Πώς οι εταιρείες Enterprise SaaS αγοράζουν AI (ή όχι)

Στο Saastr Annual, φιλοξενήσαμε ένα Enterprise πάνελ ηγετών AI για να μοιραστούν την εμπειρία και τις γνώσεις τους για να βοηθήσουμε άλλους να κατανοήσουν πώς σκέφτονται οι μεγάλες εταιρείες και πώς αξιοποιούν την τεχνητή νοημοσύνη. Σίγουρα – η άνοδος του ChatGPT έχει γίνει mainstream για τους καταναλωτές και τις μικρότερες εταιρείες, αλλά τι γίνεται με τους μεγάλους; Ενώ η πρώτη γενιά Generative AI είναι εξαιρετική, δεν είναι αρκετά έτοιμη να λύσει προβλήματα Enterprise. Λοιπόν, πού βρισκόμαστε τώρα στον κύκλο υιοθέτησης για τον κόσμο των Επιχειρήσεων; 

Σε αυτή τη συνεδρία συγκεντρώσαμε:

• Douwe Kiela, Διευθύνων Σύμβουλος της ContextualAI
• Benjamin Mann, συνιδρυτής της Anthropic
• Arvind Jain, Διευθύνων Σύμβουλος της Glean
• και Sandhya Hedge, Γενικός Συνεργάτης στο Unusual VC, 

Για να μας βοηθήσετε να καταλάβουμε πώς να πουλήσουμε λογισμικό GenAI σε μερικούς από τους μεγαλύτερους οργανισμούς στον κόσμο. 

[Ενσωματωμένο περιεχόμενο]

Τι είναι οι επιχειρήσεις που ενθουσιάζονται περισσότερο με τη χρήση της τεχνητής νοημοσύνης; 

Καθώς όλοι οι συμμετέχοντες στο πάνελ μας έχουν συνεργαστεί με εταιρείες Enterprise (π.χ. Amazon, Google, Salesforce, κ.λπ.), όλοι έχουν δει ένα επίπεδο ενθουσιασμού που δεν έχουν δει ποτέ πριν όσον αφορά την τεχνητή νοημοσύνη. Οι επιχειρήσεις αναζητούν δύο μεγάλα θέματα. 

1. Θέλουν να χρησιμοποιήσουν την τεχνητή νοημοσύνη για να βελτιώσουν τα προϊόντα που πωλούν στους πελάτες τους. 
2. Θέλουν να χρησιμοποιήσουν την τεχνητή νοημοσύνη για να μεταμορφώσουν την επιχείρησή τους και τον τρόπο με τον οποίο λειτουργούν αυτοί και οι υπάλληλοί τους. 

Μερικές από τις μεγαλύτερες περιπτώσεις χρήσης της τεχνητής νοημοσύνης στην επιχείρηση αφορούν την υποστήριξη πελατών, τις πωλήσεις και το μάρκετινγκ και τη μηχανική — π.χ. βοηθώντας τους προγραμματιστές να δοκιμάσουν τον κώδικα και να αντιμετωπίσουν προβλήματα. Επιπλέον, αυτοί οι ειδικοί της τεχνητής νοημοσύνης εντυπωσιάστηκαν με τον τρόπο με τον οποίο οι μεγαλύτερες εταιρείες στον κόσμο, όχι μόνο εταιρείες λογισμικού, αλλά ακόμη περισσότερες εταιρείες μεγέθους επιχειρήσεων που απευθύνονται στους καταναλωτές, όπως τράπεζες και έμποροι λιανικής, προχωρούν με τεχνητή νοημοσύνη.

Ο Μπέντζαμιν Μαν, συνιδρυτής της Anthropic πρόσθεσε:Για παράδειγμα, μια μεγάλη τράπεζα με την οποία μιλούσαμε ήρθε σε εμάς και είπε: «Έχουμε μιλήσει με όλους στην εταιρεία μας και έχουμε 500 διαφορετικές περιπτώσεις χρήσης στις οποίες θέλουμε να εφαρμόσουμε μεγάλα γλωσσικά μοντέλα». Αυτό είναι πραγματικά απίστευτο. Και δεν ξέρουν καν από πού να ξεκινήσουν. Συνεργάζεστε λοιπόν μαζί μας για να πούμε τι μπορούν να κάνουν σήμερα; Και μετά, πέρα ​​από αυτό, πώς μπορούν να κάνουν την τεχνητή νοημοσύνη εμπειρογνώμονα στο τι είναι το προϊόν τους, ώστε οι πελάτες τους να μην χρειάζεται να πάνε να διαβάσουν όλη την τεκμηρίωσή τους, αλλά αντ' αυτού, απλώς να μιλήσουν σε μια τεχνητή νοημοσύνη σαν να ήταν ένας αρχιτέκτονας λύσεων ή να αναπτυχθεί προς τα εμπρός μηχανικός και να είναι σε θέση να χρησιμοποιήσει το προϊόν αμέσως».

Όλοι γνωρίζουν ότι η τεχνητή νοημοσύνη έχει ήδη αλλάξει τον τρόπο που εργαζόμαστε. Ταυτόχρονα, μπορείτε να δείτε σε πολλές Επιχειρήσεις ότι πολλοί άνθρωποι είναι ενθουσιασμένοι με αυτή την αλλαγή, αλλά δεν είναι ακόμα σίγουροι πώς ακριβώς μοιάζει.  Και αυτό είναι που όλοι προσπαθούν να ανακαλύψουν — πού θα έχει μεγαλύτερη σημασία η τεχνολογία, πού είναι έτοιμη και πού θα είναι έτοιμη σύντομα. 

Κάδοι θήκης εταιρικής χρήσης για AI

Αν κοιτάξετε το τοπίο των περιπτώσεων χρήσης αυτή τη στιγμή, Ο Douwe Kiela, Διευθύνων Σύμβουλος της ContextualAI, εξήγησε ότι εκεί είναι ουσιαστικά τρεις μεγάλοι κάδοι: 

1. Ανακάλυψη πληροφοριών και σύνθεση πληροφοριών — πώς μπορώ να αποκτήσω βαθύτερες πληροφορίες και όχι μόνο δεδομένα; 
2. Ιεραρχική σύνοψη — πώς μπορώ να τη μετατρέψω σε κάτι στο οποίο μπορώ να ενεργήσω;
3. Υποστήριξη chatbots 

Το 95% όλων των περιπτώσεων χρήσης συνήθως εμπίπτουν σε έναν από αυτούς τους κουβάδες και μέσα σε αυτούς τους κάδους, οι εταιρείες προσπαθούν να καταλάβουν τι θέλουν να κάνουν. 

Ο Douwe πρόσθεσε: «Για εμάς η καλύτερη περίπτωση χρήσης είναι αυτή όπου μπορείτε να ορίσετε πώς φαίνεται η επιτυχία. Και βλέπουμε εκπληκτικά λίγες από αυτές τις περιπτώσεις χρήσης στην πραγματικότητα. Είναι περισσότερο «Ω, αυτή η τεχνολογία είναι υπέροχη. Θέλω να το δοκιμάσω στο chatbot μου.' Όταν ρωτάμε τους ανθρώπους, πώς ορίζετε την επιτυχία; Πώς θα μετρήσετε ότι αυτό το πράγμα είναι πραγματικά αρκετά καλό για ανάπτυξη παραγωγής; Πολύ συχνά, δεν έχουν καλή απάντηση. Αυτό είναι πραγματικά ένα από τα πράγματα που ψάχνουμε πρώτα. Καταλαβαίνεις πραγματικά τι θέλεις;»

Ποια είναι τα μεγαλύτερα εμπόδια στην υιοθεσία στην επιχείρηση; 

Συγκεκριμένα, στο Enterprise, τι είδαν οι συμμετέχοντες στο πάνελ μας να αντέξουν ή να χάσουν συμφωνίες όταν πρόκειται για τεχνητή νοημοσύνη;

1. Ασφάλεια – τα ιδιόκτητα δεδομένα τους να εγκαταλείψουν το μοντέλο και να βγουν στις ανοιχτές αγορές
2. Ασφάλεια – διατήρηση ή υποχρέωση διαρκούς παρακολούθησης των δεδομένων
3. Εσωτερική διακυβέρνηση δεδομένων – χάνοντας τα καθώς ενοποιείτε σε ένα ενιαίο εργαλείο ή μοντέλο τεχνητής νοημοσύνης
4. Ψευδαίσθηση — μοντέλα που συνθέτουν πράγματα
5. Προβλήματα απόδοσης — δυνατότητα ανίχνευσης στα δεδομένα εκπαίδευσης
6. Ζητήματα συμμόρφωσης — ξεχνά πράγματα ή δεν μπορεί να ενημερώσει τα πράγματα εύκολα
7. FOMO – Τι γίνεται αν αυτό το μοντέλο δεν είναι τόσο καλό όσο κάποιου άλλου σε 2 εβδομάδες;

«Οι πιο ευαίσθητοι πελάτες θέλουν πράγματα όπως η πιστοποίηση FedRAMP και πράγματα που χρειάζονται πολλά χρόνια και έναν τόνο προσπάθειας για να εφαρμοστούν», πρόσθεσε ο Benjamin Mann, συνιδρυτής της Anthropic. Αν και μπόρεσαν να πλοηγηθούν γύρω από αυτό συνεργαζόμενοι με το πρόγραμμα Bedrock της Amazon, αυτό δεν θα λειτουργήσει για όλους. 

Και τέλος, ένα άλλο εμπόδιο στην υιοθέτηση του Enterprise είναι το πρόσθετο εύρος ζώνης που απαιτείται για την επιτυχή εφαρμογή του. 

Ο Benjamin πρόσθεσε, «Νομίζω ότι πολλοί άνθρωποι σκέφτονται αυτή τη νέα τεχνολογία AI ως κάτι που θα έρθει και θα αρέσει η δουλειά από την πρώτη μέρα. Αλλά στην πραγματικότητα, αποδεικνύεται ακόμα το λογισμικό του. Και με το λογισμικό, πρέπει να κάνετε το έργο της έρευνας των χρηστών και της επανάληψης με όλες τις διαφορετικές ομάδες σας. Στην περίπτωσή μας, το Notion είναι ένα εξαιρετικό παράδειγμα όπου συνεργαστήκαμε πολύ στενά με τον CTO τους και με όλους μέχρι τους μηχανικούς τους στην πρώτη γραμμή για να ενσωματώσουμε σε βάθος την Anthropics AI στην εμπειρία προϊόντος της ιδέας και πιστεύουμε ότι είναι εξαιρετικά καλό. Αλλά ήταν, χρειαζόταν πολλή αφοσίωση για να γίνει αυτό».

Ποιοι είναι οι Πρώιμοι Υιοθέτες της ΤΝ στο Enterprise;

Οι πρώτοι που υιοθέτησαν μέχρι στιγμής το Enterprise, ίσως να μην ήταν έκπληξη είναι συνήθως εταιρείες πολύ προοδευτικές της τεχνολογίας, αλλά και μεγάλες τράπεζες και λιανοπωλητές. Άλλοι πρώιμοι χρήστες μπορεί να είναι οι επιχειρήσεις λογισμικού που είναι πλέον μεγάλες και αντιμετωπίζουν τα εμπόδια που αναφέρονται παραπάνω. Οι CIO συχνά ηγούνται της χρέωσης επειδή αντιπροσωπεύουν τις απαιτήσεις ολόκληρης της εταιρείας.  Οι πωλητές, το μάρκετινγκ, το ανθρώπινο δυναμικό και η μηχανική θέλουν την τεχνολογία, επομένως ο CIO έχει γίνει το επίκεντρο για την εισαγωγή ενός προϊόντος. 

Douwe Kiela, Διευθύνων Σύμβουλος της ContextualAI το συνόψισε καλύτερα λέγοντας? «Πιστεύω ότι έχετε την τάση να έχετε πολύ προωθητικές εταιρείες τεχνολογίας που βασικά είναι έτοιμες να ξεκινήσουν, αλλά πολύ συχνά πιστεύουν ότι μπορούν να το κάνουν εσωτερικά. Και έτσι νομίζω ότι αυτή η πεποίθηση πιθανότατα θα εξαφανιστεί τα επόμενα δύο χρόνια, όταν οι άνθρωποι συνειδητοποιήσουν ότι αυτό το πράγμα είναι λίγο πιο δύσκολο από ό,τι πίστευαν αρχικά. Αλλά πέρα ​​από αυτό, νομίζω ότι ένα από τα ενδιαφέροντα πράγματα που βλέπουμε είναι ότι υπάρχει πραγματικά μια εντολή από τον Διευθύνοντα Σύμβουλο προς τα κάτω. Όπου είναι πρέπει να κάνουμε κάτι και έτσι για μένα, αυτό είναι συναρπαστικό γιατί είναι μια επιχειρηματική ευκαιρία».

Ποιες είναι οι πιο σημαντικές επενδύσεις που διασφαλίζουν ότι μπορεί να υιοθετήσει μια μελλοντική εταιρεία 50; 

 Η συμμόρφωση έχει σημασία. Θέματα ασφάλειας. Και στην αρχή, δεδομένου ότι η τεχνητή νοημοσύνη χειρίζεται τόσα πολλά δεδομένα - η εμπιστοσύνη είναι θεμελιώδης. 

Ο Arvind Jain, Διευθύνων Σύμβουλος της Glean εξήγησε:Το πρώτο πράγμα είναι απλώς να εργάζεστε σε όλες τις πτυχές ασφάλειας και συμμόρφωσης. Λάβετε λοιπόν την πιστοποίηση SOC-2, τη συμμόρφωση με το HIPAA, το GDPR και το FedRAMP. Αυτό είναι ένα ρεύμα επιχειρηματικών απαιτήσεων, που σημαίνει ότι χρειάζονται όλα αυτά τα θέματα συμμόρφωσης. Επιπλέον, όσον αφορά το προϊόν, ανάλογα με το ποιο είναι το προϊόν σας, θα υπάρχουν πολλές απαιτήσεις που θα σας θέτουν οι Επιχειρήσεις.»

Οι επιχειρήσεις δεν πρόκειται απλώς να μοιράζονται όλα τα δεδομένα τους με μια μέρα την πρώτη - έτσι ώστε να μπορούν είτε να στρώσουν την τεχνητή νοημοσύνη στο υπάρχον περιβάλλον δεδομένων τους είτε να χρησιμοποιήσουν πλαίσια σε Η Amazon και η Google μπορούν να βοηθήσουν στην εξάλειψη της ανάγκης διενέργειας εκτεταμένων προμηθειών και πρόσθετων ελέγχων ασφαλείας. Το μέλλον αυτών των μεγάλων γλωσσικών μοντέλων θα είναι η επίλυση των φραγμών της γλωσσικής ψευδαίσθησης και της απόδοσης δεδομένων, η αξιοπιστία και η κατανόηση της φωνής της επωνυμίας σας και του τι είναι η εταιρεία σας. 

Προσφέρει το Fine-Tuning ανταγωνιστικό πλεονέκτημα; 

Δεδομένου ότι η κάλυψη της τεχνητής νοημοσύνης από τα μέσα ενημέρωσης είναι τόσο βαριά αυτές τις μέρες, πολλοί άνθρωποι έρχονται στα ContextualAI, Anthropic και Glean με πολλές προσδοκίες από το ρόπαλο.

Πολλοί δεν καταλαβαίνουν τι θέλουν από την τελειοποίηση. Απλώς το ακούν και πιστεύουν ότι είναι ένας τρόπος να αποκτήσουν ανταγωνιστικό πλεονέκτημα. Ωστόσο, υπάρχουν καλύτερες μορφές τεχνολογίας που βγαίνουν και Ο Douwe Kiela, Διευθύνων Σύμβουλος της ContextualAI το εξέθεσε καλύτερα:Το βλέπουμε πολύ πραγματικά εκεί που πηγαίνουν οι πελάτες, θέλουμε να βελτιστοποιήσουμε το μοντέλο μας. Μπορείτε να μας βοηθήσετε με αυτό; Και αυτό που τους λέμε είναι μάλλον σας είπαν ψέματα. Δεν χρειάζεται να προσαρμόσετε το μοντέλο σας.”

Douwe πρόσθεσε: «Πραγματικά δεν πρέπει να το χρειάζεστε. Μπορείτε πιθανώς να λύσετε αυτό το πρόβλημα μέσω της ανάκτησης επαυξημένης γενιάς ή έχοντας ένα πολύ μεγάλο παράθυρο περιβάλλοντος. Η μόνη περίπτωση που μπορείτε να το χρειαστείτε είναι εάν θέλετε να υποστηρίζει μια περίπτωση χρήσης όπου έχετε πολλά δεδομένα που κανείς άλλος δεν έχει και είναι πραγματικά συγκεκριμένο για αυτήν την περίπτωση χρήσης.»

Ένας γύρος προβλέψεων για την τεχνητή νοημοσύνη για το 2023

Η Sandhya έκλεισε τη συνεδρίαση ρωτώντας: "Τι είναι κάτι άγριο και κάτι ρεαλιστικό που ελπίζετε ότι θα είναι αληθινό το 2030;" 

Για τον Arvind στο Glean, είχε μια έμπρακτη ελπίδα ότι όλοι θα είχαμε έναν πραγματικά έξυπνο, έμπειρο προσωπικό βοηθό που θα έκανε το μεγαλύτερο μέρος της δουλειάς μας για εμάς μέχρι το 2030. Σήμερα, αυτή η πολυτέλεια περιορίζεται στα στελέχη των Enterprises. Στο μέλλον θα είναι για όλους μας. 

Για τον Ben στο Anthropic, το λαμπρό μέλλον περιλαμβάνει τα γλωσσικά μοντέλα να μας καταλαβαίνουν καλύτερα από ό,τι καταλαβαίνουμε τον εαυτό μας. Όταν του ζητάμε να κάνει πράγματα για εμάς, θα κάνει αυτό που εννοούμε και όχι αυτό που λέμε. Στην ιδανική περίπτωση, η τεχνητή νοημοσύνη θα μας κάνει όλους καλύτερους ανθρώπους, θα βελτιώσει τις σχέσεις μας και θα μας βοηθήσει να είμαστε η καλύτερη εκδοχή του εαυτού μας. Τι θα είναι στην πραγματικότητα; Ίσως το 60% αυτού, που θα ήταν ακόμα υπέροχο. 

Για τον Douwe στο ContextualAI, πιστεύει ότι η τεχνολογία έχει πολλές δυνατότητες να κάνει καλό. Το 2030 θα είναι ένα διαφορετικό μέρος, επομένως ελπίζει ότι μέχρι τότε η τεχνητή νοημοσύνη θα κάνει όλα τα «βαρετά, εγκόσμια πράγματα», ώστε να είμαστε πιο δημιουργικοί και να κάνουμε τα πράγματα που απολαμβάνουμε. 

[Ενσωματωμένο περιεχόμενο]

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
• PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
• PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
• πηγή: https://www.saastr.com/how-enterprise-companies-are-buying-ai-or-not-with-contextualai-anthropic-glean-and-unusual-ventures/