Perusahaan tidak akan mengadopsi AI tanpa insinyur yang dikerahkan ke depan? Apakah angka pendapatan diposting dari perusahaan pelabelan data pendapatan riil atau GMV? Ada 8+ pemain di pasar pelabelan data dengan ARR $100 juta, siapa yang menang? Siapa yang kalah? Apakah pasar bakat AI sudah mati? Apakah Anda harus berada dalam permainan kurasi dan implementasi data juga. @InvTechInc adalah salah satu raksasa rahasia di pasar dengan ARR $200 juta dan beberapa perusahaan terbesar dunia sebagai pelanggan. Spotify 👉 Youtube 👉 Podcast Apple 👉 5 pelajaran teratas saya dari duduk bersama CEO mereka Matthew Fitzpatrick 👇

1. AI Perusahaan Masih di Babak Pertama Penerapan di perusahaan lebih dari sekadar model, ini adalah infrastruktur data, desain ulang alur kerja, akuntabilitas, kepercayaan, dan observabilitas. Ini seperti membangun model kredit di perbankan, dengan manajemen risiko model, pengujian, pelatihan, dan validasi. Saya pikir penerapan AI perusahaan berada di babak pertama dan akan memakan waktu satu dekade, bukan dua tahun. Apa yang tidak dilihat siapa pun tentang penerapan AI perusahaan yang harus dilihat semua orang @chetanp @RichardSocher @lqiao @peakji

2. Anda Harus Menjual AI Perusahaan Melalui Bukti, Bukan Janji Saran paling sederhana yang saya berikan adalah mulai dengan bukti konsep, mulailah dengan sprint solusi. Mereka tidak membayar satu dolar pun sampai Anda membuktikan teknologinya berfungsi, kami akan melakukannya secara gratis selama delapan minggu. Jika teknologi Anda berfungsi, Anda akan menunjukkannya. Bagaimana Anda memberi saran kepada pendiri tentang POC @maggie_hott @ajtennant @mark_goldberger

3. Forward-Deployed Engineers (FDE) sangat penting untuk penyematan alur kerja yang sebenarnya AI out-of-the-box jarang menempel. Ketika perubahan memerlukan adopsi, hanya tim yang tertanam di lokasi dengan operator yang dapat menyelaraskan alat dengan proses nyata. FDE menjembatani kesenjangan itu, tanpa mereka, proyek terhenti atau kembali ke percontohan. Apakah Anda setuju bahwa FDE diperlukan untuk adopsi perusahaan agar benar-benar bekerja @BrendanFoody @jonsidd @GarrettLord

4. Ada Kesenjangan yang Tumbuh Antara Kinerja Model dan Adopsi Perusahaan Tolok ukur publik menunjukkan peningkatan 40-60% dalam akurasi model. 60% konsumen sekarang menggunakan AI setiap minggu, namun hanya ~5% penerapan perusahaan yang ditayangkan saat ini. Menutup kesenjangan ini tidak hanya membutuhkan model yang lebih baik tetapi juga infrastruktur data, desain ulang alur kerja, akuntabilitas, kepercayaan, dan observabilitas. Apa hambatan terbesar untuk adopsi AI perusahaan dalam pikiran Anda @levie @benioff @jasonlk @ivanhzhao

5. Data dan Keahlian Buatan Manusia Akan Menjadi Tailwind Pertumbuhan Dekade Berikutnya Data sintetis berfungsi untuk tugas-tugas yang jelas, tetapi penalaran yang kompleks, multi-modal, multi-bahasa, multi-tahap menuntut wawasan manusia yang dikurasi. Perusahaan akan berinvestasi besar-besaran dalam mengumpulkan, memvalidasi, dan menyempurnakan alur kerja dunia nyata. Bagaimana munculnya data sintetis berdampak pada pasar data buatan manusia @ashugarg @jrichlive @gokulr