Що потрібно сьогодні для стартапів AI, щоб успішно співпрацювати з підприємствами, і як вони повинні думати про майбутній AI Tech Stack? Під час тижня NY Tech Techstars об'єднав портфельні компанії, інвесторів та лідерів корпоративних інновацій, щоб відповісти на ці запитання.
По -перше, Керті Леві провела розмову з вогнем з Падді Шрінівасаном, генеральним директором Digitalocean (Techstars 2012), про трансформацію AI Enterprise. Тоді ми влаштували панель, модеруючу Бабак Кіа, старший викладач Бостонського університету та Techstars All-Star Mentor, про майбутнє стека AI Tech, на яких представлені експерти з АІ та лідери думки, в тому числі:
-
Падді Шрінівасан, генеральний директор Digital Ocean
-
Нік Лорді, партнер, відповідальна практика штучного інтелекту PWC
-
Rafael Barroso, інженерний менеджер, Apple
-
Waleed Atallah, співзасновник та генеральний директор, Mako
Розмови виявили, що змушує підприємства AI Partnerships зараз працюють і які інновації для пошуку в майбутньому:
Цільові аутсорсингові функції, а не внутрішні ролі.
Найрозумніше підприємство має націлене на аутсорсингові функції, а не на працівників. Як пояснив Падді, стартапи можуть замінити дорогі домовленості про аутсорсинг на крок: “Ви витрачаєте 100 доларів на офшорсинг цієї послуги. Ми можемо зробити це за 10 доларів”.
Ключовим є вибір функцій, де помилки не загрожують основним бізнес -операціям. Падді поділився прикладом засновника -стартапу, який обрав автоматизацію заборгованості за рахунок заборгованості за дебіторську заборгованість, оскільки компанії по -різному розглядають ці функції. Помилки платежів впливають на зовнішніх постачальників, тоді як збої збору безпосередньо впливають на дохід компанії.
Це розуміння виходить за рамки простого бізнесу. Йдеться також про розуміння того, як люди реагують на сприйняті загрози. Падді порадив засновникам не “недооцінювати культурний опір компаній. Більшість людей мають захисний, захисний характер. Це саме так вони проводяться”.
Перевага полягає в тому, що ви “не дуже загрожуєте нікому на роботу, крім постачальника послуг з аутсорсингу”. Це дозволяє стартапам уникати виклику внутрішньої опозиції, яка вбиває ініціативи AI.
Системи побудови, а не функції.
Додавання чатів до існуючого програмного забезпечення та називати його «трансформацією AI» – це як поставити помаду на свиня і назвати її королевою краси. Це не трансформація. Падді здійснив різке розмежування між поверхневими доповненнями AI та справжньою трансформацією: “Доставка програми, що стосується AI, сильно відрізняється від просто ляпаски AI в існуючу програму”.
Реальна трансформація AI означає переосмислення цілих робочих процесів навколо можливостей AI. Замість того, щоб додавати функції AI до традиційної підтримки клієнтів, компанії, що виграють корпоративні угоди, – це ті, які перевертають модель, тому AI вирішує більшість завдань, тоді як люди забезпечують нагляд.
Якщо ви будуєте функції, ви вже позаду. Системи побудови.
Створіть конкурентоспроможні рови за допомогою мультимодельної архітектури.
Одиничні стратегії LLM мертві після прибуття. Переможці оркеструють спеціалізовані моделі:
-
Загальні прикордонні моделі (OpenAI, антропічний) для міркувань
-
Моделі, що стосуються домену навчений промисловим нормам
-
Спеціалізовані моделі в режимі реального часу Втягування даних на ринку живих
“Дуже швидко ми побачимо тип моделі ланцюгів агентів”,-пояснив Падді. Наприклад, система, що підлягає рахунку, що підлягають рахунку, може використовувати OpenAI для основних міркувань, спеціалізовану модель для правил бухгалтерського обліку та правил SEC, а третя для даних про доставку в режимі реального часу.
Це створює системи, які є як більш здатними, так і важче повторити через витрати на комутацію, до яких одномодель наближається, не може відповідати.
Конкурувати за власними даними, а не публічними наборами даних.
Багато компаній AI вичерпали загальнодоступні дані про навчання. Як пояснив Waleed з Мако, дефіцит даних “запобігає існуючим моделям бути справді хорошими”, але три нові кордони даних створюють перші переваги:
-
Заблоковані ділові дані. Інформація, яка є загальнодоступною, але не широко індексована, як, наприклад, профілі LinkedIn, списки MLS та бази даних підприємств, які існують за бар'єрами доступу.
-
Захоплення в реальному світі. Фізичні пристрої, які збирають дані з реального світу. Подумайте про те, що камери про роботів, носіння та датчики IoT.
-
Синтез, що стосується галузі: Комбіновані дані тексту та мови з візуальною, аудіо та поведінковою інформацією для створення багатших наборів даних, що знаходяться в контексті
Іншими словами, Перестаньте змагатися за ті самі дані про навчання, які всі інші використовують. Натомість скласти карту ландшафту даних вертикалі. Які галузеві бази даних потребують платного доступу? Які датчики в реальному світі могли фіксувати поведінкові дані, що стосуються вашого випадку використання? Які власні набори даних вже збирають ваші цільові клієнти внутрішньо? Зосередьтеся на джерелах, які потребують конкурентів 12 місяців або більше, щоб повторити.
Будувати на моделях фундаменту; Не конкуруйте з ними.
Waleed також підкреслив, коли стартапи повинні – і не повинні – зосереджуватись: Найуспішнішими компаніями AI за останні 12 місяців є “використання моделей API та з відкритим кодом. Вони не вкладають коштів у надзвичайно дорогі навчальні тренування”.
“Ваша стратегія як стартапу абсолютно не повинна бути” ми збираємось зробити кращий LLM, ніж OpenAI “. Тільки економіка робить конкуренцію з фундаментом моделями майже неможливими.
Рафаель з інженерної команди Apple запропонував ще один шлях: “Знайдіть той вертикалізований фрагмент функціональності, який буде важко повторити через доменні знання”. Іншими словами, використовуйте моделі OpenAI як будівельні блоки, але конкуруйте за спеціалізованими знаннями.
Ведіть з прозорості управління.
Нік з відповідальної практики AI PWC бачить, як підприємство вагається з приводу прийняття ШІ з перших вуст. “Багато [enterprises] неохоче щодо подорожі ШІ через занепокоєння щодо власної безпеки та точності даних “.
Покупці підприємств розглядають обробку даних, протоколи безпеки, гарантії конфіденційності та юридичне дотримання як обов'язкові прапорці до початку будь -якої технічної оцінки. Крім дотримання, вони турбуються про надійність експлуатації: “Якщо я бухгалтер, який користується агентом AI, щоб шукати шахрайські записи журналу, який ризик, що агент може мати упередженість і щось пропустити?”
Розумні засновники визнають це як можливість. Замість того, щоб трактувати відповідність як накладні витрати, вони можуть побудувати те, що Нік назвав “прозорістю навколо управління та управління ризиками” як основної диференціації продукту. Для підприємств, що оцінюють рішення AI, можливості управління часто мають значення настільки ж, як і технічні показники.
Діяти зараз.
Падді передав найактуальніше повідомлення панелі: “Переможці та програші будуть вирішені в найближчі 18 місяців. Створити цінність буде дуже важко, як тільки ви пропустите це вікно”.
Чому терміновість? Наразі “AI перебуває в” Спілот -режимі “, де люди залишаються в лідерстві … за 12 місяців його перекинуть. AI зробить більшу частину роботи, і люди допоможуть АІ”.
Цей перехід від робочих процесів під керівництвом людини до АІ-орієнтації в основному змінить те, як підприємства оцінюють та приймають рішення AI. Поради Падді для стартапів – це встановити відносини підприємства зараз, поки покупці все ще експериментують. Компанії, які роблять це, матимуть власні категорії, коли ринок консолідується.
Ваші наступні кроки?
18-місячне вікно справжнє. Почніть з однієї функції аутсорсингу на вашому цільовому підприємстві. Побудуйте робочі процеси, що стосуються AI, а не доповнення. План багатомодельної архітектури з першого дня. Провідні підприємства з прозорості управління, а не лише технічними можливостями.
Компанії, які встановлюють ці ранні відносини на підприємстві, матимуть власні категорії, коли ринок консолідується. Ті, хто чекає, будуть спостерігати з узбіччя.
