Hvordan Enterprise SaaS-selskaper kjøper AI (eller ikke)

På Saastr Annual var vi vertskap for et Enterprise-panel av AI-ledere for å dele sine erfaringer og kunnskaper for å hjelpe andre å forstå hvordan store selskaper tenker på og utnytter AI. Jada – fremveksten av ChatGPT har blitt mainstream for forbrukere og mindre selskaper, men hva med de store gutta? Mens den første generasjonen av Generative AI er flott, er den ikke helt klar til å løse Enterprise-problemer. Så hvor er vi nå i adopsjonssyklusen for Enterprise-verdenen? 

I denne økten samlet vi:

• Douwe Kiela, administrerende direktør i ContextualAI
• Benjamin Mann, medgründer av Anthropic
• Arvind Jain, administrerende direktør i Glean
• og Sandhya Hedge, General Partner i Unusual VC, 

For å hjelpe oss med å finne ut hvordan vi kan selge GenAI-programvare til noen av de største organisasjonene i verden. 

[Innebygd innhold]

Hva er bedrifter mest begeistret for å bruke AI til? 

Siden vår paneldeltaker alle har jobbet med Enterprise-selskaper (dvs. Amazon, Google, Salesforce, etc.), har de alle sett et spenningsnivå som de aldri har vært vitne til før når det kommer til AI. Bedrifter ser etter to store temaer. 

1. De ønsker å bruke kunstig intelligens for å forbedre produktene de selger til kundene sine. 
2. De ønsker å bruke AI til å transformere virksomheten sin og hvordan de og deres ansatte jobber. 

Noen av de største brukssakene for AI i bedriften er på tvers av kundestøtte, salg og markedsføring og ingeniørkunst – dvs. å hjelpe utviklere med å teste kode og feilsøke problemer. I tillegg var disse AI-ekspertene imponert over hvordan de største selskapene i verden, ikke bare programvareselskaper, men enda mer forbrukerrettede bedrifter som banker og forhandlere, ruller videre med AI.

Benjamin Mann, medgründer av Anthropic la til: "For eksempel kom en stor bank som vi snakket med til oss og sa: 'Vi har snakket med alle i selskapet vårt, og vi har 500 forskjellige brukssaker som vi ønsker å bruke store språkmodeller på.' Det er virkelig utrolig. Og de vet ikke engang hvor de skal begynne. Så jobber med oss ​​for å si hva de kan gjøre i dag? Og utover det, hvordan kan de gjøre AI til en ekspert på hva deres produkt er, slik at kundene deres ikke trenger å lese all dokumentasjonen deres, men i stedet bare snakke med en AI som om det var en løsningsarkitekt eller videreutplassert ingeniør og kunne bruke produktet umiddelbart."

Alle vet at AI allerede har endret måten vi jobber på. Samtidig kan du se i mange bedrifter at mange mennesker er begeistret for denne endringen, men er ikke sikre på hvordan den nøyaktig ser ut ennå.  Og det er det alle prøver å oppdage – hvor teknologien vil bety mest, hvor den er klar og hvor den snart er klar. 

Enterprise Use Case Buckets for AI

Hvis du ser på landskapet av brukstilfeller akkurat nå, Douwe Kiela, administrerende direktør i ContextualAI, forklarte det der er i hovedsak tre store bøtter: 

1. Informasjonsoppdagelse og informasjonssyntese – hvordan får jeg dypere innsikt og ikke bare data? 
2. Hierarkisk oppsummering – hvordan gjør jeg det til noe jeg kan handle på?
3. Støtte chatbots 

95 % av alle brukstilfeller faller vanligvis i en av disse bøttene, og innenfor disse bøttene prøver bedrifter å finne ut hva de vil gjøre. 

Douwe la til: "For oss er den beste brukssaken en der du kan definere hvordan suksess ser ut. Og vi ser overraskende få av den typen brukstilfeller faktisk. Det er mer 'Å, denne teknologien er flott. Jeg vil prøve det på chatboten min.' Når vi spør folk, hvordan definerer du suksess? Hvordan skal du måle at denne tingen faktisk er god nok for en produksjonsdistribusjon? Svært ofte har de ikke et godt svar. Det er virkelig en av tingene vi ser etter først. Forstår du egentlig hva du vil?»

Hva er de største hindringene for adopsjon i bedrifter? 

Spesielt i Enterprise, hva har paneldeltakerne våre sett faktisk holde opp eller tape avtaler når det kommer til AI?

1. Sikkerhet – at deres proprietære data forlater modellen og går ut i de åpne markedene
2. Sikkerhet – opprettholde eller måtte etablere konstant overvåking av dataene
3. Intern datastyring – mister den når du konsoliderer deg til ett enkelt AI-verktøy eller -modell
4. Hallusinasjoner — modeller som utgjør ting
5. Attribusjonsproblemer — å kunne spore det tilbake til treningsdataene
6. Overholdelsesproblemer – glemmer ting eller kan ikke enkelt oppdatere ting
7. FOMO – Hva om denne modellen ikke er like god som noen andres om 2 uker?

"De mest sensitive kundene vil ha ting som FedRAMP-sertifisering og ting som tar flere år og massevis av innsats å implementere," la Benjamin Mann, medgründer av Anthropic til. Selv om de har vært i stand til å navigere rundt dette ved å samarbeide med Amazons Bedrock-program, vil dette ikke fungere for alle. 

Og til slutt, en annen barriere for Enterprise-adopsjon er den ekstra båndbredden som kreves for å implementere det – vellykket. 

Benjamin la til, "Jeg tror mange mennesker tenker på denne nye AI-teknologien som noe som bare kommer inn og liker jobb fra dag én. Men egentlig, det viser seg at det fortsatt er programvare. Og med programvare må du gjøre jobben med å gjøre brukerundersøkelser og iterere med alle de forskjellige teamene dine. I vårt tilfelle er Notion et godt eksempel der vi jobbet veldig tett med deres CTO og alle helt ned til ingeniørene deres i frontlinjen for å integrere Anthropics AI dypt i ideen om produktopplevelse, og vi synes det er ekstremt bra. Men det var, det trengte mye dedikasjon for å få det til.»

Hvem er de tidlige adopterne av AI i Enterprise?

Tidlige brukere så langt i Enterprise, kanskje til ingen overraskelse, er vanligvis svært teknologiske selskaper, men også store banker og forhandlere. Andre tidlige brukere kan være programvarebedrifter som nå er store, og de står overfor barrierene som er oppført ovenfor. CIOer leder ofte ansvaret fordi de representerer kravene til hele selskapet.  Selgere, markedsføring, HR og ingeniører vil alle ha teknologien, så CIO har blitt fokuspunktet for å bringe inn et produkt. 

Douwe Kiela, administrerende direktør i ContextualAI oppsummerte det best ved å si; "Jeg tror du har en tendens til å ha svært teknologiske selskaper som i utgangspunktet bare er klare til å gå, men veldig ofte tror de at de kan gjøre det internt. Og så tror jeg at troen sannsynligvis kommer til å forsvinne i løpet av de neste par årene når folk innser at dette er litt vanskeligere enn de først trodde. Men så bortsett fra det, tror jeg en av de interessante tingene vi ser er at det virkelig er et mandat fra administrerende direktør og ned. Der det er vi må gjøre noe og så for meg, er det spennende fordi det er en forretningsmulighet.»

Hva er de viktigste investeringene som sikrer at et fremtidig 50-selskap kan vedta? 

 Overholdelse er viktig. Sikkerhet er viktig. Og i begynnelsen, siden AI håndterer så mye data – er tillit grunnleggende. 

Arvind Jain, administrerende direktør i Glean forklarte: "Det første er bare å jobbe med alle sikkerhetsaspekter og samsvar. Så få din SOC-2-sertifisering, HIPAA-samsvar, GDPR og FedRAMP. Det er en strøm av bedriftskrav, som er at man bare trenger alle disse samsvarssakene. På toppen av det, når det gjelder produkt, avhengig av hva produktet ditt er, vil det være mange krav som Enterprises kommer til å stille til deg.»

Bedrifter kommer ikke bare til å dele alle dataene sine med én dag – så de kan enten legge AI-en på lag i sitt eksisterende datamiljø eller bruke rammeverk på Amazon og Google kan bidra til å eliminere behovet for å gå gjennom omfattende anskaffelser og ytterligere sikkerhetsrevisjoner. Fremtiden til disse store språkmodellene vil være å løse barrierene for språkhallusinasjoner og dataattribusjon, være pålitelig og forstå merkevarens stemme og hva bedriften din handler om. 

Tilbyr finjustering en konkurransefordel? 

Siden mediedekningen av AI er så tung i disse dager, kommer mange til ContextualAI, Anthropic og Glean med mange forventninger.

Mange forstår ikke hva de vil ha ut av finjustering. De bare hører om det og tror det er en måte å få et konkurransefortrinn på. Imidlertid er det bedre former for teknologi som kommer ut og Douwe Kiela, administrerende direktør i ContextualAI la det best ut: "Vi ser dette mye faktisk der kundene bare går, vi ønsker å finjustere modellen vår, kan du hjelpe oss med dette? Og det vi forteller dem er du har sannsynligvis blitt løyet for. Du trenger ikke å finjustere modellen din.»

Douwe la til: "Du burde egentlig ikke trenge det. Du kan sannsynligvis bare løse det problemet ved å hente utvidet generasjon, eller ved å ha et veldig langt kontekstvindu. Det eneste tilfellet der du kan trenge det, er hvis du vil at det skal støtte et brukstilfelle der du har mye data som ingen andre har, og det er virkelig spesifikt for den brukssaken.»

En runde med spådommer om AI for 2023

Sandhya avsluttet økten med å spørre: "Hva er noe vilt og noe realistisk du håper vil være sant i 2030?" 

For Arvind på Glean hadde han et praktisk håp om at vi alle ville ha en virkelig smart, kunnskapsrik personlig assistent som ville gjøre det meste av arbeidet vårt for oss innen 2030. I dag er denne luksusen begrenset til ledere i Enterprises. I fremtiden vil det være for oss alle. 

For Ben hos Anthropic innebærer den lyse fremtiden at språkmodeller forstår oss bedre enn vi forstår oss selv. Når vi ber den om å gjøre ting for oss, vil den gjøre det vi mener og ikke det vi sier. Ideelt sett vil AI gjøre oss alle til bedre mennesker, forbedre relasjonene våre og hjelpe oss å være den beste versjonen av oss selv. Hva blir det egentlig? Kanskje 60 % av det, noe som fortsatt ville vært flott. 

For Douwe ved ContextualAI mener han at teknologi har mye potensial til å gjøre godt. 2030 vil være et annet sted, så han håper innen den tid at AI vil gjøre alle «kjedelige, dagligdagse ting» slik at vi kan være mer kreative og gjøre de tingene vi liker. 

[Innebygd innhold]

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
• PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
• PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
• PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
• kilde: https://www.saastr.com/how-enterprise-companies-are-buying-ai-or-not-with-contextualai-anthropic-glean-and-unusual-ventures/