AIスタートアップにはワークフロー統合とデータフライホイールが必要

ピーターは、AIスタートアップの2つの主要な戦略について説明しています。データフライホイール(ユーザーデータを通じて継続的に改善されるシステム)と、ユーザーの日常プロセスに密着したワークフローの統合です。

データフライホイールの部分は、独自のデータから始めることはできますが、本当のフライホイールは、それをどのように維持し、生み出し続けるかということです。そして2つ目は、やはりワークフローです。

マーコーのCEOのFoodyは、AIモデルのパフォーマンスを評価・改善するためのエキスパート採用を支援する同社について説明しています。

世界で最も豊かな企業は、モデルの能力を改善するために、何があっても費用をかけるつもりです。

ハービーは、弁護士や法律事務所向けの専門的な法務ツールやカスタムAIモデルを構築するAIスタートアップについて述べています。

私たちは、一般的な推論能力、一般的なコーディング能力、一般的な文章能力といった、非常に一般的な用途に深く注目しています。一方で、非常に垂直的なアプリケーションに入っていくところで、おそらく私たちのモデルはHarveyが行っているものほど優れたものにはならないと思います。

人々は、これらのアプリケーションにおける価値の創出箇所を本当に過小評価しており、完全に間違った見方をしています。重要なのはUIではなく、データモデルでもありません。重要なのは、顧客をサポートするための製品の根底にある、長年にわたる業務フローの進化です。

マイク・クリーガーは、AnthropicのAIモデル(ClaudeなどELモデルなど)と、モデル開発と製品体験開発の交差点について議論しています。

もし私たちが、誰でも私たちのモデルを使って作れるような製品をリリースしていたら、それでも素晴らしいものを作れるはずですが、私たちが取り組むべきところ、そして私たちにしかできないことは、モデルと業務の魔法的な交差点にあるはずです。