Möglichkeiten beim Aufbau von KI-Plattformen

Okay. Sobald ich auf Go Live geklickt habe, hieß es, Hoppla, Verbindung verloren. Und, aber jetzt heißt es, dass wir live sind. Ich weiß also nicht, was passiert ist, aber hoffen wir, dass wir unsere Zuschauer haben. Ich schätze, wir leben irgendwo. Das ist, das ist okay. Fantastisch. Wir können, wir können beginnen. Hallo und willkommen bei Momentum Office Hours. Mein Name ist Yash und ich werde von meinen Mitbegründern Jay und Kaushik begleitet, um das Thema der Woche zu besprechen.

das sind Möglichkeiten beim Aufbau von KI-Plattformen. Unser Ziel bei diesen Sitzungen ist es, Ihnen umsetzbare Erkenntnisse und praktische Strategien zu bieten, die Sie auf Ihr eigenes Unternehmen anwenden können. Und während der gesamten Sitzung empfehlen wir Ihnen, mit uns in Kontakt zu treten, indem Sie Fragen stellen und Ihre Gedanken teilen. Dies ist eine fantastische Gelegenheit, voneinander zu lernen und Ihre digitalen Initiativen voranzutreiben. Lass uns anfangen. Jai, Kaushik, wie geht es uns heute? Geht super. Gut. Nett. Gut. Ich glaube, wir sind dafür.

Hektischer Wochenstart, aber jetzt läuft es super. Ja, montags ist es generell hektisch. Und so hektisch sie auch sind, sie sind ein gutes Zeichen dafür, dass wir da draußen auf der Welt einen gewissen Wert schaffen, dass wir an zwei Orten gleichzeitig gebraucht werden, wenn nicht sogar noch mehr. Es ist also immer ein guter Ort, um dort zu sein. Aber wir kommen zu Chancen bei der Entwicklung von KI-Produkten, oder? Also eines der Dinge, die wir drei

Ich wollte eigentlich nur all unsere Zuschauer und Zuhörer durch einige der Themen führen, wie zum Beispiel, wie sollte man im Zeitalter der KI an die Entwicklung von Produkten herangehen? Wir können zwar viele Gespräche und viel Hin und Her führen und wir können auch Ihre Fragen beantworten, aber wir dachten, dass wir nach allem, was wir gelernt haben, versuchen werden, ein Deck zusammenzustellen, das wir durchgehen könnten. Es bietet also nur ein gewisses Maß an Struktur für

zu dem Gespräch, das wir führen werden. Also füge ich einfach das Deck zur Ansicht hinzu. Ich hoffe, es ist für alle sichtbar. Kannst du das Deck sehen? Okay, großartig. Wir werden also im Grunde über die Entwicklung von Produkten im Zeitalter der KI sprechen. Und bevor wir beginnen, wenn wir zur nächsten Folie übergehen. Bevor wir jedoch beginnen, eines der Dinge, können wir zur nächsten Folie übergehen,

Das Ziel der Konversation besteht im Wesentlichen darin, zu sehen, was andere Leute bauen. Oft können wir uns in der Blase unserer eigenen LinkedIn-Follower oder einiger Influencer auf YouTube oder Instagram wiederfinden und das denken und die Fähigkeiten der KI entweder überschätzen oder unterschätzen. Aber sich nur Beispiele von Dingen anzusehen, die andere Leute bauen, ist unglaublich hilfreich und irgendwie wertvoll

setzen Sie unsere Maßstäbe und schauen Sie, was möglich ist. Und die zweite ist, dass dies nicht die Antwort auf alle Fragen ist. Dies hilft uns im Wesentlichen nur dabei, herauszufinden, welche Fragen wir stellen sollten. Stellen Sie sich dieses Gespräch also nur als Ausgangspunkt vor, um neue KI-Produkte zu entwickeln. Lassen Sie uns also über KI sprechen. Wir gehen zum ersten Teil über, in dem alle Terminologien zusammengefasst sind. Wir gehen zur nächsten Folie, Prashan. Also all die Terminologien, die Sie normalerweise selbst finden.

Hören, darüber reden wir, also, weißt du, Autopilot und Copilot, also, was ist der zentrale Unterschied, die Vertikalisierung von LLMs, was bedeutet es, wenn Leute enge KI sagen, was sind KI-Wrapper, weißt du, wenn wir ein neues Produkt entwickeln, andere Leute auch KI haben und KI einfach nicht finanziert wird, der Vertrieb ist noch schwieriger geworden. Und das letzte Stück, das Sie vielleicht nicht sehen können, das aber im Wesentlichen besagt:

lösen Sie nach genauen Daten, und dann kann KI nach einem anderen suchen. Autopilot und Copilot werden also zuerst gestartet. Der Unterschied zwischen den beiden besteht also im Wesentlichen darin, dass, wenn eine Person zur Erfüllung einer Aufgabe benötigt wird, dies im Allgemeinen als Copilot bezeichnet wird. In diesem Fall hilft die KI der Person, die Aufgabe zu erledigen, die Aufgabe besser zu erledigen, die Aufgabe schneller und mit höherer Qualität zu erledigen. Wenn so etwas passiert, spricht man von einem Copiloten, und genau dort befindet sich die KI

Es ist eher eine assistive Regel, nicht eher eine assistive Regel. Beim Autopiloten ist eine Person möglicherweise nicht erforderlich, oder? Also, wo du es quasi einstellst und es vergisst. Sobald Sie also den Kontext festgelegt und getestet haben, ist die KI-Engine oder der KI-Agent bereit, sozusagen in die reale Welt zu gehen und dann die Aufgaben auszuführen. Die zweite größere Chance besteht in der Vertikalisierung großer Sprachmodelle.

LLMs, wir alle sind uns dessen bewusst. Es gibt ein LLM von OpenAI, das größtenteils Chad GPT ist. Es gibt ein LLM von Meta, das Lama heißt. Es gibt ein LLM von Perplexity und so weiter und so weiter. Es gibt also ein paar LLMs, die es in der realen Welt gibt und die auf den Daten trainiert werden, die im Internet verfügbar sind. Bestimmte LLMs sind besser in der Recherche. Andere LLMs eignen sich besser für generative KI-bezogene Anwendungsfälle.

Die Konfiguration von LLMs für eine bestimmte Branche bietet jedoch eine große Chance. Also für eine bestimmte Rechtsabteilung, eine bestimmte Branche wie Gesundheitswesen oder Finanzdienstleistungen und so weiter und so fort. In diesem Fall bietet das LLM deutlich mehr Kontext zu einer bestimmten Branche oder einem bestimmten Anwendungsfall, sodass es in der Lage ist, deutlich bessere Ergebnisse zu erzielen als Ihre Allzweck-LLMs. Eine gute Art, darüber nachzudenken, ist, dass dies der genaue Unterschied zwischen einem niedergelassenen Arzt und

und dann MD der Chirurgie. Es wird also immer spezifischer und vertikalisierter und besser, wenn es sehr spezifisch über die jeweilige Sache lernt. Der andere Teil ist die enge KI, also das Bauen, es könnte das Bauen von KI-Wrappern beinhalten, es könnte auch das Erstellen eines Lump-Modells beinhalten, was auch immer Sie bauen, aber es baut nur für einen ganz bestimmten Anwendungsfall. Also nicht einmal für eine Branche bauen, sondern für eine Abteilung innerhalb einer Branche.

Zum Beispiel die Entwicklung von KI-Tools oder -Plattformen, die Fluglotsen verwenden können. Dies ist für eine bestimmte Abteilung innerhalb einer bestimmten Branche bestimmt und äußerst spezifisch. Und das könnte eine Mischung aus Drag sein, es könnte ein Wrapper sein, könnte die Konfiguration oder Feinabstimmung in LLM sein, was auch immer der Fall sein mag. Aber absolut für einen engen, engen Anwendungsfall zu bauen, bei dem Sie eine Prämie verlangen und nur sehr wenige Kunden haben könnten.

Der vierte sind KI-Wrapper. Wrapper sind also Dinge, die größtenteils auf LLMs aufbauen. Die meiste Software, die wir da draußen sehen und bei der es um KI-Elemente auf den Plattformen geht, sind also Wrapper. Und diese sind deutlich einfacher zu erstellen. Und Sie werden auch sehen, dass immer mehr davon gebaut werden. Und sie tragen auch die...

Nachteil, dass Sie in Bezug auf die Technologie keinen großen Vorteil haben. Wenn Sie also einen Wrapper bauen können, habe ich auch Zugriff auf dieselben großen Sprachmodelle und ich kann auch einen Wrapper erstellen. Die Welt wird sich verändern, quasi größtenteils wird die Welt durch Wrapper verändert, die gerade gebaut werden. Die meiste Software, die Sie verwenden werden, wird aus Wrappern bestehen, die auf großen Sprachmodellen basieren. Ein gutes Beispiel für einen Wrapper, den Sie sehen würden, ist

Die Bildgenerierung in Canva ist ein gutes Beispiel für einen Wrapper oder die Möglichkeit, Bildunterschriften in Hootsuite, einem Social-Media-Planungstool, oder Buffer, einem weiteren Social-Media-Planungstool, zu schreiben. All dies sind Wrapper, die auf anderen existierenden LLMs basieren. Einige grundlegende Dinge, die Sie beim Bauen im Bereich der KI beachten sollten, sind, dass auch andere Menschen über KI verfügen. Und wenn du KI einfach als Teil deines Decks hast, verstehst du dich nicht

get you equity. ist sozusagen aus einer Menge Leute entstanden, die ich getroffen habe und die mir gesagt haben, dass sie ein KI-Unternehmen sind und immer noch keine Finanzierung bekommen können, obwohl der KI-Raum extrem schwierig ist. Deshalb ist es wichtig, sich daran zu erinnern, dass KI jetzt, wenn man im Technologiebereich baut, eine notwendige, aber keine ausreichende Voraussetzung ist. Und trotzdem bleibt der Wassergraben als Verteilung da, oder? Also die Anzahl der Kunden, die Sie gewinnen können, die Anzahl der Leute, die Ihr Produkt verwenden, dass

Es wird immer schwieriger, den Markt zu erobern, was Sie tun, und das ist immer noch der Modus in diesem Bereich. Wir werden zum nächsten übergehen, bei dem ich sichergehen möchte, dass es bestimmte Möglichkeiten gibt. Das ist nicht die ganze Welt aller KI-Möglichkeiten, die es da draußen gibt. Ich möchte ausdrücklich klarstellen, dass dies keine vollständige Liste ist. Hier sind einige Dinge, die nicht enthalten sind, auch wenn einige Dinge nicht vollständig sind. Es gibt also viele Dinge, die nicht enthalten sind.

Denken Sie also bitte nicht, dass dies eine Art „Alles, Ende“ -Liste von allem ist, was im Bereich der KI möglich ist, wenn Sie mit dem Bauen beginnen möchten. Aber bestimmte Dinge, über die ich nichts weiß, sind Hardware, wie KI-Möglichkeiten in der Hardware, KI-Möglichkeiten im Internet der Dinge, KI-Möglichkeiten in Blockchain und Web3 sowie KI-Möglichkeiten in AR und VR. Das sind also einige Dinge, die wir nicht gut genug verstehen. Ich weiß nicht, welche Möglichkeiten es gibt. Dies sind größtenteils KI-Möglichkeiten im Softwarebereich oder im SaaS-Bereich.

Raum, über den wir sprechen. Betrachten Sie diese Liste also bitte nicht als vollständige Liste. Wir fahren mit dem nächsten fort. Also eines der Dinge, die zwei große Ansätze mögen. Zum einen wollen wir untersuchen, wie KI bei der Erbringung von Dienstleistungen im Vergleich zu Produkten eingesetzt werden kann. Bei der Servicebereitstellung ist es also ziemlich einfach, und so verwenden wir es auch bei Momentum, was bedeutet, dass unsere Codequalität deutlich besser geworden ist. Wir sind in der Lage, einen gewissen Teil der Qualitätssicherung und der Tests zu automatisieren. Wir sind in der Lage, ansprechende Beiträge zu schreiben.

Wenn Sie eine digitale Agentur sind, können Sie das in den sozialen Medien nutzen. Wir sind in der Lage, schnellere Design-Iterationen durchzuführen. Im Großen und Ganzen sind die Bearbeitungszeiten deutlich kürzer geworden. Und gleichzeitig ist unsere Produktionsqualität deutlich besser geworden. Das ist also im Großen und Ganzen ein Ansatz zur Nutzung von KI als Teil der Servicebereitstellung. Also, wenn Sie ein Agenturgründer sind, der eine digitale Agentur oder eine IT-Technologiedienstleistungs- oder Technologieberatung oder eine Forschungs- und Entwicklungsagentur oder ein Markt ist.

Entschuldigung, nur eine Sekunde.

oder als Beispiel, wie eine Markteintrittsberatung. Dann könnten Sie bei der Erbringung von Dienstleistungen KI als Teil der Erfüllung von Projekten einsetzen, die Sie abschließen können. Und dann der Ansatz, KI-Funktionen als Teil eines Produkts oder nur als native KI-Funktionen zu integrieren, zu implementieren oder aufzubauen. Das ist die KI in Produkten. Und darüber werden wir auf den folgenden Folien sprechen. Also, eines der Dinge, und Kaushik, werden wir zur nächsten Folie übergehen. Also eines der Dinge, die wir getan haben, ist, dass wir

allgemein kategorisiert, was KI leisten kann. Und dann haben wir einige Beispiele aufgelistet, wie andere Unternehmen sie bereits erreicht haben, um sie als Inspiration dafür zu betrachten, was getan werden kann. Einer der wichtigsten Punkte ist also die Entwicklung nativer KI-Erlebnisse. Die meisten großen Unternehmen haben also nicht angefangen, darüber nachzudenken, was KI heute tut. Wenn Sie also an Unternehmen wie Notion, ClickUp, Office 365, Google Workspace denken, an alle.

haben auf das reagiert, was die KI getan hat. Und so haben sie im Nachhinein versucht, KI in ihre eigenen Benutzererfahrungen und ihre eigenen Workflows und solche Dinge einzubauen. Es besteht also eine extrem große Chance darin, Aufzeichnungssysteme, Interaktionssysteme oder Entscheidungssysteme zu entwickeln, die nativ mit KI ausgestattet sind. Was ist also, wenn Sie vergessen, wie die Software in den letzten 10, 12 Jahren entwickelt wurde, und Sie nur über eine grundlegend neue und native KI verfügen

verwandter Ansatz zur Entwicklung Ihres Produkts. Und das wird viel innovatives Denken erfordern, weil wir alle von Software umgeben sind und wir uns auch von Dingen inspirieren lassen, die uns umgeben. Aber das ist eine weitere große Gelegenheit, darüber nachzudenken. Als Nächstes, wenn wir dazu übergehen könnten, schauen wir uns einige der Anwendungsfälle an. Einer der ersten Anwendungsfälle, die wir uns ansehen werden, ist, Kaushik, wenn wir zur nächsten Folie übergehen können, welche Fähigkeiten hat KI in Bezug auf das Sehen von Dingen?

Die erste ist also, dass KI Dinge sehen kann. So kann sie Bilder und Videos sehen und Bilder und Videos in Text umwandeln. Dies sind also alle Beispiele dafür, was KI tun kann. Beispielsweise extrahiert iOS Telefonnummern aus Bildern. ATS, Applicant Tracking Systems, können Lebensläufe scannen und dann die Anforderungen abgleichen. Es kann sich also etwa tausend Lebensläufe ansehen und herausfinden, welche Lebensläufe den Anforderungen des Unternehmens am nächsten kommen.

Matching kann passieren. Facebook erkennt alarmierendes Verhalten bei Livestreams. Wenn Gewalt oder gewalttätige Inhalte gestreamt werden oder wenn jemand anfängt, sexuelle Inhalte zu streamen, verwendet Facebook KI, um den Inhalt zu sehen. Dann erkennt es alarmierendes Verhalten und unternimmt dann die nächsten Schritte. So kann es Bilder oder Videos in Text umwandeln. Das ist eine Art Regenschirm.

Fähigkeit, eine der übergeordneten Fähigkeiten, über die KI verfügt. Und dann ist hier, wie Unternehmen sie nutzen. Der nächste. Und so kann KI auch Erkenntnisse gewinnen. Da LLMs also auf allen Daten geschult werden, die im Internet existieren, kennt sie den Markt, die Konkurrenz und die Kunden. Ein Beispiel: Eine unserer Kunden, Alfana, die auch in unserem Podcast ist, wandelt übrigens einen Inhalt in 32 Inhalte um. Also legst du ein.

wie ein Podcast-Video oder eine Episode, es wandelt das in Transkripte um, in Untertitel, in Beiträge in sozialen Netzwerken, in kurze Videos, in einen Blogbeitrag, in all diese Teile. So kann es Erkenntnisse aus der ganzen Welt, aus dem Internet oder aus den Inhalten, die Sie angeboten haben, aufdecken und diese dann in alle Outputs umwandeln, nach denen Sie vielleicht suchen möchten. Versicherungsunternehmen nutzen es also, um Risiken zu bewerten. Banken berechnen die Kreditwürdigkeit auf der Grundlage der Historie.

So kann es große Datenmengen betrachten und dann Erkenntnisse gewinnen. Es kann Muster erkennen und es kann Ihnen helfen, bessere Entscheidungen zu treffen, oder es kann Ihnen auch helfen, eine gewisse Menge an Inhalten zu generieren. Die nächste ist im Grunde genommen, dass KI weiterhin Erkenntnisse gewinnen kann. Es gibt auch viele andere Anwendungsfälle. Power BI ist also ein Beispiel, verwendet dieses Stück für natürliche Abfragen. Anstatt also einen Datenanalysten sozusagen Pivot-Tabellen erstellen zu lassen, zu konvertieren und zu verbinden und all das zu erledigen.

Jonglieren in Power BI. Ich kann einfach mit einer natürlichen Aufforderung meine Diagramme und Grafiken erstellen und Antworten erhalten, nach denen ich suche. Das iPhone löst automatisch die Fokusmodi aus, je nachdem, was mein Muster ist und was ich gerade mache. ArcGIS analysiert geografische Daten, um Trends zu erkennen, Marktbewegungen vorherzusagen und neue und bevorstehende Chancen im Immobilienbereich aufzuzeigen. Also, wie kaufen die Leute Häuser? Wie kaufen die Leute?

Einzelhandelsflächen, wie kaufen Menschen Gewerbeflächen oder Unternehmen Gewerbeflächen? Das heißt, es betrachtet all diese Daten, all diese Trends und gibt dann auch noch Einblicke. Kannst du zum nächsten übergehen? Die andere Sache, die KI kann, ist, dass sie es kann, das ist generative KI, oder? Sie kann also auch etwas erschaffen und generieren. So kann es visuelle Kunst, Videos, Stimme und sogar Musik kreieren. Dies ist der grundlegende Anwendungsfall, den wir als Verbraucher oder Kunde häufig sehen.

Es gibt also eine Reihe von Beispielen. Du kannst dir Gemini ansehen, du kannst dir GitHub Copilot ansehen, um Code zu schreiben, Gemini, um Songtexte für einen Song zu schreiben, ChatGP, um einen Beitrag in sozialen Netzwerken zu schreiben oder eine E-Mail zu schreiben, Mid Journey erstellt digitale Kunstwerke. Es kann kreieren und generieren. Zuvor haben wir uns angesehen, wie es generiert werden kann, wie es Videos und Bilder in Text umwandeln kann. Dies ist umgekehrt, hier können Sie eine Eingabeaufforderung eingeben.

Und dann wird es seine eigene Intelligenz nutzen, um visuelle Kunst, Videos, Stimme und sogar Musik zu kreieren. Als Nächstes.

Und so kann KI auch Dinge hören. So kann es Sprache verstehen und Stimmen erkennen. Es gibt Unternehmen, die das tun, also Alexa ist das größte, beste Beispiel dafür, aber es gibt, wissen Sie, N Anzahl von Sprachlehrern da draußen, die verstehen, was Sie sehen, und Ihnen dann sagen, ob Sie, wie gut Sie in der nächsten, wie gut Sie in der zweiten oder dritten Sprache, die Sie verwenden, abgeschnitten haben. Das ist, weißt du, einer der Kunden, die wir haben, implementiert das auch in das.

Auch Erinnerung oder Totensammlung. Es kann Anrufe tätigen, Dinge sagen und dann kann es die Antworten hören und dann darauf aufbauen, dass es Entscheidungen treffen und dann auch darauf reagieren kann. Die Tatsache, dass KI auch Dinge hören kann, hat eine Vielzahl von Anwendungsfällen zur Folge. Gehe zum nächsten.

Und dann kann KI grundlegende Aufgaben übernehmen, oder? Das ist also quasi der Übergang von einem Copiloten zu einem Autopiloten. Tesla bietet also ein großartiges Fahrerlebnis, das auf Straßen basiert. Power Automate erstellt Automatisierungen auf der Grundlage historischer Daten. Das ist im Grunde möglich: Die intelligenten Kühlschränke von LG bereiten Lebensmittel für Sie zu. Und dann wird es in nicht allzu ferner Zukunft auch bei Amazon bestellen können. Das sind also all die magischen Dinge und grundlegenden, absolut grundlegenden Aufgaben.

das kann KI auch heute. Sie kann Kunden dabei helfen, grundlegende Büroaufgaben zu erledigen und auch im täglichen Leben zu helfen. Das nennen sie auch Autopilot oder KI-Agent. Der nächste.

Einige Dinge, die es zu beachten gilt, sind, dass, wie ich bereits sagte, der Vertrieb noch schwieriger ist als früher. KI-Sicherheit: Sie müssen Ihre Zeit und Energie investieren, um sicherzustellen, dass die KI, die Sie implementieren, für die Benutzer sicher ist. Was also im Wesentlichen zu Ihrem Motiv wird, ist, wie gut Sie den Anwendungsfall verstehen, um KI zu implementieren und sie besser, schneller, billiger und qualitativ hochwertiger zu machen? Das ist also im Grunde...

wird einer der vielen sein, die man beim Entwickeln hat, insbesondere Null-zu-Eins-Anwendungsfälle in der KI. Sehr, sehr klare Definition dessen, wer Ihre idealen Kunden sind. Und denken Sie bitte daran, dass die Entwicklung einer beliebigen Software eine Einmalzahlung ist. Deshalb sollten Sie zuerst versuchen, künstliche Intelligenz durch natürliche Intelligenz zu ersetzen. Also mach die Dinge einfach selbst. Und wenn Sie dann sehen, dass Sie dem Druck nachgeben und was auch immer Sie tun, extrem gefragt ist, möchten Sie anfangen, es durch KI zu ersetzen.

Machen Sie die Dinge zuerst selbst, sorgen Sie für Nachfrage. Sobald eine Nachfrage besteht, fangen Sie an, Software zu entwickeln. Und dann verbessert man die Software, sodass man durch das Erfüllen der Aufgaben quasi ersetzbar wird. Und das ist eine großartige Möglichkeit, ein KI-Produkt oder eine KI-Anwendung zu entwickeln. Und ich denke, das ist so ziemlich alles, Kaushik. Und ich wollte das nur euch allen vorstellen. Hoffe das war hilfreich. Wir können auch mehr über AI Piece besprechen. Aber ja, das ist es also.

Irgendwie ein paar Gedanken zu Anwendungsfällen und einige Gedanken darüber, welche Kategorien und Oberbegriffe es gibt, wenn es um Möglichkeiten bei der Entwicklung von KI-Produkten geht. Ich hoffe das war hilfreich. Was dachtest du, Kaushik Jai? Hat es dir mehr Fragen als Antworten gegeben? Hat es dir Antworten gegeben, dass du jetzt absolut klar bist? Was sind deine Gedanken? Antworten, die zu mehr Fragen führen würden. Ja, das Ziel bei der Zusammenstellung war

dass wir alle seit einiger Zeit viel darüber gelesen haben, was im KI-Bereich passiert. Dieses Deck kategorisiert im Wesentlichen nur irgendwie. Ich weiß, dass uns in diesem Deck auch viele Dinge fehlen. Aber es beginnt zumindest auch mit der Kategorisierung der möglichen Anwendungsfälle. Ja. Ich denke, eine interessante Sache von diesem Deck zum Mitnehmen, die jeder, der sich das anschaut, mitnehmen könnte, ist

Ein wichtiger Teil der Entscheidung über Ihre Implementierung. Bei der KI-Implementierung geht es darum, den Umfang dessen, was Sie implementieren möchten, festzulegen. Sie haben also, dass jeder einen Job hat und jeder Job hat eine Aufgabe. Nicht nur eine Aufgabe, viele Aufgaben. Ich denke, die Erklärung, die Sie gerade gegeben haben, würde ihnen helfen, herauszufinden, für welche Aufgabe KI-Fähigkeiten erforderlich sind oder für welche Aufgabe keine KI-Fähigkeiten erforderlich sind.

Weil diese Differenzierung weit verbreitet ist und die Menschen nicht versuchen, sie zu verstehen oder gar eine Entscheidung darüber zu treffen. Nicht alles muss innerhalb der Aufgabenstellung, die es hat, über eine KI-Fähigkeit verfügen. Also ich denke, das ist ein Imbiss, den ich wahrscheinlich gehabt hätte. Das ist eigentlich ein altes Problem bei der Herstellung von Null-to-Eins-Produkten, oder? Zumindest für Erstgründer besteht eine der Herausforderungen darin, dass wir es tun, weil wir es können.

Und wenn wir anfangen, Dinge zu bauen, nur weil wir es können, ist das im Grunde genommen eine Lösung, die nach einem Problem sucht, anstatt zuerst nach einem Problem zu suchen und es dann zu lösen. Das ist also eine der größeren Herausforderungen, eine Art Hürde. Ich habe das durchgemacht und es ist extrem schmerzhaft, eine Lösung zu finden, die dann quasi nach einem Problem sucht, das nicht der ideale Ort ist.

Also, genau wie bei der traditionellen SaaS-Reise, war es so, als ob ein Gründer einfach mit einem Produkt beginnt und ein Produkt entwickelt, um ein Problem zu lösen, oder? Und dann lassen sie sich irgendwann so sehr darauf ein, dass sie einfach so in eine weitere Feature-Falle tappen. Genauso ist es bei KI, es ist so, als ob eine Menge Fähigkeiten da sind und die Leute dann vergessen, welches Ausgangsproblem sie zu lösen versuchen. Und dann wiederum konzentriert es sich auf „Ich“, sie konzentrieren sich mehr auf das Geben.

verwirrt darüber, von welcher Art von Angebot man Gebrauch machen soll. Also natürlich muss der Umfang klar definiert sein und vielleicht sollte dann der richtige Schritt getan sein. Ja, ja, tut mir leid. Das möchte ich nur ergänzen. Ich habe ein Lieblingsmeme zu diesem Thema, nämlich wenn du The Office gesehen hast, wenn Leute, die das sehen, wenn sie The Office gesehen haben, was eine wirklich gute Serie ist. Es gibt also ein Meme über Michael Scott, der einfach auf einer Bank sitzt.

Und dann steht oben nur, dass ein Feature veröffentlicht wurde, jetzt sollte ich mehr Kunden bekommen. Und das ist Michael Scott, der einfach auf der Bank wartet und sich ein paar Tauben und Katzen ansieht und nur denkt, dass ich das Feature jetzt veröffentliche, jetzt werde ich sofort viele Kunden gewinnen. Und so passiert es nie. Also hier ist ein guter Hack, den ich gefunden habe. Vorher, als ich das durchgemacht habe,

Immer wenn mich jemand fragt oder ich mich fragen würde, warum ich nicht genug Kunden habe, würde ich mir selbst antworten und sagen, weil ich keine bestimmte Funktion habe oder weil ich kein bestimmtes Modul habe oder weil ich keinen bestimmten Workflow innerhalb des Produkts habe. Und mein Leben änderte sich, als ich mich zwang, diese Frage zu beantworten, ohne eine Funktion, ein Modul oder einen Workflow zu benennen. Warum habe ich also keine Kunden? Wenn ich nicht darf.

über mein Produkt, meine Funktion, mein Modul, meinen Workflow sprechen. Was wäre meine Antwort? Ist meine Positionierung nicht gut genug? Ist die Definition meines idealen Kunden nicht eng genug? Reichen meine Outreach-Methoden nicht aus? Reicht meine Recherche nicht aus? Ist das Problem, das ich löse, nicht groß genug? Und so weiter und so fort. Also habe ich mich einmal dazu gezwungen, dass die Antwort nicht das Produkt sein kann,

Feature, Modul oder Reise, was sind dann die anderen möglichen Antworten darauf? Seitdem denke ich, ich sage nicht, dass es für das Unternehmen besser geworden ist, aber es hat definitiv dafür gesorgt, dass wir in die richtigen Richtungen investieren. Wir investieren also in die Verbesserung unserer Marketingfähigkeiten, werden bessere Verkäufer, probieren neue Märkte aus, definieren das Problem besser und so weiter und so fort. Aber tut mir leid, Jay, du hast etwas gesagt.

Ja, nein, nein, das macht definitiv Sinn. Ich habe nur versucht, das in Bezug auf SaaS-Produkte zu verstehen, die es bereits gibt. Ich meine, wir sprechen über die Entwicklung von KI-Produkten, also geht es mehr um Möglichkeiten, über die wir gesprochen haben, die bei Null beginnen. Aber denen, die es bereits gibt, geht es gut und sie versuchen immer noch herauszufinden, welche KI-Komponente sie haben sollten. Haben Sie einen Prozess oder einen Vorschlag zu welchem?

wo sie für die Produkte beginnen können, die noch keine genaue KI-Funktion haben, das Produkt aber verwendet wird. Es könnte in jedem Segment sein. Gibt es also eine Möglichkeit, sich auch dort zu nähern? ganz gewiss. Also hier ist eine gute Möglichkeit, darüber nachzudenken. Schauen Sie sich Ihre aktivsten Kunden an, sprechen Sie mit ihnen und fragen Sie sie, welche anderen KI-Tools sie in Verbindung mit Ihrem Produkt verwenden. Also gebe ich Ihnen ein Beispiel. Also ein Beispiel für

Also ein sehr einfaches Beispiel dafür, wie ich diese Streams plane. Also verwende ich Restream, um diese Streams zu planen. Und eine der Arten, wie ich ein KI-Produkt verwende, das von Restream getrennt ist, besteht darin, Bildunterschriften zu schreiben und zwar eine Beschreibung für das Event oder für das Live, das wir gerade machen. Nun, wenn der Produktmanager bei Restream mich fragen würde, welche anderen KI-Tools verwende ich zusammen? Und dann, tut mir leid. Und dann nutzen wir auch eine Plattform namens Riverside.

um die Konversation, die heute hier stattfindet, in kleinere Videos umzuwandeln. Und dann benutzen wir eine andere Plattform. Ich kann mich nicht erinnern, dass unser Social Media Manager das benutzt hat. Wir verwenden jedoch eine andere Plattform, um dies live in einen Blogbeitrag umzuwandeln. Also, wenn der Produktmanager von Restream sich an mich wendet und mich fragt, ob Sie die Live-Video-Streaming-Funktion von Restream seit etwa einem Jahr nutzen und Woche für Woche durchgehend live sind.

Welche anderen KI-Tools verwenden Sie in Verbindung mit Streaming nur für diesen speziellen Anwendungsfall? Ich würde ihnen die Liste dieser drei Produkte geben. Wenn dieser Produktmanager nun mit mir spricht und dann mit mindestens 100 anderen Leuten wie mir spricht, kann er eine Liste mit fünf oder sieben Dingen erstellen, die den 80% der Kunden, die es verwenden, gemeinsam sind und die es in Verbindung mit ihrem Kernanwendungsfall verwenden.

Und dann ist es am besten, mit dem ersten grundlegenden und fundamentalen Anwendungsfall zu beginnen. Also, wissen Sie, ReStream könnte damit beginnen, mir zu ermöglichen, automatisch Untertitel oder Social-Media-Beschreibungen zu generieren, die auf dem Thema und dem Thumbnail basieren, das ich habe. Und dann könnte es mir langsam und schrittweise ermöglichen, Transkripte zu generieren, und dann würde es mir ermöglichen, Blogbeiträge zu generieren, und dann würde es mir ermöglichen, kurze Videos zu generieren, es würde mir ermöglichen, usw. zu generieren, oder?

Und ich würde gerne zu viel bezahlen, weil ich derzeit für vier Tools für einen Stream bezahle. Also würde ich gerne mehr für das Restream bezahlen. Denken Sie jetzt auch auf anderen Plattformen darüber nach. Nehmen wir also an, ich baue einen Social-Media-Scheduler oder ob ich ein Aufgaben- oder Projektmanagementsystem erstelle oder ob ich ein Vertriebs-CRM oder ein Marketing-CRM aufbaue, wie im Martech-Bereich im Allgemeinen.

Wenn ich eine Website entwickle, was auch immer der Fall sein mag, in und um den Kernanwendungsfall herum, den mein Produkt für meine aktiven Kunden hat, welche zusätzlichen KI-Anwendungsfälle gibt es für Peripherieanwendungen? Ich verwende vielleicht Gemini, ich verwende vielleicht Perplexity, ich verwende vielleicht ChatGPT, ich verwende vielleicht verschiedene Tools und Plattformen, aber sie sind immer noch Teil desselben Workflows, von der Möglichkeit, nicht live zu gehen, um live gehen zu können.

Und das ist eine großartige Möglichkeit, das zu tun. Leider liegt die Antwort auf diese Frage, so sehr ich sie auch haben möchte, leider nicht in Forschung und Technologie. Entschuldigung, sie liegt nicht in der technologie- und technologiebezogenen Forschung. Es stützt sich auf Forschung und kundenbezogene Forschung. Dort sollte also jede Reise beginnen. Aber ich denke, das ist...

Damit sind wir auch am Ende des heutigen Gesprächs angelangt. Wir haben ein neues Format ausprobiert. Und falls ihr wollt, dass wir auch andere neue Formate ausprobieren, dann ist das ein neues Format, das wir dieses Mal gemacht haben. Dort haben wir euch das Deck vorgestellt. Wenn Sie möchten, dass wir andere neue Formate ausprobieren, ermutigen Sie uns bitte, indem Sie uns abonnieren, wo auch immer Sie sich das ansehen, ob YouTube oder LinkedIn. Sie können liken, teilen, kommentieren, was auch immer Sie für in Ordnung halten. Erwägen Sie, das zu tun. Und wir werden es versuchen.

neuere, bessere Formate auch für diese Sprechstunden-Streams. Bis dahin danke ich dir fürs Mitmachen und hoffe, das war wertvoll. Wir sehen uns beim nächsten Mal. Tschüss.