Laurel, zaman yatırımını iş sonuçlarıyla doğru bir şekilde ilişkilendiremeyen endüstriler arasındaki nedensel ilişkiyi ele almak için dünyanın ilk yapay zeka zaman platformunu inşa ediyor. Bu makale, Deep Thinking Circle tarafından yazılmış, techflow tarafından harmanlanmış, derlenmiş ve yazılmış bir makale olan Leo'dan alınmıştır. (Özet: Dünya yapay zekaya koşarken, Apple neden hala hareketsiz duruyor?) Laurel, trilyon dolarlık bir endüstri sorununu çözmek için yapay zekayı kullanıyor: bilgi çalışanlarının zamanını görünür, ölçülebilir ve optimize edilmiş hale getirmek. İmalat endüstrisinin neden bir araba üretmenin maliyetini büyük bir hassasiyetle hesaplayabildiğini ve perakende sektörünün her bir öğenin envanterini doğru bir şekilde takip edebildiğini, ancak hukuk firmalarının, muhasebe firmalarının ve danışmanlık firmalarının neden en önemli kaynaklarından habersiz olduğunu hiç merak ettiniz mi: insan zamanı? Bu soru, Laurel'in 100 milyon dolarlık C Serisi finansman turunu öğrenene kadar beni uzun süre rahatsız etti. Şirket, trilyon dolarlık bir endüstri sorununu çözmek için yapay zekayı kullanıyor: bilgi çalışanlarının zamanını görünür, ölçülebilir ve optimize edilebilir hale getirmek. Daha derine indim ve Laurel'in sadece zaman takibi kadar basit bir şey yapmadığını gördüm. Kurucu Ryan Alshak'ın "zaman zekası zorluğu" olarak adlandırdığı şeyi çözmeye çalışmak için dünyanın ilk AI zaman platformunu inşa ediyorlar - bilgi tabanlı endüstrilerin zaman yatırımını iş sonuçlarına doğru bir şekilde bağlayamaması. Yapay zeka çağında, insan sermayesini ölçmek ve anlamak, pastanın üzerindeki krema olmaktan çıkıp "ölüm kalım" iş ihtiyacı haline geldi. Tur, GV (Google Ventures) ve 01A'nın katılımıyla IVP tarafından yönetildi ve yeni yatırımcılar arasında DST Global, OpenAI'den Kevin Weil, Alexis Ohanian, GitHub CTO'su Vladimir Fedorov ve diğerleri gibi ünlüler de yer aldı. Altı Dakikalık Defter Tutmanın Acısı ve Uyanışı Sorunun kökü, profesyonel hizmetler endüstrisinin onlarca yıldır çalışma şekline kadar uzanabilir. Avukatlar, muhasebeciler ve danışmanların, müşterilerin saat başı ödeme yapabilmeleri için çalışma saatlerini altı dakikalık artışlarla kaydetmeleri gerekir. Ryan Alshak bir avukat olarak bu acıyı çok iyi yaşıyor: "Yoğun bir Cumartesi gecesi 500 müşteriye yemek pişiren bir şef olduğum ama aynı zamanda benden kullandığım her malzemeyi takip etmemi istediği gibi, bu hem dikkat dağıtıcı hem de insanlık dışı." Hayal kırıklığını anlayabiliyorum. Karmaşık bir yasal analizi yeni tamamladığınızı ve düşüncelerinizin en net durumda olduğunu hayal edin, ancak sonra durup hatırlamanız gerekiyor: Bilgiye bakmak için ne kadar zaman harcadım? Bu notu yazmak kaç dakika sürdü? Müşteri ile yapılan görüşmede neler konuşuldu? Bu zorunlu kesinti sadece verimliliği etkilemekle kalmaz, aynı zamanda profesyonellerin entelektüel hizmetler sunan uzmanlardan ziyade izlenen fabrika işçileri gibi hissetmelerine neden olur. Alshak'ın aydınlanma anı basitleşti: "Makinenin bana ne yaptığımı hatırlatmasına izin vermek yerine neden makineye işte ne yaptığımı söylemeliyim?" Görünüşte basit olan bu sorunun ardında mantığa aykırı bir anlayış yatıyor: avukatlar, muhasebeciler ve danışmanlar aslında düşük faturalandırma sorunu yaşıyorlar çünkü zaten yapılmış olan birçok işi unutuyorlar. Alıcı (işletme) için daha fazla kar elde edebilir ve kullanıcı (profesyonel) için zamandan tasarruf edebilirseniz, bu bir şirket kurmak için mükemmel bir temeldir. Bu acı noktası düşündüğümden çok daha yaygın. Laurel'e göre, ortalama bir profesyonel, daha önce eksik kayıtlar nedeniyle kaybedilen günde 28 dakikadan fazla faturalandırılabilir süreyi geri kazanıyor. Saatlik ortalama 375 ABD Doları ücretle, bu, her profesyonelin şirket için günde ek 175 ABD Doları kazandığı anlamına gelir. Yüzlerce profesyonele sahip büyük bir firma için bu sayı oldukça şaşırtıcıdır. Yapay zekanın zaman takibini yeniden tanımlamasının dört anahtarı Laurel'in çözümü kulağa sezgisel geliyor, ancak aslında inşa edilmesi son derece karmaşık bir teknik zorluk. Uçtan uca programları gerçekten otomatikleştirmek için, ele alınması gereken ve her biri oldukça yüksek bir teknik eşiğe sahip olan dört temel teknik sorun olduğunu öğrendim. İlk zorluk, dijital ayak izi takibidir. Laurel, Slack, Microsoft Outlook, Zoom ve diğer çalışma araçları dahil olmak üzere kullanıcılar tarafından kullanılan her dijital programla entegre olabilmelidir. Yapay zeka, ancak profesyonellerin platformlardaki tüm iş faaliyetlerini "görebildiğinde", çalışma yörüngelerini doğru bir şekilde yeniden yapılandırabilir. Bu, kullanıcının dijital çalışma ortamına her tıklamayı, her belge düzenlemesini ve her telefon görüşmesini kaydedebilen, her yerde bulunan ancak tamamen duyarsız bir gözetim sistemi kurmak gibidir. İkinci seviye, AI uygulamalarının derin entegrasyonudur. Laurel, bu dijital ayak izlerini işlemek için çeşitli yapay zeka teknikleri kullanır: veri kümeleme algoritmaları ilgili işleri kategorilere ayırır, makine öğrenimi modelleri ilgili müşterilere ve projelere iş atar, üretken yapay zeka iş tanımları oluşturur ve son olarak makine öğrenimi yoluyla işi kodlar ve sınıflandırır. Yalnızca bir ChatGPT arayüzü uygulamak yerine, profesyonel hizmet iş akışları için optimize edilmiş bir yapay zeka sistemi oluşturuyoruz. Üçüncü bağlantı, insan-robot işbirliğinin hassas dengesidir. İçerik ekleyebilen, silebilen veya düzenleyebilen kullanıcılar için bir taslak takvim oluşturulur. Bu "döngüdeki insan" tasarımı hem doğruluğu garanti eder hem de yapay zekanın sürekli olarak öğrenmesine ve gelişmesine olanak tanır. Kullanıcının her etkileşimi sistemi daha akıllı hale getirir ve bu da olumlu bir döngü yaratır. Dördüncü adım, mevcut faturalandırma sistemleriyle sorunsuz entegrasyondur. Kullanıcı programı onayladıktan sonra, sistem verileri otomatik olarak firmanın faturalandırma sistemine gönderecek ve arka ofis yönetimini değiştirmeden bırakacaktır. Bu sayede profesyonellerin iş deneyimi "programı doldurmaktan" "programı denetlemeye" dönüşmüş ve bu da psikolojik yükü büyük ölçüde azaltmıştır. Tüm sürecin ustalığı, kullanıcıyı çalışma alışkanlıklarını değiştirmeye zorlamaması, ancak arka planda sessizce çalışması ve sonunda yalnızca kullanıcıdan son onay gerektirmesidir. Bu tasarım felsefesi, derin ürün düşüncesini somutlaştırır: en iyi teknoloji görünmez olmalı, karmaşık şeyleri basitleştirmeli, kullanıcıya yeni bir öğrenme yükü eklememelidir. Yasal teknoloji kaybedeninden yapay zeka çağının öncüsüne kadar Laurel'in başarısı kolay olmadı, aslında tam bir yeniden doğuş geçirdi. Şirket ilk olarak 2016 yılında "Time by Ping" adı altında kuruldu, ancak ilk yıllarında mücadele etti. Alshak, iki ana sorunu samimi bir şekilde kabul ediyor: yasal tek pazara aşırı odaklanma ve o sırada doğal dil işleme teknolojisinin olgunlaşmamış olması. Dönüm noktası, Alshak'ın OpenAI GPT-3'e erken erişim elde ettiği 2022'de geldi ve cesur bir karar verdi: tüm işleri askıya almak ve ürünü tamamen yeniden düzenlemek. Bu, başlangıç çevrelerinde son derece nadir görülen bir harekettir ve çoğu insan size "asla yeniden inşa etmeyin, yinelemeye devam edin" diyecektir. Ancak Alshak, geleneksel bilgeliğe aykırı bir yol seçti ve bence bu gerçek girişimci ruhu örnekliyor - daha büyük bir vizyon için büyük riskler alma isteği. ChatGPT Kasım 2022'de piyasaya sürüldüğünde tüm pazarda yapay zeka algısı alt üst oldu...
View Original
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
Yurtdışında aşırı niş AI alanı "1 milyon dolar finansman", Laurel zamanı nasıl analiz ediyor?
Laurel, zaman yatırımını iş sonuçlarıyla doğru bir şekilde ilişkilendiremeyen endüstriler arasındaki nedensel ilişkiyi ele almak için dünyanın ilk yapay zeka zaman platformunu inşa ediyor. Bu makale, Deep Thinking Circle tarafından yazılmış, techflow tarafından harmanlanmış, derlenmiş ve yazılmış bir makale olan Leo'dan alınmıştır. (Özet: Dünya yapay zekaya koşarken, Apple neden hala hareketsiz duruyor?) Laurel, trilyon dolarlık bir endüstri sorununu çözmek için yapay zekayı kullanıyor: bilgi çalışanlarının zamanını görünür, ölçülebilir ve optimize edilmiş hale getirmek. İmalat endüstrisinin neden bir araba üretmenin maliyetini büyük bir hassasiyetle hesaplayabildiğini ve perakende sektörünün her bir öğenin envanterini doğru bir şekilde takip edebildiğini, ancak hukuk firmalarının, muhasebe firmalarının ve danışmanlık firmalarının neden en önemli kaynaklarından habersiz olduğunu hiç merak ettiniz mi: insan zamanı? Bu soru, Laurel'in 100 milyon dolarlık C Serisi finansman turunu öğrenene kadar beni uzun süre rahatsız etti. Şirket, trilyon dolarlık bir endüstri sorununu çözmek için yapay zekayı kullanıyor: bilgi çalışanlarının zamanını görünür, ölçülebilir ve optimize edilebilir hale getirmek. Daha derine indim ve Laurel'in sadece zaman takibi kadar basit bir şey yapmadığını gördüm. Kurucu Ryan Alshak'ın "zaman zekası zorluğu" olarak adlandırdığı şeyi çözmeye çalışmak için dünyanın ilk AI zaman platformunu inşa ediyorlar - bilgi tabanlı endüstrilerin zaman yatırımını iş sonuçlarına doğru bir şekilde bağlayamaması. Yapay zeka çağında, insan sermayesini ölçmek ve anlamak, pastanın üzerindeki krema olmaktan çıkıp "ölüm kalım" iş ihtiyacı haline geldi. Tur, GV (Google Ventures) ve 01A'nın katılımıyla IVP tarafından yönetildi ve yeni yatırımcılar arasında DST Global, OpenAI'den Kevin Weil, Alexis Ohanian, GitHub CTO'su Vladimir Fedorov ve diğerleri gibi ünlüler de yer aldı. Altı Dakikalık Defter Tutmanın Acısı ve Uyanışı Sorunun kökü, profesyonel hizmetler endüstrisinin onlarca yıldır çalışma şekline kadar uzanabilir. Avukatlar, muhasebeciler ve danışmanların, müşterilerin saat başı ödeme yapabilmeleri için çalışma saatlerini altı dakikalık artışlarla kaydetmeleri gerekir. Ryan Alshak bir avukat olarak bu acıyı çok iyi yaşıyor: "Yoğun bir Cumartesi gecesi 500 müşteriye yemek pişiren bir şef olduğum ama aynı zamanda benden kullandığım her malzemeyi takip etmemi istediği gibi, bu hem dikkat dağıtıcı hem de insanlık dışı." Hayal kırıklığını anlayabiliyorum. Karmaşık bir yasal analizi yeni tamamladığınızı ve düşüncelerinizin en net durumda olduğunu hayal edin, ancak sonra durup hatırlamanız gerekiyor: Bilgiye bakmak için ne kadar zaman harcadım? Bu notu yazmak kaç dakika sürdü? Müşteri ile yapılan görüşmede neler konuşuldu? Bu zorunlu kesinti sadece verimliliği etkilemekle kalmaz, aynı zamanda profesyonellerin entelektüel hizmetler sunan uzmanlardan ziyade izlenen fabrika işçileri gibi hissetmelerine neden olur. Alshak'ın aydınlanma anı basitleşti: "Makinenin bana ne yaptığımı hatırlatmasına izin vermek yerine neden makineye işte ne yaptığımı söylemeliyim?" Görünüşte basit olan bu sorunun ardında mantığa aykırı bir anlayış yatıyor: avukatlar, muhasebeciler ve danışmanlar aslında düşük faturalandırma sorunu yaşıyorlar çünkü zaten yapılmış olan birçok işi unutuyorlar. Alıcı (işletme) için daha fazla kar elde edebilir ve kullanıcı (profesyonel) için zamandan tasarruf edebilirseniz, bu bir şirket kurmak için mükemmel bir temeldir. Bu acı noktası düşündüğümden çok daha yaygın. Laurel'e göre, ortalama bir profesyonel, daha önce eksik kayıtlar nedeniyle kaybedilen günde 28 dakikadan fazla faturalandırılabilir süreyi geri kazanıyor. Saatlik ortalama 375 ABD Doları ücretle, bu, her profesyonelin şirket için günde ek 175 ABD Doları kazandığı anlamına gelir. Yüzlerce profesyonele sahip büyük bir firma için bu sayı oldukça şaşırtıcıdır. Yapay zekanın zaman takibini yeniden tanımlamasının dört anahtarı Laurel'in çözümü kulağa sezgisel geliyor, ancak aslında inşa edilmesi son derece karmaşık bir teknik zorluk. Uçtan uca programları gerçekten otomatikleştirmek için, ele alınması gereken ve her biri oldukça yüksek bir teknik eşiğe sahip olan dört temel teknik sorun olduğunu öğrendim. İlk zorluk, dijital ayak izi takibidir. Laurel, Slack, Microsoft Outlook, Zoom ve diğer çalışma araçları dahil olmak üzere kullanıcılar tarafından kullanılan her dijital programla entegre olabilmelidir. Yapay zeka, ancak profesyonellerin platformlardaki tüm iş faaliyetlerini "görebildiğinde", çalışma yörüngelerini doğru bir şekilde yeniden yapılandırabilir. Bu, kullanıcının dijital çalışma ortamına her tıklamayı, her belge düzenlemesini ve her telefon görüşmesini kaydedebilen, her yerde bulunan ancak tamamen duyarsız bir gözetim sistemi kurmak gibidir. İkinci seviye, AI uygulamalarının derin entegrasyonudur. Laurel, bu dijital ayak izlerini işlemek için çeşitli yapay zeka teknikleri kullanır: veri kümeleme algoritmaları ilgili işleri kategorilere ayırır, makine öğrenimi modelleri ilgili müşterilere ve projelere iş atar, üretken yapay zeka iş tanımları oluşturur ve son olarak makine öğrenimi yoluyla işi kodlar ve sınıflandırır. Yalnızca bir ChatGPT arayüzü uygulamak yerine, profesyonel hizmet iş akışları için optimize edilmiş bir yapay zeka sistemi oluşturuyoruz. Üçüncü bağlantı, insan-robot işbirliğinin hassas dengesidir. İçerik ekleyebilen, silebilen veya düzenleyebilen kullanıcılar için bir taslak takvim oluşturulur. Bu "döngüdeki insan" tasarımı hem doğruluğu garanti eder hem de yapay zekanın sürekli olarak öğrenmesine ve gelişmesine olanak tanır. Kullanıcının her etkileşimi sistemi daha akıllı hale getirir ve bu da olumlu bir döngü yaratır. Dördüncü adım, mevcut faturalandırma sistemleriyle sorunsuz entegrasyondur. Kullanıcı programı onayladıktan sonra, sistem verileri otomatik olarak firmanın faturalandırma sistemine gönderecek ve arka ofis yönetimini değiştirmeden bırakacaktır. Bu sayede profesyonellerin iş deneyimi "programı doldurmaktan" "programı denetlemeye" dönüşmüş ve bu da psikolojik yükü büyük ölçüde azaltmıştır. Tüm sürecin ustalığı, kullanıcıyı çalışma alışkanlıklarını değiştirmeye zorlamaması, ancak arka planda sessizce çalışması ve sonunda yalnızca kullanıcıdan son onay gerektirmesidir. Bu tasarım felsefesi, derin ürün düşüncesini somutlaştırır: en iyi teknoloji görünmez olmalı, karmaşık şeyleri basitleştirmeli, kullanıcıya yeni bir öğrenme yükü eklememelidir. Yasal teknoloji kaybedeninden yapay zeka çağının öncüsüne kadar Laurel'in başarısı kolay olmadı, aslında tam bir yeniden doğuş geçirdi. Şirket ilk olarak 2016 yılında "Time by Ping" adı altında kuruldu, ancak ilk yıllarında mücadele etti. Alshak, iki ana sorunu samimi bir şekilde kabul ediyor: yasal tek pazara aşırı odaklanma ve o sırada doğal dil işleme teknolojisinin olgunlaşmamış olması. Dönüm noktası, Alshak'ın OpenAI GPT-3'e erken erişim elde ettiği 2022'de geldi ve cesur bir karar verdi: tüm işleri askıya almak ve ürünü tamamen yeniden düzenlemek. Bu, başlangıç çevrelerinde son derece nadir görülen bir harekettir ve çoğu insan size "asla yeniden inşa etmeyin, yinelemeye devam edin" diyecektir. Ancak Alshak, geleneksel bilgeliğe aykırı bir yol seçti ve bence bu gerçek girişimci ruhu örnekliyor - daha büyük bir vizyon için büyük riskler alma isteği. ChatGPT Kasım 2022'de piyasaya sürüldüğünde tüm pazarda yapay zeka algısı alt üst oldu...