cosa non vede nessuno riguardo al deployment dell'AI aziendale che tutti dovrebbero vedere @chetanp @RichardSocher @lqiao @peakji

2. Devi vendere l'AI aziendale attraverso prove, non promesse Il consiglio più semplice che do è di iniziare con prove di concetto, iniziare con sprint di soluzione. Non pagano un dollaro finché non dimostri che la tecnologia funziona, lo faremo gratuitamente per otto settimane. Se la tua tecnologia funziona, lo mostrerai. Come consigli i fondatori sui POC @maggie_hott @ajtennant @mark_goldberger

3. Gli Ingegneri Inoltrati (FDE) Sono Fondamentali per una Vera Integrazione del Workflow L'AI pronta all'uso raramente funziona. Quando il cambiamento richiede adozione, solo i team integrati in loco con gli operatori possono allineare gli strumenti ai processi reali. Gli FDE colmano quel divario; senza di loro, i progetti si bloccano o tornano a essere piloti. Sei d'accordo che gli FDE siano necessari affinché l'adozione aziendale funzioni davvero @BrendanFoody @jonsidd @GarrettLord

4. C'è un divario crescente tra le prestazioni dei modelli e l'adozione da parte delle imprese I benchmark pubblici mostrano guadagni del 40–60% nella precisione dei modelli. Il 60% dei consumatori ora utilizza l'AI settimanalmente, ma solo ~5% delle implementazioni aziendali sono attive oggi. Colmare questo divario richiede non solo modelli migliori, ma anche infrastrutture dati, riprogettazione dei flussi di lavoro, responsabilità, fiducia e osservabilità. Quali sono, secondo te, i principali ostacoli all'adozione dell'AI nelle imprese @levie @benioff @jasonlk @ivanhzhao

5. I dati generati dagli esseri umani e l'expertise saranno il motore di crescita del prossimo decennio I dati sintetici funzionano per compiti ben definiti, ma il ragionamento complesso, multi-modale, multi-lingua e multi-fase richiede intuizioni curate da parte degli esseri umani. Le imprese investiranno pesantemente nella raccolta, validazione e ottimizzazione dei flussi di lavoro nel mondo reale. In che modo l'ascesa dei dati sintetici influisce sul mercato dei dati generati dagli esseri umani @ashugarg @jrichlive @gokulr