01
Consenso de la industria: Las aplicaciones de IA son clave para el éxito del modelo.
El CEO de Baidu, Robin Li, cree que aunque el desarrollo del lado del consumidor es importante, los escenarios de aplicación empresarial pueden lograr mejores resultados para los grandes modelos. Prevé que se desarrollarán agentes inteligentes personalizados en campos como medicina, finanzas y educación, y que en el futuro habrá millones de agentes inteligentes, formando un enorme ecosistema.
Baidu ganó 17 proyectos en varios campos este año, involucrando grandes empresas estatales y líderes de la industria, con montos considerables. Li cree que las aplicaciones de IA deben implementarse rápidamente en agentes inteligentes.
El fundador de Moonshot AI, Yang Zhilin, dice que no rechazan completamente el lado empresarial, pero se centran principalmente en el consumidor. Kimi ya ha alcanzado el tráfico y uso máximos en el campo de la IA, pero a menudo tiene problemas por falta de potencia de cómputo en horas pico. Para ello, han tomado medidas para reducir costos operativos y aumentar la eficiencia, como optimizar el rendimiento de inferencia del modelo mediante tecnología de caché.
Yang cree que para pasar al lado empresarial, primero hay que resolver el problema de la potencia de cómputo, asegurar su estabilidad es fundamental.
En escenarios de consumo, los costos de competencia del mercado de IA siguen aumentando, llevando a muchas empresas de IA a reevaluar sus estrategias de mercado. Los escenarios de aplicación empresarial son clave para lograr un impacto profundo y resultados eficientes de los grandes modelos, solo al lograr una verdadera reducción de costos y aumento de eficiencia para las empresas se puede impulsar el progreso de la industria y todo el sector.
02
¿Cómo pueden los agentes inteligentes o IA, los modelos grandes (pequeños) entrar efectivamente en el campo B2B? La primera forma es trabajar en el upstream del lado empresarial.
El upstream del lado empresarial es el origen de la cadena de suministro. Por ejemplo, las empresas farmacéuticas tienen demanda y escenarios para usar IA, pero es difícil para las empresas de grandes modelos entrar directamente. En este caso, se puede considerar colaborar con proveedores de software SaaS utilizados por empresas farmacéuticas, agregando IA a los productos de software existentes, permitiendo a las empresas farmacéuticas hacer una transición fluida al uso de IA mientras usan el software.
El software B2B tiene varias formas de implementación:
-
Implementación local: Instalar el software en los propios servidores o dispositivos del cliente, permitiéndoles controlar los datos y la seguridad. Requiere actualizaciones periódicas, es problemático de mantener y costoso. Enfrenta desafíos al implementar integración de IA, especialmente con modelos pre-entrenados.
-
Modelo SaaS: Los usuarios pagan una tarifa por suscripción. Las empresas SaaS pueden integrar directamente funciones de IA, incluso evitando a las empresas de modelos pequeños y comprando servicios directamente de empresas de grandes modelos para transformar procesos.
El modelo SaaS es el más conveniente para integrar funciones de IA, los proveedores de servicios pueden actualizar y mantener las funciones de IA de manera unificada en el backend, sin que los clientes se preocupen por los detalles técnicos.
Desde arriba hacia abajo, las empresas que ofrecen soluciones de IA pueden obtener algunos pedidos, pero el proceso para que los clientes tengan éxito puede ser bastante difícil, y el esfuerzo a menudo no es proporcional a los resultados.
03
¿Hay una nueva solución? Veamos de abajo hacia arriba.
Nueva percepción: El uso de IA en una empresa es en realidad encontrar un punto de avance, principalmente para mejorar la eficiencia del trabajo, la IA generalmente se usa para fortalecer los flujos de trabajo existentes, no para empezar completamente de nuevo.
En el proceso de transformación de procesos por IA, la mayor parte del tiempo se maneja trabajo ya familiar para los humanos, no es necesario reinventar la rueda.
Cuando una empresa comienza a usar modelos de IA, estos modelos necesitan integrarse estrechamente con los propios flujos de trabajo de la empresa. Los grandes modelos generales pueden no ser muy adecuados, ya que cada empresa tiene negocios y procesos especiales, y los datos que necesita la IA también son especiales.
En este momento, los modelos pequeños o asistentes pequeños son más apropiados. Por ejemplo, los contadores de pequeñas y medianas empresas usan software como Kingdee o Yonyou, que ya almacenan grandes cantidades de datos. Los operadores solo quieren usar IA para encontrar datos rápidamente o llegar a conclusiones, sin necesidad de modificar significativamente el software existente.
Para usar IA en escenarios empresariales (ToB), un buen método es descomponer procesos de negocio complejos en múltiples tareas pequeñas o escenarios específicos, y luego usar IA para ayudar a mejorar en cada escenario pequeño.
Empresas como Microsoft y Salesforce no han usado IA para desarrollar productos completamente nuevos, sino que han utilizado grandes modelos para asistir y mejorar en los flujos de negocio existentes o funciones de productos.
Han refinado modelos pequeños en asistentes o capacidades mejoradas, integrándose mejor y optimizando los sistemas existentes, en lugar de reemplazarlos completamente. Esto es similar a los plugins que muchas empresas de IA han hecho para PC, donde deslizar el mouse o presionar un atajo de teclado puede invocar la ayuda de IA, con la función principal de ayudar a tomar mejores decisiones.
04
Para las empresas ToB, ¿qué necesitan realmente que haga la IA? Principalmente usar datos para ayudar a tomar decisiones en operaciones, gestión, toma de decisiones y marketing.
Para las empresas de IA, ¿cómo lograr que sea práctico y económico? La clave es lograr una rápida replicación, cubriendo múltiples escenarios a muy bajo costo.
Un método es empaquetar la IA como agentes inteligentes que pueden acceder a datos locales. Esta es la razón por la que Kimi Chat reduce los costos de caché, porque almacenar texto local de uso frecuente puede mejorar la precisión del asistente pequeño.
Pero ¿cómo lograr que sea preciso, versátil y de bajo costo al mismo tiempo?