Laurel đang xây dựng nền tảng thời gian AI đầu tiên trên thế giới để giải quyết mối quan hệ nhân quả giữa các ngành không thể liên kết chính xác đầu tư thời gian với kết quả kinh doanh. Bài viết này là của Leo, một bài báo được viết bởi Deep Thinking Circle, được đối chiếu, biên soạn và viết bởi techflow. (Tóm tắt nội dung: Khi thế giới đổ xô vào AI, tại sao Apple vẫn đứng yên?) Laurel đang sử dụng AI để giải quyết vấn đề hàng nghìn tỷ đô la của ngành: làm cho thời gian của nhân viên tri thức trở nên hiển thị, có thể đo lường và tối ưu hóa. Bạn đã bao giờ tự hỏi tại sao ngành sản xuất có thể tính toán chi phí sản xuất một chiếc ô tô với độ chính xác cao và ngành bán lẻ có thể theo dõi chính xác hàng tồn kho của từng mặt hàng, nhưng các công ty luật, công ty kế toán và công ty tư vấn không biết về nguồn lực quan trọng nhất của họ: thời gian của con người? Câu hỏi này làm phiền tôi trong một thời gian dài cho đến khi tôi biết về vòng tài trợ Series C trị giá 100 triệu đô la của Laurel. Công ty đang sử dụng AI để giải quyết vấn đề hàng nghìn tỷ đô la của ngành: làm cho thời gian của nhân viên tri thức trở nên hữu hình, có thể đo lường và tối ưu hóa. Tôi đào sâu hơn và thấy rằng Laurel không chỉ làm điều gì đó đơn giản như theo dõi thời gian. Họ đang xây dựng nền tảng thời gian AI đầu tiên trên thế giới để cố gắng giải quyết điều mà người sáng lập Ryan Alshak gọi là "thách thức thông minh thời gian" - sự bất lực của các ngành công nghiệp dựa trên tri thức trong việc liên kết chính xác đầu tư thời gian với kết quả kinh doanh. Trong thời đại AI, việc định lượng và hiểu nguồn nhân lực đã đi từ lớp đóng băng trên bánh trở thành nhu cầu kinh doanh "sống chết". Vòng này được dẫn dắt bởi IVP, với sự tham gia của GV (Google Ventures) và 01A, và các nhà đầu tư mới cũng bao gồm những người nổi tiếng như DST Global, Kevin Weil của OpenAI, Alexis Ohanian, CTO GitHub Vladimir Fedorov và những người khác. Nỗi đau và sự thức tỉnh của sổ sách kế toán sáu phút Gốc rễ của vấn đề có thể bắt nguồn từ cách ngành dịch vụ chuyên nghiệp đã hoạt động trong nhiều thập kỷ. Luật sư, kế toán và chuyên gia tư vấn cần ghi lại giờ làm việc của họ theo gia số sáu phút để khách hàng có thể thanh toán theo giờ. Ryan Alshak trải qua nỗi đau này một cách sâu sắc với tư cách là một luật sư: "Nó giống như vào một đêm thứ Bảy bận rộn khi tôi là một đầu bếp nấu ăn cho 500 khách hàng, nhưng đồng thời yêu cầu tôi theo dõi mọi thành phần tôi sử dụng, điều này vừa gây mất tập trung vừa mất nhân tính." Tôi có thể hiểu sự thất vọng. Hãy tưởng tượng bạn vừa hoàn thành một phân tích pháp lý phức tạp và suy nghĩ của bạn rõ ràng nhất, nhưng sau đó bạn phải dừng lại và nhớ rằng: Tôi đã dành bao lâu để xem thông tin? Mất bao nhiêu phút để viết bản ghi nhớ này? Những gì đã được thảo luận trong cuộc gọi với khách hàng? Sự gián đoạn bắt buộc này không chỉ ảnh hưởng đến hiệu quả mà còn khiến các chuyên gia cảm thấy như công nhân nhà máy đang bị giám sát hơn là các chuyên gia cung cấp dịch vụ trí tuệ. Khoảnh khắc hiển linh của Alshak trở nên đơn giản: "Tại sao tôi phải nói với máy móc những gì tôi đã làm tại nơi làm việc thay vì để máy nhắc nhở tôi những gì tôi đã làm?" Đằng sau câu hỏi có vẻ đơn giản này là một cái nhìn sâu sắc phản trực giác: luật sư, kế toán và nhà tư vấn thực sự gặp vấn đề về việc thanh toán thiếu vì họ quên rất nhiều công việc đã được thực hiện. Nếu bạn có thể tạo ra nhiều lợi nhuận hơn cho người mua (doanh nghiệp) và tiết kiệm thời gian cho người dùng (chuyên nghiệp) thì đây là nền tảng hoàn hảo để xây dựng công ty. Điểm đau này phổ biến hơn nhiều so với tôi nghĩ. Theo Laurel, trung bình một chuyên gia phục hồi hơn 28 phút thời gian có thể lập hóa đơn mỗi ngày, trước đây đã bị mất do thiếu hồ sơ. Với mức lương trung bình mỗi giờ là 375 đô la, điều đó có nghĩa là mỗi chuyên gia tạo thêm 175 đô la mỗi ngày cho công ty. Đối với một công ty lớn với hàng trăm chuyên gia, con số này là khá đáng kinh ngạc. Bốn chìa khóa để AI xác định lại theo dõi thời gian Giải pháp của Laurel nghe có vẻ trực quan, nhưng đó là một thách thức kỹ thuật cực kỳ phức tạp để thực sự xây dựng. Tôi đã học được rằng để thực sự tự động hóa lịch trình từ đầu đến cuối, có bốn vấn đề kỹ thuật chính cần được giải quyết, mỗi vấn đề đều có ngưỡng kỹ thuật khá cao. Thách thức đầu tiên là theo dõi dấu chân kỹ thuật số. Laurel phải có khả năng tích hợp với mọi chương trình kỹ thuật số được người dùng sử dụng, bao gồm Slack, Microsoft Outlook, Zoom và các công cụ làm việc khác. Chỉ khi AI có thể "nhìn thấy" tất cả các hoạt động làm việc của các chuyên gia trên các nền tảng, nó mới có thể tái tạo chính xác quỹ đạo công việc của họ. Nó giống như cài đặt một hệ thống giám sát phổ biến nhưng hoàn toàn không nhạy cảm trong môi trường làm việc kỹ thuật số của người dùng, có khả năng ghi lại mọi cú nhấp chuột, mọi chỉnh sửa tài liệu và mọi cuộc gọi điện thoại. Cấp độ thứ hai là tích hợp sâu các ứng dụng AI. Laurel sử dụng nhiều kỹ thuật AI khác nhau để xử lý các dấu chân kỹ thuật số này: thuật toán phân cụm dữ liệu phân loại công việc liên quan, mô hình học máy giao công việc cho khách hàng và dự án có liên quan, AI tổng quát tạo mô tả công việc, cuối cùng mã hóa và phân loại công việc thông qua học máy. Thay vì chỉ đơn giản là áp dụng giao diện ChatGPT, chúng tôi xây dựng một hệ thống AI được tối ưu hóa cho quy trình làm việc dịch vụ chuyên nghiệp. Mắt xích thứ ba là sự cân bằng tinh tế giữa sự hợp tác giữa con người và robot. Lịch nháp được tạo cho người dùng có thể thêm, xóa hoặc chỉnh sửa nội dung. Thiết kế "con người trong vòng lặp" này vừa đảm bảo độ chính xác vừa cho phép AI liên tục học hỏi và cải thiện. Mỗi tương tác của người dùng làm cho hệ thống thông minh hơn, tạo ra một chu kỳ tích cực. Bước thứ tư là tích hợp liền mạch với các hệ thống thanh toán hiện có. Sau khi người dùng xác nhận lịch trình, hệ thống sẽ tự động đẩy dữ liệu đến hệ thống thanh toán của công ty, giữ nguyên việc quản lý văn phòng. Bằng cách này, kinh nghiệm làm việc của các chuyên gia đã thay đổi từ "điền lịch trình" sang "kiểm tra lịch trình", giúp giảm đáng kể gánh nặng tâm lý. Sự khéo léo của toàn bộ quá trình là nó không buộc người dùng phải thay đổi thói quen làm việc của họ mà hoạt động âm thầm trong nền, và cuối cùng chỉ yêu cầu xác nhận cuối cùng từ người dùng. Triết lý thiết kế này thể hiện tư duy sản phẩm sâu sắc: công nghệ tốt nhất phải vô hình, nó nên làm cho những thứ phức tạp trở nên đơn giản, không thêm gánh nặng học tập mới cho người dùng. Từ kẻ thua cuộc công nghệ pháp lý đến người tiên phong trong kỷ nguyên AI, thành công của Laurel không hề dễ dàng, trên thực tế, nó đã trải qua một sự tái sinh hoàn toàn. Công ty ban đầu được thành lập vào năm 2016 với tên gọi "Time by Ping", nhưng đã gặp khó khăn trong những năm đầu. Alshak thẳng thắn thừa nhận hai vấn đề chính: sự tập trung quá mức vào thị trường chung hợp pháp và sự thiếu trưởng thành của công nghệ xử lý ngôn ngữ tự nhiên vào thời điểm đó. Bước ngoặt đến vào năm 2022, khi Alshak có quyền truy cập sớm vào OpenAI GPT-3, anh đã đưa ra một quyết định táo bạo: tạm dừng mọi công việc và tái cấu trúc hoàn toàn sản phẩm. Đây là một động thái cực kỳ hiếm hoi trong giới khởi nghiệp, và hầu hết mọi người sẽ nói với bạn "đừng bao giờ xây dựng lại, hãy tiếp tục lặp lại". Nhưng Alshak đã chọn một con đường đi ngược lại sự khôn ngoan thông thường, mà tôi nghĩ là minh chứng cho tinh thần kinh doanh thực sự - sẵn sàng chấp nhận rủi ro lớn cho một tầm nhìn lớn hơn. Khi ChatGPT ra mắt vào tháng 11/2022, nhận thức về AI trên toàn thị trường đã đảo lộn...
Xem bản gốc
Nội dung chỉ mang tính chất tham khảo, không phải là lời chào mời hay đề nghị. Không cung cấp tư vấn về đầu tư, thuế hoặc pháp lý. Xem Tuyên bố miễn trừ trách nhiệm để biết thêm thông tin về rủi ro.
Lĩnh vực AI siêu nhỏ gọn ở nước ngoài "huy động 100 triệu USD", Laurel phân tích mối quan hệ nguyên nhân thời gian như thế nào?
Laurel đang xây dựng nền tảng thời gian AI đầu tiên trên thế giới để giải quyết mối quan hệ nhân quả giữa các ngành không thể liên kết chính xác đầu tư thời gian với kết quả kinh doanh. Bài viết này là của Leo, một bài báo được viết bởi Deep Thinking Circle, được đối chiếu, biên soạn và viết bởi techflow. (Tóm tắt nội dung: Khi thế giới đổ xô vào AI, tại sao Apple vẫn đứng yên?) Laurel đang sử dụng AI để giải quyết vấn đề hàng nghìn tỷ đô la của ngành: làm cho thời gian của nhân viên tri thức trở nên hiển thị, có thể đo lường và tối ưu hóa. Bạn đã bao giờ tự hỏi tại sao ngành sản xuất có thể tính toán chi phí sản xuất một chiếc ô tô với độ chính xác cao và ngành bán lẻ có thể theo dõi chính xác hàng tồn kho của từng mặt hàng, nhưng các công ty luật, công ty kế toán và công ty tư vấn không biết về nguồn lực quan trọng nhất của họ: thời gian của con người? Câu hỏi này làm phiền tôi trong một thời gian dài cho đến khi tôi biết về vòng tài trợ Series C trị giá 100 triệu đô la của Laurel. Công ty đang sử dụng AI để giải quyết vấn đề hàng nghìn tỷ đô la của ngành: làm cho thời gian của nhân viên tri thức trở nên hữu hình, có thể đo lường và tối ưu hóa. Tôi đào sâu hơn và thấy rằng Laurel không chỉ làm điều gì đó đơn giản như theo dõi thời gian. Họ đang xây dựng nền tảng thời gian AI đầu tiên trên thế giới để cố gắng giải quyết điều mà người sáng lập Ryan Alshak gọi là "thách thức thông minh thời gian" - sự bất lực của các ngành công nghiệp dựa trên tri thức trong việc liên kết chính xác đầu tư thời gian với kết quả kinh doanh. Trong thời đại AI, việc định lượng và hiểu nguồn nhân lực đã đi từ lớp đóng băng trên bánh trở thành nhu cầu kinh doanh "sống chết". Vòng này được dẫn dắt bởi IVP, với sự tham gia của GV (Google Ventures) và 01A, và các nhà đầu tư mới cũng bao gồm những người nổi tiếng như DST Global, Kevin Weil của OpenAI, Alexis Ohanian, CTO GitHub Vladimir Fedorov và những người khác. Nỗi đau và sự thức tỉnh của sổ sách kế toán sáu phút Gốc rễ của vấn đề có thể bắt nguồn từ cách ngành dịch vụ chuyên nghiệp đã hoạt động trong nhiều thập kỷ. Luật sư, kế toán và chuyên gia tư vấn cần ghi lại giờ làm việc của họ theo gia số sáu phút để khách hàng có thể thanh toán theo giờ. Ryan Alshak trải qua nỗi đau này một cách sâu sắc với tư cách là một luật sư: "Nó giống như vào một đêm thứ Bảy bận rộn khi tôi là một đầu bếp nấu ăn cho 500 khách hàng, nhưng đồng thời yêu cầu tôi theo dõi mọi thành phần tôi sử dụng, điều này vừa gây mất tập trung vừa mất nhân tính." Tôi có thể hiểu sự thất vọng. Hãy tưởng tượng bạn vừa hoàn thành một phân tích pháp lý phức tạp và suy nghĩ của bạn rõ ràng nhất, nhưng sau đó bạn phải dừng lại và nhớ rằng: Tôi đã dành bao lâu để xem thông tin? Mất bao nhiêu phút để viết bản ghi nhớ này? Những gì đã được thảo luận trong cuộc gọi với khách hàng? Sự gián đoạn bắt buộc này không chỉ ảnh hưởng đến hiệu quả mà còn khiến các chuyên gia cảm thấy như công nhân nhà máy đang bị giám sát hơn là các chuyên gia cung cấp dịch vụ trí tuệ. Khoảnh khắc hiển linh của Alshak trở nên đơn giản: "Tại sao tôi phải nói với máy móc những gì tôi đã làm tại nơi làm việc thay vì để máy nhắc nhở tôi những gì tôi đã làm?" Đằng sau câu hỏi có vẻ đơn giản này là một cái nhìn sâu sắc phản trực giác: luật sư, kế toán và nhà tư vấn thực sự gặp vấn đề về việc thanh toán thiếu vì họ quên rất nhiều công việc đã được thực hiện. Nếu bạn có thể tạo ra nhiều lợi nhuận hơn cho người mua (doanh nghiệp) và tiết kiệm thời gian cho người dùng (chuyên nghiệp) thì đây là nền tảng hoàn hảo để xây dựng công ty. Điểm đau này phổ biến hơn nhiều so với tôi nghĩ. Theo Laurel, trung bình một chuyên gia phục hồi hơn 28 phút thời gian có thể lập hóa đơn mỗi ngày, trước đây đã bị mất do thiếu hồ sơ. Với mức lương trung bình mỗi giờ là 375 đô la, điều đó có nghĩa là mỗi chuyên gia tạo thêm 175 đô la mỗi ngày cho công ty. Đối với một công ty lớn với hàng trăm chuyên gia, con số này là khá đáng kinh ngạc. Bốn chìa khóa để AI xác định lại theo dõi thời gian Giải pháp của Laurel nghe có vẻ trực quan, nhưng đó là một thách thức kỹ thuật cực kỳ phức tạp để thực sự xây dựng. Tôi đã học được rằng để thực sự tự động hóa lịch trình từ đầu đến cuối, có bốn vấn đề kỹ thuật chính cần được giải quyết, mỗi vấn đề đều có ngưỡng kỹ thuật khá cao. Thách thức đầu tiên là theo dõi dấu chân kỹ thuật số. Laurel phải có khả năng tích hợp với mọi chương trình kỹ thuật số được người dùng sử dụng, bao gồm Slack, Microsoft Outlook, Zoom và các công cụ làm việc khác. Chỉ khi AI có thể "nhìn thấy" tất cả các hoạt động làm việc của các chuyên gia trên các nền tảng, nó mới có thể tái tạo chính xác quỹ đạo công việc của họ. Nó giống như cài đặt một hệ thống giám sát phổ biến nhưng hoàn toàn không nhạy cảm trong môi trường làm việc kỹ thuật số của người dùng, có khả năng ghi lại mọi cú nhấp chuột, mọi chỉnh sửa tài liệu và mọi cuộc gọi điện thoại. Cấp độ thứ hai là tích hợp sâu các ứng dụng AI. Laurel sử dụng nhiều kỹ thuật AI khác nhau để xử lý các dấu chân kỹ thuật số này: thuật toán phân cụm dữ liệu phân loại công việc liên quan, mô hình học máy giao công việc cho khách hàng và dự án có liên quan, AI tổng quát tạo mô tả công việc, cuối cùng mã hóa và phân loại công việc thông qua học máy. Thay vì chỉ đơn giản là áp dụng giao diện ChatGPT, chúng tôi xây dựng một hệ thống AI được tối ưu hóa cho quy trình làm việc dịch vụ chuyên nghiệp. Mắt xích thứ ba là sự cân bằng tinh tế giữa sự hợp tác giữa con người và robot. Lịch nháp được tạo cho người dùng có thể thêm, xóa hoặc chỉnh sửa nội dung. Thiết kế "con người trong vòng lặp" này vừa đảm bảo độ chính xác vừa cho phép AI liên tục học hỏi và cải thiện. Mỗi tương tác của người dùng làm cho hệ thống thông minh hơn, tạo ra một chu kỳ tích cực. Bước thứ tư là tích hợp liền mạch với các hệ thống thanh toán hiện có. Sau khi người dùng xác nhận lịch trình, hệ thống sẽ tự động đẩy dữ liệu đến hệ thống thanh toán của công ty, giữ nguyên việc quản lý văn phòng. Bằng cách này, kinh nghiệm làm việc của các chuyên gia đã thay đổi từ "điền lịch trình" sang "kiểm tra lịch trình", giúp giảm đáng kể gánh nặng tâm lý. Sự khéo léo của toàn bộ quá trình là nó không buộc người dùng phải thay đổi thói quen làm việc của họ mà hoạt động âm thầm trong nền, và cuối cùng chỉ yêu cầu xác nhận cuối cùng từ người dùng. Triết lý thiết kế này thể hiện tư duy sản phẩm sâu sắc: công nghệ tốt nhất phải vô hình, nó nên làm cho những thứ phức tạp trở nên đơn giản, không thêm gánh nặng học tập mới cho người dùng. Từ kẻ thua cuộc công nghệ pháp lý đến người tiên phong trong kỷ nguyên AI, thành công của Laurel không hề dễ dàng, trên thực tế, nó đã trải qua một sự tái sinh hoàn toàn. Công ty ban đầu được thành lập vào năm 2016 với tên gọi "Time by Ping", nhưng đã gặp khó khăn trong những năm đầu. Alshak thẳng thắn thừa nhận hai vấn đề chính: sự tập trung quá mức vào thị trường chung hợp pháp và sự thiếu trưởng thành của công nghệ xử lý ngôn ngữ tự nhiên vào thời điểm đó. Bước ngoặt đến vào năm 2022, khi Alshak có quyền truy cập sớm vào OpenAI GPT-3, anh đã đưa ra một quyết định táo bạo: tạm dừng mọi công việc và tái cấu trúc hoàn toàn sản phẩm. Đây là một động thái cực kỳ hiếm hoi trong giới khởi nghiệp, và hầu hết mọi người sẽ nói với bạn "đừng bao giờ xây dựng lại, hãy tiếp tục lặp lại". Nhưng Alshak đã chọn một con đường đi ngược lại sự khôn ngoan thông thường, mà tôi nghĩ là minh chứng cho tinh thần kinh doanh thực sự - sẵn sàng chấp nhận rủi ro lớn cho một tầm nhìn lớn hơn. Khi ChatGPT ra mắt vào tháng 11/2022, nhận thức về AI trên toàn thị trường đã đảo lộn...