Bedrifter vil ikke ta i bruk AI uten fremoverutplasserte ingeniører? Er inntektstallene fra dataetiketteringsselskaper ekte inntekter eller GMV? Det finnes 8+ aktører i datamerkingsmarkedet med 100 millioner dollar i ARR, hvem vinner? Hvem taper? Er AI-talentmarkedene døde? Må du også være med i datakuratering og implementering? @InvTechInc er en av de hemmelige gigantene på markedet med 200 millioner dollar i ARR og noen av verdens største selskaper som kunder. Spotify 👉 Youtube 👉 Apple Podcasts 👉 Mine topp 5 lærdommer fra å sette seg ned med deres administrerende direktør, Matthew Fitzpatrick 👇,

1. Enterprise AI er fortsatt i første omgang Implementering i virksomheten handler om mye mer enn bare modeller, det er datainfrastruktur, arbeidsflytredesign, ansvarlighet, tillit og observabilitet. Dette er som å bygge kredittmodeller i bankvesenet, med modellrisikostyring, testing, opplæring og validering. Jeg tror implementering av enterprise AI er i første omgang og vil ta et tiår, ikke to år. Hva ser ingen ved AI-implementering i bedrifter som alle burde se @chetanp @RichardSocher @lqiao @peakji

2. Du må selge bedrifts-AI gjennom bevis, ikke løfter Det enkleste rådet jeg gir er å starte med proof of concept, start med solution sprints. De betaler ikke en dollar før du beviser at teknologien fungerer, vi gjør det gratis i åtte uker. Hvis teknologien din fungerer, vil du vise det. Hvordan gir du råd til gründere om POC-er @maggie_hott @ajtennant @_goldberger

3. Fremoverutplasserte ingeniører (FDE) er avgjørende for ekte arbeidsflytinnbygging Uferdig AI fester seg sjelden. Når endring krever innføring, er det kun team som er innebygd på stedet sammen med operatører som kan tilpasse verktøyene til reelle prosesser. FDE-er bygger bro over gapet, uten dem stopper prosjektene opp eller går tilbake til piloter. Er du enig i at FDE-er er nødvendige for at virksomheten skal kunne tas i bruk for å fungere @BrendanFoody @jonsidd @GarrettLord

4. Det er et økende gap mellom modellytelse og adopsjon i virksomheter Offentlige referanseindekser viser 40–60 % økning i modellnøyaktighet. 60 % av forbrukerne bruker nå AI ukentlig, men bare ~5 % av bedriftsutrullinger er i sanntid i dag. Å tette dette gapet krever ikke bare bedre modeller, men også datainfrastruktur, arbeidsflytredesign, ansvarlighet, tillit og observabilitet. Hva er de største barrierene for AI-adopsjon i bedrifter etter din mening @levie @benioff @jasonlk @ivanhzhao

5. Menneskeskapte data og ekspertise vil være vekstmedvinden for det neste tiåret Syntetiske data fungerer for klare oppgaver, men komplekse, multimodale, flerspråklige, flertrinns resonnement krever kuraterte menneskelige innsikter. Bedrifter vil investere tungt i å samle inn, validere og finjustere arbeidsflyter i den virkelige verden. Hvordan påvirker fremveksten av syntetiske data markedet for menneskeskapte data@ashugarg @jrichlive @gokulr