企业在没有前置工程师的情况下不会采用AI？ 数据标注公司的收入数字是真实收入还是GMV？ 数据标注市场上有8个以上的参与者，年收入达到1亿美元，谁会赢？谁会输？ AI人才市场已经死了吗？你是否也必须参与数据策划和实施的游戏。 @InvTechInc是市场上一个秘密巨头，年收入2亿美元，客户包括一些全球最大的公司。 Spotify 👉 Youtube 👉 Apple Podcasts 👉 我与他们的首席执行官Matthew Fitzpatrick交谈的五大经验教训👇

1. 企业AI仍处于初始阶段 在企业中的部署远不止模型，它涉及数据基础设施、工作流程重设计、问责制、信任和可观察性。 这就像在银行中构建信用模型，涉及模型风险管理、测试、培训和验证。 我认为企业AI的部署仍处于初始阶段，可能需要十年，而不是两年。 关于企业AI部署，有什么是大家看不到的，但每个人都应该看到的呢 @chetanp @RichardSocher @lqiao @peakji

2. 你必须通过证明而不是承诺来销售企业AI 我给出的最简单建议是，从概念验证开始，从解决方案冲刺开始。 在你证明技术有效之前，他们不会支付一美元，我们会免费提供八周的服务。 如果你的技术有效，你会展示出来。 你如何建议创始人进行POC @maggie_hott @ajtennant @mark_goldberger

3. 前置工程师（FDEs）对真正的工作流程嵌入至关重要 开箱即用的AI很少能持久。 当变革需要采纳时，只有与操作员现场嵌入的团队才能将工具与真实流程对齐。 FDEs弥补了这一差距，缺少他们，项目就会停滞或回到试点阶段。 你是否同意FDEs是企业采纳真正有效所必需的 @BrendanFoody @jonsidd @GarrettLord

4. 模型性能与企业采用之间的差距正在扩大 公共基准显示模型准确性提高了40%–60%。 60%的消费者现在每周使用AI，但目前只有约5%的企业部署是在线的。 缩小这一差距不仅需要更好的模型，还需要数据基础设施、工作流程重设计、问责制、信任和可观察性。 在您看来，企业AI采用的最大障碍是什么 @levie @benioff @jasonlk @ivanhzhao

5. 人工生成的数据和专业知识将成为下一个十年的增长助力 合成数据适用于明确的任务，但复杂的多模态、多语言、多阶段推理需要经过精心策划的人类洞察。 企业将大量投资于收集、验证和优化真实世界的工作流程。 合成数据的兴起如何影响人工生成的数据市场 @ashugarg @jrichlive @gokulr