لایحه هوش مصنوعی شرکت های آمریکایی در حال افزایش است. این استارت‌آپ 30 میلیون دلار جمع‌آوری کرد تا بفهمد این پول به کجا می‌رود.

استارت آپ آمیا کانیتکار، راسل فرادین و جیم لاریسون به تازگی 30 میلیون دلار از سری A را جمع آوری کرده است. لاریدین هوش مصنوعی از یک هزینه کسب‌وکار کوچک به یکی از گران‌ترین اقلام در دفتر کل شرکت‌ها تبدیل شده است.

استارت‌آپ سانفرانسیسکو Larridin 30 میلیون دلار جمع‌آوری کرد تا مشخص کند آیا شرکت‌ها ارزش پول خود را دارند یا خیر.

Larridin's Series A در پی عصر tokenmaxxing عرضه می شود، زیرا شرکت ها نگران AI ROI هستند. شرکت‌ها امسال همه چیز را روی هوش مصنوعی وارد کردند و اکنون با صورت‌حساب‌های سنگین حساب می‌کنند. یک استارت‌آپ می‌خواهد زیر کاپوت قرار بگیرد و بفهمد که کدام یک ارزشش را دارند.

Larridin، یک استارت‌آپ مستقر در سانفرانسیسکو، به تازگی 30 میلیون دلار سرمایه در سری A جمع‌آوری کرده است تا به شرکت‌ها تصویر واضحی از این که پولی که برای هوش مصنوعی خرج می‌کنند چگونه برای آنها کار می‌کند - یا نیست - بدهد.

جف کرل، یک شریک عمومی در Pelion Ventures، که دور سرمایه‌گذاری را رهبری می‌کرد، به Business Insider گفت که هوش مصنوعی از هزینه‌ای کوچک و حتی «غیرموجود» برای کسب‌وکارها به یکی از 5 تا 10 اقلام گران‌قیمت در دفترشان تبدیل شده است.

ناگهان می‌گویند: "وای، این پول زیادی صرف هوش مصنوعی می‌شود. ما برنامه‌های زیادی را اجرا می‌کنیم. ما مدل‌های زیادی داریم. همه اینها به کجا می‌رود، چه کسی از آن استفاده می‌کند، و چگونه می‌توانم آن را درک کنم؟" کرل گفت.

محصول اصلی Larridin یک پلت فرم اندازه گیری است که میزان بهبود بهره وری کارمندان توسط هوش مصنوعی را ردیابی می کند و فرصت هایی را برای پذیرش بهتر شناسایی می کند. این نرم‌افزار با سیستم‌های داخلی شرکت‌ها ادغام می‌شود تا استفاده از هوش مصنوعی کارکنان را تجزیه و تحلیل کند، از جمله درخواست‌های آنها برای ابزارهای مختلف هوش مصنوعی، و تعیین اینکه چه کسی به طور موثر از هوش مصنوعی استفاده می‌کند، چه کسی به آموزش بیشتر نیاز دارد، و چقدر در زمان صرفه‌جویی می‌کند.

آمیا کانیتکار، یکی از بنیانگذاران و CTO، گفت که این پلتفرم با تجزیه و تحلیل تعاملات هوش مصنوعی بدون ذخیره محتوای آنها، از حریم خصوصی کارکنان محافظت می کند، در عوض امتیازات و بینش های سطح بالا را ایجاد می کند.

همیشه به یک پلت فرم اندازه گیری شخص ثالث نیاز است

راسل فرادین، مدیرعامل و یکی از بنیانگذاران Larridin، قبلا در Comscore، یک پلت فرم اندازه گیری رسانه و تبلیغات، کار می کرد. او گفت که بر اساس تجربه‌اش، هر زمان که پول زیادی به یک دسته منتقل می‌شود، شخصی یک پلتفرم اندازه‌گیری شخص ثالث برای آن دسته می‌سازد که توسط Comscore، Nielsen یا Datadog اثبات شده است.

فرادین گفت: «ما گفتیم، ببینید، مقدار زیادی از هوش مصنوعی هزینه خواهد شد. قرار است یک شرکت اندازه گیری حسابرسی شخص ثالث ایجاد شود و بیایید تلاش کنیم تا آن شرکت باشیم.

این شرکت یک بنیانگذار سوم به نام جیم لاریسون دارد که با فرادین در Comscore کار می کرد.

سری A 30 میلیون دلاری Larridin توسط Pelion Ventures، Andreessen Horowitz، Gradient Ventures، GFT Ventures، W23، Thayer Investment Partners، DG Daiwa Ventures، Alumni Ventures و Cougar Capital رهبری می شد. A16z و Gradient Ventures بخشی از دور اولیه 17 میلیون دلاری آن بودند.

الکس رامپل، یک شریک عمومی در A16z، چیزی که او را در مورد کسب و کار لاریدین متقاعد کرد این بود که نیاز به هوش مصنوعی سازمانی برای نوعی «رئیس هوش مصنوعی» را برطرف می‌کرد که می‌توانست به کارکنان بگوید با هوش مصنوعی چه کاری باید انجام دهند یا نه.

"اگر در فروش هستید، کسی باید به شما ضربه بزند و بگوید: "هی، با این حساب تماس بگیر. با آن حساب تماس نگیرید." رامپل گفت: اگر در زمینه کدنویسی هستید، "این باگ را برطرف کنید، آن اشکال را برطرف نکنید."

"اما زیربنای آن همان ایده بود، که به این صورت بود که مردم از ابزارهای هوش مصنوعی برای انجام انواع کارها استفاده می کنند. آیا آنها کار درستی انجام می دهند؟ آیا نتیجه واقعا متفاوت است؟ آیا شما هر نوع ROI دریافت می کنید؟" او افزود.

فرادین گفت که کسب و کار در سه ماهه دوم سال جاری، زمانی که شرکت‌های بیشتری نگران هزینه‌های هوش مصنوعی شدند، افزایش یافت. این شرکت از داشتن یک مشتری سازمانی در دسامبر سال گذشته به 50 مشتری در حال حاضر رسید.

پس از سری A، او گفت که می خواهد تعداد 20 نفره لاریدین را دو برابر کند و کارکنان فروش، مهندسی و بازاریابی بیشتری را اضافه کند.

رفتار خرج کردن هوش مصنوعی تکامل یافته است

Larridin's Series A پس از ماه‌ها تغییر و تحول در زمینه هزینه‌های هوش مصنوعی عرضه شد.

در چند ماه اول سال، tokenmaxxing رواج داشت، که باعث شد شرکت‌ها از کارمندان خود بخواهند سوار قطارهای تبلیغاتی شوند و با هوش مصنوعی آزمایش کنند - اساسا یک دستور برای تسریع پذیرش یا عقب ماندن.

آنها از کارمندان خود خواستند تا حد امکان از ابزارهای هوش مصنوعی استفاده کنند و تا آنجا که می توانند توکن ها را بسوزانند، برخی مانند Duolingo حتی استفاده از هوش مصنوعی را به عنوان معیار عملکرد برای کارمندان خود اضافه کردند. پراوین نپالی ناگا، مدیر ارشد فناوری Uber، در ماه آوریل زمانی که اوبر گفت که اوبر تمام بودجه کلود کد خود را برای سال تمام کرده است، به سرعت منتشر شد.

بودجه هوش مصنوعی افزایش یافت. حداقل 17 شرکت، از Salesforce گرفته تا Oracle، اخراج‌های مرتبط با هوش مصنوعی را اعلام کردند و اوراکل به طور خاص در ژوئن گفت که استقرار و پذیرش هوش مصنوعی نیروی کار آن را کاهش داده است.

اما این احساسات زمانی در اواسط سال تغییر کرد، زمانی که صورت حساب‌های زشت هوش مصنوعی شروع به رشد کردند.

شرکت ها توجه بیشتری به دریافت بهترین بازگشت سرمایه از هزینه های هوش مصنوعی خود کردند. Modelmaxxing، که همانطور که Business Insider در ماه جولای در مورد آن نوشت، شامل مسیریابی اعلان‌ها به مدل‌های هوش مصنوعی مختلف بر اساس حداکثر استفاده از توکن است، به عنوان یک تاکتیک برای صرفه‌جویی در هزینه‌ها ظاهر شد. کسب‌وکارهای بیشتری شروع به استفاده از مدل‌های منبع باز ارزان‌تر توسعه‌یافته توسط آزمایشگاه‌های هوش مصنوعی چینی، مانند Moonshot AI و Z.ai کردند.

مقاله اصلی را در Business Insider بخوانید