כיצד חברות SaaS ארגוניות קונות בינה מלאכותית (או לא)

ב-Saastr Annual, אירחנו פאנל Enterprise של מנהיגי בינה מלאכותית כדי לחלוק את הניסיון והידע שלהם כדי לעזור לאחרים להבין כיצד חברות גדולות חושבות על AI וממנפות אותם. בטח - העלייה של ChatGPT הפכה למיינסטרים עבור צרכנים וחברות קטנות יותר, אבל מה עם החבר'ה הגדולים? בעוד שהדור הראשון של AI Generative הוא נהדר, הוא לא לגמרי מוכן לפתור בעיות ארגוניות. אז איפה אנחנו נמצאים כעת במחזור האימוץ של עולם הארגונים? 

במפגש זה ריכזנו:

• Douwe Kiela, מנכ"ל ContextualAI
• בנג'מין מאן, מייסד שותף של Anthropic
• ארווינד ג'יין, מנכ"ל Glean
• וסנדיה הדג', שותפה כללית ב-Unusual VC, 

כדי לעזור לנו להבין איך למכור תוכנת GenAI לכמה מהארגונים הגדולים בעולם. 

[תוכן מוטבע]

בשביל מה ארגונים הכי מתלהבים מהשימוש בבינה מלאכותית? 

מכיוון שחברי הפאנל שלנו עבדו כולם עם חברות Enterprise (כלומר אמזון, גוגל, סיילספורס וכו'), כולם ראו רמה של התרגשות שמעולם לא היו עדים לה לפני כן בכל הנוגע ל-AI. ארגונים מחפשים שני נושאים גדולים. 

1. הם רוצים להשתמש בבינה מלאכותית כדי לשפר את המוצרים שהם מוכרים ללקוחות שלהם. 
2. הם רוצים להשתמש בבינה מלאכותית כדי לשנות את העסק שלהם ואת האופן שבו הם והעובדים שלהם עובדים. 

כמה ממקרי השימוש הגדולים ביותר עבור AI בארגון הם בין תמיכת לקוחות, מכירות ושיווק והנדסה - כלומר עזרה למפתחים לבדוק קוד ולפתור בעיות. נוסף על כך, מומחי הבינה המלאכותית הללו התרשמו מהאופן שבו החברות הגדולות בעולם, לא רק חברות תוכנה, אלא אפילו חברות בגודל ארגוני העומדות בפני צרכנים כמו בנקים וקמעונאים, מתגלגלות קדימה עם הבינה המלאכותית.

בנג'מין מאן, מייסד שותף של Anthropic הוסיף: "לדוגמה, בנק גדול אחד שדיברנו איתו בא אלינו ואמר, 'דיברנו עם כולם בחברה שלנו, ויש לנו 500 מקרי שימוש שונים שאנחנו רוצים ליישם עליהם מודלים גדולים של שפה'. זה באמת מדהים. והם אפילו לא יודעים מאיפה להתחיל. אז עובדים איתנו כדי לומר מה הם יכולים לעשות היום? ואז מעבר לזה, איך הם יכולים להפוך את AI למומחה במה המוצר שלהם, כך שהלקוחות שלהם לא יצטרכו ללכת לקרוא את כל התיעוד שלהם, אלא פשוט לדבר עם AI כאילו זה היה ארכיטקט פתרונות או פרוס קדימה מהנדס ויוכל להשתמש במוצר באופן מיידי."

כולם יודעים שה-AI כבר שינה את הדרך שבה אנחנו עובדים. יחד עם זאת, אתה יכול לראות בארגונים רבים שהרבה אנשים מתלהבים מהשינוי הזה אבל עדיין לא בטוחים איך הוא בדיוק נראה.  וזה מה שכולם מנסים לגלות - איפה הטכנולוגיה תהיה חשובה ביותר, איפה היא מוכנה ואיפה היא תהיה מוכנה בקרוב. 

Enterprise Use Case Buckets עבור AI

אם אתה מסתכל על נוף מקרי השימוש כרגע, Douwe Kiela, מנכ"ל ContextualAI, הסביר כי שם הם בעצם שלושה דליים גדולים: 

1. גילוי מידע וסינתזת מידע - איך אני מקבל תובנות מעמיקות יותר ולא רק נתונים? 
2. סיכום היררכי - איך אני הופך את זה למשהו שאני יכול לפעול על פיו?
3. תמיכה בצ'אטבוטים 

95% מכל מקרי השימוש בדרך כלל נופלים באחד מהדליים הללו, ובתוך הדליים הללו, חברות מנסות להבין מה הן רוצות לעשות. 

דאו הוסיף: "מבחינתנו מקרה השימוש הטוב ביותר הוא מקרה שבו אתה יכול להגדיר איך נראית הצלחה. ואנו רואים באופן מפתיע מעט מקרי שימוש מסוג זה למעשה. זה יותר 'הו, הטכנולוגיה הזו נהדרת. אני רוצה לנסות את זה בצ'אטבוט שלי'. כשאנחנו שואלים אנשים, איך אתה מגדיר הצלחה? איך אתה מתכוון למדוד שהדבר הזה באמת מספיק טוב לפריסת ייצור? לעתים קרובות מאוד, אין להם תשובה טובה. זה באמת אחד הדברים שאנחנו מחפשים קודם. אתה באמת מבין מה אתה רוצה?"

מהם החסמים הגדולים ביותר לאימוץ בארגונים? 

ספציפית ב-Enterprise, מה ראו חברי הפאנל שלנו בעצם מחזיקים או מפסידים עסקאות כשזה מגיע לבינה מלאכותית?

1. אבטחה - שהנתונים הקנייניים שלהם עוזבים את המודל ויוצאים לשווקים הפתוחים
2. בטיחות - שמירה או צורך בפיקוח מתמיד של הנתונים
3. ממשל נתונים פנימי - מאבדים אותם תוך כדי איחוד לכלי או מודל AI יחיד
4. הזיה - מודלים שמרכיבים דברים
5. בעיות ייחוס - היכולת להתחקות אחריו לנתוני האימון
6. בעיות תאימות - שוכח דברים או לא יכול לעדכן דברים בקלות
7. FOMO - מה אם הדגם הזה לא יהיה טוב כמו של מישהו אחר תוך שבועיים?

"הלקוחות הרגישים ביותר רוצים דברים כמו הסמכת FedRAMP ודברים שלוקחים שנים רבות והמון מאמץ ליישם", הוסיף בנג'מין מאן, מייסד שותף של Anthropic. למרות שהם הצליחו לנווט סביב זה על ידי שיתוף פעולה עם תוכנית Bedrock של אמזון, זה לא יעבוד עבור כולם. 

ולבסוף, חסם נוסף לאימוץ Enterprise הוא רוחב הפס הנוסף הנדרש כדי ליישם אותו - בהצלחה. 

בנג'מין הוסיף, "אני חושב שהרבה אנשים חושבים על טכנולוגיית הבינה המלאכותית החדשה הזו כעל משהו שפשוט יכנס ויאהב את העבודה מהיום הראשון. אבל למעשה, מסתבר שהיא עדיין תוכנה. ועם תוכנה, אתה צריך לעשות את העבודה של מחקר המשתמש ואיטרציה עם כל הצוותים השונים שלך. במקרה שלנו, Notion היא דוגמה מצוינת שבה עבדנו בשיתוף פעולה הדוק מאוד עם ה-CTO שלהם וכולם עד המהנדסים שלהם בחזית כדי לשלב עמוקות את Anthropics AI בחוויית המוצר, ואנחנו חושבים שזה טוב מאוד. אבל זה היה, זה היה צריך הרבה מסירות כדי שזה יקרה".

מי הם המאמצים המוקדמים של AI בארגונים?

המאמצים המוקדמים עד כה ב-Enterprise, אולי ללא הפתעה, הם בדרך כלל חברות עתירות טכנולוגיה, אבל גם בנקים וקמעונאים גדולים. מאמצים מוקדמים אחרים עשויים להיות ארגוני תוכנה שעכשיו הם גדולים, והם מתמודדים עם המחסומים המפורטים לעיל. מנהלי מערכות מידע מובילים לעתים קרובות את האחריות כי הם מייצגים את הדרישות של החברה כולה.  אנשי מכירות, שיווק, משאבי אנוש והנדסה כולם רוצים את הטכנולוגיה, כך שה-CIO הפך למוקד להכנסת מוצר. 

Douwe Kiela, מנכ"ל ContextualAI סיכם את זה בצורה הטובה ביותר באומרו; "אני חושב שיש לך חברות מאוד עתירות טכנולוגיה שבעצם מוכנות לצאת לדרך, אבל לעתים קרובות הן חושבות שהן יכולות לעשות את זה בתוך הבית. ולכן אני חושב שהאמונה הזו כנראה הולכת להיעלם בשנתיים הקרובות כשאנשים יבינו שהדבר הזה קצת יותר קשה ממה שהם חשבו בתחילה. אבל אז חוץ מזה, אני חושב שאחד הדברים המעניינים שאנחנו רואים הוא שיש באמת מנדט מהמנכ"ל ומטה. איפה שאנחנו צריכים לעשות משהו וכך מבחינתי, זה מרגש כי זו הזדמנות עסקית".

מהן ההשקעות החשובות ביותר שמבטיחות שחברת 50 עתידית תוכל לאמץ? 

 ציות חשוב. ענייני ביטחון. ובהתחלה, מכיוון שבינה מלאכותית מטפלת בכל כך הרבה נתונים - אמון הוא בסיסי. 

ארווינד ג'יין, מנכ"ל Glean הסביר: "הדבר הראשון הוא פשוט לעבוד על כל היבטי האבטחה והתאימות. אז לקבל את הסמכת SOC-2 שלך, תאימות HIPAA, GDPR ו-FedRAMP. זה זרם אחד של דרישות ארגוניות, כלומר, רק צריך את כל ענייני התאימות האלה. נוסף על כך, מבחינת מוצר, תלוי מה המוצר שלך, יהיו הרבה דרישות שארגונים עומדים להציב לך."

ארגונים לא רק יחלקו את כל הנתונים שלהם עם יום אחד - כך שהם יכולים לשכב את ה-AI לתוך סביבת הנתונים הקיימת שלהם או להשתמש במסגרות על אמזון וגוגל יכולות לעזור למנוע את הצורך לעבור רכש מקיף וביקורות אבטחה נוספות. העתיד של מודלים שפה גדולים אלה יהיה לפתור את המחסומים של הזיות שפה ויחוס נתונים, להיות אמין והבנת קול המותג שלך ומה החברה שלך עוסקת. 

האם כוונון עדין מציע יתרון תחרותי? 

מכיוון שהסיקור התקשורתי של AI כל כך כבד בימינו, אנשים רבים מגיעים ל-ContextualAI, Anthropic ו-Glean עם הרבה ציפיות.

רבים לא מבינים מה הם רוצים מתוך כוונון עדין. הם פשוט שומעים על זה וחושבים שזו דרך להשיג יתרון תחרותי. עם זאת, יש צורות טובות יותר של טכנולוגיה שיוצאות ו Douwe Kiela, מנכ"ל ContextualAI הציג זאת בצורה הטובה ביותר: "אנחנו רואים את זה הרבה בעצם לאן שהלקוחות פשוט הולכים, אנחנו רוצים לכוונן את המודל שלנו, האם אתה יכול לעזור לנו עם זה? אז מה שאנחנו אומרים להם זה כנראה שיקרו לך. אתה לא צריך לכוונן את הדגם שלך".

דואי הוסיף: "אתה באמת לא צריך את זה. אתה כנראה יכול פשוט לפתור את הבעיה הזו באמצעות דור מוגבר של אחזור, או על ידי חלון הקשר ארוך מאוד. המקרה היחיד שבו אתה יכול להזדקק לו הוא אם אתה רוצה שהוא יתמוך במקרה שימוש שבו יש לך הרבה נתונים שאין לאף אחד אחר וזה ממש ספציפי למקרה השימוש הזה."

סבב תחזיות לגבי AI לשנת 2023

סנדיה סגרה את הפגישה בשאלה, "מה זה משהו פרוע ומשהו ריאלי שאתה מקווה שיהיה נכון ב-2030?" 

עבור Arvind ב-Glean, הייתה לו תקווה מעשית שלכולנו יהיה עוזר אישי חכם באמת ובעל ידע שיעשה את רוב העבודה שלנו עבורנו עד 2030. כיום, המותרות הזו מוגבלת למנהלים בארגונים. בעתיד, זה יהיה עבור כולנו. 

עבור בן ב-Anthropic, העתיד המזהיר כרוך במודלים של שפה שמבינים אותנו טוב יותר ממה שאנחנו מבינים את עצמנו. כשאנחנו מבקשים ממנו לעשות דברים בשבילנו, הוא יעשה את מה שאנחנו מתכוונים ולא את מה שאנחנו אומרים. באופן אידיאלי, AI תהפוך את כולנו לאנשים טובים יותר, תשפר את מערכות היחסים שלנו ותעזור לנו להיות הגרסה הטובה ביותר של עצמנו. מה זה יהיה בעצם? אולי 60% מזה, וזה עדיין יהיה נהדר. 

עבור Douwe ב-ContextualAI, הוא מאמין שלטכנולוגיה יש הרבה פוטנציאל לעשות טוב. 2030 תהיה מקום אחר, אז הוא מקווה שעד אז AI יעשה את כל "הדברים המשעממים והשגרתיים" כדי שנוכל להיות יצירתיים יותר ולעשות את הדברים שאנחנו נהנים מהם. 

[תוכן מוטבע]

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
• PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
• PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
• PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
• מקור: https://www.saastr.com/how-enterprise-companies-are-buying-ai-or-not-with-contextualai-anthropic-glean-and-unusual-ventures/