Капанът на доказването на концепция
Иван Джанг говори за разочарованието сред предприятията, инвестирали в AI пилоти, без да видят полза. Той призна, че клиентите на Cohere са се затруднили да прехвърлят приложенията си в производство поради проблеми с разходите, управлението, сигурността на данните и поверителността. Това отразява по-широка тенденция, където обещанието за AI често се сблъсква с практическите реалности на изпълнението.
Той посочи проблемите с разходите, нормативното съответствие, защитата на данните и протоколите за поверителност, които Cohere се надява да реши с новата си платформа за работни пространства, North.
Задължителният ROI
В интервю Джанг подчерта, че следващата фаза на приемане на AI трябва да бъде водена от ясен ROI. Компаниите трябва да видят ясна финансова обосновка на своите AI инвестиции, като се уверят, че ползите надвишават разходите. Той предупреди, че някои AI системи са толкова скъпи за експлоатация, че отричат всякакви потенциални икономии на разходи от автоматизирането на задачите.
"Понякога системите, които изграждат, цената на самия модел е по-скъпа от хората, които всъщност го управляват," каза той.
Основният въпрос дали има действително подобрение с AI внедряванията трябва да бъде адресиран, за да се преодолеят изгорелите мостове на AI компаниите, които поемат проекти, които никога не се реализират.
AI разширение спрямо продуктивност
Джанг отбеляза и случаи, в които компаниите са се опитали да разширят съществуващата работна сила с AI, но не са видели подобрение в производителността. В някои случаи служителите просто са намалили натовареността си, без да увеличават производителността, което ефективно отрича ползите от AI. Това подчертава важността на внимателното обмисляне на това как AI е интегриран в съществуващите работни процеси и гарантирането, че води до реално повишаване на ефективността.
Преодоляване на ранни неуспехи
Джанг очаква, че AI стартъп компаниите ще бъдат натоварени със задачата да си върнат обратно доверието на компаниите, които са "изгорели" от проекти, които не са се реализирали. "Следващата фаза на излизане на пазара за тази технология е, къде е ROI?" Той вярва, че AI компаниите ще трябва да възстановят доверието, като демонстрират осезаемата стойност на своите решения и се фокусират върху предоставянето на измерими резултати.
Ехо от изследователската общност
Наблюденията на Джанг са подкрепени от изследвания от организации като National Bureau of Economic Research, които не откриха "съществено въздействие върху приходите или отработените часове в никоя професия" след проучване на 7000 работни места, използващи AI чатботове. По същия начин проучване на Boston Consulting Group разкри, че само една четвърт от анкетираните ръководители са видели значителна стойност от AI, което предполага, че компаниите често разпределят инвестициите си твърде тънко в множество пилоти.
Приоритизиране на бизнес проблемите пред лъскави решения
Съветът на Джанг към компаниите, обмислящи LLM, е да се съсредоточат върху решаването на конкретни бизнес проблеми, а не да изграждат сложни решения без ясни случаи на употреба. Той предупреди да не се "губите в изграждането на нещо и търсенето на проблем", като подчертава важността на привеждането на AI инвестициите в съответствие със стратегическите бизнес цели.
AI като инструмент в кутията с инструменти
Джанг твърди, че AI трябва да се разглежда като просто един инструмент в кутията с инструменти за решаване на бизнес проблеми и създаване на стойност за клиентите. Той предупреди да не се преувеличава потенциалът на технологията да решава всички проблеми на света, като подчерта, че е най-ефективна, когато се използва стратегически и в комбинация с други решения.
Предизвикателството с халюцинациите
Докато AI е постигнал значителен напредък, все още има предизвикателства, особено в областта на "халюцинациите", където LLM генерират фалшива или измислена информация. Въпреки напредъка в тази област, нивата на халюцинации на LLM остават упорито високи, като дори най-новите модели от водещи компании произвеждат грешки. Този проблем подчертава важността на прозрачността и предоставянето на потребителите на информация за това как AI моделите стигат до своите заключения.
Съоснователят призна пред много професионалисти, че халюцинациите остават проблем в генеративния AI. Той заяви, че компанията се е опитала да помогне, като е прозрачна, включително като показва на потребителите "суровото мислене" на своите LLM и какви инструменти използват нейните системи, заедно с това как и цитати за получените отговори.
Конкурентният пейзаж
Cohere е изправена пред ожесточена конкуренция от по-добре финансирани съперници в AI пространството. Въпреки това, Джанг вярва, че по-голямото не винаги е по-добро, когато става въпрос за изграждане на рентабилни и енергийно ефективни AI модели. Той твърди, че един модел е "толкова добър, колкото данните и системите, до които има достъп", като подчертава важността на изграждането на решения, които могат да бъдат изпълнявани изцяло в средите на клиентите. Джанг изтъкна "интензивния растеж" на Cohere и каза, че "сравнително новороденият" характер на пространството оставя много място за разширяване на компанията.
Ръст на приходите и предизвикателства
Растежът на Cohere е тема на фокус за технологичните медии. Cohere достигна 100 милиона щатски долара (138 милиона канадски долара) в годишни приходи този месец, след като удвои продажбите си от началото на 2025 г., а главният изпълнителен директор Ейдън Гомес наскоро каза на Bloomberg, че компанията е "недалеч" от рентабилност. Но The Information съобщи, че това все още е с 350 милиона щатски долара под това, което Cohere каза на инвеститорите през 2023 г., че очаква да прави годишно досега. Целите за приходи и ожесточената конкуренция не са единствените предизвикателства, с които Cohere трябва да се справи.
Съдебен процес за нарушаване на авторски права
AI стартъп компанията също има, както един експерт нарече, потенциален "съдебен процес за нарушаване на авторски права, създаващ прецедент" от големи медийни компании. Група медийни организации, включително Toronto Star, Condé Nast и Vox, твърдят, че Cohere е събрала медийно съдържание без съгласие и го е използвала за обучение на AI модели, достъп до съдържание в реално време без разрешение и генерирани нарушаващи авторски права резултати. Cohere е само един от много AI стартъпи, изправени пред подобни съдебни процеси. Cohere отрече тези твърдения, твърдейки, че издателите, които съдят, са се постарали да "фабрикуват" дело и оспориха схващането, че е настъпило някакво практическо нарушение на авторски права.
Джанг отказа да предложи много коментари по въпроса, насочвайки BetaKit към публикация в блог, описваща мисленето на Cohere. "Уверени сме в това", каза той.
По-задълбочен поглед върху предизвикателствата при внедряването на AI
Много бизнеси първоначално се гмуркат в AI инициативи с голям ентусиазъм, вярвайки, че AI бързо ще революционизира техните операции и ще създаде невиждани досега ефективности. Но мнозина се оказват изправени пред значителни предизвикателства, които не са очаквали. Тези трудности могат да приемат различни форми, от техническа сложност до организационна съпротива. Разбирането на тези предизвикателства е от съществено значение за бизнесите, надяващи се успешно да внедрят AI и да получат положителна възвръщаемост на инвестициите си.
Техническа сложност и изисквания за данни
Едно от първите препятствия, с които често се сблъскват бизнесите, е техническата сложност на AI системите. AI моделите, особено тези, базирани на дълбоко обучение, са изчислително взискателни и изискват специализирани знания за създаване, обучение и разгръщане. Данните също са необходими. Качеството и количеството на данните за обучение имат съществено въздействие върху работата на AI моделите. Събирането и подготовката на огромни набори от данни може да бъде отнемащ време и ресурси процес. AI проектите могат да бъдат възпрепятствани от липсата на висококачествени, етикетирани данни, което води до неточни или предубедени модели.
Освен това, гарантирането на оперативната съвместимост на AI системите със съществуващата ИТ инфраструктура въвежда допълнителна сложност. Различните AI платформи и рамки може да не са съвместими със старите системи, което налага съществени промени в съществуващите работни процеси и архитектури. Интегрирането на AI в сложни организационни среди често налага значителен опит и силно разбиране както на AI технологиите, така и на основните търговски операции.
Организационни и културни бариери
Освен техническите препятствия, организациите могат да срещнат значителни организационни и културни препятствия пред приемането на AI. Един често срещан проблем е нежеланието на работниците да прегърнат промените, водени от AI. Служителите могат да бъдат загрижени за разместването на работни места, както и за необходимостта да научат нови таланти и да се адаптират към нови методи на работа. Съпротивата от работниците може да попречи на AI инициативите и да възпрепятства реализацията на очакваните предимства.
Освен това, разгръщането на AI налага значително сътрудничество между отдели и екипи. Учените по данни, ИТ специалистите, бизнес анализаторите и експертите по темата трябва да си сътрудничат, за да определят проблеми, да създават AI решения и да ги разгръщат в производство. Силозите и липсата на комуникация могат да задушат сътрудничеството и да попречат на ефективната интеграция на AI в търговските операции. Преодоляването на тези организационни и културни препятствия налага силно лидерство, ефективна комуникация и отдаденост на управлението на промените.
Етични и управленски опасения
Тъй като AI става все по-широко разпространен, етичните и управленските въпроси стават все по-важни. AI системите имат способността да увековечават предразсъдъци, да вземат несправедливи преценки и да нарушават поверителността на хората. Организациите трябва да се справят с тези опасения, като разработват стабилни етични насоки и процедури за управление на AI дизайн, развитие и разгръщане. Прозрачността, отчетността и справедливостта са ключови принципи за отговорния AI.
Поверителността на данните е важен въпрос, който трябва да се вземе предвид. Правилата за поверителност на данните трябва да се спазват при изграждането на AI системи, заедно с предпазни мерки за защита на чувствителна информация от нежелан достъп или злоупотреба. Организациите трябва да получат съгласие на потребителите за събиране и използване на данни, както и да осигурят прозрачност за това как AI моделите вземат решения. Освен това, организациите трябва да имат механизми за наблюдение и одит на AI системи, за да откриват и смекчават всички етични рискове или нежелани последствия.
Измерване и демонстриране на ROI
В крайна сметка, успехът на всеки AI проект зависи от неговата способност да произведе количествено определена възвръщаемост на инвестициите (ROI). Въпреки това, определянето на ROI на AI проектите може да бъде трудно, особено когато ползите са нематериални или дългосрочни. Организациите трябва да установят ясни цели и показатели за своите AI инициативи, както и да проследяват напредъка и да измерват резултатите редовно. Това налага задълбочено разбиране на бизнес стойността, която AI се очаква да достави, както и ресурсите, необходими за постигане на тази стойност.
Освен това, комуникирането на ползите от AI на заинтересованите страни е критично за получаване на подкрепа и установяване на доверие в AI инвестициите. Това може да наложи представяне на случаи на употреба, демонстриране на ранни триумфи и количествено определяне на въздействието на AI върху основните бизнес показатели. За успешно количествено определяне и показване на ROI на AI, бизнесите трябва да създадат определена рамка за измерване на работата и ясно да изразят стойностното предложение на заинтересованите страни.
Бъдещето на приемането на AI: Балансирана перспектива
Прозренията на Иван Джанг подчертават важността на балансиран подход към приемането на AI, който признава потенциала на технологията, като същевременно остава заземен в практически реалности. Тъй като AI продължава да се развива, компаниите ще трябва да се съсредоточат върху изграждането на решения, които доставят осезаем ROI, адресират етичните опасения и се интегрират безпроблемно в съществуващите работни процеси. Чрез приоритизиране на бизнес проблемите пред лъскавите решения и разглеждането на AI като инструмент в кутията с инструменти, организациите могат да отключат истинския потенциал на AI и да управляват смислени бизнес резултати.