Laurel construit la première plateforme de temps d’IA au monde pour aborder la relation de cause à effet entre les industries qui ne peuvent pas relier avec précision l’investissement en temps aux résultats commerciaux. Cet article est tiré de Leo, un article écrit par Deep Thinking Circle, compilé, compilé et écrit par techflow. (Synopsis : Quand le monde se précipite vers l’IA, pourquoi Apple reste-t-il immobile ?) Laurel utilise l’IA pour résoudre un problème d’un milliard de dollars dans l’industrie : rendre le temps des travailleurs du savoir visible, mesurable et optimisé. Vous êtes-vous déjà demandé pourquoi l’industrie manufacturière peut calculer le coût de production d’une voiture avec une grande précision, et l’industrie de la vente au détail peut suivre avec précision l’inventaire de chaque article, mais les cabinets d’avocats, les cabinets comptables et les cabinets de conseil ignorent leur ressource la plus importante : le temps humain ? Cette question m’a longtemps dérangé jusqu’à ce que j’apprenne l’existence du tour de financement de série C de 100 millions de dollars de Laurel. L’entreprise utilise l’IA pour résoudre un problème industriel d’un milliard de dollars : rendre le temps des travailleurs du savoir visible, mesurable et optimisable. J’ai creusé plus profondément et j’ai découvert que Laurel ne faisait pas quelque chose d’aussi simple que le suivi du temps. Ils construisent la première plateforme de temps d’IA au monde pour tenter de résoudre ce que le fondateur Ryan Alshak appelle le « défi de l’intelligence temporelle » – l’incapacité des industries basées sur le savoir à relier avec précision l’investissement en temps aux résultats commerciaux. À l’ère de l’IA, la quantification et la compréhension du capital humain sont passées du statut de cerise sur le gâteau à celui de besoin commercial de « vie ou de mort ». Le tour de table a été mené par IVP, avec la participation de GV (Google Ventures) et 01A, et les nouveaux investisseurs comprenaient également des célébrités telles que DST Global, Kevin Weil d’OpenAI, Alexis Ohanian, Vladimir Fedorov, directeur technique de GitHub et d’autres. La douleur et l’éveil de la comptabilité en six minutes La racine du problème remonte à la façon dont l’industrie des services professionnels a fonctionné pendant des décennies. Les avocats, les comptables et les consultants doivent enregistrer leurs heures de travail par tranches de six minutes afin que les clients puissent payer à l’heure. Ryan Alshak ressent cette douleur de manière aiguë en tant qu’avocat : « C’est comme un samedi soir chargé où je suis un chef cuisinier pour 500 clients, mais en même temps qui me demande de garder une trace de chaque ingrédient que j’utilise, ce qui est à la fois distrayant et déshumanisant. » Je peux comprendre la frustration. Imaginez que vous venez de terminer une analyse juridique complexe et que vos pensées sont les plus claires, mais que vous devez ensuite vous arrêter et vous rappeler : combien de temps ai-je passé à examiner l’information ? Combien de minutes a-t-il fallu pour écrire ce mémo ? Qu’a-t-on discuté lors de l’appel avec le client ? Cette interruption forcée affecte non seulement l’efficacité, mais donne également aux professionnels l’impression d’être des ouvriers d’usine surveillés plutôt que des experts fournissant des services intellectuels. Le moment d’épiphanie d’Alshak a été simple : « Pourquoi devrais-je dire à la machine ce que j’ai fait au travail au lieu de laisser la machine me rappeler ce que j’ai fait ? » Derrière cette question apparemment simple se cache une idée contre-intuitive : les avocats, les comptables et les consultants ont en fait un problème de sous-facturation parce qu’ils oublient une grande partie du travail qui a déjà été fait. Si vous pouvez faire plus de bénéfices pour l’acheteur (entreprise) et faire gagner du temps à l’utilisateur (professionnel), c’est la base parfaite pour créer une entreprise. Ce point sensible est beaucoup plus courant que je ne le pensais. Selon Laurel, le professionnel moyen récupère plus de 28 minutes de temps facturable par jour, qui étaient auparavant perdues en raison de dossiers manquants. À un taux horaire moyen de 375 $, cela signifie que chaque professionnel génère 175 $ de plus par jour pour l’entreprise. Pour un grand cabinet comptant des centaines de professionnels, ce nombre est assez stupéfiant. La solution de Laurel semble intuitive, mais il s’agit d’un défi technique extrêmement complexe à relever. J’ai appris que pour vraiment automatiser les calendriers de bout en bout, il y a quatre problèmes techniques clés qui doivent être résolus, chacun d’entre eux ayant un seuil technique assez élevé. Le premier défi est le suivi de l’empreinte numérique. Laurel doit être capable de s’intégrer à tous les programmes numériques utilisés par les utilisateurs, y compris Slack, Microsoft Outlook, Zoom et d’autres outils de travail. Ce n’est que lorsque l’IA peut « voir » toutes les activités professionnelles des professionnels sur toutes les plateformes qu’elle peut reconstruire avec précision leurs trajectoires de travail. C’est comme installer un système de surveillance omniprésent mais complètement insensible dans l’environnement de travail numérique de l’utilisateur, capable d’enregistrer chaque clic, chaque modification de document et chaque appel téléphonique. Le deuxième niveau est l’intégration profonde des applications d’IA. Laurel utilise diverses techniques d’IA pour traiter ces empreintes numériques : les algorithmes de regroupement de données catégorisent le travail associé, les modèles d’apprentissage automatique attribuent le travail aux clients et aux projets pertinents, l’IA générative crée des descriptions de poste, et enfin encode et classe le travail grâce à l’apprentissage automatique. Au lieu d’appliquer simplement une interface ChatGPT, nous construisons un système d’IA optimisé pour les flux de travail des services professionnels. Le troisième lien est l’équilibre délicat de la collaboration homme-robot. Un brouillon de calendrier est généré pour les utilisateurs qui peuvent ajouter, supprimer ou modifier du contenu. Cette conception « human-in-the-loop » garantit à la fois la précision et permet à l’IA d’apprendre et de s’améliorer en permanence. Chaque interaction de l’utilisateur rend le système plus intelligent, ce qui crée un cycle positif. La quatrième étape est l’intégration transparente avec les systèmes de facturation existants. Une fois que l’utilisateur a confirmé le calendrier, le système transfère automatiquement les données au système de facturation de l’entreprise, laissant la gestion du back-office inchangée. De cette façon, l’expérience de travail des professionnels est passée de « remplir l’horaire » à « auditer l’horaire », ce qui réduit considérablement la charge psychologique. L’ingéniosité de l’ensemble du processus est qu’il n’oblige pas l’utilisateur à changer ses habitudes de travail, mais travaille silencieusement en arrière-plan et, à la fin, ne nécessite qu’une confirmation finale de l’utilisateur. Cette philosophie de conception incarne une réflexion profonde sur le produit : la meilleure technologie doit être invisible, elle doit simplifier les choses complexes, ne pas ajouter un nouveau fardeau d’apprentissage à l’utilisateur. De perdante de la technologie juridique à pionnière de l’ère de l’IA, le succès de Laurel n’a pas été facile, en fait, il a connu une renaissance complète. La société a été fondée à l’origine en 2016 sous le nom de « Time by Ping », mais a connu des difficultés à ses débuts. Alshak reconnaît candidement deux problèmes principaux : l’accent mis sur le marché unique légal et le manque de maturité de la technologie de traitement du langage naturel à l’époque. Le tournant s’est produit en 2022, lorsqu’Alshak a obtenu un accès anticipé à OpenAI GPT-3, il a pris une décision audacieuse : suspendre tous les travaux et refactoriser complètement le produit. C’est une décision extrêmement rare dans les cercles des startups, et la plupart des gens vous diront « ne jamais reconstruire, continuez à itérer ». Mais Alshak a choisi une voie qui va à l’encontre de la sagesse conventionnelle, ce qui, je pense, illustre le véritable esprit d’entreprise – une volonté de prendre de gros risques pour une vision plus grande. Lorsque ChatGPT a été lancé en novembre 2022, la perception de l’IA sur l’ensemble du marché a été bouleversée...
Voir l'original
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
Le secteur des IA ultra-niche à l'étranger "a levé 100 millions de dollars", comment Laurel analyse-t-il la causalité temporelle ?
Laurel construit la première plateforme de temps d’IA au monde pour aborder la relation de cause à effet entre les industries qui ne peuvent pas relier avec précision l’investissement en temps aux résultats commerciaux. Cet article est tiré de Leo, un article écrit par Deep Thinking Circle, compilé, compilé et écrit par techflow. (Synopsis : Quand le monde se précipite vers l’IA, pourquoi Apple reste-t-il immobile ?) Laurel utilise l’IA pour résoudre un problème d’un milliard de dollars dans l’industrie : rendre le temps des travailleurs du savoir visible, mesurable et optimisé. Vous êtes-vous déjà demandé pourquoi l’industrie manufacturière peut calculer le coût de production d’une voiture avec une grande précision, et l’industrie de la vente au détail peut suivre avec précision l’inventaire de chaque article, mais les cabinets d’avocats, les cabinets comptables et les cabinets de conseil ignorent leur ressource la plus importante : le temps humain ? Cette question m’a longtemps dérangé jusqu’à ce que j’apprenne l’existence du tour de financement de série C de 100 millions de dollars de Laurel. L’entreprise utilise l’IA pour résoudre un problème industriel d’un milliard de dollars : rendre le temps des travailleurs du savoir visible, mesurable et optimisable. J’ai creusé plus profondément et j’ai découvert que Laurel ne faisait pas quelque chose d’aussi simple que le suivi du temps. Ils construisent la première plateforme de temps d’IA au monde pour tenter de résoudre ce que le fondateur Ryan Alshak appelle le « défi de l’intelligence temporelle » – l’incapacité des industries basées sur le savoir à relier avec précision l’investissement en temps aux résultats commerciaux. À l’ère de l’IA, la quantification et la compréhension du capital humain sont passées du statut de cerise sur le gâteau à celui de besoin commercial de « vie ou de mort ». Le tour de table a été mené par IVP, avec la participation de GV (Google Ventures) et 01A, et les nouveaux investisseurs comprenaient également des célébrités telles que DST Global, Kevin Weil d’OpenAI, Alexis Ohanian, Vladimir Fedorov, directeur technique de GitHub et d’autres. La douleur et l’éveil de la comptabilité en six minutes La racine du problème remonte à la façon dont l’industrie des services professionnels a fonctionné pendant des décennies. Les avocats, les comptables et les consultants doivent enregistrer leurs heures de travail par tranches de six minutes afin que les clients puissent payer à l’heure. Ryan Alshak ressent cette douleur de manière aiguë en tant qu’avocat : « C’est comme un samedi soir chargé où je suis un chef cuisinier pour 500 clients, mais en même temps qui me demande de garder une trace de chaque ingrédient que j’utilise, ce qui est à la fois distrayant et déshumanisant. » Je peux comprendre la frustration. Imaginez que vous venez de terminer une analyse juridique complexe et que vos pensées sont les plus claires, mais que vous devez ensuite vous arrêter et vous rappeler : combien de temps ai-je passé à examiner l’information ? Combien de minutes a-t-il fallu pour écrire ce mémo ? Qu’a-t-on discuté lors de l’appel avec le client ? Cette interruption forcée affecte non seulement l’efficacité, mais donne également aux professionnels l’impression d’être des ouvriers d’usine surveillés plutôt que des experts fournissant des services intellectuels. Le moment d’épiphanie d’Alshak a été simple : « Pourquoi devrais-je dire à la machine ce que j’ai fait au travail au lieu de laisser la machine me rappeler ce que j’ai fait ? » Derrière cette question apparemment simple se cache une idée contre-intuitive : les avocats, les comptables et les consultants ont en fait un problème de sous-facturation parce qu’ils oublient une grande partie du travail qui a déjà été fait. Si vous pouvez faire plus de bénéfices pour l’acheteur (entreprise) et faire gagner du temps à l’utilisateur (professionnel), c’est la base parfaite pour créer une entreprise. Ce point sensible est beaucoup plus courant que je ne le pensais. Selon Laurel, le professionnel moyen récupère plus de 28 minutes de temps facturable par jour, qui étaient auparavant perdues en raison de dossiers manquants. À un taux horaire moyen de 375 $, cela signifie que chaque professionnel génère 175 $ de plus par jour pour l’entreprise. Pour un grand cabinet comptant des centaines de professionnels, ce nombre est assez stupéfiant. La solution de Laurel semble intuitive, mais il s’agit d’un défi technique extrêmement complexe à relever. J’ai appris que pour vraiment automatiser les calendriers de bout en bout, il y a quatre problèmes techniques clés qui doivent être résolus, chacun d’entre eux ayant un seuil technique assez élevé. Le premier défi est le suivi de l’empreinte numérique. Laurel doit être capable de s’intégrer à tous les programmes numériques utilisés par les utilisateurs, y compris Slack, Microsoft Outlook, Zoom et d’autres outils de travail. Ce n’est que lorsque l’IA peut « voir » toutes les activités professionnelles des professionnels sur toutes les plateformes qu’elle peut reconstruire avec précision leurs trajectoires de travail. C’est comme installer un système de surveillance omniprésent mais complètement insensible dans l’environnement de travail numérique de l’utilisateur, capable d’enregistrer chaque clic, chaque modification de document et chaque appel téléphonique. Le deuxième niveau est l’intégration profonde des applications d’IA. Laurel utilise diverses techniques d’IA pour traiter ces empreintes numériques : les algorithmes de regroupement de données catégorisent le travail associé, les modèles d’apprentissage automatique attribuent le travail aux clients et aux projets pertinents, l’IA générative crée des descriptions de poste, et enfin encode et classe le travail grâce à l’apprentissage automatique. Au lieu d’appliquer simplement une interface ChatGPT, nous construisons un système d’IA optimisé pour les flux de travail des services professionnels. Le troisième lien est l’équilibre délicat de la collaboration homme-robot. Un brouillon de calendrier est généré pour les utilisateurs qui peuvent ajouter, supprimer ou modifier du contenu. Cette conception « human-in-the-loop » garantit à la fois la précision et permet à l’IA d’apprendre et de s’améliorer en permanence. Chaque interaction de l’utilisateur rend le système plus intelligent, ce qui crée un cycle positif. La quatrième étape est l’intégration transparente avec les systèmes de facturation existants. Une fois que l’utilisateur a confirmé le calendrier, le système transfère automatiquement les données au système de facturation de l’entreprise, laissant la gestion du back-office inchangée. De cette façon, l’expérience de travail des professionnels est passée de « remplir l’horaire » à « auditer l’horaire », ce qui réduit considérablement la charge psychologique. L’ingéniosité de l’ensemble du processus est qu’il n’oblige pas l’utilisateur à changer ses habitudes de travail, mais travaille silencieusement en arrière-plan et, à la fin, ne nécessite qu’une confirmation finale de l’utilisateur. Cette philosophie de conception incarne une réflexion profonde sur le produit : la meilleure technologie doit être invisible, elle doit simplifier les choses complexes, ne pas ajouter un nouveau fardeau d’apprentissage à l’utilisateur. De perdante de la technologie juridique à pionnière de l’ère de l’IA, le succès de Laurel n’a pas été facile, en fait, il a connu une renaissance complète. La société a été fondée à l’origine en 2016 sous le nom de « Time by Ping », mais a connu des difficultés à ses débuts. Alshak reconnaît candidement deux problèmes principaux : l’accent mis sur le marché unique légal et le manque de maturité de la technologie de traitement du langage naturel à l’époque. Le tournant s’est produit en 2022, lorsqu’Alshak a obtenu un accès anticipé à OpenAI GPT-3, il a pris une décision audacieuse : suspendre tous les travaux et refactoriser complètement le produit. C’est une décision extrêmement rare dans les cercles des startups, et la plupart des gens vous diront « ne jamais reconstruire, continuez à itérer ». Mais Alshak a choisi une voie qui va à l’encontre de la sagesse conventionnelle, ce qui, je pense, illustre le véritable esprit d’entreprise – une volonté de prendre de gros risques pour une vision plus grande. Lorsque ChatGPT a été lancé en novembre 2022, la perception de l’IA sur l’ensemble du marché a été bouleversée...