AI स्टार्टअप्स ना कार्यप्रवाह समायोजन आणि डेटा फ्लायव्हीलची गरज असते

"पीटर" AI स्टार्टअप्ससाठी दोन महत्त्वाच्या रणनीती चर्चा करत आहे: डेटा फ्लायव्हील्स (वापरकर्ता डेटाद्वारे लगातार सुधारणा होणारी प्रणाली) आणि वापरकर्त्यांच्या दैनंदिन प्रक्रियेमध्ये प्रवाहित होणे.

डेटा फ्लायव्हील भाग म्हणजे तुम्ही प्रारंभी स्वत:चा डेटा वापरु शकता, परंतु खरा फ्लायव्हील म्हणजे तो कसा टिकवून ठेवायचा आणि तो कसा निर्माण करायचा. आणि दुसरा भाग म्हणजे कार्यप्रवाहच.

"फूडी" ही मर्कोरचा सीईओ आहे, ज्या कंपनीत AI मॉडेल कार्यक्षमता मूल्यांकन आणि सुधारणा करण्यासाठी तज्ज्ञांची मदत घेतली जाते.

जगातील सर्वात श्रीमंत कंपन्या मॉडेल क्षमता सुधारण्यासाठी काहीही खर्च करण्यास तयार आहेत.

"हार्वे" हा वकील आणि कायदेशीर संस्था साठी विशिष्ट AI उपकरणे आणि कस्टम मॉडेल तयार करणारा AI स्टार्टअप आहे.

आम्ही या सर्वसाधारण वापरकर्ता केसवर खोलवर लक्ष केंद्रित केले आहे, जसे की सामान्य युक्तिक क्षमता, सामान्य कोडिंग, सामान्य लेखन क्षमता. मला वाटते जेव्हा तुम्ही थोड्या सीमित अनुप्रयोगांमध्ये येता, ते Harvey करत असलेल्या काही गोष्टींपेक्षा आमचे मॉडेल कदाचित कधीच तेवढे सक्षम नसतील.

लोक या अनुप्रयोगांमध्ये मूल्य कुठे निर्माण होते हे खूप कमी लक्षात घेतात आणि ते तसे काहीही चुकीचे बनवतात. ते UI महत्त्वाचे नाही आणि डेटा मॉडेल महत्त्वाचा नाही, गरजेचे आहेत तरी, परंतु ग्राहकांना पाठिंबा देण्यासाठी उत्पादनाच्या मूलभूत कार्यप्रवाहाच्या वर्षो आणि वर्षांच्या प्रगतीचेच महत्त्व आहे.

"मायक क्रिगर" हा अँथ्रोपिकच्या AI मॉडेलसंबंधी (जसे की क्लौड) आणि मॉडेल विकासाचा उत्पादन अनुभवाशी असलेल्या परस्पर संबंधाबद्दल चर्चा करत आहे.

जर आम्ही असे काही गोष्टी पाठवत असू जे आमच्या मॉडेलच्या सहाय्याने कोणीही तयार करू शकतो, तर त्यात चांगल्या गोष्टी आहेत, परंतु आमचे योगदान काय असावे आणि आम्ही एकछत्री काय करू शकतो, ते या दोन्ही गोष्टींच्या सुंदर संयोजनात असायला हवे.