Dengan berlalunya waktu, fokus nilai tambah dari industri kecerdasan buatan AS diam-diam telah bergeser.
Menurut laporan baru dari The Wall Street Journal: ** Startup AI generatif yang mengumpulkan miliaran dolar mungkin sudah gagal jika mereka tidak memiliki data yang tepat**.
Brad Svruga, salah satu pendiri dan mitra umum firma modal ventura, Primary Venture Partners, mencatat:
"Kami telah melihat banyak perusahaan yang mungkin mencari aplikasi AI yang hebat, tetapi mereka tidak memiliki akses ke data yang memungkinkan mereka membangun aplikasi yang kuat, apalagi data berpemilik yang dapat membantu mereka."
Dengan kata lain: nilai riil menjadi data ketika, di pasar, **membangun model aktual telah menjadi seperti komoditas yang dapat dibeli. Memiliki data yang tepat mungkin lebih penting dari sebelumnya.
(satu)
Logikanya di sini adalah: Saat ini, banyak startup AI berharap untuk membangun model AI khusus di bidang yang dibagi lagi seperti keuangan atau perawatan kesehatan, tetapi karena kurangnya pengenalan merek dan identitas sosial, startup ini tidak mudah bagi perusahaan untuk mendapatkan dataset pelatihan untuk industri vertikal.
Dalam hal ini, perusahaan besar mungkin memiliki keuntungan,** karena perusahaan besar telah mendapatkan kepercayaan dari pelanggan besar dalam cara menangani data. **
Misalnya, menurut laporan "Wall Street Journal": Ernst & Young memiliki data transaksi dalam jumlah besar di seluruh dunia, dan startup AI generatif datang ke rumah mereka setiap hari. Namun EY Global khawatir: Apa yang akan terjadi jika Anda menggunakan data hak milik Anda sendiri untuk melatih model eksternal?
"Siapa yang memiliki datanya? Saat kami melatih sebuah model, apa akses kami ke model ini? Bagaimana lagi orang lain dapat menggunakan model ini? Data adalah bagian dari kekayaan intelektual yang kami bawa ke meja," kata EY Global.
Untuk mengatasi masalah IP serupa, satu tindakan pencegahan adalah: startup dapat melatih model yang berbeda untuk setiap pelanggan hanya berdasarkan data setiap pelanggan.
Misalnya, TermSheet menggunakan strategi ini untuk membangun strategi produk Ethan. Yang terakhir adalah model AI generatif yang dapat menjawab pertanyaan industri untuk pengembang, broker, dan investor real estat. Tetapi Roger Smith, CEO TermSheet, juga mengatakan bahwa meskipun pelanggan setuju dengan ini, mereka perlu mengedukasi pelanggan dan beberapa meyakinkan.
**Selain itu, kekhawatiran tentang keamanan jaringan juga menjadi alasan mengapa perusahaan klien besar enggan memilih startup. **
Misalnya, Tracey Daniels, chief data officer perusahaan jasa keuangan Truist, mengatakan bahwa dalam hal keamanan data, mereka mempercayai pemasok yang lebih besar, jadi mereka hanya memilih untuk mengeksplorasi aplikasi AI generatif dengan pemasok teknologi besar daripada startup.
**Ketiga, bahkan dalam beberapa kasus, pelanggan besar di industri vertikal akan membutuhkan startup AI generatif untuk membayar sejumlah besar uang atau ekuitas perusahaan. **
Veesual, perusahaan AI generatif yang menghasilkan gambar orang yang sedang mencoba pakaian, awalnya menggunakan gambar publik di internet untuk pelatihan, tetapi gagal karena alasan yang sama saat mencoba membuat pengecer besar setuju menyerahkan data mereka untuk menyempurnakan model mereka.
**Kasus keempat secara teknis sulit dicapai. **
Misalnya, PatentPal, startup AI generatif yang membantu firma hukum menyusun aplikasi paten, telah dilatih untuk menerbitkan aplikasi paten. Mereka memiliki kesempatan untuk terus melatih model mereka tentang umpan balik pelanggan nyata yang dienkripsi atau dianonimkan, menjadikan alat mereka lebih akurat. Namun proses ini rumit karena umpan balik harus dipisahkan dari data yang sangat sensitif dan rahasia, termasuk rahasia komersial.
**Namun, pada saat yang sama, perlombaan untuk startup AI generatif telah memanas. **
Jika Anda melihat skala suntikan modal, menurut data dari PitchBook yang dikutip oleh Wall Street Journal: dari 2022 tahun lalu hingga lima bulan pertama tahun ini, pendanaan modal ventura dari startup AI generatif telah tumbuh dari $4,8 miliar menjadi $12,7 miliar.
Akibatnya, ada tekanan yang meningkat pada startup AI generatif untuk mengamankan akses ke lebih banyak data di ceruk pasar tertentu.
Adam Struck, pendiri dan mitra pengelola Struck Capital, mencatat: **Startup saling berlomba untuk mengamankan lebih banyak data di ceruk pasar tertentu. **
"Jika Anda yakin ada kumpulan data berpemilik, Anda ingin mendapatkannya sebelum mereka melakukannya, dan kemudian, negosiasikan eksklusivitas. Dalam hal itu, ini hampir seperti perlombaan senjata," katanya.
(dua)
Menariknya, status quo di atas mau tidak mau membuat saya berpikir: **Tampaknya benar-benar ada kekurangan pasar perdagangan publik untuk data di pasar. **
Faktanya, pada tahun 2018 atau awal tahun 2017, seorang teman saya di Netflix, sebuah perusahaan media streaming Amerika, berbicara kepada saya tentang ide kewirausahaannya: menjadi pasar perdagangan data publik. Namun, masih belum ada bentuk produk yang cocok, termasuk bagaimana membiarkan perusahaan secara sukarela menyerahkan datanya.
Dari perspektif ini, sebuah berita dalam dua hari terakhir - OpenAI sedang mempertimbangkan untuk meluncurkan pasar perdagangan - sangat patut diperhatikan.
Perlu dicatat bahwa: setelah paket plug-in ChatGPT hampir gagal, menurut laporan media AS:
OpenAI sedang mempertimbangkan untuk meluncurkan pasar agar pelanggan dapat menjual model AI yang telah disesuaikan ke perusahaan lain. Dengan kata lain: Pasar ini akan memberi bisnis cara untuk mengakses model bahasa besar mutakhir dan menghosting versi model OpenAI yang disempurnakan yang dibuat oleh pelanggan. ...
Ringkasan utama dari sisa artikel ini adalah sebagai berikut:
Mengapa OpenAI mempertimbangkan untuk meluncurkan pasar perdagangan?
Apakah ada cara di pasar perdagangan ini untuk membuka berbagi data dan transaksi antar perusahaan?
Lihat Asli
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Masalah baru untuk startup AI Amerika: uang, tetapi kekurangan data
Sumber artikel: Silicon Publishing
作者：Lynn Yang
Menurut laporan baru dari The Wall Street Journal: ** Startup AI generatif yang mengumpulkan miliaran dolar mungkin sudah gagal jika mereka tidak memiliki data yang tepat**.
Brad Svruga, salah satu pendiri dan mitra umum firma modal ventura, Primary Venture Partners, mencatat:
Dengan kata lain: nilai riil menjadi data ketika, di pasar, **membangun model aktual telah menjadi seperti komoditas yang dapat dibeli. Memiliki data yang tepat mungkin lebih penting dari sebelumnya.
(satu)
Logikanya di sini adalah: Saat ini, banyak startup AI berharap untuk membangun model AI khusus di bidang yang dibagi lagi seperti keuangan atau perawatan kesehatan, tetapi karena kurangnya pengenalan merek dan identitas sosial, startup ini tidak mudah bagi perusahaan untuk mendapatkan dataset pelatihan untuk industri vertikal.
Dalam hal ini, perusahaan besar mungkin memiliki keuntungan,** karena perusahaan besar telah mendapatkan kepercayaan dari pelanggan besar dalam cara menangani data. **
Misalnya, menurut laporan "Wall Street Journal": Ernst & Young memiliki data transaksi dalam jumlah besar di seluruh dunia, dan startup AI generatif datang ke rumah mereka setiap hari. Namun EY Global khawatir: Apa yang akan terjadi jika Anda menggunakan data hak milik Anda sendiri untuk melatih model eksternal?
"Siapa yang memiliki datanya? Saat kami melatih sebuah model, apa akses kami ke model ini? Bagaimana lagi orang lain dapat menggunakan model ini? Data adalah bagian dari kekayaan intelektual yang kami bawa ke meja," kata EY Global.
Untuk mengatasi masalah IP serupa, satu tindakan pencegahan adalah: startup dapat melatih model yang berbeda untuk setiap pelanggan hanya berdasarkan data setiap pelanggan.
Misalnya, TermSheet menggunakan strategi ini untuk membangun strategi produk Ethan. Yang terakhir adalah model AI generatif yang dapat menjawab pertanyaan industri untuk pengembang, broker, dan investor real estat. Tetapi Roger Smith, CEO TermSheet, juga mengatakan bahwa meskipun pelanggan setuju dengan ini, mereka perlu mengedukasi pelanggan dan beberapa meyakinkan.
**Selain itu, kekhawatiran tentang keamanan jaringan juga menjadi alasan mengapa perusahaan klien besar enggan memilih startup. **
Misalnya, Tracey Daniels, chief data officer perusahaan jasa keuangan Truist, mengatakan bahwa dalam hal keamanan data, mereka mempercayai pemasok yang lebih besar, jadi mereka hanya memilih untuk mengeksplorasi aplikasi AI generatif dengan pemasok teknologi besar daripada startup.
**Ketiga, bahkan dalam beberapa kasus, pelanggan besar di industri vertikal akan membutuhkan startup AI generatif untuk membayar sejumlah besar uang atau ekuitas perusahaan. **
Veesual, perusahaan AI generatif yang menghasilkan gambar orang yang sedang mencoba pakaian, awalnya menggunakan gambar publik di internet untuk pelatihan, tetapi gagal karena alasan yang sama saat mencoba membuat pengecer besar setuju menyerahkan data mereka untuk menyempurnakan model mereka.
**Kasus keempat secara teknis sulit dicapai. **
Misalnya, PatentPal, startup AI generatif yang membantu firma hukum menyusun aplikasi paten, telah dilatih untuk menerbitkan aplikasi paten. Mereka memiliki kesempatan untuk terus melatih model mereka tentang umpan balik pelanggan nyata yang dienkripsi atau dianonimkan, menjadikan alat mereka lebih akurat. Namun proses ini rumit karena umpan balik harus dipisahkan dari data yang sangat sensitif dan rahasia, termasuk rahasia komersial.
**Namun, pada saat yang sama, perlombaan untuk startup AI generatif telah memanas. **
Akibatnya, ada tekanan yang meningkat pada startup AI generatif untuk mengamankan akses ke lebih banyak data di ceruk pasar tertentu.
Adam Struck, pendiri dan mitra pengelola Struck Capital, mencatat: **Startup saling berlomba untuk mengamankan lebih banyak data di ceruk pasar tertentu. **
"Jika Anda yakin ada kumpulan data berpemilik, Anda ingin mendapatkannya sebelum mereka melakukannya, dan kemudian, negosiasikan eksklusivitas. Dalam hal itu, ini hampir seperti perlombaan senjata," katanya.
(dua)
Menariknya, status quo di atas mau tidak mau membuat saya berpikir: **Tampaknya benar-benar ada kekurangan pasar perdagangan publik untuk data di pasar. **
Faktanya, pada tahun 2018 atau awal tahun 2017, seorang teman saya di Netflix, sebuah perusahaan media streaming Amerika, berbicara kepada saya tentang ide kewirausahaannya: menjadi pasar perdagangan data publik. Namun, masih belum ada bentuk produk yang cocok, termasuk bagaimana membiarkan perusahaan secara sukarela menyerahkan datanya.
Dari perspektif ini, sebuah berita dalam dua hari terakhir - OpenAI sedang mempertimbangkan untuk meluncurkan pasar perdagangan - sangat patut diperhatikan.
Perlu dicatat bahwa: setelah paket plug-in ChatGPT hampir gagal, menurut laporan media AS:
OpenAI sedang mempertimbangkan untuk meluncurkan pasar agar pelanggan dapat menjual model AI yang telah disesuaikan ke perusahaan lain. Dengan kata lain: Pasar ini akan memberi bisnis cara untuk mengakses model bahasa besar mutakhir dan menghosting versi model OpenAI yang disempurnakan yang dibuat oleh pelanggan. ...
Ringkasan utama dari sisa artikel ini adalah sebagai berikut:
Mengapa OpenAI mempertimbangkan untuk meluncurkan pasar perdagangan?
Apakah ada cara di pasar perdagangan ini untuk membuka berbagi data dan transaksi antar perusahaan?