In che modo le aziende SaaS aziendali acquistano (o meno) l'intelligenza artificiale

Ripubblicato da Platone

Seguaci: 0

Al Saastr Annual abbiamo ospitato un panel aziendale di leader dell'intelligenza artificiale per condividere la loro esperienza e conoscenza per aiutare gli altri a capire come le grandi aziende pensano e sfruttano l'intelligenza artificiale. Certo, l’ascesa di ChatGPT è diventata mainstream per i consumatori e le aziende più piccole, ma per quanto riguarda i grandi? Sebbene la prima generazione di intelligenza artificiale generativa sia eccezionale, non è ancora pronta a risolvere i problemi aziendali. Allora, a che punto siamo ora nel ciclo di adozione per il mondo Enterprise?

In questa sessione abbiamo riunito:

Douwe Kiela, CEO di ContextualAI
Benjamin Mann, cofondatore di Anthropic
Arvind Jain, amministratore delegato di Glean
e Sandhya Hedge, socio accomandatario di Unusual VC,

Per aiutarci a capire come vendere il software GenAI ad alcune delle più grandi organizzazioni del mondo.

[Contenuto incorporato]

Per cosa le aziende sono più entusiaste dell’utilizzo dell’intelligenza artificiale?

Poiché tutti i nostri relatori hanno lavorato con aziende aziendali (ad esempio Amazon, Google, Salesforce, ecc.), hanno tutti riscontrato un livello di entusiasmo mai visto prima quando si tratta di intelligenza artificiale. Le imprese sono alla ricerca di due grandi temi.

Vogliono utilizzare l'intelligenza artificiale per migliorare i prodotti che vendono ai propri clienti.
Vogliono utilizzare l’intelligenza artificiale per trasformare la loro attività e il modo in cui lavorano loro e i loro dipendenti.

Alcuni dei maggiori casi d'uso dell'intelligenza artificiale in azienda riguardano l'assistenza clienti, le vendite, il marketing e l'ingegneria, ovvero aiutare gli sviluppatori a testare il codice e risolvere i problemi. Oltre a ciò, questi esperti di intelligenza artificiale sono rimasti colpiti dal modo in cui le più grandi aziende del mondo, non solo le società di software, ma anche le aziende di dimensioni aziendali più rivolte ai consumatori come banche e rivenditori, stanno avanzando con l’intelligenza artificiale.

Benjamin Mann, co-fondatore di Anthropic, ha aggiunto: “Ad esempio, una grande banca con cui stavamo parlando è venuta da noi e ci ha detto: "abbiamo parlato con tutti nella nostra azienda e abbiamo 500 casi d'uso diversi a cui vogliamo applicare modelli linguistici di grandi dimensioni". È davvero incredibile. E non sanno nemmeno da dove cominciare. Quindi lavorare con noi per dire cosa possono fare oggi? E poi, oltre a ciò, come possono rendere l'intelligenza artificiale un esperto in ciò che è il loro prodotto in modo che i loro clienti non debbano andare a leggere tutta la loro documentazione, ma invece semplicemente parlare con un'intelligenza artificiale come se fosse un architetto di soluzioni o implementato in avanti engineer e poter utilizzare immediatamente il prodotto."

Tutti sanno che l’intelligenza artificiale ha già cambiato il modo in cui lavoriamo. Allo stesso tempo, in molte aziende è possibile vedere che molte persone sono entusiaste di questo cambiamento ma non sono ancora sicure di come si presenterà esattamente. Ed è quello che tutti stanno cercando di scoprire: dove la tecnologia avrà più importanza, dove sarà pronta e dove lo sarà presto.

Bucket di casi d'uso aziendali per l'intelligenza artificiale

Se osservi il panorama dei casi d’uso in questo momento, Douwe Kiela, CEO di ContextualAI, lo ha spiegato lì sono essenzialmente tre grandi secchi:

Scoperta e sintesi delle informazioni: come posso ottenere informazioni più approfondite e non solo dati?
Riepilogo gerarchico: come posso trasformarlo in qualcosa su cui posso agire?
Supporta i chatbot

Il 95% di tutti i casi d'uso di solito rientra in uno di questi intervalli e all'interno di questi intervalli le aziende stanno cercando di capire cosa vogliono fare.

Douwe ha aggiunto: “Per noi il caso d’uso migliore è quello in cui è possibile definire l’aspetto del successo. E in realtà vediamo sorprendentemente pochi di questi tipi di casi d'uso. È più "Oh, questa tecnologia è fantastica". Voglio provarlo sul mio chatbot.' Quando chiediamo alle persone, come definisci il successo? Come misurerai che questa cosa è effettivamente abbastanza buona per una distribuzione di produzione? Molto spesso non hanno una buona risposta. Questa è davvero una delle cose che stiamo cercando per prime. Capisci davvero quello che vuoi?"

Quali sono i maggiori ostacoli all’adozione nelle imprese?

Nello specifico del settore Enterprise, in cosa hanno visto i nostri relatori resistere o perdere accordi quando si tratta di intelligenza artificiale?

Sicurezza: far sì che i propri dati proprietari escano dal modello e si diffondano nei mercati aperti
Sicurezza – mantenere o dover stabilire un monitoraggio costante dei dati
Governance interna dei dati: perderli man mano che ci si consolida in un unico strumento o modello di intelligenza artificiale
Allucinazioni: modelli che inventano le cose
Problemi di attribuzione: riuscire a risalire ai dati di addestramento
Problemi di conformità: dimentica qualcosa o non riesce ad aggiornarlo facilmente
FOMO – E se questo modello non fosse buono come quello di qualcun altro tra 2 settimane?

"I clienti più sensibili vogliono cose come la certificazione FedRAMP e cose che richiedono molti anni e un sacco di sforzi per essere implementate", ha aggiunto Benjamin Mann, co-fondatore di Anthropic. Sebbene siano stati in grado di aggirare questo problema collaborando con il programma Bedrock di Amazon, questo non funzionerà per tutti.

Infine, un altro ostacolo all’adozione aziendale è la larghezza di banda aggiuntiva necessaria per implementarla con successo.

Benjamin ha aggiunto: "Penso che molte persone considerino questa nuova tecnologia AI come qualcosa che arriverà e piacerà al lavoro fin dal primo giorno. Ma veramente, si scopre che è ancora software. E con il software, devi svolgere il lavoro di ricerca sugli utenti e di iterare con tutti i tuoi diversi team. Nel nostro caso, Notion è un ottimo esempio in cui abbiamo lavorato a stretto contatto con il loro CTO e tutti fino ai loro ingegneri in prima linea per integrare profondamente l'intelligenza artificiale di Anthropics nell'esperienza del prodotto Notion, e pensiamo che sia estremamente buono. Ma lo era, ci voleva molta dedizione per realizzarlo.

Chi sono i primi ad adottare l’intelligenza artificiale nelle imprese?

I primi ad adottarli finora nel settore Enterprise, forse senza sorpresa, sono in genere aziende molto all'avanguardia nella tecnologia, ma anche grandi banche e rivenditori. Altri early adopter potrebbero essere aziende di software che ora sono grandi e si trovano ad affrontare gli ostacoli sopra elencati. I CIO spesso guidano la carica perché rappresentano le esigenze dell’intera azienda. I venditori, il marketing, le risorse umane e l'ingegneria vogliono tutti la tecnologia, quindi il CIO è diventato il punto focale per introdurre un prodotto.

Douwe Kiela, CEO di ContextualAI lo riassumo meglio dicendo; “Penso che si tenda ad avere aziende molto all’avanguardia dal punto di vista tecnologico che sono fondamentalmente pronte a partire, ma molto spesso pensano di poterlo fare internamente. E quindi penso che quella convinzione probabilmente scomparirà nei prossimi due anni, quando le persone si renderanno conto che queste cose sono un po' più difficili di quanto pensassero inizialmente. Ma a parte questo, penso che una delle cose interessanti che stiamo vedendo sia che esiste davvero un mandato dal CEO in giù. Dov’è che dobbiamo fare qualcosa e quindi per me è entusiasmante perché è un’opportunità di business”.

Quali sono gli investimenti più importanti che garantiscono che un’azienda Future 50 possa adottare?

La conformità è importante. La sicurezza è importante. E all’inizio, dal momento che l’intelligenza artificiale gestisce così tanti dati, la fiducia è fondamentale.

Arvind Jain, CEO di Glean, ha spiegato: “La prima cosa è lavorare su tutti gli aspetti di sicurezza e conformità. Quindi ottieni la certificazione SOC-2, la conformità HIPAA, GDPR e FedRAMP. Questo è un flusso di requisiti aziendali, ovvero la necessità di tutte queste questioni di conformità. Oltre a ciò, in termini di prodotto, a seconda di quale sia il tuo prodotto, ci saranno molte richieste che le aziende ti porranno.

Le aziende non condivideranno tutti i propri dati in un solo giorno, quindi essere in grado di stratificare l'intelligenza artificiale nel proprio ambiente di dati esistente o utilizzare framework su Amazon e Google possono contribuire a eliminare la necessità di sottoporsi ad appalti approfonditi e a ulteriori controlli di sicurezza. Il futuro di questi grandi modelli linguistici sarà quello di risolvere le barriere delle allucinazioni linguistiche e dell’attribuzione dei dati, essere affidabili e comprendere la voce del tuo marchio e di cosa tratta la tua azienda.

Il Fine Tuning offre un vantaggio competitivo?

Dato che la copertura mediatica dell'intelligenza artificiale è così intensa al giorno d'oggi, molte persone si rivolgono a ContextualAI, Anthropic e Glean con molte aspettative fin dall'inizio.

Molti non capiscono cosa vogliono dalla messa a punto. Ne sentono parlare e pensano che sia un modo per ottenere un vantaggio competitivo. Tuttavia, ci sono forme migliori di tecnologia in uscita e Douwe Kiela, CEO di ContextualAI, lo ha spiegato meglio: "Lo vediamo spesso dove vanno i clienti, vogliamo mettere a punto il nostro modello, puoi aiutarci in questo? E quindi quello che diciamo loro è probabilmente ti hanno mentito. Non è necessario mettere a punto il modello."

Douwe ha aggiunto: “Non dovresti proprio averne bisogno. Probabilmente puoi semplicemente risolvere questo problema attraverso il recupero della generazione aumentata o avendo una finestra di contesto molto lunga. L'unico caso in cui puoi averne bisogno è se vuoi che supporti un caso d'uso in cui hai molti dati che nessun altro ha ed è davvero specifico per quel caso d'uso."

Una serie di previsioni sull’intelligenza artificiale per il 2023

Sandhya ha chiuso la sessione chiedendo: “Cos’è qualcosa di selvaggio e realistico che speri possa essere vero nel 2030?”

Per Arvind di Glean, aveva la speranza pratica che tutti noi avremmo avuto un assistente personale veramente intelligente e competente che avrebbe svolto la maggior parte del nostro lavoro per noi entro il 2030. Oggi, questo lusso è limitato ai dirigenti delle grandi aziende. In futuro lo sarà per tutti noi.

Per Ben di Anthropic, il futuro luminoso prevede che i modelli linguistici ci comprendano meglio di quanto noi comprendiamo noi stessi. Quando gli chiediamo di fare delle cose per noi, farà ciò che intendiamo e non ciò che diciamo. Idealmente, l’intelligenza artificiale ci renderà tutti persone migliori, migliorerà le nostre relazioni e ci aiuterà a essere la versione migliore di noi stessi. Cosa sarà effettivamente? Forse il 60%, il che sarebbe comunque fantastico.

Douwe di ContextualAI ritiene che la tecnologia abbia un grande potenziale per fare del bene. Il 2030 sarà un posto diverso, quindi spera che per allora l’intelligenza artificiale farà tutte le “cose noiose e banali” in modo che possiamo essere più creativi e fare le cose che ci piacciono.

[Contenuto incorporato]