01
Consenso da indústria: Aplicações de IA são a chave para o sucesso dos modelos.
O CEO da Baidu, Robin Li, acredita que, embora o desenvolvimento para o consumidor seja importante, os cenários de aplicação empresarial são mais propensos a produzir bons resultados para grandes modelos. Ele prevê o desenvolvimento de agentes inteligentes personalizados em áreas como saúde, finanças e educação, com milhões de agentes formando um vasto ecossistema no futuro.
A Baidu ganhou 17 projetos em vários campos este ano, envolvendo grandes empresas estatais e líderes da indústria, com valores consideráveis. Li acredita que as aplicações de IA devem ser rapidamente implementadas em agentes inteligentes.
O fundador da Moonshot AI, Yang Zhilin, afirma que eles não rejeitam completamente o setor empresarial, mas se concentram principalmente no consumidor. Kimi já alcançou tráfego e uso de alto nível no campo da IA, mas frequentemente enfrenta problemas devido à falta de poder computacional em horários de pico. Para isso, adotaram medidas para reduzir custos operacionais e aumentar a eficiência, como otimizar o desempenho de inferência do modelo através de tecnologia de cache.
Yang acredita que a mudança para o setor empresarial requer primeiro resolver o problema do poder computacional, garantindo sua estabilidade como base.
No cenário do consumidor, os custos de competição no mercado de IA continuam aumentando, levando muitas empresas de IA a reavaliar suas estratégias de mercado. Os cenários de aplicação empresarial são a área-chave para realizar o impacto profundo e resultados eficientes dos grandes modelos, apenas realizando verdadeira redução de custos e aumento de eficiência para as empresas pode impulsionar o progresso da indústria e até mesmo de todo o setor.
02
Como os agentes inteligentes ou IA, grandes (pequenos) modelos podem efetivamente entrar no campo B2B? A primeira abordagem é trabalhar no upstream do setor empresarial.
O upstream do setor empresarial refere-se à fonte da cadeia de suprimentos. Por exemplo, empresas farmacêuticas têm demanda e cenários para usar IA, mas é difícil para empresas de grandes modelos entrar diretamente. Neste caso, pode-se considerar colaborar com fornecedores de software SaaS usados por empresas farmacêuticas, adicionando IA aos produtos de software existentes, permitindo que as empresas farmacêuticas façam uma transição suave para o uso de IA ao usar o software.
O software B2B tem várias formas de implantação:
-
Implantação local: O software é instalado nos próprios servidores ou dispositivos do cliente, permitindo que o cliente controle dados e segurança. Requer atualizações regulares, é problemático de manter e tem alto custo. Enfrenta desafios na implementação da integração de IA, especialmente com modelos pré-treinados.
-
Modelo SaaS: Os usuários pagam por meio de assinatura. As empresas SaaS podem integrar diretamente funcionalidades de IA, até mesmo contornando empresas de pequenos modelos para comprar serviços diretamente de empresas de grandes modelos para transformação de processos.
O modelo SaaS é o mais conveniente para integrar funcionalidades de IA, pois os provedores de serviços podem atualizar e manter as funcionalidades de IA de forma unificada no backend, sem que os clientes se preocupem com detalhes técnicos.
De cima para baixo, as empresas que fornecem soluções de IA podem ganhar alguns pedidos, mas o processo de tornar os clientes bem-sucedidos pode ser bastante difícil, com esforços frequentemente desproporcionais aos resultados.
03
Existe uma nova solução? Vale a pena olhar de baixo para cima.
Nova percepção: O uso de IA em empresas é na verdade encontrar um ponto de avanço, principalmente para melhorar a eficiência do trabalho. A IA é geralmente usada para fortalecer os fluxos de trabalho existentes, não para começar do zero.
No processo de transformação disruptiva da IA, a maior parte do tempo é gasta lidando com trabalho já familiar aos humanos, sem necessidade de reinventar a roda.
Quando as empresas começam a usar modelos de IA, esses modelos precisam se integrar estreitamente aos próprios fluxos de trabalho da empresa. Grandes modelos genéricos podem não ser muito adequados, pois cada empresa tem negócios e processos específicos, e os dados necessários para a IA também são específicos.
Neste momento, pequenos modelos ou assistentes são mais apropriados. Por exemplo, contadores de pequenas e médias empresas usam software como Kingdee e Yonyou, que já armazenam grandes quantidades de dados. Os operadores só querem usar IA para encontrar dados rapidamente ou chegar a conclusões, sem precisar fazer grandes alterações no software existente.
Para aplicar IA em cenários empresariais (ToB), uma boa abordagem é decompor processos de negócios complexos em várias pequenas tarefas ou cenários específicos, e então usar IA para ajudar a melhorar cada pequeno cenário.
Empresas como Microsoft e Salesforce não usaram IA para desenvolver produtos totalmente novos, mas sim para auxiliar e aprimorar processos de negócios existentes ou funcionalidades de produtos usando grandes modelos.
Eles refinam pequenos modelos em assistentes ou capacidades aprimoradas, integrando-os melhor e otimizando sistemas existentes, em vez de substituí-los completamente. Isso é semelhante aos plugins que muitas empresas de IA fazem para PCs, onde um deslize do mouse ou um atalho de teclado pode invocar a IA para ajudar, com a função principal de ajudar a tomar melhores decisões.
04
Para empresas ToB, o que realmente precisam que a IA faça? Principalmente usar dados para ajudar a tomar decisões em operações, gestão, tomada de decisões e marketing.
Para empresas de IA, como tornar isso prático e econômico? A chave é alcançar replicação rápida, cobrindo múltiplos cenários a um custo muito baixo.
Uma abordagem é encapsular a IA em agentes inteligentes que podem acessar dados locais. É por isso que o Kimi Chat reduz os custos de cache, pois armazenar texto local frequentemente usado pode melhorar a precisão do pequeno assistente.
Mas como torná-lo preciso, universal e de baixo custo ao mesmo tempo?