AI 스타트업은 워크플로 통합과 데이터 플라이휠이 필요합니다

피터는 AI 스타트업의 두 가지 핵심 전략인 데이터 플라이휠(사용자 데이터를 통해 지속적으로 개선되는 시스템)과 사용자의 일상적인 프로세스에 통합되는 워크플로에 대해 논의하고 있습니다.

데이터 플라이휠 부분은 단지 독점적인 데이터로 시작할 수 있지만, 진정한 플라이휠은 이를 지속적으로 유지하고 생성하는 방법입니다. 그리고 두 번째 사항은 워크플로 통합입니다.

Foody는 AI 모델의 성능을 평가하고 개선하는 데 전문가를 고용하는 Mercor의 CEO입니다.

세계에서 가장 부유한 기업들은 모델 기능을 향상시키기 위해 필요한 것은 무엇이든 지출할 준비가 되어 있습니다.

하비는 변호사와 법률 회사를 위한 전문화된 법률 도구와 사용자 정의 모델을 구축하는 AI 스타트업입니다.

우리는 일반적 추론 기능, 일반적 코딩, 일반적 작성 능력 등과 같은 매우 일반적인 사용 사례에 깊이 집중하고 있습니다. 아마도 매우 수직적인 애플리케이션과 관련된 부분에서는 우리의 모델이 하비가 하고 있는 것만큼 능력이 뛰어나지는 않을 것입니다.

사람들은 이런 애플리케이션에서 가치가 창출되는 부분을 크게 과소평가하며, 완전히 잘못된 방향으로 생각합니다. 중요한 것은 UI나 데이터 모델이 아니라, 고객을 지원하기 위해 수년에 걸쳐 발전된 기저 워크플로입니다.

마이크 크리거는 Anthropic의 AI 모델(클로드와 같은)과 모델 개발과 제품 경험 개발의 교차점에 대해 논의하고 있습니다.

우리가 누구나 사용할 수 있는 모델을 통해 만들 수 있는 것을 출시한다면, 우리의 역량을 충분히 발휘하지 못하는 것입니다. 우리의 모델을 활용해 만들어진 훌륭한 제품들이 많이 있지만, 우리가 독특하게 해낼 수 있는 것은 두 영역의 마법적 교차점에 있는 것이어야 합니다.