Wie Enterprise-SaaS-Unternehmen KI kaufen (oder nicht)

Wie Enterprise-SaaS-Unternehmen KI kaufen (oder nicht)

Zeitstempel: 17. Januar 2024, 9:02 Uhr
Quellknoten: 3067314

Bei Saastr Annual veranstalteten wir eine Unternehmensgruppe von KI-Führungskräften, um ihre Erfahrungen und ihr Wissen auszutauschen und anderen zu helfen, zu verstehen, wie große Unternehmen über KI denken und sie nutzen. Sicher – der Aufstieg von ChatGPT ist für Verbraucher und kleinere Unternehmen zum Mainstream geworden, aber was ist mit den Großen? Obwohl die erste Generation der generativen KI großartig ist, ist sie noch nicht ganz bereit, Unternehmensprobleme zu lösen. Wo stehen wir nun im Einführungszyklus für die Unternehmenswelt? 

In dieser Sitzung haben wir Folgendes zusammengebracht:

  • Douwe Kiela, CEO von ContextualAI
  • Benjamin Mann, Mitbegründer von Anthropic
  • Arvind Jain, CEO von Glean
  • und Sandhya Hedge, General Partner bei Unusual VC, 

Um uns dabei zu helfen, herauszufinden, wie wir GenAI-Software an einige der größten Organisationen der Welt verkaufen können. 

[Eingebetteten Inhalt]

Wofür freuen sich Unternehmen am meisten über den Einsatz von KI? 

Da unsere Diskussionsteilnehmer alle mit Unternehmensunternehmen (z. B. Amazon, Google, Salesforce usw.) zusammengearbeitet haben, haben sie alle eine Begeisterung erlebt, die sie noch nie zuvor in Bezug auf KI erlebt haben. Unternehmen suchen nach zwei großen Themen. 

  1. Sie wollen KI nutzen, um die Produkte, die sie ihren Kunden verkaufen, zu verbessern. 
  2. Sie möchten KI nutzen, um ihr Unternehmen und die Art und Weise, wie sie und ihre Mitarbeiter arbeiten, zu verändern. 

Einige der größten Anwendungsfälle für KI im Unternehmen liegen in den Bereichen Kundensupport, Vertrieb und Marketing sowie Engineering – beispielsweise bei der Unterstützung von Entwicklern beim Testen von Code und bei der Behebung von Problemen. Darüber hinaus waren diese KI-Experten beeindruckt davon, wie die größten Unternehmen der Welt, nicht nur Softwareunternehmen, sondern auch verbraucherorientiertere Großunternehmen wie Banken und Einzelhändler, KI vorantreiben.

Benjamin Mann, Mitbegründer von Anthropic, fügte hinzu: „Beispielsweise kam eine große Bank, mit der wir gesprochen hatten, zu uns und sagte: „Wir haben mit jedem in unserem Unternehmen gesprochen und wir haben 500 verschiedene Anwendungsfälle, auf die wir große Sprachmodelle anwenden wollen.“ Das ist wirklich unglaublich. Und sie wissen nicht einmal, wo sie anfangen sollen. Arbeiten Sie also mit uns zusammen, um herauszufinden, was sie heute tun können. Und darüber hinaus: Wie können sie KI zu einem Experten für ihr Produkt machen, sodass ihre Kunden nicht ihre gesamte Dokumentation lesen müssen, sondern einfach mit einer KI sprechen können, als wäre sie ein Lösungsarchitekt oder ein Forward-Deployment? Ingenieur und kann das Produkt sofort nutzen.“

Jeder weiß, dass KI unsere Arbeitsweise bereits verändert hat. Gleichzeitig kann man in vielen Unternehmen beobachten, dass viele Menschen von dieser Veränderung begeistert sind, sich aber noch nicht sicher sind, wie sie genau aussieht.  Und das ist es, was jeder herausfinden möchte – wo die Technologie am wichtigsten sein wird, wo sie bereit ist und wo sie bald bereit sein wird. 

Enterprise Use Case Buckets für KI

Wenn Sie sich die aktuelle Anwendungsfalllandschaft ansehen, Douwe Kiela, CEO von ContextualAI, erklärte das dort sind im Wesentlichen drei große Eimer: 

  1. Informationsentdeckung und Informationssynthese – wie erhalte ich tiefere Erkenntnisse und nicht nur Daten? 
  2. Hierarchische Zusammenfassung – wie mache ich daraus etwas, worauf ich reagieren kann?
  3. Unterstützen Sie Chatbots 

95 % aller Anwendungsfälle fallen normalerweise in einen dieser Bereiche, und innerhalb dieser Bereiche versuchen Unternehmen herauszufinden, was sie tun möchten. 

Douwe fügte hinzu: „Für uns ist der beste Anwendungsfall einer, bei dem Sie definieren können, wie Erfolg aussieht. Und wir sehen tatsächlich überraschend wenige dieser Art von Anwendungsfällen. Es ist eher so: „Oh, diese Technologie ist großartig.“ Ich möchte es auf meinem Chatbot ausprobieren.' Wenn wir Menschen fragen: Wie definieren Sie Erfolg? Wie wollen Sie messen, dass dieses Ding tatsächlich gut genug für einen Produktionseinsatz ist? Sehr oft haben sie keine gute Antwort. Das ist wirklich eines der Dinge, nach denen wir zuerst suchen. Verstehst du eigentlich, was du willst?“

Was sind die größten Hindernisse für die Einführung in Unternehmen? 

Was haben unsere Diskussionsteilnehmer speziell im Unternehmensbereich gesehen, wo Geschäfte im Bereich KI tatsächlich aufgehalten oder gescheitert sind?

  1. Sicherheit – ihre proprietären Daten verlassen das Modell und gelangen auf die offenen Märkte
  2. Sicherheit – Aufrechterhaltung oder Einrichtung einer ständigen Überwachung der Daten
  3. Interne Datenverwaltung – verlieren Sie sie, wenn Sie sie in einem einzigen KI-Tool oder -Modell konsolidieren
  4. Halluzination – Modelle, die Dinge erfinden
  5. Zuordnungsprobleme – es kann auf die Trainingsdaten zurückgeführt werden
  6. Compliance-Probleme – vergisst Dinge oder kann Dinge nicht einfach aktualisieren
  7. FOMO – Was ist, wenn dieses Modell in zwei Wochen nicht so gut ist wie das eines anderen?

„Die sensibelsten Kunden wünschen sich Dinge wie die FedRAMP-Zertifizierung und Dinge, deren Implementierung mehrere Jahre und einen großen Aufwand erfordert“, fügte Benjamin Mann, Mitbegründer von Anthropic, hinzu. Obwohl sie dieses Problem durch die Partnerschaft mit dem Bedrock-Programm von Amazon umgehen konnten, wird dies nicht für alle funktionieren. 

Und schließlich ist ein weiteres Hindernis für die Einführung in Unternehmen die zusätzliche Bandbreite, die für eine erfolgreiche Implementierung erforderlich ist. 

Benjamin fügte hinzu: „Ich denke, viele Leute denken, dass diese neue KI-Technologie etwas ist, das einfach hereinkommt und vom ersten Tag an Spaß macht.“ Aber in Wirklichkeit, Es stellt sich heraus, dass es sich um Software handelt. Und bei Software müssen Sie die Arbeit der Benutzerrecherche und Iteration mit all Ihren verschiedenen Teams erledigen. In unserem Fall ist Notion ein großartiges Beispiel, bei dem wir sehr eng mit dem CTO und allen bis hin zu den Ingenieuren an vorderster Front zusammengearbeitet haben, um Anthropics AI tief in das Produkterlebnis von Notion zu integrieren, und wir finden es äußerst gut. Aber es war viel Hingabe nötig, um das zu erreichen.“

Wer sind die Early Adopters von KI in Unternehmen?

Zu den bisherigen Early Adopters im Unternehmen zählen, was vielleicht keine Überraschung ist, in der Regel sehr technologieorientierte Unternehmen, aber auch große Banken und Einzelhändler. Andere Early Adopters könnten mittlerweile große Softwareunternehmen sein, die mit den oben aufgeführten Hindernissen konfrontiert sind. CIOs sind oft führend, weil sie die Anforderungen des gesamten Unternehmens vertreten.  Vertriebs-, Marketing-, Personal- und Technikmitarbeiter wollen alle die Technologie, daher ist der CIO zum zentralen Ansprechpartner für die Einführung eines Produkts geworden. 

Douwe Kiela, CEO von ContextualAI fasste es am besten zusammen, indem er sagte; „Ich denke, dass es in der Regel sehr technologieorientierte Unternehmen gibt, die im Grunde genommen gerade startbereit sind, aber sehr oft glauben, dass sie es intern schaffen können. Und deshalb denke ich, dass dieser Glaube in den nächsten Jahren wahrscheinlich verschwinden wird, wenn den Leuten klar wird, dass diese Sache etwas schwieriger ist, als sie ursprünglich dachten. Aber abgesehen davon denke ich, dass eines der interessanten Dinge, die wir sehen, darin besteht, dass es tatsächlich ein Mandat vom CEO abwärts gibt. Da müssen wir etwas tun, und das finde ich spannend, weil es eine Geschäftsmöglichkeit darstellt.“

Was sind die wichtigsten Investitionen, die ein Future-50-Unternehmen sicherstellen kann? 

 Compliance ist wichtig. Sicherheit ist wichtig. Und da KI so viele Daten verarbeitet, ist Vertrauen am Anfang von grundlegender Bedeutung. 

Arvind Jain, CEO von Glean, erklärte: „Zunächst geht es nur darum, an allen Sicherheitsaspekten und der Compliance zu arbeiten. Erhalten Sie also Ihre SOC-2-Zertifizierung, HIPAA-Konformität, DSGVO und FedRAMP. Das ist eine Reihe von Unternehmensanforderungen, nämlich die Notwendigkeit all dieser Compliance-Angelegenheiten. Darüber hinaus werden Unternehmen in Bezug auf das Produkt, je nachdem, um welches Produkt es sich handelt, viele Anforderungen an Sie stellen.“

Unternehmen werden nicht von Anfang an alle ihre Daten teilen, sondern können die KI entweder in ihre bestehende Datenumgebung einbinden oder Frameworks darauf verwenden Amazon und Google können dazu beitragen, dass umfangreiche Beschaffungsmaßnahmen und zusätzliche Sicherheitsüberprüfungen überflüssig werden. Die Zukunft dieser großen Sprachmodelle wird darin bestehen, die Barrieren der Sprachhalluzination und Datenzuordnung zu überwinden, vertrauenswürdig zu sein und die Stimme Ihrer Marke und das, worum es in Ihrem Unternehmen geht, zu verstehen. 

Bietet Feinabstimmung einen Wettbewerbsvorteil? 

Da die Medienberichterstattung über KI heutzutage so intensiv ist, kommen viele Leute von Anfang an mit großen Erwartungen zu ContextualAI, Anthropic und Glean.

Viele verstehen nicht, was sie von der Feinabstimmung erwarten. Sie hören einfach davon und denken, es sei eine Möglichkeit, sich einen Wettbewerbsvorteil zu verschaffen. Es kommen jedoch bessere Formen der Technologie auf den Markt Douwe Kiela, CEO von ContextualAI, brachte es am besten auf den Punkt: „Wir sehen das oft, wenn Kunden einfach hingehen, wir wollen unser Modell verfeinern. Können Sie uns dabei helfen? Und das ist es, was wir ihnen sagen Du wurdest wahrscheinlich angelogen. Sie müssen Ihr Modell nicht verfeinern.“

Douwe fügte hinzu: „Das sollte man wirklich nicht brauchen.“ Sie können dieses Problem wahrscheinlich einfach durch eine erweiterte Generierung beim Abrufen oder durch ein sehr langes Kontextfenster lösen. Der einzige Fall, in dem Sie es brauchen können, ist, wenn Sie möchten, dass es einen Anwendungsfall unterstützt, bei dem Sie viele Daten haben, die niemand sonst hat, und es wirklich spezifisch für diesen Anwendungsfall ist.“

Eine Runde von Vorhersagen über KI für 2023

Sandhya schloss die Sitzung mit der Frage: „Was ist etwas Wildes und etwas Realistisches, von dem Sie hoffen, dass es im Jahr 2030 wahr wird?“ 

Für Arvind bei Glean hatte er die praktische Hoffnung, dass wir alle bis 2030 einen wirklich intelligenten, sachkundigen persönlichen Assistenten haben würden, der den Großteil unserer Arbeit für uns erledigen würde. Heutzutage ist dieser Luxus auf Führungskräfte in Unternehmen beschränkt. In Zukunft wird es für uns alle gelten. 

Für Ben von Anthropic besteht die glänzende Zukunft darin, dass Sprachmodelle uns besser verstehen als wir uns selbst. Wenn wir es bitten, Dinge für uns zu tun, wird es tun, was wir meinen und nicht, was wir sagen. Im Idealfall macht KI uns alle zu besseren Menschen, verbessert unsere Beziehungen und hilft uns, die beste Version von uns selbst zu sein. Was wird es eigentlich sein? Vielleicht 60 % davon, was immer noch großartig wäre. 

Für Douwe von ContextualAI ist er davon überzeugt, dass Technologie großes Potenzial hat, Gutes zu bewirken. 2030 wird ein anderer Ort sein, daher hofft er, dass die KI bis dahin alle „langweiligen, alltäglichen Dinge“ erledigen wird, damit wir kreativer sein und die Dinge tun können, die uns Spaß machen. 

[Eingebetteten Inhalt]

Verwandte Artikel

Zeitstempel:

Mehr von Saastr