企業不會在沒有前線工程師的情況下採用AI？ 數據標註公司的收入數字是真實收入還是GMV？ 數據標註市場上有8+家擁有1億美元年經常性收入的參與者，誰會贏？誰會輸？ AI人才市場已經死了嗎？你是否也必須參與數據策劃和實施的遊戲？ @InvTechInc是市場上隱藏的巨頭之一，擁有2億美元的年經常性收入，並且有一些全球最大的公司作為客戶。 Spotify 👉 Youtube 👉 Apple Podcasts 👉 我與他們的CEO Matthew Fitzpatrick 坐下來的五大課程教訓 👇

1. 企業 AI 仍然處於第一局 在企業中的部署不僅僅是模型，還包括數據基礎設施、工作流程重新設計、問責制、信任和可觀察性。 這就像在銀行中建立信用模型，涉及模型風險管理、測試、訓練和驗證。 我認為企業 AI 的部署仍然處於第一局，這將需要十年，而不是兩年。 有關企業 AI 部署，大家應該看到但卻沒有人注意到的事情是什麼 @chetanp @RichardSocher @lqiao @peakji

2. 你必須通過證明而非承諾來銷售企業 AI 我給出的最簡單建議是從概念驗證開始，從解決方案衝刺開始。 在你證明技術有效之前，他們不會支付一美元，我們會免費提供八週的服務。 如果你的技術有效，你會展示出來。 你如何建議創始人進行概念驗證 @maggie_hott @ajtennant @mark_goldberger

3. 前置部署工程師 (FDEs) 對於真正的工作流程嵌入至關重要 開箱即用的 AI 很少能夠持久。 當變革需要採納時，只有與操作員現場嵌入的團隊才能將工具與實際流程對齊。 FDEs 橋接了這個鴻溝，沒有他們，項目會停滯或回到試點階段。 你同意 FDEs 是企業採納真正有效所需的嗎 @BrendanFoody @jonsidd @GarrettLord

4. 模型性能與企業採用之間的差距正在擴大 公共基準顯示模型準確性提高了40–60%。 60%的消費者現在每週使用AI，但目前只有約5%的企業部署已經上線。 縮小這一差距不僅需要更好的模型，還需要數據基礎設施、工作流程重新設計、問責制、信任和可觀察性。 在您看來，企業AI採用的最大障礙是什麼 @levie @benioff @jasonlk @ivanhzhao

5. 人工生成數據和專業知識將成為下個十年的增長助力 合成數據適用於明確的任務，但複雜的多模態、多語言、多階段推理需要精心策劃的人類見解。 企業將大量投資於收集、驗證和在現實工作流程上進行微調。 合成數據的興起如何影響人工生成數據市場 @ashugarg @jrichlive @gokulr