눈송이 CEO는 AI ROI가 데이터를 올바르게 얻는 것으로 시작한다고 말합니다.

눈송이 CEO는 "AI는 빅뱅이되어서는 안됩니다." "그것은 모든 단계의 가치를 보여주는 일련의 작은 프로젝트 여야합니다." 그러나 Ramaswamy가 지적했듯이, 그것은주의처럼 들릴지 모르지만 실제로는 전략입니다.

인터뷰에서 Ramaswamy는 Enterprise AI를위한 간단하지만 급진적 인 로드맵을 마련했습니다. "화려한 데모 나 대규모 모델 투자로 시작하지 마십시오"라고 그는 말했습니다. 데이터로 시작하십시오. 작게 시작하십시오. 가치를 증명하십시오. 그런 다음 빌드하십시오.

에이전트 AI 과대 광고 - 그리고 그 아래에 숨겨진 일

10 명의 공급 업체에게 "에이전트 AI"를 정의하도록 요청하면 10 개의 다른 답변을 얻을 수 있습니다. 그러나 내가 Ramaswamy에게 에이전트 AI에 대해 실제로 어떻게 생각했는지 물었을 때, 그의 반응은 우리가 AI가 실제로 작동하는 실제 작업을 수행하기 위해 과거의 의미를 옮겨야한다는 것이 었습니다.

Ramaswamy가 보는 것은 AI에 대한 욕구가 점점 커지고 요약 될뿐만 아니라 행위입니다. 사전 미팅 연구를 자동화하는 것부터 내부 시스템 업데이트에 이르기까지 Agentic AI는 인간이 플랫폼 전체에 스티칭 데이터를 사용하는 시간을 줄일 것을 약속합니다. 그러나 데이터에 액세스 가능, 연결 및 신뢰할 수있는 경우에만 작동합니다.

"1 단계는 정보에 쉽게 액세스 할 수 있도록하고 있습니다."라고 그는 설명했습니다. 그는“2 단계는 모델이 무엇을 당겨야하는지 결정하게하고있다.

그럼에도 불구하고 그는 기업이 토대를 건너 뛸 수 없다고 경고했다. 그것은 업계 전문가들이 오늘날 업계에서 전파하기 시작했다는 중요한 메시지 중 하나입니다. 특히 AI를 모든 문제를 사라지게하는 마법의 지팡이로 생각하기 쉽기 때문입니다.

그러나 자동차처럼, Ai는 운전자가 바퀴가 바퀴를 올리는 곳으로 만갑니다. 이러한 맥락에서 비즈니스 리더는 운전석에 앉아 과대 광고를 자르고 AI로부터 실제 가치를 얻는 방법을 알아 내야합니다. Loganandh Natarjan은“생성 AI가 마법의 지팡이가 아니며, 이는 AI의 잠재력 이 조직의 기능의 핵심으로 신중하게 병합 될 때만 도청 될 수 있습니다.

Enterprise AI 프로젝트에서 가장 큰 실수

회사가 AI 트렌드에 보조를 맞추기 위해 출격함에 따라 많은 사람들이 미션 대신 모델로 시작하는 비용이 많이 드는 실수를합니다.

Ramaswamy는“많은 사람들이 나가서 가치를 창출 할 곳을 생각하지 않고 GPU 용량 또는 모델 라이센스를 구입했습니다. 이전 기사에서 이전에 쓴 것처럼, 그것은 실망의 빠른 트랙입니다.

그의 해결책? 규모로 시작하지 않고 고객의 요구를 시작으로 시작하십시오.

Snowflake의 자체 내부 예 (판매 지원 컨텐츠를위한 가벼운 채팅 인터페이스)가 그 예입니다. Ramaswamy는“건축하는 데 많은 비용이 들지 않았다”고 말했다.“그러나 그것은 많은 용도로 사용되고있다. 우리는 우리가 성장할 가치가 있다고 말했다.”

AI는 그 데이터만큼이나 똑똑합니다.

“AI는 데이터만큼 우수하다”라는 문구는 자주 반복됩니다. 그러나 그것이 실제로 현대 기업의 의미는 무엇입니까?

회사 전체에서 100 개 이상의 SaaS 앱을 사용하는 Snowflake에서는 데이터가 통합되지 않으면 실제로는 보이지 않습니다. 이는 AI 프로젝트에서 AI를 성공적으로 배포하거나 실제 가치를 추출 할 수 없다는 것입니다.

Ramaswamy가 말했듯이 Workday, Google 캘린더, Qualtrics 또는 Hubspot 및 Salesforce와 같은 CRM과 같은 다른 소스의 데이터를 통합하지 않고는 적절한 대시 보드를 실행할 수 없습니다. "그리고 대시 보드를 실행할 수 없다면"그는 유용한 AI 응용 프로그램을 만들 수 없다 "고 덧붙였다.

Ramaswamy에 따르면 도전은 비즈니스 인텔리전스보다 더 깊다. Chatgpt 또는 Gemini와 같은 대부분의 외부 도구는 회사의 내부 시스템에 액세스 할 수 없습니다. 해당 시스템이 중앙 집중화되고 액세스 할 수 없다면 소비 지표 나 판매 담당자 활동을 당길 수 없습니다.

"이것이 데이터 준비가 기술적 인 프로젝트가 아니라는 이유입니다."라고 그는 지적했습니다. "AI 투자가 작동하는지 여부의 기초입니다."

SaaS 모델이 다시 작성되고 있습니다

Ramaswamy는 AI가 SaaS 도구가 핵심 수준에서 어떻게 작동하는지 재정의 할 것이라고 생각합니다.

“대부분의 SaaS 응용 프로그램은 인간이보다 효율적이 될 수 있도록 구축되었습니다. "그러나 미래는 실제로 작품 자체의 좋은 덩어리를 처리 할 수있는 소프트웨어입니다."

의사 결정 지원에서 의사 결정 실행으로의 변화는 BI 도구, 대시 보드 및 고객 지원 플랫폼이 빠르게 발전하는 이유입니다. 자연 언어 인터페이스가 성숙함에 따라 비즈니스 데이터를 직접 쿼리 할 수있는 사람들의 수는 분석가 및 데이터 팀을 넘어 확장됩니다.

"이 기술은 비즈니스를 이해하는 사람이라면 누구나 질문을 할 수있게 해줄 것"이라고 그는 말했다. "큰 변화입니다."

가장 수요가 가장 많은 기술은 기술적이지 않습니다

앞으로 18 개월 동안 어떤 역할이나 기술이 가장 가치가 있는지에 대해 물었을 때, Ramaswamy는 코딩이나 데이터 과학을 지적하지 않았으며, 이러한 특정 기술은 종종 AI 시대에 가장 많은 수요가 많은 기술 목록에 있기 때문에 놀랍습니다.

대신, 그는 가단성에 대해 이야기했습니다. 실험하고 궁금한 점이 있으며 AI의 결과물에 의문을 제기했습니다.

"가능한 것이 무엇인지, 무엇이 환상적인 지 이해하는 능력"이라고 그는 말했다. "새로운 것을 시도하지만 무언가가 옳지 않은 경우에도 중요합니다. 단일 기술 기술보다 더 중요합니다."

또한 Ramaswamy가 근거로 유지되는 방식이기도합니다. 그는 여전히 AI 요원을 개인적으로 테스트하며 직관을 날카롭게 유지하기 위해 간단한 사용 사례를 구축합니다.

"당신은이 물건을 살고 숨을 쉬어야합니다."라고 그는 지적했다. "이것은 과대 광고를 현실과 분리하는 유일한 방법입니다."

데이터 및 AI 플랫폼 시대

Snowflake가 창고뿐만 아니라 엔드 투 엔드 데이터 및 AI 플랫폼이라는 점을 두 배로 늘리면서 Ramaswamy는 그 역할의 명확성을보고 있습니다.

"AI가 번성하는 세상에서는 눈송이가 번성 할 것"이라고 그는 말했다. "우리는이 데이터 액세스 권한을 전제하는 밑의 계층이기 때문에."

미래는 에이전트 AI, 결과 우선 SaaS 및 추론 가격에 대한 오픈 소스 압력에 속할 수 있습니다. 그러나 기업이 데이터 행위를 함께 얻을 수 없다면 그 중 어느 것도 중요하지 않습니다. AI 약속은 당신이 먹이를 먹는 것으로 시작되고 때로는 끝납니다.

위 내용은 눈송이 CEO는 AI ROI가 데이터를 올바르게 얻는 것으로 시작한다고 말합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!