Resim kredisi: Unbounded AI araçları tarafından oluşturulmuştur
Son dokuz ayda, VC yatırımcıları olarak gördüğümüz yeni start-up şirketlerinin/yeni fikirlerin çoğu yapay zeka (AI), özellikle de üretken AI (Generative AI) ile ilgili, ki bu yeterli değil Şaşırttı. Bu alanda yüzlerce başlangıç konuşması gördük, ancak bunlardan yalnızca birkaçına yatırım yaptık. Görünüşe göre bu durumla karşılaşan sadece biz değiliz, yalnızca 2023'ün ilk çeyreğinde GenAI girişimlerine 1,7 milyar dolar yatırım yapıldı ve bu sayı ikinci çeyrekte beş kat artabilir.
Tanık olduğumuz bazı sıcak konu ve projeleri, yatırımcıların dikkat ettiği önemli özellikleri ve finansal açıdan "iyiyi harikadan" ayıran unsurları paylaşmak istiyoruz. Bu alan için henüz ilk günler ve hiçbir şey kesin değil, ancak aşağıdakilerin, giderek daha rekabetçi hale gelen bu alanda kendilerini farklılaştırmaya çalışan kuruculara yardımcı olacağını umuyoruz.
İlk aşamalarda, çok sayıda "üretken-yerli" şirketin ortaya çıktığını görüyoruz. Bu şirketlerin kendileri, ya son kullanıcıya hizmet veren bir uygulama olarak ya da model ile uygulama arasında yer alan bir "ara yazılım" araç katmanı olarak, temel modelin üzerine kuruludur.
Fikir 1: E-posta, bilgi tabanları ve diğer uygulamalarda yeni metin oluşturabilen veya mevcut metni iyileştirebilen metin tabanlı içerik oluşturmak için modeller kullanın.
Fikir 2: "X'in yardımcı pilotu"; AI aracıları, kod yazma, sunum taslağı hazırlama ve diğer görevleri gerçekleştirme becerilerini artırmak için insan operatörlerle birlikte çalışır. Belirli dikey kullanım durumlarını hedefleyen birçok yardımcı pilot uygulamasının yanı sıra daha "kişiselleştirilmiş" bir yardımcı pilot elde etmeye çalışan bazı uygulamalar gördük.
**Fikir 3: Yerleştirmeleri ve vektör veritabanlarını yönetmek için LLM (Büyük Dil Modeli) aracı. **
Özet: Farklı bir erken aşamada üretken yapay zeka girişimi olmak için bir veya daha fazla hendeğe sahip olmak çok önemlidir. Hendekler, adaletsiz erişimden dağıtıma, AI/ML yeteneğine, hesaplamaya, verilere, modellere veya çözdüğünüz sorun alanı ve nasıl daha keyifli bir kullanıcı deneyimi yaratılacağına dair farklı bakış açılarına sahip olmaya kadar değişebilir.
Erken büyüme dönemi ve büyüme dönemi (B/C+ yuvarlak)
B/C aşamasında gördüğümüz şirketler için, genellikle "LLM öncesi" dönemde doğuyorlar ve şimdi temel modelin yeteneklerini mevcut ürünlere en iyi şekilde nasıl entegre edeceklerini buluyorlar. Bu şirketlere "generative-enhanced" (generative-enhanced) şirketler diyoruz, tekerleklerini yeniden icat etmeleri gerekmez, ancak LLM'ye özgü startup'lara karşı kaybetmediklerinden emin olun.
Yaratıcılık 1: Öngörüye Dayalı Analitik; birçok büyük ölçekli SaaS şirketi, gelir artışını, müşteri kayıp oranlarını ve diğer göstergeleri daha doğru bir şekilde tahmin etmek için mevcut büyük veri kümelerinden içgörüler elde etmek için yapay zekayı kullanıyor.
Fikir 2: Kişiselleştirme ve Öneriler; bu, büyüme aşamasındaki girişimlerin yapay zekadan yararlandığını gördüğümüz en hızlı ve en etkili yollardan biridir. Altta yatan modellerin ortaya çıkması, hem B2B hem de B2C şirketlerinin mevcut müşterilere daha sağlam ve doğru ürün önerileri sunmasını sağlar.
Fikir 3: "Anında Otomatik Tamamlama"; Metin veya yazma bileşeni olan büyüme aşamasındaki şirketlerin neredeyse tamamında, kullanıcıların ChatGPT ile yaşadıklarına benzer şekilde, LLM'nin "Anında Otomatik Tamamlama" için kullanıldığını görüyoruz.
Özet: İşletmenizi iyileştirmeye veya daha "Yapay zeka dostu" olacak şekilde yeniden tasarlamaya başlamadıysanız, ürün ekibinizin küçük bir bölümünü yeni özellikler oluşturmaya ayırmayı düşünün.
Bu alana giren girişimlere uyarı: Üretken yapay zeka şirketleri tarafından özellikle belirli alt kategorilerde ne kadar fon toplandığını değerlendirmek önemlidir. Dealbook tarafından belirlenen 250'den fazla üretici yapay zeka şirketinin pazar manzarasına bir göz atın. Model oluşturma, metin yazarlığı araçları ve vektör veritabanlarındaki şirketler, finansman için yüz milyonlarca dolar topladı. Elbette bu, bu alanda başka bir yenilikçi girişimin başlatılamayacağı anlamına gelmez, ancak şunu not etmek önemlidir…
2. Mali açıdan "iyi" neye benziyor?
Akıllı bir uygulama şirketi için "iyi" bir finansal ölçütün neye benzediği konusundaki anlayışımız henüz başlangıç aşamasındadır, ancak SaaS alanında "sınıfının en iyisi" büyüme oranının şekildeki duruma benzer olduğuna inanıyoruz. altında. Unutmayın, artık ne pahasına olursa olsun büyümeyi kovalamıyoruz, bu nedenle verimlilik ve yanma oranı önemli faktörler.
Ürün Yayın Süresi: Akıllı uygulamaların avantajlarından biri, ürünleri her zamankinden daha hızlı piyasaya sürme yeteneğidir. Birçok akıllı uygulama şirketinin, kullanıcı verilerini toplamaya başlayabilmeleri ve bunu bir "insan geri bildiriminden güçlendirici öğrenme" (RLHF) döngüsü oluşturmak için kullanabilmeleri için ürünlerini "beta" durumunda piyasaya süreceğini öngörüyoruz. Tarihsel olarak, bir ürünün piyasaya sürülmesinden sonra yıllık tekrarlanabilir gelirde (ARR) 1 milyon ABD dolarına ulaşması bir yıl alabilir, ancak müşteriler yatırım getirisini (ROI) hızlı bir şekilde görebildiğinden üretken yapay zeka şirketlerinin ARR'de 1 milyon ABD dolarına daha hızlı ulaştığını görebiliriz. Birçok üretken yapay zeka ürünü, ürün liderliğindeki büyüme (PLG)/aşağıdan yukarıya satışlar (ör. Jasper, Lensa, Harvey, Tome, vb.) yoluyla virallikten de yararlanır.
Müşteriyi Elde Tutma: Üretken bir yapay zeka şirketi hızla yeni müşteriler çekebilir, ancak kayıp oranı daha yüksek olabilir. Bir SaaS şirketi için iyi bir elde tutma oranı %85 - %95 civarındadır ve sınıfının en iyisi %95+'ya yakındır. Net elde tutma açısından, iyi bir oranın %110-%120+ olduğunu, en iyi durumun ise %120+ olduğunu düşünüyoruz. Daha yüksek bir kayıp oranı, modelin sürekli olarak yanlış çıktılar üretmesinden, diğer rakip ürünlerin ortaya çıkmasından vb. kaynaklanabilir. Akıllı uygulamalar söz konusu olduğunda PLG yaklaşımındaki büyük bir faktör, müşterilerin yeni bir ürünü denemelerinin veya ayda 10-20 ABD Doları ödemelerinin çok kolay olması ve yalnızca hızla terk etmeleridir.
Satılan Malın Maliyeti (COGS) ve Brüt Marj: Birçok akıllı uygulama şirketinin aşağıdakilerle ilgili yeni maliyetleri olmasını bekliyoruz: 1) modeller; 2) eğitim ve ince ayar; 3) tesis yönetimi operasyonları. Bu LLM ve vektör veritabanı depolarında (Pinecone gibi şirketler aracılığıyla) sorgu çalıştırma maliyetinin yüksek olduğunu duyduk. Çoğu durumda, müşterilerin istedikleri çıktıyı alana kadar bir model üzerinde sorgu çalıştırabileceklerini ve lisans başına ödeme yaptıkları için çalıştırılan sorgu sayısının maliyet üzerinde önemli bir etkisi olduğunu duyduk. Sonuç olarak, yapay zeka odaklı şirketlerin muhtemelen daha düşük brüt kar marjları görmesini bekliyoruz.
3. "İyi" ve "mükemmel" arasındaki fark nedir?
Diğer tüm teknolojiler veya endüstriler gibi, risk sermayesi yatırımcıları olarak biz de nihai olarak harika ekipleri, devasa pazarları ve müşterilerin sorunlu noktalarına ilişkin keskin bir anlayışı değerlendiriyoruz. Bu temel ilkeler değişmeyecek:
**Müşteri odaklı/gerçek sıkıntılı noktaları çöz: **Herhangi bir yeni teknolojik değişimde, sadece "trendleri takip etmeye" ve "havalı" teknoloji yaratmaya çalışan, ancak müşterinin sorunlarını gerçekten çözmeyen birçok yeni şirket göreceğiz. . Anlaşılması gereken ilk soru şudur: Bir "saç yanıyor" problemini çözüyorsunuz, üretken yapay zeka bu sorunu çözmeye yardımcı olmak için daha iyi bir yol mu, yoksa gereksiz bir teknoloji mi?
Ekip: LLM'nin bu yeni çağında, yeni ürünler oluşturma ve şirket kurma fırsatı oldukça demokratikleştirildi. Sonuç olarak, çok az endüstri bilgisi veya uzmanlığı olan alanlarda iş kuran birçok kurucu ekip görüyoruz. Anlaşılması gereken soru şudur: Ekibiniz neden bu sorunu çözmek için en uygun?
Hızlı Adaptasyon ve Yürütme Yeteneği: Bu alanın hızla geliştiğine şüphe yok. Ekiplerin çevik olması ve ürünleri ve stratejileri gerektiği gibi hızlı bir şekilde ayarlaması artık her zamankinden daha önemli. Aynı zamanda, sadece abartı peşinden koşmamak ve temel ilkelere bağlı kalmak önemlidir. Başka bir deyişle: Şirkette potansiyel bir değişiklik yapmak için doğru zamanın ne zaman olduğunu nasıl anlayacaksınız?
Tekrarlanabilirlik: Yapay zeka, şirketlerin sıfırdan daha hızlı hareket etmesine yardımcı olsa da, aynı zamanda bir kategoride eskisinden çok daha fazla rakip olabileceği anlamına gelir. Üretken AI pazar ortamının halka açık haritalarına ve kategoriye akan paraya bakın. İyi kurucular ve ekipler, doldurulması gereken benzersiz boşlukların nerelerde olduğunu bilirler ve karmaşa içinde hızla kaybolabilecekleri alt alanlardan büyük ölçüde kaçınırlar.
4. Sonuç
VC yatırımcıları olarak, AI'nın sahip olacağı tam etki konusunda herkes kadar heyecanlı ve iyimseriz. Bununla birlikte, geçen yıl boyunca gördüğümüz yüzlerce proje sunumundan, kategoride çok fazla yutturmaca olduğu ve kurucuların farklılaşıp öne çıkması ve sonunda değerini kanıtlaması her zamankinden daha önemli olduğu açıktır. ürün.
Diğer bazı notlar:
**Değerlendirme:**Genel risk sermayesi piyasası 2021'deki zirvesine göre düşüş gösterse de yapay zeka (özellikle üretken yapay zeka) finansmanı ve değerlemeleri hâlâ yüksek. Bu, VC'nin ve kurucunun alana olan ilgisini yansıtıyor, ancak diğer tüm döngüler gibi (dot-com balonu ve çöküşü gibi), startup'ların yalnızca küçük bir bölümünün nihayetinde çıkmak için hayatta kaldığını ve sonraki birkaç yıl içinde değerlemelerin yapıldığını not etmek önemlidir. yılda %90'dan fazla düşebilir.
Generative Native ve Generative Augmented: Üretken bir yerel şirket olarak, üretken bir artırılmış şirketin yapamayacağı neyi inşa edebilirsiniz? Bir kategoriye giren yeni bir girişim olarak, sizinle mevcut şirketler arasındaki anlamlı fark nedir? Microsoft, Google ve Amazon gibi büyük teknoloji şirketleri zaten LLM'yi hızla benimsiyor, bu nedenle onlarla nerede etkili bir şekilde rekabet edebileceğinizi anlamak çok önemlidir.
BÜTÇE KISITLAMALARI: Zorlayıcı makro ortam ve bütçelerin daralmasıyla, ürününüzün gerçek gerekliliğini anlamak önemlidir. Önceki boğa piyasalarında, hemen hemen her SaaS ürünü birkaç milyon dolar gelir sağlayabilirdi. Mevcut ortamda ve devam eden (azalan) durgunluk riskinde, Target'ın baş bilişim görevlileri (CIO'lar), hangilerinin azaltılabileceğini görmek için her şirket giderine bakıyor. Yapay zekayı ürününüze dahil etmek onlara yardımcı olacak mı yoksa sonuçta alakasız mı olacak?
-----(metnin sonu)-----
Orijinal adres:
View Original
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
Bir VC yatırımcısı olarak, üretken yapay zeka başlangıç patlaması hakkındaki görüşlerim...
Yazar: Gui Shuguang
Kaynak: Angel Tea House
Orijinal Yazar: SABRINA WU / VIVEK RAMASWAMI
Son dokuz ayda, VC yatırımcıları olarak gördüğümüz yeni start-up şirketlerinin/yeni fikirlerin çoğu yapay zeka (AI), özellikle de üretken AI (Generative AI) ile ilgili, ki bu yeterli değil Şaşırttı. Bu alanda yüzlerce başlangıç konuşması gördük, ancak bunlardan yalnızca birkaçına yatırım yaptık. Görünüşe göre bu durumla karşılaşan sadece biz değiliz, yalnızca 2023'ün ilk çeyreğinde GenAI girişimlerine 1,7 milyar dolar yatırım yapıldı ve bu sayı ikinci çeyrekte beş kat artabilir.
Tanık olduğumuz bazı sıcak konu ve projeleri, yatırımcıların dikkat ettiği önemli özellikleri ve finansal açıdan "iyiyi harikadan" ayıran unsurları paylaşmak istiyoruz. Bu alan için henüz ilk günler ve hiçbir şey kesin değil, ancak aşağıdakilerin, giderek daha rekabetçi hale gelen bu alanda kendilerini farklılaştırmaya çalışan kuruculara yardımcı olacağını umuyoruz.
1. Genellikle ne tür fikirler görüyoruz?
Erken aşama (Ön Tohum/Tohum/A turu)
İlk aşamalarda, çok sayıda "üretken-yerli" şirketin ortaya çıktığını görüyoruz. Bu şirketlerin kendileri, ya son kullanıcıya hizmet veren bir uygulama olarak ya da model ile uygulama arasında yer alan bir "ara yazılım" araç katmanı olarak, temel modelin üzerine kuruludur.
Fikir 1: E-posta, bilgi tabanları ve diğer uygulamalarda yeni metin oluşturabilen veya mevcut metni iyileştirebilen metin tabanlı içerik oluşturmak için modeller kullanın.
Fikir 2: "X'in yardımcı pilotu"; AI aracıları, kod yazma, sunum taslağı hazırlama ve diğer görevleri gerçekleştirme becerilerini artırmak için insan operatörlerle birlikte çalışır. Belirli dikey kullanım durumlarını hedefleyen birçok yardımcı pilot uygulamasının yanı sıra daha "kişiselleştirilmiş" bir yardımcı pilot elde etmeye çalışan bazı uygulamalar gördük.
**Fikir 3: Yerleştirmeleri ve vektör veritabanlarını yönetmek için LLM (Büyük Dil Modeli) aracı. **
Özet: Farklı bir erken aşamada üretken yapay zeka girişimi olmak için bir veya daha fazla hendeğe sahip olmak çok önemlidir. Hendekler, adaletsiz erişimden dağıtıma, AI/ML yeteneğine, hesaplamaya, verilere, modellere veya çözdüğünüz sorun alanı ve nasıl daha keyifli bir kullanıcı deneyimi yaratılacağına dair farklı bakış açılarına sahip olmaya kadar değişebilir.
Erken büyüme dönemi ve büyüme dönemi (B/C+ yuvarlak)
B/C aşamasında gördüğümüz şirketler için, genellikle "LLM öncesi" dönemde doğuyorlar ve şimdi temel modelin yeteneklerini mevcut ürünlere en iyi şekilde nasıl entegre edeceklerini buluyorlar. Bu şirketlere "generative-enhanced" (generative-enhanced) şirketler diyoruz, tekerleklerini yeniden icat etmeleri gerekmez, ancak LLM'ye özgü startup'lara karşı kaybetmediklerinden emin olun.
Yaratıcılık 1: Öngörüye Dayalı Analitik; birçok büyük ölçekli SaaS şirketi, gelir artışını, müşteri kayıp oranlarını ve diğer göstergeleri daha doğru bir şekilde tahmin etmek için mevcut büyük veri kümelerinden içgörüler elde etmek için yapay zekayı kullanıyor.
Fikir 2: Kişiselleştirme ve Öneriler; bu, büyüme aşamasındaki girişimlerin yapay zekadan yararlandığını gördüğümüz en hızlı ve en etkili yollardan biridir. Altta yatan modellerin ortaya çıkması, hem B2B hem de B2C şirketlerinin mevcut müşterilere daha sağlam ve doğru ürün önerileri sunmasını sağlar.
Fikir 3: "Anında Otomatik Tamamlama"; Metin veya yazma bileşeni olan büyüme aşamasındaki şirketlerin neredeyse tamamında, kullanıcıların ChatGPT ile yaşadıklarına benzer şekilde, LLM'nin "Anında Otomatik Tamamlama" için kullanıldığını görüyoruz.
Özet: İşletmenizi iyileştirmeye veya daha "Yapay zeka dostu" olacak şekilde yeniden tasarlamaya başlamadıysanız, ürün ekibinizin küçük bir bölümünü yeni özellikler oluşturmaya ayırmayı düşünün.
Bu alana giren girişimlere uyarı: Üretken yapay zeka şirketleri tarafından özellikle belirli alt kategorilerde ne kadar fon toplandığını değerlendirmek önemlidir. Dealbook tarafından belirlenen 250'den fazla üretici yapay zeka şirketinin pazar manzarasına bir göz atın. Model oluşturma, metin yazarlığı araçları ve vektör veritabanlarındaki şirketler, finansman için yüz milyonlarca dolar topladı. Elbette bu, bu alanda başka bir yenilikçi girişimin başlatılamayacağı anlamına gelmez, ancak şunu not etmek önemlidir…
2. Mali açıdan "iyi" neye benziyor?
Akıllı bir uygulama şirketi için "iyi" bir finansal ölçütün neye benzediği konusundaki anlayışımız henüz başlangıç aşamasındadır, ancak SaaS alanında "sınıfının en iyisi" büyüme oranının şekildeki duruma benzer olduğuna inanıyoruz. altında. Unutmayın, artık ne pahasına olursa olsun büyümeyi kovalamıyoruz, bu nedenle verimlilik ve yanma oranı önemli faktörler.
Müşteriyi Elde Tutma: Üretken bir yapay zeka şirketi hızla yeni müşteriler çekebilir, ancak kayıp oranı daha yüksek olabilir. Bir SaaS şirketi için iyi bir elde tutma oranı %85 - %95 civarındadır ve sınıfının en iyisi %95+'ya yakındır. Net elde tutma açısından, iyi bir oranın %110-%120+ olduğunu, en iyi durumun ise %120+ olduğunu düşünüyoruz. Daha yüksek bir kayıp oranı, modelin sürekli olarak yanlış çıktılar üretmesinden, diğer rakip ürünlerin ortaya çıkmasından vb. kaynaklanabilir. Akıllı uygulamalar söz konusu olduğunda PLG yaklaşımındaki büyük bir faktör, müşterilerin yeni bir ürünü denemelerinin veya ayda 10-20 ABD Doları ödemelerinin çok kolay olması ve yalnızca hızla terk etmeleridir.
Satılan Malın Maliyeti (COGS) ve Brüt Marj: Birçok akıllı uygulama şirketinin aşağıdakilerle ilgili yeni maliyetleri olmasını bekliyoruz: 1) modeller; 2) eğitim ve ince ayar; 3) tesis yönetimi operasyonları. Bu LLM ve vektör veritabanı depolarında (Pinecone gibi şirketler aracılığıyla) sorgu çalıştırma maliyetinin yüksek olduğunu duyduk. Çoğu durumda, müşterilerin istedikleri çıktıyı alana kadar bir model üzerinde sorgu çalıştırabileceklerini ve lisans başına ödeme yaptıkları için çalıştırılan sorgu sayısının maliyet üzerinde önemli bir etkisi olduğunu duyduk. Sonuç olarak, yapay zeka odaklı şirketlerin muhtemelen daha düşük brüt kar marjları görmesini bekliyoruz.
3. "İyi" ve "mükemmel" arasındaki fark nedir?
Diğer tüm teknolojiler veya endüstriler gibi, risk sermayesi yatırımcıları olarak biz de nihai olarak harika ekipleri, devasa pazarları ve müşterilerin sorunlu noktalarına ilişkin keskin bir anlayışı değerlendiriyoruz. Bu temel ilkeler değişmeyecek:
**Müşteri odaklı/gerçek sıkıntılı noktaları çöz: **Herhangi bir yeni teknolojik değişimde, sadece "trendleri takip etmeye" ve "havalı" teknoloji yaratmaya çalışan, ancak müşterinin sorunlarını gerçekten çözmeyen birçok yeni şirket göreceğiz. . Anlaşılması gereken ilk soru şudur: Bir "saç yanıyor" problemini çözüyorsunuz, üretken yapay zeka bu sorunu çözmeye yardımcı olmak için daha iyi bir yol mu, yoksa gereksiz bir teknoloji mi?
Ekip: LLM'nin bu yeni çağında, yeni ürünler oluşturma ve şirket kurma fırsatı oldukça demokratikleştirildi. Sonuç olarak, çok az endüstri bilgisi veya uzmanlığı olan alanlarda iş kuran birçok kurucu ekip görüyoruz. Anlaşılması gereken soru şudur: Ekibiniz neden bu sorunu çözmek için en uygun?
Hızlı Adaptasyon ve Yürütme Yeteneği: Bu alanın hızla geliştiğine şüphe yok. Ekiplerin çevik olması ve ürünleri ve stratejileri gerektiği gibi hızlı bir şekilde ayarlaması artık her zamankinden daha önemli. Aynı zamanda, sadece abartı peşinden koşmamak ve temel ilkelere bağlı kalmak önemlidir. Başka bir deyişle: Şirkette potansiyel bir değişiklik yapmak için doğru zamanın ne zaman olduğunu nasıl anlayacaksınız?
Tekrarlanabilirlik: Yapay zeka, şirketlerin sıfırdan daha hızlı hareket etmesine yardımcı olsa da, aynı zamanda bir kategoride eskisinden çok daha fazla rakip olabileceği anlamına gelir. Üretken AI pazar ortamının halka açık haritalarına ve kategoriye akan paraya bakın. İyi kurucular ve ekipler, doldurulması gereken benzersiz boşlukların nerelerde olduğunu bilirler ve karmaşa içinde hızla kaybolabilecekleri alt alanlardan büyük ölçüde kaçınırlar.
4. Sonuç
VC yatırımcıları olarak, AI'nın sahip olacağı tam etki konusunda herkes kadar heyecanlı ve iyimseriz. Bununla birlikte, geçen yıl boyunca gördüğümüz yüzlerce proje sunumundan, kategoride çok fazla yutturmaca olduğu ve kurucuların farklılaşıp öne çıkması ve sonunda değerini kanıtlaması her zamankinden daha önemli olduğu açıktır. ürün.
Diğer bazı notlar:
**Değerlendirme:**Genel risk sermayesi piyasası 2021'deki zirvesine göre düşüş gösterse de yapay zeka (özellikle üretken yapay zeka) finansmanı ve değerlemeleri hâlâ yüksek. Bu, VC'nin ve kurucunun alana olan ilgisini yansıtıyor, ancak diğer tüm döngüler gibi (dot-com balonu ve çöküşü gibi), startup'ların yalnızca küçük bir bölümünün nihayetinde çıkmak için hayatta kaldığını ve sonraki birkaç yıl içinde değerlemelerin yapıldığını not etmek önemlidir. yılda %90'dan fazla düşebilir.
Generative Native ve Generative Augmented: Üretken bir yerel şirket olarak, üretken bir artırılmış şirketin yapamayacağı neyi inşa edebilirsiniz? Bir kategoriye giren yeni bir girişim olarak, sizinle mevcut şirketler arasındaki anlamlı fark nedir? Microsoft, Google ve Amazon gibi büyük teknoloji şirketleri zaten LLM'yi hızla benimsiyor, bu nedenle onlarla nerede etkili bir şekilde rekabet edebileceğinizi anlamak çok önemlidir.
BÜTÇE KISITLAMALARI: Zorlayıcı makro ortam ve bütçelerin daralmasıyla, ürününüzün gerçek gerekliliğini anlamak önemlidir. Önceki boğa piyasalarında, hemen hemen her SaaS ürünü birkaç milyon dolar gelir sağlayabilirdi. Mevcut ortamda ve devam eden (azalan) durgunluk riskinde, Target'ın baş bilişim görevlileri (CIO'lar), hangilerinin azaltılabileceğini görmek için her şirket giderine bakıyor. Yapay zekayı ürününüze dahil etmek onlara yardımcı olacak mı yoksa sonuçta alakasız mı olacak?
-----(metnin sonu)-----
Orijinal adres: