ผู้เขียน: โรบิน

แสดง: บริษัท สดใส

！ เมื่อเร็ว ๆ นี้ Dr. Shiv Rao ผู้ก่อตั้งและซีอีโอของ Abridge ซึ่งเป็นยูนิคอร์นทางการแพทย์ AI ในสหรัฐอเมริกา ได้รับการสัมภาษณ์โดย CNBC ในสหรัฐอเมริกา Shiv พูดถึงตําแหน่งของ Abridge ในบริการองค์กรด้านการดูแลสุขภาพและวิธีที่ Abridge ซึ่งเป็นแอปพลิเคชันที่ครั้งหนึ่งเคยจัดเป็น "เชลล์ AI" กําหนดทิศทางของ "เปลือก" Shiv Rao ยังเป็นแพทย์โรคหัวใจที่ไม่รุกรานอีกด้วย

ในช่วงแรก ๆ ของการพัฒนาโมเดลขนาดใหญ่ บริษัท "AI shell" ยังได้รับฉายาว่า "พ่อค้าคนกลางชั้นสอง" เพราะพวกเขา "เพียงแค่ใส่อินเทอร์เฟซบนเทคโนโลยีของคนอื่น แทนที่จะทุ่มเทอย่างหนักเพื่อสร้างโมเดลของตนเอง" ในขณะนั้น เชื่อกันว่าวิธีเดียวที่จะแข่งขันในด้าน AI คือการระดมทุนจํานวนมหาศาล ลงทุนพลังการประมวลผล และดําเนินการฝึกอบรมล่วงหน้าขนาดใหญ่ ซึ่งเป็นข้อสรุปที่สะท้อนให้เห็นอย่างรวดเร็วในการประเมินมูลค่าของผู้จําหน่ายโมเดลขนาดใหญ่ เช่น OpenAI และ Anthropic

แต่นั่นเปลี่ยนไป ตระหนักได้อย่างรวดเร็วว่ามูลค่าที่สูงที่แท้จริงกําลังย้ายไปสู่ระดับบนสุดของแอปพลิเคชัน ซึ่งเป็นสาเหตุหนึ่งที่ทําให้นักลงทุนยินดีจ่ายเบี้ยประกันภัยสําหรับมูลค่าประเภทนี้ และให้ผลิตภัณฑ์ที่เรียกว่า "เปลือก" มีมูลค่าสูงกว่า Anthropic และ OpenAI

ตามข้อมูล ปัจจุบัน Perplexity ของเครื่องมือค้นหา AI มีมูลค่า 43 เท่าของรายได้ต่อปี เทียบกับ 0 เท่าของ Anthropic และ 0 เท่าของ OpenAI สิ่งนี้บ่งชี้ว่านักลงทุนมีความมั่นใจมากขึ้นในประสิทธิภาพของ Perplexity ในการบรรลุผลกําไรได้เร็วขึ้นและเปลี่ยนการเติบโตเป็นรายได้

Cursor的母公司Anysphere在12個月內實現了超過1億美元ARR（年度經常性收入）。Cursor是由Anysphere開發的AI代碼編輯器。Anysphere的估值在2024年的幾個月內飆升了550%，現在已成為一家vibe-coding領域的“十角獸”。

คล้ายกับ Perplexity และ Cursor Abridge เป็นบริษัท "AI shell" ที่มุ่งเน้นไปที่การสนทนาทางการแพทย์ ผลิตภัณฑ์หลักคือ AI Scribe ซึ่งแปลงการสนทนาระหว่างแพทย์กับผู้ป่วยให้เป็นบันทึกทางคลินิกที่มีโครงสร้างแบบเรียลไทม์ และผสานรวมกับระบบเวชระเบียนอิเล็กทรอนิกส์ได้อย่างราบรื่น ผลิตภัณฑ์นี้ได้รับการออกแบบมาเพื่อลดภาระงานเอกสารของแพทย์และปรับปรุงประสิทธิภาพและความถูกต้องของเวชระเบียน

Abridge通過向醫療系統提供訂閱服務獲取收入，公司預計其ARR在2024年達到5000萬美元。Abridge已在美國超過100個醫療系統中部署其AI平臺。

ต่อไปนี้เป็นข้อความที่ตัดตอนมาจากบทสัมภาษณ์ที่รวบรวมโดย Bright Company:

Abridge เข้าใจอุตสาหกรรมการดูแลสุขภาพอย่างไร

ผู้ดําเนินรายการ: เริ่มจากพื้นฐานกันก่อน Abridge ทําอะไร?

Shiv: Abridge ช่วยลดภาระงานเอกสารของแพทย์และช่วยให้พวกเขามุ่งเน้นไปที่คนที่สําคัญที่สุด เราก่อตั้งขึ้นใน 2018 ปี ดังนั้นเราจึงอยู่มาระยะหนึ่งแล้ว ทุกสิ่งที่เราสร้างขึ้นเกิดจากสมมติฐานพื้นฐาน: การดูแลสุขภาพมีผู้คนเป็นศูนย์กลาง และเราไม่คิดว่าสิ่งนั้นจะเปลี่ยนแปลง

มีการสนทนาระหว่างบุคคลที่แตกต่างกันในระบบการดูแลสุขภาพอยู่เสมอ: ด้านหนึ่งเป็นมืออาชีพเช่นแพทย์หรือพยาบาลและอีกด้านหนึ่งมักจะเป็นผู้ป่วยหรือสมาชิกในครอบครัว การสนทนาอาจเกิดขึ้นในคลินิกหรือห้องตรวจของโรงพยาบาลห้องฉุกเฉิน การสนทนาเหล่านี้เป็นต้นน้ําของเวิร์กโฟลว์ต่างๆ มากมายในการดูแลสุขภาพ

ตัวอย่างเช่น หากคุณเป็นหนึ่งในผู้ป่วยของฉัน และฉันปรึกษาคุณ ฉันจะจดบันทึกที่ขีดเขียน พยายามปะติดปะต่อสิ่งที่เรากําลังพูดคุยกัน และสุดท้ายฉันจะเขียนชุดเอกสารตามบรรทัดฐานทางวิชาชีพ นี่เป็นเรื่องจริงในระดับโลก

ผู้มีส่วนได้ส่วนเสียหลายรายจะดูบันทึกนั้นและประเมิน: ตัวอย่างเช่น แพทย์และพยาบาลคนอื่นๆ จะอ่านเพื่อทําความเข้าใจว่าเหตุใดฉันจึงสั่งจ่ายยาเฉพาะบางชนิดให้คุณ การดําเนินธุรกิจและคนการเงินยังอ่านบันทึกนั้นเพราะมันจะเกี่ยวข้องกับสิ่งที่ฉันได้รับ และนั่นคือวิธีที่แพทย์ได้รับเครดิตสําหรับบริการทางการแพทย์ที่พวกเขามอบให้

ผู้ดําเนินรายการ: Abridge ก่อตั้งขึ้นใน 2022 ปี ChatGPT ออกมาใน 0 Generative AI มีมานานแล้ว ส่งผลกระทบต่อธุรกิจของคุณอย่างไร

Shiv: ฉันเริ่มต้นธุรกิจของฉันใน 2018 ปี และส่วนหนึ่งเกี่ยวข้องกับ Transformer ซึ่งเป็นโมเดลแมชชีนเลิร์นนิงที่รองรับ AI เชิงกําเนิด แต่เรากําลังเริ่มต้นด้วยบางรุ่นที่มีมาก่อน LLM เช่น BERT, BioBERT, Longformer หรือ Pegasus บางครั้งโมเดลเหล่านี้ได้รับการฝึกอบรมล่วงหน้าเกี่ยวกับข้อมูลอินเทอร์เน็ต และยังสามารถปรับแต่งได้อย่างละเอียดสําหรับกรณีการใช้งานเฉพาะที่คุณต้องการแก้ไข

เรารู้สึกตื่นเต้นเมื่อโมเดลภาษาขนาดใหญ่ออกมาและ Generative AI กลายเป็นปรากฏการณ์ ฉันจําได้ว่าใน 2023 เราเข้าร่วมอาหารค่ําของพวกเขาในการประชุมอุตสาหกรรมขนาดใหญ่เกี่ยวกับ Generative AI ใน 0 หลายคนที่เข้าร่วมงานเลี้ยงอาหารค่ํานั้นโทรหาฉันและพูดว่า "ฉันเข้าใจแล้วตอนนี้ฉันจะลองด้วย" ดังนั้นเราจึงเปลี่ยนพลังงานที่แฝงอยู่ทั้งหมดให้เป็นพลังระเบิดเกือบในชั่วข้ามคืน

ผู้ดําเนินรายการ: ฉันแน่ใจว่าแพทย์ก็รู้สึกได้เช่นกัน บริษัทโมเดลภาษาขนาดใหญ่ เช่น OpenAI, Google และ Anthropic กําลังปรับปรุงผลิตภัณฑ์ของตนอยู่เสมอ และยังมีบริการถอดเสียงคําพูดของตนเองอีกด้วย ทําไมแพทย์ โรงพยาบาล อุตสาหกรรมการดูแลสุขภาพไม่ใช้ Abridge โดยตรง?

Shiv: เมื่อมองไปที่เทคโนโลยี AI เต็มรูปแบบ ชั้นล่างหรือใกล้ชั้นล่างสุดเป็นบริษัทโมเดลขนาดใหญ่ขั้นพื้นฐาน ซึ่งสามารถจัดหาวัตถุดิบที่ทุกคนสามารถใช้ได้ ควรมีชั้นโครงสร้างพื้นฐานตรงกลางเพื่อช่วยให้บริษัทกระทบยอดโมเดลต่างๆ

ที่ด้านบนสุดคือเลเยอร์แอปพลิเคชัน และบริษัทในเลเยอร์แอปพลิเคชันมุ่งเน้นไปที่การแก้ปัญหาเฉพาะสําหรับผู้ใช้หรือธุรกิจเฉพาะกลุ่ม พวกเขามักจะรวมเข้ากับเวิร์กโฟลว์อย่างลึกซึ้งและใช้ประโยชน์จากชุดข้อมูลที่เป็นกรรมสิทธิ์ ภารกิจของ Abridge คือการแก้ปัญหาเฉพาะอุตสาหกรรมอย่างแท้จริงซึ่งหมายความว่าเรามักจะเรียนรู้จากชุดข้อมูลที่ไม่มีบนอินเทอร์เน็ตซึ่งมักจะประสานงานโมเดลต่างๆจํานวนมากเพื่อสร้างประสบการณ์การใช้งานที่ดีที่สุด

ผู้สัมภาษณ์: เป็นเพราะความเป็นส่วนตัวของข้อมูลมีความสําคัญอย่างยิ่งในการดูแลสุขภาพด้วยหรือไม่?

Shiv: ใช่ครับ มีอุปสรรคเฉพาะในการเข้าสู่อุตสาหกรรมเฉพาะความเป็นส่วนตัวมีความสําคัญต่อการดูแลสุขภาพและความน่าเชื่อถือเป็นข้อกําหนดพื้นฐานซึ่งเป็นสกุลเงินที่ดีที่สุดสําหรับการทําธุรกรรมของคุณ

ดังนั้นความท้าทายและโอกาสที่เราเห็นคือเราสามารถใช้ประโยชน์จากเทคโนโลยีที่ยอดเยี่ยมใกล้กับระดับล่างสุดสร้างความสามารถทางเทคนิคของเราเองในสถานการณ์ที่เหมาะสมที่สุดและบรรจบกันเป็นผลิตภัณฑ์และโซลูชันแบบฟูลสแตกอย่างแท้จริง นี่คือการผสานรวมเทคโนโลยีหลักและ AI และมาจากการสํารวจวิธีรวมข้อมูลเข้ากับเวิร์กโฟลว์ รวบรวมข้อมูลจากแพทย์ในแต่ละวัน และให้บริการลูกค้า

ผู้ดําเนินรายการ: Satya Nadella กล่าวว่าตอนนี้ OpenAI เป็นบริษัทผลิตภัณฑ์ อะไรที่หยุดบริษัทโมเดลขนาดใหญ่ไม่ให้เข้าสู่พื้นที่นี้ที่ Abridge?

Shiv: ฉันคิดว่ามันสมเหตุสมผลสําหรับบริษัทโมเดลพื้นฐานที่จะย้ายไปสู่ระดับบนสุดของแอปพลิเคชัน ในแง่หนึ่งพวกเขาอยู่ในทิศทางนั้นมาโดยตลอด คุณและฉันต่างก็ใช้ ChatGPT หรือ Claude พวกเขาเป็นแอพหรือผลิตภัณฑ์

บริษัทเหล่านี้ยังเป็นบริษัท T และมีแนวแนวตั้ง ซึ่งอาจเป็นแอปที่ผู้บริโภคต้องเผชิญกับเราทุกคนใช้ แต่พวกเขายังมีเลเยอร์แนวนอนมากขึ้น API ที่ช่วยให้บริษัทอื่นๆ สามารถเข้าถึงส่วนประกอบดิบเหล่านี้ได้ แต่พวกเขาไม่สามารถครอบคลุมทุกพื้นที่และเจาะลึกเข้าไปในทุกพื้นที่

ประสบการณ์ที่ดีขึ้น 5%: รวมประโยชน์ของรุ่นต่างๆ ได้อย่างมีประสิทธิภาพ

ผู้ดําเนินรายการ: โมเดลเบื้องหลัง Abridge คืออะไร?

Shiv: เราประสานงานโมเดลต่างๆ มากมาย งานที่เราทําเบื้องหลังสามารถเรียกได้ว่าเป็น "กลไกการอนุมานตามสถานการณ์" หลังจากสํารวจในช่วงไม่กี่ปีที่ผ่านมา เราก็สามารถจัดการกับงานประสานงานที่ซับซ้อนระหว่างโมเดลต่างๆ ได้ โมเดลเหล่านี้บางรุ่นเป็นโมเดลระดับเครือข่าย (มักมีพารามิเตอร์ขนาดใหญ่และโครงสร้างการคํานวณที่ซับซ้อน) ในขณะที่โมเดลอื่นๆ เป็นโมเดลโอเพ่นซอร์สที่ปรับแต่งมาอย่างดี

要知道，在我們的工作中，一點點的差異，哪怕只有5%，對最終形成的用戶體驗有著巨大的不同。加上還有醫療保健中的信任和安全問題。因此，在許多方面，我們得盡可能深思熟慮地調用大語言模型並利用AI。

ส่วนหนึ่งของความท้าทายคือวิธีการแยกงานจํานวนมากออกจากพฤติกรรมของผู้ใช้ภายใต้สภาวะที่ซับซ้อน เบื้องหลังผลิตภัณฑ์ เราอาจเรียกโมเดลภาษาขนาดใหญ่ 20 ถึง 0 ครั้งเพื่อสร้างโน้ตที่ดูเหมือนธรรมดา เห็นได้ชัดว่าเราไม่สามารถเรียกโมเดลขนาดใหญ่นอกชั้นวางที่มีความถี่สูงเช่นนี้และยังคงรักษาต้นทุนให้ต่ํา ดังนั้นเราจึงต้องใช้โมเดลที่คุ้มค่ากว่าซึ่งเราได้ปรับตัวเองให้เหมาะสมเพื่อให้แน่ใจว่าผลลัพธ์มีประสิทธิภาพและแม่นยํา

ผู้ดําเนินรายการ: คุณกําลังใช้โมเดลโอเพ่นซอร์ส DeepSeek ด้วยใช่ไหม

Shiv: แน่นอน เรากําลังทดลองอยู่ ฉันคิดว่านั่นเป็นส่วนหนึ่งของเรื่องราวของแอปพลิเคชัน และเป็นสิ่งที่ดีสําหรับเราทุกครั้งที่มีการเปลี่ยนแปลงในรูปแบบขนาดใหญ่พื้นฐานและความก้าวหน้าใหม่: เป็นข่าวดีสําหรับบริษัทที่รู้วิธีกําหนดรูปแบบเทคโนโลยีเหล่านี้ให้เข้ากับกรณีการใช้งานเฉพาะของตน

ผู้ดําเนินรายการ: ผลิตภัณฑ์ของพวกเขามีความอ่อนไหวมากขึ้น

Shi: แน่นอน

ผู้ดําเนินรายการ: คุณคิดว่าในฐานะบริษัทแอปพลิเคชัน AI การสร้างรายได้ง่ายกว่า OpenAI หรือไม่? ท้ายที่สุด OpenAI สูญเสียเงินหลายพันล้านดอลลาร์ทุกปี โครงสร้างต้นทุนของคุณคืออะไร? ไม่เป็นไรถ้าคุณไม่ต้องการให้รายละเอียดเฉพาะ แต่คุณช่วยให้ข้อมูลทั่วไปแก่เราได้ไหม

Shiv: ในระดับแอปพลิเคชัน คุณต้องปฏิบัติตามกฎทั้งหมดของอุตสาหกรรมเฉพาะของคุณ ในอุตสาหกรรมการดูแลสุขภาพ มีกฎเกณฑ์สําหรับกลยุทธ์การโปรโมตผลิตภัณฑ์ กลยุทธ์การขาย ฯลฯ ของคุณ ฉันเชื่อว่าอาชีพอื่นๆ เช่น กฎหมาย ก็มีลักษณะเฉพาะของตัวเองเช่นกัน เมื่อเราทําตามกฎข้างต้นแล้ว การกําหนดราคาเป็นเพียงขั้นตอนต่อไป

คุณค่าของเราอยู่ที่ผลกระทบที่เราสามารถมีต่ออุตสาหกรรม ในช่วงหลายปีที่ผ่านมา แพทย์สองใน 12 คนไม่ต้องการเป็นแพทย์ต่อไปในอีก 0 ถึง 0 ปีข้างหน้า ตามบทความในนิตยสาร JAMA พยาบาล 0% ไม่ต้องการเป็นพยาบาลต่อไปในอีก 0 เดือนข้างหน้า นี่อาจหมายความว่าผู้ป่วยที่อาศัยอยู่ในพื้นที่ชนบทต้องขับรถห้าหรือหกชั่วโมงไปยังโรงพยาบาลในเมืองเพื่อไปพบแพทย์โรคไขข้อ สิ่งที่เราต้องทําเกี่ยวกับเหตุฉุกเฉินด้านสาธารณสุขเหล่านี้

ผู้ดําเนินรายการ: ด้วย Abridge เอกสารบางอย่างจะถูกตัดออก และงานของแพทย์อาจมุ่งเน้นมากขึ้นเล็กน้อย ดังนั้นพวกเขาจึงเต็มใจที่จะอยู่ในอาชีพนี้เพราะเหตุนี้?

Shiv: ใช่ เราได้รับข้อเสนอแนะจากผู้ใช้จํานวนนับไม่ถ้วนจากช่องทางการสื่อสารที่สอดคล้องกันของเรา และพวกเขาบอกเราว่าพวกเขาพร้อมที่จะทํางานในอุตสาหกรรมนี้อีก 5 ปี เพราะเราได้แบ่งเบาภาระจากพวกเขาไปมาก ข้อเสนอแนะนี้ยังเป็นแหล่งที่มาของโดปามีนสําหรับวิศวกรของเรา ซึ่งมีความชัดเจนมากขึ้นเรื่อย ๆ ว่าทําไมพวกเขาถึงทําเช่นนั้น

ผู้สัมภาษณ์: นอกจากนี้ยังเป็นพื้นที่ที่มีการแข่งขันสูง คุณมาถึงขั้นตอนที่แพทย์และโรงพยาบาลยินดีจ่ายค่าผลิตภัณฑ์ของคุณแล้วหรือยัง? หรือคุณอยู่ในช่วงการเติบโตของการขยายขนาดและเพิ่มส่วนแบ่งการตลาด?

Shiv: พวกเขายินดีจ่าย และเรากําลังขยายขนาดตลอดเวลา เราออนไลน์ในระบบการดูแลสุขภาพมากกว่า 110 แห่งทั่วประเทศ และจริงๆ แล้วช่วงเวลาที่เราอยู่ในช่วงไม่กี่ปีที่ผ่านมานั้นเป็นประวัติศาสตร์จริงๆ เพราะระบบการดูแลสุขภาพมักจะไม่เปลี่ยนแปลงอย่างรวดเร็ว นี่แสดงให้เห็นว่าปัญหาที่เรากําลังแก้ไขเป็นหนึ่งในปัญหาอันดับต้น ๆ ที่อยู่ในใจของผู้บริหารระดับ C ทุกคนในประเทศของเรา และพวกเขากําลังมองหาวิธีแก้ปัญหาที่มีประสิทธิภาพ เราสามารถแสดงให้เห็นว่าเราสามารถนําการเปลี่ยนแปลงในเชิงบวกมาให้ได้ ดังนั้นเราจึงสามารถปรับขนาดได้อย่างราบรื่น

โอเพ่นซอร์สช่วยให้เราสามารถสร้างความแตกต่างให้กับผลิตภัณฑ์ของเราด้วยต้นทุนที่ต่ํากว่า

ผู้ดําเนินรายการ: ฉันระมัดระวังที่จะเรียก Abridge ว่า "บริษัทแอปพลิเคชัน AI" คุณรู้สึกอึดอัดเมื่อมีคนอื่นกําหนดว่าคุณเป็นเปลือก AI หรือไม่?

Shiv: ฉันไม่รู้ว่าจะทําอย่างไรกับคํานี้เพราะฉันไม่แน่ใจว่ามันยังมีความหมายเหมือนเมื่อไม่กี่ปีก่อนหรือไม่ บางทีเมื่อสองหรือสามปีที่แล้ว อาจมีข้อโต้แย้งว่าวิธีเดียวที่จะแข่งขันในพื้นที่ AI คือการระดมทุนหลายร้อยล้านดอลลาร์และฝึกอบรมโมเดลระดับเครือข่ายเหล่านี้ล่วงหน้าเพื่อแก้ปัญหาทุกประเภท

แต่ผู้คนตระหนักได้อย่างรวดเร็วว่ามูลค่าที่แท้จริงกําลังเปลี่ยนไปใช้แอปพลิเคชันในระดับบน และเมื่อคุณสามารถแก้ปัญหาของมนุษย์ได้อย่างลึกซึ้ง คุณก็สามารถตระหนักถึงคุณค่าสูงสุดของเทคโนโลยีนี้ได้

CSO (Chief Scientific Officer) ของบริษัทของเราเป็นศาสตราจารย์ที่มหาวิทยาลัย Carnegie Mellon ซึ่งอยู่กับเราเต็มเวลาและอาศัยอยู่ในซานฟรานซิสโก เขารู้สึกว่าเราเป็นเหมือนบริษัทต้นแบบพื้นฐานมากกว่า แม้ว่าจะอยู่ในระดับที่ต่างกันก็ตาม เรายังเป็นรูปตัว T พัฒนาในแบบของเราเอง เรายังมีระดับเทคโนโลยีของเราเองเรายังใช้ชุดข้อมูลที่เป็นกรรมสิทธิ์และเรากําลังทําการปรับแต่งอย่างละเอียดและการเพิ่มประสิทธิภาพหลังการฝึกอบรมในแบบจําลองของเราเองเพื่อให้ได้ผลลัพธ์และโซลูชันที่ดีที่สุด

ผู้ดําเนินรายการ: ดังนั้น "เปลือก" ไม่ใช่คําอธิบายที่ถูกต้องสําหรับคุณอีกต่อไป? การใช้ปลอกหมายถึง "บาง" ใช่ไหม? แต่ฉันคิดว่าคุณกําลังจัดการกับปัญหาที่ซับซ้อนมากขึ้นและลึกลงไปเรื่อยๆ

Shiv: แน่นอน ฉันคิดว่าสิ่งที่เรียกว่า "ปลอก" อาจยังคงใช้กับผลิตภัณฑ์บางประเภท มากกว่าในพื้นที่ผู้บริโภค แต่ใช้ไม่ได้กับพื้นที่บริการขององค์กร เพราะนอกจากเทคโนโลยีแล้ว ยังมีปัจจัยที่คุณต้องพิจารณา ได้แก่ การปฏิบัติตามข้อกําหนด ความเป็นส่วนตัว ความปลอดภัย โครงสร้างพื้นฐาน ความสามารถในการปรับขนาด ฯลฯ

ผู้ดําเนินรายการ: คุณกําลังพัฒนาโมเดลของคุณเอง และเราเห็นเทรนด์นี้แล้ว โดยเฉพาะอย่างยิ่งกับ DeepSeek ที่ทําให้โมเดลมีราคาถูกลงและมีประสิทธิภาพมากขึ้น ไม่ใช่แค่คุณ บริษัท AI หลายแห่งมีโมเดลโอเพ่นซอร์สให้ใช้งานมากขึ้น ซึ่งช่วยให้พวกเขาสามารถสร้างโมเดลการเพิ่มประสิทธิภาพภายในองค์กรของตนเองได้

Shiv: ใช่ แน่นอน ฉันคิดว่ามันเป็นเทรนด์ และนั่นคือเคล็ดลับของความสําเร็จของเรา เราสามารถสร้างความแตกต่างผ่านผลิตภัณฑ์ ประสบการณ์ของผู้ใช้ และตัวชี้วัดเฉพาะ

เราจะไม่บอกหมอ: เฮ้ เบื้องหลังผลิตภัณฑ์ เราอาจจะโทรหาและประสานงาน 20 รุ่นที่แตกต่างกัน โมเดลเหล่านี้บางรุ่นอาจดึงสิ่งที่ผู้ประกันตนต้องการตรวจสอบเพื่อการรับประกันภัยหรือการชดเชย โมเดลอื่นๆ อาจดึงสิ่งที่ผู้ป่วยต้องการอ่าน – หากแพทย์ใช้คําเช่น "transcatheter aortic valvulopresty" ในบันทึกของเขา ผู้ป่วยของเขาอาจเห็นคํานั้นและคิดว่า "เดี๋ยวก่อน เขาไม่เคยพูดแบบนี้กับฉัน" ฉันจะไปที่ Google และฟังดูน่ากลัว "จากนั้นผู้ป่วยอาจโทรหรือส่งอีเมลถึงแพทย์และถามว่าเกิดอะไรขึ้น

ดังนั้นโมเดลต่างๆ ทั้งหมดที่เราประสานงานอยู่เบื้องหลังจึงได้รับการออกแบบมาเพื่อให้บริการผู้มีส่วนได้ส่วนเสียที่แตกต่างกันเหล่านี้ และนั่นคือที่มาของความแตกต่างมากมายของเรา

ความสัมพันธ์ระหว่างการเข้ารหัส Vibe และการพัฒนาซอฟต์แวร์แบบดั้งเดิม

ผู้ดําเนินรายการ: ฉันรู้ว่าคุณทํางานได้ดีในด้านการดูแลสุขภาพ แต่ฉันอยากจะพูดคุยในวงกว้างมากขึ้นเล็กน้อยเกี่ยวกับเลเยอร์แอปพลิเคชัน AI เราอยากรู้เกี่ยวกับการเพิ่มขึ้นของการเข้ารหัสบรรยากาศ โดยเฉพาะอย่างยิ่งมันจะเปลี่ยนการทํางานของนักพัฒนาอย่างไร ในฐานะผู้นําด้านแอปพลิเคชัน AI คุณได้ศึกษาเรื่องนี้หรือไม่?

Shiv: ใช่ แน่นอน นี่อาจเป็นหัวข้อที่เราหยิบยกขึ้นมาทุกวันใน Slack ภายในของเรา

การเข้ารหัสบรรยากาศสามารถเปลี่ยนแนวคิดให้เป็นต้นแบบที่ทดสอบได้อย่างรวดเร็ว ตัวอย่างเช่น การสร้างเว็บไซต์โดยไม่ต้องเข้าใจโค้ดพื้นฐานในเชิงลึก เราไม่รู้ว่าเทคโนโลยีนี้จะมีความก้าวหน้าอะไรบ้างใน 12 เดือนหรือ 0 เดือน แต่ถึงแม้จะมีความช่วยเหลือของการเข้ารหัสบรรยากาศ คุณก็ยังต้องเชี่ยวชาญพื้นฐานของภาษาโปรแกรม อัลกอริทึม AI และการเรียนรู้ของเครื่องเพื่อสร้างผลิตภัณฑ์ให้เสร็จสมบูรณ์

ในฐานะแพทย์ฉันยังคงไปโรงพยาบาลเป็นครั้งคราวเพื่อดูว่าผู้ป่วยเป็นอย่างไร ทุกเดือนเมื่อไม่มีใครอยากปฏิบัติหน้าที่ในวันหยุดสุดสัปดาห์ ฉันจะศึกษาข้อมูลโรคที่ลดความไวของผู้ป่วยและป้อนลงในแบบจําลอง AI เพื่อดูว่า AI จะทําอย่างไรหากเห็นผู้ป่วยที่มีอาการหรือข้อร้องเรียนเหล่านี้ในบทบาทของแพทย์ ฉันพบว่าอย่างน้อยครึ่งหนึ่งของเวลาที่สัญชาตญาณแรกของ AI ไม่ถูกต้อง ฉันจะพูดคุยกับ AI เราจะพูดคุยเกี่ยวกับเรื่องนี้ซ้ําแล้วซ้ําเล่า และฉันก็สามารถเชื่อมั่นในมันได้ แม้ว่าฉันจะไม่ได้ให้เหตุผลหรือสมมติฐานที่ขัดแย้งกับข้อเท็จจริง แต่ฉันเชื่อว่าเราจบลงด้วยข้อสรุปที่ดีกว่าที่เรามีในตอนแรก

(การให้เหตุผลหรือสมมติฐานที่ขัดแย้งกับข้อเท็จจริง: แพทย์พิจารณาว่าอาการของผู้ป่วยจะมีความคืบหน้าอย่างไรหากมีการใช้ทางเลือกในการรักษาที่แตกต่างกัน) วิธีคิดนี้เป็นเรื่องปกติในการตัดสินใจทางการแพทย์ ）

ดังนั้น AI จึงช่วยให้ฉันขยายความคิดและทําให้แน่ใจว่าฉันไม่ได้มองข้ามการวินิจฉัยโรคหายากหรือการวินิจฉัยทางการแพทย์ที่ผิดปกติ แต่ก็ยังไม่สามารถแทนที่ความคิดวินิจฉัยทั้งหมดได้ ฉันคิดว่าการเข้ารหัสบรรยากาศมีปฏิสัมพันธ์ที่คล้ายคลึงกันกับการพัฒนาแบบดั้งเดิมและแอปพลิเคชันระดับองค์กร AI ที่มีโมเดลพื้นฐาน

ผู้ดําเนินรายการ: คุณคิดว่าการเข้ารหัสบรรยากาศสามารถแทนที่การสร้างโค้ดแบบเดิมได้หรือไม่?

Shiv: ในขั้นตอนนี้ โดยเฉพาะอย่างยิ่งในอุตสาหกรรมต่างๆ เช่น การดูแลสุขภาพ ที่ต้องการปรับขนาดโซลูชันระดับองค์กร การเข้ารหัสบรรยากาศเป็นเครื่องมือที่ยอดเยี่ยมในการสร้างต้นแบบผลิตภัณฑ์หรือคุณลักษณะอย่างรวดเร็ว ตัวอย่างเช่น ช่วยให้เราข้ามขั้นตอนต่างๆ ในการนําไอเดียออกมาจากพื้นดินหรือสื่อสารไอเดียระหว่างบริษัท ทําให้ผู้คนเข้าใจสิ่งที่เรากําลังสร้างได้ง่ายขึ้น และบางทีอาจช่วยให้เราเริ่มเพิ่มประสิทธิภาพองค์ประกอบที่เรากําลังสร้างล่วงหน้า เช่น การเพิ่มประสิทธิภาพประสบการณ์ของผู้ใช้เพื่อให้แน่ใจว่าผลิตภัณฑ์ทํางานและทํางานได้ตามที่คาดไว้เมื่อพร้อมใช้งานโดยทั่วไป

ด้วยเหตุนี้ จึงสามารถลดวงจรทั้งหมดก่อนการเปิดตัวผลิตภัณฑ์ แต่ไม่ได้แทนที่รากฐานที่เรายังต้องทํา – ตรวจสอบให้แน่ใจว่าโค้ดที่เราเผยแพร่ทํางานอย่างถูกต้องและปรับขนาดได้

แอปพลิเคชันระดับองค์กร AI จําเป็นต้องรักษาทีมที่มีความอ่อนไหวสูงและเหมาะสม

ผู้ดําเนินรายการ: หัวข้อสุดท้ายที่ฉันต้องการพูดคุยคือสตาร์ทอัพกําลังแข่งขันกับผู้เล่นยักษ์ใหญ่ที่พยายามแก้ปัญหาเดียวกันมาเป็นเวลานาน อะไรคือเหตุผลที่คุณมีที่ว่างในการแข่งขันตอนนี้? สิ่งนี้เกี่ยวข้องกับ Generative AI หรือไม่? หรือเกี่ยวข้องกับ "เรือที่ยากต่อการหันหลัง" ของยักษ์ใหญ่แบบดั้งเดิมมากกว่า?

Shiv: เมื่อโมเดลพื้นฐานเปลี่ยนไปอย่างรวดเร็วอย่างที่คุณพูดไปก่อนหน้านี้ความคมชัดและความยืดหยุ่นของเลเยอร์แอปพลิเคชันมีความสําคัญมาก ความคล่องตัวสูงหมายความว่าคุณมีทีมที่มีชุดทักษะที่เหมาะสม รวมถึงทีมนักวิทยาศาสตร์ที่สามารถเจาะลึกลงไปในเลเยอร์โมเดลพื้นฐานและปรับแต่งโมเดลเหล่านั้นสําหรับกรณีการใช้งานเฉพาะของคุณ

ดังนั้นจึงเป็นสิ่งสําคัญที่คุณจะต้องรวมทักษะของทีมเข้ากับ AI และความรู้ในอุตสาหกรรมในขณะนี้ เห็นได้ชัดว่าเวลาของตลาดนั้นยากมากที่จะเข้าใจ แต่เมื่อมีการสร้างความต้องการจํานวนมากมูลค่าของคุณจะถูกเน้น การดูแลสุขภาพกําลังสะท้อนกับ AI และอุตสาหกรรมอื่นๆ ก็จะเหมือนกันในไม่ช้า

ผู้ดําเนินรายการ: มันเป็นเพียงเรื่องของเวลาก่อนที่สตาร์ทอัพจะสามารถเคลื่อนไหวได้อย่างรวดเร็ว แต่ยักษ์ใหญ่มีข้อมูลมากกว่าและสามารถใช้ข้อมูลนั้นได้อย่างชาญฉลาดใช่ไหม พวกเขาอาจทําการควบรวมกิจการในอนาคตเพื่อแข่งขันกับคุณ คูเมืองของคุณคืออะไร?

Shiv: โมเดลพื้นฐานมีคูน้ําแน่นอน ในอีกไม่กี่ปีพวกเขาต้องการเงินจํานวนมหาศาลสําหรับพลังการประมวลผลการรวบรวมข้อมูลการเรียนรู้แบบเสริมแรง ฯลฯ ซึ่งเป็นภาระงานที่หนักมาก

คูเมืองชั้นแอปพลิเคชันเป็นคูเมืองสําหรับบริษัทเทคโนโลยีมาโดยตลอด โดยเฉพาะอย่างยิ่งในตลาด B2B คูเมืองอาจเป็นผลกระทบของเครือข่าย ต้นทุนการแปลงสูง ความสามารถในการใช้ทรัพยากรที่หายาก หรือผลกระทบของแบรนด์ ทั้งหมดนี้สามารถเป็นข้อได้เปรียบในการแข่งขันสําหรับธุรกิจ

ผู้ดําเนินรายการ: แต่ยักษ์ใหญ่มีข้อได้เปรียบมากกว่าในช่องทางการจัดจําหน่ายหรือไม่?

Shiv: ฉันคิดว่าส่วนการแจกจ่ายมีความสําคัญ แต่ AI ยังเปลี่ยนกฎของเกมการจัดจําหน่ายและเปลี่ยนคําจํากัดความของช่องทางการจัดจําหน่าย ในเวลาเพียงไม่กี่สัปดาห์และไม่กี่เดือน เราได้สัมผัสกับเทคโนโลยีระดับองค์กรมากมายที่สามารถช่วยให้คุณทําให้กระบวนการต่างๆ เป็นไปโดยอัตโนมัติ และเข้าถึงเบราว์เซอร์ของผู้ใช้หรือระบบที่จัดตั้งขึ้นได้อย่างรวดเร็ว อุปสรรคในการเข้างานขนาดใหญ่เหล่านี้อาจสูงมากก่อนหน้านี้

AI กําลังกําหนดความสําคัญของช่องทางการจัดจําหน่ายหรือความสําคัญของช่องทางที่มีอยู่ใหม่ สิ่งนี้ทําให้สตาร์ทอัพมีพื้นที่ในการชนะตราบใดที่พวกเขามีผลิตภัณฑ์ที่ดีที่สุด