VCها در سال آینده پذیرش قوی هوش مصنوعی سازمانی را پیش‌بینی می‌کنند - دوباره

VCها در سال آینده پذیرش قوی هوش مصنوعی سازمانی را پیش‌بینی می‌کنند - دوباره

VCs predict strong enterprise AI adoption next year — again

سه سال از زمانی که OpenAI ChatGPT را منتشر کرد و موجی از نوآوری و توجه به هوش مصنوعی را آغاز کرد، می‌گذرد. از آن زمان، خوش‌بین‌ها مرتباً ادعا می‌کنند که هوش مصنوعی به بخش مهمی از صنعت نرم‌افزار سازمانی تبدیل خواهد شد، و بنابراین استارت‌آپ‌های هوش مصنوعی سازمانی به‌دلیل سرمایه‌گذاری‌های هنگفت رشد کردند. اما شرکت ها هنوز در تلاش هستند تا مزایای استفاده از این ابزارهای جدید هوش مصنوعی را ببینند. یک نظرسنجی MIT در ماه آگوست نشان داد که 95 درصد از شرکت‌ها بازدهی معنی‌داری از سرمایه‌گذاری خود در هوش مصنوعی دریافت نمی‌کنند. بنابراین چه زمانی کسب‌وکارها شروع به دیدن مزایای واقعی از استفاده و یکپارچه‌سازی هوش مصنوعی خواهند کرد؟ TechCrunch 24 VC متمرکز بر سازمان را مورد بررسی قرار داد و آنها معتقدند که سال 2026 سالی خواهد بود که شرکت‌ها شروع به پذیرش معنادار هوش مصنوعی، ارزشیابی از آن و افزایش بودجه خود برای فناوری خواهند کرد. VCهای سازمانی سه سال است که این را می گویند. آیا سال 2026 واقعاً متفاوت خواهد بود؟ بیایید بشنویم که آنها چه می گویند:

انتظار دارید چه روندهای مرتبط با شرکت در سال 2026 آغاز شود؟

What enterprise-related trends do you expect to take off in 2026?

انتظار دارید چه روندهای مرتبط با شرکت در سال 2026 آغاز شود؟ کربی وینفیلد، شریک عمومی بنیانگذار Ascend: شرکت ها متوجه شده اند که LLM ها برای اکثر مشکلات یک گلوله نقره ای نیستند. فقط به این دلیل که Starbucks می تواند از Claude برای نوشتن نرم افزار CRM خود استفاده کند، به این معنی نیست که باید. ما بر روی مدل‌های سفارشی، تنظیم دقیق، ارزیابی‌ها، قابلیت مشاهده، هماهنگ‌سازی و حاکمیت داده تمرکز خواهیم کرد. Molly Alter، شریک، Northzone: زیرمجموعه‌ای از شرکت‌های هوش مصنوعی سازمانی از کسب‌وکارهای محصول به مشاوره هوش مصنوعی تغییر خواهند کرد. این شرکت ها ممکن است با یک محصول خاص مانند پشتیبانی مشتری هوش مصنوعی یا عوامل کدنویسی هوش مصنوعی شروع به کار کنند. اما هنگامی که آنها به اندازه کافی گردش کار مشتری را در پلتفرم خود اجرا کردند، می توانند مدل مهندسی پیشبرد شده را با تیم خود تکرار کنند تا موارد استفاده اضافی برای مشتریان ایجاد کنند. به عبارت دیگر، بسیاری از شرکت‌های تخصصی محصولات هوش مصنوعی به مجریان عمومی هوش مصنوعی تبدیل خواهند شد. Marcie Vu، شریک، Greycroft: ما در مورد فرصت در زمینه هوش مصنوعی صوتی بسیار هیجان زده هستیم. صدا روشی بسیار طبیعی تر، کارآمدتر و گویاتر برای ارتباط افراد با یکدیگر و با ماشین ها است. ما دهه‌ها را صرف تایپ کردن با رایانه و خیره شدن به صفحه‌های نمایش کرده‌ایم، اما گفتار نحوه تعامل ما با دنیای واقعی است. من مشتاقم ببینم سازندگان چگونه محصولات، تجربیات و رابط‌های صوتی را به عنوان حالت اولیه تعامل با هوش دوباره تصور می‌کنند. الکسا فون توبل، بنیانگذار و شریک مدیریت Inspired Capital: 2026 سالی خواهد بود که هوش مصنوعی جهان فیزیکی را تغییر می دهد - به ویژه در زیرساخت ها، تولید و نظارت بر آب و هوا. ما در حال حرکت از یک دنیای واکنشی به یک دنیای پیش بینی هستیم، جایی که سیستم های فیزیکی می توانند مشکلات را قبل از اینکه به شکست تبدیل شوند، احساس کنند. Lonne Jaffe، مدیر عامل Insight Partners: ما در حال مشاهده نحوه نزدیک شدن آزمایشگاه‌های مرزی به لایه برنامه هستیم. بسیاری از مردم تصور می‌کردند که آزمایشگاه‌ها فقط مدل‌ها را آموزش می‌دهند و آن‌ها را در اختیار دیگران قرار می‌دهند تا روی آن‌ها بسازند، اما به نظر نمی‌رسد آن‌ها درباره آن فکر می‌کنند. ممکن است شاهد باشیم که آزمایشگاه‌های مرزی برنامه‌های کاربردی بیشتری را مستقیماً به تولید در حوزه‌هایی مانند امور مالی، قانون، مراقبت‌های بهداشتی و آموزش از آنچه مردم انتظار دارند، ارسال می‌کنند. تام هنریکسون، شریک عمومی OpenOcean: اگر بخواهم در سال 2026 یک کلمه برای کوانتوم انتخاب کنم، آن شتاب است. اعتماد به مزیت کوانتومی به سرعت در حال ایجاد است و شرکت ها نقشه های راه را برای ابهام زدایی از فناوری منتشر می کنند. اما هنوز انتظار پیشرفت های بزرگ نرم افزاری را نداشته باشید. ما هنوز به عملکرد سخت افزاری بیشتری برای عبور از این آستانه نیاز داریم.

به دنبال سرمایه گذاری در کدام حوزه ها هستید؟

Which areas are you looking to invest in?

به دنبال سرمایه گذاری در کدام حوزه ها هستید؟ امیلی ژائو، مدیر Salesforce Ventures: ما دو مرز متمایز را هدف قرار داده ایم: ورود هوش مصنوعی به دنیای فیزیکی و تکامل بعدی تحقیقات مدل. مایکل استوارت، شریک مدیریت، M12: فناوری مرکز داده آینده. در حدود یک سال گذشته، ما چند سرمایه‌گذاری جدید را انجام داده‌ایم که نشان‌دهنده علاقه ما به فناوری «کارخانه نشانه‌ها» آینده است، با چشم‌اندازی به آنچه که واقعاً می‌تواند تا چه اندازه کارآمد و تمیز اجرا شود. این قرار است در سال 2026 و بعد از آن، در دسته بندی هایی که شامل همه چیز در دیوارهای مرکز داده است، ادامه یابد: خنک کننده، محاسبات، حافظه، و شبکه در داخل و بین سایت ها. جاناتان لهر، بنیانگذار و شریک عمومی Work-Bench: نرم افزار سازمانی عمودی که در آن گردش کار و داده های اختصاصی قابلیت دفاع را ایجاد می کند، به ویژه در صنایع تنظیم شده، زنجیره تامین، خرده فروشی و سایر محیط های عملیاتی پیچیده. Aaron Jacobson، شریک NEA: ما در محدودیت توانایی بشریت برای تولید انرژی کافی برای تغذیه GPUهای تشنه انرژی هستیم. به‌عنوان یک سرمایه‌گذار، من به دنبال نرم‌افزار و سخت‌افزاری هستم که بتواند پیشرفت‌هایی را در عملکرد هر وات ایجاد کند. این می‌تواند مدیریت بهتر GPU، تراشه‌های هوش مصنوعی کارآمدتر، رویکردهای شبکه‌ای نسل بعدی مانند نوری، یا بازنگری بار حرارتی در سیستم‌ها و مراکز داده هوش مصنوعی باشد.

وقتی صحبت از استارت آپ های هوش مصنوعی می شود، چگونه می توان تشخیص داد که یک شرکت خندقی دارد؟

When it comes to AI startups, how do you determine that a company has a moat?

وقتی صحبت از استارت آپ های هوش مصنوعی می شود، چگونه می توان تشخیص داد که یک شرکت خندقی دارد؟ راب بیدرمن، شریک مدیریت، شرکای سرمایه نامتقارن: خندق در هوش مصنوعی کمتر به خود مدل مربوط می شود و بیشتر در مورد اقتصاد و یکپارچگی است. ما به دنبال شرکت‌هایی می‌گردیم که عمیقاً در جریان‌های کاری سازمانی تعبیه شده‌اند، به داده‌های اختصاصی یا در حال بهبود مستمر دسترسی دارند و از طریق هزینه‌های تعویض، مزایای هزینه یا نتایجی که تکرار آن‌ها دشوار است، قابلیت دفاع را نشان می‌دهند. جیک فلومنبرگ، شریک Wing Venture Capital: من نسبت به خندق‌هایی که صرفاً بر اساس عملکرد مدل ساخته شده‌اند یا برانگیخته شده‌اند، شک دارم – این مزایا در ماه‌ها از بین می‌رود. سوالی که می پرسم: اگر OpenAI یا Anthropic فردا مدلی را روانه بازار کند و 10 برابر بهتر باشد، آیا این شرکت هنوز دلیلی برای وجود دارد؟ Molly Alter، شریک، Northzone: امروزه ساختن یک خندق در یک دسته عمودی به جای افقی بسیار آسان تر است. بهترین خندق ها خندق های داده ای هستند که هر مشتری، نقطه داده یا تعامل افزایشی باعث بهتر شدن محصول می شود. ساختن این موارد در دسته‌های تخصصی مانند تولید، ساخت‌وساز، بهداشت یا حقوقی آسان‌تر است، جایی که داده‌ها بین مشتریان سازگارتر است. اما «خندق‌های گردش کار» جالبی نیز وجود دارد که قابلیت دفاع از درک چگونگی حرکت یک کار یا پروژه از نقطه A به نقطه B در یک صنعت ناشی می‌شود. Harsha Kapre، مدیر Snowflake Ventures: برای استارت‌آپ‌های هوش مصنوعی، قوی‌ترین خندق ناشی از چگونگی تبدیل موثر داده‌های موجود یک شرکت به تصمیم‌ها، گردش کار و تجربیات مشتری بهتر است. شرکت ها در حال حاضر بر روی داده های فوق العاده غنی نشسته اند. چیزی که آنها فاقد آن هستند توانایی استدلال در مورد آن به روشی هدفمند و قابل اعتماد است. ما به دنبال استارت‌آپ‌هایی هستیم که تخصص فنی را با دانش عمیق صنعت ترکیب می‌کنند و می‌توانند بدون ایجاد سیلوهای جدید، راه‌حل‌های دامنه خاص را مستقیماً به داده‌های تحت کنترل مشتری بیاورند تا بینش یا اتوماسیونی را ارائه دهند که قبلاً امکان‌پذیر نبود.

آیا سال 2026 سالی خواهد بود که شرکت ها شروع به کسب ارزش از سرمایه گذاری های هوش مصنوعی کنند؟

Will 2026 be the year when enterprises start to gain value from AI investments?

آیا سال 2026 سالی خواهد بود که شرکت ها شروع به کسب ارزش از سرمایه گذاری های هوش مصنوعی کنند؟ کربی وینفیلد، شریک عمومی بنیانگذار Ascend: شرکت ها متوجه شده اند که آزمایش های تصادفی با ده ها راه حل، هرج و مرج ایجاد می کند. آنها روی راه حل های کمتری با مشارکت متفکرانه تر تمرکز خواهند کرد. Antonia Dean، شریک Black Operator Ventures: پیچیدگی در اینجا این است که بسیاری از شرکت‌ها، علیرغم آمادگی یا عدم آمادگی برای استفاده موفقیت‌آمیز از راه‌حل‌های هوش مصنوعی، می‌گویند که سرمایه‌گذاری‌های خود را در هوش مصنوعی افزایش می‌دهند تا توضیح دهند که چرا هزینه‌های خود را در حوزه‌های دیگر کاهش می‌دهند یا نیروی کار را کاهش می‌دهند. در واقعیت، هوش مصنوعی تبدیل به قربانی برای مدیرانی خواهد شد که به دنبال پوشش اشتباهات گذشته هستند. اسکات بیچوک، شریک، Norwest Venture Partners: ما قطعا نزدیک‌تر می‌شویم. اگر سال گذشته در مورد ایجاد زیرساخت برای هوش مصنوعی بود، سال 2026 زمانی است که ما شروع به بررسی اینکه آیا لایه برنامه می تواند این سرمایه گذاری را به ارزش واقعی تبدیل کند یا خیر. همانطور که مدل‌های تخصصی بالغ می‌شوند و نظارت بهبود می‌یابد، سیستم‌های هوش مصنوعی در گردش‌های کاری روزانه قابل اعتمادتر می‌شوند. مارل ایوانز، موسس و شریک مدیریت، سرمایه استثنایی: بله، اما همچنان افزایشی است. هنوز تکرارهای زیادی وجود دارد، و هوش مصنوعی همچنان در حال بهبود است تا جایی که بتواند راه حل های دردناک را برای شرکت ها در صنایع مختلف به نمایش بگذارد. من معتقدم حل آموزش شبیه سازی به واقعیت احتمالا فرصت های زیادی را برای منتخبی از صنایع اعم از موجود و نوپا باز می کند. جنیفر لی، شریک عمومی، Andreessen Horowitz: امسال سرفصل های هیجان انگیزی در مورد اینکه شرکت ها بازده سرمایه گذاری های هوش مصنوعی خود را مشاهده نمی کنند، وجود دارد. از هر مهندس نرم‌افزاری بپرسید که آیا می‌خواهد به دوران تاریک قبل از داشتن ابزارهای کدنویسی هوش مصنوعی برگردد. بعید است. منظور من این است که شرکت‌ها در حال حاضر ارزش خود را در سال جاری به دست می‌آورند و در سال آینده در بین سازمان‌ها افزایش خواهد یافت.

آیا فکر می کنید شرکت ها بودجه هوش مصنوعی خود را در سال 2026 افزایش خواهند داد؟

Do you think enterprises will increase their AI budgets in 2026?

آیا فکر می کنید شرکت ها بودجه هوش مصنوعی خود را در سال 2026 افزایش خواهند داد؟ Rajeev Dham، مدیر عامل، Sapphire: بله، من معتقدم که آنها این کار را خواهند کرد، هرچند که تفاوت های ظریفی دارد. به جای افزایش صرف بودجه هوش مصنوعی، سازمان‌ها بخش‌هایی از هزینه‌های نیروی کار خود را به سمت فناوری‌های هوش مصنوعی سوق می‌دهند یا آنچنان بازده سرمایه‌ای قوی را از قابلیت‌های هوش مصنوعی ایجاد می‌کنند که سرمایه‌گذاری به طور موثر سه تا پنج برابر برای خود هزینه می‌کند. راب بیدرمن، شریک مدیریت، شرکای سرمایه نامتقارن: بودجه برای مجموعه محدودی از محصولات هوش مصنوعی که به وضوح نتایج را ارائه می‌دهند، افزایش می‌یابد و برای هر چیز دیگری به شدت کاهش می‌یابد. هزینه های کلی ممکن است رشد کند، اما به طور قابل توجهی متمرکزتر خواهد بود. ما انتظار دوشاخه شدن را داریم، که در آن تعداد کمی از فروشندگان سهم نامتناسبی از بودجه هوش مصنوعی سازمانی را تصاحب می کنند در حالی که بسیاری دیگر شاهد کاهش درآمد یا قرارداد هستند. گوردون ریتر، موسس و شریک عمومی، سرمایه ظهور: بله، اما هزینه ها متمرکز خواهد شد. شرکت‌ها بودجه‌های خود را در جایی که هوش مصنوعی مزیت‌های سازمانی را گسترش می‌دهد افزایش می‌دهند و از ابزارهایی که به سادگی گردش کار را بدون گرفتن (و ایمن کردن!) اطلاعات اختصاصی خودکار می‌کنند، عقب‌نشینی می‌کنند. اندرو فرگوسن، نایب رئیس Databricks Ventures: سال 2026 سالی خواهد بود که CIOها از گسترش فروشندگان هوش مصنوعی عقب نشینی می کنند. امروزه، شرکت‌ها ابزارهای متعددی را برای یک مورد استفاده آزمایش می‌کنند - هزینه‌های ماهانه و هزینه‌های تعویض در بسیاری موارد کم است، بنابراین انگیزه آزمایش وجود دارد - و انفجاری از استارت‌آپ‌ها وجود دارد که بر مراکز خرید خاصی مانند [رفتن به بازار] متمرکز شده‌اند، جایی که تشخیص تمایز حتی در زمان [اثبات مفاهیم] بسیار سخت است. از آنجایی که شرکت‌ها نکات اثبات واقعی هوش مصنوعی را می‌بینند، برخی از بودجه آزمایشی را کاهش می‌دهند، ابزارهای همپوشانی را منطقی می‌کنند و این پس‌اندازها را در فناوری‌های هوش مصنوعی ارائه می‌کنند. رایان ایسونو، مدیر عامل، Maverick Ventures: در مجموع، بله، و مقداری تغییر از بودجه‌های آزمایشی/تجربی به اقلام ردیف بودجه‌ای صورت خواهد گرفت. یک موهبت برای استارت‌آپ‌های هوش مصنوعی در سال 2026، انتقال شرکت‌هایی خواهد بود که سعی کردند راه‌حل‌های داخلی بسازند و اکنون به دشواری و پیچیدگی مورد نیاز در تولید در مقیاس پی برده‌اند.

برای معرفی یک سری A به عنوان یک استارتاپ مبتنی بر هوش مصنوعی در سال 2026 چه چیزی لازم است؟

What does it take to raise a Series A as an enterprise-focused AI startup in 2026?

برای معرفی یک سری A به عنوان یک استارتاپ مبتنی بر هوش مصنوعی در سال 2026 چه چیزی لازم است؟ جیک فلومنبرگ، شریک Wing Venture Capital: بهترین شرکت‌ها در حال حاضر دو چیز را با هم ترکیب می‌کنند: یک روایت قانع‌کننده «چرا اکنون» – معمولاً با GenAI که سطوح حمله جدید، نیازهای زیرساختی یا فرصت‌های گردش کار ایجاد می‌کند – و اثبات ملموس پذیرش سازمانی مرتبط است. 1 تا 2 میلیون دلار [درآمد مکرر سالانه] پایه است، اما چیزی که بیش از این مهم است این است که آیا مشتریان شما و محصولتان را برای کسب‌وکارشان مهم می‌دانند یا خیر. درآمد بدون روایت یک ویژگی است. روایت بدون کشش بخار افزار است. شما به هر دو نیاز دارید. Lonne Jaffe، مدیر عامل، Insight Partners: باید هدف خود را نشان دهید که در فضایی ساخته می‌شوید که در آن [بازار قابل آدرس‌پذیری کل] گسترش می‌یابد نه اینکه تبخیر شود زیرا هوش مصنوعی هزینه‌ها را کاهش می‌دهد. برخی از بازارها کشش تقاضای بالایی دارند - کاهش 90 درصدی قیمت منجر به افزایش 10 برابری در اندازه بازار می شود. برخی دیگر کشش پایینی دارند، جایی که کاهش قیمت می تواند بازار را تبخیر کند، بنابراین مشتریان تمام ارزش ایجاد شده را حفظ می کنند. جاناتان لهر، بنیانگذار و شریک عمومی Work-Bench: مشتریان از محصول در عملیات واقعی و روزمره استفاده می کنند و مایلند تماس های مرجع را دریافت کنند و صادقانه در مورد تأثیر، قابلیت اطمینان، و فرآیند خرید و غیره صحبت کنند. مایکل استوارت، شریک مدیریت، M12: ما (سرمایه گذاران) تا همین اواخر به [درآمد تکراری سالانه تخمینی] یا درآمد آزمایشی نگاهی مشکوک داشتیم. در حال حاضر، آنقدر که علاقه و تمایل مشتری به ارزیابی راه حل در مواجهه با گزینه های بسیار زیاد، آنقدر ستاره دیده نمی شود. به دست آوردن این تعهدات و خرید مشتری از نظر اجرای یک ارزیابی، فقط مربوط به مهندسین مستقر در آینده نیست که کار را برای مشتری آسان‌تر می‌کنند. انجام این کار در سال 2026 به کیفیت و پیام بازاریابی برنده نیاز دارد. سرمایه گذاران انتظار دارند پس از 6 ماه استفاده آزمایشی، تبدیل به بخش اصلی داستان تبدیل شود. مارل ایوانز، بنیانگذار و شریک مدیریت، سرمایه استثنایی: اجرا و کشش. بهترین سیگنال کاربرانی است که واقعاً از استفاده از محصول خوشحال می شوند و پیچیدگی فنی کسب و کار. ما به یک ستاره شمالی بزرگ از قراردادهای قراردادی واقعی، 12 ماهه نگاه می کنیم. علاوه بر آن، آیا این موسس توانست استعدادهای سطح بالا را برای پیوستن به استارتاپ خود بیش از رقبا یا هیپر مقیاس‌کننده‌های سنتی جذب کند؟

عوامل هوش مصنوعی تا پایان سال 2026 چه نقشی در شرکت ها خواهند داشت؟

What role will AI agents play at enterprises by the end of 2026?

عوامل هوش مصنوعی تا پایان سال 2026 چه نقشی در شرکت ها خواهند داشت؟ ننامدی اوکیکه، شریک مدیریت و بنیانگذار 645 Ventures: نمایندگان تا پایان سال 2026 هنوز در مرحله پذیرش اولیه خود خواهند بود. موانع فنی و انطباق زیادی وجود دارد که باید برطرف شوند تا شرکت ها واقعاً از عوامل هوش مصنوعی بهره مند شوند. همچنین باید استانداردهایی برای ارتباط عامل به نماینده ایجاد شود. Rajeev Dham، مدیر عامل، Sapphire: یک عامل جهانی ظهور خواهد کرد. امروزه، هر عاملی در نقش خود حذف شده است - به عنوان مثال، ورودی [نماینده توسعه فروش]، SDR خروجی، پشتیبانی مشتری، کشف محصول، و غیره. اما در اواخر سال آینده، ما شروع به مشاهده این نقش‌ها در یک عامل واحد با زمینه و حافظه مشترک خواهیم کرد، سیلوهای سازمانی قدیمی را از بین می‌برند، و امکان گفتگوی یکپارچه‌تر و متنی کاربران را بین شرکت‌ها فراهم می‌کنند. Antonia Dean، شریک Black Operator Ventures: برندگان سازمان‌هایی خواهند بود که به سرعت تعادل درست استقلال و نظارت را پیدا می‌کنند و استقرار عامل را به‌عنوان تقویت مشترک و نه تقسیم کار تمیز می‌شناسند. به جای اینکه ماموران تمام کارهای روزمره را انجام دهند در حالی که انسان ها تمام تفکرات را انجام می دهند، ما شاهد همکاری پیچیده تری بین انسان ها و ماموران در کارهای پیچیده خواهیم بود که مرز بین نقش های آنها به طور مداوم در حال تغییر است. آرون جاکوبسون، شریک، NEA: اکثریت کارکنان دانش حداقل یک همکار نماینده دارند که به نام می شناسند! اریک بان، یکی از بنیانگذاران، شریک عمومی Hustle Fund: من فکر می کنم که عوامل هوش مصنوعی احتمالاً بخش بزرگتری از نیروی کار از هر انسان دیگری در شرکت ها خواهند بود. تکثیر عوامل هوش مصنوعی اساساً رایگان و هزینه نهایی صفر است. پس چرا از طریق ربات ها رشد نمی کنید؟

چه نوع شرکت هایی در سبد شما بیشترین رشد را دارند؟

What kinds of companies in your portfolio are seeing the strongest growth?

چه نوع شرکت هایی در سبد شما بیشترین رشد را دارند؟ جیک فلومنبرگ، شریک Wing Venture Capital: شرکت‌هایی که سریع‌ترین رشد را دارند، آن‌هایی هستند که گردش کار یا شکاف امنیتی ایجاد شده توسط GenAI را شناسایی کرده‌اند، سپس بی‌وقفه بر اساس تناسب محصول با بازار اجرا می‌شوند. در امنیت سایبری، این ابزاری است که امنیت داده ها را مورد توجه قرار می دهد تا LLM ها بتوانند به طور ایمن با داده های حساس تعامل داشته باشند و حاکمیت عامل تضمین می کند که سیستم های مستقل کنترل های مناسبی دارند. در بازاریابی، این حوزه‌های جدیدی مانند بهینه‌سازی موتور پاسخ (AEO) است - نه فقط در نتایج جستجو، بلکه در پاسخ‌های هوش مصنوعی کشف می‌شوند. موضوع مشترک: دو سال پیش این دسته بندی ها نبودند، اما اکنون برای شرکت هایی که هوش مصنوعی را در مقیاس بزرگ به کار می گیرند، ضروری هستند. اندرو فرگوسن، نایب رئیس، Databricks Ventures: ما شاهد رشدی هستیم که به چند موضوع رایج مرتبط است. یکی شرکت‌هایی هستند که با موارد استفاده متمرکز فرود می‌آیند - شرکت‌هایی که با یک گوه باریک‌تر شروع می‌کنند (می‌تواند یک شخصیت هدف متمرکز یا مورد استفاده باشد)، واقعاً آن را میخکوب می‌کنند، چسبنده می‌شوند و حق گسترش را از همان گوه اولیه کسب می‌کنند. جنیفر لی، شریک عمومی، Andreessen Horowitz: شرکت هایی که به شرکت ها کمک می کنند تا هوش مصنوعی را به تولید برسانند، عملکرد خوبی دارند. حوزه هایی مانند استخراج و ساختار داده، بهره وری توسعه دهندگان برای سیستم های هوش مصنوعی، زیرساخت برای رسانه های تولیدی، صدا و صدا برای رسانه ها و برنامه هایی مانند پشتیبانی یا مراکز تماس.

چه نوع شرکت هایی قوی ترین حفظ را می بینند؟

What kinds of companies are seeing the strongest retention?

چه نوع شرکت هایی قوی ترین حفظ را می بینند؟ جیک فلومنبرگ، شریک Wing Venture Capital: شرکت‌هایی که حفظ و گسترش می‌یابند یک الگوی مشترک دارند: آنها مشکلاتی را حل می‌کنند که با به کارگیری هوش مصنوعی بیشتر توسط مشتریان تشدید می‌شود. حفظ قوی از سه چیز ناشی می شود: ماموریت حیاتی بودن (حذف جریان کار تولید را به هم می زند)، انباشتن زمینه اختصاصی که بازسازی آن دشوار است، و حل مشکلاتی که با پذیرش هوش مصنوعی رشد می کنند به جای اینکه یک بار انجام شود. تام هنریکسون، شریک عمومی OpenOcean: اندازه‌گیری حفظ برای شرکت‌های جوان‌تر دشوارتر است، اما بالاترین میزان نگهداری که می‌بینیم در ارائه‌دهندگان نرم‌افزار سازمانی جدی است، به‌ویژه آنهایی که با هوش مصنوعی تقویت شده‌اند. یک مثال خوب Operations1 است که فرآیندهای تولید تحت رهبری کارکنان را به صورت انتها به انتها دیجیتالی می کند. این شرکت‌ها عمیقاً در سازمان مشتری فرو می‌روند، نحوه عملکردشان را تغییر می‌دهند، و داده‌ها و دانش اختصاصی را ایجاد می‌کنند که انجام آنها را بسیار سخت می‌کند. مایکل استوارت، شریک مدیریت، M12: استارت‌آپ‌هایی که در ابزارهای داده‌ای و برنامه‌های هوش مصنوعی عمودی به شرکت خدمات می‌دهند، با تیم‌های مستقر در آینده که به رضایت مشتری، کیفیت و بهبود محصول کمک می‌کنند. به نظر می رسد این فرمول برنده ای است که توسط همه استارتاپ های پیشرو در آن بازارها اتخاذ شده است. در درازمدت، تیم‌های تعبیه‌شده ممکن است با شروع درونی‌سازی استفاده از هوش مصنوعی در سازمان‌ها و فعالیت‌های روز کاری خود، از بین بروند. جاناتان لهر، یکی از بنیانگذاران و شریک عمومی، Work-Bench: در جایی که نرم افزار به جای یک راه حل نقطه ای، به زیرساخت های اساسی تبدیل می شود، حفظ بالاترین سطح است. Authzed دارای حفظ قوی است زیرا مجوز و خط مشی در هسته سیستم های مدرن قرار دارند و پس از تعبیه شدن، حذف آنها بسیار پرهزینه است. Courier Health و GovWell به‌عنوان سیستم‌هایی از لایه‌های ضبط و هماهنگ‌سازی برای گردش‌های کاری سرتاسر، سفرهای بیمار در مراقبت‌های بهداشتی و مجوز در دولت عمل می‌کنند، که باعث می‌شود یک بار زندگی کنند عمیقاً جاسازی شوند.

• AI
• AI agents
• artificial intelligence
• Enterprise
• Enterprise
• predictions
• TC
• United States
• VCs
• Venture
• venture capital