@levie: AI在现实世界中的扩散仍有巨大机会。大多数企业将需要大量……
摘要
Aaron Levie讨论了应用AI层的必要性,该层连接AI模型突破与企业工作流程,强调随着模型改进,更宏大的自动化成为可能,为专业公司创造了持续的机会。
查看缓存全文
缓存时间: 2026/07/27 01:44
将AI融入现实世界仍有大量机会。大多数企业需要大量支持才能将模型突破应用于其工作流程。
仅靠智能本身不足以改变大多数流程,因为你需要将这种智能与现实世界的反馈循环连接起来。这需要连接各种企业系统、向AI提供正确数据、通过合适的用户体验让人类在流程的不同阶段做出决策、构建能随时间推移改进底层数据和模型的工作流程、应对监管和合规挑战等等。
在银行为客户开户场景中实施AI代理的方式,与法律团队进行合同审查的方式截然不同。在生命科学、金融服务、法律、制造业及其他关键行业中,AI只有以情境化方式与现实世界互动才有价值。
这种互动将通过应用AI层实现。其中部分能力直接来自实验室,但大量机会必然来自能够深入各个行业的独立企业。
与某些观点相反,即使AI模型能力随时间提升,这种需求也不会减少。事实上,模型能力越强,你能够自动化的流程就越复杂,而这通常需要更强大的应用层支持。现在正是充满机遇的时刻。
相似文章
@levie: 在AI模型的力量与企业试图自动化的最终工作流程之间存在巨大鸿沟……
本文强调了AI模型力量与企业工作流自动化之间的关键差距,主张通过流程重新工程、上下文管理和治理来建立应用AI层以弥合这一差距。
@levie: 过去几个月,我们可能正在见证应用AI层在大规模场景下的模样。尽管一些初步的批评认为这只是LLM之上的一层薄薄封装,但事实证明,在企业中驱动自动化工作流远比想象中复杂得多。而任何存在复杂性的地方,随着时间推移,通常都会形成护城河并创造价值。
对企业中新兴应用AI层的分析,概述了关键组成部分:构建工作流特定功能、智能模型路由、通过FDE进行变更管理以及领域特定的市场策略。文章认为,尽管存在一些批评,这一层将创造可持续的护城河和价值。
@levie:企业级 AI 的部署——不仅仅是与聊天机器人交互——毫无疑问需要投入实际工作来调整…
Aaron Levie 讨论了在企业工作流中部署 AI 智能体的重大挑战,包括数据碎片化、遗留系统以及变更管理的需求,并强调了部署公司日益增长的作用。
@levie:在应用 AI 层面,那个重大的、令人苦涩的教训式问题是:随着模型变得越来越好,……的最佳方式是什么?
Aaron Levie 认为,随着 AI 模型能力不断增强——包括执行更长任务、使用工具以及多智能体协作——应用 AI 层面进行领域专业化差异的机会不减反增。他预测,自主系统将在安全、生命科学、医疗健康、金融和制造等行业得到广泛应用。
@levie:关于如何思考开源AI和应用AI层的精彩文章。在AI中,有两件事将永远成立。前沿…
这篇文章讨论了前沿AI模型与专用微调模型之间的动态关系,强调两者都将继续增长,因为应用AI层允许企业评估并混合模型以满足其特定用例。