Companiile nu vor adopta AI fără ingineri implementați în avans? Sunt cifrele de venituri publicate de companiile de etichetare a datelor venituri reale sau GMV? Sunt 8+ jucători pe piața etichetării datelor cu 100 milioane de dolari în ARR, cine câștigă? Cine pierde? Sunt piețele de talente AI moarte? Trebuie să fii implicat și în domeniul curației și implementării datelor? @InvTechInc este unul dintre giganții secreți de pe piață, cu un ARR de 200 de milioane de dolari și unele dintre cele mai mari companii din lume ca clienți. Spotify 👉 Youtube 👉 Apple Podcasts 👉 Top 5 lecții ale mele de la starea de vorbă cu CEO-ul lor, Matthew Fitzpatrick 👇

1. Enterprise AI este încă în prima repriză Implementarea în mediul enterprise înseamnă mult mai mult decât modele, ci infrastructură de date, reproiectare a fluxurilor de lucru, responsabilitate, încredere și observabilitate. Este ca și cum ai construi modele de credit în domeniul bancar, cu managementul riscului modelelor, testarea, instruirea și validarea. Cred că implementarea AI enterprise este în prima repriză și va dura un deceniu, nu doi. Ce nu vede nimeni despre implementarea AI în întreprinderi pe care toată lumea ar trebui să o vadă @chetanp @RichardSocher @lqiao @peakji

2. Trebuie să vinzi AI enterprise prin dovezi, nu prin promisiuni Cel mai simplu sfat pe care îl dau este să începi cu dovada de concepte, apoi cu sprinturi de soluții. Nu plătesc niciun dolar până nu dovedești că tehnologia funcționează, o facem gratuit timp de opt săptămâni. Dacă tehnologia ta funcționează, o vei arăta. Cum îi sfătuiești pe fondatori în privința persoanelor de @maggie_hott @ajtennant @mark_goldberger

3. Inginerii desfășurați înainte (FDE) sunt esențiali pentru o adevărată încorporare a fluxului de lucru AI-ul gata de fabrică rar funcționează. Când schimbarea necesită adoptare, doar echipele integrate la fața locului împreună cu operatori pot alinia uneltele cu procese reale. FDE-urile acoperă această diferență, fără ele, proiectele stagnează sau revin la pilot. Sunteți de acord că FDE-urile sunt necesare pentru ca adoptarea întreprinderilor să funcționeze cu adevărat @BrendanFoody @jonsidd @GarrettLord

4. Există o diferență tot mai mare între performanța modelului și adoptarea întreprinderilor Benchmark-urile publice arată creșteri de acuratețe a modelelor între 40 și 60%. 60% dintre consumatori folosesc acum AI săptămânal, însă doar ~5% dintre implementările enterprise sunt disponibile astăzi. Reducerea acestui decalaj necesită nu doar modele mai bune, ci și infrastructură de date, reproiectarea fluxurilor de lucru, responsabilitate, încredere și observabilitate. Care sunt, în opinia ta, cele mai mari bariere în adoptarea AI la nivel enterprise @levie @benioff @jasonlk @ivanhzhao

5. Datele generate de oameni și expertiza vor fi vântul din spate al creșterii în următorul deceniu Datele sintetice funcționează pentru sarcini clare, dar raționamentul complex, multi-modal, multi-lingv, în mai multe etape, necesită perspective umane curate. Companiile vor investi masiv în colectarea, validarea și ajustarea fine a fluxurilor de lucru din lumea reală. Cum afectează creșterea datelor sintetice piața datelor generate de om @ashugarg @jrichlive @gokulr