资讯 - HRTechChina.com - 向上的力量！

资讯

高顿财经教育获8亿元C轮融资，未来要做财经教育生态，高瓴资本与摩根士丹利联合领投来自芥末堆 11月19日讯财经教育机构高顿集团近日宣布，获得8亿元C轮融资。本轮融资由高瓴资本与摩根士丹利联合领投，涌铧投资、嘉御基金跟投，将主要用于构建国际化终身财经教育生态，并加强在人工智能、大数据、云计算等科技领域的投入。成立之初，高顿以To B业务起家。经过十几年的发展，高顿深耕财经教育领域，在To B业务的基础上，开拓To C市场。目前高顿旗下拥有B2B(高顿财税学院)、B2C(高顿财经、高顿网校)两大事业群和七大事业部。据了解，高顿曾于2014年A轮获得新东方战略投资，2015年B轮引入前程无忧战略投资。目前高顿以陆续开设的40多家分公司和20多所分校，为50,000多家企业提供财务能力提升解决方案，实现针对个人财经资格认证及企业财税咨询培训的行业全覆盖。同时，高顿还在基于自身构建的财经知识图谱和积累的用户学习数据，探索如何使用大数据和教育科技为教育赋能。事实上，自适应系统一直都是高顿的重点业务布局之一。在GET2017上，高顿教育联合创始人吴江华表示，人工智能带来了整个教育思维核心的转变，以用户为中心，在大数据的驱动下，因材施教有了更多可能。他认为教育行业的三个痛点在于，个性化的需求越来越强烈，但供给还不足。因为教育的特性，整个行业重服务，不管做到多大规模边际成本始终无法下降。还有教育产品标准化不够。这些痛点在吴江华看来，逐渐成熟的技术是可以改善的。芥末堆曾报道过，此前高顿教育集团推出CPA个性化辅导品牌VIPCPA，以人工智能自适应学习产品+学习过程管理服务模型，为学员提供1对1的个性化辅导，提高CPA考生学习效率。 51JOB减持了一部分股票，出售上海高顿教育培训有限公司股份所获得的6110万元(约合890万美元)收益；截至2018年9月30日，前程无忧持有的高顿教育股份从15.0%降至12.7%；

资讯
2018年11月19日
资讯

新东方在线已通过在港上市聆讯传集资2亿至3亿美元新浪科技讯 11月19日上午消息，据经济通报道，在线教育服务供应商新东方在线已通过在港上市聆讯，开市收集投资者认购意向。新东方在线于7月11日正式向港交所提交的招股书，当时计划募资4亿美元。受资本市场大环境影响，故而调低了募资规模。早前市场消息指出，新东方在线此次上市集资2亿至3亿美元。新东方在线由新东方于2005年成立，主要向处于不同年龄阶段的学生提供三个核心类别的在线教育课程—大学教育、K-12教育及学前教育。据招股书显示，新东方在线于2016财年营收为3.34亿元，净利润为5955万元；2017财年营收为4.46亿元，净利润为9221万元。截至2018年2月28日止九个月营收为4.85亿元，净利润为8077万元。招股书披露，新东方为新东方在线最大股东，持股66.72%，腾讯通过全资附属公司Image Frame持股12.06%，为第二大股东。俞敏洪全资持有的控资控股公司Tigerstep持股1.85%。

资讯
2018年11月19日
资讯

WeWork又获得软银30亿美元融资文/Jordan Crook 据外媒报道，WeWork已从SoftBank Corp获得另外30亿美元的融资。该交易以权证的形式出现，允许软银支付30亿美元，以便在2019年9月之前以110美元或更高的价格购买股票，最终WeWork估值至少420亿美元。 8月，SoftBank Corp以可兑换票据的形式向WeWork投资了10亿美元。据英国“ 金融时报”报道，软银将在2019年1月15日向WeWork支付15亿美元，并在4月15日支付15亿美元。 SoftBank是WeWork最大的投资者，去年SoftBank Vision Fund已向该公司注资44亿美元。 WeWork的房地产业务只是公司战略的一个方面。 WeWork不仅仅是实际的土地，而是希望成为一般工作的中心结缔组织。该公司经常通过代表其300,000名会员进行谈判，以“整体销售”价格与主要服务提供商达成交易。此外，WeWork还为大型企业（如微软）开发了企业产品，这些企业往往签订租约更长，更有利可图。事实上，这些类型的交易占WeWork收入的29％。最大的问题是WeWork是否可以维持其令人难以置信的增长，这似乎是其估值飙升的关键。毕竟，WeWork尚未实现盈利。愿景能否成为现实？SoftBank似乎愿意赌它。以上为AI翻译，内容仅供参考。原文来源： WeWork picks up ANOTHER $3B from SoftBank

资讯
2018年11月14日
资讯

Forrester报告：2019年企业将缩减人工智能的规模文/VASCO PEDRO，UNBABEL 上周，Forrester发布了两份关于人工智能的调查报告——《2019年预测:自动化》和《2019年预测:人工智能》。引人注目的是一个没有企业真正愿意承认的统计数据：2019年，整整10%的公司将把人类的专业知识带回人工智能领域，这一趋势将在很大程度上归因于人工智能的局限性。让我们明确一点:我说的是商业上的人工智能驱动的自动化，而不是人工智能的进步，比如拯救生命。没有人认为人工智能在医疗保健和检测图像中癌细胞的训练算法上的标记值得后退一步。最好让机器里的医生继续工作。但说到商业，Forrester揭示了一些残酷的事实。没有哪个企业愿意承认自己的人工智能出现了问题，而作为一个人工智能驱动解决方案组织的商业领袖，我对任何一家经历过人工智能“后果”的公司都感到好奇。然而，人工智能的退步数据并不令人惊讶，尤其是当你从客户服务的角度来看人工智能时。是时候抑制AI的热情了? Forrester的报告令人惊讶的是，只有10%的公司明显在放弃人工智能。考虑到大量的公司正在自动化错误的事情，以及其他对人工智能完全不切实际的期望，我预计50%的受访者计划在2019年后退一步，把一些非常需要的人性带回循环。公司开始超越人工智能的规模经济，意识到调查揭示的一些残酷事实;也就是说，自动化是伟大的，但实际上，只有当它使您更接近您的客户，它才伟大。如果人工智能正在取代服务台上的人工智能或在线聊天工具上的人工智能，那么在客户服务和满意度方面，你就会陷入连败的境地。真相和证据都在外面，它告诉我们大多数人都喜欢与人接触。我们已经相互交流了几千年了，事实证明，客户服务是我们期待人类专家参与的一个领域。这一主张经得起推敲。看看哈佛商学院(Harvard Business School)的莱恩·w·布尔(Ryan W. Buell)过去10年对自动化的广泛研究吧。他已经证明，使用atm机的客户比真人柜员机的客户对银行的满意度要低，他在大都会人寿保险公司(Metlife)的自动电话吊唁信息中标注的“死亡相关保险客户索赔”，无疑是一个危险信号，表明同情不应被归入人工智能。自动化也许我们能从这项研究中得到的最大教训是，在大多数情况下，人类不应该被完全排除在人工智能的圈子之外。我们需要以一种表明我们了解客户真正想要什么的方式为人们实现自动化，并以一种使用自动化来促进客户支持过程的方式实现自动化。在人工智能和人类之间取得正确的平衡通常意味着使用自动化作为第一反应线。这吸引了绝大多数的客户，他们会尝试(甚至更喜欢)在联系现场代表之前自己解决问题。只要总是有切换到实时代表的选项，大多数企业都会发现这是自动化和人际接触之间的有效平衡。这方面的一个很好的例子是自动化，它可以检测到用户在旅途中的任何一步都有重复出现的困难，并通过人工客户支持代理触发一个聊天窗口。另一个例子是自动化收集和交付客户信息给客户支持代理在联系开始前，以便实际的对话是知情的和个性化的。它是关于使用自动化来帮助你的客户在他们需要的时候获得最好的，最快的，最个性化的客户支持。 2019年即将到来，这项研究的时机很好地提醒了我们，人工智能的到来是为了让我们能够自由地与客户进行良好的对话——不是简单直接的东西，而是最终建立和推动品牌忠诚度的真正问题。如果我们能让人类参与其中，并利用人工智能提高客户支持操作的效率，我们就能关注人工智能的潜力，而不是它的局限性。以上为AI翻译，内容仅供参考。原文链接：Businesses will scale back on AI in 2019

资讯
2018年11月13日
资讯

分析人士对价值80亿美元的SAP-Qualtrics收购交易进行了评估，认为这不会改变游戏规则文/Ron Miller 今天，SAP首席执行官Bill McDermott因公司周末价值80亿美元的Qualtrics收购案而备受关注。McDermott相信Qualtrics提供的数据可以弥补公司运营数据和客户之间的差距，无论客户在哪里。 Qualtrics的理念是，要理解客户的情绪。McDermott认为，这是该公司客户管理难题的关键部分，它不仅可以推动该公司成为客户体验领域的重要参与者，还可以推动公司的基础云业务。这是因为它提供了一种来自客户的持续反馈的方式，而这种方式很难以其他方式确定。在这种背景下，他认为这笔交易具有变革性。“通过将这些经验数据与操作相结合，我们可以通过Qualtrics和SAP将其结合起来，这是世界上从未有过的，我从根本上相信它将改变我们今天所知道的这个世界。” 其他密切关注该行业的人则不这么认为。虽然他们喜欢这笔交易，并看到了合并这些数据的潜力，但这可能不是麦克德莫特在花了80亿美元后所希望的游戏规则改变者。保罗•格林伯格(Paul Greenberg)是56家集团的董事总经理，著有影响深远的CRM书籍《光速下的CRM》(CRM at The Light of Light)。他表示，对该公司来说，这无疑是一笔巨大的收购，但他表示，要挑战市场领导者，需要的不仅仅是一两次收购。格林伯格表示:“这将是一次有益的收购，因为SAP希望继续将公司转向面向客户的方向，但无论如何，这都不是一次决定性的收购。” 客户体验是一个宽泛的术语，它涉及到从细粒度层次上了解客户，预测他们想要什么，了解他们是谁，他们买了什么，以及他们正在寻找什么。这些问题比你想象的要难解决，特别是因为它们涉及到从不同供应商的系统收集数据，这些供应商处理不同的问题。 Adobe和Salesforce等公司已将这作为其主要业务重点。SAP的核心是ERP公司，通过管理财务、采购和人力资源等关键的内部运营系统来收集数据。 Real Story Group创始人兼首席分析师托尼•伯恩(Tony Byrne)表示，他喜欢Qualtrics对SAP的影响，但他不确定它是否像McDermott建议的那样重要。Qualtrics可以让你做一些营销人员肯定想要的更复杂的调查，但它的双重好处是——不像SurveyMonkey和其他公司——Qualtrics在数字化工作场所方面有经验，可以补充SAP的一些人力资源工具。但他补充说，这并不是CEM的核心部分，他的公司的研究发现SAP仍然存在漏洞，尤其是在营销工具和技术方面(MarTech)。 CRM Essentials创始人布伦特•利里(Brent Leary)同意SAP收购了一家不错的公司，尤其是在今年早些时候以24亿美元收购了CallidusCloud之后，但要赶上Salesforce和Adobe还有很长的路要走。Qualtrics的确提供了一个更广泛的客户视角，因为来自后台和前台系统的运营数据。Callidus的收购有助于将洞察力转化为某些以bb为中心的客户体验。但我认为，在B2C体验创建工具方面，可能还需要更多的东西，Adobe和Salesforce等公司正专注于营销/体验云。 McDermott认为，这是否会真正改变游戏规则还有待观察，但我们采访的行业专家认为，这将更多地是一项渐进式举措，有助于推进公司的客户体验计划。如果他们是对的，McDermott可能还没有完成购物。以上为AI翻译，内容仅供参考。原文链接： Analysts weighing in on $8B SAP-Qualtrics deal don’t see a game changer 相关阅读：SAP在调查软件公司Qualtrics上市之前，以80亿美元将其收购

资讯
2018年11月13日

资讯

SAP在调查软件公司Qualtrics上市之前，以80亿美元将其收购文/Catherine Shu 企业软件巨头SAP今天宣布，已经同意以80亿美元的现金收购Qualtrics，在这家调查研究软件公司上市之前。该交易预计将于2019年上半年完成。Qualtrics 2016年上一轮风险投资基金以25亿美元的估值筹集了1.8亿美元。在甲骨文于2016年以93亿美元收购Netsuite后，这是有史以来第二大收购SaaS公司。在电话会议中，SAP首席执行官比尔麦克德莫特说，Qualtrics的IPO已经超额认购，两家公司几个月前就开始讨论了。SAP声称其软件涉及全球77％的交易收入，而Qualtrics的产品包括调查软件，使其9,000名企业用户能够衡量客户情绪和员工敬业度等因素。 McDermott比较了将SAP的运营数据与Qualtrics的客户和用户数据相结合与Facebook收购Instagram的潜在影响。“那些将90年代的科技带入21世纪的传统玩家们刚刚遭受重创。我们已经让市场上的现有参与者绝迹。(SAP的竞争对手包括甲骨文、Salesforce.com、微软和IBM。) SAP的全球总部位于德国瓦尔多夫，表示已获得70亿欧元（约合79.3亿美元）的融资，用于支付与收购相关的成本和购买价格，其中包括未结算的员工奖金和现金资产负债表。。 2002年共同创立Qualtrics的Ryan Smith将继续担任首席执行官。收购完成后，该公司将成为SAP云业务集团的一部分，但保留其位于普罗沃，犹他州和西雅图的双重总部，以及自己的品牌和人员。据Crunchbase称，该公司从投资者（包括Accel，Sequoia和Insight Ventures）筹集了4亿美元的风险投资资金。该公司计划首次以18至21美元的价格出售2050万股股票，这可能有可能达到约4.95亿美元。根据CrunchBase的Alex Wilhelm的说法，这将使其估值在39亿至45亿美元之间。今年，Qualtrics的收入从9710万$增长了8.5％，在第二季度的1.054亿$的第三季度，根据其IPO申请。它报告第三季度GAAP净收入为490万美元。这比上一季度报告的975,000美元增加，以及去年同期的净利润为470万美元。在2018年的前九个月，Qualtrics的经营现金流增长至5250万美元，而2017年同期则为3610万美元。在今天的公告中，Qualtrics表示，预计其2018年全年收入将超过4亿美元，预计远期增长率将超过40％，不包括其收购SAP的潜在协同效应。 Qualtrics的主要竞争对手包括9月上市的 SurveyMonkey 。以上为AI翻译，内容仅供参考。原文链接： SAP agrees to buy Qualtrics for $8B in cash, just before the survey software company’s IPO

资讯
2018年11月12日
资讯

101.Careers推出CAI——世界上第一个职业预测机器人 101.Careers是第一个面向13岁及以上学生的全球性职业探索平台，与SoMin.ai合作完成了这一工作。利用来自Youtube，Facebook，Instagram，LinkedIn和Twitter等社交媒体的公开数据，CAI，101的专有职业AI机器人，处理文本，图像，视频，在几秒钟内预测用户的个性类型和相应的职业选择。 101.Careers成立于2018年，已经通过全球国际学校的SaaS订阅模式，包括GEMS和Nord Anglia网络的学校，在平台上注册了数千名学生。随着CAI的推出，101.Careers的目标是针对个别学生，他们的父母以及独立顾问，因为CAI为潜在用户提供了一种在订阅之前瞥一眼平台的方法。 101.Careers的创始人兼首席执行官S hauna Li Roolvink女士评论道：“利用社交媒体进行职业预测只是CAI的第一步。最终，CAI可以为我们的用户预测最合适的大学和最合适的雇主。“ “101.Careers还可以利用Somin的AI驱动的影响者营销平台来提升他们的数字营销业绩。”SoMin.ai联合创始人兼研究总监Aleks Farseev博士补充道。以上为AI翻译，内容仅供参考。原文来源：101.Careers Launches CAI – The First Career Prediction Bot in the World

资讯
2018年11月12日
资讯

招聘生态系统概览：现代人才获取工具文/Chiradeep BasuMallick 人才招聘工具和软件解决方案的最新趋势是众包功能 - 让雇主有机会探索无数的申请人水库并从开放的市场中招聘。最初被称为“人才获取生态系统”，如今，人才获取工具越来越多地将此功能嵌入其核心功能中，从而带来了数字化人力资源的全新时代。随着人才争夺战的加剧，招聘人员正在转向新的人才管理战略 - 人才获取生态系统。人才获取生态系统是利益相关者，技术和战略的网络，它们协同工作，为组织提供动态人才库。虽然LinkedIn可能是专业社交招聘平台中最受欢迎的，但新的人才获取工具和技术的出现正在改变组织对招聘流程的看法。随着个性化成为人才管理的关键原则，创建有针对性和直观的招聘活动以及与主动和被动申请人建立持久的关系至关重要。让我们看看定义传统人员配置模型变化的主要趋势。社交媒体招聘的兴起与崛起众包的增长是寻找创新，高绩效和创造性专业人士的途径心理测量人格和能力技术的增加，以评估候选人的情绪和与公司的文化交集受按需劳动力增长和移动应用程序启发的不断增长的gig经济的出现使人们可以轻松进入临时劳动力市场在生态系统内让我们首先了解数字生态系统的运作方式。波士顿咨询集团将数字商业生态系统定义为企业，个人，机构，客户和其他利益相关者的复杂映射网络，这些利益相关者经常互动以创造共同价值。这些生态系统由连接用户的独特技术平台提供支持。向生态系统方法的过渡可以解决一些招聘挑战，例如有限的人才库，成本和扩展的人员配置问题，数据限制和过时/手动流程。这就是为什么集成，强大，多渠道和以人群为基础的招聘环境可以带来真正的变革和改进。其优势包括难以接入的人才，成本和时间表管理，以及根据业务使命和愿景关注招聘。思考大：建立人才获取生态系统这一新模型最初由Talent Tech Labs推广，允许独立招聘人员或招聘公司联系客户开放请购单。公司现在可以访问数百名并行寻找最佳人才的招聘人员，而不是与有限的人员配备专家合作。人才获取工具Beeline具有这样的功能，因为其“Crowdstaffing”模块允许公司访问比传统人员配置供应商网络提供的更广泛和更深入的合格人才库 - 并且这与他们的AI和个人管理引擎集成。 “凭借我们开创性的自助采购技术，我们为企业公司开辟了一个强大的新渠道，以便在特别具有挑战性的劳动力市场中找到他们所需的人才。通过API集成向Crowdstaffing发布请购单，我们可以为我们的客户提供几乎即时访问更多优质人才，而无需增加供应商名单，“ Beeline战略高级副总裁Colleen Tiner 提到。现在让我们看一下这种方法的许多好处和影响方面。公司可以从不断扩展的全球网络中获得无限的应用程序池候选人可以在不同地点获得新的和有意义的机会，实现他们的真正潜力基于群体的人群可以使供应链成为目标，特定于高绩效人员配置，提高效率，成本管理，系统优化和可视性招聘线索可以利用跨越整个招聘生命周期的大量数据储备该平台提供更广泛，更丰富的商业智能，分析和见解，将招聘重新构想为一个过程拍摄数字化的第一步不是强制拟合解决方案或人才获取工具。这一切都始于重新思考企业如何运作以及采取招聘等日常工作。它还意味着将每个利益相关者 - 从内部人力资源员工到可能的候选人 - 视为“客户”，从而增强整体经验伙伴关系。最后，它意味着将所有“客户”连接到一个尖端的集成平台 - 例如LiveHire，这是一个人才社区软件平台，带有Google Hire插件即可启动！ “LiveHire支持的雇主职业生涯页面将通过Google强大的搜索和机器学习功能得到增强，这些功能有望极大地改善访问候选人的体验和相关性。随着内置机器学习，结果将持续改善。” 请记住，'数字'不是一个光滑的新产品或智能生活黑客。这是每个人日常生活的一部分，无论是个人还是职业。人才获取也没有什么不同，需要一个成熟的，细微的，超连接的生态系统蓝图，即价值，效率和开明的管理。以上为AI翻译，内容仅供参考。原文链接：Inside the Hiring ‘Ecosystem’: Here’s What Modern Talent Acquisition Tools Are All About

资讯
2018年11月12日
资讯

LinkedIn在纽约和旧金山测试活动工具文/ANNA HENSEL LinkedIn正在进入活动业务。专业网站今天宣布，它已经开始在旧金山和纽约市的一组用户中测试一个新的活动工具。LinkedIn计划在未来几个月推出全球功能。该功能与Facebook上的事件显示方式非常相似 - 因此您可以在事件页面提要中查看还有谁参加，邀请其他人以及与其他用户聊天。 LinkedIn产品经理Ashu Dubey在给VentureBeat的电子邮件中说，在测试期间，组织者只能创建公共活动 - 但最终，他们将能够为他们的小组成员创建活动。虽然Dubey表示他们也正在努力，但在试用期间也不会有用户可以查看发现事件的标签或提要。鉴于现在拥有大约5.8亿用户的LinkedIn喜欢宣传其在校友组织等团体中所看到的活动的强度，令人惊讶的是该网站之前没有尝试过事件特征。另一方面，LinkedIn通常不被视为在现实生活中与人们联系的地方，因此有趣的是哪些用户和团体最容易接受在LinkedIn上组织活动。 Facebook的事件和团队的历史优势在于增加更多的专业网络功能，这也是值得一无所获的，Facebook今年早些时候，Facebook宣布它正在为精选团体带来一个指导功能。 LinkedIn今天还宣布，它正在向第三方开放其在线教育平台LinkedIn Learning。LinkedIn Learning目前在其平台上有13,000门课程。以上为AI翻译，内容仅供参考。原文链接：LinkedIn begins testing events tool in New York and San Francisco 更多阅读： LinkedIn成为一个严肃的开放式学习体验平台，非常值得关注！重磅！LinkedIn将收购Glint：员工敬业度市场的重大变化 LinkedIn推出Talent Insights，正式涉足商业智能领域 Oracle和LinkedIn合作改善候选人和员工体验 LinkedIn联合创始人的新冒险：用区块链重构社交信任关系，创立新公司HUB LinkedIn 推出在线学习门户网站 LinkedIn Learning

资讯
2018年11月11日
资讯

数据成本是否扼杀了您的AI启动计划？数据为AI初创公司提供了防御性的护城河：初创公司收集的用于培训AI模型的数据越多，该模型的表现就越好，新的参赛者难以赶上。然而，这些数据并非免费提供，许多人工智能初创公司认为他们的利润受到这笔额外费用的侵蚀。随着时间的推移，您可能希望减少对数据的投入，但目前尚不清楚如何预测何时会发生这种情况以及在何种程度上预测未来增长的模型。与软件初创公司不同的是，产品开发埋藏在损益表中的研发成本之下，AI初创公司应将数据成本作为销售成本（COGS）的一部分。将数据视为COGS而非研发成本将有助于您发现扩大规模并降低成本的机会，从而提高利润率。下面的数据价值链流程图显示了大多数AI初创公司如何获取和使用数据。首先，您将基础事实的片段记录为原始数据。您将原始数据存储在某处，然后建立流程或管道以维护和访问它。在AI模型中使用它之前，需要对数据进行注释，以便模型知道如何处理每个数据点。然后，训练有素的模型接收数据并返回推荐，然后您可以使用该推荐来为最终用户采取某种结果。该过程可以分为三个不同的步骤：获取数据，存储数据和注释数据以训练模型。每一步都会产生成本。数据采集成本在所有数据价值链中，某种传感器（物理设备或人类）首先需要通过捕获对现实的观察来收集原始数据。在这种情况下，数据采集的成本来自创建，分配和操作传感器。如果传感器是硬件，则必须考虑材料和制造成本; 如果传感器是人类，那么成本来自于招募并为他们提供制作和记录观察所需的工具。根据您的覆盖范围需要多大，您可能需要支付大量费用来分发传感器。某些用例可能需要以高频率收集的数据，这也可能会增加人工和维护成本。例如，观众测量公司尼尔森，面临所有这些成本，因为它既提供了框，也支付参与者报告他们在电视上观看的内容。在这种情况下，随着尼尔森的数据变得越来越有价值，其覆盖范围越广泛，规模经济就会降低单位数据采购成本。在某些使用案例中，您可以通过向他们提供管理工作流程的工具（例如，自动电子邮件响应生成器），然后将他们捕获的数据存储在他们的工作流程中，将数据采集的工作和成本转移给最终用户。工作或观察他们与工具的交互并将其记录为数据。如果您选择免费分发这些工具，数据采集的成本将是客户获取工作的成本。或者，您可以选择为工作流工具收费，这可能会减慢和限制客户采用率，从而减少数据采集，同时抵消数据采集成本，具体取决于您的价格。例如，我公司的一家投资组合公司InsideSales为销售代表提供了一个平台，可以拨打他们的潜在客户。当销售代表使用该平台时，它会记录有关交互的时间，模式和其他元数据，以及该销售渠道中的销售线索是否进展。该数据用于训练AI模型以推荐最佳时间和通信模式以联系类似的线索。这里，随着越来越多的用户进入平台，网络效应可能会增加工具的实用性，这可能会降低用户获取成本。或者，在另一个实体已经建立数据收集管道的情况下确保战略合作伙伴关系可以进一步降低成本。我们的另一家公司Tractable采用计算机视觉实现汽车保险调节器的自动化工作，正在与几家领先的汽车保险公司合作，以获取受损车辆的图像，而无需投资向个别车主分发应用程序。存储和管理成本在数据存储和访问方面，初创公司面临另一个成本问题。除了您收集的数据之外，您可能还需要客户提供其他上下文数据以丰富您的模型。许多行业最近才开始数字化，因此即使潜在客户拥有丰富模型所需的数据，也不要认为数据易于访问。为了使用它，您可能不得不花费大量人力来进行低利润率的数据准备。此外，如果数据分布在不同的系统和孤岛中，您可能需要花费大量时间来构建每个集成，然后才能使模型完全正常运行。一些行业围绕单片和特殊技术堆栈构建，使得集成很难在客户之间重用。如果集成服务提供商不可用，那么您的AI启动可能会发现自己陷入了为每个新客户构建自定义集成之前，它可以部署其AI系统。数据结构的方式也可能因客户而异，要求AI工程师花费额外的时间来规范数据或将其转换为标准化模式，以便可以应用AI模型。建立一个通用集成库可以降低成本，因为您可以在新客户中重复使用它们。培训费用大多数AI模型构建方法都要求您标记和注释数据，这是AI初创公司最大和最可变的成本之一。如果示例很简单或通常被理解为足以使外行人能够执行注释 - 例如，在图片中的所有苹果周围绘制一个框 - 您可以使用外包劳务服务（例如Mechanical Turk或图8）来执行注释。然而，有时候，注释需要更专业的知识和经验，例如基于视觉线索确定苹果的质量和成熟度，或者石油钻井平台上的生锈斑块是否危险。对于这种更专业的劳动力，您可能需要建立一个内部专家注释团队并支付更高的工资。根据您的注释方式，您可能还需要构建自己的注释工作流工具，尽管像Labelbox这样的公司现在正在出现提供此类工具。在某些AI应用程序中，最终用户是最有效的注释器，您可以通过设计产品来卸载注释成本，以便用户在数据与产品交互时标记数据。Constructor是我们的投资组合公司，提供针对电子商务的人工智能网站搜索，观察用户实际点击并购买每个搜索词的产品，使他们能够优化搜索结果以获得更高的销售额。这种注释不可能通过外包或专家搜索服务进行人工操作，并且可以保存Constructor，否则可能是重要的注释成本。即使在您以高精度训练模型之后，当模型不确定如何解释新输入时，您偶尔也需要人类进行干预。根据模型如何为最终用户提供价值，该用户自己可以对模型进行更正或注释，或者您的创业公司可以通过采用质量控制“AI保姆”来处理异常。如果环境是您的建模是易变的并且以高速和常规速率变化，您可能希望保持稳定状态的注释器团队以根据需要使用新数据更新模型。扩展AI业务第一批成功的人工智能企业进入市场，提供无AI工作流程工具，以捕获最终培训AI模型并增强工具价值的数据。这些创业公司早期就能够实现软件利润，因为数据和人工智能是创业公司价值主张的次要因素。然而，随着我们转向人工智能的更专业应用，下一波人工智能创业公司将面临更高的启动成本，并需要更多的人力资源来为客户提供初始价值，使其成为低利润率的服务业务。获得大量客户和数据将最终降低单位经济效益并构建关键的复合防御能力，但许多初创公司并不确切知道这一点到底有多远，以及他们需要做些什么来更快地实现目标。最好的人工智能初创公司将了解哪些杠杆可以在该途径上进行优化，并有意识地使用它们来进行正确的投资并快速扩展。以上为AI翻译，内容仅供参考。原文来源：Could data costs kill your AI startup?

资讯
2018年11月11日

1... 《 339 340 341 342 343344345 346 347 348 349 》 543 跳转至