¿Las empresas no adoptarán la IA sin ingenieros desplegados hacia adelante? ¿Los números de ingresos publicados por empresas de etiquetado de datos son ingresos reales o GMV? Hay 8+ actores en el mercado de etiquetado de datos con 100 millones de dólares en ARR, ¿quién gana? ¿Quién pierde? ¿Están muertos los mercados de talento con IA? ¿Tienes que estar también en el mundo de la curación e implementación de datos? @InvTechInc es uno de los gigantes secretos del mercado con un ARR de 200 millones de dólares y algunas de las mayores empresas del mundo como clientes. Spotify 👉 Youtube 👉 Apple Podcasts 👉 Mis 5 mejores lecciones tras sentarme con su CEO Matthew Fitzpatrick 👇

1. La IA empresarial sigue en la primera entrada El despliegue en la empresa es mucho más que solo modelos, es infraestructura de datos, rediseño de flujos de trabajo, responsabilidad, confianza y observabilidad. Esto es como construir modelos de crédito en banca, con gestión de riesgos de modelos, pruebas, formación y validación. Creo que el despliegue de la IA empresarial está en la primera etapa y llevará una década, no dos años. ¿Qué es lo que nadie ve sobre el despliegue de IA empresarial que todo el mundo debería ver @chetanp @RichardSocher @lqiao @peakji

2. Tienes que vender la IA empresarial a través de pruebas, no de promesas El consejo más sencillo que doy es empezar con pruebas de concepto y empezar con sprints de soluciones. No pagan ni un dólar hasta que demuestres que la tecnología funciona, lo haremos gratis durante ocho semanas. Si tu tecnología funciona, lo demostrarás. ¿Cómo aconsejas a los fundadores sobre las personas de @maggie_hott @ajtennant @mark_goldberger

3. Los ingenieros desplegados hacia adelante (FDEs) son fundamentales para una verdadera incrustación de flujos de trabajo La IA de salida rara vez funciona. Cuando el cambio requiere adopción, solo los equipos integrados in situ con operadores pueden alinear las herramientas con procesos reales. Los FDE cubren esa brecha, sin ellos, los proyectos se estancan o vuelven a ser pilotos. ¿Estás de acuerdo en que los FDE son necesarios para que la adopción empresarial funcione realmente @BrendanFoody @jonsidd @GarrettLord

4. Existe una brecha creciente entre el rendimiento del modelo y la adopción empresarial Los benchmarks públicos muestran aumentos del 40–60% en la precisión del modelo. El 60% de los consumidores ahora utiliza IA semanalmente, pero solo ~ 5% de los despliegues empresariales están activos hoy en día. Cerrar esta brecha requiere no solo mejores modelos, sino también infraestructura de datos, rediseño de flujos de trabajo, responsabilidad, confianza y observabilidad. ¿Cuáles son, en tu opinión, las mayores barreras para la adopción de la IA en empresas @levie @benioff @jasonlk @ivanhzhao

5. Los datos y la experiencia generados por humanos serán el viento de cola del crecimiento de la próxima década Los datos sintéticos funcionan para tareas claras, pero el razonamiento complejo, multimodal, multilingüe y en varias etapas exige conocimientos humanos curados. Las empresas invertirán mucho en recopilar, validar y afinar flujos de trabajo del mundo real. ¿Cómo afecta el auge de los datos sintéticos al mercado de datos generados por humanos @ashugarg @jrichlive @gokulr