企業は前方に展開するエンジニアなしでAIを採用しないのでしょうか? データラベリング会社から発表された収益数字は実際の収益ですか、それともGMVですか? データラベリング市場には1億ドルのARRを持つ8+プレイヤーがいますが、どちらが勝つのでしょうか?誰が負ける? AI人材市場は死んでしまったのでしょうか?データキュレーションや実装の分野にも関わらなければならないのでしょうか? @InvTechIncは市場で2億ドルのARRと世界最大級の企業を顧客とする秘密の巨大企業の一つです。 Spotify 👉 YouTubeで 👉 アップル・ポッドキャスト 👉 CEOのマシュー・フィッツパトリック👇と話を聞いた私のトップ5の教訓

1. エンタープライズAIはまだ1回表にいる 企業での展開は単なるモデル以上のものであり、データインフラ、ワークフローの再設計、責任、信頼、そして観察可能性に関わっています。 これは銀行業で信用モデルを構築するようなもので、モデルのリスク管理、テスト、トレーニング、検証を行います。 エンタープライズAIの導入はまだ初期段階で、2年ではなく10年かかると思います。 エンタープライズAI導入について、誰もが見るべきであって誰も気づいていないことは何でしょうか@chetanp @RichardSocher @lqiao @peakji

2. エンタープライズAIは約束ではなく証明を通じて売らなければなりません 私が最も簡単にアドバイスするのは、まず概念実証から始め、解のスプリントから始めることです。 技術が機能することを証明するまで一ドルも払わない。8週間無料でやる。 技術が動けば、それを証明する。 創業者にPOCについてどのように助言します@maggie_hott @ajtennant @mark_goldberger

3. 前方展開エンジニア(FDE)は、真のワークフロー埋め込みに不可欠です 即時的なAIはめったに定着しません。 変化の導入が必要な場合、オペレーターと現場に組み込まれたチームだけが、ツールを実際のプロセスに合わせることができます。 FDEはそのギャップを埋める役割を果たし、それがなければプロジェクトは停滞したりパイロットに戻ったりします。 企業の導入にFDEが必要だと同意しますか@BrendanFoody @jonsidd @GarrettLord

4. モデルのパフォーマンスと企業の採用の間には拡大するギャップがあります 公開ベンチマークではモデル精度が40〜60%向上しています。 現在、消費者の60%が週にAIを使用していますが、現在稼働しているエンタープライズ導入のうちわずか5%に過ぎません。 このギャップを埋めるには、より良いモデルだけでなく、データインフラ、ワークフローの再設計、説明責任、信頼、そして観察可能性も必要です。 あなたの考える企業向けAI導入における最大の障壁は何ですか@levie @benioff @jasonlk @ivanhzhao

5. 人間が生成したデータと専門知識が、次の10年の成長の追い風となる 合成データは明確な作業には適していますが、複雑で多様式・多言語・多段階の推論には、厳選された人間の洞察が必要です。 企業は実際のワークフローの収集、検証、微調整に多大な投資をします。 合成データの台頭は人間生成データ市場にどのような影響を与える@ashugarg @jrichlive @gokulr