Laurel створює першу у світі платформу штучного інтелекту для вирішення причинно-наслідкових зв'язків між галузями, які не можуть точно пов'язати часові інвестиції з бізнес-результатами. Ця стаття від Leo, статті, написаної Deep Thinking Circle, зібрана, складена та написана techflow. (Синопсис: Коли світ кидається в штучний інтелект, чому Apple все ще стоїть на місці?) Laurel використовує штучний інтелект для вирішення проблеми галузі вартістю в трильйон доларів: зробити час інтелектуальних працівників видимим, вимірюваним та оптимізованим. Ви коли-небудь замислювалися, чому виробнича промисловість може розрахувати витрати на виробництво автомобіля з великою точністю, а роздрібна індустрія може точно відстежувати запаси кожного товару, тоді як юридичні фірми, бухгалтерські фірми та консалтингові фірми не знають про свій найважливіший ресурс: людський час? Це питання турбувало мене довгий час, поки я не дізнався про раунд фінансування Laurel серії C на $100 млн. Компанія використовує штучний інтелект для вирішення проблеми галузі вартістю в трильйон доларів: роблячи час інтелектуальних працівників видимим, вимірюваним та оптимізованим. Я копнув глибше і виявив, що Лорел не просто робить щось таке просте, як відстеження часу. Вони створюють першу у світі платформу штучного інтелекту, щоб спробувати вирішити те, що засновник Райан Альшак називає «проблемою часового інтелекту» — нездатність галузей, заснованих на знаннях, точно пов'язати інвестиції часу з бізнес-результатами. В епоху штучного інтелекту кількісна оцінка та розуміння людського капіталу перетворилася з вишеньки на торт на потребу бізнесу за принципом «життя та смерть». Раунд очолила компанія IVP за участю GV (Google Ventures) та 01A, а серед нових інвесторів також були такі знаменитості, як DST Global, Кевін Вейл з OpenAI, Алексіс Оганян, технічний директор GitHub Володимир Федоров та інші. Біль і пробудження шестихвилинної бухгалтерії Корінь проблеми можна простежити до того, як індустрія професійних послуг працювала протягом десятиліть. Юристи, бухгалтери та консультанти повинні записувати свій робочий час з кроком у шість хвилин, щоб клієнти могли платити погодинно. Райан Альшак гостро відчуває цей біль як юрист: «Це як у напружений суботній вечір, коли я шеф-кухар, який готує для 500 клієнтів, але в той же час просить мене відстежувати кожен інгредієнт, який я використовую, що водночас відволікає та дегуманізує». Я розумію розчарування. Уявіть, що ви щойно завершили складний юридичний аналіз і ваші думки максимально чіткі, але потім вам потрібно зупинитися і згадати: скільки часу я просто витратив на перегляд інформації? Скільки хвилин пішло на написання цієї записки? Що обговорювалося на дзвінку з замовником? Ця вимушена перерва не тільки впливає на ефективність, але й змушує професіоналів відчувати себе працівниками заводу, яких контролюють, а не експертами, які надають інтелектуальні послуги. Момент прозріння Альшака був простим: «Чому я повинен розповідати машині про те, що я робив на роботі, замість того, щоб дозволити машині нагадати мені, що я зробив?» За цим, здавалося б, простим питанням криється парадоксальний висновок: юристи, бухгалтери та консультанти насправді мають проблему заниження рахунків, тому що забувають про багато вже виконаної роботи. Якщо ви можете отримати більше прибутку для покупця (бізнесу) і заощадити час користувача (професіонала), це ідеальний фундамент для побудови компанії. Ця больова точка зустрічається набагато частіше, ніж я думав. За словами Лорела, середньостатистичний професіонал відновлює понад 28 хвилин оплачуваного часу на день, які раніше були втрачені через відсутність записів. При середній погодинній ставці $375 це означає, що кожен професіонал приносить компанії додаткові $175 на день. Для великої фірми з сотнями професіоналів ця цифра досить приголомшлива. Чотири ключі до переосмислення штучного інтелекту відстеження часу Рішення Laurel здається інтуїтивно зрозумілим, але насправді це надзвичайно складне технічне завдання. Я зрозумів, що для справжньої автоматизації наскрізних графіків потрібно вирішити чотири ключові технічні проблеми, кожна з яких має досить високий технічний поріг. Перший виклик – це відстеження цифрового сліду. Laurel повинен мати можливість інтеграції з усіма цифровими програмами, що використовуються користувачами, включаючи Slack, Microsoft Outlook, Zoom та інші робочі інструменти. Лише коли штучний інтелект зможе «бачити» всю робочу діяльність професіоналів на різних платформах, він зможе точно реконструювати їхні робочі траєкторії. Це все одно, що встановити всюдисущу, але абсолютно нечутливу систему спостереження в цифровому робочому середовищі користувача, здатну записувати кожен клік, кожне редагування документа і кожен телефонний дзвінок. Другий рівень – глибока інтеграція додатків штучного інтелекту. Laurel використовує різноманітні методи штучного інтелекту для обробки цих цифрових слідів: алгоритми кластеризації даних класифікують пов'язану роботу, моделі машинного навчання призначають роботу відповідним клієнтам і проектам, генеративний штучний інтелект створює описи вакансій і, нарешті, кодує та класифікує роботу за допомогою машинного навчання. Замість того, щоб просто застосовувати інтерфейс ChatGPT, ми створюємо систему штучного інтелекту, оптимізовану для робочих процесів професійних послуг. Третя ланка – це тонкий баланс співпраці людини та робота. Чернетка календаря створюється для користувачів, які можуть додавати, видаляти або редагувати контент. Ця конструкція «людина в циклі» гарантує точність і дозволяє штучному інтелекту постійно вчитися та вдосконалюватися. Кожна взаємодія користувача робить систему розумнішою, що створює позитивний цикл. Четвертий крок – безшовна інтеграція з існуючими білінговими системами. Як тільки користувач підтвердить розклад, система автоматично передасть дані в білінгову систему фірми, залишивши управління бек-офісом без змін. Таким чином, досвід роботи професіоналів змінився з «заповнення графіка» на «ревізію графіка», що значно знижує психологічне навантаження. Винахідливість всього процесу полягає в тому, що він не змушує користувача змінювати свої робочі звички, а працює безшумно у фоновому режимі, а в кінці вимагає лише остаточного підтвердження від користувача. Ця філософія дизайну втілює глибоке продуктове мислення: найкраща технологія має бути непомітною, вона має робити складні речі простими, а не додавати нове навантаження на навчання користувача. Від невдахи в юридичних технологіях до першопрохідця в епоху штучного інтелекту, успіх Лорел був непростим, фактично, він пережив повне переродження. Спочатку компанія була заснована в 2016 році під назвою «Time by Ping», але в перші роки свого існування зазнала труднощів. Альшак відверто визнає дві головні проблеми: надмірну зосередженість на єдиному легальному ринку та недостатню зрілість технології обробки природної мови на той час. Переломний момент настав у 2022 році, коли Альшак отримав ранній доступ до OpenAI GPT-3, він ухвалив сміливе рішення: призупинити всю роботу та повністю рефакторити продукт. Це надзвичайно рідкісний крок у стартап-колах, і більшість людей скажуть вам: «Ніколи не перебудовуйтеся, продовжуйте повторювати». Але Альшак обрав шлях, який суперечить загальноприйнятій думці, яка, на мою думку, є прикладом справжнього підприємницького духу – готовності йти на великі ризики заради більшого бачення. Коли ChatGPT був запущений у листопаді 2022 року, сприйняття ШІ на всьому ринку перевернулося з ніг на голову...
Переглянути оригінал
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
Оверсеас надзвичайно нішевий AI трек "фінансування 100 мільйонів доларів", як Лорел аналізує часові причинно-наслідкові зв'язки?
Laurel створює першу у світі платформу штучного інтелекту для вирішення причинно-наслідкових зв'язків між галузями, які не можуть точно пов'язати часові інвестиції з бізнес-результатами. Ця стаття від Leo, статті, написаної Deep Thinking Circle, зібрана, складена та написана techflow. (Синопсис: Коли світ кидається в штучний інтелект, чому Apple все ще стоїть на місці?) Laurel використовує штучний інтелект для вирішення проблеми галузі вартістю в трильйон доларів: зробити час інтелектуальних працівників видимим, вимірюваним та оптимізованим. Ви коли-небудь замислювалися, чому виробнича промисловість може розрахувати витрати на виробництво автомобіля з великою точністю, а роздрібна індустрія може точно відстежувати запаси кожного товару, тоді як юридичні фірми, бухгалтерські фірми та консалтингові фірми не знають про свій найважливіший ресурс: людський час? Це питання турбувало мене довгий час, поки я не дізнався про раунд фінансування Laurel серії C на $100 млн. Компанія використовує штучний інтелект для вирішення проблеми галузі вартістю в трильйон доларів: роблячи час інтелектуальних працівників видимим, вимірюваним та оптимізованим. Я копнув глибше і виявив, що Лорел не просто робить щось таке просте, як відстеження часу. Вони створюють першу у світі платформу штучного інтелекту, щоб спробувати вирішити те, що засновник Райан Альшак називає «проблемою часового інтелекту» — нездатність галузей, заснованих на знаннях, точно пов'язати інвестиції часу з бізнес-результатами. В епоху штучного інтелекту кількісна оцінка та розуміння людського капіталу перетворилася з вишеньки на торт на потребу бізнесу за принципом «життя та смерть». Раунд очолила компанія IVP за участю GV (Google Ventures) та 01A, а серед нових інвесторів також були такі знаменитості, як DST Global, Кевін Вейл з OpenAI, Алексіс Оганян, технічний директор GitHub Володимир Федоров та інші. Біль і пробудження шестихвилинної бухгалтерії Корінь проблеми можна простежити до того, як індустрія професійних послуг працювала протягом десятиліть. Юристи, бухгалтери та консультанти повинні записувати свій робочий час з кроком у шість хвилин, щоб клієнти могли платити погодинно. Райан Альшак гостро відчуває цей біль як юрист: «Це як у напружений суботній вечір, коли я шеф-кухар, який готує для 500 клієнтів, але в той же час просить мене відстежувати кожен інгредієнт, який я використовую, що водночас відволікає та дегуманізує». Я розумію розчарування. Уявіть, що ви щойно завершили складний юридичний аналіз і ваші думки максимально чіткі, але потім вам потрібно зупинитися і згадати: скільки часу я просто витратив на перегляд інформації? Скільки хвилин пішло на написання цієї записки? Що обговорювалося на дзвінку з замовником? Ця вимушена перерва не тільки впливає на ефективність, але й змушує професіоналів відчувати себе працівниками заводу, яких контролюють, а не експертами, які надають інтелектуальні послуги. Момент прозріння Альшака був простим: «Чому я повинен розповідати машині про те, що я робив на роботі, замість того, щоб дозволити машині нагадати мені, що я зробив?» За цим, здавалося б, простим питанням криється парадоксальний висновок: юристи, бухгалтери та консультанти насправді мають проблему заниження рахунків, тому що забувають про багато вже виконаної роботи. Якщо ви можете отримати більше прибутку для покупця (бізнесу) і заощадити час користувача (професіонала), це ідеальний фундамент для побудови компанії. Ця больова точка зустрічається набагато частіше, ніж я думав. За словами Лорела, середньостатистичний професіонал відновлює понад 28 хвилин оплачуваного часу на день, які раніше були втрачені через відсутність записів. При середній погодинній ставці $375 це означає, що кожен професіонал приносить компанії додаткові $175 на день. Для великої фірми з сотнями професіоналів ця цифра досить приголомшлива. Чотири ключі до переосмислення штучного інтелекту відстеження часу Рішення Laurel здається інтуїтивно зрозумілим, але насправді це надзвичайно складне технічне завдання. Я зрозумів, що для справжньої автоматизації наскрізних графіків потрібно вирішити чотири ключові технічні проблеми, кожна з яких має досить високий технічний поріг. Перший виклик – це відстеження цифрового сліду. Laurel повинен мати можливість інтеграції з усіма цифровими програмами, що використовуються користувачами, включаючи Slack, Microsoft Outlook, Zoom та інші робочі інструменти. Лише коли штучний інтелект зможе «бачити» всю робочу діяльність професіоналів на різних платформах, він зможе точно реконструювати їхні робочі траєкторії. Це все одно, що встановити всюдисущу, але абсолютно нечутливу систему спостереження в цифровому робочому середовищі користувача, здатну записувати кожен клік, кожне редагування документа і кожен телефонний дзвінок. Другий рівень – глибока інтеграція додатків штучного інтелекту. Laurel використовує різноманітні методи штучного інтелекту для обробки цих цифрових слідів: алгоритми кластеризації даних класифікують пов'язану роботу, моделі машинного навчання призначають роботу відповідним клієнтам і проектам, генеративний штучний інтелект створює описи вакансій і, нарешті, кодує та класифікує роботу за допомогою машинного навчання. Замість того, щоб просто застосовувати інтерфейс ChatGPT, ми створюємо систему штучного інтелекту, оптимізовану для робочих процесів професійних послуг. Третя ланка – це тонкий баланс співпраці людини та робота. Чернетка календаря створюється для користувачів, які можуть додавати, видаляти або редагувати контент. Ця конструкція «людина в циклі» гарантує точність і дозволяє штучному інтелекту постійно вчитися та вдосконалюватися. Кожна взаємодія користувача робить систему розумнішою, що створює позитивний цикл. Четвертий крок – безшовна інтеграція з існуючими білінговими системами. Як тільки користувач підтвердить розклад, система автоматично передасть дані в білінгову систему фірми, залишивши управління бек-офісом без змін. Таким чином, досвід роботи професіоналів змінився з «заповнення графіка» на «ревізію графіка», що значно знижує психологічне навантаження. Винахідливість всього процесу полягає в тому, що він не змушує користувача змінювати свої робочі звички, а працює безшумно у фоновому режимі, а в кінці вимагає лише остаточного підтвердження від користувача. Ця філософія дизайну втілює глибоке продуктове мислення: найкраща технологія має бути непомітною, вона має робити складні речі простими, а не додавати нове навантаження на навчання користувача. Від невдахи в юридичних технологіях до першопрохідця в епоху штучного інтелекту, успіх Лорел був непростим, фактично, він пережив повне переродження. Спочатку компанія була заснована в 2016 році під назвою «Time by Ping», але в перші роки свого існування зазнала труднощів. Альшак відверто визнає дві головні проблеми: надмірну зосередженість на єдиному легальному ринку та недостатню зрілість технології обробки природної мови на той час. Переломний момент настав у 2022 році, коли Альшак отримав ранній доступ до OpenAI GPT-3, він ухвалив сміливе рішення: призупинити всю роботу та повністю рефакторити продукт. Це надзвичайно рідкісний крок у стартап-колах, і більшість людей скажуть вам: «Ніколи не перебудовуйтеся, продовжуйте повторювати». Але Альшак обрав шлях, який суперечить загальноприйнятій думці, яка, на мою думку, є прикладом справжнього підприємницького духу – готовності йти на великі ризики заради більшого бачення. Коли ChatGPT був запущений у листопаді 2022 року, сприйняття ШІ на всьому ринку перевернулося з ніг на голову...