Предприятия не будут внедрять AI без развернутых инженеров? Реальны ли цифры доходов, опубликованные компаниями по маркировке данных, или это GMV? На рынке маркировки данных более 8 игроков с $100M в ARR, кто победит? Кто проиграет? Мертвы ли рынки талантов в области AI? Нужно ли также заниматься кураторством данных и их внедрением. @InvTechInc является одним из секретных гигантов на рынке с $200M ARR и некоторыми из крупнейших компаний мира в качестве клиентов. Spotify 👉 Youtube 👉 Apple Podcasts 👉 Мои 5 главных уроков из беседы с их CEO Мэтью Фицпатриком 👇

1. Корпоративный ИИ все еще на первом этапе Внедрение в корпорациях — это не только модели, это инфраструктура данных, переработка рабочих процессов, ответственность, доверие и наблюдаемость. Это похоже на создание кредитных моделей в банковском деле, с управлением рисками моделей, тестированием, обучением и валидацией. Я думаю, что внедрение корпоративного ИИ находится на первом этапе и займет десятилетие, а не два года. Что никто не видит в внедрении корпоративного ИИ, что всем следует увидеть @chetanp @RichardSocher @lqiao @peakji

2. Вы должны продавать AI для бизнеса через доказательства, а не обещания Самый простой совет, который я даю, — начните с доказательства концепций, начните с решения спринтов. Они не заплатят ни доллара, пока вы не докажете, что технология работает, мы сделаем это бесплатно в течение восьми недель. Если ваша технология работает, вы это покажете. Как вы советуете основателям по POCs @maggie_hott @ajtennant @mark_goldberger

3. Инженеры, работающие на месте (FDE), критически важны для истинной интеграции рабочих процессов Готовые решения на базе ИИ редко приживаются. Когда изменения требуют принятия, только команды, работающие на месте с операторами, могут согласовать инструменты с реальными процессами. FDEs заполняют этот разрыв, без них проекты застревают или возвращаются к пилотным версиям. Согласны ли вы с тем, что FDE необходимы для успешного внедрения в предприятия @BrendanFoody @jonsidd @GarrettLord

4. Существует растущий разрыв между производительностью моделей и внедрением в предприятия. Публичные бенчмарки показывают приросты точности моделей на 40–60%. 60% потребителей теперь используют ИИ еженедельно, но только ~5% внедрений в предприятия в настоящее время активны. Закрытие этого разрыва требует не только лучших моделей, но и инфраструктуры данных, переработки рабочих процессов, ответственности, доверия и наблюдаемости. Каковы, на ваш взгляд, самые большие препятствия для внедрения ИИ в предприятия @levie @benioff @jasonlk @ivanhzhao

5. Данные, созданные человеком, и экспертиза станут движущей силой роста следующего десятилетия Синтетические данные подходят для четко определенных задач, но сложные, многомодальные, многоязычные и многоэтапные рассуждения требуют курируемых человеческих инсайтов. Компании будут активно инвестировать в сбор, проверку и доработку на реальных рабочих процессах. Как рост синтетических данных влияет на рынок данных, созданных человеком @ashugarg @jrichlive @gokulr