เอฟเฟกต์ GPT: ยุคใหม่ของการบริการลูกค้า

ความก้าวหน้าล่าสุดด้วยโมเดลภาษาขนาดใหญ่เกินความคาดหมายทั้งหมดของเรา เราได้รวบรวมผู้เชี่ยวชาญในอุตสาหกรรมเพื่อพูดคุยเกี่ยวกับ GPT และวิธีที่ GPT จะกำหนดอนาคตของการบริการลูกค้า

เราไม่สามารถพูดได้ว่ามันทำให้เราประหลาดใจ เป็นเวลาหลายปีที่อุตสาหกรรมนี้ยกย่องศักยภาพของ AI และแมชชีนเลิร์นนิงในการเปลี่ยนแปลงวิธีการทำงานของเราอย่างสิ้นเชิง โดยเฉพาะอย่างยิ่งเมื่อความก้าวหน้าในด้านพลังการประมวลผลและการจัดเก็บข้อมูลทำให้สามารถฝึกโมเดลที่ใหญ่ขึ้นและใหญ่ขึ้นได้ แต่เราไม่ได้คาดหวังว่าความก้าวหน้าล่าสุดใน ChatGPT ของ OpenAI จะปลดล็อกความเป็นไปได้ใหม่ได้เร็วเพียงใด

ที่ Intercom เราจัดส่งการเรียนรู้อยู่เสมอ การจัดส่งคุณลักษณะใหม่อย่างรวดเร็วเท่านั้นที่จะทำให้เราได้รับคำติชมที่เหมาะสม เรียนรู้จากคุณลักษณะนั้น และทำซ้ำครั้งแล้วครั้งเล่าเพื่อให้บริการลูกค้าได้ดียิ่งขึ้น และแน่นอนว่านั่นคือสิ่งที่เราทำกับเทคโนโลยีใหม่นี้ ในช่วง 2-3 เดือนที่ผ่านมา เราได้จัดส่งฟีเจอร์ที่ขับเคลื่อนด้วย AI ให้กับลูกค้า 160 ราย และในขณะที่ยังเร็วเกินไปที่จะบอกได้ว่ารูปแบบภาษาขนาดใหญ่ (LLM) เหล่านี้จะมีบทบาทอย่างไรในชีวิตของเรา เราเชื่อว่าเราได้มาถึงจุดเปลี่ยนที่สำคัญแล้ว โดยเฉพาะอย่างยิ่งเมื่อเป็นเรื่องของการบริการลูกค้า

เมื่อสัปดาห์ที่แล้ว เราได้จัดสัมมนาออนไลน์เพื่อเจาะลึกกรณีการใช้งานทางธุรกิจของ GPT คลื่นแห่งนวัตกรรมนี้แตกต่างจากคลื่นที่ผ่านมาหรือไม่? มันจะเปลี่ยนวิธีการทำงานของเราและวิธีที่ธุรกิจมีปฏิสัมพันธ์กับลูกค้าและผู้มีโอกาสเป็นลูกค้าหรือไม่? จะจุดประกายสตาร์ทอัพรุ่นใหม่ได้หรือไม่? เพื่อให้ข้อมูลเชิงลึกเพิ่มเติมแก่คุณ เราได้เชิญผู้ยิ่งใหญ่สองคนในฉากเริ่มต้นมาชั่งน้ำหนัก

ในตอนนี้ คุณจะได้ยินจาก:

• Ethan Kurzweil สมาชิกคณะกรรมการอินเตอร์คอมและหุ้นส่วนที่ Bessemer Venture Partners
• Fergal Reid ผู้อำนวยการฝ่ายแมชชีนเลิร์นนิงของเราเอง
• Krystal Hu, VC และ Startups Reporter ที่ Reuters
• ทาเลีย โกลด์เบิร์ก หุ้นส่วนของ Bessemer Venture Partners

พวกเขาจะพูดคุยเกี่ยวกับโมเดลภาษาขนาดใหญ่ เช่น ChatGPT ธุรกิจต่าง ๆ นำเทคโนโลยีนี้ไปใช้อย่างไร และจะกำหนดอนาคตของอุตสาหกรรมการบริการลูกค้าอย่างไร

สั้นตรงเวลา? นี่คือประเด็นสำคัญบางประการ:

• เราเริ่มเห็นกรณีการใช้งานที่เหนียวแน่นของโมเดลภาษาขนาดใหญ่ ซึ่งมีศักยภาพที่ดีในการเพิ่มการบริการลูกค้าเนื่องจากความสม่ำเสมอและการใช้ภาษาที่เป็นธรรมชาติ
• สำหรับตอนนี้ โมเดลภาษาขนาดใหญ่ถูกคาดหวังให้เพิ่มขีดความสามารถของมนุษย์แทนที่จะมาแทนที่ เนื่องจากโมเดลเหล่านี้สามารถช่วยให้มืออาชีพมีประสิทธิผลมากขึ้นและมีประสิทธิภาพในการทำงาน
• แม้ว่าจะยังเร็วเกินไปที่จะวัดความสำเร็จของการทดสอบเบต้าของ Intercom แต่การยอมรับและการใช้งานฟีเจอร์ล่าสุดที่ขับเคลื่อนด้วย AI นั้นมีจำนวนมาก และข้อเสนอแนะในช่วงต้นก็มีแนวโน้มที่ดี
• โมเดลภาษาขนาดใหญ่อาจมีราคาแพงมากอย่างรวดเร็ว เมื่อเวลาผ่านไป สิ่งเหล่านี้จะมีราคาถูกลงและแพร่หลายมากขึ้น ทำให้สามารถทดลองและค้นพบได้มากขึ้น
• ในขณะที่ยังคงมีปัญหาเกี่ยวกับอาการประสาทหลอน คุณสามารถกำหนดค่าและจำกัดโมเดลเหล่านี้เพื่อให้น่าเชื่อถือมากขึ้นเมื่อสถานการณ์ต้องการความมั่นใจในระดับที่สูงขึ้น
• โมเดลไม่ได้มีขนาดเดียวที่เหมาะกับทุกคน มีแนวโน้มว่าในอนาคต บริษัทต่างๆ จะใช้งานโมเดลต่างๆ ที่ปรับแต่งได้ตามความต้องการ ซึ่งเหมาะกับปัญหาทางธุรกิจที่แตกต่างกัน

หากคุณชอบการสนทนาของเรา ลองดูตอนอื่นๆ ของพอดแคสต์ของเรา คุณสามารถติดตาม Apple Podcasts, Spotify, YouTube หรือคว้าฟีด RSS ในเครื่องเล่นที่คุณเลือก สิ่งต่อไปนี้คือการถอดเทปของตอนนี้เล็กน้อย

การเพิ่มขึ้นของ ChatGPT

Krystal Hu: ขอบคุณมากสำหรับทุกคนที่สละเวลาเข้าร่วม ฉันชื่อ Krystal Hu และฉันเป็นที่ปรึกษาด้านการลงทุนและสตาร์ทอัพให้กับ Reuters อย่างที่พวกคุณหลายๆ คนทราบกันดีว่า AI และคลื่นของ ChatGPT ได้เข้ามามีบทบาทในช่วงไม่กี่เดือนที่ผ่านมา และงานส่วนใหญ่ของฉันคือการค้นหาเทคโนโลยีและวิธีที่มันเปลี่ยนแปลงด้านต่างๆ ของชีวิต สำหรับหัวข้อวันนี้ เราจะมุ่งเน้นไปที่วิธีที่ ChatGPT จะกำหนดอนาคตของการบริการลูกค้า เราจะหารือกันว่า ChatGPT และโมเดลภาษาขนาดใหญ่คืออะไร เทคโนโลยีนี้จะถูกนำมาใช้อย่างไร ผลกระทบที่จะมีต่อเทคโนโลยีที่มีอยู่และในอนาคต สตาร์ทอัพนำเทคโนโลยีนี้ไปใช้อย่างไร และวิธีการสร้างบริษัทใหม่

วันนี้เรามีแผงที่ยอดเยี่ยมกับเรา นักลงทุนที่น่าทึ่งสองคนจาก Bessemer: Talia Goldberg และ Ethan Kurzweil Talia ประจำอยู่ที่ซานฟรานซิสโก ลงทุนในธุรกิจอินเทอร์เน็ตและซอฟต์แวร์สำหรับผู้บริโภค และทำงานร่วมกับบริษัทต่างๆ เช่น ServiceTitan และ Discord Ethan Kurzweil ยังประจำอยู่ในซานฟรานซิสโก และเขาเป็นผู้นำนักลงทุนในหลากหลายประเภท รวมถึงแพลตฟอร์มสำหรับนักพัฒนาซอฟต์แวร์ โครงสร้างพื้นฐานข้อมูลใหม่ แอปพลิเคชันดิจิทัลสำหรับผู้บริโภค และการเข้ารหัสลับ

จากนั้น เราจะให้ผู้อำนวยการฝ่ายแมชชีนเลิร์นนิงของ Intercom, Fergal Reid ให้ข้อมูลเชิงลึกเกี่ยวกับวิธีการที่ Intercom รวมเอาเทคโนโลยีนี้ไว้ในข้อเสนอล่าสุด รวมถึงคุณสมบัติผู้ช่วย AI สองสามอย่าง ฉันตั้งตารอที่จะได้ระดมสมองและฟังสิ่งที่พวกเขาเห็นทั้งในด้านการเริ่มต้นและแนวร่วม และการเปลี่ยนแปลงที่ GPT อาจนำมา ตลอดกระบวนการ หากคุณมีคำถามใดๆ โปรดอย่าลังเลที่จะถามคำถามของคุณในการแชท จากนั้นเราจะมีเวลาประมาณ 15 ถึง 20 นาทีในตอนท้ายของการสนทนาเพื่อตอบคำถาม

ฉันเดาว่าฉันจะเริ่มที่ตัวคุณ Fergal เพราะคุณคือนักเทคโนโลยีในห้อง และคุณเป็นแนวหน้าในการรวม GPT เข้ากับข้อเสนอของอินเตอร์คอม คุณอาจเริ่มต้นด้วยการให้ข้อมูลพื้นฐานและอธิบายว่า GPT และ ChatGPT คืออะไร และคุณนำเทคโนโลยีนี้มาใช้ได้อย่างไร

“ฉันจะไม่เขียนกฎและฉันจะไม่พูดเจาะจงว่า 'เรียนรู้ที่จะทำนาย X กับ Y'”

Fergal Reid: เป็นช่วงเวลาที่น่าตื่นเต้นมากในด้านเทคโนโลยี ฉันจะสันนิษฐานว่าหลายคนอาจเคยเห็น ChatGPT ณ จุดนี้เพราะมันเพิ่งสร้างคลื่นลูกใหญ่ แต่จากมุมมองด้านเทคโนโลยี จากมุมมองที่แคบของฉันเกี่ยวกับโลก ฉันทำงานที่ Intercom มาประมาณห้าปีแล้ว และดูแลทีมแมชชีนเลิร์นนิง และสิ่งที่เราทำเกี่ยวกับแมชชีนเลิร์นนิงนั้นใช้อัลกอริทึมที่มีมาระยะหนึ่งแล้ว โดยใช้อัลกอริทึมการเรียนรู้ภายใต้การดูแล ซึ่งเป็นอัลกอริทึมที่เรียนรู้ที่จะแยกแยะสิ่งต่างๆ คุณอาจจะพูดว่า “เฮ้ มาทำนายกันว่าจะมีใครขออะไรอย่างใดอย่างหนึ่ง” ด้วยระบบแมชชีนเลิร์นนิงเหล่านี้ คุณจะให้ข้อมูลการฝึกอบรมแก่พวกเขาได้มากมาย: "เฮ้ นี่เป็นตัวอย่างหากมีคนถามคำถามคุณหนึ่งข้อ และนี่คือตัวอย่างหากมีคนถามคำถามอื่นกับคุณ"

และสิ่งใหม่และแตกต่างของ AI เชิงกำเนิดคลื่นลูกล่าสุดนี้คือ แทนที่จะสอนแบบจำลองให้ทำนายสิ่งใดสิ่งหนึ่ง คุณกำลังพูดว่า “เฮ้ แบบจำลอง เรียนรู้วิธีสร้างข้อมูลใหม่ประเภทนี้ เรียนรู้วิธีสร้างภาพ” คุณป้อนข้อความและเรียนรู้ที่จะสร้างรูปภาพที่จับคู่กับข้อความนั้น หรือด้วย ChatGPT คุณเพียงแค่พูดคุยกับมันและป้อนข้อความ และมันก็ค่อนข้างดีในการสร้างข้อความเพิ่มเติมเพื่อตอบสนองต่อสิ่งนั้น

“เรามีโมเดลที่ใหญ่โตจริงๆ เราถามคำถามเป็นภาษาอังกฤษ บอกให้ทำสิ่งต่างๆ เป็นภาษาอังกฤษ และมันก็ค่อนข้างดีที่จะทำในสิ่งที่เราบอกให้ทำ”

เป็นเพียงวิธีอื่นในการทำการเรียนรู้ด้วยเครื่อง ฉันจะไม่เขียนกฎและฉันจะไม่พูดอย่างเจาะจงว่า “เรียนรู้ที่จะทำนาย X กับ Y” แต่ฉันจะใช้ข้อมูลการฝึกอบรมจำนวนมาก สร้างแบบจำลองที่พยายามทำนายข้อมูลการฝึกอบรมนั้นได้ดี และหวังว่าฉันจะสามารถนำข้อมูลนั้นไปใช้ทำสิ่งที่มีประโยชน์ได้โดยการสร้างตัวอย่างใหม่

ด้วย ChatGPT คุณจะถามบางอย่างโดยส่งข้อความและพูดว่า "สร้างสิ่งต่อไป" และน่าประหลาดใจที่มันค่อนข้างมีประโยชน์ คุณสามารถพูดว่า “เฮ้ นี่คือการสนทนาการสนับสนุนลูกค้า และนี่คือบทสรุปของการสนทนาการสนับสนุน” แล้วส่งต่อไปยัง ChatGPT จากนั้นระบบจะสร้างสิ่งที่จะเกิดขึ้นต่อไปหรือสิ่งที่คาดว่าจะพบต่อไป และบางทีคุณอาจพูดว่า “นี่คือบทสรุป” แล้วบทสรุปก็ปรากฏขึ้น และนั่นมีประโยชน์มาก เป็นวิธีทั่วไปในการสร้างคุณสมบัติและระบบ แทนที่จะเขียนโค้ดระบบแมชชีนเลิร์นนิงใหม่สำหรับทุกสิ่งเล็กๆ น้อยๆ เรามีโมเดลขนาดใหญ่จริงๆ เราถามคำถามเป็นภาษาอังกฤษ บอกให้ทำสิ่งต่างๆ เป็นภาษาอังกฤษ และทำได้ค่อนข้างดีแค่ทำในสิ่งที่เราบอกให้ทำ ดังนั้น ที่ Intercom เราจึงพยายามใช้สิ่งนั้นเพื่อสร้างคุณสมบัติของผลิตภัณฑ์

ตัวเปลี่ยนเกมสำหรับการบริการลูกค้า

คริสตัล ฮู: ฉันต้องการนำทาเลียและอีธานขึ้นสู่เวทีในฐานะนักลงทุนที่ร่ำรวยในพื้นที่ คุณได้เห็นคลื่นเทคโนโลยีสองสามอย่าง สิ่งนี้เกี่ยวกับ generative AI แตกต่างกันอย่างไร และส่วนใดของแอปพลิเคชันที่คุณสนใจ

ทาเลีย โกลด์เบิร์ก: แน่นอน ขอบคุณที่มีฉัน นั่นเป็นภาพรวมที่ดีว่า AI กำเนิดคืออะไร เป็นเรื่องตลก ก่อนการประชุมครั้งนี้ ฉันกำลังดูบทความที่เราเผยแพร่ในบล็อกของเราเมื่อฤดูร้อนที่แล้ว อาจจะแปดหรือเก้าเดือนก่อน และนี่เป็นเวลาไม่กี่เดือนก่อนที่ ChatGPT จะเปิดตัวด้วยซ้ำ แต่เราเริ่มเห็นแรงผลักดันมากมาย และเหตุผลที่ต้องตื่นเต้นกับสิ่งที่เกิดขึ้นกับโมเดลภาษาขนาดใหญ่โดยเฉพาะ และศักยภาพของ AI และ AI กำเนิดในฐานะคลื่นลูกใหม่ของปัญญาประดิษฐ์ที่ทรงพลังจริงๆ

และเรามีการคาดการณ์ว่า “ทุกวันนี้ เนื้อหาออนไลน์น้อยกว่า 1% ถูกสร้างขึ้นโดยใช้ AI และภายใน 10 ปีข้างหน้า เราคาดการณ์ว่าอย่างน้อย 50% จะสร้างหรือเสริมโดย AI” และเรากำลังโต้เถียงกันเรื่องนั้น และเราคิดว่ามันเป็นเรื่องเพ้อเจ้อที่จะพูด แต่ช่างเถอะ เราประเมินต่ำเกินไปว่า AI จะแปลงข้อมูลจำนวนมากที่เราเห็นได้เร็วแค่ไหน ฉันคิดว่าอาจเป็น 50% ภายในสองปีข้างหน้าของการโต้ตอบออนไลน์ เนื้อหา และสื่อของเรา ฉันคิดว่าผลที่ตามมานั้นมีมากมายในงานด้านข้อมูลและความรู้มากมาย รวมถึงการสนับสนุนลูกค้า

“คุณจะเห็นกรณีการใช้งานที่เหนียวแน่นทันทีที่เทคโนโลยีสุกงอมเพื่อขัดขวาง ปรับปรุง เสริม และทำให้ดียิ่งขึ้น และฝ่ายสนับสนุนลูกค้าก็มุ่งตรงไปที่แฟร์เวย์สำหรับเรื่องนั้น”

Krystal Hu: อีธาน คุณทำงานกับอินเตอร์คอมมาระยะหนึ่งแล้ว นี่เป็นช่วงเวลาที่คุณคิดว่าฝ่ายบริการลูกค้ารอคอยอยู่หรือเปล่า? เพราะฉันรู้สึกว่าเทคโนโลยีและโอกาสทองสำหรับแอปพลิเคชันการบริการลูกค้าอย่างอินเตอร์คอม

อีธาน เคิร์ซไวล์: ใช่ ฉันรู้สึกว่านี่อาจเป็นแอปพลิเคชั่นที่ล้าสมัยของโมเดลภาษาขนาดใหญ่และสิ่งที่พวกเขาสามารถทำได้ หากคุณย้อนกลับไปและคิดถึงการเปลี่ยนแปลงของเทคโนโลยีและการเปลี่ยนแปลงของแพลตฟอร์ม เช่น ช่วงเวลาของสมาร์ทโฟน ช่วงเวลาของ iPhone และอะไรทำนองนั้น สิ่งที่เกิดขึ้นในช่วงต้นคือมีความตื่นเต้นทั้งหมดนี้และนักพัฒนาและผู้สร้างจำนวนมากรีบเร่งเข้าสู่พื้นที่ จากนั้น คุณมีการชะล้างนี้โดยที่คุณเห็นว่าแอปพลิเคชันใดเป็นแอปพลิเคชั่นขอบเลือดที่มันติดอยู่ก่อน และแอปที่ไม่ทำให้คุณผิดหวังเล็กน้อย ฉันคิดว่าเราอาจยังเร็วไปหน่อยในเส้นโค้งนั้น แต่คุณเห็นกรณีการใช้งานที่เหนียวแน่นทันทีที่เทคโนโลยีสุกงอมสำหรับการรบกวน ปรับปรุง เสริม และทำให้ดีขึ้น และฝ่ายสนับสนุนลูกค้าก็มุ่งตรงไปที่แฟร์เวย์สำหรับสิ่งนั้น

ตอนนี้ฉันทำงานกับ Intercom มาเกือบแปดปีครึ่งแล้ว และ Intercom เป็นทีมแนวหน้าเสมอในการนำเทคโนโลยีใหม่ๆ มาใช้เมื่อพร้อม และฉันจำได้ว่าเมื่อ 2-3 ปีก่อน มีคนพูดว่า "ระบบอัตโนมัติ ระบบอัตโนมัติ ระบบอัตโนมัติ" และผู้นำด้านผลิตภัณฑ์ของ Intercom พูดเสมอว่า “มันยังไม่ดีพอ เราสามารถทำได้ เราสามารถติดมันในลักษณะที่เราทำเครื่องหมายในช่องในแบบฟอร์มคำขอคุณลักษณะบางรายการได้ แต่จะไม่นำไปสู่โฟลว์ที่ดีเหมือนมนุษย์จริงๆ” อินเตอร์คอมได้รับการก่อตั้งขึ้นจากแนวคิดในการทำให้ธุรกิจอินเทอร์เน็ตเป็นเรื่องส่วนบุคคล และถ้าคุณมีบอทที่ดูไม่เป็นส่วนตัว นั่นก็ตั้งฉากกับบอทนั้น

ความจริงที่ว่า Intercom ใช้มันอย่างประสบความสำเร็จในกระแสของพวกเขาแสดงให้คุณเห็นว่าเทคโนโลยีพร้อมแล้วและนี่เป็นหนึ่งในหลาย ๆ สิ่งที่เราจะได้เห็นว่ามันมีผลกระทบ ไม่ใช่ทุกอย่างในทันที แต่เมื่อเวลาผ่านไป เราจะเห็นผลกระทบที่มากขึ้นโดยการทำให้เครื่องจักรสามารถสนทนาได้เหมือนมนุษย์

“คุณดูเส้นโค้งและอัตราการปรับปรุง และมันจะดียิ่งขึ้นในอีกไม่กี่เดือนนับจากนี้ ไม่กี่ไตรมาสจากนี้ และอีกไม่กี่ปีจากนี้”

Talia Goldberg: ถ้าฉันสามารถเพิ่มได้ ฉันคิดว่าการสนับสนุนลูกค้าเป็นพื้นที่เริ่มต้นที่สมบูรณ์แบบสำหรับ AI ที่จะเริ่มสร้างผลกระทบ และเหตุผลประการหนึ่งก็คือการใช้ภาษาที่เป็นธรรมชาติ คุณสามารถสื่อสารกับ AI โดยใช้ภาษาอังกฤษ และ AI จะตอบกลับเป็นภาษาอังกฤษ คุณไม่จำเป็นต้องเขียนโค้ด – ระบบจะสร้างข้อมูล และนั่นคือลักษณะของการบริการลูกค้าและการสนับสนุน - การสร้างประสบการณ์ที่ยอดเยี่ยมและเหมือนมนุษย์ที่สามารถปรับแต่งได้เฉพาะบุคคล การแก้ไขข้อร้องเรียน และดีขึ้นเรื่อยๆ เมื่อเวลาผ่านไป ดังนั้นคุณยังได้รับข้อเสนอแนะที่ดีนี้โดยใช้ในการสนับสนุนลูกค้า

แม้ว่าวันนี้อาจมีความท้าทายและสิ่งต่าง ๆ ที่ไม่ชัดเจน แต่เทคโนโลยีและศักยภาพนั้นยอดเยี่ยมมากอย่างที่ Ethan กล่าว คุณดูเส้นโค้งและอัตราการปรับปรุง และมันจะดียิ่งขึ้นในอีกไม่กี่เดือนนับจากนี้ ไม่กี่ไตรมาสนับจากนี้ และอีกไม่กี่ปีนับจากนี้ เป็นหนึ่งในประเภทที่เราตื่นเต้นมากที่สุด และเราคิดว่าทุกธุรกิจสามารถใช้ประโยชน์จากมันได้และจำเป็นต้องคิดเกี่ยวกับมัน

Krystal Hu: Fergal นี่เป็นเวลาที่เหมาะสมที่คุณจะให้ภาพรวมของการเปิดตัวฟีเจอร์ล่าสุดที่ Intercom และวิธีที่คุณรวม ChatGPT เข้ากับมัน

เฟอร์กัล เรด: แน่นอน และเพื่อสะท้อนความรู้สึกของ Talia และ Ethan ที่นี่ มีโครงสร้างมากมายในโดเมน มีหลายสิ่งหลายอย่างที่ตัวแทนฝ่ายสนับสนุนลูกค้าทำโดยที่พวกเขากำลังทำสิ่งเดียวกับที่พวกเขาทำในวันสุดท้ายอีกครั้ง หรืออาจจะอย่างใดอย่างหนึ่ง ของเพื่อนร่วมทีมเคยทำมาก่อน และมีความสม่ำเสมอและโครงสร้างที่ลงตัวมากสำหรับระบบที่เรียนรู้และใช้ AI เพื่อทำให้ผู้คนเร็วขึ้น

“เรารู้สึกว่าสถานที่ที่ดีที่สุดในการเริ่มต้นคือการมีมนุษย์คอยช่วยเหลือ มีคนเข้ามาใน Inbox และเราต้องการทำให้เร็วขึ้น แต่พวกเขายังคงสามารถตรวจสอบและอนุมัติได้”

เมื่อเปิดตัว ChatGPT ในเวลาเดียวกัน OpenAI ก็เปิดตัวโมเดลใหม่นี้สำหรับการใช้งานของนักพัฒนา นั่นคือ text-davinci-003 เรามีความสัมพันธ์กับ OpenAI มาเป็นเวลานาน และเมื่อเราดูที่โมเดลนั้น เรารู้สึกว่ามันเกินขีดจำกัดของประโยชน์จริง ๆ และเราสามารถสร้างมันขึ้นมาได้ ดังนั้นเราจึงทำการเปรียบเทียบเบื้องต้น ผู้คนใช้เวลาส่วนใหญ่ในกล่องจดหมายเข้า และสิ่งหนึ่งที่พวกเขาต้องทำอย่างมากคือเขียนสรุปการสนทนาที่พวกเขาเพิ่งดูก่อนที่จะส่งต่อ เทคโนโลยีนี้ดูเหมือนจะดีมากในการสรุปการสนทนา และเราก็แบบว่า "เราจะสร้างฟีเจอร์ที่ทำสิ่งนี้และเผยแพร่ให้ลูกค้ารุ่นเบต้าของเราได้ไหม" อินเตอร์คอมมีหลักการของ "เรือเพื่อเรียนรู้" เราเชื่อในการส่งมอบคุณสมบัติใหม่ให้กับลูกค้าอย่างรวดเร็วมาก ดังนั้นเราจึงสามารถเรียนรู้ได้ว่ามันแก้ปัญหาได้หรือเป็นความอยากรู้อยากเห็นมากกว่ากัน

ดังนั้น โดยพื้นฐานแล้ว ในต้นเดือนธันวาคม เราเริ่มโครงการเพื่อดูว่าเราสามารถจัดส่งคุณสมบัติบางอย่างที่จะทำงานร่วมกับตัวแทนฝ่ายสนับสนุนลูกค้าในกล่องจดหมายจริงได้อย่างรวดเร็วหรือไม่ เพื่อทำให้เร็วขึ้น หนึ่งคือการสรุปพร้อมคุณสมบัติอื่น ๆ ที่ช่วยให้พวกเขาเขียนข้อความได้เร็วขึ้น และเรารู้สึกว่ามันเป็นสถานที่ที่เหมาะสมในการเริ่มต้นกับเทคโนโลยีนี้ เนื่องจาก AI กำเนิดมีข้อเสีย มันไม่แม่นยำเท่าที่คุณคิดเสมอไป เป็นเรื่องง่ายที่จะดู ChatGPT ถามคำถาม มันให้คำตอบแก่คุณ และคุณคิดว่า "นี่น่าทึ่งมาก" จากนั้นคุณก็อ่านมันโดยให้รายละเอียดเพิ่มขึ้นอีกเล็กน้อย และจริงๆ แล้ว บางครั้งมันก็ผิดพลาดได้ เรารู้สึกว่าสถานที่ที่ดีที่สุดในการเริ่มต้นคือการมีมนุษย์อยู่ในวง มีบางคนอยู่ในกล่องจดหมายและเราต้องการทำให้เร็วขึ้น แต่พวกเขายังคงสามารถตรวจสอบและอนุมัติได้ มันเป็นจุดเริ่มต้นที่ดี

ตอนนี้ฉันเห็นคนถามในความคิดเห็นว่า "เฮ้ แล้วบอทและสิ่งที่ตอบคำถามตัวเองได้ล่ะ" เราคิดว่ากำลังจะมาและอาจจะมาเร็วๆ นี้ แต่เรายังคงสำรวจอยู่ ปัญหาใหญ่สำหรับเราคือความถูกต้อง เรารู้สึกว่ามันสุกงอมในขณะนี้ที่จะมีมนุษย์อยู่ในวงซึ่งจะทำให้ตัวแทนฝ่ายสนับสนุนเร็วขึ้น และอาจจะเร็ว ๆ นี้คือสิ่งที่จะลงไปสู่ขั้นตอนต่อไป เป็นพื้นที่ที่น่าสนใจมาก

อีธาน เคิร์ซไวล์: เพื่อเป็นการโต้แย้ง เราได้รับคำถามที่น่าสนใจเช่น "สิ่งนี้จะทำให้วันเวลาของฉันกลายเป็นนักเขียนคำโฆษณาหรือไม่" ฉันไม่คิดอย่างนั้นเลย การที่เทคโนโลยีนี้อยู่และมีแนวโน้มที่จะอยู่ต่อไปอีกระยะหนึ่งคือการเพิ่มขีดความสามารถของมนุษย์และความฉลาดของมนุษย์ ทำให้คุณทำงานได้อย่างมีประสิทธิภาพมากขึ้นในฐานะนักเขียนคำโฆษณา แต่ไม่จำเป็นต้องมาแทนที่คุณ เพราะอย่างแรก เทคโนโลยียังมาไม่ถึง และประการที่สอง แถบสำหรับการสนับสนุนลูกค้าที่น่าทึ่งหรือการสื่อสารกับธุรกิจกำลังเพิ่มขึ้นเรื่อย ๆ เนื่องจากเรามีทรัพยากรเหล่านี้ แม้ว่าเทคโนโลยีอาจสามารถจัดการกับผู้เขียนคำโฆษณาและสนับสนุนกรณีการใช้งานการตอบสนองได้ด้วยตัวมันเอง แต่แถบสำหรับสิ่งที่จะเป็นสำเนาที่ดีและการสนับสนุนที่ดีจริงๆ และอื่นๆ จะเพิ่มขึ้นเรื่อยๆ เมื่อเราเข้าถึงเทคโนโลยีเหล่านี้ได้ . สถานะในอุดมคติคือ คุณจะสามารถเข้าถึงเทคโนโลยีเหล่านี้เพื่อเพิ่มประสิทธิภาพการทำงาน แต่จะไม่มาแทนที่คุณในเร็วๆ นี้

ทาเลีย โกลด์เบิร์ก: ใช่ ฉันชอบที่ Wyatt บอกว่ามันเป็นตัวคูณความสามารถ เราคุยกันเป็นการภายในเกี่ยวกับตัวอย่างของ Copilot ซึ่งเหมือนกับการเติมข้อความอัตโนมัติสำหรับการเขียนโค้ด และทำให้วิศวกรมีประสิทธิภาพมากขึ้นอยู่แล้ว มันไม่ได้แทนที่วิศวกรหรือวิศวกรรมเลย แต่สามารถเพิ่มเติมได้ ตัวอย่างพื้นฐานมากอาจเป็นเครื่องคิดเลข เมื่อก่อนเราเคยคิดเลขด้วยมือ ตอนนี้เราใช้เครื่องคิดเลข แต่คณิตศาสตร์ก็ยังสำคัญมาก เราทุกคนจำเป็นต้องเรียนรู้มัน และนักคณิตศาสตร์ก็มีความสำคัญมากในโลกนี้ อาจเป็นไปได้ว่า บทบาทของคุณอาจมีความสำคัญมากขึ้น เนื่องจากต้นทุนในการสร้างเนื้อหาลดลงและมีเนื้อหาและข้อมูลที่แตกต่างกันมากมาย การสร้างเนื้อหาและข้อมูลที่โดดเด่นและเหนือกว่าจะยิ่งใหญ่กว่า พรีเมี่ยมในอีกไม่กี่ปีข้างหน้า

การทดลองของอินเตอร์คอมกับ GPT

Krystal Hu: ไม่กี่สัปดาห์ผ่านไปแล้วที่ Intercom เปิดตัวฟีเจอร์ AI-assisted ข้อเสนอแนะในช่วงต้นที่คุณเห็นคืออะไร? คุณจะวัดความสำเร็จของการผสมผสานเทคโนโลยีนี้ได้อย่างไร?

“เราเห็นการนำไปใช้เป็นจำนวนมาก ความตื่นเต้น และการใช้งานจำนวนมาก”

Fergal Reid: ฉันจะอธิบายเรื่องนี้ให้ชัดเจน – ฉันยังไม่มีคำตอบที่น่าพอใจสำหรับคำถามนั้น สิ่งที่ฉันสามารถบอกคุณได้คือตอนนี้เราเปิดให้บริการแล้ว เรามีลูกค้าหลายพันรายที่ใช้เป็นประจำ – เรามีการรับเลี้ยงจำนวนมาก เราอาจจะลองและวัดดูว่าสิ่งนี้ทำให้ผู้คนมีประสิทธิผลมากขึ้นจริงหรือไม่ เพราะสมมติว่าสำหรับทีม CS ของเราเอง เราสามารถรวบรวมการวัดและส่งข้อมูลทางไกลบน "คุณเร็วขึ้นไหมถ้าคุณใช้คุณสมบัติเหล่านี้" และรวบรวมรูปแบบการทดลองควบคุมสำหรับสิ่งนั้น เราชอบที่จะลองและได้รับข้อมูลจริงบางรูปแบบในบางจุด แต่เรายังไม่ถึงจุดนั้น เราอาจจะมีตัวเลขบางอย่างเกี่ยวกับความเข้าใจนั้น อย่างน้อยภายในหนึ่งหรือสองเดือน ฉันเดาว่า

สิ่งที่ฉันสามารถบอกคุณได้ในขณะนี้คือเราเห็นการนำไปใช้จำนวนมาก ความตื่นเต้น และการใช้งานจำนวนมาก มีคุณสมบัติบางอย่างเช่นการสรุปที่ลูกค้าบอกเราจะช่วยประหยัดเวลาได้มาก เรามีลูกค้าบอกเราว่า "เฮ้ สำหรับบางบทสนทนา การเขียนสรุปสำหรับการส่งมอบอาจใช้เวลานานพอๆ กับการแก้ปัญหาของผู้ใช้ปลายทาง" ดังนั้นเราจึงรู้สึกดีกับสิ่งนั้นอย่างแน่นอน

ในฟีเจอร์อื่นๆ ของเรา ให้คุณเขียนชวเลขสั้นๆ เช่น GitHub Copilot เราได้รับแรงบันดาลใจจาก Copilot และใน Copilot หากคุณเป็นโปรแกรมเมอร์ คุณสามารถเขียนความคิดเห็นหรือชวเลข จากนั้นโปรแกรมจะกรอกรหัส คุณลักษณะอย่างหนึ่งของเราคือ "ขยาย" ซึ่งคุณเขียนชวเลขและเปลี่ยนเป็นข้อความสนับสนุนที่ยาวขึ้น บางครั้งวิธีนี้ได้ผลและช่วยประหยัดเวลาให้กับผู้คน แต่เรายังไม่มีข้อมูลเกี่ยวกับเรื่องนี้ สิ่งที่เรามีอยู่ในขณะนี้เป็นเพียงรุ่น 1 ของรุ่นนั้น และเรามีรุ่นต้นแบบของรุ่นที่ 2 ในขณะนี้ คุณเขียนชวเลข และโมเดลภาษาขนาดใหญ่จะขยายออกไป สิ่งที่เรากำลังพยายามทำแทนคือพูดว่า “เฮ้ มาดึงคำตอบครั้งสุดท้ายที่คุณตอบคำถามแบบนั้น มาดึงมาโครที่เกี่ยวข้องกับสิ่งนี้กันเถอะ” และเรามีต้นแบบภายในที่ใช้งานได้ค่อนข้างดี เรายังคงสร้างสรรค์สิ่งใหม่ ๆ และทำสิ่งต่าง ๆ ที่จะทำให้เข็มเปลี่ยนไปจริง ๆ แต่เรายังไม่มีเมตริก เร็วๆ นี้.

“ฉันมีแผนภูมิใน Tableau เกี่ยวกับการใช้จ่ายรายวันของเรากับ OpenAI ซึ่งเราเฝ้าดูอย่างประหม่า”

คริสตัล ฮู: เพื่อติดตามผลนั้น คุณวัดต้นทุนของมันอย่างไร? ตามที่ฉันเข้าใจ คุณอาจส่งคำถามไปที่ OpenAI และพวกเขาเรียกเก็บเงิน ฉันเดาว่า 2 เซนต์ต่อพันอักขระหรืออะไรทำนองนั้น และฉันเดาว่า เมื่อการรับเลี้ยงบุตรบุญธรรมของคุณเพิ่มขึ้น การเรียกเก็บเงินก็เพิ่มขึ้นเช่นกัน คุณมีการเรียนรู้หรือข้อสังเกตใด ๆ ที่จะแบ่งปันเกี่ยวกับการรวมเทคโนโลยีนี้หรือไม่?

Fergal Reid: ฉันมีแผนภูมิใน Tableau เกี่ยวกับการใช้จ่ายประจำวันของเรากับ OpenAI ที่เราเฝ้าดูอย่างประหม่า เป็นการพิจารณาอย่างแน่นอน ฉันได้กล่าวถึงคุณสมบัติการสรุป และเราได้สร้างมันขึ้นมาในแบบที่มนุษย์สร้างขึ้น ซึ่งคุณจะต้องขอข้อมูลสรุปก่อนที่จะส่งคำถาม และสิ่งหนึ่งที่ลูกค้าพูดกับเราคือ “เฮ้ย ทำไมต้องขอสรุปแบบนี้ โปรดรักษาข้อมูลสรุปไว้ตลอดเวลาในแถบด้านข้าง เพื่อที่ฉันจะได้ไม่ต้องขอมัน” และนั่นจะแพงมากเพราะถ้าเราต้องจ่ายสองเซ็นต์ทุกครั้งที่มีคนพูดสิ่งใหม่ๆ ในการสนทนาและบทสรุปเปลี่ยนไป นั่นก็จะแพงมาก เราต้องคำนึงถึงต้นทุนอย่างแน่นอน ในแบบที่เราไม่ทำกับโมเดลแมชชีนเลิร์นนิงแบบดั้งเดิม

ที่กล่าวว่า OpenAI เพิ่งประกาศ ChatGPT API ของพวกเขา และฉันคิดว่ามันทำให้หลายคนประหลาดใจเพราะมันถูกกว่ารุ่นก่อนหน้าในซีรีส์นั้นถึง 10 เท่า เป็นไปได้ว่าต้นทุนจะลดลงค่อนข้างเร็วและคุณลักษณะเหล่านี้จะถูกนำไปใช้อย่างแพร่หลาย แล้วสตาร์ทอัพหรือบริษัทอื่น ๆ ที่สร้างในพื้นที่นี้ล่ะ? คำแนะนำที่เราจะให้ที่ Intercom คือพยายามเข้าสู่ตลาดอย่างรวดเร็ว เพราะที่นี่มีมูลค่าที่แท้จริงสำหรับลูกค้าของคุณ ซึ่งคุณสามารถสร้างและปลดล็อกได้ และค่าใช้จ่ายก็อาจจะลดลงเช่นกัน เนื่องจากโมเดลจะมีราคาถูกลงเนื่องจากผู้ขายอย่าง OpenAI หาวิธีทำให้มีประสิทธิภาพมากขึ้นหรือเพราะคุณจะหาวิธีใช้งานที่มีประสิทธิภาพมากขึ้น คุณจะเข้าใจวิธีการพูดว่า “เฮ้ ฉันสามารถใช้แบบจำลองกำเนิดที่ถูกกว่าสำหรับส่วนแรกของการสนทนาได้ และเมื่อฉันมีงานที่ยากกว่านี้และต้องการความแม่นยำมากขึ้น ฉันจะใช้แบบจำลองที่มีราคาแพงกว่า ” อีธานและทาเลียอาจมีมุมมองที่กว้างกว่าฉันมาก และฉันก็ยินดีรับฟังความคิดเห็นของพวกเขา

“คุณไม่มีทางแน่ใจได้เลยว่านักพัฒนาจะทำอะไรกับเทคโนโลยีใหม่จนกว่าพวกเขาจะมีมัน – และมีมันในที่ที่พวกเขาไม่ต้องจ่ายเงินสองเซ็นต์ทุกครั้งที่ทำการเรียก API”

อีธาน เคิร์ซไวล์: นี่เป็นตัวอย่างที่ดีของสิ่งที่คุณเห็นในบางครั้งจากเทคโนโลยีล้ำยุคเหล่านี้ ในการเริ่มต้น กรณีการใช้งานที่มีมูลค่าสูงจะได้รับ และคุณกำลังอธิบายการทำให้เป็นจริงของหลักการนั้น ที่ Intercom นั่นคือคุณลักษณะสรุปเมื่อมีการร้องขอในวันนี้ แต่เมื่อเวลาผ่านไป เทคโนโลยีจะแพร่หลายมากขึ้นและมีราคาถูกลง และนั่นคือเวลาที่มันสามารถขยายไปสู่กรณีการใช้งานอื่นๆ ได้มากขึ้น โดยที่ต้นทุนส่วนเพิ่มของการดำเนินการนั้นเป็นสิ่งที่ห้ามปรามในปัจจุบัน และนั่นทำให้นักพัฒนาสามารถค้นพบแอปพลิเคชันอื่นๆ ของโมเดลภาษาขนาดใหญ่ใน AI ประเภทนี้โดยที่เราไม่ได้คาดการณ์ไว้จริงๆ

ที่ Bessemer ฉันกับ Talia พยายามหาแผนงานที่เราคิดว่าเทคโนโลยีจะไปถึงจุดไหน แต่ในฐานะนักลงทุนที่มุ่งเน้นนักพัฒนา หลักสำคัญประการหนึ่งที่ฉันคิดอยู่เสมอคือคุณไม่เคยแน่ใจว่านักพัฒนาจะทำอะไรกับ เทคโนโลยีใหม่ แพลตฟอร์มใหม่ การเข้าถึงใหม่ ๆ จนกว่าจะมี - และมีในที่ที่พวกเขาไม่ต้องเสียเงินสองเซ็นต์ทุกครั้งที่ทำการเรียก API - และสามารถ riff และทำสิ่งต่าง ๆ ที่ฟังดูไร้สาระในตอนแรก

ฉันตื่นเต้นที่เทคโนโลยีมาถึงจุดที่มีการทดลองมากมาย ฉันแน่ใจว่าในแผนงานผลิตภัณฑ์ของ Intercom ไม่ใช่วันนี้ แต่หนึ่งปีนับจากนี้ จะมีบางสิ่งที่เราไม่ได้คาดการณ์ไว้แต่มีมูลค่าสูงมากสำหรับลูกค้า และจะมีสตาร์ทอัพบางตัวที่เพิ่งออกมาเพราะพวกเขาริฟฟ์ด้วยวิธีบางอย่างที่คุณสามารถใช้ generative text ได้ และสร้างประสบการณ์ผู้ใช้ที่ยอดเยี่ยมให้กับบางคน

ทาเลีย โกลด์เบิร์ก: มีตัวอย่างสนุกๆ ที่ฉันคิดว่าสามารถเน้นย้ำถึงศักยภาพที่เหมือนมนุษย์ในการเพิ่มพูนประสบการณ์ที่เกี่ยวข้องกับการสนับสนุน ถ้าฉันกำลังคุยกับทีมอินเตอร์คอมบางคนที่มีสำเนียงไอริชชัดเจน และพวกเขาอาจคิดว่าฉันมีสำเนียงตะวันตกเพี้ยนๆ บางครั้งมันก็ยากสำหรับเราที่จะเข้าใจกันเมื่อเราตื่นเต้นสุดๆ และ พูดเร็วมาก ฟังดูเหมือนเป็นภาษาอื่นแม้ว่าทุกคนจะพูดภาษาอังกฤษก็ตาม AI สามารถเปลี่ยนสำเนียงของคนได้เล็กน้อยแบบเรียลไทม์เพื่อให้เข้าใจได้มากขึ้นในทั้งสองวิธี ดังนั้น ถ้าฉันมีสำเนียงไอริชหรืออังกฤษ มันจะแปลเป็นสำเนียงแคลิฟอร์เนีย และนั่นสามารถปรับปรุงประสบการณ์ได้จริงๆ ในบางวิธีโดยการลดอุปสรรคในการสื่อสาร

อีธาน เคิร์ซไวล์: เป็นตัวอย่างที่ดีเพราะเทคโนโลยีกำลังเข้าสู่ช่วงกลางของการสื่อสารโดยตรง แต่ทำให้เหมือนมนุษย์มากขึ้น ซึ่งฟังดูเหมือนเป็นปฏิปักษ์ แต่ถ้าปรับใช้ได้ดี อาจทำให้คุณรู้สึกเชื่อมโยงกันมากขึ้นในบริบทการส่งข้อความหรือการสื่อสาร

ทาเลีย โกลด์เบิร์ก: นี่คือคำมั่นสัญญาของอินเทอร์เน็ต – นำเราทุกคนมารวมกันและทลายกำแพง ฉันเป็นผู้เชื่อมั่นอย่างมากในศักยภาพที่จะเพิ่มพลังให้กับสิ่งนั้น

เชาวน์ความเชื่อมั่น

คริสตัล ฮู: ฉันคิดว่าผู้คนจำนวนมากกำลังมีคำถามเกี่ยวกับวิธีที่คุณตรวจสอบให้แน่ใจว่าทุกอย่างถูกต้องในแง่ของการไหลของข้อมูลและถูกต้อง เงินเดิมพันจะแตกต่างกันในกรณีการใช้งานที่แตกต่างกัน แต่โดยทั่วไป คุณไม่ต้องการให้ข้อมูลที่ไม่ถูกต้องแก่ลูกค้าของคุณ คุณจะมั่นใจได้อย่างไร?

“ไม่ใช่ว่าคุณในฐานะมนุษย์จะมองไม่เห็นสิ่งเหล่านั้น เพราะนั่นจะเป็นไปไม่ได้ – นั่นคือคุณสามารถกรองได้อย่างเหมาะสม นั่นเป็นวิธีที่ฉันคิดเกี่ยวกับโมเดลภาษาขนาดใหญ่”

ทาเลีย โกลด์เบิร์ก: อาจจะเป็นแค่หนึ่งความคิดเห็น จากนั้นฉันคิดว่าฉันจะให้เฟอร์กัลตอบเกี่ยวกับอินเตอร์คอมโดยเฉพาะ แบบจำลองได้รับการฝึกอบรมเกี่ยวกับข้อมูลจำนวนมหาศาล ข้อมูลและสารสนเทศหลายพันล้านจุด ดังนั้น ไม่ว่าคุณจะพยายามหลอกลวงข้อมูลหรือใส่ข้อมูลเท็จมากเพียงใด ข้อมูลก็ยังเป็นเพียงส่วนเล็กๆ น้อยๆ ของข้อมูลโดยรวม นั่นเป็นสิ่งหนึ่งที่ควรคำนึงถึงเมื่อคุณนึกถึงวิธีการสร้างแบบจำลองเหล่านี้

สิ่งอื่น ๆ คือการป้อนข้อมูล ฉันรู้ว่ามีความกังวลเกี่ยวกับว่ามันได้รับการฝึกฝนจากข้อมูลที่ไม่ถูกต้องหรือไม่ และอย่าเข้าใจฉันผิด แน่นอนว่ามีความท้าทายเกี่ยวกับอาการประสาทหลอนและด้านอื่นๆ ดังนั้นจึงมีหลายสิ่งที่ต้องปรับปรุง แต่ในชีวิตของคุณไม่ใช่ว่าไปไหนมาไหนแล้วไม่เจอสิ่งที่อาจจะผิด ลำเอียง หรือแม้แต่ข้อมูลผิดๆ คุณเจอสิ่งนั้น แต่คุณใช้วิจารณญาณและความคิดของคุณและมีข้อมูลที่ดีอื่น ๆ อีกมากมาย ดังนั้น ไม่ใช่ว่าคุณในฐานะมนุษย์จะมองไม่เห็นสิ่งเหล่านั้นเพราะนั่นเป็นไปไม่ได้ – แต่คุณสามารถกรองได้อย่างเหมาะสม นั่นเป็นวิธีที่ฉันคิดเกี่ยวกับโมเดลภาษาขนาดใหญ่ จะมีบางกรณีที่มีข้อมูลที่ไม่ใช่สิ่งที่คุณต้องการในชุดการฝึก แต่ความสามารถของโมเดลภาษาในการกรองและหาคำตอบที่ถูกต้องควรจะดีขึ้นเรื่อย ๆ เมื่อเวลาผ่านไป

“นั่นอาจเป็นหนึ่งในพารามิเตอร์: 'คุณมีความมั่นใจมากน้อยเพียงใดในคำตอบนี้' ไม่ดีพอก็อย่าให้”

Ethan Kurzweil: มีคำถามที่น่าสนใจเกี่ยวกับความเป็นส่วนตัวและความถูกต้องของข้อมูล อีกสิ่งหนึ่งที่ต้องคำนึงถึงเกี่ยวกับคำถามความถูกต้องของข้อมูลก่อนที่เราจะไปถึงส่วนความเป็นส่วนตัวก็คือ ในอนาคตและในโมเดลภาษาขนาดใหญ่บางรุ่น คุณสามารถตั้งค่าเชาวน์ความแม่นยำได้ มันเหมือนกับเมื่อ AI ถูกตั้งโปรแกรมให้ชนะ Jeopardy – มันมีช่วงความมั่นใจที่รู้คำตอบของคำถามที่มีความมั่นใจ 90% หรือ 60% และในบริบทนั้น ที่คุณเสียคะแนนไปเพราะตอบผิด พวกเขากำหนดช่วงเวลาค่อนข้างต่ำที่ 40% หรืออะไรทำนองนั้น ถ้าคุณแน่ใจ 40% ขึ้นไป บ้าจริง ไปลองตอบคำถามดูสิ

อาจมีบางบริบทที่คุณต้องการความแม่นยำระดับมนุษย์ คุณก็ตั้งค่าตรงนั้น และหลายครั้งที่ AI ไม่สามารถไปถึง 99 เปอร์เซ็นต์ไทล์ได้ ก็จะเตะไปที่มนุษย์หรืออะไรทำนองนั้น อาจมีบริบทบางอย่างแม้แต่ในกองทัพ แม้กระทั่งในอุตสาหกรรมที่มีการควบคุมอย่างเข้มงวด ซึ่งคุณจะมีความอดทนมากขึ้นสำหรับการเดาที่ได้รับความช่วยเหลือจาก AI ที่มีการศึกษา และนั่นอาจเป็นหนึ่งในพารามิเตอร์: "คุณมีความมั่นใจมากน้อยเพียงใดในคำตอบนี้" ถ้าไม่ดีพอก็อย่าให้

Fergal Reid: พูดถึงเรื่องนั้น Ethan นั่นเป็นความเชื่อมั่นในผลิตภัณฑ์ที่เรามีต่อ Intercom ซึ่งค่อนข้างเป็นไปได้ว่าจะมีความคลาดเคลื่อนที่หลากหลาย จะมีลูกค้าบางคนที่มีความอดทนสูงในการ "ให้คำแนะนำฉัน ไม่เป็นไรหากข้อเสนอแนะผิดพลาดในบางครั้ง” และจะมีลูกค้ารายอื่นที่มีความอดทนต่ำมาก เราคาดว่าเราจะต้องมีการกำหนดค่าบางอย่างเกี่ยวกับเรื่องนี้

“เรามีเทคโนโลยีใหม่ที่สามารถคาดการณ์ได้ดีขึ้นมากและทำสิ่งต่างๆ ได้เร็วขึ้นมาก เราจะเอาสิ่งนั้นมาทำให้น่าเชื่อถือได้อย่างไร หรืออย่างน้อยก็ให้ลูกค้าเลือก”

เพียงเพื่อดำดิ่งลงไปในวัชพืชด้วยบางสิ่งที่เรากำลังพิจารณาในอนาคต สมมติว่าคุณมีบางสิ่งที่พยายามใช้บทความและตอบคำถามเกี่ยวกับเนื้อหานั้น ตัวอย่างหนึ่งคือคุณบังคับให้พูดว่า “คุณได้รับอนุญาตให้ตอบกลับด้วยคำพูดที่ตรงจากสิ่งนี้เท่านั้น” และมันสามารถใส่คำพูดนั้นในบริบทได้ แต่คำพูดนั้นต้องอยู่ในนั้น นั่นเป็นวิธีที่อนุรักษ์นิยมในการใช้โมเดลภาษาขนาดใหญ่ใหม่เหล่านี้เพื่อทำความเข้าใจข้อความค้นหาและดึงข้อมูลของคุณได้ดีขึ้น แต่เป็นการจำกัดสิ่งที่พวกเขาสามารถพูดได้จริง อีกตัวอย่างหนึ่งคือคุณใช้แบบจำลองเชิงกำเนิดและปล่อยให้เป็นแบบเชิงกำเนิดภายใต้ประทุน แต่มันสามารถโต้ตอบกับผู้ใช้ปลายทางผ่านชุดการกระทำที่กำหนดไว้ล่วงหน้าหรือสิ่งที่สามารถพูดได้เท่านั้น

มีเทคนิคมากมายที่จะใช้เครื่องยนต์ที่ทรงพลังและพยายามทำให้ปลอดภัย เชื่อถือได้มากขึ้น และถูกจำกัด และฉันคิดว่าคุณจะได้เห็นคนจำนวนมากที่ทำงานกับเทคนิคนั้น เรามีเทคโนโลยีใหม่ที่สามารถคาดการณ์ได้ดีขึ้นมากและทำสิ่งต่างๆ ได้เร็วขึ้นมาก เราจะทำอย่างไรให้น่าเชื่อถือเพียงพอหรืออย่างน้อยก็ให้ลูกค้าเลือก? ฉันคิดว่าคุณจะได้เห็นการเคลื่อนไหวมากมายในพื้นที่นี้ในอีก 2-3 เดือนข้างหน้า

ส่วนบุคคลจำนวนมากในอุตสาหกรรมต่างๆ

Krystal Hu: จากที่ทราบมา Ethan, Talia นอกจากฝ่ายบริการลูกค้าแล้ว มีแอปพลิเคชันอื่นใดที่คุณเห็นในส่วนนี้ที่คุณรู้สึกตื่นเต้นเป็นพิเศษหรือไม่

อีธาน เคิร์ซไวล์: ฉันไปก่อนก็ได้ เมื่อพิจารณาจากแอพพลิเคชั่นสำหรับผู้บริโภคแล้ว การเล่นเกมเป็นสิ่งที่เราตื่นเต้น หากคุณนึกถึงสิ่งที่ทำให้เกมสนุก หลายๆ ครั้งนั่นคืออัตราการรีเฟรชของเนื้อหาใหม่ ซึ่งต้องใช้ความคิดสร้างสรรค์อย่างต่อเนื่อง เราเริ่มเห็นผู้คนคิดว่า “จะเป็นอย่างไรถ้าทุกประสบการณ์สำหรับผู้เล่นทุกคนสามารถเป็นสิ่งใหม่ได้” You couldn't have a personal copywriter writing that much content for each person, but an AI could do it. And it could get down to a level where each decision you make generates a new experience based on whatever temporal inputs you want to give the system.

“We went from handcrafted goods to mass-produced goods to mass personalization in a way we've probably never seen before”

Media applications as well. Earlier in my career, I used to work at the Wall Street Journal , and the parent company of the Wall Street Journal was Dow Jones. They had a sister news department called Dow Jones Newswires , which was about getting financial news mainly to traders and folks that needed to act very quickly on that information as fast as possible through terminals and things like that. I think about what an AI could do to augment news or get news to the end user more quickly. Again, I don't think it's replacing journalists at all, I think it's augmenting the amount of information and the targeting we can provide to folks much more quickly.

I think about entertainment use cases. This promise of personalized television and premium content services has always been out there, but when you get to the long tail of internet content and user-generated content, it tends to be pretty low-quality. Could you have a high-quality, personalized content delivery service? I think AI could impact that equation in the future.

Talia Goldberg: I love the concept of personalization and everyone having their own experience. We went from handcrafted goods to mass-produced goods to mass personalization in a way we've probably never seen before. This is a totally new experience for everyone, which is super cool. I'll share one of the areas that I think is going to be wildly impactful and really promising, which is in life sciences and biotech.

“The AI is seeing something that we, as humans, have never before been able to see”

Applying AI to drug discovery and development using huge amounts of data to look at molecules and protein structures and genomic data can be really transformative. I read this study that I think was in Nature a month ago, and it described how some researchers gave an AI a bunch of images of a human retina, and the AI, with 90% accuracy, said which retina belonged to either a male or a female. That seems very basic – who cares? But what's really crazy about that is that no researcher, scientist, or AI expert has ever been able to find any sign of a retina correlating to gender of any form. The AI is seeing something that we, as humans, have never before been able to see.

You think about that, and then you apply that to cancer and different cells and otherwise, and the potential is just massive and really exciting. And we're already seeing a lot of applications. AI's going to transform a whole bunch of things – health, software, business applications, logistics, consumer… We could make a long list, but there are a ton of reasons to be super optimistic.

ผสมและจับคู่

Krystal Hu: When I talk to startups, when they're incorporating this kind of technology into their offerings, one choice they have to make is which model they work with. Do they only work with one type of model, or do they diversify their vendors to work with other companies besides OpenAI? I'm sure, Fergal, you've spent some time thinking about that. What was the experience like at Intercom?

Fergal Reid: With new technology, being right in the forefront, our head tends to go first to customer value. We're happy to use the most expensive or newest model to try and figure out, “Okay, can we really build a transformative experience for a customer with this that is a core part of the workflow and makes something valuable for them?” And once we do that, we're like, “Okay, now, how can we make it cost-effective?” And we're probably going to end up with a large mix of different models from, say, OpenAI, and we've also looked at other vendors like Anthropic, which are doing some really interesting work in this space too.

“It's highly likely that everyone's going to end up running a bespoke mix of many different models. It's going to get complex pretty fast”

It's an exploding space with many different people training large language models, and I think you'll have different large language models that are better and worse and have different trade-offs in terms of cost and latency and performance. Performance won't be one-size-fits-all. Some models are better at dealing with hallucinations, some are better at generating creative content, and I think we're already seeing that.

Our focus is to get whatever models we can, try them out, think if we can use these to build transformative value, get it live with our customers, and then figure out how to optimize that. Once we know it's delivering value, let's optimize it in terms of price and cost and work. It's highly likely that everyone's going to end up running a bespoke mix of many different models. You could have three different models in one customer interaction. So yeah, it's going to get complex pretty fast.

“There'll probably be a new set of metrics that everyone coalesces around that measure the effectiveness of your AI and your particular business problem”

Ethan Kurzweil: I think that's an interesting point that actually ties the question from before: how do you measure the success of this? Because I think lots of companies will try a model or many, and the question will be, “All right, which is best?” And that's such an oversimplification because you have to figure out what you are trying to achieve. Are you trying to achieve engagement with users? Are you trying to achieve a quick resolution?

I think there'll probably be a sort of metricization of this where people come to a standard, like the way Google Search created a new industry, AdWords, and the way we measure click-through rates and conversion rates and things like that. There'll probably be a new set of metrics that everyone coalesces around that measure the effectiveness of your AI and your particular business problem.

Fergal Reid: Yeah, even before these more recent language models, we've had bots that process natural language using pretty big neural networks, although not as big. And whenever we would do something like upgrade our bots, we would conduct a large-scale A/B test framed in terms of end-user metrics such as self-serve rate. Then, we would find edge cases for particular customers or domains where it performed less well, really dig into those, and make sure nothing was broken. I think there's probably a well-understood playbook, like Ethan's referring to, of metrics for given domains. A lot of the same things will apply to this new type of technology.

ถามตอบ

Krystal Hu: I'd love to get to the Q&A. I think we were able to address some of the questions during our discussions, but there are a bunch about the potential roadmaps from, I assume, Intercom's customers or companies working with Intercom who want to know what could be the next AI-aided feature that may come out, both in the short-term and long-term, and also how that will affect the pricing strategy.

Fergal Reid: Cool. Do you want to call out one particular question?

Krystal Hu: I think there was a question about your roadmap for the features for the next six months versus 12 to 18 months, and then the other person asked about the pricing strategy.

Fergal Reid: We have some things coming up that unfortunately, I can't talk about at the moment. I would say that six months is a really long time in this space. I expect you'll see a lot of movement in this space over the next two or three months. We will continue to sweat and invest in these features in our Inbox to make support reps more efficient. I've already talked about how we've got a Generation 1 version of features here at the moment, with summarization and expansion features to help edit a text, and we're definitely working on Generation 2 versions of those features.

We've also met two other exciting features in this space that we're really excited about, but unfortunately, I can't share any details at the moment – it's just a little bit too early to announce and launch those things. I can promise you're going to see a lot of action and excitement from us, and I'm sure from other companies in this space as well, over the next six months.

“Right now, there's a bit of a context limit for each interaction with an AI in a large language model, but there's a lot of exciting research pushing the boundaries”

Krystal Hu: Talia and Ethan, do you have any expectations or hopes on how fast the space could move?

Talia Goldberg: Well, it's moving a lot faster than we even anticipated. The space is moving really quickly in part because there are a whole bunch of technological advances happening at the same time as the hardware that these models are trained on gets better and improves at a Moore's Law rate, and there are new architectures and ways of scaling on that hardware. We're getting better and better at creating new experiences and models.

I don't have an exact prediction of how quickly we'll see different things, but one of the biggest areas that we're watching closely and expect to see a lot of advances in over the next six to 12 months is around personalization and being able to create far more personalized experiences. Right now, there's a bit of a context limit for each interaction with an AI in a large language model, but there's a lot of exciting research pushing the boundaries of those context windows, coming up with new frameworks to create far more personalized experiences and remember each person, each user, each customer, and tons of data points about that person to create a better experience.

“I would encourage everyone that's building new products to ride the ups and the downs”

Ethan Kurzweil: I completely agree with Fergal and Talia. We're going to see predictable and unpredictable applications of this over the next six months. There'll be some unsuccessful ones too, and then the narrative will quickly shift to, “Oh, that didn't do everything we thought it was going to do as quickly as we thought.” Right now, we're into the peak of momentum and euphoria and, dare I say, a little hype in the space. But over time, it'll become as big a deal as we thought.

I would encourage everyone that's building new products to ride the ups and the downs. Don't ride the up as high as it may be feeling like you should right now, but when the narrative changes a little bit, because it will – all new technologies have that “Oh, that wasn't as impactful as quickly as we thought” moment – I would encourage everyone to keep building through that as well.

Krystal Hu: Yeah, I'll definitely take that from you as a crypto investor.

Ethan Kurzweil: It's the same thing. Right now, there's clearly a trough of disillusionment for crypto. And good builders are figuring out, “Okay, what of this technology is applicable? What makes sense?” And we'll see those things come to market over the next couple of years.

Krystal Hu: One common question I saw in the Q&A is: how will this impact human jobs like human agent jobs? I'm curious to hear your thoughts on this specific case.

Ethan Kurzweil: Ever since the advent of the computer, there's been this prediction that it would be a massive replacement for human work at all levels. It does change the nature of work, and this will certainly change in some ways, but it's not going to be a wholesale replacement for humans in any broad way.

“คาดเดาอะไร? Every year, we need way more engineers. It's like Jevon's Paradox. The more that AI is available and the cost goes down, the more demand there is”

Just as Talia alluded to the example of Copilot and people, I've read many articles saying this was going to put all developers out of business over the next two to three years, and that's complete BS. Everyone knows that's not true. But it may allow for more productivity and for the cycle time on software to speed up. It may allow for different skills to be more important. I think it just makes us more productive. It's not that it won't have an impact and won't shift the nature of work in some ways. I don't mean to minimize that because that's very real. But looking at the whole, you'll see we come out ahead.

Talia Goldberg: At least until we reach the singularity, I'm pretty convinced of the need for more and more engineers. You could have gone back 10 years and been like, “Ah, there are all these cool developer tools now that are coming out and making it way easier to integrate things,” or, “Oh gosh, there are these self-serve products like Zapier that make it easy for non-technical people to connect products and integrate things.” และคาดเดาอะไร Every year, we need way more engineers. There's a shortage. It's like Jevon's Paradox. The more that AI is available and the cost goes down, the more demand there is. And I think, in a lot of areas, that paradigm will hold true. But as Ethan said, the exact skills and the way it looks may shift.

Krystal Hu: Yeah, that makes a lot of sense. I saw some interesting observations and questions about whether you should tell people that they are talking to an AI versus a real person. It's an interesting question because it presumes we wouldn't be able to tell.

Ethan Kurzweil: It's a good existential question. If you're talking to a person assisted by an AI, who are you talking to, and what disclosure do you have to make in that case? I don't have any answers to these questions, but they're great ones for us to debate.

Talia Goldberg: I find that AI can sometimes generate responses that are so detailed and so good that there's just no way that a human did it anyway. It's like the reverse of the Turing test.

Krystal Hu: อีกคำถามเกี่ยวกับฟังก์ชันความปลอดภัย ฉันคิดว่าเราได้พูดถึงเรื่องนี้ก่อนหน้านี้แล้ว แต่มีคำถามที่เฉพาะเจาะจง: "การผสานรวมฟังก์ชันความปลอดภัยในแนวดิ่งกับผู้ให้บริการแบบจำลองมีความสำคัญเพียงใด ตัวอย่างเช่น การใช้ API การกลั่นกรองของ OpenAI กับเอาต์พุตโมเดล ChatGPT มีความสำคัญเพียงใดเมื่อเทียบกับการมิกซ์แอนด์แมตช์กับ Perspective API ของ Jigsaw” Fergal คุณอาจมีความคิดหรือประสบการณ์บางอย่างที่จะแบ่งปัน

Fergal Reid: ใช่ ฉันไม่คุ้นเคยกับ Jigsaw's Perspective API ดังนั้นฉันจึงไม่รู้อย่างเจาะจง พนักงานทุกคนที่ OpenAI และ Tropic และใครก็ตามที่กำลังฝึกโมเดลภาษาขนาดใหญ่ใส่ใจอย่างมากเกี่ยวกับการทำให้มันใช้งานได้ ปลอดภัยและสอดคล้องกัน และพวกเขาใส่ใจอย่างมากเกี่ยวกับการหลีกเลี่ยงอาการประสาทหลอน และพวกเขาจะทำงานในพื้นที่เหล่านี้ต่อไปเพื่อให้บริษัทต่างๆ เช่น Intercom ปรับใช้สิ่งเหล่านั้นด้วยวิธีที่น่าเชื่อถือได้ง่ายขึ้น ฉันไม่มั่นใจว่าเราต้องบูรณาการในแนวตั้ง ฉันไม่รู้ว่า Intercom จำเป็นต้องอยู่ในธุรกิจการฝึกอบรมโมเดลภาษาขนาดใหญ่ขนาดใหญ่ของตัวเอง เพื่อให้เราจัดการกับการผลิตและทำให้โมเดลเหล่านี้น่าเชื่อถือเพียงพอ ฉันคิดว่าเราจะเห็นการเคลื่อนไหวมากมายในพื้นที่นี้

AI เชิงกำเนิดประเภทนี้ให้อิสระอย่างมากแก่ผู้ใช้ในการลองและหาวิธีปรับใช้โมเดล มีสาขาใหม่ๆ ของวิศวกรรมพรอมต์ และทีมของฉันกำลังทำสิ่งนี้อยู่มาก โดยพวกเขากำลังแก้ไขข้อความแจ้งและพยายามหาว่า “เอาล่ะ ฉันจะถามโมเดลว่าฉันต้องการอะไรในวิธีที่เหมาะสมได้อย่างไร ให้ผลลัพธ์ที่ฉันกำลังมองหาหรือไม่” มันจะดีขึ้นเรื่อยๆ อย่างน้อยก็สักพัก มันจะมีพลังมากขึ้น และโมเดลต่างๆ ก็จะควบคุมได้ง่ายขึ้น

ฉันคิดว่าเราจะสามารถเห็นบริษัทต่างๆ ในตำแหน่ง Intercom สร้างมูลค่ามหาศาล และค้นหาแอปพลิเคชันและการออกแบบจำนวนมาก เรายังคงเรียนรู้วิธีการออกแบบผลิตภัณฑ์โดยใช้เทคโนโลยีใหม่นี้ มีเสรีภาพมากมายสำหรับคนในตำแหน่งของเราที่จะใช้สิ่งนั้น

“มีความตึงเครียดอยู่เสมอ: คุณเพียงแค่แบกรับเรื่องทั่วไปหรือไม่? รุ่นทั่วไปจะดีขึ้นแค่ไหนเมื่อเทียบกับการปรับแต่งแบบละเอียด”

Krystal Hu: มีคำถามเกี่ยวกับ Intercom ที่สร้างโมเดลของตัวเองด้วย ดังที่คุณได้กล่าวมาก่อนหน้านี้ อาจมีโอกาสที่จะผสมผสานระหว่างโมเดลที่ใช้งานได้ดีกว่าสำหรับกรณีการใช้งานของคุณในขณะที่สร้าง API หรืออะไรทำนองนั้น

Fergal Reid: ใช่ ด้วยขนาดที่โมเดลเหล่านี้ได้รับการฝึกฝนในขณะนี้ ดูเหมือนจะไม่สมเหตุสมผลทางเศรษฐกิจสำหรับทุกบริษัทที่มีขนาดเท่าอินเตอร์คอมที่จะฝึกอบรมตนเอง แต่อีกครั้ง มีสเปกตรัมอยู่ที่นี่ เราจะพัฒนาความเชี่ยวชาญในการออกแบบรอบตัวพวกเขาและรู้ว่าจะขอแบบจำลองอะไร และเราอาจได้เห็นการทำงานใหม่ๆ ของบริษัทต่างๆ เช่น โมเดลการปรับแต่งอินเตอร์คอม โมเดลใหม่เหล่านี้จำนวนมากได้รับการฝึกฝนด้วยการเรียนรู้แบบเสริมแรงพร้อมความคิดเห็นจากมนุษย์ ค่าใช้จ่ายในการดำเนินการดังกล่าวอาจลดลงเมื่อเวลาผ่านไป และเราจะสามารถปรับแต่งให้เหมาะกับกรณีการใช้งานเฉพาะของเราได้มากขึ้น

มีความตึงเครียดอยู่เสมอ: คุณเพียงแค่แบกรับเรื่องทั่วไปหรือไม่? รุ่นทั่วไปดีขึ้นแค่ไหนเมื่อเทียบกับการปรับแต่งอย่างละเอียดและทำสิ่งที่เฉพาะเจาะจง? เราจะต้องดูว่าพื้นที่นี้มีบทบาทอย่างไร แต่ฉันคิดว่าจะมีอิสระมากมายสำหรับบริษัทต่างๆ ที่จะนำแบบจำลองเหล่านี้ไปปรับแต่งและผลิตให้เหมาะกับพื้นที่ของตน เรากำลังอยู่ในช่วงเริ่มต้นของการผลิตเทคโนโลยีนี้ มันจะเปลี่ยนไปมาก และการจัดลำดับความสำคัญจะง่ายขึ้นมาก

คริสตัล ฮู: เราเกือบจะถึงจุดสิ้นสุดของบทสนทนาที่ยอดเยี่ยมแล้ว แต่เรามีคำถามอีกสองข้อ หนึ่งคือวิธีการที่บริษัทระดับองค์กรยอมรับและดึงคุณค่าจาก ChatGPT คุณเคยเห็นบริษัทต่างๆ เริ่มผสานรวมสิ่งนั้นเข้ากับข้อเสนอของพวกเขา และในอีกด้านหนึ่ง ฉันคิดว่าบริษัทต่างๆ โดยเฉพาะธนาคารที่มีการควบคุมอย่างเข้มงวด กำลังสงสัยเกี่ยวกับบริการข้อมูลและปัญหาความเป็นส่วนตัว และห้ามไม่ให้พนักงานเล่นแล็ปท็อปของบริษัท ฉันอยากรู้ความคิดของ Talia และ Ethan เกี่ยวกับคำถามนี้

ทาเลีย โกลด์เบิร์ก: ในพอร์ตโฟลิโอของเรา บริษัทซอฟต์แวร์จำนวนมากที่อาจไม่ได้จัดอยู่ในหมวดหมู่อย่างเช่น อินเตอร์คอม ซึ่งอยู่ในระดับแนวหน้าจริงๆ กำลังคิดว่า “เฮ้ สิ่งนี้สำคัญต่อธุรกิจของฉันอย่างไร และอะไรคือวิธีที่ฉัน อาจรวมบางรุ่นเหล่านี้หรือ ChatGPT APIs เข้ากับผลิตภัณฑ์ของฉัน” งานที่ทำซ้ำๆ บ่อยๆ นั้นยอดเยี่ยมมากสำหรับ AI ที่จะช่วยทำงานอัตโนมัติหรือปรับปรุงประสิทธิภาพ หนึ่งในบริษัทของเราได้รับข้อมูลทางบัญชีจากลูกค้าเป็นจำนวนมาก และพวกเขาจำเป็นต้องปรับยอดและตั้งค่าสถานะหากมีข้อผิดพลาดหรือมีบางอย่างผิดปกติ และพวกเขาเคยมีระบบตามกฎเหล่านี้มาก่อน แต่คุณสามารถใช้ AI และมีความแม่นยำที่ดีกว่ามาก อีกตัวอย่างที่น่าสนใจเกี่ยวข้องกับส่วนสรุป หากลูกค้าพูดคุยกับตัวแทนศูนย์บริการทางโทรศัพท์หรือตัวแทนฝ่ายขาย คุณสามารถสรุปการสนทนานั้นและสร้างหลักประกันทางการตลาดแบบกำหนดเองสำหรับบุคคลนั้นโดยเฉพาะ

คริสตัล ฮู: คำถามสุดท้ายสำหรับทาเลียและอีธาน มีคนถามว่าคุณกำลังมองหาอะไรเมื่อลงทุนในธุรกิจสตาร์ทอัพแบบ pre-seed หรือฉันคิดว่าสตาร์ทอัพโดยทั่วไป

“เราพยายามแยกประเด็นออกเป็นคำถามหลักที่ว่า 'สิ่งนี้ช่วยผลักดันเข็มสำหรับบทบาทหรือประเภทของบุคคลบางอย่างหรือไม่'”

อีธาน เคิร์ซไวล์: นั่นเป็นคำถามที่ดีมาก มีคำตอบที่แตกต่างกันมากมาย Pre-seed นั้นเร็วกว่าที่เราลงทุนไปตามปกติเล็กน้อย เพื่อยกเลิกการปฏิเสธความรับผิดชอบนั้น โดยปกติแล้ว เรากำลังลงทุนใน Seed หรือ Series A หรือ B ในภายหลัง แต่ปรัชญาของเราคือการมองหาโมเดลที่มีการเติบโตสูงในทุกที่ที่เราสามารถหาได้ พวกเขา. และโดยปกติแล้ว วิธีที่เราแยกส่วนนั้นคือการพยายามวินิจฉัยล่วงหน้าผ่านแผนที่ถนน และ Talia เป็นคนหนึ่งที่ผลักดันความคิดของเรามากมายเกี่ยวกับ AI และการประยุกต์ใช้กับสิ่งต่างๆ มากมาย และเราได้จัดทำแผนงานเหล่านี้ของ หัวข้อต่างๆ ที่เราคิดว่าน่าสนใจทีเดียว สิ่งเหล่านี้อาจกว้างมาก เช่น การประมวลผลแบบคลาวด์หรือการดูแลสุขภาพของผู้บริโภค หรือแคบลง เช่น ผลกระทบของ AI ต่อการบริการลูกค้า

ฉันขอแนะนำให้ทุกคนลองดู เพราะเราทำการเผยแพร่มากมายบนบล็อกและสื่อสังคมออนไลน์ของวิทยานิพนธ์ที่กำลังดำเนินอยู่ของเรา เพื่อดูว่าสิ่งที่คุณกำลังสร้างนั้นสอดคล้องกับบางสิ่งหรือไม่ โดยทั่วไปแล้ว เรากำลังมองหา "สิ่งนี้มีผลกระทบที่จะเปลี่ยนวิธีการทำงานหรือความบันเทิงของเรา หรือบางสิ่งที่อาจเปลี่ยนกระบวนทัศน์ในกระบวนการทางธุรกิจหรือความต้องการของผู้บริโภคหรือไม่" นั่นคือสิ่งที่เราทำลายลงไป เราสังเกตเห็นว่าเมื่อใดก็ตามที่คุณมีการเปลี่ยนแปลงพฤติกรรมในวงกว้าง ซึ่งจะนำไปสู่บริษัทที่เติบโตอย่างรวดเร็วและโอกาสสำหรับสตาร์ทอัพที่จะขัดขวางการทำงานหรือการเล่น หรืออะไรก็ตามที่เคยทำมาก่อน ดังนั้นเราจึงพยายามแยกย่อยออกเป็นคำถามหลักที่ว่า "สิ่งนี้ช่วยผลักดันเข็มสำหรับบทบาทหรือประเภทของบุคคลบางอย่างหรือไม่"

Krystal Hu: นั่นคือจุดสิ้นสุดของการสนทนาของเรา สำหรับผู้ที่ไม่มีโอกาสลองใช้คุณสมบัติใหม่ของ Intercom ฉันขอแนะนำให้คุณลองเล่นด้วยการสรุปและคุณสมบัติอื่น ๆ ด้วยตัวคุณเอง และถ้าคุณสนใจในพื้นที่ร่วมทุน ลองดูที่เว็บไซต์ของ Bessemer อย่างที่ทุกคนพูด หกเดือนนับจากนี้ เราจะมองย้อนกลับไป และคำทำนายบางอย่างจะเป็นจริง และบางทีบางอย่างอาจแตกต่างไปจากเดิมอย่างสิ้นเชิง ฉันหวังว่าเราจะมีเวลาอีกครั้งในการกลับมาและครอบคลุมคำถามเพิ่มเติม ขอบคุณอีกครั้ง Talia, Ethan และ Fergal สำหรับเวลาของคุณในวันนี้

อีธาน เคิร์ซไวล์: ขอบคุณที่มีพวกเรา

ทาเลีย โกลด์เบิร์ก: ลาก่อน

Fergal Reid: ขอบคุณมากทุกคน ลาก่อน.